文/史聰靈 車洪磊 何競擇 胥旋
隨著城市軌道交通網絡化運營格局的形成、客流規模的不斷增加,大客流風險不容忽視,在突發情況下極易發生踩踏等安全事故。中國安全生產科學研究院聯合相關單位研制了多功能集成的高精度客流監控預警系統,實現節點客流數量、區域客流密度、異常行為的秒級高精度識別統計以及風險監控預警,有效防范突發事件下人員踩踏風險,為提高城市軌道交通的客流疏運安全提供了技術支撐。
隨著城市軌道交通網絡化運營時代的到來,大客流疏運風險與日俱增,在突發情況下極易發生踩踏等安全事故。城市軌道交通大客流監控預警系統是為了有效防范各類突發事件人員聚集踩踏風險,而開展實施的一整套技術解決方案。
當前,城市軌道交通的綜合監控系統雖然可對視頻監控系統、乘客信息顯示系統、AFC 等設備進行實時集中監視和控制;但還無法實時對站內客流流量、密度等進行高精度、定量化的監測與風險預警。為此中國安全生產科學研究院聯合相關單位研制了具有完整自主知識產權的多功能高精度客流監控預警系統。
多功能高精度客流監控預警系統技術核心是集成了基于光強度調制技術(MLI)及飛行時間法(ToF)原理、動靜態幀智能識別技術、行為智能分析技術等,實現了節點客流數量、區域客流密度等秒級識別統計(準確度可達99%)以及風險監控預警。如圖1 所示,可廣泛應用于地鐵車站、機場、火車站等人員密集場所。
基于MLI&ToF 原理的高精度客流監控預警系統的關鍵技術是,高精度ToF 圖像采集,圖像噪聲抑制與人物分割,動靜態幀的自動學習和智能識別技術,以及人物行為分析,如圖2、圖3 所示。

圖1 高精度客流監控預警系統架構圖

圖2 基于MLI&ToF原理的監控預警關鍵技術

圖3 動靜態幀智能識別技術
第一,在出入口人流量計數,在通道、站廳、站臺等不同區域的出入口處布置人流量高精度計數傳感器,實時采集客流數量和通行速度等基礎參數,識別精度達到99%以上,形成對節點流量的高精度統計。
第二,區域內人員密度統計,通過自動學習和動靜態幀智能分析技術,可集成現有已安裝的視頻系統,提高了基于視頻識別的人群密度識別精度,密度識別精度達到95%以上。
第三,人群密度自動分級報警,系統集成了監控區域內人群密度的分級報警模型,對人群密度、區域可容納量、排隊等進行報警,提供可預設、可修正的分級報警算法。
第四,疏散時間計算,根據現場的客流量和通道通行能力,根據快速人員疏散計算模型,實現人員疏散時間的快速計算,確保應急狀態下能夠有序疏散。
第五,異常行為報警及計數,系統集成監控區域內人群異常行為分析算法,對尾隨、區域入侵,徘徊,人員聚集,逆向行進有標記和計數功能。

圖4 地鐵客流監控預警系統界面
第六,安全員需求估計,根據現場客流分布和通行、異常行為等情況,智能估計各區域安全員需求。并根據實際安全員人數,合理調配人員,重點監控風險集中區域。
第七,歷史數據存儲與查詢,實現客流曲線的秒、分、小時、天、周、月等不同時間間隔的報表存儲、歷史數據查詢、對比分析等,如圖4 所示。
第八,各站風險等級排序,根據各個車站的客流量以及通道情況等,利用大客流監控預警系統可自動計算各站的大客流風險指數。
第九,預警并聯動預案,根據分級預警自動實現應急預案聯動,應急預案包括站外指示、信息發布、站外限流等。
第十,大數據分析,與大數據平臺做好數據接口,客流監控數據實時接入運營總部大數據平臺,進行客流數據和歷史數據分析,并在后期與設備狀態、AFC 等其他大數據進行綜合分析。

大客流監控預警歷代技術對比表
地鐵大客流監控預警技術經過了四代技術創新,精準度更高、可靠性更好,大客流監控預警歷代技術對比,見上表所示。
首先,獨特的追蹤與探測功能。可在監測范圍內精確跟蹤及記錄人的移動軌跡,與被動式紅外成像系統、掃描成像系統或二維視頻成像系統相比,本系統的人員追蹤能力更強,工作速度更快,計數精度更高,能夠準確分析現場人流情況。
其次,無與倫比的精準度——99%。算法專門針對各種復雜情況設計,包括隨身攜帶行李,拖曳箱包,各種發飾和帽子,多人緊貼等,經過大量測試以確保能夠對人員進行可靠的個體探測、追蹤和統計計數。
最后,多種光線條件下運行,確保高可靠性。由于傳感器自帶光源和獨創的MLI 技術,對監測區域的照明條件和照明變化無特殊要求,特別是在完全黑暗的環境中,準確率不降低。

高精度客流監控預警系統通過在車站各出入口、步行梯及自動扶梯、換乘通道、站臺、站廳、屏蔽門等位置設置高精度監控點位,同時,利用獨具優勢的視頻分析算法,可集成現有的視頻監控系統,改造集成費用大大降低。實現了對大客流運行中的節點客流數量、排隊長度、區域客流密度、異常行為的實時監控和預警。系統根據客流動態,實時掌控客流趨勢,減小了客流疏運風險。本技術的應用為車站大客流動態監控、實時預警和限流提供科學支撐,保障了地鐵車站客流疏運安全。[本文作者單位系中國安全生產科學研究院交通安全研究所。本文得到國家自然科學基金項目(71774148),中國安全生產科學研究院基本科研業務費專項(2019JBKY12、2019JBKY02),中國安全生產科學研究院“萬人計劃”入選人才特殊支持經費項目(WRJH201801)等項目資助,作者在此表示感謝。]