語音交互技術在城市軌道交通中的應用

梁 君，付保明，王永興，王 帥，章 濤

（1.蘇州市軌道交通集團有限公司，江蘇蘇州 215004；2.方正國際軟件（北京）有限公司，北京 100080）

作為城市公共交通的重要組成部分，軌道交通具有運量大、速度快、自動化程度高等特點[1]，乘客與自動售檢票（Automatic Fare Collection,AFC）系統、運營人員等存在大量的信息交互。語音交互作為一種前沿的人機交互技術，在軌道交通乘客信息交互領域有著廣闊的發展前景。根據《中國城市軌道交通智慧城軌發展綱要》，在2025年城市軌道交通乘客智慧服務將普遍采用語音購票、語音問詢等功能[2]。萬海川[3]探討了語音交互技術在軌道交通廣播系統中的應用場景，以提供面向乘客的個性化廣播，但車站環境復雜，聲音嘈雜，該使用場景的落地尚需其他系統的支持；艾文偉[4]等在分析語音交互技術功能需求的基礎上，介紹了語音購票、語音問詢等示范項目的應用情況，但各項應用相對獨立，功能整合程度不高，尚未形成完整的應用體系。

根據乘客與軌道交通信息交互的現狀，分析當前模式的不足，深入探討語音交互技術在軌道交通乘客信息交互中的可行性，并將語音交互技術整合在軌道交通各乘客服務系統中，構建智能化的信息交互新模式。

1 需求及問題

1.1 信息交互需求

根據乘客的軌道交通出行過程，其與軌道交通的信息交互可分為主動式交互和被動式交互兩大類。其中，主動式交互是指乘客根據出行需要，主動與軌道交通車站各系統進行人機信息交互或與運營人員進行溝通，解決出行過程中的各類問題；被動式交互是指為滿足廣大乘客出行需求，通過廣播、乘客信息顯示屏等，軌道交通主動、無差別地告知乘客有關出行信息，乘客根據出行需求，自主選擇信息的接收。乘客與軌道交通信息交互類型具體如圖1所示。

圖1 信息交互類型Fig.1 Information interaction types

由圖1可知，當被動式交互所提供的的信息不能滿足乘客的出行需求時，乘客將通過問詢等主動式交互獲取相關出行信息。被動式信息交互模式下，乘客只需接收出行信息即可，與軌道交通并無復雜的交互過程；主動式信息交互模式下，乘客需求主要集中在票務處理、客運人工服務兩方面，且需求因人而異，種類豐富，對票務設備及客運人員的要求較高。

1.2 存在的問題

自 助 售 票 機（Tiket Vending Machine,TVM）及客服中心作為乘客主動信息交互的重要窗口，與乘客進行信息交互時，面臨流程繁瑣、查詢困難、防疫等難題。

1）購票流程繁瑣，站點查詢困難，最短路徑不清。網絡化運營條件下，TVM人機交互界面按鍵密集，操作流程繁雜。對購票流程、站點不熟悉的乘客，購票時需要進行摸索，且其選擇的目的站點未必是距離出行目的地的最優站點，乘客購票時間長，出行體驗差。

2）人力成本高，工作壓力大。軌道交通車站客運人員采用三班輪流值守模式，人員編制較多，運營人力成本高。同時，客運人員需要耗費大量的時間及精力掌握業務知識，面對乘客多變的需求，當溝通不暢時，易產生負面情緒，影響軌道交通形象。

3）站外問詢困難。當前，乘客站外問詢、投訴的主要途徑為客服電話、官網、公眾號等[5]。但人工客服電話資源有限，占線情況嚴重，難以滿足全線網乘客的問詢需求；而官網、公眾號等途徑，乘客訴求需轉交后臺人工處理，流程較長，缺乏時效性。

4）新冠疫情防疫。無論是TVM購票，還是客運問詢，乘客需與設備及運營人員面對面直接接觸。軌道交通車站密閉環境，設備及運營人員面對大量的乘客，極易接觸新冠病毒，并傳播給廣大乘客[6]。因此，在疫情防控常態化情況下，應在滿足乘客信息交互的同時，盡量減少乘客與車站設備及客運人員的接觸。

2 語音交互應用場景

2.1 語音交互

語音交互技術，是以語音作為主要的信息載體，使機器具備能說會聽、學習思考的能力，從而實現人類與機器之間類似人類互相之間的自然語音交互過程[7]。語音交互包含語音識別（Automatic Speech Recognition，ASR）、自然語言處理（Natural Language Processing，NLP）以及語音合成（Text-To-Speech，TTS）3部分。

ASR技術可以將乘客的語音信息轉化為文本信息；NLP技術進一步將文本信息轉化為計算機語言，以便設備能夠理解乘客的語音信息，而TTS技術則是將系統存儲的文本信息合成為語音，并通過麥克風等傳達給乘客。

2.2 場景分析

針對TVM購票處理流程繁瑣等缺點，可將ASR、NLP等技術應用到軌道自動售檢票系統中，為乘客提供語音交互購票環境，簡化操作程序、減少人機觸摸交互。通過人機對話，TVM可以準確地判斷乘客的購票意圖，有效節約了乘客的購票時間，提升單臺設備售票能力，提升了乘客購票體驗。

針對客運人工服務效率低、成本高、壓力大等問題，可將ASR、NLP、TTS等技術應用到客服系統中，為乘客提供語音交互問詢等服務。降低運營成本的同時，減少人員接觸，提高服務效率，提高智能化服務水平。

3 實施方案

語音交互功能的實現既需要前端語音處理模塊，也需要后端語音處理平臺的支持。因此，在AFC系統及客服系統的基礎上，通過搭建語音服務平臺，并在終端設備上集成語音處理模塊，構建語音服務系統，從而為AFC系統及客服系統提供語音交互服務。

3.1 系統功能

語音服務系統應具備ASR、NLP、對話管理、自然語言生成、TTS等全過程語音服務功能，為語音購票、語音問詢服務等提供技術支撐。

語音購票：系統能支持中/英文、全過程無接觸語音識別購票；能對軌道交通具體站點名稱進行精準識別；能將乘客語音信號轉換成文字，并在智能服務終端用戶界面上進行顯示；能根據地名或車站周邊興趣點[8]（Point of Interest, POI）實現站點模糊搜索，準確提供最近地鐵名稱信息，提醒客戶購買對應的地鐵票。

語音問詢服務：系統能夠支持開放式語義環境下的問詢輸入，支持語音模糊問詢、全局上下文分析處理、多輪對話處理，能夠通過分析對話感知對話場景，預測對話意圖，并基于城軌知識庫返回擬人化的語音或文本文件，從而為乘客服務提供自助查詢、自動應答、遠程音視頻對講及站內/外地圖導航等語音服務。

3.2 系統架構

作為AFC系統及客服系統的輔助系統，語音服務系統與AFC系統及客服系統深度融合，其系統架構如圖2所示。

由圖2可知，AFC系統及客服系統為語音交互技術的實現提供了應用環境。語音平臺在既有語音交互技術的基礎上，根據軌道交通語音交互場景，專門制定符合軌道交通業務需求的語音信號算法、站點/地名識別訓練及軌道行業技能。地圖軟件、客服助手軟件、城軌知識庫等系統為模糊語音查詢、地圖導航、自助查詢等語音交互功能的實現提供配套支持。

圖2 語音服務系統架構Fig.2 Architecture of speech service system

3.3 城軌知識庫

知識庫是人機交互的“大腦”，為人機語音交互提供數據支撐。針對軌道交通人機交互場景及業務需求，需結合軌道交通相關數據，建立基于自然語言理解的城軌知識庫，內容如圖3所示。

由圖3可知，城軌知識庫分為車站數據、運行數據等結構化數據及票務政策、安全法規等非結構化數據兩大類。城軌知識庫應開放與軌交生產系統、服務系統的接口，實時更新運營信息、乘客失物報送信息、投訴信息等，也可由運營人員手動進行批量數據導入，快速修改發布知識問答，從而實現知識庫的快速更新，以便不斷優化、提升語音服務水平。

圖3 城軌知識庫內容Fig.3 Contents of urban rail knowledge base

3.4 既有系統調整

為實現語音交互功能，需對AFC系統及客服系統進行軟硬件的調整，從而將語音交互整合在有關系統中。

在終端設備硬件方面，需增加語音控制模塊、麥克風、攝像頭等模塊，以實現語音的采集、預處理及語音回復等終端語音功能。新增硬件應充分利用既有設備內部空間，實現設備整體美觀的同時，采用抗噪語音識別技術[9]，優化語音處理算法，有效地屏蔽左、右、后方的人聲干擾，保證TVM流暢的語音交互體驗。

在終端設備軟件方面，需在增加語音模塊與設備上位機數據接口的同時，根據語音交互場景，優化人機交互界面，調整人機交互流程，從而為乘客、后臺客服人員提供人性化語音交互環境。

4 應用案例

蘇州軌道交通積極探索語音交互技術在軌道交通的應用前景，在既有線試點語音購票功能，并在新線建設過程中全面推進語音交互技術在AFC、智能客服系統中的使用。

通過與傳統購票方式對比，語音購票模式可極大的提高購票效率，且1 m范圍內普通話的識別率可以達到95%，能夠滿足各類乘客的語音購票需求。為確保語音交互的準確性、人性化，系統采用任務型對話[10]、知識型問答等關鍵技術，給予乘客準確、詳盡、專業的回答；為確保信息交互效率，除軌道交通車站智能客服等設備終端外，還將在電話、網頁、APP等客戶側，為乘客提供語音自助服務，提高服務水平。

5 結束語

語音交互技術為軌道交通乘客信息交互提供了新途徑。通過分析軌道交通乘客信息交互的現狀，深入探討了語音交互技術在乘客服務中的應用方向及實施方案。語音交互技術作為軌道交通智能化發展的重要方向，應進一步探討其在設備智能化管理、運營管理等方面的應用，在乘客人機語音交互的基礎上，實現運營管理人員與軌道交通各機電系統的語音交互，進而實現系統的智能化管理。