魯娥

（常州工業(yè)職業(yè)技術(shù)學(xué)院 軌道交通學(xué)院，江蘇 常州，213164）

地鐵車(chē)站運(yùn)營(yíng)管理的核心目標(biāo)是保證運(yùn)營(yíng)安全和服務(wù)水平。隨著城市軌道交通客流的不斷增長(zhǎng)，對(duì)地鐵車(chē)站客流管控的要求不斷提高，主要包括減少乘客進(jìn)出站時(shí)間、減少乘客流動(dòng)沖突、保證乘客流動(dòng)安全、保障大客流乘車(chē)秩序和速度等，因此需要及時(shí)掌握車(chē)站運(yùn)營(yíng)狀態(tài)并實(shí)施恰當(dāng)?shù)墓芸貙?duì)策。相關(guān)研究集中在進(jìn)出站短時(shí)客流預(yù)測(cè)[1][2]、車(chē)站客流控制[1][3]、客流管理[4][5]、安全風(fēng)險(xiǎn)分析等方面，這些研究都需要客流狀態(tài)參數(shù)做基礎(chǔ)數(shù)據(jù)。車(chē)站客流狀態(tài)指標(biāo)主要包括客流量、客流速度、客流分布、擁堵指數(shù)、安全事件等。當(dāng)前最有效的客流狀態(tài)參數(shù)采集方法是通過(guò)高清視頻自動(dòng)識(shí)別相關(guān)指標(biāo)數(shù)據(jù)。車(chē)站CCTV監(jiān)控視頻可用于客流監(jiān)控，但是除了客流量可以通過(guò)人體識(shí)別直接獲取外，一般還需要參照人體運(yùn)動(dòng)距離計(jì)算獲取客流速度，所以需要對(duì)攝像頭固定背景景深做校正后獲取人體運(yùn)動(dòng)距離、計(jì)算量大；利用CCTV視頻圖像自動(dòng)識(shí)別安全事件的計(jì)算流程復(fù)雜、精度有限。深度攝像頭能夠直接輸出人體深度，可以根據(jù)人體實(shí)時(shí)深度變化快速計(jì)算運(yùn)行速度，大幅降低計(jì)算開(kāi)銷(xiāo)；深度攝像頭能識(shí)別人體關(guān)鍵骨骼點(diǎn)運(yùn)動(dòng)軌跡、提供豐富的人體運(yùn)動(dòng)細(xì)節(jié)，能夠提高逃票、打架等安全事件識(shí)別精度和速度。因此，可基于深度攝像設(shè)計(jì)地鐵車(chē)站運(yùn)營(yíng)監(jiān)控系統(tǒng)，實(shí)現(xiàn)客流狀態(tài)監(jiān)控和安全事件監(jiān)控預(yù)警等功能。

1 總體設(shè)計(jì)

1.1 功能需求

車(chē)站運(yùn)營(yíng)監(jiān)控的目的是維護(hù)運(yùn)營(yíng)安全、提高運(yùn)營(yíng)效率，二者相輔相成。李曉赫等[1]采用離散線性二次最優(yōu)控制理論構(gòu)建了換乘站高峰時(shí)段客流預(yù)測(cè)控制模型，通過(guò)擁堵疏散策略來(lái)提高換乘效率，進(jìn)而減少乘客運(yùn)動(dòng)沖突、維持車(chē)站安全水平；車(chē)站安全風(fēng)險(xiǎn)預(yù)測(cè)研究通常采用統(tǒng)計(jì)回歸方法預(yù)測(cè)車(chē)站安全服務(wù)水平，然后通過(guò)預(yù)警、實(shí)施控制對(duì)策等避免安全風(fēng)險(xiǎn)干擾車(chē)站運(yùn)營(yíng)，實(shí)質(zhì)上保證了車(chē)站運(yùn)營(yíng)效率[6-8]。因此，車(chē)站的運(yùn)營(yíng)監(jiān)控系統(tǒng)功能應(yīng)盡量滿足維護(hù)車(chē)站運(yùn)營(yíng)安全和效率的需求，系統(tǒng)架構(gòu)和功能設(shè)計(jì)如圖1，采用深度攝像頭采集車(chē)站運(yùn)營(yíng)狀態(tài)數(shù)據(jù)，然后通過(guò)客流狀態(tài)識(shí)別系統(tǒng)分析客流并進(jìn)行管控對(duì)策的制定；逃票監(jiān)控系統(tǒng)自動(dòng)識(shí)別逃票行為并發(fā)出預(yù)警；安全事件監(jiān)測(cè)系統(tǒng)利用深度攝像頭的人體骨骼點(diǎn)軌跡檢測(cè)識(shí)別打架等事件；乘客信息管理系統(tǒng)保存乘客身份信息和特殊行為信息，為智慧車(chē)站管理提供歷史數(shù)據(jù)支撐。

圖1 地鐵車(chē)站運(yùn)營(yíng)監(jiān)控系統(tǒng)設(shè)計(jì)圖

1.2 數(shù)據(jù)采集

利用深度攝像頭采集的數(shù)據(jù)包括：乘客人臉圖像、深度信息、人體骨骼關(guān)鍵點(diǎn)軌跡信息以及監(jiān)控視頻。其中，乘客人臉圖像用于乘客身份識(shí)別及其信息庫(kù)建設(shè)，監(jiān)控視頻主要為逃票事件、安全事件提供證據(jù)支持。

車(chē)站運(yùn)營(yíng)效率保障研究需要采集客流狀態(tài)數(shù)據(jù)，如有的研究采集站臺(tái)客流狀態(tài)[9]，有的研究利用自動(dòng)售檢票區(qū)的客流預(yù)測(cè)客流線路分布[10]，也有采集站廳區(qū)、閘機(jī)區(qū)、安檢區(qū)客流數(shù)據(jù)建立疏散仿真模型從而制定客流控制對(duì)策[11]。車(chē)站安全評(píng)估通常也需要客流數(shù)據(jù)支持[6-8]，影響車(chē)站安全水平的因素通?？煞譃槿藛T、設(shè)備、環(huán)境、管理四大類(lèi)，其中設(shè)備因素（供電、給排水、FAS、通行系統(tǒng)、機(jī)電設(shè)備、照明系統(tǒng)）、環(huán)境因素（濕度、噪聲）指標(biāo)數(shù)據(jù)一般由特定傳感器采集，人員因素中的站臺(tái)、通道或樓梯飽和度等指標(biāo)是由車(chē)站客流量、客流運(yùn)行速度、排隊(duì)長(zhǎng)度等基礎(chǔ)數(shù)據(jù)計(jì)算處理得到的。[7]因此，地鐵車(chē)站運(yùn)營(yíng)監(jiān)控系統(tǒng)應(yīng)該采集客流狀態(tài)指標(biāo)數(shù)據(jù)作為制定管控對(duì)策的基礎(chǔ)，為了滿足當(dāng)前功能模塊需求和未來(lái)技術(shù)發(fā)展需求，要合理選定采集區(qū)域和采集指標(biāo)[12]，詳見(jiàn)表1。

表1 客流狀態(tài)采集參數(shù)表[12]

系統(tǒng)自動(dòng)采集人體關(guān)鍵骨骼點(diǎn)軌跡，根據(jù)各類(lèi)事件人體動(dòng)作特征學(xué)習(xí)構(gòu)建的行為識(shí)別分類(lèi)器識(shí)別乘客逃票、打架斗毆、摔倒、踩踏等事件，一旦發(fā)現(xiàn)這些不良事件發(fā)生，即可實(shí)時(shí)預(yù)警、及時(shí)處置，預(yù)防事件影響擴(kuò)大、盡快消除事件影響。

2 客流監(jiān)控調(diào)節(jié)

2.1 客流統(tǒng)計(jì)與控制策略

深度攝像頭可以直接獲得各檢測(cè)區(qū)的客流量、排隊(duì)長(zhǎng)度、排隊(duì)時(shí)間和客流運(yùn)行速度等指標(biāo)值，統(tǒng)計(jì)所有時(shí)段指標(biāo)值即可得到車(chē)站客流分布、擁堵可視化圖景，運(yùn)營(yíng)管理人員可據(jù)此調(diào)整客流控制策略，如站臺(tái)過(guò)于擁擠、乘客運(yùn)行效率降低時(shí)可放慢安檢速度控制進(jìn)入站臺(tái)區(qū)客流量；售票區(qū)排隊(duì)人數(shù)較多時(shí)安排站務(wù)員提供幫助加快售票速度；排隊(duì)不均勻時(shí)加強(qiáng)引導(dǎo)或安排志愿者服務(wù)等?；诳土鹘y(tǒng)計(jì)規(guī)律制定的策略是滯后于客流變化趨勢(shì)的，可能導(dǎo)致策略失效或無(wú)法實(shí)施，盡管如此，客流分布統(tǒng)計(jì)仍是客流監(jiān)控的常用方法，有助于運(yùn)營(yíng)管理人員了解地鐵車(chē)站客流概況，培養(yǎng)快速應(yīng)對(duì)能力，提高地鐵車(chē)站服務(wù)水平。

2.2 客流預(yù)測(cè)與控制策略

按照應(yīng)用時(shí)間可將客流預(yù)測(cè)分為短時(shí)客流預(yù)測(cè)[2][13]、大客流預(yù)測(cè)預(yù)警[4]、大型活動(dòng)客流預(yù)測(cè)[14]，分別用于日?？土骺刂啤⒋罂土鞴芸睾团及l(fā)性大客流控制的對(duì)策制定。

（1）短時(shí)客流預(yù)測(cè)

短時(shí)客流預(yù)測(cè)是提高地鐵車(chē)站運(yùn)營(yíng)管理效率和服務(wù)水平的關(guān)鍵，一般用于預(yù)測(cè)5～15 min后的客流量。曾誠(chéng)等針對(duì)線路運(yùn)輸組織的動(dòng)態(tài)調(diào)整需求，將短時(shí)客流預(yù)測(cè)分為進(jìn)站短時(shí)客流預(yù)測(cè)、出站短時(shí)客流預(yù)測(cè)、OD客流和客流分布預(yù)測(cè)[13]。本系統(tǒng)中，客流預(yù)測(cè)對(duì)象是所有監(jiān)控區(qū)域，通過(guò)歷史客流數(shù)據(jù)預(yù)測(cè)進(jìn)站口、出站口、售票區(qū)、檢票區(qū)、安檢區(qū)、樓梯區(qū)、站臺(tái)區(qū)的客流量、客流速度和排隊(duì)長(zhǎng)度，目的是了解整個(gè)車(chē)站短期內(nèi)可能出現(xiàn)的客流狀態(tài)，從而保證客流控制對(duì)策實(shí)施時(shí)精準(zhǔn)匹配當(dāng)前客流狀態(tài)，解決基于統(tǒng)計(jì)規(guī)律制定客流管控對(duì)策的滯后問(wèn)題。短時(shí)預(yù)測(cè)方法包括時(shí)間序列法、回歸預(yù)測(cè)法、模糊預(yù)測(cè)法等。

（2）大客流預(yù)測(cè)

大客流逐漸成為大城市地鐵車(chē)站運(yùn)營(yíng)常態(tài)，疏散不及時(shí)容易引發(fā)擠壓、踩踏等安全事件，影響運(yùn)營(yíng)安全和運(yùn)輸效率。大客流是客流量、容量、客流密度、客流速度、密度變化率、速度變化率等指標(biāo)處于不利于運(yùn)營(yíng)安全的狀態(tài)，大客流預(yù)測(cè)的目的是及時(shí)向運(yùn)營(yíng)管理人員發(fā)出服務(wù)水平不足預(yù)警，促使運(yùn)營(yíng)管理人員及時(shí)實(shí)施分級(jí)管控對(duì)策恢復(fù)運(yùn)行效率。大客流分級(jí)標(biāo)準(zhǔn)與人的認(rèn)知感受越接近，分級(jí)管控對(duì)策的實(shí)施越不容易出錯(cuò)，鄧紫歡等將大客流狀態(tài)的持續(xù)時(shí)長(zhǎng)與乘客擁擠感受關(guān)聯(lián)，采用K-means聚類(lèi)算法將大客流分為一般、危險(xiǎn)、極危險(xiǎn)三個(gè)預(yù)警等級(jí)[4]，并且引入時(shí)間長(zhǎng)度參數(shù)避免將突發(fā)客流誤認(rèn)為大客流，避免分級(jí)管控對(duì)策實(shí)施時(shí)客流已消散的問(wèn)題出現(xiàn)。

（3）大型活動(dòng)客流預(yù)測(cè)

演唱會(huì)、節(jié)日慶典等城市大型活動(dòng)結(jié)束后通常會(huì)為地鐵帶來(lái)突發(fā)性客流，即活動(dòng)客流?；顒?dòng)客流的大小受相關(guān)活動(dòng)召開(kāi)的地點(diǎn)、規(guī)模和時(shí)間影響。通過(guò)大型活動(dòng)歷史數(shù)據(jù)建?？梢灶A(yù)測(cè)活動(dòng)客流。楊靜等[14]采用K-means聚類(lèi)算法將活動(dòng)客流分為展覽類(lèi)或演唱會(huì)類(lèi)活動(dòng)，對(duì)歷史活動(dòng)客流進(jìn)行分類(lèi)標(biāo)記后采用卷積神經(jīng)網(wǎng)絡(luò)建模，準(zhǔn)確預(yù)測(cè)了鳥(niǎo)巢體育館演唱會(huì)活動(dòng)后奧林匹克公園站的突發(fā)客流狀態(tài)。大型活動(dòng)客流預(yù)測(cè)能夠有效指導(dǎo)城市大型活動(dòng)時(shí)車(chē)站排班計(jì)劃制訂、站務(wù)人員工作調(diào)配和客流引導(dǎo)疏散策略制定。

3 逃票監(jiān)控

3.1 乘客身高檢測(cè)與信息庫(kù)建設(shè)

我國(guó)軌道交通系統(tǒng)針對(duì)特殊人群有優(yōu)惠乘車(chē)政策，軍人、殘疾人一般持證走邊門(mén)享受免票，老人、大齡兒童基本實(shí)現(xiàn)了優(yōu)惠票卡刷卡乘車(chē)，因此逃票基本是身高達(dá)到全票乘車(chē)要求而未刷卡的乘客，所以識(shí)別逃票先要判定乘客身高是否達(dá)到全票要求。

（1）乘客身高檢測(cè)方法

目前，自動(dòng)身高檢測(cè)技術(shù)多數(shù)基于雙目視差原理開(kāi)發(fā)，利用視差公式計(jì)算圖像人體頭頂在世界坐標(biāo)系的高度得到人體身高[15-16]。視差公式計(jì)算涉及復(fù)雜的三角計(jì)算，本系統(tǒng)利用深度攝像實(shí)時(shí)監(jiān)測(cè)深度的優(yōu)勢(shì)，開(kāi)發(fā)了地鐵乘客身高是否達(dá)到全票要求的快速檢測(cè)方法。如圖2所示，假設(shè)3D坐標(biāo)系下，存在一個(gè)平行于地面的水平面，高度為需要購(gòu)票乘車(chē)的身高值，這個(gè)平面稱(chēng)為限高面。任何人經(jīng)過(guò)限高面區(qū)域，頭頂高于限高面即為應(yīng)購(gòu)票乘車(chē)乘客。根據(jù)人眼視差原理，只有距離人眼深度相同的物體才能直接比較高度而不出錯(cuò)，因此，只要保證人體頭頂點(diǎn)和限高點(diǎn)處于深度攝像頭的同一深度，就可根據(jù)人體頭頂點(diǎn)和同位置限高點(diǎn)的像素高度比較判斷乘客是否應(yīng)購(gòu)票乘車(chē)?；谠撛?，可以設(shè)置虛擬限高面，確定每個(gè)限高點(diǎn)的位置坐標(biāo)和像素高度，一旦深度攝像頭確定人體深度，即可找到同深度位置的限高點(diǎn)進(jìn)行比較，具體實(shí)現(xiàn)流程見(jiàn)圖3。

圖2 基于深度攝像檢測(cè)地鐵乘客身高快速檢測(cè)示意[17]

圖3 基于深度攝像快速檢測(cè)地鐵乘客身高實(shí)施流程

（2）乘客信息庫(kù)建設(shè)

自動(dòng)化逃票監(jiān)控系統(tǒng)發(fā)現(xiàn)逃票乘客必須先識(shí)別其身份，然后才能提供證明用于逃票行為處理，這就需要建立乘客信息庫(kù)。身高檢測(cè)是逃票行為識(shí)別的前置環(huán)節(jié)，檢測(cè)結(jié)果應(yīng)記入乘客信息庫(kù)。乘客信息管理模塊包含的功能詳情見(jiàn)表2。

表2 乘客信息系統(tǒng)功能表

3.2 逃票行為識(shí)別

乘客身高超過(guò)限高卻不刷卡即為逃票。乘客刷卡實(shí)質(zhì)上是手部與固定刷卡位的接觸。Kinect SDK能夠?qū)崟r(shí)輸出人體關(guān)鍵骨骼點(diǎn)軌跡，利用Kinect SDK平臺(tái)識(shí)別手部骨骼點(diǎn)，提取手部關(guān)鍵點(diǎn)深度信息和相應(yīng)灰度圖中手部2D坐標(biāo)，采用機(jī)器學(xué)習(xí)算法學(xué)習(xí)刷卡動(dòng)作，提取刷卡范圍（深度、灰度圖2D坐標(biāo)），乘客經(jīng)過(guò)閘機(jī)通道時(shí)手部是否進(jìn)入有效刷卡范圍可作為刷卡動(dòng)作判定依據(jù)，應(yīng)刷卡乘車(chē)乘客無(wú)刷卡動(dòng)作視為逃票行為，識(shí)別效果如圖4。一旦識(shí)別出逃票行為，可以通過(guò)人臉識(shí)別提取乘客信息或更新逃票信息庫(kù)，提取乘客逃票過(guò)程監(jiān)控視頻供查詢。

圖4 基于深度攝像檢測(cè)地鐵乘客刷卡檢測(cè)示意

3.3 逃票行為管理

逃票行為管理是遏制逃票現(xiàn)象的關(guān)鍵手段，包括：人臉識(shí)別逃票乘客后在出站前攔下處理，利用互聯(lián)網(wǎng)技術(shù)追回票款并發(fā)送處理信息，嚴(yán)重時(shí)可關(guān)聯(lián)個(gè)人信用紀(jì)錄或由地鐵公安處理。乘客信息模塊是逃票行為管理的基礎(chǔ)。

4 安全事件監(jiān)測(cè)預(yù)警

車(chē)站安全事件不僅影響乘客個(gè)人安全，客流量大時(shí)還容易引發(fā)二次安全事件，嚴(yán)重時(shí)可能造成群體恐慌或演變?yōu)槲C(jī)事件，具體包括摔倒、彎腰放置危險(xiǎn)品、打架、踩踏等?？焖偬幚砀黝?lèi)安全事件是地鐵運(yùn)營(yíng)服務(wù)水平的重要體現(xiàn)，快速處理的前提是及時(shí)發(fā)現(xiàn)安全事件，一般通過(guò)監(jiān)控檢測(cè)安全事件。

安全事件檢測(cè)是視頻監(jiān)控真正發(fā)揮作用的關(guān)鍵技術(shù)[18][19]?；谝曨l的安全事件檢測(cè)實(shí)質(zhì)上是對(duì)RGB圖像的識(shí)別處理，需要逐幀標(biāo)記人體關(guān)鍵部位軌跡[18]，計(jì)算量大。Kinect SDK輸出的人體骨骼點(diǎn)信息更容易表現(xiàn)出人體行為特征細(xì)節(jié)和運(yùn)動(dòng)姿態(tài)[19]，不會(huì)與RGB圖像中的背景混淆，可以將骨骼信息和RGB圖像特征信息融合識(shí)別安全事件。基于深度攝像的地鐵安全事件監(jiān)測(cè)模塊運(yùn)行流程如圖5，系統(tǒng)基于Kinect SDK獲取人體骨骼點(diǎn)數(shù)據(jù)和圖像信息，基于時(shí)間序列提取人體運(yùn)動(dòng)軌跡特征和圖像特征，然后通過(guò)分類(lèi)器識(shí)別人體行為，再根據(jù)人體行為判斷安全事件類(lèi)型。分類(lèi)器是安全事件檢測(cè)的核心，通常采用機(jī)器學(xué)習(xí)算法從大量行為樣本中訓(xùn)練得到。

圖5 基于深度攝像的地鐵安全事件監(jiān)測(cè)流程

5 結(jié)語(yǔ)

深度攝像相對(duì)于普通攝像能夠提供運(yùn)動(dòng)人體的深度信息、骨骼點(diǎn)軌跡信息，使人體運(yùn)動(dòng)速度檢測(cè)更容易、行為識(shí)別信息更豐富。基于這些優(yōu)勢(shì)開(kāi)發(fā)地鐵車(chē)站運(yùn)營(yíng)監(jiān)控系統(tǒng)，不僅能夠?qū)崟r(shí)獲取客流狀態(tài)信息用于科學(xué)制定客流控制對(duì)策，還能夠完成人工管理難以實(shí)現(xiàn)的逃票監(jiān)控、安全事件監(jiān)測(cè)工作，大大提高地鐵車(chē)站運(yùn)營(yíng)管理信息化水平，實(shí)現(xiàn)精準(zhǔn)客流控制、安全事件實(shí)時(shí)預(yù)警和快速處置，是未來(lái)城市軌道交通運(yùn)營(yíng)管理發(fā)展的方向。