基于多信息融合的客流檢測(cè)系統(tǒng)的設(shè)計(jì)與研究

摘 要： 根據(jù)目前國(guó)內(nèi)公交客流統(tǒng)計(jì)的發(fā)展現(xiàn)狀，設(shè)計(jì)出一種集壓力傳感器和紅外傳感器于一體的客流信息統(tǒng)計(jì)系統(tǒng)，并通過對(duì)壓力、時(shí)序數(shù)據(jù)進(jìn)行匹配、特征提取、分析處理等，得到實(shí)時(shí)的公交線路上下車人數(shù)。實(shí)驗(yàn)結(jié)果表明客流統(tǒng)計(jì)數(shù)據(jù)有較高的準(zhǔn)確率。與傳統(tǒng)的方法相比，它融合了多種信息，可以提供大量詳細(xì)、準(zhǔn)確的動(dòng)態(tài)數(shù)據(jù)，對(duì)城市公交以及公交的智能化調(diào)度、線路的開辟、優(yōu)化、站點(diǎn)的設(shè)置等都具有極其重要的意義。

關(guān)鍵詞： 多信息融合； 公交客流； 特征提取； 動(dòng)態(tài)數(shù)據(jù)

中圖分類號(hào)： TN911.2?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2013）15?0127?03

Design of passenger flow detection system based on multiple information fusion

LI Chan， ZHANG Yong?qiang， LIANG Zhi?jie， CHEN Fei， TANG Hong?chao

（Unit 63778 of PLA， Jiamusi 154000， China）

Abstract： According to the current development situation of passenger transport statistics in China， a passenger information system which integrates pressure sensor and infrared sensor is designed. The real?time passenger number in bus lines is obtained by matching， analyzing， processing the pressure data and time?sequence data， and extracting their features. Experimental results show that the passenger flow statistics data have high accuracy. Compared with the traditional method， it integrates much more information， can provide more detailed and accurate dynamic data， and has more important significance for the public transportation intelligent scheduling， bus line setup， optimization and bus storp setup.

Keywords： multiple?information?fusion； public?traffic?passenger?flow； feature extraction； dynamic data

0 引 言

隨著統(tǒng)計(jì)分析技術(shù)和計(jì)算機(jī)技術(shù)的不斷發(fā)展，即時(shí)、可靠的客流量信息已經(jīng)成為可能。同時(shí)客流信息對(duì)現(xiàn)代公交的智能化調(diào)度也顯得日益重要，實(shí)時(shí)準(zhǔn)確的客流信息的重要性更加不言而喻。目前，公交客流信息采集在實(shí)際中大多依靠人力或采用基于紅外對(duì)射遮擋或者壓力傳感器技術(shù)的自動(dòng)客流統(tǒng)計(jì)系統(tǒng)來采集客流信息。由于憑借紅外或壓力傳感器的客流統(tǒng)計(jì)系統(tǒng)對(duì)于乘客特征的描述過于簡(jiǎn)單，因此其針對(duì)客流高峰期的擁擠混亂狀況無(wú)法取得令人滿意的效果，一般準(zhǔn)確率只有60%～70%。因此，從長(zhǎng)遠(yuǎn)看， 采用多種方法融合是客流檢測(cè)技術(shù)的發(fā)展趨勢(shì)，本文從實(shí)際課題出發(fā)，首先提出了系統(tǒng)的整體設(shè)計(jì)，然后對(duì)采集到的人體在上、下兩種方式下的不同壓力數(shù)據(jù)及曲線進(jìn)行分析，利用采集到的時(shí)序數(shù)據(jù)進(jìn)行輔助分析、提取特征，最后采用支持向量機(jī)的方式得到實(shí)際的上下車人數(shù)和方向。

1 系統(tǒng)框架

公交車是一個(gè)人流比較集中的環(huán)境，公交公司往往需要了解各條線路在各個(gè)站點(diǎn)，各個(gè)時(shí)間段的客流信息，只有根據(jù)這些信息才能做出車輛調(diào)度和線路改變等經(jīng)營(yíng)決策，目前這些信息的獲得大都是依靠司機(jī)常年的經(jīng)驗(yàn)和所見所聞，有很大的人為因素，如果能用計(jì)算機(jī)實(shí)現(xiàn)乘客信息的自動(dòng)統(tǒng)計(jì)，將會(huì)大大減少這些因素的影響，獲得準(zhǔn)確豐富的客流信息。然而公交車處于一個(gè)不斷移動(dòng)的環(huán)境，周圍的環(huán)境也在不斷的變化，開關(guān)門的時(shí)機(jī)也比較不好掌握，因此根據(jù)上述特點(diǎn)，構(gòu)造了模擬公交車上下車的客流信息統(tǒng)計(jì)系統(tǒng)，系統(tǒng)框圖如圖1所示。

可以看出這是一個(gè)循環(huán)處理的過程，當(dāng)開門信號(hào)到來時(shí)，上位機(jī)開始接收從下位機(jī)傳過來的壓力和時(shí)序數(shù)據(jù)；當(dāng)關(guān)門信號(hào)到來時(shí)，停止采集數(shù)據(jù)，開始處理采集到的數(shù)據(jù)，得到上下車的人數(shù)。采集的數(shù)據(jù)可以選擇存儲(chǔ)到硬盤和數(shù)據(jù)庫(kù)也可以選擇不存，清空緩存，等待下一次的數(shù)據(jù)。一般來說，數(shù)據(jù)采集的時(shí)間也就是乘客上下車的時(shí)間遠(yuǎn)小于數(shù)據(jù)處理的時(shí)間也就是兩站之間公交車行進(jìn)的時(shí)間，因此進(jìn)行數(shù)據(jù)處理的時(shí)間比較充足。考慮到上下車乘客比較擁擠的情況，增加了兩個(gè)紅外光電管，兩個(gè)紅外光電管工作原理相同，當(dāng)光電管被遮擋的時(shí)候記錄被遮擋的時(shí)間，然后檢測(cè)直到光電管不被遮擋，記錄遮擋終止時(shí)間，該過程為光電管的一次采集周期。壓力傳感器的時(shí)間信息是指壓力傳感器A/D值大于閾值，開始采集保存的時(shí)間為壓力傳感器的起始時(shí)間，然后檢測(cè)直到采集值小于采集閾值的時(shí)刻，記錄為壓力傳感器的終止時(shí)間，該過程為一次采集周期。這里用到的時(shí)間為系統(tǒng)啟動(dòng)時(shí)開始的中斷計(jì)數(shù)值。壓力傳感器的時(shí)序是伴隨著壓力數(shù)據(jù)的一次采集周期來記錄的，兩個(gè)光電管通過中斷的方式來保存信息。采集時(shí)序信息主要就是結(jié)合壓力數(shù)據(jù)進(jìn)行在上下車擁擠的情況下上下車人數(shù)的判斷，另外根據(jù)人體經(jīng)過壓力踏板的曲線分析抽取不同特征點(diǎn)進(jìn)行分析，得到乘客經(jīng)過踏板的行走方向。

圖1 系統(tǒng)框圖

2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

2.1 硬件設(shè)計(jì)

客流信息統(tǒng)計(jì)系統(tǒng)的硬件部分是模擬公交車的實(shí)際環(huán)境進(jìn)行構(gòu)建的，首先構(gòu)建了一個(gè)三級(jí)的臺(tái)階，在三級(jí)臺(tái)階的中間一層加入一個(gè)帶模擬量輸出的壓力傳感器，這樣就可以產(chǎn)生一組完整的壓力變化數(shù)據(jù)，由于對(duì)模擬數(shù)據(jù)進(jìn)行分析和保存不方便也不可靠，所以將壓力傳感器的模擬量輸出與C51單片機(jī)的A/D輸入端相連，人體通過壓力傳感器時(shí)所產(chǎn)生的壓力變化由電壓的模擬量轉(zhuǎn)化成數(shù)字量進(jìn)行存儲(chǔ)和分析。實(shí)驗(yàn)過程由單片機(jī)來控制壓力傳感器，以固定間隔對(duì)人體垂直方向的足?地接觸力進(jìn)行采樣。采集的模擬量進(jìn)行A/D轉(zhuǎn)化，取得壓力值，存儲(chǔ)數(shù)據(jù)，上傳到上位機(jī)，通過上位機(jī)對(duì)采集數(shù)據(jù)進(jìn)行圖形化分析。

2.2 軟件設(shè)計(jì)

客流信息統(tǒng)計(jì)系統(tǒng)的軟件部分是在Windows平臺(tái)下用C++語(yǔ)言開發(fā)的，主要負(fù)責(zé)對(duì)接收過來的壓力、時(shí)序數(shù)據(jù)進(jìn)行圖形化顯示和分析，提取特征量，支持向量機(jī)的模型訓(xùn)練，最后得到上下車的人數(shù)和方向。主要功能模塊有參數(shù)設(shè)置、數(shù)據(jù)采集、數(shù)據(jù)處理、結(jié)果展示等四個(gè)部分。主要實(shí)現(xiàn)的功能如下：能夠調(diào)節(jié)壓力踏板高度、光電管間距等參數(shù)，觀察其變化對(duì)實(shí)驗(yàn)結(jié)果的影響；能夠?qū)崿F(xiàn)與串口的通信，數(shù)據(jù)的采集以及與下位機(jī)的指令傳輸功能；可以實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)和查詢，并對(duì)選定數(shù)據(jù)進(jìn)行預(yù)處理，預(yù)處理的算法更變，并能夠?qū)崿F(xiàn)不同算法間的對(duì)比顯示，最后對(duì)經(jīng)過預(yù)處理的數(shù)據(jù)進(jìn)行模型的訓(xùn)練，得到預(yù)測(cè)結(jié)果即上下車人數(shù)。在功能上基本可以滿足實(shí)驗(yàn)人員對(duì)數(shù)據(jù)的分析、處理，對(duì)比實(shí)驗(yàn)結(jié)果的要求，并通過整個(gè)上位機(jī)模塊的實(shí)驗(yàn)來確定參數(shù)的設(shè)置，算法的選定，修改最終的識(shí)別方案。整個(gè)設(shè)計(jì)流程如圖2所示。

圖2 系統(tǒng)軟件設(shè)計(jì)流程圖

3 實(shí)驗(yàn)數(shù)據(jù)分析及實(shí)驗(yàn)結(jié)果

在整個(gè)實(shí)驗(yàn)的階段，針對(duì)不同的設(shè)備參數(shù)，不同的特征的人體采集了大量的實(shí)驗(yàn)數(shù)據(jù)，通過對(duì)這些數(shù)據(jù)的分析，選出最優(yōu)的參數(shù)設(shè)置值，不同特征（重量，身高）的人體對(duì)曲線大致波形沒有明顯的影響，影響的只是波峰值，波谷值的高低。另外考慮到公交車的實(shí)際上下車情況分別采集了單人上、單人下、雙人同上、雙人同下、雙人交叉等情況的數(shù)據(jù)，其中針對(duì)單雙人數(shù)據(jù)尋找界點(diǎn)進(jìn)行精確切分，在采集壓力數(shù)據(jù)的同時(shí)，采集兩組光電時(shí)序數(shù)據(jù)，切割后對(duì)壓力數(shù)據(jù)進(jìn)行匹配。實(shí)現(xiàn)對(duì)數(shù)據(jù)的精確切割。15組單雙人數(shù)據(jù)在這5種情況下的壓力曲線情況如圖3所示。

通過對(duì)比實(shí)驗(yàn)數(shù)據(jù)，經(jīng)過壓力、時(shí)序數(shù)據(jù)的分割、匹配，可以得到單條的上或下踩踏數(shù)據(jù)（即總的人數(shù)），經(jīng)過去噪，時(shí)序數(shù)據(jù)與壓力數(shù)據(jù)的切割與匹配，整理分類，對(duì)比分析等預(yù)處理，發(fā)現(xiàn)人體在上下車時(shí)的壓力曲線具有明顯的特點(diǎn)，且符合一定的規(guī)律。下面以單人上下車的情況為例進(jìn)行簡(jiǎn)單敘述，如圖4，圖5所示。幾幅圖分別顯示了不同人體上下車的情況，圖中縱軸為壓力，橫軸為時(shí)間。

從圖3中可以明顯地看出人體在上、下臺(tái)階兩種不同狀態(tài)下的壓力曲線變化各有規(guī)律，并且兩種狀態(tài)下壓力的變化在一定程度上有明顯區(qū)別。因?yàn)槿梭w在通過壓力踏板的時(shí)候，用力的過程基本是一致的，不同的個(gè)體影響的只是曲線峰值的大小，基本的波形不會(huì)改變。而且，通過對(duì)數(shù)據(jù)的分析還發(fā)現(xiàn)人體在速度不同時(shí)其壓力變化不同。從對(duì)兩圖的比較中可明顯看出，圖4的第一個(gè)峰值一般情況下會(huì)出現(xiàn)的比圖5晚，并且峰值與谷值之差與圖5相比較小。一般情況下，圖4中前后出現(xiàn)的兩峰峰值相差不多，而在圖5中第一個(gè)峰值多數(shù)大于第二個(gè)峰值。這些區(qū)別正好為筆者提供了區(qū)分上下車的方向提供了方法。因此，筆者采用模式識(shí)別方法中簡(jiǎn)單的模板匹配方法，提取如下幾個(gè)主要的特征來區(qū)分人體在上下臺(tái)階時(shí)的行進(jìn)方向：

（1）數(shù)據(jù)的第一個(gè)峰值[F1]及其出現(xiàn)時(shí)間段[T1；]

（2）數(shù)據(jù)的最后一個(gè)峰值[F2]及其持續(xù)時(shí)間段[T2；]

（3）第一個(gè)斜率[R1]和第二個(gè)斜率[R2]（本文中將第一個(gè)峰值和持續(xù)時(shí)間比稱為第一個(gè)斜率，而同理，最后一個(gè)峰值和持續(xù)時(shí)間比稱為第二個(gè)斜率）；

（4）第一個(gè)峰值和最后一個(gè)峰值大小的差[F3；]

（5）第一個(gè)斜率和第二個(gè)斜率比[R3。]

圖3 15組單雙人壓力曲線

文中將這8個(gè)特征作為輸入向量的8個(gè)列，每一組輸入向量均由這8列參數(shù)組成。經(jīng)過對(duì)支持向量機(jī)進(jìn)行大量的實(shí)驗(yàn)，發(fā)現(xiàn)用sigmoid核函數(shù)識(shí)別率比較高，因此采用該核函數(shù)進(jìn)行訓(xùn)練，將特征提取后的8維特征向量作為輸入，以特定的一維向量，即{1，-1}，其中1表示上，-1表示下，作為輸出向量。

筆者采用大量的采集（>100組）數(shù)據(jù)進(jìn)行訓(xùn)練，得到一個(gè)較好的模型，用此模型對(duì)后續(xù)采集的數(shù)據(jù)進(jìn)行識(shí)別。發(fā)現(xiàn)總體識(shí)別率保持在94%附近，排除公交車實(shí)際環(huán)境的影響，采用更進(jìn)一步的去噪算法，識(shí)別率也能保持在90%以上，對(duì)比于其他的方式，筆者提出的客流檢測(cè)方法有比較大的發(fā)展空間，而且針對(duì)相關(guān)算法的不斷改進(jìn)，還有進(jìn)一步提高識(shí)別率的空間，目前，針對(duì)單人、雙人等正常狀態(tài)下的識(shí)別過程都已得到解決，筆者正在對(duì)雙人交叉且比較擁擠的狀態(tài)下的數(shù)據(jù)進(jìn)行特征點(diǎn)的提取與分析，此時(shí)，如何對(duì)參考時(shí)序數(shù)據(jù)進(jìn)行特征的分析與提取將是解決問題的關(guān)鍵，相信不久就會(huì)解決這一難題，進(jìn)而將此方法推廣應(yīng)用到實(shí)際的智能公交系統(tǒng)中。

圖4 單人上車時(shí)力?時(shí)間曲線

圖5 單人下車時(shí)力?時(shí)間曲線

4 結(jié) 語(yǔ)

針對(duì)智能化的公交調(diào)度問題，構(gòu)建了一個(gè)應(yīng)用于公交系統(tǒng)的人流量統(tǒng)計(jì)系統(tǒng)。在得到一定預(yù)期效果的同時(shí)，也發(fā)現(xiàn)了一些不足的地方，當(dāng)單人、雙人在上下車環(huán)境較好的時(shí)侯可以很好的判別出其方向及人數(shù)，當(dāng)有很多人呈擁擠狀態(tài)經(jīng)過踏板時(shí)，雖然加入了紅外光電管輔助進(jìn)行數(shù)據(jù)的分析，但是由于噪聲的影響，還需要進(jìn)一步尋求更適宜的算法對(duì)其進(jìn)行去噪處理，進(jìn)行時(shí)序數(shù)據(jù)的分割以及特征的提取，暫時(shí)還不能得到很高的識(shí)別率。如何對(duì)這種情況進(jìn)行區(qū)分判斷，是進(jìn)一步需要努力的地方，這也是今后研究的難點(diǎn)。

參考文獻(xiàn)

[1] 陳懿，戴維思.公交優(yōu)先戰(zhàn)略研究[C]//第一屆中國(guó)智能交通年會(huì)論文集.上海：同濟(jì)大學(xué)出版社，2005：728?731.

[2] ZHAO S Z， NI T H， WANG Y， et al. A new approach to the prediction of passenger flow in a transit system [J]. Computers and Mathematics with Applications. 2010， 61（8）： 1986?1974.

[3] JIA H F， YANG L L. Pedestrian flow characteristics analysis and model parameter calibration in comprehensive transport terminal [J]. Journal of Transportation Systems Engineering and Information Technology， 2009， 9（5）： 117?123.

[4] MECOCCI A， BARTOLINI F， CAPPELLINI V. Image sequence analysis for counting in real time people getting in and out of a bus [J]. Signal Processing， 1994， 35（2）： 105?116.

[5] 郭平.城市軌道交通客流特征及預(yù)測(cè)相關(guān)問題[J].城市軌道交通研究，2010，13（1）：58?62.

[6] 范海雁，鮑圣捷.公交線路客流統(tǒng)計(jì)方法及其應(yīng)用[J].交通與運(yùn)輸，2009（z1）：120?122.

[7] 趙敏.基于多運(yùn)動(dòng)目標(biāo)的自動(dòng)乘客計(jì)數(shù)技術(shù)研究[D].重慶：重慶大學(xué)，2006.

[8] 楊志民，劉廣利.不確定性支持向量機(jī)原理及應(yīng)用[M].北京：科學(xué)出版社，2007.