智能視頻分析技術在地鐵站客流監測中的應用研究

李宇杰，裴中陽，李 強，劉 京，王 璐，于 霖

（1. 北京市地鐵運營有限公司，北京 100044；2. 北京久譯科技有限公司，北京 100070）

1 引言

隨著國民經濟的發展、科技的進步以及城市化水平的提高，近年來國內許多城市均在大力推進地鐵的建設與完善。與此同時，地鐵的客運量也在不斷攀升，從而對地鐵列車的運營調度與車站管理提出更高要求。2019年，中國內地的地鐵總客運量為238.14億人次，較2018年增長11.8%；日均客流量為6 552.75萬人次，較2018年增長12.12%。客流數據研究表明，對于線網規模較大、軌道交通出行通達性好、開通歷史更久以及運營成熟的城市，工作日客流遠高于休息日客流。例如2019年北京的年平均工作日客流為1 228.58萬人次，而休息日客流為764.71萬人次，降幅高達38%。而在1天之中，客流也具有時空不均衡的特點，這體現為樞紐車站、換乘車站與普通車站之間客流量存在較大差異，工作日通勤時段與工作日其他時段客流量相差較大，以及站內客流分布和客流流向不均衡等。這種時空不均衡性使得客流量較大的車站，如樞紐車站與換乘車站，出現嚴重的擁擠與乘客滯留（需等待下次列車）問題。該問題除會影響乘客通行效率，還可能造成列車延誤，甚至引發騷亂、踩踏等安全事故。因此，對地鐵站內的客流進行實時監測與分析，無論是對提升乘客滿意度、提高車站運營效率，還是對優化列車調度、保障乘客安全來說都是關鍵的一環。

2 地鐵站客流監測現狀

國內各大城市常用的地鐵站客流監測方法可以劃分為人工統計法、傳感器感應法和自動售檢票系統采集法三大類。在地鐵的運營中，當前仍是通過出入口的閘機來獲取客流數據。雖然該數據十分準確，但僅能提供進出地鐵站的總客流量信息，而無法反映車站內外全面的客流情況，如乘客進站時間、候車時間、站內各處的客流密度以及乘客換乘率（針對換乘車站）等。這些信息目前只能通過站內工作人員現場目測結合對監控視頻的觀察而獲取。以這種方式得到的客流數據不僅不夠準確，而且不夠全面，同時由于工作人員難以全程將注意力集中于觀測客流上，因此無法形成全面而準確的客流數據以供實時查看和做進一步的統計分析。

在保障乘客通行秩序與安全方面，目前僅依靠站內安保人員的巡視以及對監控畫面的監視。由于安保人員人數有限，而且無法保證對所有監控點位的全程實時監視，因此對于突發事件往往不能進行及時響應。

對于本文所涉及的北京市西二旗地鐵站來說，上述問題也全都存在。由于西二旗地鐵站是13號線與昌平線的換乘車站，又因為其特殊的地理位置，在早晚高峰期客流量非常大，站內客流密度高且流向復雜。還經常有乘客由于候車隊伍過長而無法乘上當次列車，需要等待下一次列車。為防止因人群密集而導致的騷亂甚至踩踏等事件，同時對列車的運營調度進行優化，需要對站內外的客流詳情進行實時監測與量化分析。

3 智能視頻分析技術在客流監測中的應用分析

智能視頻分析是以數字化、網絡化視頻監控為基礎，通過計算機視覺和視頻分析技術，對監控場景的視頻圖像進行自動解析，實現目標的檢測、跟蹤與識別，并在此基礎上進行人流量統計、人群密度估計、入侵檢測、行為識別等智能化分析。該技術具有檢測精度高、響應速度快、能實現不間斷實時監控的優點。

當前國內的地鐵站基本已經全面覆蓋監控攝像機，結合上文對客流監測現狀的分析，可知將智能視頻分析技術應用于地鐵站客流監測，不僅能夠實現對車站內外的客流情況進行智能、全面的統計分析，還能對乘客行為進行實時監測并對特定行為進行自動告警，從而有效滿足地鐵站客流監測方面的需求。不僅如此，選擇應用智能視頻分析技術，可以充分利用現有的監控攝像機，只需要在少數點位新增攝像機，而不需要增加額外的其他種類的傳感器等設備，因而能節省有限的地鐵站空間，并降低改造施工的難度。此外，由于該技術是非接觸式、非配合式的技術，因此不會對乘客的通行速度與體驗造成影響。

4 客流監測系統功能

西二旗地鐵站有著早晚高峰期間客流量大、站內客流密度高、客流流向復雜且候車排隊人數多等特點，為實現全面的客流監測與智能化安全防范，同時便于工作人員查看與管理，對應的客流監測系統應具有以下功能。

4.1 客流統計與分析功能

客流數據的統計與分析應是客流監測系統的核心功能，對此應遵循的設計原則是盡可能地獲取全方位的站內客流數據和客運指標，提供數據超標時告警與一定的分析預測能力，為列車的最優化調度與車站的精細化管理提供支持。因此應具備的功能有：

（1）對進出地鐵站的客流量進行統計，包括各時段客流量、站內實時客流量、總集散客流量與最近一段時間內的集散客流量；

（2）提供主要出入口、車門處、換乘通道、電梯與步梯等關鍵通道的客流量數據；

（3）計算乘客的進站時長、候車時長以及平均換乘率；

（4）統計站臺處的排隊人數，對站臺與站廳內的客流密度進行監測；當客流密度超過設定的閾值時，能觸發告警；

（5）可根據歷史數據和實時客流數據等信息預測短期內的客流變化趨勢，當預測值超過設定閾值時，平臺上能顯示警示信息。

4.2 智能視頻監控功能

客流秩序的維護與安全防范是車站運營中的重要工作。通過視頻分析技術來提高現有視頻監控系統的智能化水平，是進一步做好該工作的有效途徑。由于視頻分析技術自身的特點，智能視頻監控功能可以很方便地集成到客流監測系統中?？紤]到西二旗地鐵站的實際需求與當前的技術發展水平，系統應具備的功能如下。

（1）自動識別黑名單人員，自動識別乘客的呼救、逆行與入侵禁區行為，自動識別站內值守人員的離崗行為。

（2）當出現上述情況時平臺能進行彈窗報警，并提供對應點位監控視頻的快捷入口，彈窗報警應伴隨著報警音提示與報警燈閃爍。

（3）系統能對事件前后一定時間段（可設置）的監控視頻進行存儲，同時提供事件檢索功能。此外，應支持導出事件信息報表。

（4）實時顯示站內工作人員的位置與分布情況。

（5）提供預案分組的視頻調閱方式，即將多個關聯的攝像機預先設置為同一組，當點擊查看某一點位的監控畫面時，其關聯點位的攝像機畫面也會同時顯示，使得管理人員在查看目標點位情況的同時，能夠了解周邊關聯點位的情況。

（6）支持對進站口與出站口、閘機、站廳、站臺、換乘通道等關鍵區域的監控視頻進行全景融合并在單個窗口中顯示，以方便車站的日常客運管理和支持特殊情況下的全景指揮。

4.3 數據展示功能

以科學和直觀的形式對客流數據與事件信息進行展示，有助于提高管理人員獲取信息的效率，幫助他們對客流變化與事件告警作出準確而及時的響應。系統平臺應具備的功能如下。

（1）通過數據看板的方式對客流數據與事件信息進行綜合展示，以提高信息獲取的效率。

（2）以圖、表等清晰直觀的方式對客流數據進行可視化呈現；對于總的客流量數據，可提供與歷史數據的對比，以便對客流量進行預測與分析；提供不同點位的客流量數據或客流密度數據之間的對比。

（3）當查看部分點位的詳細客流數據時，界面能同時顯示對應的監控畫面。

（4）建立車站的3D模型，在此模型上：以熱力圖的形式實時展示站臺與站廳區域客流的分布信息；顯示工作人員的實時位置與分布；以圖標標示視頻分析點位的位置，點擊圖標可查看監控畫面，當出現事件告警時對應圖標閃爍。

5 基于智能視頻分析技術的客流監測系統

根據對西二旗地鐵站客流監測系統的功能分析，結合對車站結構與現有攝像機的考察，對進行視頻分析的點位做選取，并對系統的總體框架、網絡拓撲、硬件組成、算法、平臺界面以及系統測試進行分析與說明。

5.1 視頻分析點位的選取

根據乘客在站內的行動軌跡與站內設施，可知客流監測的關鍵點位有9個，依次為站外導流欄外側、導流欄、閘機、站廳、通行梯（步行梯與電扶梯）、站臺候車區、車門處（上下車客流）、換乘通道以及出站口，如圖1所示。

通過考察在不同點位進行視頻分析對攝像機拍攝角度與監控區域的要求，在充分利用已有攝像機的基礎上，適當新增可滿足需求功能的攝像機進行補充覆蓋。例如，由于導流欄外側的廣場面積較大、人流分散且夜間缺乏照明，因此需在導流欄外新增1臺覆蓋區域較廣、能夠在超低照度下工作的星光級球機。又由于導流欄靠近進站口的一端通道較狹窄，因此采用在此條件下計數精度更高的激光雷達來對進站客流量進行統計。此外，由于站臺處現有攝像機的監控畫面無法完整覆蓋所有車門，因此在3個站臺（13號線東站臺、西站臺與昌平線站臺）處各新增4臺全景攝像機，以對車門處的上下車客流進行監測。使用全景攝像機的好處是可以減少在站臺處新增攝像機的數量，從而降低對現有線路與設施的改動程度。

5.2 系統總體架構

客流監測系統的總體架構如圖2所示。其中各模塊的功能與數據傳遞的流程如下。

（1）攝像機采集場景視頻發送給智能分析設備，供算法分析使用。

（2）智能分析設備獲取攝像機的視頻信息，經過人工智能算法的分析后得出業務基礎信息，根據不同的場景和算法，可輸出進出站客流量、客流密度、客流速度、候車時長等數據。

（3）接收服務啟動后即可接收智能分析設備的數據，將基礎數據添加組織結構信息后直接入庫，同時將數據發送給分析服務，供下一步具體業務分析使用。

（4）分析服務啟動后立即獲取平臺基礎信息與配置信息，在接收到算法分析結果后根據平臺信息按照既有的業務邏輯分析數據，并發送給存儲服務。若算法輸出的是報警信息，則分析服務同時將其發送給平臺服務和存儲服務。

（5）平臺的功能分為4部分：接收分析服務的報警信息；向分析服務發送基礎信息和配置信息；獲取業務報表數據；接收視頻流數據供操作者監控。

（6）運維服務的主要功能是維護系統穩定運行，可檢測數據庫運行狀態、設備故障、網絡健康、服務運行狀態、人員操作日志等。

（7）存儲服務接收其他模塊的數據進行存儲操作，可存儲的數據有業務數據、文本數據、視頻數據以及其他系統中需要固化存儲的信息等，該方案的數據存儲不包含視頻存儲。

5.3 硬件組成與網絡拓撲

13號線和昌平線網絡分屬不同的網段，其攝像機不互相連接，因此采取2個局域網的模式，即分別在13 號線機房和昌平線機房放置邊緣計算智能終端，將分析的結果傳入西二旗站中控室，在中控室建立局域網進行數據互聯分析，其硬件組成與網絡拓撲如圖3所示。

在13號線機房中部署3臺邊緣計算智能終端，從13號線部分既有攝像機以及13號線新增攝像機的碼流中取得視頻信號，邊緣計算智能終端進行視頻分析，將智能分析數據通過網絡發送至中心服務器。為保證網絡安全，在13號線既有交換機與新增攝像機之間，添加1 臺防火墻設備。

在昌平線機房中部署2臺邊緣計算智能終端，從昌平線新增攝像機的碼流中取得視頻信號，邊緣計算智能終端進行視頻分析，將智能分析數據通過網絡發送至中心服務器。

中心服務器將接收到的分析數據融合，進行全站數據的綜合分析，客戶端直接訪問中心服務器查看分析結果。

由于地鐵站客流監測應用對于實時性以及安全性的要求較高，因此本系統使用邊緣計算設備作為各種檢測算法的載體，而非依賴于較高網絡帶寬以及更易于受到安全威脅的云計算平臺。

5.4 算法

客流量統計與客流密度計算的關鍵環節是更好地表征行人的特征，相對于傳統的人工提取特征的方法，深度學習方法越來越具有優勢。本系統所應用的算法即是基于深度學習模型，而不同功能對應著不同結構的模型。

例如對于客流量統計，使用輕量級的神經網絡模型，可以高效率地在嵌入式設備（邊緣計算智能終端）中運行。模型采用單階段檢測頭，可以輕松適應不同相機尺度的變化。不同于傳統客流量統計算法將人臉或人體作為檢測目標，本算法的檢測目標是人體的頭部，因而能適應各種角度的行人圖像，并且受人體遮擋的影響很小。圖4為使用該算法對西二旗北閘機處客流量進行統計時的分析視頻截圖。

又如在客流密度估計中，算法采用的是沙漏型卷積神經網絡，算法輸出為1張目標區域的人群密度熱圖。對于超高密度人群的場景（即西二旗地鐵站早晚高峰時段的站臺與站廳區域），受人體遮擋、分辨率有限等因素的影響，遠端的人群是無法采用逐個檢測的方式計數的，而輸出熱圖的方法能夠直接根據圖像的整體信息估計人群的數量，并且該方法同樣適用于人群稀疏的情況。

5.5 系統平臺界面

平臺界面是展示各種客流數據與事件信息的窗口，同時負責用戶管理。系統中的兩大核心模塊，即智能分析設備和中心服務器的分析服務，是根據上文中的功能需求分析而定制的，而平臺界面則呈現了這些功能。

圖5～圖7展示西二旗地鐵站客流監測系統的平臺界面，其中圖5為數據展板與熱力圖界面，圖6為關聯視頻調閱界面，圖7為站臺客流密度詳情頁界面。

如圖5所示，平臺以數據展板的方式列出各種客流數據與事件信息，并將主要的客流數據以曲線圖或柱形圖的形式呈現。其中的當日客流量數據支持當日、昨日、上周同期的對比；“客流密度”欄同時顯示各點位的最大、最小與平均密度值，并顯示其報警閾值。

界面的中央是車站的3D模型，支持以任意視角進行查看。模型上的熱力圖直觀地展示站臺與站廳處的實時客流密度分布。模型上的紅色圖標顯示站內攝像機的位置與分布，通過點擊圖標能夠以關聯調閱的方式查看對應點位的實時分析視頻。

如圖6所示，當點擊模型中某步行梯處的攝像機圖標時，界面會同時顯示該處及附近的3個監控點位的實時分析視頻。

如圖7所示，當點擊“客流密度”欄右上角的“更多”按鈕時，界面顯示客流密度詳情與各站臺數據的對比，同時在右下角顯示所選站臺的監控視頻。

同樣地，可通過類似方式查看有關“主要出入口客流情況”與“事件分析”的更多數據。

5.6 系統測試

由于該系統的搭建目前還未全部完成，因而有小部分功能尚不具備。也因此，尚未對該系統功能的有效性、穩定性與精度等性能指標進行系統性的測試。盡管如此，系統功能及其平臺界面仍然得到初步的測試。測試的途徑有以下 3種：

（1）在客流量較少的時段，采用人工計數方式統計導流欄、閘機、步行梯與電扶梯等處的客流量以及各站臺處的客流密度（人數），并根據系統平臺顯示的主要客流數據計算出系統在非客流高峰時段所統計客流數據的準確度；

（2）組織人員在站內模擬乘客揮手呼救、逆行、入侵非準入區域以及站崗人員離崗等事件行為，以測試相關智能視頻監控功能的有效性與穩定性；

（3）對平臺功能進行一段時間的試用，并根據使用體驗來對數據展示的清晰性、信息搜尋的難易度、告警功能的有效性、業務邏輯的合理性、界面操作的流暢性以及對車站管理效果的提升程度作出評價。

測試結果表明，基于智能視頻分析技術的客流監測系統有效提高地鐵站客流統計的全面性與量化水平，有效提升車站管理與安全防范的效率與效果。

6 結論

基于智能視頻分析技術搭建地鐵站客流監測系統，該系統不僅可以量化站內各處的客流情況并由此計算出進站時長、候車時長等乘客通行效率指標，提高地鐵站客流統計的全面性，而且能夠對乘客的呼救、入侵等行為進行自動識別與告警，提高地鐵站安全防范工作的效率。同時，由于該技術能夠利用現有的監控攝像機而不需要大量添置其他類型的傳感器設備，某些因畫面覆蓋不全而新增的攝像機也是對現有監控系統的補充，因此它的應用是具有成本效益的。隨著國內城市軌道交通建設的持續推進，智能視頻技術在地鐵站客流監測中會有越來越廣闊的應用前景。與此同時，該技術會在不斷滿足應用需求的過程中得到發展，從而進一步提高地鐵的智能化水平。