城市軌道交通智能列車乘客服務系統研究

周成堯 劉暢 鄧瑾

摘 要：智能列車乘客服務系統通過構建一體化平臺，在系統應用層支持不同智慧應用間的數據交互以及新應用的便捷接入，在物理連接層支撐不同設備的信息通信與控制。文章重點介紹智能列車乘客服務系統計劃實現的各種功能以及基本原理，通過整合泛在列車感知、車廂空間數字化等科技，將北京市軌道交通運營的監控資源、展示資源進行有機匯總，為城市軌道交通智能化發展提供全新的方案。

關鍵詞：城市軌道交通;智能列車;乘客服務系統;列車感知

中圖分類號：U213.9

1 系統簡介

目前國內城市軌道交通乘客服務系統主要注重功能性，可以播放終點站、當前站信息即可，在顯示方面與乘客無法形成互動。根據中國城市軌道交通協會《中國城市軌道交通智慧城軌發展綱要》[1]第五章“建設重點”第七項“智能運維安全”以及示范工程中的“智慧乘客服務示范工程”，北京市地鐵運營有限公司聯合其他軌道交通廠商，針對智能列車發展需求，結合環境感知 [2]、大數據[3]、人工智能[4]等新興技術，對智能信息服務、列車環境感知、人員行為分析、一體化控制[5]等方面開展研究，推出智能列車乘客服務系統，實現智能列車各類智能化服務應用的接入、集成和集中管控。該系統是面向乘客最優出行體驗的全新一代地鐵乘客服務系統，可提供包括到站信息、車站布置、出入口位置等更加豐富多樣的出行信息，實時監測車廂乘客的倒地、異常移動等異常行為以及司機打哈氣、閉眼睛的危險駕駛行為，保障列車及乘客安全。

2 系統架構

智能列車乘客服務系統是以云平臺[6]、物聯網[7]、大數據等智能化技術服務于列車應用的一體化管控、開放平臺，具有設備高度集中，信息整體處理，衡量尺度統一等優點。系統架構如圖1所示，分為感知層、網絡層、中臺層以及應用層。

2.1 感知層

感知層相當于系統的眼睛，它負責連接外部世界與系統內部，實現對列車狀態、人員狀態、環境狀態等信息的采集感知。系統感知層具備高并發條件下的數據接收能力，支持多種傳輸協議，定義數據接入標準協議，支持數據加解密算法，同時具備防火墻功能，防止惡意網絡攻擊。

2.2 網絡層

網絡層是系統的骨架，實現車廂級各種傳感器及控制設備的網絡分層隔離與冗余互聯，同時支持多種常見通信協議，支持自定義數據傳輸消息結構，并提供了1 套新設備加入系統的互聯認證協議，方便拓展新硬件和新功能。通過構建列車級無線自組網絡，以及車輛級以太網網絡[8]，讓車內的傳感器、屏幕等終端時刻處于物聯網連接中，結合4G和WIFI，實現車內、車-站、車-云信息互通、共享。

2.3 中臺層

中臺層是系統的大腦，采用微服務架構搭建，提供了數據解析、存儲、標準算法模型等一些通用服務模塊，具備系統安全防護、權限管理、外部應用程序接口管理[9]、平臺運行狀態監測等管理功能，同時集成了邊緣計算模塊，使得系統具有超高的實時計算能力。中臺層實現對自有算法或外部算法的封裝，提供完整的軟件開發工具包文件，為內部或外部應用提供服務能力，采用集群化服務部署模式，具有一定的負載均衡能力。中臺層建立完整、標準的基礎數據采集、清洗、融合、存儲、分析、管理一體化的數據體系，采用知識圖譜技術 [10]，建立多源數據間的內在聯系，實現各專業數據綜合關聯分析。

2.4 應用層

應用層是系統的四肢，即執行者，根據自身業務需求在認證后從中臺層獲取相應的數據，進而面向不同業務提供與其相匹配的功能，便于第三方應用進行拓展。針對不同的應用進行服務化切分，使得應用具有輕量化、便于移植、可適配等特點，同時規范化不同應用服務間的數據通信接口，研究制定新應用服務的接入準則。

3 系統功能

3.1 智能乘客信息服務

智能乘客信息服務充分利用新媒介方式，將車廂打造成為數字化空間，為乘客提供實時、多元化、全方位信息服務。通過車門上方及通道屏幕，讓車廂內各個位置的乘客了解到列車站臺基礎設施導航、站臺出口、運行線路等信息。車門、通道屏幕采用4K高清屏幕（圖 2），車窗內加裝透明有機發光二極管（OLED）顯示屏（圖3），具備可視角度大、能耗低等特點。列車啟動后，分別播放列車當前位置、線網圖以及前方車站三維示意圖，乘客不僅可從多個角度查看到站臺周邊景點等信息，也可透過車窗觀賞外面美景，為乘客提供科技感十足的乘車體驗。后續還支持顯示沿途各站的周邊建筑、景點推薦，提示幾個車站的預計到達時間，除此之外還可顯示不同車廂擁擠度（目前還在收集運營數據和測試階段）。

3.2 列車環境感知檢測

通過空氣質量檢測模塊、感知攝像頭和疲勞檢測傳感器等車內感知設備（圖4），結合深度學習算法[11]提取的人員特征，全天候監測車廂內狀態，實現對乘客的倒地、呼救、未佩戴口罩以及司機的疲勞行為等異常情況檢測報警，并將報警信息發送至站務及司機顯示終端，提示工作人員及時處置。此外，為提高乘客乘車舒適度，車廂邊緣計算模塊可實時檢測車廂擁擠度情況，聯動車廂及站臺顯示終端顯示，方便乘客合理候車。

3.2.1 乘客異常行為感知檢測

在車廂增加攝像頭，捕獲到車廂圖像。通過異常行為感知算法中的關鍵點檢測器，識別并標記出具有身體特點的部位，幫助身體跟蹤算法了解不同角度下每個姿勢的表現，并以3D彩色火柴人形式呈現出來。通過人體關鍵點檢測識別出人體骨骼，并建立動態骨骼模態 [12]，如圖5所示。

基于異常行為感知算法，提取人體關鍵點，生成骨骼特征圖，即行為檢測原理圖，如圖6所示。在提取人體骨骼后，使用每一幀每一個人體骨骼的2D坐標來表示骨骼序列。根據骨骼序列特征，生成骨骼序列時空圖：①幀與幀之間的邊表示人體對應骨骼點的時序關系[13];②在每一幀內部，按照人體的自然骨架連接關系構造空間圖。

結合深度學習技術，針對應急事件下監控對象的運動狀態，建立特殊運動模板，將骨骼序列時空圖輸入神經網絡[14]進行行為預測，通過計算視頻片段運動軌跡線和模板的匹配程度，識別人體動作，判斷異常情況種類。車廂內乘客異常行為檢測終端數據顯示如圖7所示。

3.2.2 司機異常行為感知檢測

在駕駛員駕駛過程中，全天候監測駕駛員的疲勞狀態。在發現駕駛員出現瞇眼睛、打哈欠等狀態后，及時對此類行為進行分析，并進行聲光提示。司機疲勞度檢測終端數據顯示如圖8所示。

利用計算機視覺技術，從采集視頻中提取司機有效特征，結合智能算法，進行跟蹤和理解，通過眼睛閉合時間、眼睛眨眼頻率、嘴巴張開程度、頭部運動的計算，進行駕駛員疲勞程度的綜合判定。具體包括采用顏色空間膚色模型進行人臉粗定位，根據人臉特征，逐次進行人眼區域縮小;最后通過核對邊緣信息，進行人眼定位和閉合度測量。考慮到視頻圖像序列幀與幀之間的相關性，采用線性運動預測的方法對人眼進行跟蹤，完成瞌睡檢測。

利用深度卷積[15]神經網絡依次檢測駕駛員的面部和鼻子，采用局部二比特特征和隨機森林分類器訓練生成在線鼻子檢測器，以此來校正光流跟蹤器在鼻子跟蹤過程中產生的漂移誤差等參數;最后，分析鼻子下方嘴部區域的邊界梯度變化情況，并結合鼻子跟蹤器置信度、面部橫向運動等信息來完成打哈欠檢測。

3.2.3 車廂擁擠度感知檢測

通過構建多層神經網絡對采集到的乘客標志樣本集進行目標檢測，獲取抽象的乘客頭部、肩膀等特征，對圖像進行辨識和分類，識別乘客標志，如圖9所示。通過分析信息的匯總，結合車廂承載闕值，判斷車廂的擁擠程度。

3.2.4 列車主動感知防撞檢測

基于軌道列車行駛環境，建立數量龐大、場景豐富的圖像數據庫。數據庫內容主要包括含有軌道線、列車、信號燈等的視頻樣本，用于標注和訓練，如圖10所示。基于深度學習的多目標識別算法，結合軌道區域識別，提取出前向運行環境中軌道限界范圍內的列車、行人等目標，如圖11所示。為解決視覺傳感器易受光照以及障礙物遮擋等影響，實現多場景下精確可靠的環境檢測，通過機器視覺同雷達的融合，實現對危險障礙物目標的檢測，對融合算法提取到的目標物進行進一步的軌跡跟蹤，同時進行障礙物的位置及狀態的實時判定，實現前向障礙物識別及距離測量，保障運營安全，提升后備模式下運行效率。

3.2.5 車門-屏蔽門間隙檢測

列車到站完成停車作業并關閉車門后，利用車門上方傳感器掃描車門與屏蔽門間隙區域。根據傳感器返回信息，完成線路區域和目標物體的辨識，判斷間隙內是否有乘客存在，識別人員受困的安全隱患，車門-屏蔽門間隙檢測效果如圖12所示。如果在區域內檢測到乘客存在，則向列車控制系統發送區域夾人信息以及所對應的車門編號。列車控制系統收到夾人信息后打開對應車門，不關閉屏蔽門，列車保持制動，并向站務及司機進行提示。

3.3 數據分析監測服務

數據分析監測服務實時獲取車內滿載率、溫度、濕度、CO2、PM10等環境狀態信息，通過網絡層實時上傳至云端運營監控平臺，為運營監控、舒適度改善、設備監測提供數據依據。車廂內環境感知采集終端顯示效果如圖13所示。

3.4 一體化平臺服務

一體化平臺是乘客服務系統的“大腦”，完成對乘客信息服務、列車環境感知等業務的綜合承載，實現數據的安全、高速傳輸，具備數據融合、數據存儲、數據治理功能和提供平臺數據的能力，支持后續廠商接入。同時，為方便管理人員對列車各設備狀態的整體監控，一體化平臺實現車載、站臺與云端數據實時同步，從而將車輛設備狀態、列車感知檢測等數據信息統一上傳至運營監控云平臺，為車輛運維提供數據支撐，方便運營人員隨時查看。

4 系統應用及改進建議

4.1 系統應用

北京地鐵6號線首次對1列車及1座車站進行智能列車乘客服務系統智能化改造，于2020年3月正式投入運營。該系統的使用，不僅提高了乘客乘車滿意度，而且降低了車廂突發情況帶來的影響，降低了運營安全事故發生概率。此外，該系統已通過室內外測試驗證，形成完整的智能列車服務系統技術標準規范，為系統應用和推廣打下堅實基礎。

4.2 改進建議

（1）建議依托既有車廂感知設備，拓展識別對象和類型，包括車廂內打架斗毆等不文明行為監測，替代部分乘務管理員工作，節約運營成本。

（2）建議基于無線自組網技術，通過構建列車無線網絡，實現車廂設備無線數據傳輸，替代部分線纜，可降低后續列車改造成本，縮短改造周期。

5 結語

城市軌道交通智能列車乘客服務系統的研發，顯著提升了國內城市軌道交通安全技術領域的理論創新與實踐能力;填補了國內城市軌道交通列車自主環境感知領域的空白;為軌道交通業的快速改革和業務轉型提供了動力;同時，為城市軌道交通智能化發展提供了全新的方案。該系統產出的知識產權作為城市軌道交通系統創新發展的成果，具有完全國內自主知識產權，有著重要的應用推廣價值和廣闊的市場前景。

參考文獻

[1]中國城市軌道交通協會.中國城市軌道交通智慧城軌發展綱要[G]. 2020.

[2]李新德，黃心漢，戴先中，等. 基于DSmT融合機的移動機器人環境感知研究[J]. 華中科技大學學報（自然科學版）， 2009（12）：64-67.

[3]李國杰，程學旗. 大數據研究：未來科技及經濟社會發展的重大戰略領域——大數據的研究現狀與科學思考[J]. 中國科學院院刊，2012（6）：647-657.

[4]王永慶.人工智能原理與方法[M].陜西西安：西安交通大學出版社，1998.

[5]周黎妮，黃海兵，唐國金. 空間站姿態控制/動量管理一體化控制研究綜述[J]. 航天控制，2010（2）：95-100.

[6]岳冬利，劉海濤，孫傲冰. IaaS公有云平臺調度模型研究[J]. 計算機工程與設計，2011，32（6）：1889-1892，1897.

[7]朱仲英. 傳感網與物聯網的進展與趨勢[J]. 微型電腦應用，2010， 26（1）：1-3.

[8]葛永明，林繼寶. 嵌入式系統以太網接口的設計[J]. 電子技術應用，2002，28（3）：25-27.

[9]McLaren William， Pritchard Bethan， Rios Daniel， etal. Deriving the consequences of genomic variants with the Ensembl API and SNP Effect Predictor [J]. Bioinformatics，2010.

[10] 劉則淵.科學知識圖譜：方法與應用[M].北京：人民出版社，2008.

[11] 余凱，賈磊，陳雨強，等. 深度學習的昨天、今天和明天[J]. 計算機研究與發展，2013，50（9）：1799-1804.

[12] 傅志方，華宏星.模態分析理論與應用[M].上海：上海交通大學出版社，2000.

[13] 趙澤亞，賈巖濤，王元卓，等. 基于動態異構信息網絡的時序關系預測[J]. 計算機研究與發展，2015，52（8）：1735-1741.

[14] 焦李成.神經網絡系統理論[M].陜西西安：西安電子科技大學出版社，1990.

收稿日期 2020-07-07

責任編輯 宗仁莉