鐵路客運安檢查危系統在旅客服務與生產管控平臺中的應用研究

唐 雯，吳興華，楊 棟，王建超，王椿鈞

（1.中國鐵道科學研究院集團有限公司 電子計算技術研究所，北京 100081；2.北京經緯信息技術有限公司，北京 100081）

隨著高速鐵路建設的全面推進，客流量持續攀升，大客流已經成為許多鐵路客運車站的常態。為了及時排查各類安全隱患，預防安全事件的發生，在旅客進入客運車站乘車時會對旅客自身及其物品進行安全檢查。鐵路客運安全檢查一直是我國鐵路客運、鐵路警察及相關公安部門關注的重點。

目前，我國鐵路客運的安檢方式仍存在一些問題：（1）各安檢口單獨作業，沒有聯網，安檢過程信息化水平低，安檢記錄多為紙質版、信息孤島現象嚴重，缺乏集中管理；（2）安檢質量與安檢作業人員的工作經驗直接相關，判圖完全依賴于人工，導致整體安檢質量受個體影響較大；（3）禁限物品的擺放位置和角度不同會造成辨識困難。所以，重視大客流條件下的鐵路旅客運輸安檢查危工作，開發一個基于信息技術的客運安檢查危系統，是保證鐵路旅客運輸安全的關鍵[1]。

智能客運車站旅客服務與生產管控平臺（簡稱：管控平臺）是在現代鐵路管理、服務理念和信息技術基礎上，實現鐵路客運車站智能出行服務、智能安全保障、智能生產組織、智能綠色節能的生產服務系統[2]。該平臺實現了系統專用網絡間的安全互聯、資源復用、業務融合、數據共享，滿足車站客運管理、旅客服務、設備監控、應急處置等需求，提高了旅客服務質量與旅客運輸生產指揮效率[3]。

鐵路客運安檢查危系統作為管控平臺的一部分，可以實現與鐵路其他相關系統的互聯互通，解決既有安檢方式中信息孤島的問題，實現鐵路旅客進站安檢與服務信息的集成共享。在降低漏報率、誤報率的同時，通過系統中建立的客運安檢培訓考試知識庫及遠程學習機制，提升安檢隊伍素質。

本文主要從系統架構、功能設計、核心模塊、關鍵技術及應用效果等方面介紹鐵路客運安檢查危系統。

1 系統架構

1.1 總體架構

鐵路客運安檢查危系統采用集中部署、三級應用的系統架構。在中國國家鐵路集團有限公司（簡稱：國鐵集團）主數據中心部署國鐵集團級系統應用，與管控平臺共用硬件資源；在鐵路局集團公司級部署前置服務設備；在客運車站級部署前端邊緣分析服務設備。系統總體架構如圖1 所示。

圖1 鐵路客運安檢查危系統總體架構

在客運車站級部署的前端邊緣分析設備通過標準接口與既有的安檢查危儀對接，獲取安檢圖像信息，存儲檢出的禁限物品圖像信息并上傳至鐵路局集團公司級前置服務器，實現對客運車站安檢圖像信息的集中存儲與轉發；前置服務器將各車站的禁限物品圖像信息上傳至國鐵集團主數據中心。

1.2 技術架構

系統技術架構如圖2 所示。

圖2 鐵路客運安檢查危系統技術架構

1.2.1 感知層

不限定安檢查危儀的品牌、型號，可快速適配符合鐵路客運安檢查危系統接口標準的安檢查危儀，前端邊緣分析設備通過標準接口采集安檢查危儀的圖像信息。人臉采集設備實現人臉信息的采集和輸入，禁限物品錄入設備支持禁限物品信息的錄入。

1.2.2 邊緣計算層

前端邊緣分析設備在獲取旅客攜帶品圖像信息后，采用以基于候選區域的Faster-RCNN（RCNN，Region Convolutional Neural Network）為主要算法模型，以基于回歸的YOLO（You Only Look Once）V3 與YOLO V5 為輔助算法模型的多算法融合目標檢測技術，實現對禁限物品的智能識別。

1.2.3 服務層

采用集中部署的技術路線，B/S 架構模式。系統后臺服務采用Spring 框架，基于HTTPS、WebSocket等技術實現信息交互，前端頁面主要采用HTML、JSON、XML 等技術實現，Web 服務的發布采用Nginx代理。此外，服務層還支持深度學習，對禁限物品的圖像信息進行集中訓練，實現模型的優化及動態更新。

1.2.4 應用層

主要實現信息的交互展示，可以同步展示智能識別后的禁限物品圖像，在畫面中標注禁限物品的位置和名稱，實現對禁限物品的智能識別和監測。

2 功能設計

實現對禁限物品的識別、監測和管理，對安檢通道、安檢設備、安檢電子化臺賬的管理，以及安檢培訓管理等功能。

2.1 值機輔助分析管理

2.1.1 禁限物品識別檢測

實現禁限物品的智能識別和自動標注，輔助安檢作業人員判圖。通過將誤報、漏報禁限物品圖像信息上傳至國鐵集團主數據中心，在主數據中心進行模型的優化升級和更新迭代，不斷提高對禁限物品的智能識別能力。

2.1.2 安檢預警管理

當檢測到禁限物品時，系統在實時報警主窗口動態展示禁限物品報警詳情，根據禁限物品不同的分類及等級，觸發安檢查危預警，為安檢作業人員提供實時語音提示、屏幕實時彈窗提示等功能。

2.2 禁限物品管理

2.2.1 禁限物品登記

按照不同禁限物品的種類和危險等級，建立禁限物品分類管理庫和禁限物品管理電子臺賬。

2.2.2 禁限物品處置

建立禁限物品處置機制，對禁限物品的處置狀態進行標記，形成禁限物品登記—處置—認領—銷號的完整閉環處置流程，實現禁限物品自動上報。

2.2.3 禁限物品查詢

基于禁限物品管理電子臺賬，實現禁限物品信息的多維度精確追溯查詢，不同權限用戶可根據需要對特定安檢禁限物品進行查詢追溯，快速找到禁限物品存放位置與處置狀態，提高安檢處置流程效率。

2.3 基礎信息管理

2.3.1 安檢通道管理

對客運車站安檢通道進行集中管理，支持安檢通道信息的添加、修改、刪除、查詢功能，包括安檢通道所屬鐵路局集團公司、所屬車站、使用位置、使用狀態等信息。支持客運車站安檢通道的數據統計與列表展示等功能。

2.3.2 安檢設備管理

對安檢儀等設備進行規范化管理，支持安檢儀等設備的電子化臺賬錄入，包括安檢儀所屬通道、品牌型號、唯一編碼、使用位置、運行狀態、投入使用時間等基礎信息。

2.3.3 安檢電子臺賬

對重要的安檢臺賬信息進行集中管理，支持文件的上傳、下載、編輯、刪除及在線預覽；支持臺賬標題、所屬鐵路局集團公司、所屬車站、文檔名稱等條件的模糊查詢。

2.4 安檢培訓管理

2.4.1 培訓考試管理

建立客運安檢培訓考試知識庫，存儲旅客攜帶禁限物品圖像信息、安檢作業規范、安檢作業試題、操作流程等學習資料，對一線安檢作業人員進行在線培訓，研發安檢培訓考試App，通過隨機練習、模擬考試、錯題整理等多種自主學習模式提高安檢作業人員的業務能力，提升安檢隊伍素質。

2.4.2 遠程學習機制

在主數據中心建立遠程學習機制，在旅客人流量不大，不影響安檢作業人員正常作業前提下，不定期從國鐵集團主數據中心禁限物品圖像庫下發圖像至培訓考試管理模塊，在線考核當班安檢作業人員禁限物品檢出情況。管理人員可根據安檢作業人員對遠程下發的禁限物品圖像的識別情況，判斷安檢作業人員的業務能力。

3 核心模塊

3.1 身份驗證模塊

該模塊主要由人臉識別設備和預警裝置組成。在旅客放置攜帶品到安檢查危儀前，對所有旅客進行人臉識別，判斷旅客的安檢風險等級，從而動態調整安檢工作，進一步提高對行包丟失、風險管控預警、禁限物品溯源的管理能力。

3.2 禁限物品智能識別模塊

該模塊由視頻接入裝置、邊緣分析設備及顯示終端組成。安檢儀輸出的行包原始圖像，通過視頻接入裝置的標準化接口接入邊緣分析設備，邊緣分析設備采用基于深度學習的目標檢測算法和基于多算法融合的目標檢測技術，實現對禁限物品的檢測標注和提示。

3.3 開包核驗模塊

該模塊由開包臺綜合信息處理終端和旅客信息錄入裝置組成，主要滿足客運車站旅客行李開包核驗、安檢信息快速錄入、預先設置禁限物品處理流程和禁限物品出入庫管理等需求。

4 關鍵技術

4.1 基于深度學習的目標檢測算法

基于深度學習的目標檢測算法[4]，為禁限物品智能識別提供了技術支撐。主要為基于候選區域的目標檢測算法和基于回歸的目標檢測算法。

4.1.1 基于候選區域的目標檢測算法

該算法是將目標檢測分成兩個階段：（1）產生候選區域，利用圖像中的邊緣、紋理等特征，判斷目標可能在圖中會出現的位置；（2）對這些候選的區域進行目標分類及坐標位置修正。這種方法的識別率較高，但檢測速度一般，其代表是Shaoqing Ren 等人提出的區域卷積神經網絡[5]及其優化算法模型Fast-RCNN[6]和Faster-RCNN[7]。

Faster-RCNN由于實現了端對端的訓練且檢測精度高，被廣泛應用于現實場景中，其算法原理如圖3所示。將禁限物品的圖像信息輸入卷積神經網絡，經過卷積運算和池化運算，提取圖像的特征圖譜信息，通過候選區域的推薦與糾正，實現目標檢測。

圖3 Faster-RCNN 算法原理

4.1.2 基于回歸的目標檢測算法

該算法無需生成候選區域，直接利用圖像特征信息產生目標物體的位置坐標和類別概率，得到最終的檢測結果。由于只進行一個階段的檢測，此類方法有著較快的檢測速度，適用于實時監測。常用的算法模型有YOLO[8]和SSD（Single Shot MultiBox Detector）[9]。

為了獲得更高的禁限物品檢出率，需要用大數據集來訓練模型。全國各個客運車站將禁限物品的相關信息上傳至國鐵集團主數據中心，形成大數據集，模型從大數據集中獲得信息并轉換成相應的權重，通過對這些信息的提取與權重的更新，實現對模型的訓練和優化，從而提高禁限物品識別率。

4.2 多算法融合的目標檢測技術

多算法融合的目標檢測技術實現了多種深度學習識別算法的融合判圖和對禁限物品的智能識別。通過對多種圖像識別算法進行性能比選和優化，明確各種算法的優勢和不足，進而構建多算法融合的目標檢測技術，實現對不同圖像識別算法的取長補短。

鐵路客運安檢查危系統主要采用以基于候選區域的Faster-RCNN 模型為主，以基于回歸的YOLO V3與YOLO V5 模型為輔的多算法融合的目標檢測技術。該技術可解決單一算法在禁限物品識別中的瓶頸，滿足現場安檢高精度判別的需求。

5 應用效果

目前，鐵路客運安檢查危系統先后在張家口客運車站、青島客運車站試點應用，系統界面如圖4所示。

圖4 鐵路客運安檢查危系統主界面

鐵路客運安檢查危系統與管控平臺互聯，實現了鐵路旅客進站安檢與服務信息的集成共享，有利于發現車站運營安全風險，便于及時處置和提早防范。試用結果表明，系統對不同種類禁限物品的識別率均有顯著提高。此外，系統中建立的客運安檢培訓考試知識庫，對一線安檢作業人員進行在線培訓，安檢隊伍的專業技術水平也得到了顯著提升。

6 結束語

本文以管控平臺的技術路線為研究背景，分析高速鐵路客運車站的安檢查危工作特點，介紹鐵路客運安檢查危系統的總體架構、功能、關鍵技術等。該系統與管控平臺的互聯，實現了與鐵路其他相關系統的互聯互通，并實現了鐵路旅客進站安檢與服務信息的集成與共享，有利于發現車站運營安全風險，提高安檢工作效率，確保車站安檢工作平穩、高效運行。