智能服務(wù)機(jī)器人在鐵路客運(yùn)站應(yīng)用場景的設(shè)計(jì)與實(shí)現(xiàn)

景 輝，王心雨，閻志遠(yuǎn)，戴琳琳

(中國鐵道科學(xué)研究院集團(tuán)有限公司 電子計(jì)算技術(shù)研究所，北京 100081)

0 引言

隨著人工智能技術(shù)在圖像識(shí)別、語音識(shí)別、自然語言處理等領(lǐng)域的飛速發(fā)展，智能機(jī)器人可以在某些業(yè)務(wù)中提供擬人化的服務(wù)。基于不同的應(yīng)用場景，智能機(jī)器人衍生出形態(tài)不一的服務(wù)機(jī)器人，如餐廳送餐機(jī)器人、商場導(dǎo)購機(jī)器人、銀行柜臺(tái)機(jī)器人等，極大地提升了服務(wù)效率，節(jié)省企業(yè)成本。

隨著電子客票的實(shí)施推廣，鐵路旅客的出行信息更多以電子化的形式呈現(xiàn)，在客流高峰期、列車晚點(diǎn)、檢票口變更等情況下，車站12306 問詢臺(tái)咨詢量大，旅客往往需要排隊(duì)較長時(shí)間才能得到答復(fù)。目前，在上海虹橋站、杭州東站、廣州南站等鐵路客運(yùn)站內(nèi)，已經(jīng)將服務(wù)機(jī)器人投入使用，但大多僅支持旅客進(jìn)行公共信息查詢[1]，無法實(shí)現(xiàn)客運(yùn)業(yè)務(wù)咨詢。如果機(jī)器人能較好地融合現(xiàn)有客運(yùn)業(yè)務(wù)，具備12306 問詢臺(tái)的部分功能，將給旅客帶來極大便利?；诖颂岢鲆环N支持鐵路客運(yùn)相關(guān)業(yè)務(wù)問詢功能的智能服務(wù)機(jī)器人技術(shù)方案，致力于幫助旅客解決出行途中可能遇到的問題，從而提升鐵路客運(yùn)站服務(wù)水平，為鐵路客運(yùn)服務(wù)朝著數(shù)字化、智能化的方向發(fā)展打下堅(jiān)實(shí)基礎(chǔ)。

1 鐵路客運(yùn)站智能服務(wù)機(jī)器人系統(tǒng)架構(gòu)設(shè)計(jì)

為滿足鐵路客運(yùn)站的應(yīng)用需求，智能服務(wù)機(jī)器人在硬件設(shè)計(jì)上配置2 個(gè)顯示屏。機(jī)器人頭部配置小屏，用于用戶交互界面的顯示；機(jī)身配置大屏，用于檢票口、檢票時(shí)間等客運(yùn)信息的展示。機(jī)器人頭部還配置攝像頭、麥克風(fēng)陣列等傳感器，用于人臉、語音等信息的收集。鐵路客運(yùn)站智能服務(wù)機(jī)器人示意圖如圖1所示。

圖1 鐵路客運(yùn)站智能服務(wù)機(jī)器人示意圖Fig.1 Schematic diagram of intelligent service robots in railway passenger stations

鐵路客運(yùn)站智能服務(wù)機(jī)器人整體架構(gòu)如圖2 所示，主要由站車交互接入?yún)^(qū)、客票網(wǎng)應(yīng)用接入層、語音交互服務(wù)、業(yè)務(wù)服務(wù)等部分組成。在網(wǎng)絡(luò)安全層面，智能服務(wù)機(jī)器人采用站車網(wǎng)的接入方式，作為一個(gè)等保三級(jí)的信息系統(tǒng)，具備足夠的安全性。站車交互接入?yún)^(qū)提供注冊認(rèn)證、移動(dòng)設(shè)備管理、安全審計(jì)、站車交互接入服務(wù)等功能，機(jī)器人首次部署需在站車交互接入?yún)^(qū)進(jìn)行注冊，而后才可以進(jìn)行正常訪問后臺(tái)的業(yè)務(wù)服務(wù)?？推本W(wǎng)應(yīng)用接入層主要包含語音交互接入服務(wù)、人臉識(shí)別接入服務(wù)，以及其他應(yīng)用接入服務(wù)。語音交互服務(wù)提供語音識(shí)別、語音合成、語義解析等功能，支撐旅客與機(jī)器人進(jìn)行語音交互。業(yè)務(wù)服務(wù)包括車站大屏、車次信息、檢票信息等服務(wù)，用于業(yè)務(wù)查詢，輔助語音交互順利實(shí)現(xiàn)。

圖2 鐵路客運(yùn)站智能服務(wù)機(jī)器人整體架構(gòu)Fig.2 Overall structure of intelligent service robots in railway passenger stations

2 鐵路客運(yùn)站智能服務(wù)機(jī)器人功能設(shè)計(jì)

鐵路客運(yùn)站智能服務(wù)機(jī)器人提供信息查詢、站內(nèi)導(dǎo)航、常見問題解答、車站大屏顯示、車站通知播報(bào)等服務(wù)。鐵路客運(yùn)站智能服務(wù)機(jī)器人功能結(jié)構(gòu)如圖3所示。

2.1 信息查詢服務(wù)

旅客在出行前需要獲取發(fā)車及到達(dá)時(shí)間、候車室位置、檢票地點(diǎn)等信息。隨著電子客票的推廣及普及，旅客依賴智能設(shè)備獲取乘車信息。然而因候車室變更、列車晚點(diǎn)等情況下無法實(shí)現(xiàn)信息查詢的旅客，需要咨詢12306 問詢臺(tái)，可能會(huì)面臨排隊(duì)等候時(shí)間長的問題。因此，智能服務(wù)機(jī)器人支持信息查詢服務(wù)，主要包括車票、車次、候車室、檢票口、天氣等方面的查詢，以提高用戶操作的便捷性，并為使用傳統(tǒng)人機(jī)交互手段有困難的旅客提供額外的選擇。

車票查詢即本人車票查詢，智能服務(wù)機(jī)器人捕捉到旅客的人臉信息后，通過人臉識(shí)別技術(shù)進(jìn)行乘車人比對，提供旅客本人的乘車信息，包括始發(fā)終到站、發(fā)車及到達(dá)時(shí)間、車次、席位、候車室、檢票口等。車次查詢即查詢?nèi)我卉嚧蔚陌l(fā)車時(shí)間和始發(fā)終到站信息，旅客不需要進(jìn)行人臉比對即可進(jìn)行操作。天氣查詢即查詢出發(fā)或到達(dá)城市未來7 d 的天氣情況，以便旅客合理安排出行方式。

2.2 站內(nèi)導(dǎo)航服務(wù)

針對不熟悉車站內(nèi)部布局的旅客，提供站內(nèi)導(dǎo)航服務(wù)。智能服務(wù)機(jī)器人集成第三方站內(nèi)地圖，為旅客在樞紐內(nèi)的活動(dòng)提供精準(zhǔn)、便利的導(dǎo)航服務(wù)。旅客可通過語音設(shè)置導(dǎo)航位置獲取導(dǎo)航路線，智能服務(wù)機(jī)器人得到指令后生成路線并引導(dǎo)旅客前往既定位置。同時(shí)預(yù)先配置智能服務(wù)機(jī)器人的引導(dǎo)服務(wù)，增設(shè)“小心臺(tái)階”“電梯到了”“請這邊走”等引導(dǎo)型話語，增強(qiáng)智能服務(wù)機(jī)器人室內(nèi)導(dǎo)航服務(wù)的互動(dòng)性。

2.3 常見問題解答服務(wù)

常見問題主要為購票、改簽、退票、特殊旅客服務(wù)等方面的問題，智能服務(wù)機(jī)器人通過語音交互的方式直接給旅客返回答案，實(shí)現(xiàn)常見問題解答服務(wù)。常見問題解答服務(wù)以標(biāo)準(zhǔn)問題為橋梁，將旅客與答案相連，使其能夠直接獲取自己需要的信息，減少旅客在信息檢索活動(dòng)中的時(shí)間消耗。

2.4 車站大屏服務(wù)

鐵路客運(yùn)站的車站大屏?xí)?shí)時(shí)顯示列車狀態(tài)、檢票口、正晚點(diǎn)等信息，旅客進(jìn)站乘車多會(huì)關(guān)注。但車站大屏的位置大多固定在進(jìn)站口，位處候車室的旅客不便查看。因此，在智能服務(wù)機(jī)器人上增設(shè)車站大屏服務(wù)，默認(rèn)按發(fā)車時(shí)間正序顯示車次檢票信息，每間隔1 min 自動(dòng)刷新。該服務(wù)使得智能服務(wù)機(jī)器人成為流動(dòng)的車站大屏，方便旅客實(shí)時(shí)查看相關(guān)信息。

2.5 車站通知播報(bào)服務(wù)

智能服務(wù)機(jī)器人可以獲取當(dāng)前站內(nèi)所有車次信息，包括檢票口、正晚點(diǎn)、開停檢等信息。當(dāng)某一車次開始檢票后，智能服務(wù)機(jī)器人會(huì)自動(dòng)到達(dá)檢票口附近，并循環(huán)播報(bào)檢票信息，以提醒旅客及時(shí)檢票乘車。此外，可以通過推送服務(wù)，將車站通知信息投放到智能服務(wù)機(jī)器人的屏幕上，同時(shí)開啟語音進(jìn)行播報(bào)，方便旅客了解站內(nèi)通知。

鐵路客運(yùn)站智能服務(wù)機(jī)器人界面展示如圖4所示。

圖4 鐵路客運(yùn)站智能服務(wù)機(jī)器人界面展示Fig.4 Interface display of intelligent service robots in railway passenger stations

3 鐵路客運(yùn)站智能服務(wù)機(jī)器人關(guān)鍵技術(shù)設(shè)計(jì)

智能服務(wù)機(jī)器人的關(guān)鍵技術(shù)分為2 部分：一是數(shù)據(jù)半自動(dòng)化標(biāo)注系統(tǒng)，作為底層支撐，用于獲取大量模型訓(xùn)練需要運(yùn)用的數(shù)據(jù)；二是機(jī)器人智能交互關(guān)鍵技術(shù)，作為技術(shù)中臺(tái)，用于支撐旅客與智能服務(wù)機(jī)器人的交互順利進(jìn)行。

3.1 數(shù)據(jù)半自動(dòng)化標(biāo)注系統(tǒng)

數(shù)據(jù)半自動(dòng)化標(biāo)注系統(tǒng)分為數(shù)據(jù)收集、自動(dòng)化處理、數(shù)據(jù)保存3 個(gè)模塊。數(shù)據(jù)半自動(dòng)化標(biāo)注系統(tǒng)如圖5所示。

圖5 數(shù)據(jù)半自動(dòng)化標(biāo)注系統(tǒng)Fig.5 Semi-automatic data labeling system

（1）數(shù)據(jù)收集模塊。該模塊收集公開的音視頻數(shù)據(jù)，進(jìn)行人工初步篩選，簡單標(biāo)注文字識(shí)別(Optical Character Recognition，OCR)的參數(shù)文件。

（2）自動(dòng)化處理模塊。該模塊利用OCR 識(shí)別視頻文件，并通過語音模型校驗(yàn)識(shí)別結(jié)果，完成語音數(shù)據(jù)集的自動(dòng)化對齊和標(biāo)注。

（3）數(shù)據(jù)保存模塊。該模塊將識(shí)別結(jié)果格式化存儲(chǔ)為語音/文本數(shù)據(jù)對。

依托該數(shù)據(jù)處理系統(tǒng)，收集約17 000 h 語音數(shù)據(jù)。

3.2 機(jī)器人智能交互關(guān)鍵技術(shù)

智能語音交互是使用語音、面部特征的方式與機(jī)器進(jìn)行交互，達(dá)成自己的目的的過程，主要基于語音識(shí)別、人臉識(shí)別、語音合成、多輪對話、端點(diǎn)檢測、語音降噪等技術(shù)，在多種實(shí)際應(yīng)用場景下，賦予智能產(chǎn)品靈活生動(dòng)的智能人機(jī)交互功能。智能服務(wù)機(jī)器人交互流程如圖6所示。

圖6 智能服務(wù)機(jī)器人交互流程Fig.6 Interaction process of intelligent service robots

3.2.1 基于深度殘差網(wǎng)絡(luò)的人臉識(shí)別模型

人臉識(shí)別模型基于深度殘差網(wǎng)絡(luò)[2](Deep Residual Network，ResNet)實(shí)現(xiàn)，該網(wǎng)絡(luò)的核心思想是恒等映射捷徑連接，可以跳過一層或多層會(huì)使得堆積層在輸入特征基礎(chǔ)上學(xué)習(xí)到新的特征，解決算法層數(shù)過多導(dǎo)致的梯度消失與梯度爆炸等問題，從而擁有更好的性能。

考慮到鐵路客運(yùn)站場景復(fù)雜，旅客數(shù)量多，現(xiàn)場采集人像存在逆光、模糊、大角度傾斜、遮擋等問題，因而人臉識(shí)別模型集成人臉識(shí)別、人臉檢測、人臉遮擋識(shí)別和人臉質(zhì)量分析等功能。該模型可進(jìn)行遮擋檢測、模糊檢測、人臉姿態(tài)估計(jì)，通過設(shè)計(jì)多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)，將多個(gè)人臉質(zhì)量屬性融合到一個(gè)神經(jīng)網(wǎng)絡(luò)模型中，大大減少計(jì)算量，縮短計(jì)算時(shí)間，有效提高人臉識(shí)別模型的識(shí)別速度和準(zhǔn)確率。

3.2.2 基于神經(jīng)網(wǎng)絡(luò)的語音

預(yù)處理模型

為滿足實(shí)時(shí)對話和車站嘈雜環(huán)境低誤觸的要求，在識(shí)別前先對語音進(jìn)行預(yù)處理，主要為語音降噪和端點(diǎn)檢測2部分。

語音降噪模型利用生成對抗網(wǎng)絡(luò)[3](GAN)實(shí)現(xiàn)，語音降噪模型結(jié)構(gòu)如圖7所示。該網(wǎng)絡(luò)由一個(gè)生成網(wǎng)絡(luò)和一個(gè)判別網(wǎng)絡(luò)組成，該網(wǎng)絡(luò)把有噪聲的語音數(shù)據(jù)抽象為清晰語音部分和噪聲部分，生成網(wǎng)絡(luò)產(chǎn)生與清晰語音部分很接近的假數(shù)據(jù)，優(yōu)化方向是讓判別網(wǎng)絡(luò)無法正確區(qū)分清晰語音與生成的語音；判別網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行真?zhèn)舞b別，優(yōu)化的方向?yàn)檎_分辨該數(shù)據(jù)由生成網(wǎng)絡(luò)生成還是真實(shí)的無噪聲數(shù)據(jù)。在訓(xùn)練迭代的過程中，2 個(gè)網(wǎng)絡(luò)持續(xù)地進(jìn)化和對抗，直到達(dá)到平衡狀態(tài)，進(jìn)而區(qū)分有效語音與噪聲。

圖7 語音降噪模型結(jié)構(gòu)Fig.7 Structure of speech noise reduction model

端點(diǎn)檢測[4]的功能在于把有語音幀的語音部分提取出來，模型采用逐幀判斷的方式，通過深度神經(jīng)網(wǎng)絡(luò)[5](Deep Neural Networks，DNN)提取更深層的聲學(xué)特征，再利用長短時(shí)記憶網(wǎng)絡(luò)[6](Long Short Term Memory，LSTM)對DNN 提取的聲學(xué)特征進(jìn)行時(shí)間序列維度的特征表達(dá)，最后利用歸一化函數(shù)(SOFTMAX)計(jì)算當(dāng)前幀為語音幀或非語音幀的分?jǐn)?shù)。端點(diǎn)檢測模型結(jié)構(gòu)如圖8 所示，其中，x表示語音特征向量，y表示當(dāng)前幀為語音幀或非語音幀的分類結(jié)果。

圖8 端點(diǎn)檢測模型結(jié)構(gòu)Fig.8 Structure of endpoint detection model

3.2.3 融合流式與非流式的語音識(shí)別模型

由于智能服務(wù)機(jī)器人需要與旅客進(jìn)行實(shí)時(shí)交互，既要達(dá)到一定準(zhǔn)確率，還要滿足實(shí)時(shí)交互的要求。因此，設(shè)計(jì)在同一個(gè)語音識(shí)別模型中實(shí)施2 次解碼，用一個(gè)統(tǒng)一的模型結(jié)構(gòu)同時(shí)支持流式和非流式識(shí)別。語音識(shí)別模型結(jié)構(gòu)如圖9所示。

圖9 語音識(shí)別模型結(jié)構(gòu)Fig.9 Structure of automatic speech recognition model

基于連接時(shí)序分類[7]解碼方法利用前綴束搜索，在搜索過程中合并有相同前綴的中間結(jié)果，將這些結(jié)果的概率相加求和，降低相同前綴的結(jié)果各自占部分概率值對模型識(shí)別準(zhǔn)確率的影響，利用其進(jìn)行第一次流式解碼，該結(jié)果可作為流式結(jié)果實(shí)時(shí)返回。

多個(gè)候選結(jié)果再通過基于注意力機(jī)制[8]的解碼模型、多重語言模型及熱詞賦權(quán)模塊[9]進(jìn)行第二次非流式解碼，對流式識(shí)別的解碼結(jié)果進(jìn)行重新評分。其中，基于注意力機(jī)制的解碼模型接收編碼器傳遞過來的高層隱藏特征，學(xué)習(xí)輸入特征和輸出序列的對齊信息；多重語言模型及熱詞賦權(quán)模塊用于提高鐵路專有名詞的識(shí)別率。最終根據(jù)得分的結(jié)果重新排序，獲取更好的識(shí)別結(jié)果。

3.2.4 引導(dǎo)式多輪對話技術(shù)

在旅客與智能服務(wù)機(jī)器人的交互過程中，多輪對話技術(shù)的作用是初步明確旅客意圖之后，自動(dòng)設(shè)計(jì)對話流程，逐步引導(dǎo)旅客提供必要信息，最終完成旅客需求。引導(dǎo)式多輪對話技術(shù)主要由意圖識(shí)別、實(shí)體識(shí)別、對話管理3部分組成。

意圖識(shí)別[10]用于把用戶的話語對應(yīng)到不同的業(yè)務(wù)場景。該模型基于特征值分類對用戶的意圖進(jìn)行判別，同時(shí)基于規(guī)則方法根據(jù)意圖和詞典的匹配程度或者重合程度來進(jìn)行判斷。

實(shí)體識(shí)別[11]用于識(shí)別不同業(yè)務(wù)中需要填充的槽位信息。為更準(zhǔn)確地識(shí)別到槽位的信息，一方面通過實(shí)體識(shí)別模型對槽位信息抽取，另一方面基于預(yù)設(shè)規(guī)則的匹配來進(jìn)行槽位信息的識(shí)別。實(shí)體識(shí)別模型基于循環(huán)神經(jīng)網(wǎng)絡(luò)[12](Recurrent Neural Network，RNN)實(shí)現(xiàn)，實(shí)體識(shí)別模型結(jié)構(gòu)如圖10 所示。映射層(Embedding Layer)包含詞向量、字符向量以及一些額外特征，BiRNN 通過前向/后向傳遞的方式學(xué)習(xí)序列中某字符依賴的過去和將來的信息，條件隨機(jī)場[13](Conditional Random Field，CRF)考慮了標(biāo)注序列的合理性。預(yù)設(shè)規(guī)則匹配是基于規(guī)則的方法手工構(gòu)造規(guī)則匹配模板，在構(gòu)造模板過程中多輪對話服務(wù)選用特征包括統(tǒng)計(jì)信息、標(biāo)點(diǎn)符號(hào)、關(guān)鍵字、指示詞和方向詞、位置詞(如尾字)、中心詞等方法，以模式和字符串相匹配為主要手段，并建立相應(yīng)的字典。

圖10 實(shí)體識(shí)別模型結(jié)構(gòu)Fig.10 Structure of named entity recognition model

對話管理[14]控制著旅客和智能服務(wù)機(jī)器人對話的過程，對話管理根據(jù)對話歷史信息，決定此刻對用戶的反應(yīng)。以最短對話輪次實(shí)現(xiàn)旅客需求、最精準(zhǔn)回答旅客問題為原則，以建立有溫度的對話交流為設(shè)計(jì)初衷，更靈活、方便、快捷地為旅客解決問題。

3.2.5 基于FastSpeech2的語音合成模型

語音合成是將計(jì)算機(jī)自己產(chǎn)生的，或外部輸入的文字信息轉(zhuǎn)變?yōu)榭梢月牭枚?、流利的口語輸出的技術(shù)。FastSpeech2[15]是一個(gè)非自回歸的語音合成模型，利用方差適配器引入更多的輸入來控制合成出的語音，得到高質(zhì)量的生成語音。該模型從文本直接生成語音，而不是生成梅爾頻譜圖，擁有更快的訓(xùn)練速度與合成速度。同時(shí)，該模型還支持多音色訓(xùn)練與切換，可以滿足鐵路客運(yùn)站的定制化需求。

4 鐵路客運(yùn)站智能服務(wù)機(jī)器人應(yīng)用分析

從智能服務(wù)機(jī)器人在長沙南站、廣州南站的試點(diǎn)應(yīng)用中發(fā)現(xiàn)，其部分功能受到車站與旅客的認(rèn)可，包含基于人臉識(shí)別技術(shù)的車票、檢票口查詢等功能，表明其具備推廣價(jià)值和潛力。但是在部分應(yīng)用如站內(nèi)導(dǎo)航等功能上，暴露出其在某些場景具有一定的局限性。

（1）技術(shù)局限性。在語音識(shí)別技術(shù)的發(fā)展中，方言識(shí)別準(zhǔn)確率與普通話相比較低，且對于一些小規(guī)模使用的方言，至今沒有好的解決方案。對于此項(xiàng)技術(shù)局限性，智能服務(wù)機(jī)器人在一些普通話普及程度較低地區(qū)的車站使用時(shí)，其語音相關(guān)功能將會(huì)受到巨大影響。在這些地區(qū)，智能服務(wù)機(jī)器人僅支持使用基于人臉技術(shù)的方式進(jìn)行車票信息查詢。

（2）應(yīng)用局限性。對于智能服務(wù)機(jī)器人的站內(nèi)導(dǎo)航功能，僅適用于一些小型車站，站內(nèi)擁擠程度低，車站工作人員有限，導(dǎo)航路徑短，本功能可以發(fā)揮一定的作用。但是對于一些大型車站，由于車站旅客多，導(dǎo)航跨度大，站內(nèi)擁擠程度高，從場景適用性和安全性的角度考慮，智能服務(wù)機(jī)器人不適用于此場景。因此，機(jī)器人具有2 款不同的設(shè)計(jì)，一款底部裝有可移動(dòng)輪子，支持站內(nèi)導(dǎo)航功能，另一款底部不配置可移動(dòng)輪子，不支持站內(nèi)導(dǎo)航功能。

5 結(jié)束語

智能服務(wù)機(jī)器人擁有豐富的知識(shí)庫，結(jié)合鐵路客運(yùn)業(yè)務(wù)，利用車站現(xiàn)有設(shè)施，通過人臉識(shí)別、語音交互等方式實(shí)現(xiàn)人機(jī)交流，提供信息查詢、站內(nèi)導(dǎo)航、常見問題解答、車站大屏顯示、車站通知播報(bào)等功能。從業(yè)務(wù)角度，智能服務(wù)機(jī)器人需要在功能性和適用性方面進(jìn)行探索，以充分發(fā)揮機(jī)器人的優(yōu)勢，節(jié)省車站的人力成本。從技術(shù)角度，語音識(shí)別的適用范圍和準(zhǔn)確率作為機(jī)器人的關(guān)鍵技術(shù)之一，目前仍存在一定的短板。在未來會(huì)聚焦方言語音識(shí)別技術(shù)的研究，推進(jìn)智能服務(wù)機(jī)器人在更多地區(qū)應(yīng)用，為旅客提供快速便捷的查詢服務(wù)，給旅客帶來智能舒適的出行體驗(yàn)。智能服務(wù)機(jī)器人致力于成為車站服務(wù)小助手，助力車站提升整體服務(wù)水平，使其朝著電子化、智能化方向發(fā)展，進(jìn)而成為實(shí)現(xiàn)鐵路智慧出行的硬件支撐。