基于視頻分析的公交客流統(tǒng)計(jì)系統(tǒng)的研究

王曉娟

摘 要：受城市化進(jìn)程加快的影響，我國(guó)城市交通壓力越來(lái)越大，嚴(yán)重?fù)矶虑闆r已經(jīng)極大影響到了人們?nèi)粘３鲂校瑸榇?，政府大力提倡公共交通出行。以公交為代表的公共交通工具能夠大大緩解城市交通壓力，有效減少擁堵現(xiàn)象，繼而營(yíng)造良好和諧的城市生活環(huán)境。公交的優(yōu)勢(shì)加上政府的倡導(dǎo)，公交出行已經(jīng)成為當(dāng)下人們青睞的出行方式。然而，在公交受到大眾追捧的同時(shí)，其中的缺陷和不足也逐漸顯現(xiàn)出來(lái)，其中最為明顯的就是公交出行的信息處理方面仍舊不夠完備。公交管理相關(guān)管理部門(mén)無(wú)法對(duì)各線路的公交負(fù)載率進(jìn)行及時(shí)準(zhǔn)確了解，本文所設(shè)計(jì)的系統(tǒng)借助視頻識(shí)別技術(shù)和LBS服務(wù)等技術(shù)，對(duì)車(chē)內(nèi)的乘客密度進(jìn)行實(shí)時(shí)監(jiān)控，車(chē)內(nèi)的攝像頭在收集信息后及時(shí)反饋給后臺(tái)，管理部門(mén)根據(jù)信息建立相關(guān)模型并對(duì)客流進(jìn)行預(yù)測(cè)。

關(guān)鍵詞：視頻分析;客流統(tǒng)計(jì);數(shù)據(jù)分析

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

交通擁堵已成為城市化建設(shè)中最突出的問(wèn)題之一。雖然政府希望通過(guò)提倡公共交通出行來(lái)緩解交通壓力，但公共交通出行仍然存在一些問(wèn)題。目前，公共交通信息處理還不完善，優(yōu)化調(diào)度也相對(duì)滯后。因此，我們需要大力倡導(dǎo)公共交通出行，不斷提高公共交通實(shí)時(shí)數(shù)據(jù)處理能力。實(shí)現(xiàn)這一目標(biāo)的有效途徑是設(shè)計(jì)一個(gè)具有實(shí)時(shí)信息采集和處理功能的智能交通系統(tǒng)。本文收集了不同時(shí)期不同公交線路和站點(diǎn)的客流，并利用系統(tǒng)對(duì)這些數(shù)據(jù)進(jìn)行分析，從而實(shí)現(xiàn)客流調(diào)度和短期客流的準(zhǔn)確預(yù)測(cè)。

通過(guò)科學(xué)地建立分析客流特征的模型，借助攝像機(jī)采集人群信息，將采集到的數(shù)據(jù)實(shí)時(shí)傳回后臺(tái)，并使用改進(jìn)算法計(jì)算出更準(zhǔn)確的人數(shù)，從而有效改善公共交通的缺陷，促進(jìn)城市化更好的發(fā)展[1]。

1 系統(tǒng)概述

本文設(shè)計(jì)的系統(tǒng)功能主要通過(guò)移動(dòng)終端的行程記錄數(shù)據(jù)和攝像機(jī)的定點(diǎn)數(shù)據(jù)反饋采集來(lái)實(shí)現(xiàn)。后臺(tái)數(shù)據(jù)庫(kù)在處理科室接收到的數(shù)據(jù)時(shí)，主要分為兩種方式：軌道網(wǎng)和數(shù)據(jù)網(wǎng)。軌道網(wǎng)絡(luò)是個(gè)人發(fā)散，數(shù)據(jù)網(wǎng)絡(luò)是平臺(tái)反饋。乘客和公共汽車(chē)站是系統(tǒng)主要觀察和審查的主要對(duì)象。在此，選擇一個(gè)行程記錄作為記錄元素（如圖1）。

2 系統(tǒng)功能

系統(tǒng)記錄的數(shù)據(jù)來(lái)自移動(dòng)終端的旅行記錄。通過(guò)對(duì)乘客上下車(chē)的車(chē)站進(jìn)行實(shí)時(shí)監(jiān)控，當(dāng)用戶(hù)查找路線或查看到站信息時(shí)，系統(tǒng)會(huì)自動(dòng)標(biāo)記用戶(hù)的地理信息、站臺(tái)路線等一系列基本信息，并在此基礎(chǔ)上在后續(xù)工作中對(duì)區(qū)域斷面數(shù)據(jù)進(jìn)行更好的整理和統(tǒng)計(jì)?？偟膩?lái)說(shuō)，該系統(tǒng)的主要功能包括三個(gè)方面：到達(dá)提醒、地圖導(dǎo)航和poi檢索以及擁堵顯示[2]。

2.1 到站提醒

目前的移動(dòng)導(dǎo)航主要包括GPS定位和基站定位。前者主要通過(guò)GPS衛(wèi)星鎖定采集芯片來(lái)確定位置。這種定位方法的精度非常高。理論上，其誤差可以控制在一米以?xún)?nèi)。就目前的科技發(fā)展水平而言，基本上所有的軟件都可以使用GPS導(dǎo)航。此外，顧名思義，基站定位就是借助基站進(jìn)行定位。其實(shí)現(xiàn)方法主要是通過(guò)手機(jī)激活數(shù)據(jù)獲取周邊基站，從而在此基礎(chǔ)上鎖定乘客位置。與GPS定位相比，基站定位精度較低，往往產(chǎn)生較大的誤差。因此，為了保證系統(tǒng)的精度，本文設(shè)計(jì)的系統(tǒng)采用GPS進(jìn)行導(dǎo)航。該系統(tǒng)將不同形式的公交線路抽象為一條線路，并將線路上的公交站點(diǎn)視為節(jié)點(diǎn)。當(dāng)乘客位置接近公共汽車(chē)站時(shí)，這是一個(gè)閾值范圍。此時(shí)，信息由移動(dòng)廣播推送。

本文設(shè)計(jì)的系統(tǒng)需要開(kāi)發(fā)與服務(wù)器交互的應(yīng)用程度。在開(kāi)發(fā)程序的過(guò)程中，經(jīng)常需要在服務(wù)器上獲取數(shù)據(jù)。采集方式一般分為兩種：一種是采用周期拉取方式，每隔一段時(shí)間主動(dòng)在服務(wù)器上獲取以下信息，以實(shí)現(xiàn)對(duì)更新信息的及時(shí)掌握;第二種方法是使用push方法，即服務(wù)器主動(dòng)將新信息推送到客戶(hù)端。此時(shí)，客戶(hù)端可以自動(dòng)接收更新的消息。

2.2 地圖導(dǎo)航和poi檢索

對(duì)于用戶(hù)來(lái)說(shuō)，poi檢索可以幫助快速找到目的地，極大地方便了用戶(hù)的出行。一般來(lái)說(shuō)，區(qū)域檢索的實(shí)現(xiàn)主要包括以下步驟：首先，根據(jù)點(diǎn)的坐標(biāo)信息，將點(diǎn)劃分為國(guó)家的區(qū)縣行政區(qū)劃;其次，利用不同行政區(qū)劃的點(diǎn)數(shù)據(jù)，以行政區(qū)劃多邊形和點(diǎn)集為對(duì)象，建立Voronoi圖;第三種方法是將建立的Voronoi圖中最小面積對(duì)應(yīng)的點(diǎn)識(shí)別為重要性最低的點(diǎn);最后，刪除從分析中獲得的重要性最低的點(diǎn)，并再次建立Voronoi圖。以上步驟只是根據(jù)重要性對(duì)所有點(diǎn)元素?cái)?shù)據(jù)進(jìn)行框顯和排序，然后根據(jù)重要性將其刪除，最后得到重要性最高的點(diǎn)，即用戶(hù)要到達(dá)的目的地。

與上面討論的區(qū)域檢索相比，導(dǎo)航過(guò)程顯然要簡(jiǎn)單得多。它只需要獲取用戶(hù)出發(fā)點(diǎn)和目的地的經(jīng)緯度信息，然后將兩點(diǎn)之間的距離視為路線，將兩點(diǎn)視為路線的兩個(gè)節(jié)點(diǎn)。將兩個(gè)節(jié)點(diǎn)添加到同一個(gè)節(jié)點(diǎn)集合中，那么該節(jié)點(diǎn)集合就完全類(lèi)似于路線規(guī)劃偵聽(tīng)接口類(lèi)。此時(shí)，接受節(jié)點(diǎn)集的接口類(lèi)將根據(jù)內(nèi)部路徑算法將每個(gè)路徑的節(jié)點(diǎn)添加到節(jié)點(diǎn)集。如果重復(fù)上述操作，將確定不同點(diǎn)的重要性信息?？傮w而言，其建設(shè)過(guò)程可分為三個(gè)步驟：?jiǎn)?dòng)路線、啟動(dòng)導(dǎo)航和成功規(guī)劃路線[3]。

第一步是啟動(dòng)路線。該步驟主要包括設(shè)置路線的起點(diǎn)、焦點(diǎn)和偏好，確定是否模擬導(dǎo)航等參數(shù)，然后在回調(diào)函數(shù)中設(shè)置跳轉(zhuǎn)和引導(dǎo);第二個(gè)是開(kāi)始導(dǎo)航。在導(dǎo)航之前，需要?jiǎng)?chuàng)建誘導(dǎo)視圖并接收回調(diào)事件，然后調(diào)用活動(dòng)生命周期中誘導(dǎo)BNRouteGuiderManager對(duì)應(yīng)的生命周期函數(shù)，其核心代碼為：

@Override

protected void onCreate（Bundle savedInstanceState）{

super.onCreate（savedInstanceState）;

createHandler（）;

if（Build.VERSION.SDK_INT>=Build.VERSION_CODES.HONEYCOMB）{}

View view=BNRouteGuideManager.getInstance（）.onCreate（this，new OnNavigationListener（）{

@Override

public void onNaviGuideEnd（）{

finish（）;

}

@Override

public void notifyOtherAction（int actionType，int arg1，int arg2，Object obj）{

}

}）;

設(shè)置廣播模式時(shí)，表示路線規(guī)劃成功。

2.3 交通擠塞情況介紹

擁堵表示功能基于乘客起點(diǎn)的地理位置。簡(jiǎn)而言之，這是公交車(chē)站擁堵的表現(xiàn)。通過(guò)周?chē)欢ǚ秶鷥?nèi)公交線路的信息輪換，根據(jù)信號(hào)點(diǎn)的位置和大小進(jìn)行排列，傳統(tǒng)的紅黃道路提示擁堵程度。數(shù)據(jù)的實(shí)時(shí)采集意味著有必要對(duì)客流進(jìn)行準(zhǔn)確的統(tǒng)計(jì)。主要依靠車(chē)載攝像頭的實(shí)時(shí)分析，在站臺(tái)視頻畫(huà)面中監(jiān)控客流，作為判斷車(chē)載擁堵的依據(jù)。擁擠的判斷是否準(zhǔn)確主要取決于攝像機(jī)識(shí)別的人數(shù)是否與實(shí)際人數(shù)相符。其測(cè)量包括三個(gè)步驟：目標(biāo)檢測(cè)和跟蹤，以及乘客行為分析。其中，目標(biāo)檢測(cè)是所有步驟中最關(guān)鍵的一步。目標(biāo)檢測(cè)主要基于目標(biāo)的位置和距離。檢測(cè)過(guò)程主要包括五個(gè)部分：圖像數(shù)據(jù)、預(yù)處理、特征提取、分類(lèi)器訓(xùn)練和目標(biāo)檢測(cè)。這個(gè)過(guò)程與模式識(shí)別非常相似。需要指出的是，在檢測(cè)的五個(gè)部分中，特征提取和分類(lèi)器訓(xùn)練是影響精度的主要因素。因此，為了保證精度，需要對(duì)算法進(jìn)行改進(jìn)。

以公交車(chē)為例，在公交車(chē)的前后位置安裝了一組攝像頭?？紤]到乘客身體部位容易因擁堵而被遮擋，選擇乘客頭部和肩部進(jìn)行特征提取，可以有效降低噪聲和陰影的影響。為了進(jìn)一步增強(qiáng)相機(jī)的抗干擾能力，計(jì)算當(dāng)前幀的邊緣圖像與背景邊緣圖像之間的差值。然后利用圓檢測(cè)進(jìn)行輪廓識(shí)別和有效目標(biāo)檢測(cè)。與其他方法相比，該方法操作簡(jiǎn)單，識(shí)別率高，為客流統(tǒng)計(jì)系統(tǒng)提供了有力的基礎(chǔ)。

3 數(shù)據(jù)分析

記錄分子提供了必要的數(shù)據(jù)基礎(chǔ)，在此基礎(chǔ)上對(duì)結(jié)果進(jìn)行統(tǒng)計(jì)分析。PC終端提供了用戶(hù)數(shù)據(jù)、平臺(tái)數(shù)據(jù)、遷移路徑等數(shù)據(jù)和信息的可視化分析功能，為管理方案的提出奠定了基礎(chǔ)。一般來(lái)說(shuō)，公交客流容易受到多種因素的影響。因此，客流特征的隨機(jī)性和不可預(yù)測(cè)性往往隨預(yù)測(cè)周期的長(zhǎng)短而變化。一般來(lái)說(shuō)，預(yù)測(cè)周期越長(zhǎng)，客流特征越強(qiáng)。因此，我們需要找出短期客流變化的隱藏因素，并將其作為行為預(yù)測(cè)的依據(jù)，以確保預(yù)測(cè)結(jié)果的準(zhǔn)確性，降低預(yù)測(cè)壓力[4]。

4 結(jié)論

基于上述相關(guān)討論，公交出行信息處理尚不完善。為了促進(jìn)公共交通更好的發(fā)展，本文從視頻分析的角度對(duì)公交客流統(tǒng)計(jì)系統(tǒng)進(jìn)行了研究。本文設(shè)計(jì)的系統(tǒng)借助視頻識(shí)別技術(shù)和LBS服務(wù)技術(shù)，對(duì)車(chē)內(nèi)乘客密度進(jìn)行實(shí)時(shí)監(jiān)控。車(chē)內(nèi)攝像頭采集信息后及時(shí)反饋到背景。管理部門(mén)根據(jù)信息建立相關(guān)模型，預(yù)測(cè)客流。本文的系統(tǒng)設(shè)計(jì)主要是以采集到的客流數(shù)據(jù)作為可視化統(tǒng)計(jì)的基礎(chǔ)，對(duì)視頻客流分析的發(fā)展具有一定的參考價(jià)值。

參考文獻(xiàn)：

[1]趙倩.基于視頻分析的公交客流統(tǒng)計(jì)技術(shù)研究與實(shí)現(xiàn)[D].重慶：重慶大學(xué)，2016.

[2]舒國(guó)輝.基于數(shù)據(jù)挖掘的公交客流規(guī)律研究[D].北京：北京交通大學(xué)，2009.

[3]尹婷婷.基于大數(shù)據(jù)的公交調(diào)度規(guī)則研究[D].北京：北京交通大學(xué)，2015.

[4]Moxa AWK-3121在公交車(chē)無(wú)線車(chē)載視頻監(jiān)控系統(tǒng)的應(yīng)用[J].軟件，2010（5）：32-33.