智能監(jiān)控系統(tǒng)在城市軌道交通的應用探究

吳 卓

（中鐵建電氣化局集團第四工程有限公司，長沙 410116）

采用機器視覺技術賦能城市軌道交通運營業(yè)務系統(tǒng)，實現(xiàn)地鐵車站的全場景監(jiān)控，利用視頻增強技術，結合超高清全景拼接攝像機，實現(xiàn)地鐵車站大場景實時圖上監(jiān)控和管理。聚焦車站機房設備的運維管理業(yè)務需求，全節(jié)點、全場景實現(xiàn)數(shù)字化和物聯(lián)化，通過智能巡檢、智能異常告警等技術手段提升地鐵機房運維管理效率，降低人工成本[1]。同時，深化運維業(yè)務場景的應用，將視頻質量診斷、物聯(lián)網設備、服務器和網絡設備診斷等應用導入運維系統(tǒng)，實現(xiàn)智能一體化。

1 客流概述

1.1 客流統(tǒng)計

在我國城市軌道交通運輸中，客流統(tǒng)計通常使用重力感應、紅外線感應客流統(tǒng)計等方式，對不同乘客進出站、站廳站臺等重點車站關注地點進行空間和時間上的規(guī)律計算，來實時或延時的反應出具體的客流信息。軌道交通運營根據(jù)以往的統(tǒng)計數(shù)據(jù)，可以精準的獲取歷年的年、季、月、周度甚至小到每個固定節(jié)日的日度客流真實走向統(tǒng)計，通過對比分析，能夠在短時間內對客流變化作出相應的方案調整，使得客流高峰期內，乘客能夠得到更優(yōu)質的服務。

1.2 客流預警

在城市軌道交通中，大客流現(xiàn)象已經成為常態(tài)，一些固定時間、固定車站出現(xiàn)大客流擁堵，如何進行有效監(jiān)控及疏導成為需要重點分析的問題。通過在扶梯口、安檢口、售票排隊區(qū)域對排隊客流進行客流密度和流速的綜合檢測，實現(xiàn)當前場景內客流狀況的判斷。可在換乘通道部署檢測設備實現(xiàn)換乘客流數(shù)量的精準統(tǒng)計和分析，為換乘車輛調度提供精準的決策依據(jù)，制定不同的列車運行圖。

1.3 客流數(shù)據(jù)統(tǒng)計

城市軌道交通運營客流數(shù)據(jù)統(tǒng)計可以大致分為：出站量、進站量、換乘量、OD 路徑量、滿載率等多個重點統(tǒng)計指標[2]。根據(jù)客流指標數(shù)據(jù)，可以對整個線路運營情況進行精準分析，通過滿載率指標，能清楚的反應出線路當前時段運營的客流狀況，使運營人員能夠作出精準判斷，把握每條線路的運營情況并作出有效的運輸計劃方案，從而對整個線路整體運營情況有精準、全面的了解和分析。

2 智能運維要求

城市軌道交通運維服務系統(tǒng)提供內、外場設施的運維管理，面向各類設備設施實現(xiàn)建設過程、運行維護、拆除報廢的全生命周期的實時動態(tài)監(jiān)管，通過中心運維管理和外場移動運維管理相結合，實現(xiàn)系統(tǒng)運維的事前預警、事中監(jiān)測、事后分析的閉環(huán)式監(jiān)管。同時整個系統(tǒng)維護管理面向地鐵站點級、線路級、線網級的設施設備。

3 智能監(jiān)控視覺技術的應用探究

3.1 智能視頻分析

智能視頻分析基于深度學習目標檢測、利用卷積神經網絡學習視頻數(shù)據(jù)的本質特征，通過對這些特征進行分類，識別出視頻中的人體特征，同時檢測和跟蹤個體和群體目標進行行為及狀態(tài)分析，判斷目標的行為類型。通過對周界防范檢測（區(qū)域入侵檢測、物品遺留檢測等）、扶梯事件檢測（扶梯摔倒、扶梯逆行、大件行李等）、行為檢測、態(tài)勢檢測（區(qū)域人數(shù)統(tǒng)計、客流統(tǒng)計、人員排隊檢測、密度估計、人員逆行等）、人員滯留等動態(tài)分析，并基于智能視頻行為分析服務器提供的事件檢測，實現(xiàn)可疑事件的報警聯(lián)動，做到突發(fā)事件的提前預警和應急處置。目標檢測的目的，是在圖像獲取的基礎上，識別圖片或視頻幀中是什么物體以及該物體用坐標表示的具體位置。目標檢測取決于既定的目標檢測模型，檢測模型庫決定了檢測目標的范圍[3]。目標檢測中所檢測物體的位置，一般用中心點坐標或極坐標表示，用坐標數(shù)值的方式把該物體在圖片或視頻幀中的位置表示出來，以做進一步的數(shù)據(jù)處理。

3.2 目標檢測

目標檢測是基于目標的幾何及統(tǒng)計特征的圖像分割進行目標提取的過程，它將所檢測目標的分割和識別合二為一，其準確性和實時性是目標檢測系統(tǒng)的兩個重要性能指標。對于復雜場景中，要求對同一幅圖片的多個目標進行實施檢測處理，目標的實時識別及自動提取尤為重要。隨著人工智能及大數(shù)據(jù)等新技術的快速發(fā)展和計算機視覺原理的廣泛應用，圖像識別及處理技術對目標進行實施跟蹤的應用將更為廣泛。

3.3 目標分類

目標分類任務負責判斷輸入圖像中是否有感興趣類別的物體出現(xiàn)，輸出一系列帶分數(shù)的標簽，表明感興趣類別的物體出現(xiàn)在輸入圖像的可能性。深度學習通過神經網絡來構造特征，最先在分類任務中獲得性能突破，于是基于深度學習的目標分類技術應運而生。但深度學習也有著它自身的缺陷，對大量訓練數(shù)據(jù)和計算資源的需求，使得其成為一種非常昂貴的算法。目前，基于靜態(tài)圖片的目標檢測已經基本成熟，研究的熱點也轉移至利用視頻的時序信息來進一步提高目標檢測效果。類似相鄰幀特征的推導以及特征融合的方法已經被證實有明顯的效果。

4 結束語

深度串聯(lián)人、物、事三類管控對象，通過對人員智能管控、車站客流管理、重點區(qū)域管控、事件有效處置，形成綜合安防一體化，實現(xiàn)從技防到智防的跨越，打造智慧型地鐵車站客運服務管理。