基于機器視覺的均衡地鐵客流量研究

張致煒 陳泓妤 鄭少聰

摘 要：地鐵車廂乘客擁擠度存在較大差別時，會影響地鐵運能的充分發揮。本文以均衡地鐵車廂擁擠度為目的，從討論機器視覺識別車廂擁擠度入手，結合地鐵站乘客流量時間分布規律預測地鐵各車廂停站實時擁擠度，生成地鐵車廂擁擠度分級信息。通過乘客信息系統及時向候車站臺乘客發布各節地鐵車廂的擁擠度等級信息，引導乘客選擇候車位置，使地鐵運能能夠充分發揮。數據驗證表明，高峰期合理的誘導信息，可提高地鐵載客能力約10%。

關鍵詞：車廂擁擠度 客流誘導 機器視覺 立席密度

1 研究背景

1.1 現行狀況

地鐵憑借其快捷、準時、大運能等優勢，已在我國36個城市開通運營（截至2018年底）。但是地鐵吸引的大客流會帶來車廂擁擠。由于地鐵停站上下客時間短，車廂擁擠度可能會存在較大差別，不利于充分發揮地鐵的運能。北京地鐵首次推出通過手機APP查詢車站擁擠程度功能，主要用于引導乘客安排適當時間段、選擇合適的車站。而利用車廂擁擠度信息引導站臺乘客候車的研究與應用較少。

現在大部分地區的城市地鐵沒有設置包括捕捉、處理、傳遞信息的地鐵客流引導系統，客流的引導主要依靠地鐵站點的工作人員或志愿者進行人工引導，但是人工引導大都基于以往經驗，缺乏基于數據的精確誘導。目前，有關車廂內乘客人數識別裝置，已經有了一定的研究成果，目前的人數統計系統主要通過壓力傳感器進行人數識別，但由于地鐵運行過程中存在一定的顛簸，且乘客在車廂內會進行移動，壓力傳感器也會隨顛簸及移動過程而變化，存在一定的誤差。

1.2 創新特色

本方案使用的方法是運用機器視覺技術，通過攝像頭拍攝的視頻圖像結合智能識別算法來采集運動目標數量，并通過無線網絡傳輸至候車站臺多媒體屏幕，乘客可以在地鐵到站前調整自身的候車位置，選擇立席密度較低的車廂，從而地鐵車廂的均衡地鐵車廂的負荷，使地鐵的運能得以充分發揮。

1.3 機器視覺技術介紹

機器視覺是用機器代替人眼來做測量和判斷。機器視覺檢測系統采用CCD照相機將被檢測的目標轉換成圖像信號，傳送給專用的圖像處理系統，根據像素分布和亮度、顏色等信息，轉變成數字化信號，圖像處理系統對這些信號進行各種運算來抽取目標的特征，再根據預設的允許度和其他條件輸出結果，實現自動識別功能。

2 系統設計

系統設計路線圖如圖1。

2.1 數據獲取

2.1.1 圖像獲取

首先使用照相機在短時間內拍攝連續多幀（幀數在每秒30幀以下且可調）地鐵車廂內部乘客的圖片，以獲取原始地鐵內部乘客圖像。由于地鐵內部空間狹小且高峰時段車廂內十分擁擠，容易出現乘客相互遮擋等問題，但是由于每個乘客的頭部會始終保持分立目標，過多的人頭接觸導致無法識別目標的可能性較小。基于上述原因，將人頭作為捕捉目標估算乘客人數。根據《廣州地鐵新線車廂視頻監控方案分析》，采用每節車廂四臺CCD相機兩兩錯位對射布置方式拍攝，每個攝像頭監控范圍大約六米，該方式大大減少了立柱及高大乘客遮擋導致的盲區。

2.1.2 圖像處理

本方案將人頭作為捕捉目標，由于中國人中頭發一般為黑色，故根據該顏色特征，通過人頭部顏色在灰度序列圖中像素值的特征與黑色所對應的像素值進行對比，得到人頭輪廓曲線，提取曲線特征點進而檢測出車廂內部乘客的人數，達到圖像檢測的目的。

2.2 數據處理

2.2.1 下車人數預測

（1）考慮地鐵每一站點乘客下車影響，計算立席密度的人數信息應使用此時車廂內部乘客人數結合車廂內部在該站下車的乘客人數，以修正擁擠度信息。

每一站點的下車乘客人數將會在某一可以預測的范圍內浮動，所以使用概率統計的方法統計出每一站點下車乘客數量并做出各個地鐵站點下車人數的統計預測值。本方案采用時間序列預測法的算術平均數對下車人數做出預測。我們對福州東街口地鐵站早高峰時段下車人數進行了調查。根據調查顯示，從任意一節車廂下車的乘客數目非常相似，所以可以近似地認為下車的乘客均勻地分布在各節車廂。由此數據以預測下車的乘客數目，將預測數據也納入立席密度計算使預測結果更準確，見圖2。

（2）下車人數預測。在n周的時間內，統計出每周j的i時間段內的下車率。那么下車人數的預測值為

Kij=（∑in=1Kij）/n（i=1，2，3，…，j=1，2，3，…）

A=Kij/m（m=1，2，3，…）

其中，m為第i段時間內經過該站的車輛數;Kij為n周時間周j第i段時間每輛車的下車人數;A為第i段時間的平均每節車廂的下車人數。

2.2.2 立席密度計算

地鐵車廂的密度衡量標準采用立席密度衡量，立席密度定義為“單位面積上的站立乘客密度”。通過圖像識別模塊識別出的人數記為N，單位為人，地鐵每節車廂的面積為X，單位為m2，C為車廂內乘客立席密度，單位為人/m2。

C——車廂內人數密度，單位人/m2

N——車廂內人數，單位人

X——車廂地面面積。單位m2

A——下一站點下車人數預測值。單位人

2.3 數據反饋

2.3.1 擁擠度等級分類

由目前關于立席密度的舒適性評價研究資料可以得知，當立席密度小于3人/m2時，舒適度較高，乘客可以在車廂內較為順暢的做出移動，并且可以選擇站立位置;立席密度小于6人/m2時，每個乘客還有少量的活動空間;當立席密度大于6人/m2時，車廂內大部分區域已經被乘客充滿，此時乘客數量已經接近飽和，乘客會感到比較擁擠;當立席密度處于6-9人/m2時，乘客之間會發生身體接觸，此時車廂達到飽和狀態，十分擁擠。當車廂內立席密度處于9人/m2以上時，乘客與乘客之間會發生擠壓，見表1。

當數據的值落在0-3人/m2時，對應的擁擠程度為空蕩，輸出信號為綠色。

當數據的值落在3-6人/m2，對應的擁擠程度為擁擠，輸出信號黃色。

當數據的值落在6-9人/m2時，對應的擁擠程度為十分擁擠，輸出信號紅色。

當數據的值落在9-12人/m2時，對應的擁擠程度為嚴重擁擠，輸出信號灰色。

2.3.2 基于PIS系統的數據反饋模式

（1）乘客信息系統（Passenger Information System），簡稱PIS。是地鐵里為乘客提供各類資訊的服務系統。乘客信息系統是依托多媒體網絡技術，以計算機系統為核心，以車站和車載播放終端為媒介向乘客提供信息服務的系統。根據前沿經濟學人網調查顯示，目前國內在建的地鐵系統基本都規劃了PIS系統，可見PIS系統應用十分廣泛，有能力作為信息傳播平臺。因此，我們將PIS作為信息傳輸平臺，將擁擠度信息傳遞給乘客。

（2）PIS系統界面設計。對PIS車站多媒體屏幕界面重新設計。以適當大小的長方體來表示每一節地鐵車廂，每個長方體根據其對應的車廂序號在其內部加上對應車廂的序號，根據處理后所得到的乘客擁擠度分類顏色信息，填充其擁擠度所對應的顏色信息，同時在界面中給出有關的乘車建議，以便乘客更加快速便捷地了解到每個車廂對應的擁擠程度。PIS顯示界面設計如圖3。

3 結果預測

本作品的主要目的是引導乘客選擇相對空置的車廂，均衡地鐵車廂客流量。因此，對于擁擠度信息不一定所有候車站臺的乘客都會理想化地接受經過處理后的擁擠度信息進而選擇舒適度最優的車廂。

若車廂擁擠度信息顯示在站臺多媒體屏，不管基于何種原因，仍有一部分乘客不會注意LED屏幕。基于該問題，我們對此進行了問卷調查以來評價該系統的實施效果。

從有效的376份問卷來自各地的調查結果及圖表中得知，載乘客候車時，75.8%的乘客會關注LED屏上的相關列車信息，24.2%的乘客不會關注。關注候車層LED屏幕的乘客中，85.64%的乘客會根據擁擠度選擇較為舒適的車廂，只有14.36%的乘客即便了解到擁擠度信息，也不會根據該信息選擇車廂。基于該問卷調查，可以分析得到64.91%的乘客會關注多媒體顯示屏上的引導信息選擇較為舒適的車廂。通過該分析結果，可以得出大部分乘客會選擇使用該系統進行車廂的選擇，所以該方法具有一定程度上的引導乘客選擇立席密度較低的車廂進而均衡每節地鐵車廂載客量的作用。

4 應用前景

（1）機器視覺技術目前已在車流統計等領域得到應用，隨著人工智能的進一步發展，對設備自主判斷處理能力的將會不斷提高，所以機器視覺未來發展將會使其成本更加低廉，識別準確度更高。

（2）地鐵未來將更加數據化，車廂擁擠度從某種程度上可以衡量地鐵的運能是否得到充分的發揮，所以是一項很重要的數據，但目前此方面的研究較少，所以本作品在擁擠度獲取方面的解決方法十分必要。

基金項目：“2019年福建工程學院大學生創新創業訓練計劃項目”。

項目編號：S201910388090。

參考文獻：

[1]袁崇溟. 基于視頻分析的列車車廂客流量檢測系統研究與實現[D].西南交通大學，2013.

[2]吳奇兵. 城市軌道交通車廂合理立席密度的研究[D].北京交通大學，2015.

[3]董方旭. 基于稀疏分析的擁擠場景群體異常檢測研究[D].南京郵電大學，2017.

[4]許勝強，夏懿，姚志明，楊先軍，張濤，孫怡寧.一種基于柔性力敏傳感器的人數統計系統[J].計算機工程，2014，40（01）：167-171+176.

[5]陳爽.廣州地鐵新線車廂視頻監控方案分析[J].鐵路計算機應用，2014，23（05）：63-64.