一種地鐵車廂擁擠度智能監測系統的研究

王世軼，祁 勇，潘永劍，李正杰，黃 慧

（1.上海市網絡技術綜合應用研究所，上海 200233；2.紹興市軌道交通集團有限公司運營分公司，浙江紹興 312000；3.南寧軌道交通集團有限責任公司運營分公司，廣西 南寧 530029；4.南寧軌道交通集團有限責任公司，廣西 南寧 530029）

如今，地鐵作為大多數中大型城市的重要交通方式之一，在城市中扮演著基礎設施的關鍵角色，為人們的工作生活和社會生產提供必要的基礎交通服務。自改革開放以來，隨著國民經濟的快速發展，不斷地推動著城市化的進程，隨之而來的是城市人口及規模的不斷增加，居民日常出行和物流等需求日趨頻繁，給城市地面交通帶來了嚴峻的考驗。因而，在當前我國城市現代化、工業化的飛速發展進程中，有著不占用地面交通資源、運能大、污染少、速度快等特點的地鐵交通方式，正在大中型城市交通建設中備受青睞，并成為解決城市交通問題的重要選擇。但是與發達國家相比，我國地鐵建設發展起步較晚，建設還不是非常完善。另外，在國民經濟“十四五”計劃發展綱要中，我國已明確把“發展地鐵交通”作為重要組成部分，并作為拉動國民經濟持續發展的重大戰略之一。

1 車廂擁擠度智能監測系統概述

1.1 系統建設的必要性

近年來，我國軌道交通行業發展迅速，安全、便捷的地鐵已成為民眾通勤出行最受歡迎的交通工具之一。在地鐵運輸乘客過程中，不可避免地存在車廂人員嚴重擁擠的現象，易造成乘客準時上下車困難，同時由于車廂客流量大及擁擠程度高等因素，也容易成為影響地鐵運營安全的關鍵問題。另外，在地鐵列車運行過程中，車廂中乘客擁擠程度成為影響地鐵運營安全及乘客舒適的重要因素[1-4]。所以收集和告知乘客車廂人員負載的分布信息，成為一種提高乘客服務質量、減少安全隱患的重要手段。以乘客服務為中心，不斷提高乘客的舒適度，也是地鐵運營精細化管理的追求。

1.2 系統架構設計

綜合評估地鐵運營社會、經濟效益及技術可行性等需求，本著“技術領先、功能完善”原則，設計開發了車廂擁擠度智能監測系統（以下簡稱“監測系統”），主要包括安全控制、擁擠度計算、車廂監控視頻提取、數據整合、圖像識別與分析及數據存儲服務等多個模塊，系統架構設計如圖1 所示。

圖1 系統架構設計

監測系統采用人工智能、大數據分析等技術，利用現有的PIS 系統（乘客信息系統）提供的車廂監控信息，實時分析各線路列車的車廂乘客分布狀態，計算出每節車廂的擁擠度數據，再通過PIS 系統和官方APP 進行集成，并顯示在官方APP 界面和PIS 導乘屏幕中，相關站臺工作人員及候車乘客可實時獲取各車廂擁擠度情況，候車乘客可根據自己的車廂擁擠狀態期望，按需到擁擠程度較低的屏蔽門處排隊候車，一方面提升了車站工作人員的疏導工作效率，另一方面對車站運營中的工作效率及秩序、乘客安全、服務質量等方面提供了必要的保障。

下面針對監測系統關鍵模塊功能及主要實現原理進行介紹。

1）車廂監控視頻提取模塊

該模塊部署在應用服務器上，負責提取車廂中的監控視頻圖像，并將圖像提交給AI 服務器進行圖像識別和分析。在處理能力方面，模塊能夠實現30輛車同時上線，按每輛車6節車廂，每車廂安裝3個攝像頭計算，要求每次取一輛列車6節車廂的所有攝像頭視頻圖像耗時不超過5 s，車廂監控視頻提取模塊如圖2 所示。

圖2 車廂監控視頻提取模塊

2）圖像識別與分析模塊

該模塊是部署在AI 服務器上的圖像識別與分析軟件（AI 引擎），是整個系統中一個獨立的模塊，可以為外部模塊提供圖像識別與分析服務[5-7]。該模塊可根據提交者提交的圖像信息，準確識別圖像中的人數并將識別到的人數結果返回給提交者，圖像識別與分析模塊如圖3 所示。

圖3 圖像識別與分析模塊

3）手機終端H5 模塊

該模塊負責將擁擠度數據展示在手機APP 終端，通過HTML5 方式展示，并嵌入到軌道交通官方APP 中，負責與APP 對接、功能展示以及數據拉取等功能，具體如圖4 所示。當用戶進入APP 首頁后，點擊“擁擠查詢”按鈕，進入最近的地鐵線路，在線路中標明各個站點，以及正在運行中的車輛位置[8-9]。點擊其中某個站點進入詳情頁，在詳情頁展示即將到達該站的列車到站時間和列車擁擠度。

圖4 手機終端H5模塊圖

4）云端數據接口服務模塊

該服務模塊部署在云端的兩臺云服務器上，負責接收應用服務器發送過來的擁擠度相關數據，并向APP 終端H5 頁面提供數據調用接口服務；兩臺云服務器采用高可用、互備部署模式。數據服務器采用Socket 方式向兩臺云服務器的任意一臺發送列車擁擠度數據，云服務器在接收數據后，將數據保存在數據庫中，同時數據會同步到另一臺云服務器中的數據庫中，具體如圖5 所示。系統同時提供擁擠度查詢調用接口，當前端H5 調用擁擠度接口時，將線路站點數據、列車車廂擁擠度數據以JSON 的形式返回給前端[10-11]。

圖5 云端數據接口服務模塊圖

5）數據整合服務模塊

在PIS 網絡中心機房部署PIS 中心服務器，定時將收到的ATS 數據和車輛載重數據轉發給應用服務器。應用服務器上的數據整合服務模塊在接收到這些數據后，解析數據包，從中提取有用的數據，如車輛即將到站站點ID、站臺ID、到站時間和離站時間、車廂重量等數據，將這些數據寫入數據庫中，并將擁擠度數據發送給PIS 中心服務器，具體如圖6 所示。如車廂中的攝像頭因故障等原因，無法提取攝像頭圖像導致擁擠度計算失效，則啟用車輛載重信息換算成擁擠度。

圖6 數據整合服務模塊圖

6）擁擠度計算模塊

部署在應用服務器上的擁擠度計算模塊，每次將圖片POST 提交給AI 服務器的圖像識別與分析模塊并返回識別該圖像中的人數，然后根據擁擠度與識別的人數對應關系分析得出擁擠度結果。擁擠度結果如表1 所示。

表1 擁擠度結果表

2 監測系統實際應用

通過市軌交交通1 號線為例來說明監測系統在軌道交通中的實際應用情況，并驗證監測系統關于車廂擁擠度問題的實際效果。

2.1 項目概況

該實例依托已投入運營的市軌道交通1 號線開展。1 號線為軌道交通骨干線，全長32.1 km，全線共設車站25 座、主變電所兩個、停車場和車輛段各一個、OCC 為線網共用。1 號線概算總投資約為200 億元，全線于2016 年12 月開通試運營，1 號線車輛采用B 型車，初、近、遠期均采用6 輛編組，初期配屬車輛為30 列/180 輛。

2.2 網絡架構設計

該系統所包含的主要軟硬件系統部署如圖7 所示，在信號機房部署人工智能分析服務器、公網數據服務器、API 服務器、數據庫服務器等，以及在互聯網部署API云端服務器等設備；網絡安全方面，在關鍵網絡邊界處部署下一代防火墻，通過配置嚴格的安全策略來實現各網絡間訪問安全；同時啟用入侵防御、防病毒等功能，實時監測網絡中異常攻擊行為并進行告警與防御，最大程度上保障監測系統安全[12-13]。

圖7 軟硬件系統部署

2.3 技術特點

監測系統通過現有的PIS 通道，實時獲取PIS 車載系統車廂中的攝像頭監控視頻，依靠強大的AI 算力，對獲取的圖像進行快速分析處理，并將實時擁擠度數據推送給站臺PIS 導乘屏和手機APP。無論是在PIS 導乘屏上顯示的擁擠度信息，還是在APP 終端顯示的擁擠度信息，對數據信息的準確、即時性均有很高的要求。依托ATS 實時數據更新策略和AI 強大算力，在列車上一站離站發車10 s 后開始獲取該列車各車廂攝像頭視頻圖像，經過數據分析整合，然后到擁擠度數據實時顯示在PIS 導乘屏和APP 終端，加上網絡耗時，整個過程可在1 min 內完成。而站臺PIS 導乘屏和手機APP 終端都采用了即時更新策略，保證了乘客無論是在站臺PIS 屏，還是手機APP 終端，都可以在短時間內獲取到最近到站列車和車廂擁擠度信息，保證了數據分析的及時性和準確性。監測系統涉及的主要技術特點如下：

1）強大的AI 算力

系統配備了多臺AI 服務器、應用服務器及數據服務器，可同時處理上百路攝像頭視頻，毫秒級采集和自動分析多種數據源，通過AI 算法對車廂監控畫面進行實時提取、分析處理，對每節車廂內實際載客數量進行自動計算，并結合ATS 數據中的車輛位置信息，分析計算得出每個即將到站列車的實時車廂擁擠情況[14-15]。同時讀取每節車廂載重數據再次計算，對擁擠度數據進行修正，從而最大程度上保障擁擠度數據的準確可靠。

2）精準的圖像識別能力

市軌道交通1 號線列車車廂主要采用魚眼球面攝像頭對車廂內部情況進行監控，攝像機所拍攝的監控畫面和正常攝像頭拍攝的畫面不一樣，畫面中呈現的人體形態千姿百態，經過大量的樣本圖片分析，最終訓練出識別率高的AI 模型[16]。目前除了正常圖像識別外，還可以識別球面攝像頭中的低清晰度、不規則人體形態圖像，能對車廂擁擠程度進行準確判定。

3）多系統整合能力

監測系統與1 號線PIS 內部系統整合，數據對接傳輸均采用以太網接口形式。因僅對監控視頻進行抓圖處理，所以對PIS 系統本身網絡帶寬影響很小。同時，監測系統還與市軌道交通APP 深度融合，采用了云端數據存儲和處理，以API 的形式將擁擠度數據提供給APP 系統，保證數據的安全和可靠性。

另外，通過與信號ATS 系統數據深度融合，根據ATS 提供的準確可靠的列車到站和離站時間，除了在站臺PIS 屏上和APP 終端顯示擁擠度信息外，還能將ATS 實時到站信息推送給手機APP 終端，乘客在進站之前就能通過手機APP 獲取準確的列車到站時間和可靠的擁擠度信息。

2.4 技術難點

在監測系統上線前進行了大量的前期準備工作，系統將借助車載列車PIS 車載視頻監控設備對每一節車廂的實時環境圖像進行采集并截取，通過AI算法對圖像中的人物頭部、身體特征進一步分析，以獲得準確的車廂人數信息。同時，為保障擁擠度數據的準確性，系統也以PIS 的數據傳輸網絡作為通道，收集車輛的乘客載重信息（即車內乘客的總重量）作為輔助信息，用于修正AI 算法產生的數據偏差，以確保擁擠度數據的準確性。

在監測系統實現過程中，主要針對異形圖像的識別處理進行研發并形成了突破。地鐵列車車廂內部主要采用廣角魚眼攝像頭進行監控，因此在鏡頭邊緣會出現視頻圖像異樣的情況，系統需要針對不同拍攝角度（攝像頭安裝角度差異）、不同視頻圖像清晰度等情況進行處理分析，結合車輛載重數據的輔助計算，最終得出車廂的擁擠程度，如圖8 所示。

圖8 原始照片和車廂人員數量圖

2.5 實際應用效果

監測系統上線后，市民通過該系統能夠提前了解運營地鐵線路的乘客擁擠狀態，適時調整出行狀態，合理安排出行時間和計劃，讓人們能夠充分感受軌道交通帶給人們出行的便利性，以便更好地吸引公眾將搭乘地鐵作為首選出行方式，有利于全社會的低碳出行，節能減排。展示舉例如表2 所示，應用效果如圖9 所示。

圖9 車廂現狀圖與APP擁擠度圖

表2 應用效果展示表

同時，該系統也有助于地鐵運營單位根據各列車的擁擠程度科學合理地調配資源，合理優化列車運營交路，提高運營服務質量；同時進一步確保運營安全。

3 結論

市軌道交通1 號線監測系統自上線以來，經過三個月的試運行，并從多個維度對應用效果進行評價，發現乘客上、下車用時明顯縮短，未出現因車廂擁擠導致乘客進出屏蔽門、車門夾人和乘客踩踏等安全事件，大大降低了軌道交通運營安全風險。另外，乘客利用手機APP 和車站顯示系統提前預知即將進站列車車廂的擁擠情況，提前規劃出行路線及出行方式，自主選擇便捷、快速、舒適的軌道交通出行，選擇乘客數量較少的車廂乘坐，有效提高乘客舒適度及滿意度，提升地鐵乘客服務質量。同時在提升乘客服務質量、優化地面交通、節能環保等方面也帶來了積極的影響，進一步提高了城市形象及獲得市民的認同感，促進城市智慧化升級。