自動電扶梯安全監(jiān)測與故障報警研究

摘 ?要：隨著自動電扶梯應(yīng)用越來越廣泛，與之相關(guān)的設(shè)備運行監(jiān)控、乘客行為監(jiān)控及報警應(yīng)該得到重視。文章以我國自動電扶梯運維現(xiàn)狀及與之相關(guān)的乘客行為為研究對象，將不斷更新的人工智能、機器視覺等新技術(shù)作為技術(shù)路線，通過新技術(shù)的應(yīng)用研究，嘗試構(gòu)建一種智能化電扶梯安全監(jiān)測與故障報警體系并融合車站調(diào)度指揮系統(tǒng)，該系統(tǒng)通過智能語音識別、扶梯前后監(jiān)測裝置、顯示裝置實現(xiàn)與人和環(huán)境的信息交流。

關(guān)鍵詞：電扶梯安全運行；人工智能；機器視覺；安全監(jiān)測報警；調(diào)度指揮系統(tǒng)

中圖分類號：TP277；TU857 文獻標識碼：A 文章編號：2096-4706（2023）16-0015-05

Research on Safety Monitoring and Fault Alarm of Escalator

CHEN Hui

（Station House Construction Headquarters of China Railway Guangzhou Group Co.， Ltd.， Guangzhou ?510610， China）

Abstract： With the increasingly widespread application of escalators， the related equipment operation monitoring， passenger behavior monitoring， and alarm should be given attention. Taking the current situation of escalator operation and maintenance in China and the related passenger behavior as the research object， this paper takes the new technologies such as Artificial Intelligence and machine vision as the technology roadmap. Through the application research of new technologies， an intelligent escalator safety monitoring and fault alarm system is attempted to be constructed and integrated with the station dispatch and command system. The system achieves information exchange with people and the environment through intelligent voice recognition， escalator front and rear monitoring devices， and display devices.

Keywords： safe operation of escalator; Artificial Intelligence; machine vision; safety monitoring and alarm; dispatch and command system

0 ?引 ?言

近些年來，時常出現(xiàn)自動扶梯人員摔倒、卷入雜物及突然停梯等事故消息。早在2010年12月的某一天，深圳地鐵就出現(xiàn)了手扶電梯逆行現(xiàn)象，導(dǎo)致24人不同程度受傷。諸如此類的事故表明自動扶梯存在安全隱患，必須加以高度重視。要為保障自動扶梯的安全運行研發(fā)相應(yīng)的監(jiān)測報警系統(tǒng)，并采取相應(yīng)的預(yù)防措施來確保自動扶梯的安全運行。物聯(lián)網(wǎng)、人工智能、機器視覺等新技術(shù)的出現(xiàn)為自動電扶梯安全監(jiān)測與故障報警提供了重要的技術(shù)選擇。

1 ?自動扶梯事故

自動扶梯事故屢見不鮮，危害程度極高，我們必須從事故中探析問題的根源所在，積極穩(wěn)妥地找好應(yīng)對措施，并做到盡早落地實施。

1.1 ?事故類型

我們將自動扶梯事故以及引發(fā)自動扶梯事故的典型事件進行了歸納總結(jié)，得出因乘客行為不當而導(dǎo)致的扶梯故障主要有以下幾種情形：

1）乘客攜帶大件行李造成電梯負載過重影響設(shè)備安全運行。

2）乘客攜帶嬰兒車乘梯致使扶梯運行過程中出現(xiàn)機械故障。

3）乘客在梯級中跌倒。

4）乘客忽視指示標識逆向進入電梯造成乘客相繼跌倒。

5）因管理不善而引發(fā)其他事故。

1.2 ?事故分析

經(jīng)過統(tǒng)計分析得出，自動扶梯運行過程中出現(xiàn)的危險場景主要包括行人摔倒、乘客逆行、乘客攜帶大件行李乘梯、乘客推嬰兒車搭乘扶梯等。為了實現(xiàn)對這些危險場景的識別，我們開展了相應(yīng)的算法研究。其中，摔倒識別算法主要用于商場扶手電梯、樓梯等場所。在該算法的應(yīng)用中可以通過動態(tài)視頻實時監(jiān)控乘客的動作行為，一旦發(fā)現(xiàn)扶梯上有乘客摔倒即刻報警，報警信號同步推送給相應(yīng)的管理人員。該算法大大提升了自動扶梯的安全管控效率。大件行李識別算法主要用于商場扶手電梯、樓梯等場所。在該算法的應(yīng)用中可以通過動態(tài)視頻實時監(jiān)控乘客的動作行為，一旦發(fā)現(xiàn)扶梯上有人攜帶大件行李即刻報警，報警信號同步推送給相應(yīng)的管理人員。嬰兒車識別算法主要用于商場扶手電梯、樓梯等場所。在該算法的應(yīng)用中可以通過動態(tài)視頻實時監(jiān)控乘客的動作行為，一旦發(fā)現(xiàn)有乘客乘扶梯時手推嬰兒車即刻報警，報警信號同步推送給相應(yīng)的管理人員。

2 ?自動扶梯危險行為識別技術(shù)

人工智能自1956年正式確立以來，一直是在曲折中向前發(fā)展的，從起初產(chǎn)生到成為研究熱點一直飽受質(zhì)疑，期間經(jīng)歷兩次發(fā)展低谷；而學(xué)科自身所迸發(fā)出的生命力不斷推動其走出低谷，成為引領(lǐng)技術(shù)革命的熱點。

研究采用高清網(wǎng)絡(luò)攝像機來采集自動手扶梯、自動人行步道中乘客行進中的視頻畫面，后臺借助視頻算法服務(wù)器對采集到的視頻流進行智能行為分析識別，實現(xiàn)對危險行為和狀況的實時預(yù)警和報警，并通過后臺機器深度學(xué)習實現(xiàn)對危險行為更加準確快速的識別和預(yù)警。

2.1 ?基于圖像處理的危險行為識別技術(shù)

大件行李，嬰兒車識別算法主要用于扶手電梯、樓梯等場所。算法應(yīng)用中可通過動態(tài)視頻實時監(jiān)控乘客的動作行為進行數(shù)據(jù)采集，一旦發(fā)現(xiàn)有乘客在乘扶梯時手推嬰兒車或是攜帶大件行李即刻報警，報警信號同步推送給相應(yīng)的管理人員。

圖像分析的基本工作流程圖如圖1所示。輸入圖片，首先進行前景檢測，識別缺陷區(qū)域，在此過程中加入陰影抑制、噪點抑制、畫面增強等圖像級優(yōu)化；其次通過圖形分割、SVM分類器、神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等方法對前景進行特征檢測，識別出缺陷目標；再次對目標物進行標記（常用的方法有CMT、Meanshift、TLD、卡爾曼濾波等），在標記的過程中不斷更新背景模型，將目標物與背景分離，提高檢測效果。對于一些諸如缺陷檢測之類的檢測類算法，通過前景檢測技術(shù)進行背景分離后即可進入事件檢測階段，自動檢測圖片中的缺陷信息并完成提醒、統(tǒng)計和標記功能。算法工作流程框架分為前景檢測、目標檢測、目標分割等幾個部分。

2.2 ?行人逆行行為檢測

行人逆行檢測是檢測電扶梯口附近的行人是否有逆行行為，用到的算法有行人多目標跟蹤和行人軌跡逆行判斷。

研究用到的行人多目標跟蹤算法借鑒CenterTrack，中心點檢測是CenterTrack算法的核心之一。具體的算法邏輯如下：基于特征圖進行卷積操作，生成每個位置的預(yù)測結(jié)果，每個位置的預(yù)測結(jié)果由向量C表示，C為目標類別數(shù)。這里的特征圖可以是從卷積層提取的低層特征圖，也可以是通過上采樣從高層特征圖中得到的圖像。對每個位置的預(yù)測結(jié)果進行Softmax操作，得到每個位置屬于不同類別的概率。在這里，我們將所有可能的目標都視為中心點，即將每個位置視為目標的中心點。

通過回歸器來預(yù)測每個目標的位置、大小和方向等信息。回歸器的輸入是每個位置的特征向量，輸出是包含目標位置、大小和方向等信息的向量。這里的回歸器可以是一個基于CNN的全連接網(wǎng)絡(luò)，也可以是其他類型的回歸模型。

對于每個目標，選擇具有最高類別概率的中心點作為其中心點，并將該中心點的位置、大小和方向等信息與目標進行關(guān)聯(lián)。這里采用一種基于二分圖匹配的方法來匹配中心點和目標，從而實現(xiàn)目標的檢測和跟蹤。

具體地，設(shè)輸入特征圖為X ∈ RH×W×C，其中H和W分別表示特征圖的高和寬，C表示特征圖的通道數(shù)（即特征向量的維度），則中心點檢測的算法可以表示為：

Fi， j = W · Xi， j + b

其中，W和b分別表示卷積核和偏置項，Xi， j表示特征圖上（i，j）位置的特征向量，F(xiàn)i， j ∈ RC是預(yù)測結(jié)果的向量表示。對預(yù)測結(jié)果進行Softmax操作，得到每個位置屬于不同類別的概率：

其中， 表示位置（i，j）屬于類別c的概率。

對于每個位置的特征向量，通過一個回歸器來預(yù)測目標的位置、大小和方向等信息：

Oi， j = R（Fi， j）

其中，R表示回歸器，Oi， j ∈ R4包含目標位置（x，y）、大小（w，h）和方向θ的信息，即Oi， j = （x，y，w，h，θ）。

對于每個目標，選擇具有最高類別概率的中心點作為其中心點，并將該中心點的位置、大小和方向等信息與目標關(guān)聯(lián)。這里采用一種基于二分圖匹配的方法來匹配中心點和目標，從而實現(xiàn)目標的檢測和跟蹤。

逆行識別算法主要用于扶手電梯、樓梯等場所。算法應(yīng)用中可通過動態(tài)視頻實時監(jiān)控乘客的動作行為進行數(shù)據(jù)采集，一旦發(fā)現(xiàn)有扶梯乘客逆行即刻報警，報警信號同步推送給相應(yīng)的管理人員。該算法大大提升了安全管控效率。逆行識別畫面如圖2所示。

2.3 ?摔倒檢測算法

扶梯摔倒檢測需要通過視頻檢測是否有行人摔倒，這里我們采用YOLOv4模型進行行人檢測，并使用HigherHRNet模型對檢測出來的行人進行骨骼關(guān)鍵點識別，最后通過關(guān)鍵點角度計算來判斷該行人是否摔倒。

針對扶梯乘客較多的場景，從監(jiān)控的視角容易出現(xiàn)遮擋現(xiàn)象，從而導(dǎo)致漏報。為此提出一種新的摔倒檢測特征以及基于骨架信息的多人摔倒預(yù)判斷方法。針對因場景復(fù)雜而導(dǎo)致實時性降低的問題，多人摔倒預(yù)判斷方法通過對場景中的人群進行預(yù)判斷，把潛在可能發(fā)生摔倒行為的人群保留，剔除其余無關(guān)的干擾信息。降低后續(xù)網(wǎng)絡(luò)負擔，提高網(wǎng)絡(luò)運算效率。針對多人場景特征提取的難點即復(fù)雜場景下人體姿態(tài)特征的提取，提出一種新的摔倒局部特征，3D骨骼圖如圖3所示。

摔倒識別算法主要應(yīng)用于場站扶手電梯、樓梯等場所。算法應(yīng)用中可通過動態(tài)視頻實時監(jiān)控乘客的動作行為進行數(shù)據(jù)采集，一旦發(fā)現(xiàn)有扶梯乘客摔倒即刻報警，報警信號同步推送給相應(yīng)的管理人員。該算法大大提升了安全管控效率。

2.4 ?建立電扶梯智能監(jiān)控體系

扶梯智能監(jiān)控平臺可遠程實時監(jiān)控畫面，接收算法服務(wù)器端發(fā)送來的報警信息，并將報警信息推送給負責人，負責人可進行歷史報警信息查看與數(shù)據(jù)分析統(tǒng)計，實現(xiàn)不間斷安全值守，提高對現(xiàn)場危險行為的管控能力，預(yù)防危險行為的發(fā)生。系統(tǒng)架構(gòu)圖如圖4所示。

3 ?建立智能調(diào)度系統(tǒng)

該智能調(diào)度系統(tǒng)由語音識別子系統(tǒng)、故障監(jiān)測子系統(tǒng)、客流量監(jiān)測子系統(tǒng)、環(huán)境監(jiān)測子系統(tǒng)、消防安全子系統(tǒng)組成，通過智能語音識別、前后監(jiān)測裝置、顯示裝置實現(xiàn)與人和環(huán)境的信息交流。其中自動扶梯扶手帶的一側(cè)安裝有智能語音識別裝置和帶式喇叭，可以沿著扶手帶一側(cè)根據(jù)自動扶梯不同的提升高度設(shè)置相應(yīng)數(shù)量的智能語音識別裝置，實現(xiàn)自動扶梯智能調(diào)度指揮系統(tǒng)的人機互動。語音識別子系統(tǒng)可實現(xiàn)乘客與人的互動，安全語音提示；故障監(jiān)測子系統(tǒng)可實現(xiàn)自動扶梯的故障監(jiān)測，向管理人員提供自動扶梯維修方案；環(huán)境監(jiān)測子系統(tǒng)可識別周圍環(huán)境的變化，提醒乘客注意事項，調(diào)整周圍環(huán)境的濕度、空調(diào)溫度等；客流監(jiān)測子系統(tǒng)可識別站內(nèi)客流量，若處于客流量高峰期，則提高扶梯的速度，提醒并引導(dǎo)乘客前往人流量較少的自動扶梯乘梯，若客流量較少，可以適當減少自動扶梯的工作臺數(shù)，自動判斷開站與關(guān)站，開啟或關(guān)閉自動扶梯；消防安全子系統(tǒng)可在發(fā)生消防安全問題時立即關(guān)閉自動扶梯，并通知車站的指揮中心，配合進行人員疏散。系統(tǒng)界面圖如圖5所示。

所有子系統(tǒng)都與語音識別子系統(tǒng)相連接，語音識別子系統(tǒng)內(nèi)置于扶手帶一側(cè)的智能語音識別裝置，實現(xiàn)乘客與各個子系統(tǒng)的互動。乘客可以從扶梯上方的顯示屏及語音識別裝置得到自動扶梯的相關(guān)信息，子系統(tǒng)通過乘客的語音呼叫以及監(jiān)控系統(tǒng)圖像識別得到乘客反饋的信息，將反饋信息上傳到智能調(diào)度指揮系統(tǒng)并做出相應(yīng)的回應(yīng)。

故障監(jiān)測子系統(tǒng)對自動扶梯進行故障監(jiān)測，實現(xiàn)自動扶梯全壽命周期的健康度顯示。當健康度達到維修預(yù)警值時自動報警并向管理人員提供自動扶梯維修方案。

整個調(diào)度指揮系統(tǒng)的交互裝置由語音識別裝置、帶式喇叭、前置監(jiān)測裝置、后置監(jiān)測裝置及顯示裝置組成。

根據(jù)自動扶梯不同的提升高度設(shè)置相應(yīng)數(shù)量的語音識別裝置，不同位置的語音識別裝置識別相應(yīng)區(qū)域范圍內(nèi)的乘客語音內(nèi)容，最終由帶式喇叭反饋給乘客。

前后監(jiān)測裝置監(jiān)測自動扶梯上乘客的乘梯狀態(tài)，依據(jù)圖像處理和后臺工作人員監(jiān)控，通過帶式喇叭向乘客傳遞安全提示信息。

實施方式如下：

1）通過智能語音識別裝置將乘客傳達的信息上傳至智能調(diào)度指揮系統(tǒng)，并給出相應(yīng)的回應(yīng)。

2）智能調(diào)度指揮系統(tǒng)各子系統(tǒng)通過顯示屏及語音裝置進行信息傳達。

3）智能調(diào)度指揮系統(tǒng)通過智能語音識別、前后監(jiān)測裝置、顯示裝置實現(xiàn)與人和環(huán)境的信息交流，其中自動扶梯扶手帶的一側(cè)安裝有智能語音識別裝置和帶式喇叭，可以沿著扶手帶一側(cè)，根據(jù)自動扶梯的不同提升高度設(shè)置相應(yīng)數(shù)量的智能語音識別裝置，實現(xiàn)自動扶梯智能調(diào)度指揮系統(tǒng)的人機互動。

4）當客流量監(jiān)控子系統(tǒng)監(jiān)控到站內(nèi)客流信息時會把信息上傳到智能調(diào)度指揮系統(tǒng)，依據(jù)信息判斷做出自動開啟或關(guān)閉扶梯的指令。

5）智能調(diào)度指揮系統(tǒng)的各個子系統(tǒng)之間可以相互調(diào)用，可通過語音識別子系統(tǒng)與其他子系統(tǒng)進行人機互動，實現(xiàn)各自的功能。

6）消防安全子系統(tǒng)識別到消防安全風險時會立即采取相應(yīng)的預(yù)防措施，并上傳信息給智能調(diào)度指揮系統(tǒng)，配合站內(nèi)總指揮系統(tǒng)執(zhí)行客流疏散等任務(wù)。

與現(xiàn)有自動扶梯調(diào)度指揮系統(tǒng)技術(shù)相比，本文提出一種自動扶梯智能調(diào)度指揮系統(tǒng)。該系統(tǒng)融合了語音識別、故障監(jiān)測、客流監(jiān)測、環(huán)境監(jiān)測、消防安全五個子系統(tǒng)，通過在自動扶梯一側(cè)安裝智能語音識別裝置、帶式喇叭，以及在自動扶梯上方安裝顯示裝置實現(xiàn)乘客與各個子系統(tǒng)的互動。乘客可以從扶梯上方的顯示裝置及語音識別裝置獲得自動扶梯的相關(guān)信息，子系統(tǒng)通過乘客的語音呼叫及監(jiān)控系統(tǒng)圖像識別得到乘客反饋的信息，將反饋信息上傳至智能調(diào)度指揮系統(tǒng)并做出相應(yīng)的回應(yīng)，從而保證乘客安全、便捷、智能乘梯。

4 ?結(jié) ?論

自動扶梯一旦出現(xiàn)事故不但會損害人身安全，還會帶來經(jīng)濟損失。因此必須要全面分析事故根源，采取相應(yīng)的防范措施來改進扶梯的安全性，對乘客行為的識別監(jiān)控形成預(yù)警、報警及應(yīng)急處理等防范措施，通過智能調(diào)度指揮系統(tǒng)實現(xiàn)扶梯的安全智能運行。

參考文獻：

[1] 閆雨寒，陳天，劉忠育，等.基于雙重注意力和3DResNet-BiLSTM行為識別方法 [J].計算機應(yīng)用與軟件，2023，40（2）：192-196+205.

[2] 金博，王景林，劉泓鑠，等.基于雙注意力時間卷積網(wǎng)絡(luò)的人體行為識別 [J].計算機工程與設(shè)計，2023，44（1）：284-291.

[3] 傅晨韜，胡極洋，陳俊孝.一種基于物聯(lián)網(wǎng)的自動扶梯監(jiān)控系統(tǒng) [J].物聯(lián)網(wǎng)技術(shù)，2020，10（10）：15-17.

[4] 何成，徐放，牟振英.智能自動扶梯在城市軌道交通運維管理中的研究與實踐 [J].隧道與軌道交通，2019，126（S2）：239-243.

[5] 莊燕雄.自動扶梯設(shè)備故障原因及維護策略研究 [J].裝備維修技術(shù)，2019，171（3）：106.

[6] 談林濤，李軍良，任昺.基于RB-XGBoost算法的智能電網(wǎng)調(diào)度控制系統(tǒng)健康度評價模型 [J].電力自動化設(shè)備，2020，40（2）：189-198.

[7] 許暖，沈波，王歡.基于熵權(quán)法的信息安全健康度評價模型 [J].安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報，2014，13（3）：32-36.

作者簡介：陳輝（1973—），男，漢族，福建莆田人，工程師，本科，研究方向：車站機械設(shè)備。