城市軌道交通大客流辨識(shí)預(yù)警及動(dòng)態(tài)管控系統(tǒng)設(shè)計(jì)

陳家萍，丁小兵，劉志鋼，萬(wàn)蘇，楊?lèi)瘊Q

（上海工程技術(shù)大學(xué) 城市軌道交通學(xué)院，上海 201620）

0 引言

目前地鐵運(yùn)營(yíng)公司在大客流的預(yù)警及動(dòng)態(tài)管控機(jī)制方面存在很多問(wèn)題，例如未能及時(shí)識(shí)別車(chē)站大客流聚集趨勢(shì)并進(jìn)行智能預(yù)警、客流疏導(dǎo)組織相對(duì)被動(dòng)等。實(shí)時(shí)掌握車(chē)站客流的分布規(guī)律，對(duì)大客流進(jìn)行分級(jí)預(yù)警，為客流管控提供幫助，對(duì)于軌道交通系統(tǒng)的正常運(yùn)行具有重要意義。

國(guó)內(nèi)外學(xué)者對(duì)客流預(yù)測(cè)進(jìn)行了研究，Musa，A.B.M.等人初步使用WiFi 探針對(duì)智能手機(jī)的mac 地址進(jìn)行跟蹤，將數(shù)據(jù)上傳到服務(wù)器上，分析和預(yù)測(cè)客流［1］；在此基礎(chǔ)上，Mikkelsen，L等人初步利用無(wú)線(xiàn)局域網(wǎng)探測(cè)，對(duì)公共交通占用率進(jìn)行估算［2］；梁杰林基于WiFi 數(shù)據(jù)挖掘設(shè)計(jì)和實(shí)現(xiàn)了一套交通路況信息系統(tǒng)，通過(guò)對(duì)WiFi 探針數(shù)據(jù)采集，對(duì)路網(wǎng)建模，進(jìn)行數(shù)據(jù)接口服務(wù)與數(shù)據(jù)可視化［3］；余創(chuàng)龍基于歷史客流規(guī)律對(duì)城市公共交通網(wǎng)絡(luò)、各線(xiàn)路、全站點(diǎn)的客流預(yù)測(cè)［4］。

隨著智能視頻監(jiān)控系統(tǒng)的發(fā)展，馮媛等利用卷積神經(jīng)網(wǎng)絡(luò)提取行人特征，加入HSV 圖像處理模塊強(qiáng)化行人特征，提高其檢測(cè)速度和準(zhǔn)確率［5］；黃麟淞在基于深度特征流的視頻目標(biāo)檢測(cè)網(wǎng)絡(luò)的基礎(chǔ)上開(kāi)展對(duì)視頻目標(biāo)檢測(cè)的研究工作［6］；許經(jīng)緯提出了一個(gè)高效的視頻鏡頭檢測(cè)框架，根據(jù)提出的框架本文進(jìn)一步實(shí)現(xiàn)了基于深度學(xué)習(xí)的視頻鏡頭檢測(cè)算法，得到的結(jié)果經(jīng)過(guò)融合提升得到更好的分割結(jié)果［7］；張清泉設(shè)計(jì)了軌道交通客流預(yù)警系統(tǒng)，包括客流數(shù)據(jù)采集系統(tǒng)、客流數(shù)據(jù)與預(yù)測(cè)系統(tǒng)、客流預(yù)警等級(jí)識(shí)別系統(tǒng)、客流預(yù)警輸出系統(tǒng)這4 個(gè)子系統(tǒng)，只針對(duì)長(zhǎng)期客流預(yù)測(cè)，并未做到實(shí)時(shí)預(yù)測(cè)［8］。

基于前人積累的經(jīng)驗(yàn)，以大客流監(jiān)測(cè)及預(yù)警系統(tǒng)用戶(hù)需求為基礎(chǔ)，參考行業(yè)相關(guān)應(yīng)用實(shí)踐，綜合考慮后續(xù)建設(shè)，對(duì)城軌交通大客流監(jiān)測(cè)及預(yù)警系統(tǒng)的系統(tǒng)架構(gòu)、系統(tǒng)功能、部署方案等進(jìn)行規(guī)劃設(shè)計(jì)。為了準(zhǔn)確獲取客流的集中程度，需要準(zhǔn)確獲取各關(guān)鍵位置的客流量，進(jìn)一步加強(qiáng)城軌交通大客流監(jiān)測(cè)和預(yù)警技術(shù)研究，充分整合現(xiàn)有技術(shù)優(yōu)勢(shì)，建立綜合監(jiān)測(cè)和預(yù)警體系，形成全方位大客流監(jiān)測(cè)和預(yù)警的整體解決能力。

本文設(shè)計(jì)了一種大客流辨識(shí)預(yù)警及動(dòng)態(tài)管控系統(tǒng)。從視頻圖像識(shí)別的采集出發(fā)，利用深度學(xué)習(xí)的最新研究成果進(jìn)行客流識(shí)別，并利用WIFI 探測(cè)設(shè)備對(duì)視頻客流誤差進(jìn)行修正。針對(duì)大客流進(jìn)行深度精細(xì)化采集、提高客流獲取精度，跟蹤站內(nèi)實(shí)時(shí)客流變化，實(shí)現(xiàn)客流追蹤與分級(jí)預(yù)警功能并提供精細(xì)化客流分級(jí)動(dòng)態(tài)管控方案。

1 系統(tǒng)設(shè)計(jì)

該系統(tǒng)以數(shù)據(jù)導(dǎo)向型研究為中心，主要對(duì)Raspberry Pi 進(jìn)行開(kāi)發(fā)，根據(jù)軌道交通地鐵站內(nèi)實(shí)際情況，創(chuàng)新性的采用圖像識(shí)別和Wi－Fi 探針結(jié)合的客流采集方式，通過(guò)高清晰度的攝影頭拍攝相關(guān)區(qū)域的客流，并利用Wi－Fi 探針采集Wi－Fi 信號(hào)，將客流量的視頻數(shù)據(jù)與Wi－Fi 數(shù)據(jù)同步采集，從而實(shí)現(xiàn)了軌道交通客流的實(shí)時(shí)采集。在對(duì)客流進(jìn)行動(dòng)態(tài)跟蹤的基礎(chǔ)上，植入卷積神經(jīng)網(wǎng)絡(luò)客流辨識(shí)算法計(jì)算當(dāng)前站內(nèi)擁擠度，當(dāng)客流密度過(guò)高時(shí)，系統(tǒng)向客戶(hù)端發(fā)送動(dòng)態(tài)管控指令，該設(shè)備基于以上流程，旨在利用建立的軌道交通客流辨識(shí)預(yù)警及動(dòng)態(tài)管控系統(tǒng)，及時(shí)有效地疏散和動(dòng)態(tài)管控大客流。系統(tǒng)整體結(jié)構(gòu)圖如圖1 所示。

圖1 系統(tǒng)整體結(jié)構(gòu)圖Fig.1 Overall system structure diagram

1.1 客流實(shí)時(shí)預(yù)測(cè)模塊設(shè)計(jì)

乘客攜帶移動(dòng)設(shè)備進(jìn)入地鐵車(chē)站，位于車(chē)站要塞的Wi－Fi 探針設(shè)備可以自動(dòng)采集乘客移動(dòng)設(shè)備的MAC 地址、信號(hào)強(qiáng)度、檢測(cè)時(shí)間等信息；與此同時(shí)，高清攝像頭將實(shí)時(shí)采集的視頻無(wú)線(xiàn)傳輸至Raspberry Pi 中轉(zhuǎn)數(shù)據(jù)處理站，Raspberry Pi 中有預(yù)先內(nèi)置多源數(shù)據(jù)融合算法，量化客流，實(shí)現(xiàn)對(duì)客流的實(shí)時(shí)統(tǒng)計(jì)；將Raspberry Pi 采集的數(shù)據(jù)傳輸?shù)皆品?wù)器，經(jīng)過(guò)數(shù)據(jù)處理和客流識(shí)別，可以實(shí)現(xiàn)全站的客流監(jiān)控及實(shí)時(shí)預(yù)測(cè)；預(yù)測(cè)結(jié)果實(shí)時(shí)傳輸?shù)降罔F工作人員終端或站內(nèi)設(shè)備上，實(shí)現(xiàn)車(chē)站大客流的智能實(shí)時(shí)動(dòng)態(tài)管控和疏散。

1.1.1 WIFI 數(shù)據(jù)校正設(shè)計(jì)

1.1.1.1 數(shù)據(jù)去噪

第一步：通過(guò)WIFI 檢測(cè)到的數(shù)據(jù)集：p1＝（p1，p2，p3，...，pn）；

第二步：讀取檢測(cè)數(shù)據(jù)的信號(hào)強(qiáng)度列數(shù)據(jù)，考慮WIFI 探頭的距離和強(qiáng)度之間的關(guān)系，刪除強(qiáng)度小于－65 的乘客流量數(shù)據(jù)集：p2＝（p1，p2，p3，...，pm）；

第三步：當(dāng)Wi－Fi 信號(hào)在車(chē)站停留時(shí)間過(guò)長(zhǎng)時(shí)，通常是無(wú)效的乘客數(shù)據(jù)或車(chē)站設(shè)備和工作人員，根據(jù)實(shí)際調(diào)查，以5 min為時(shí)間間隔，其中相同的MAC 地址仍處于相同的Wi－Fi 探測(cè)覆蓋范圍內(nèi)，并作為冗余數(shù)據(jù)刪除。

1.1.1.2 設(shè)計(jì)SQL 語(yǔ)句，識(shí)別旅客移動(dòng)終端的MAC地址

WIFI 探測(cè)器的間隔時(shí)間為1 min，乘客應(yīng)根據(jù)正常步行速度遠(yuǎn)離探測(cè)信號(hào)的范圍。事實(shí)上，有一種情況是同一探測(cè)器反復(fù)檢測(cè)手機(jī)信號(hào)，因此有必要對(duì)其進(jìn)一步處理，這是從1.1.1.1 的第三步獲得的。

當(dāng)SQL 執(zhí)行時(shí)，相同的Mac 地址在1 min 內(nèi)被檢測(cè)到2 次以上，并且Mac 地址被記錄，SQL 程序?qū)⒆詣?dòng)刪除Mac 地址并添加一條記錄以防止冗余數(shù)據(jù)。

通過(guò)實(shí)際調(diào)查發(fā)現(xiàn)，并不是所有乘客在進(jìn)入地鐵前都打開(kāi)WIFI，因此檢測(cè)到的乘客數(shù)量低于實(shí)際乘客數(shù)量。為此，需要按線(xiàn)進(jìn)行調(diào)查，對(duì)調(diào)查數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。最后，計(jì)算調(diào)查數(shù)據(jù)的加權(quán)平均值。

1.1.2 卷積神經(jīng)網(wǎng)絡(luò)客流辨識(shí)算法設(shè)計(jì)

在檢測(cè)運(yùn)動(dòng)目標(biāo)時(shí)，需要考慮準(zhǔn)確性和實(shí)時(shí)性。采集到的圖像序列需要進(jìn)行預(yù)處理，圖像預(yù)處理主要涉及圖像的灰度化處理和降噪處理。

在此階段，采用中值濾波算法對(duì)一維信號(hào)處理到二維圖像平滑處理，對(duì)干擾脈沖和斑點(diǎn)噪聲有很好的抑制效果，還可以增強(qiáng)圖像的邊緣的提取。為了對(duì)滑動(dòng)窗口中的顏色數(shù)據(jù)進(jìn)行排序，如果存在噪聲數(shù)據(jù)，將噪聲數(shù)據(jù)置于數(shù)據(jù)的邊緣，置于數(shù)據(jù)的左側(cè)或右側(cè)，則中間位置的值不能為噪聲，從而達(dá)到抑制噪聲的目的，其定義如式（1）：

其中，g（x，y）是中值濾波后像素處的灰度值；f（x，y）是濾波前像素處的灰度值；S 是滑動(dòng) 窗口。只有去除噪聲后的視頻數(shù)據(jù)，才能用于客流識(shí)別。

深層卷積神經(jīng)網(wǎng)絡(luò)是模仿人類(lèi)視覺(jué)神經(jīng)系統(tǒng)的信息處理系統(tǒng)，通過(guò)輸入信號(hào)傳輸?shù)较乱粚拥纳镄盘?hào)流，隨著生物信號(hào)流的不斷傳播，表達(dá)形式越來(lái)越抽象，最終達(dá)到了抽象表示的最高水平。人類(lèi)的認(rèn)知過(guò)程是一個(gè)深層模型的構(gòu)建過(guò)程。不同乘客的面部形象具有不同的特點(diǎn)，本系統(tǒng)在視頻預(yù)處理后，利用深度學(xué)習(xí)算法對(duì)客流識(shí)別進(jìn)行建模，采用基于深度學(xué)習(xí)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)對(duì)采集的視頻旅客流量進(jìn)行計(jì)算。該算法可以增強(qiáng)原始識(shí)別特征，降低噪聲。計(jì)算過(guò)程如圖2 所示。

圖2 卷積運(yùn)算示意圖Fig.2 Convolution operation diagram

1.2 客流動(dòng)態(tài)管控模塊設(shè)計(jì)

1.2.1 站內(nèi)智能引導(dǎo)設(shè)計(jì)

站內(nèi)智能引導(dǎo)裝置主要由輸入、中央處理和輸出部分組成。輸入部分采用型號(hào)為CPAM－WL28603 的觸摸屏，中央處理部分包括：控制單元、輸入單元、處理單元、顯示單元，地鐵工作人員可以通過(guò)控制單元選擇當(dāng)前指引設(shè)備的模式：自助查詢(xún)模式、候車(chē)指引模式、大客流模式。輸出部分由指示裝置卡環(huán)、LED綠色閃燈和語(yǔ)音播報(bào)裝置組成。中央處理單元示意圖如圖3 所示。

圖3 中央處理單元示意圖Fig.3 Schematic diagram of central processing unit

1.2.2 工作人員客戶(hù)端設(shè)計(jì)

將觸摸屏技術(shù)應(yīng)用在客流動(dòng)態(tài)管控系統(tǒng)中，大客流狀態(tài)下的乘客動(dòng)態(tài)管控路徑規(guī)劃可為地鐵工作人員提供處置決策，當(dāng)車(chē)站客流到達(dá)閾值，即啟動(dòng)大客流模式。一級(jí)菜單顯示大客流預(yù)警提示信息及其它地鐵公司信息，二級(jí)菜單顯示當(dāng)前車(chē)站出入口開(kāi)放及關(guān)閉情況，并智能化顯示站內(nèi)乘客動(dòng)態(tài)管控路徑，客戶(hù)端頁(yè)面如圖4 所示。

圖4 客戶(hù)端頁(yè)面Fig.4 Client page

2 實(shí)驗(yàn)設(shè)計(jì)

本實(shí)驗(yàn)以上海地鐵某車(chē)站作為實(shí)驗(yàn)對(duì)象，現(xiàn)場(chǎng)架設(shè)高清攝像頭和WIFI 探頭，同步采集客流視頻數(shù)據(jù)和WIFI 數(shù)據(jù)，預(yù)測(cè)車(chē)站內(nèi)部的實(shí)時(shí)客流量，修正精度，同時(shí)對(duì)車(chē)站不同位置的乘客提出實(shí)時(shí)動(dòng)態(tài)管控方案。位置分別是：車(chē)站綜合入口、檢票口前、電梯前、扶梯前、候車(chē)站臺(tái)。根據(jù)站臺(tái)情況，視頻識(shí)別非常重要，WIFI 信號(hào)會(huì)反復(fù)采集，誤差較大。

利用高清晰度攝像機(jī)拍攝擁擠地區(qū)的人流，用探頭采集WIFI 信號(hào)，將兩者焊接在主板上，安裝在固定在桿上的固定箱內(nèi)，用螺絲釘固定在桿上，設(shè)備安裝示意圖如圖5 所示?？土黝A(yù)測(cè)系統(tǒng)的數(shù)據(jù)通過(guò)WIFI 傳輸給客流動(dòng)態(tài)管控系統(tǒng)，可以實(shí)時(shí)更新客流數(shù)據(jù)，使得動(dòng)態(tài)管控系統(tǒng)作出相應(yīng)的判斷，根據(jù)客流的大小對(duì)客流進(jìn)行等級(jí)判定，分別根據(jù)相關(guān)條例作出相應(yīng)的響應(yīng)決策。通過(guò)判定站內(nèi)客流聚集及擁堵等級(jí)，自動(dòng)觸發(fā)大客流模式下的預(yù)警功能，當(dāng)車(chē)站客流到達(dá)閾值，即啟動(dòng)大客流模式。大客流模式下可以實(shí)時(shí)顯示車(chē)站內(nèi)各區(qū)域的客流分布，系統(tǒng)會(huì)根據(jù)客流等級(jí)調(diào)用大客流應(yīng)預(yù)案庫(kù)，工作人員可以根據(jù)系統(tǒng)中的提示信息，關(guān)閉相應(yīng)的出口，使得客流往一個(gè)流向流動(dòng)，加快客流疏散，起到一個(gè)動(dòng)態(tài)管控客流的作用，保障運(yùn)營(yíng)安全。客流動(dòng)態(tài)管控系統(tǒng)的界面圖如圖6 所示。

圖5 設(shè)備安裝示意圖Fig.5 Equipment installation diagram

圖6 客流動(dòng)態(tài)管控系統(tǒng)的界面Fig.6 Dynamic management and control system for passenger flow

3 結(jié)束語(yǔ)

本文提出的客流識(shí)別方案集成了硬件設(shè)備平臺(tái)和算法設(shè)計(jì)，適用于擁擠地區(qū)的客流監(jiān)測(cè)。該系統(tǒng)能夠及時(shí)識(shí)別客流狀態(tài)，并根據(jù)識(shí)別結(jié)果實(shí)現(xiàn)智能指引。運(yùn)營(yíng)企業(yè)可以提前采取應(yīng)急措施，對(duì)軌道交通企業(yè)的經(jīng)營(yíng)和生產(chǎn)安全具有良好的現(xiàn)實(shí)指導(dǎo)意義。