城市軌道交通智能列車乘客服務系統(tǒng)研究

周成堯 劉暢 鄧瑾

摘 要：智能列車乘客服務系統(tǒng)通過構建一體化平臺，在系統(tǒng)應用層支持不同智慧應用間的數(shù)據(jù)交互以及新應用的便捷接入，在物理連接層支撐不同設備的信息通信與控制。文章重點介紹智能列車乘客服務系統(tǒng)計劃實現(xiàn)的各種功能以及基本原理，通過整合泛在列車感知、車廂空間數(shù)字化等科技，將北京市軌道交通運營的監(jiān)控資源、展示資源進行有機匯總，為城市軌道交通智能化發(fā)展提供全新的方案。

關鍵詞：城市軌道交通;智能列車;乘客服務系統(tǒng);列車感知

中圖分類號：U213.9

1 系統(tǒng)簡介

目前國內(nèi)城市軌道交通乘客服務系統(tǒng)主要注重功能性，可以播放終點站、當前站信息即可，在顯示方面與乘客無法形成互動。根據(jù)中國城市軌道交通協(xié)會《中國城市軌道交通智慧城軌發(fā)展綱要》[1]第五章“建設重點”第七項“智能運維安全”以及示范工程中的“智慧乘客服務示范工程”，北京市地鐵運營有限公司聯(lián)合其他軌道交通廠商，針對智能列車發(fā)展需求，結合環(huán)境感知 [2]、大數(shù)據(jù)[3]、人工智能[4]等新興技術，對智能信息服務、列車環(huán)境感知、人員行為分析、一體化控制[5]等方面開展研究，推出智能列車乘客服務系統(tǒng)，實現(xiàn)智能列車各類智能化服務應用的接入、集成和集中管控。該系統(tǒng)是面向乘客最優(yōu)出行體驗的全新一代地鐵乘客服務系統(tǒng)，可提供包括到站信息、車站布置、出入口位置等更加豐富多樣的出行信息，實時監(jiān)測車廂乘客的倒地、異常移動等異常行為以及司機打哈氣、閉眼睛的危險駕駛行為，保障列車及乘客安全。

2 系統(tǒng)架構

智能列車乘客服務系統(tǒng)是以云平臺[6]、物聯(lián)網(wǎng)[7]、大數(shù)據(jù)等智能化技術服務于列車應用的一體化管控、開放平臺，具有設備高度集中，信息整體處理，衡量尺度統(tǒng)一等優(yōu)點。系統(tǒng)架構如圖1所示，分為感知層、網(wǎng)絡層、中臺層以及應用層。

2.1 感知層

感知層相當于系統(tǒng)的眼睛，它負責連接外部世界與系統(tǒng)內(nèi)部，實現(xiàn)對列車狀態(tài)、人員狀態(tài)、環(huán)境狀態(tài)等信息的采集感知。系統(tǒng)感知層具備高并發(fā)條件下的數(shù)據(jù)接收能力，支持多種傳輸協(xié)議，定義數(shù)據(jù)接入標準協(xié)議，支持數(shù)據(jù)加解密算法，同時具備防火墻功能，防止惡意網(wǎng)絡攻擊。

2.2 網(wǎng)絡層

網(wǎng)絡層是系統(tǒng)的骨架，實現(xiàn)車廂級各種傳感器及控制設備的網(wǎng)絡分層隔離與冗余互聯(lián)，同時支持多種常見通信協(xié)議，支持自定義數(shù)據(jù)傳輸消息結構，并提供了1 套新設備加入系統(tǒng)的互聯(lián)認證協(xié)議，方便拓展新硬件和新功能。通過構建列車級無線自組網(wǎng)絡，以及車輛級以太網(wǎng)網(wǎng)絡[8]，讓車內(nèi)的傳感器、屏幕等終端時刻處于物聯(lián)網(wǎng)連接中，結合4G和WIFI，實現(xiàn)車內(nèi)、車-站、車-云信息互通、共享。

2.3 中臺層

中臺層是系統(tǒng)的大腦，采用微服務架構搭建，提供了數(shù)據(jù)解析、存儲、標準算法模型等一些通用服務模塊，具備系統(tǒng)安全防護、權限管理、外部應用程序接口管理[9]、平臺運行狀態(tài)監(jiān)測等管理功能，同時集成了邊緣計算模塊，使得系統(tǒng)具有超高的實時計算能力。中臺層實現(xiàn)對自有算法或外部算法的封裝，提供完整的軟件開發(fā)工具包文件，為內(nèi)部或外部應用提供服務能力，采用集群化服務部署模式，具有一定的負載均衡能力。中臺層建立完整、標準的基礎數(shù)據(jù)采集、清洗、融合、存儲、分析、管理一體化的數(shù)據(jù)體系，采用知識圖譜技術 [10]，建立多源數(shù)據(jù)間的內(nèi)在聯(lián)系，實現(xiàn)各專業(yè)數(shù)據(jù)綜合關聯(lián)分析。

2.4 應用層

應用層是系統(tǒng)的四肢，即執(zhí)行者，根據(jù)自身業(yè)務需求在認證后從中臺層獲取相應的數(shù)據(jù)，進而面向不同業(yè)務提供與其相匹配的功能，便于第三方應用進行拓展。針對不同的應用進行服務化切分，使得應用具有輕量化、便于移植、可適配等特點，同時規(guī)范化不同應用服務間的數(shù)據(jù)通信接口，研究制定新應用服務的接入準則。

3 系統(tǒng)功能

3.1 智能乘客信息服務

智能乘客信息服務充分利用新媒介方式，將車廂打造成為數(shù)字化空間，為乘客提供實時、多元化、全方位信息服務。通過車門上方及通道屏幕，讓車廂內(nèi)各個位置的乘客了解到列車站臺基礎設施導航、站臺出口、運行線路等信息。車門、通道屏幕采用4K高清屏幕（圖 2），車窗內(nèi)加裝透明有機發(fā)光二極管（OLED）顯示屏（圖3），具備可視角度大、能耗低等特點。列車啟動后，分別播放列車當前位置、線網(wǎng)圖以及前方車站三維示意圖，乘客不僅可從多個角度查看到站臺周邊景點等信息，也可透過車窗觀賞外面美景，為乘客提供科技感十足的乘車體驗。后續(xù)還支持顯示沿途各站的周邊建筑、景點推薦，提示幾個車站的預計到達時間，除此之外還可顯示不同車廂擁擠度（目前還在收集運營數(shù)據(jù)和測試階段）。

3.2 列車環(huán)境感知檢測

通過空氣質(zhì)量檢測模塊、感知攝像頭和疲勞檢測傳感器等車內(nèi)感知設備（圖4），結合深度學習算法[11]提取的人員特征，全天候監(jiān)測車廂內(nèi)狀態(tài)，實現(xiàn)對乘客的倒地、呼救、未佩戴口罩以及司機的疲勞行為等異常情況檢測報警，并將報警信息發(fā)送至站務及司機顯示終端，提示工作人員及時處置。此外，為提高乘客乘車舒適度，車廂邊緣計算模塊可實時檢測車廂擁擠度情況，聯(lián)動車廂及站臺顯示終端顯示，方便乘客合理候車。

3.2.1 乘客異常行為感知檢測

在車廂增加攝像頭，捕獲到車廂圖像。通過異常行為感知算法中的關鍵點檢測器，識別并標記出具有身體特點的部位，幫助身體跟蹤算法了解不同角度下每個姿勢的表現(xiàn)，并以3D彩色火柴人形式呈現(xiàn)出來。通過人體關鍵點檢測識別出人體骨骼，并建立動態(tài)骨骼模態(tài) [12]，如圖5所示。

基于異常行為感知算法，提取人體關鍵點，生成骨骼特征圖，即行為檢測原理圖，如圖6所示。在提取人體骨骼后，使用每一幀每一個人體骨骼的2D坐標來表示骨骼序列。根據(jù)骨骼序列特征，生成骨骼序列時空圖：①幀與幀之間的邊表示人體對應骨骼點的時序關系[13];②在每一幀內(nèi)部，按照人體的自然骨架連接關系構造空間圖。

結合深度學習技術，針對應急事件下監(jiān)控對象的運動狀態(tài)，建立特殊運動模板，將骨骼序列時空圖輸入神經(jīng)網(wǎng)絡[14]進行行為預測，通過計算視頻片段運動軌跡線和模板的匹配程度，識別人體動作，判斷異常情況種類。車廂內(nèi)乘客異常行為檢測終端數(shù)據(jù)顯示如圖7所示。

3.2.2 司機異常行為感知檢測

在駕駛員駕駛過程中，全天候監(jiān)測駕駛員的疲勞狀態(tài)。在發(fā)現(xiàn)駕駛員出現(xiàn)瞇眼睛、打哈欠等狀態(tài)后，及時對此類行為進行分析，并進行聲光提示。司機疲勞度檢測終端數(shù)據(jù)顯示如圖8所示。

利用計算機視覺技術，從采集視頻中提取司機有效特征，結合智能算法，進行跟蹤和理解，通過眼睛閉合時間、眼睛眨眼頻率、嘴巴張開程度、頭部運動的計算，進行駕駛員疲勞程度的綜合判定。具體包括采用顏色空間膚色模型進行人臉粗定位，根據(jù)人臉特征，逐次進行人眼區(qū)域縮小;最后通過核對邊緣信息，進行人眼定位和閉合度測量。考慮到視頻圖像序列幀與幀之間的相關性，采用線性運動預測的方法對人眼進行跟蹤，完成瞌睡檢測。

利用深度卷積[15]神經(jīng)網(wǎng)絡依次檢測駕駛員的面部和鼻子，采用局部二比特特征和隨機森林分類器訓練生成在線鼻子檢測器，以此來校正光流跟蹤器在鼻子跟蹤過程中產(chǎn)生的漂移誤差等參數(shù);最后，分析鼻子下方嘴部區(qū)域的邊界梯度變化情況，并結合鼻子跟蹤器置信度、面部橫向運動等信息來完成打哈欠檢測。

3.2.3 車廂擁擠度感知檢測

通過構建多層神經(jīng)網(wǎng)絡對采集到的乘客標志樣本集進行目標檢測，獲取抽象的乘客頭部、肩膀等特征，對圖像進行辨識和分類，識別乘客標志，如圖9所示。通過分析信息的匯總，結合車廂承載闕值，判斷車廂的擁擠程度。

3.2.4 列車主動感知防撞檢測

基于軌道列車行駛環(huán)境，建立數(shù)量龐大、場景豐富的圖像數(shù)據(jù)庫。數(shù)據(jù)庫內(nèi)容主要包括含有軌道線、列車、信號燈等的視頻樣本，用于標注和訓練，如圖10所示。基于深度學習的多目標識別算法，結合軌道區(qū)域識別，提取出前向運行環(huán)境中軌道限界范圍內(nèi)的列車、行人等目標，如圖11所示。為解決視覺傳感器易受光照以及障礙物遮擋等影響，實現(xiàn)多場景下精確可靠的環(huán)境檢測，通過機器視覺同雷達的融合，實現(xiàn)對危險障礙物目標的檢測，對融合算法提取到的目標物進行進一步的軌跡跟蹤，同時進行障礙物的位置及狀態(tài)的實時判定，實現(xiàn)前向障礙物識別及距離測量，保障運營安全，提升后備模式下運行效率。

3.2.5 車門-屏蔽門間隙檢測

列車到站完成停車作業(yè)并關閉車門后，利用車門上方傳感器掃描車門與屏蔽門間隙區(qū)域。根據(jù)傳感器返回信息，完成線路區(qū)域和目標物體的辨識，判斷間隙內(nèi)是否有乘客存在，識別人員受困的安全隱患，車門-屏蔽門間隙檢測效果如圖12所示。如果在區(qū)域內(nèi)檢測到乘客存在，則向列車控制系統(tǒng)發(fā)送區(qū)域夾人信息以及所對應的車門編號。列車控制系統(tǒng)收到夾人信息后打開對應車門，不關閉屏蔽門，列車保持制動，并向站務及司機進行提示。

3.3 數(shù)據(jù)分析監(jiān)測服務

數(shù)據(jù)分析監(jiān)測服務實時獲取車內(nèi)滿載率、溫度、濕度、CO2、PM10等環(huán)境狀態(tài)信息，通過網(wǎng)絡層實時上傳至云端運營監(jiān)控平臺，為運營監(jiān)控、舒適度改善、設備監(jiān)測提供數(shù)據(jù)依據(jù)。車廂內(nèi)環(huán)境感知采集終端顯示效果如圖13所示。

3.4 一體化平臺服務

一體化平臺是乘客服務系統(tǒng)的“大腦”，完成對乘客信息服務、列車環(huán)境感知等業(yè)務的綜合承載，實現(xiàn)數(shù)據(jù)的安全、高速傳輸，具備數(shù)據(jù)融合、數(shù)據(jù)存儲、數(shù)據(jù)治理功能和提供平臺數(shù)據(jù)的能力，支持后續(xù)廠商接入。同時，為方便管理人員對列車各設備狀態(tài)的整體監(jiān)控，一體化平臺實現(xiàn)車載、站臺與云端數(shù)據(jù)實時同步，從而將車輛設備狀態(tài)、列車感知檢測等數(shù)據(jù)信息統(tǒng)一上傳至運營監(jiān)控云平臺，為車輛運維提供數(shù)據(jù)支撐，方便運營人員隨時查看。

4 系統(tǒng)應用及改進建議

4.1 系統(tǒng)應用

北京地鐵6號線首次對1列車及1座車站進行智能列車乘客服務系統(tǒng)智能化改造，于2020年3月正式投入運營。該系統(tǒng)的使用，不僅提高了乘客乘車滿意度，而且降低了車廂突發(fā)情況帶來的影響，降低了運營安全事故發(fā)生概率。此外，該系統(tǒng)已通過室內(nèi)外測試驗證，形成完整的智能列車服務系統(tǒng)技術標準規(guī)范，為系統(tǒng)應用和推廣打下堅實基礎。

4.2 改進建議

（1）建議依托既有車廂感知設備，拓展識別對象和類型，包括車廂內(nèi)打架斗毆等不文明行為監(jiān)測，替代部分乘務管理員工作，節(jié)約運營成本。

（2）建議基于無線自組網(wǎng)技術，通過構建列車無線網(wǎng)絡，實現(xiàn)車廂設備無線數(shù)據(jù)傳輸，替代部分線纜，可降低后續(xù)列車改造成本，縮短改造周期。

5 結語

城市軌道交通智能列車乘客服務系統(tǒng)的研發(fā)，顯著提升了國內(nèi)城市軌道交通安全技術領域的理論創(chuàng)新與實踐能力;填補了國內(nèi)城市軌道交通列車自主環(huán)境感知領域的空白;為軌道交通業(yè)的快速改革和業(yè)務轉型提供了動力;同時，為城市軌道交通智能化發(fā)展提供了全新的方案。該系統(tǒng)產(chǎn)出的知識產(chǎn)權作為城市軌道交通系統(tǒng)創(chuàng)新發(fā)展的成果，具有完全國內(nèi)自主知識產(chǎn)權，有著重要的應用推廣價值和廣闊的市場前景。

參考文獻

[1]中國城市軌道交通協(xié)會.中國城市軌道交通智慧城軌發(fā)展綱要[G]. 2020.

[2]李新德，黃心漢，戴先中，等. 基于DSmT融合機的移動機器人環(huán)境感知研究[J]. 華中科技大學學報（自然科學版）， 2009（12）：64-67.

[3]李國杰，程學旗. 大數(shù)據(jù)研究：未來科技及經(jīng)濟社會發(fā)展的重大戰(zhàn)略領域——大數(shù)據(jù)的研究現(xiàn)狀與科學思考[J]. 中國科學院院刊，2012（6）：647-657.

[4]王永慶.人工智能原理與方法[M].陜西西安：西安交通大學出版社，1998.

[5]周黎妮，黃海兵，唐國金. 空間站姿態(tài)控制/動量管理一體化控制研究綜述[J]. 航天控制，2010（2）：95-100.

[6]岳冬利，劉海濤，孫傲冰. IaaS公有云平臺調(diào)度模型研究[J]. 計算機工程與設計，2011，32（6）：1889-1892，1897.

[7]朱仲英. 傳感網(wǎng)與物聯(lián)網(wǎng)的進展與趨勢[J]. 微型電腦應用，2010， 26（1）：1-3.

[8]葛永明，林繼寶. 嵌入式系統(tǒng)以太網(wǎng)接口的設計[J]. 電子技術應用，2002，28（3）：25-27.

[9]McLaren William， Pritchard Bethan， Rios Daniel， etal. Deriving the consequences of genomic variants with the Ensembl API and SNP Effect Predictor [J]. Bioinformatics，2010.

[10] 劉則淵.科學知識圖譜：方法與應用[M].北京：人民出版社，2008.

[11] 余凱，賈磊，陳雨強，等. 深度學習的昨天、今天和明天[J]. 計算機研究與發(fā)展，2013，50（9）：1799-1804.

[12] 傅志方，華宏星.模態(tài)分析理論與應用[M].上海：上海交通大學出版社，2000.

[13] 趙澤亞，賈巖濤，王元卓，等. 基于動態(tài)異構信息網(wǎng)絡的時序關系預測[J]. 計算機研究與發(fā)展，2015，52（8）：1735-1741.

[14] 焦李成.神經(jīng)網(wǎng)絡系統(tǒng)理論[M].陜西西安：西安電子科技大學出版社，1990.

收稿日期 2020-07-07

責任編輯 宗仁莉