智能車載乘客信息系統設計

王 慧郭玉臣 錢雙龍

（1.貴陽職業技術學院，550081，貴陽；2.同濟大學電子與信息工程學院，201804，上海∥第一作者，副教授）

隨著時代的發展，信息化、網絡化正在向包括城市軌道交通在內的各個領域滲透。現代的城市交通系統越來越重視乘客的體驗，以乘客的便捷為宗旨，因而以服務乘客為主的乘客信息系統（PIS）逐漸發展起來。

國內軌道交通車載PIS智能化方面發展相對緩慢：①目前方式相對單一，停留在語音播報以及車廂內的固定顯示方式為主，與乘客的耦合度不高，乘客對于系統參與力度小；②數據利用不足，沒分析客流信息、乘客密度信息和高峰車狀態信息等；③存在信息孤立，車載信息未采集或未共享等問題。

隨著大客流時代的到來，對車載PIS提出了更高的要求，現有的車載PIS必須依托互聯網+大數據技術，提升技術含量，以滿足乘客、運營、維護的需求，構建智慧列車。

本設計系統構建了統一的車載IP（互聯網協議）網絡，打通語音、視頻等乘客信息的通道；設計了移動APP（計算機應用程序）、微信小程序等移動端，豐富了顯示方式，提高了乘客的耦合度；增加了人流、車廂人員密度分析功能，為乘客規劃更加人性化的舒適合理路線；記錄客流和運營數據，為運營分析、決策提供依據。

1 系統設計總體思路

針對目前存在的問題，本著人性化、智能化原則，解決問題的思路主要在信息傳輸網絡、移動端和車載信息處理上。

（1）形成一個網絡。

（2）建立完整的數據庫用于記錄列車各個時段的信息。

（3）信息實時分析處理，包括客流信息的處理、運行信息處理、實時圖像信息處理。

（4）精確定位，確定乘客在哪個站、哪列車，甚至哪個車廂。

（5）移動端使用，為客戶提供APP和微信小程序等應用，提供列車信息、位置信息的實時推送和智能路線規劃等功能。

2 基于IP的車載PIS結構

2.1 系統組成

車載PIS是地鐵運營系統中的一個重要組成部分，以計算機系統為核心，多媒體網絡技術為依托，車載顯示系統為中介，向乘客提供信息服務。其基本結構（見圖1）主要包括三部分：廣播系統（包括緊急呼叫、LED（發光二極管）顯示），多媒體信息顯示系統，CCTV（閉路電視）監控系統。

本方案設計全數字的車載PIS。整個車載系統采用匯聚以太網作為語音、圖像、視頻和控制的載體，通過4G、WiFi等方式實現車地通信和與控制中心、乘客、地面分析處理系統進行數據交互。結構特點如下：

圖1 基于IP的車載PIS結構

（1）系統全部采用統一網絡；

（2）通過4G或WiFi與地面系統互聯；

（3）通過MVB（多功能車輛總線）與車身系統連接；

（4）廣播系統具有硬線備份功能；

（5）設備盡量采用POE（以太網供電）。

2.2 網絡設計

網絡是PIS本身數據交換、數據傳輸的載體，也是系統與外界進行數據交換的通道。設計了基于IP的可靠的車載網絡，也考慮了多種無線方式，以實現車地、車人之間數據交互。總體結構如圖2所示。

2.2.1 列車總線網

總線網是車載PIS穩定、可靠工作的基礎。設計了雙路匯聚的百兆以太網，帶寬200兆，單點故障不影響整列車。考慮與其它網絡接口，司機室采用三層功能交換機。除以太網傳遞總線外，還配備了兩根模擬音頻總線，當以太網故障時，PIS能夠執行降級模式，以保證廣播功能，提高系統運行的可靠性。

2.2.2 車載及站內WiFi

地鐵及站內WiFi是一個WiFi熱點覆蓋和管理系統，通過車載三層交換機和無線路由實現車身有線網絡和WiFi互通。

本系統可單獨建設，也可以利用現有地鐵建設的WiFi網絡。

2.2.3 移動傳輸網絡

移動傳輸網絡主要利用4G和LTE（長期演進）網絡，實現無WiFi條件下地面和車載鏈接以及手機等移動設備接入PIS網絡，以實現實時、無縫的鏈接車輛和地面。

圖2 基于IP的PIS網絡拓撲圖

3 車載智能PIS設計實現

3.1 系統架構設計

整個系統分為三層，分別為車載設備層、信息傳輸層、應用層（見圖3）。系統除具有傳統車載PIS功能外，具有以下功能特點。

（1）車載部分系統建立統一的數字PIS信息平臺，規范系統的接口、簡化布線方式。

（2）具有車廂圖像輔助處理功能。依靠車載監控系統，對車廂內圖像進行分析，實現人員密度、異常行為、異常物品的識別，輔助司機和管理人員分析決策。

（3）APP報站、導航功能。依托PIS系統實時數據，開發APP，實現移動報站、客流提醒、實時換乘信息的智能推送。

（4）故障檢測功能。利用設備大數據，實現設備狀態實時分析，達到狀態修的目的，協助司機、技術人員和維護人員進行設備的應急處理、故障分析、維護檢修。

（5）統一系統的測試、接口規范。規范系統接口，建立統一的測試平臺，以實現系統智能測試。

3.2 關鍵技術

3.2.1 數據信息采集和存儲

信息存儲采用成熟的存儲技術和方案，根據應用分別存于車身和地面系統中。存儲的信息包括固定信息和實時信息。

固定數據包括所有路線站點信息、所有線路時刻表、線路列車信息；實時數據主要包括地鐵所在位置、列車行駛方向，以及CCTV監控視頻中人流密度的分析結果。

3.2.2 微信公眾號、小程序和APP

小程序或者APP具有定位、線路查詢、線路規劃、智能報站、信息查詢等功能。結合小程序，創建一個微信公眾號是更加便捷的選擇。乘客只需關注公眾號就能快捷地進入小程序和及時收到推送的應急消息。同時還可以在公眾號增加一些輔助功能，例如地鐵運行時間查詢、車站站臺服務查詢等一系列方便乘客的功能。當然也可以為用戶反饋提供渠道。移動端結構如圖4。

3.2.3 乘客定位

圖3 基于IP的車載PIS結構圖

目前，地圖（百度地圖、高德地圖等）所使用的地鐵到站提醒功能都是根據全程GPS（全球定位系統）定位、基站定位的混合定位系統，而地鐵自身處于地下，其環境復雜又快速移動，對于GPS和網絡的接收本身就是個問題。

圖4 移動端結構圖

系統采用先模糊定位即傳統的GPS和網絡定位相結合，匹配出乘客所在位置附近列車的信息。根據乘客在一小段時間內的位移比較出乘客是否上車。此處的位移即通過跟蹤這種模糊定位一段時間乘客的位置變化，可以把這類信息記錄下來，通過分析和比較來確定乘客的位置變化。雖然這種模糊定位是不精確的，但可以大致判斷出最近一段時間乘客經過的位置信息。如果上車則比較最近列車所在位置就可以確定乘客具體所乘車次，然后可從數據庫讀取該次列車的具體運行情況結合乘客起終點信息，就可以形成精準的有效動態地圖。這樣就可以在移動端實現乘客對列車的信息查詢。這種定位目的是找到相匹配的列車編號，從而可以在乘客到達終點時，給出準確的提示信息，防止乘客坐過站或者乘車方向相反等錯誤。對于換乘等問題，采用同樣的方式。在路線設置時即對換乘站進行處理，當乘客到達該站點后，進行乘客位置的重定位，然后循環上述操作。乘客定位方案流程圖見圖5。

3.2.4 路線規劃

線路規劃是主要基于最短時間路徑搜索算法和人流密度估計算法的路徑規劃。從整體出發，通過路徑的規劃來指導乘客乘車，從而保證每次列車都擁有最佳的舒適度，給乘客帶來更加舒適便捷的體驗。路線規劃的基本元素包括時間、擁擠程度、出站后的乘車便捷性。時間的計算，是依據列車時間表，根據圖論的知識遍歷所有可到達的路，對于路線的求解可采用基礎的BFS（廣度優先搜索）算法，路線權值是列車運行的時間和換乘等待時間。地鐵線路始末站可達路線基本低于5條，可對路線進行一一遍歷。之后考慮人流密度，如路線較擁擠則選擇其他相對舒適的路線，以保證乘客擁有較舒適的乘車環境和出站后乘車的便捷性。路徑規劃流程見圖6所示。

圖5 乘客定位方案流程圖

圖6 路徑規劃流程圖

3.2.5 圖像檢測

利用車載CCTV監控系統采集的圖像，分析估算車廂內人流的密度，檢測火災等突發情況，并報送給司機或者地面系統。圖像減災在路徑規劃上也有很重要的作用，根據人員密度，給乘客提供是否換乘其它次列車的建議，以提供更加舒適的乘車體驗。

經分析和測試，在擁擠的場景中人物遮擋相對嚴重，故選取了基于像素統計和紋理特征提取方法。此方法誤差在接受范圍內，且實現較為方便，分類過程相對簡單。

基于像素數統計的人群密度估計研究首先通過背景生成、背景減除方法提取出前景人群并統計二值化人群像素數，然后利用最小二乘擬合法獲得人群人數和二值化人群像素數之間的直線關系，實現低密度下的人群密度估計。像素特征在很多情況下可有效地描述人群特征，主要包括前景特征和邊緣特征兩大類。在基于像素統計的人群密度估計方面，可提取前景像素比例、邊緣像素比例以及輪廓周長面積比等3個像素統計特征來進行人群的描述。

隨著群體規模的擴大和人群密度的提高，尤其是在遮擋比較嚴重的情況下，像素統計特征已經不能很好描述人群特征。高密度人群在紋理上表現細模式，而低密度人群在紋理上則體現粗模式。

基于紋理分析的人群密度估計研究，首先選用適用于隨機型紋理圖像的灰度共生矩陣，以實現人群紋理特征的提取；然后利用訓練圖像得到合適的支持向量機分類器，對測試圖像進行人群密度分類，實現高密度下人群密度估計。車廂中人群密度等級定義為：低密度0～15人，中密度15～40人，高密度40人以上。

當然有關人流密度估計的算法有很多，隨著機器學習向各個行業擴展，卷積神經網絡針對高密度的人流估計也將會有更好的結果。

3.2.6 故障分析

PIS隨時了解設備運營狀態，記錄運營的各種操作和故障，協助司機、技術人員和維護人員進行設備的應急處理、故障分析和維護檢修。

智能故障分析軟件利用車載故障分析模塊的數據，對設備進行全生命跟蹤，能夠指導檢修維護人員進行設備的檢修維護，對設備故障進行綜合分析，可合理利用有限資源進行設備的維護和備份。故障分析系統結構見圖7。

4 結語

為乘客提供便捷的服務，把地鐵公共信息遷移到移動端是一個巨大進步，大大方便了乘客對信息的獲取。同時，精準的到站提醒功能也為日常生活中低頭族和睡眠族可靠到達提供了良好的保障。基于人流密度的路線規劃功能可以較為有效地平衡不同線路乘客的承載情況，提高地鐵運輸能力。

圖7 故障分析系統結構

本設計方案實現傳統PIS功能外，無需更多硬件投入，也不需要對地鐵站等地面系統進行改造和后期維護，在提升功能的同時造價并未提高很多，但實施更為簡單有效。

盡管系統設計較為完善，但部分乘客一般會按照習慣的路線或者熟悉的路線出行。這給系統的推廣提供了一定難度。隨著技術的發展，先進的技術也將應用到軌道交通領域。文中提到的路線設計算法和基于視頻圖像的人流密度算法的運用將會極大地方便乘客出行，同時為城市軌道交通的發展起到積極的推動作用。

參考文獻

［1］ 王峰.Dijkstra及基于Dijkstra的前N條路徑算法在智能交通系統中的應用［J］.計算機應用研究，2006，2（2）：17.

［2］ 蔡國濤，陳蕾.對乘客信息系統的分析［J］.現代城市軌道交通，2008（1）：72.

［3］ 黃璐，林燕.一種基于視頻的車站人群密度估計算法［J］.計算機時代，2012（7）：23.

［4］ 唐清，王知衍，嚴和平，等.基于模糊神經網絡的大場景人流密度估計方法［J］.計算機應用研究，2010，27（3）：989.

［5］ ZHAO T，NEBATIA R.Tracking multiple humans in complex situations ［J］.IEEE Transactions on Pattern Analysis&Machine Intelligence，2004，26（9）：1208.