基于智能視頻分析的有軌電車客流統計系統研究

摘? 要：由于有軌電車缺乏有效的客流統計系統，存在行車間隔與客流變化難以均衡、乘客等車時間長等問題。以成都市有軌電車蓉2號線為例，分析了有軌電車對客流統計系統的應用需求，并對客流統計系統應用方案進行了研究，提出了一種基于智能視頻分析技術的客流統計方法，充分利用既有硬件設備，采用行人檢測、跟蹤等智能視頻分析算法，實現客流數據的精確統計。

關鍵詞：有軌電車;客流統計;智能視頻分析

中圖分類號：TP273? ? ? ? ? ?文獻標識碼：A文章編號：2096-4706（2022）03-0021-04

Research on Tram Passenger Flow Statistics System Based on Intelligent

Video Analysis Technology

LIU Zixue

（China Railway Eryuan Engineering Group Co.， Ltd.，? ?Chengdu? 610031， China）

Abstract： Due to the lack of an effective passenger flow statistics system for trams， there are problems such as difficulty in balancing the travel interval and passenger flow change， and long waiting time for passengers. Taking the tram Rong line 2 of Chengdu as an example， this paper analyzes the application requirements of trams to the passenger flow statistics system， studies the application scheme of the passenger flow statistics system， and proposes a passenger flow statistics method based on intelligent video analysis technology. The method makes full use of existing hardware equipment and adopts intelligent video analysis algorithms such as pedestrian detection and tracking to achieve accurate statistics of passenger flow data.

Keywords： tram; passenger flow statistics; intelligent video analysis

0? 引? 言

截至2021年8月，中國內地包括沈陽、大連、長春、天津、上海、蘇州、南京、青島、廣州、淮安、珠海、武漢、深圳、北京、成都、佛山、天水、三亞、沈撫新區、嘉興、昆明在內的21個城市（示范區）的有軌電車已投入運營，共計38條線路，總運營里程492.232 km，總軌道里程441.716 km。

當前，現代有軌電車是融合軌道交通和市政道路兩種特質的、承擔公交主要職能的一種中低運量軌道交通系統，其系統采用電力牽引，屬綠色交通方式。相對地鐵、輕軌等其他城市軌道交通而言，其運量小，對應的基礎設施建設工程量小，從而節省工程投資，減少運營、維護成本。但是，近年來我國有軌電車的運營現狀也暴露出有軌電車存在的諸多問題。

2021年1月22日珠海有軌電車1號線暫停運營，截至目前，珠海市交通委等部門已完成拆除相關的專家論證、拆除報告等前期工作，只待市政府最終確認。如若珠海有軌電車1號線最終被拆除，將是中國自2010年后，發展現代有軌電車以來，首次拆除新建有軌電車項目。通過調研分析，本項目被停運及有關拆除的論證，除項目本身存在技術缺陷外，本線路客流量少、運營成本高等原因成了引發拆除的重要原因。

成都市有軌電車蓉2號線線路全長39.3 km，共設站47座。該線呈Y型布置，主線全長27.4 km，起點為成都西站，終點為郫縣西站，共設站33座。支線全長11.9 km，起點為百葉路站，終點為仁和站，共設站14座。

據統計，該線自2018年12月開通運營以來，最大日客流達到2.5萬人[1]。但是從近年來線路整體運營情況分析，由于線路較長、客流較小等原因，存在著行車間隔與客流變化難以均衡、乘客等待時間長、線路運營成本高等問題。而解決該問題的關鍵之一就是緊密監控客流變化趨勢，以客流統計數據為基礎，分析客流特征，從而為動態調節行車間隔提供參考，降低運營成本。

本文針對成都市有軌電車蓉2號線客流數據統計問題，通過調研及分析線路實際情況，提出可行的客流統計方法及應用方案，為優化行車運行提供參考。

1? 系統需求分析

根據成都市有軌電車蓉2號線沿線市民出行需求及線路運力情況，開通初期早晚高峰最小行車間隔為9分50秒，反觀客流，運行高峰期列車擁擠度不足30%，同時，有軌電車受道路交通信號、市政道路條件等外界干擾因素較多，會出現個別列車未能嚴格按照列車時刻表準點運行的情況，給部分市民帶來出行效率低，無法滿足上下班通勤需求等不良乘車體驗。

成都地鐵運營公司期望將通過在軌行區兩側增設欄桿、提高司機駕駛能力、引導社會車輛文明行駛等途徑，不斷提高列車準點率，并根據客流變化情況動態優化行車間隔及運行圖，為乘客提供更優質的乘車體驗。如圖1所示。

通過獲取車站實時客流，預測分析客流變化從而為動態優化行車間隔及運行圖提供數據依據成了本系統研究與開發的重點。同時，成都市有軌電車蓉2號線為已開通運營線路，增設信息類輔助系統應遵循功能適用等原則，系統方案及設備選型中還應考慮經濟性。

2? 方案研究

為了快速、準確檢測客流的實時流量與客流分布情況，各城市都在研究與推廣新的技術手段，如AFC（自動售檢票）系統[2]、車輛稱重[3]、視頻自動檢測[4]、熱敏傳感技術[5]、手機信令[6]、Wi-Fi信令[7]和IC卡[8]數據分析等。但各項技術都存在各自的優缺點，有其不同的適用情景，如AFC技術比較適用于進出站客流統計，熱敏傳感技術比較適用于站內通道換乘客流統計，手機信令比較適用于宏觀層面OD客流分析和乘客出行特征分析等。但同時各檢測技術又有一定的局限性，例如受難以適應車站的復雜環境、監測數據精度不高、設備安裝成本高等多方面影響[9]。因此，為滿足客流統計的需要，有必要結合蓉2號線當前采用的售檢票模式和運行環境特點，尋找一種經濟可行的客流統計方式。

2.1? 紅外感應客流統計方法

紅外線感應客流統計的原理是采用紅外對射技術實現的，當人體經過紅外感應區域時會切斷或阻擋紅外線使其產生電阻變化，從而判斷人體數量。

紅外線感統計使用的設備體積小巧，不影響人流正常通過，但是若多人同時經過就會出現漏數現象，也不能有效地識別進出雙向檢測，數據采集的單一性影響客流分析的結果[10]。

2.2? 基于IC卡數據的客流統計方法

目前，成都有軌電車蓉2號線售票方式與公交車相同，乘客上車后在上車門旁的一體機處進行交易，支持IC卡、掃碼和現金支付。因此，可以采用IC卡（二維碼）數據獲得準確可靠的上車刷卡時刻，同時結合有軌電車GPS信息判斷上車站點，得到上車站點、人數和時刻信息。該方法應用簡單，結果準確。

但是，由于有軌電車出行只在上車時刻刷卡，因而無法通過IC卡數據得到準確的下車刷卡時刻及站點信息。參考公交客流統計方法，可利用基于站點吸引權的下車站點判斷方法對下車人數進行推算[8]，最終得到較為準確的站點和人數信息，但是依然無法精確判斷單個乘客的下車站點。

2.3? 基于智能視頻分析技術的客流統計方法

利用有軌電車既有的監控視頻，采用智能視頻檢測技術實現客流采集與統計，是一種低成本、易實現的客流統計方法。基于智能視頻分析技術的客流統計方法，利用前端攝像頭采集視頻數據，通過圖像處理和機器視覺技術，實現人體運動檢測和統計，達到準確率高、實時性、易操作的效果[11]。根據蓉2號線現場情況，可以采用既有的站臺和車載攝像機獲取視頻數據。

如圖2所示，車內攝像機固定在車廂上端，自上而下進行拍攝，可以清楚地拍攝到上下車乘客，進而采用圖像處理算法可以統計上下車站點人數。但是由于車內攝像頭采用廣角鏡頭導致視頻畫面存在畸變，增加了圖像處理算法難度。此外有軌電車車輛長32 m，6扇門可同時上下客，車內需多個攝像機才能全覆蓋所有車門，因此需要對多路視頻數據進行處理，增加了中心處理設備的數據處理壓力。

蓉2號線屬于半封閉線路，采用專用路權方式，設有進出站臺通道。如圖3所示，站臺攝像機固定在進出通道上方，視野良好，畫面清晰，能夠清楚的拍攝到進出站乘客，近似可以認為是上下車乘客，采用圖像處理和機器視覺技術，每個站臺只需處理一路視頻流就可以統計出客流數據。

綜上所述，根據蓉2號線乘車站臺實際調研情況，可充分利用進出通道及其上方既有前端攝像頭，對采集的視頻流進行智能分析，從而獲取實時客流數據。相比于IC卡數據統計的方法，基于智能視頻分析技術的客流統計方法不僅可以實時統計上下車乘客人數、時間、站點等數據，還不用增加采集設備，減少工程量及投資。

3? 客流統計系統

3.1? 智能視頻分析算法

如圖4所示，本系統實現的流程包括：通過既有前端攝像頭可獲取進出通道的視頻流數據，然后做視頻分割處理得到適合進行行人檢測的圖片序列，采用行人檢測算法可實現對圖片序列中的行人進行檢測識別和人數統計，此外采用行人跟蹤算法能夠判斷圖片序列中行人的運動方向，進而實現客流的進出站雙向判斷，最后得到分析后的客流數據。

本系統的核心算法是對行人進行檢測和跟蹤。基于梯度直方圖特征（HOG）[12]的檢測算法常用于人體檢測，但是考慮到客流檢測的實時性，本文采用YOLOv4算法[13]對乘客進行檢測與識別，如圖5所示，檢測結果滿足精度要求，并且檢測速率有了極大提高。

由于需要統計進出站兩個方向的客流數據，因此在圖像中檢測到行人之后，還需要對行人的運動方向進行判斷。如圖6所示，采用行人跟蹤算法可以獲得行人運動軌跡，通過提前設定方向判斷規則就可根據運動軌跡判斷出行人的運動方向，從而獲得進出站客流數據。

3.2? 客流統計系統架構

基于智能視頻分析技術的客流統計系統由前端設備（既有站臺通道監控攝像機）、傳輸網絡（既有光纜）和中心設備（智能視頻分析服務器、客戶端）構成。其中，智能視頻分析服務器設置在控制中心，從CCTV系統取流對視頻數據進行統計分析。客戶端設置在調度中心，為運營人員提供分析報表、展示客流趨勢等。

3.3? 客流統計系統界面

有軌電車客流統計系統客戶端如圖7所示，可實現以下功能：（1）對全線、區間、車站三級客流按時間粒度（分/時/日/周/月）統計上客人數總和、下客人數總和。（2）對全線、區間、車站三級客流按上行、下行進行分方向統計。（3）分析沿線各站到發客流量、各站分方向乘車人數、分時分方向斷面客流量、換乘站客流量、高峰斷面客流等，提供變化趨勢圖。

4? 結? 論

本文對比分析了基于紅外感應、IC卡數據分析以及智能視頻分析技術的客流統計方法，結合成都市有軌電車蓉2號線現場情況，提出一種基于智能視頻分析技術的客流統計方法，充分利用既有硬件設備，采用行人檢測和跟蹤等智能視頻分析算法，實現客流數據的精確統計和對客流變化趨勢的緊密監控，借助客流統計數據分析客流特征，進而為動態調節行車間隔提供有效參考，以降低運營成本。此方法具備投入成本低、統計精度高等優點，具有較高的可行性和可操作性。

參考文獻：

[1] 苗彩霞，鐘陟鑫，何利英.成都有軌電車蓉2號線的新技術應用 [J].城市軌道交通研究，2020，23（S1）：38-41+46.

[2] 王國富，王洪臣，劉海東.城市軌道交通AFC系統新技術應用及展望 [J].都市快軌交通，2017，30（1）：41-44.

[3] 秦征.移動式地鐵車輛稱重系統在廣州地鐵二號線的應用 [J].鐵道機車車輛工人，2010（8）：24-27.

[4] 金劍鋒，丁琦，陸天培，等.人臉識別技術在智能客流分析領域的實踐應用 [J].電信科學，2020，36（S1）：260-267.

[5] 褚祺晟.熱敏計數統計技術在上海軌交換乘客流統計中的應用 [J].地下工程與隧道，2013（4）：47-50+60.

[6] 胡忠順，王進，朱亮.基于手機信令數據的大客流監控應用研究 [J].電信技術，2017（4）：21-25.

[7] 陸音，繆輝輝.復雜室內環境下的Wi-Fi定位技術研究 [J].計算機科學，2016，43（11）：152-154.

[8] 徐文遠，鄧春瑤，劉寶義.基于公交IC卡數據的公交客流統計方法 [J].中國公路學報，2013，26（5）：158-163.

[9] 陳菁菁.城市軌道交通客流檢測技術的特征及其應用分析 [J].城市軌道交通研究，2018，21（1）：137-142.

[10] 燕玲.基于深度學習的地鐵客流實時監測 [J].交通世界2020（27）：7-8.

[11] 韓娜，陳東偉，鐘卓成.智能視頻客流人數統計系統的算法比較研究 [J].信息技術，2016（6）：45-48+53.

[12] WANG F B，YU K，YANG J，et al. A Novel Obstacle Detection and Tracking System Using Fisheye Vision [C]//2020 IEEE International Conference on Artificial Intelligence and Computer Applications （ICAICA）.Dalian：IEEE，2020：674-680.

[13] BOCHKOVSKIY A，WANG C Y，LIAO H Y M. YOLOv4： Optimal Speed and Accuracy of Object Detection [J/OL].arXiv：2004.10934 [cs.CV].[2021-12-11].https：//arxiv.org/abs/2004.10934.

作者簡介：劉孜學（1981.12—），男，漢族，四川德陽人，高級工程師，碩士研究生，研究方向：鐵路及軌道交通通信信息技術。