基于深度攝像的地鐵車站運(yùn)營監(jiān)控系統(tǒng)設(shè)計(jì)

魯娥

（常州工業(yè)職業(yè)技術(shù)學(xué)院 軌道交通學(xué)院，江蘇 常州，213164）

地鐵車站運(yùn)營管理的核心目標(biāo)是保證運(yùn)營安全和服務(wù)水平。隨著城市軌道交通客流的不斷增長，對地鐵車站客流管控的要求不斷提高，主要包括減少乘客進(jìn)出站時(shí)間、減少乘客流動沖突、保證乘客流動安全、保障大客流乘車秩序和速度等，因此需要及時(shí)掌握車站運(yùn)營狀態(tài)并實(shí)施恰當(dāng)?shù)墓芸貙Σ摺Ｏ嚓P(guān)研究集中在進(jìn)出站短時(shí)客流預(yù)測[1][2]、車站客流控制[1][3]、客流管理[4][5]、安全風(fēng)險(xiǎn)分析等方面，這些研究都需要客流狀態(tài)參數(shù)做基礎(chǔ)數(shù)據(jù)。車站客流狀態(tài)指標(biāo)主要包括客流量、客流速度、客流分布、擁堵指數(shù)、安全事件等。當(dāng)前最有效的客流狀態(tài)參數(shù)采集方法是通過高清視頻自動識別相關(guān)指標(biāo)數(shù)據(jù)。車站CCTV監(jiān)控視頻可用于客流監(jiān)控，但是除了客流量可以通過人體識別直接獲取外，一般還需要參照人體運(yùn)動距離計(jì)算獲取客流速度，所以需要對攝像頭固定背景景深做校正后獲取人體運(yùn)動距離、計(jì)算量大；利用CCTV視頻圖像自動識別安全事件的計(jì)算流程復(fù)雜、精度有限。深度攝像頭能夠直接輸出人體深度，可以根據(jù)人體實(shí)時(shí)深度變化快速計(jì)算運(yùn)行速度，大幅降低計(jì)算開銷；深度攝像頭能識別人體關(guān)鍵骨骼點(diǎn)運(yùn)動軌跡、提供豐富的人體運(yùn)動細(xì)節(jié)，能夠提高逃票、打架等安全事件識別精度和速度。因此，可基于深度攝像設(shè)計(jì)地鐵車站運(yùn)營監(jiān)控系統(tǒng)，實(shí)現(xiàn)客流狀態(tài)監(jiān)控和安全事件監(jiān)控預(yù)警等功能。

1 總體設(shè)計(jì)

1.1 功能需求

車站運(yùn)營監(jiān)控的目的是維護(hù)運(yùn)營安全、提高運(yùn)營效率，二者相輔相成。李曉赫等[1]采用離散線性二次最優(yōu)控制理論構(gòu)建了換乘站高峰時(shí)段客流預(yù)測控制模型，通過擁堵疏散策略來提高換乘效率，進(jìn)而減少乘客運(yùn)動沖突、維持車站安全水平；車站安全風(fēng)險(xiǎn)預(yù)測研究通常采用統(tǒng)計(jì)回歸方法預(yù)測車站安全服務(wù)水平，然后通過預(yù)警、實(shí)施控制對策等避免安全風(fēng)險(xiǎn)干擾車站運(yùn)營，實(shí)質(zhì)上保證了車站運(yùn)營效率[6-8]。因此，車站的運(yùn)營監(jiān)控系統(tǒng)功能應(yīng)盡量滿足維護(hù)車站運(yùn)營安全和效率的需求，系統(tǒng)架構(gòu)和功能設(shè)計(jì)如圖1，采用深度攝像頭采集車站運(yùn)營狀態(tài)數(shù)據(jù)，然后通過客流狀態(tài)識別系統(tǒng)分析客流并進(jìn)行管控對策的制定；逃票監(jiān)控系統(tǒng)自動識別逃票行為并發(fā)出預(yù)警；安全事件監(jiān)測系統(tǒng)利用深度攝像頭的人體骨骼點(diǎn)軌跡檢測識別打架等事件；乘客信息管理系統(tǒng)保存乘客身份信息和特殊行為信息，為智慧車站管理提供歷史數(shù)據(jù)支撐。

圖1 地鐵車站運(yùn)營監(jiān)控系統(tǒng)設(shè)計(jì)圖

1.2 數(shù)據(jù)采集

利用深度攝像頭采集的數(shù)據(jù)包括：乘客人臉圖像、深度信息、人體骨骼關(guān)鍵點(diǎn)軌跡信息以及監(jiān)控視頻。其中，乘客人臉圖像用于乘客身份識別及其信息庫建設(shè)，監(jiān)控視頻主要為逃票事件、安全事件提供證據(jù)支持。

車站運(yùn)營效率保障研究需要采集客流狀態(tài)數(shù)據(jù)，如有的研究采集站臺客流狀態(tài)[9]，有的研究利用自動售檢票區(qū)的客流預(yù)測客流線路分布[10]，也有采集站廳區(qū)、閘機(jī)區(qū)、安檢區(qū)客流數(shù)據(jù)建立疏散仿真模型從而制定客流控制對策[11]。車站安全評估通常也需要客流數(shù)據(jù)支持[6-8]，影響車站安全水平的因素通常可分為人員、設(shè)備、環(huán)境、管理四大類，其中設(shè)備因素（供電、給排水、FAS、通行系統(tǒng)、機(jī)電設(shè)備、照明系統(tǒng)）、環(huán)境因素（濕度、噪聲）指標(biāo)數(shù)據(jù)一般由特定傳感器采集，人員因素中的站臺、通道或樓梯飽和度等指標(biāo)是由車站客流量、客流運(yùn)行速度、排隊(duì)長度等基礎(chǔ)數(shù)據(jù)計(jì)算處理得到的。[7]因此，地鐵車站運(yùn)營監(jiān)控系統(tǒng)應(yīng)該采集客流狀態(tài)指標(biāo)數(shù)據(jù)作為制定管控對策的基礎(chǔ)，為了滿足當(dāng)前功能模塊需求和未來技術(shù)發(fā)展需求，要合理選定采集區(qū)域和采集指標(biāo)[12]，詳見表1。

表1 客流狀態(tài)采集參數(shù)表[12]

系統(tǒng)自動采集人體關(guān)鍵骨骼點(diǎn)軌跡，根據(jù)各類事件人體動作特征學(xué)習(xí)構(gòu)建的行為識別分類器識別乘客逃票、打架斗毆、摔倒、踩踏等事件，一旦發(fā)現(xiàn)這些不良事件發(fā)生，即可實(shí)時(shí)預(yù)警、及時(shí)處置，預(yù)防事件影響擴(kuò)大、盡快消除事件影響。

2 客流監(jiān)控調(diào)節(jié)

2.1 客流統(tǒng)計(jì)與控制策略

深度攝像頭可以直接獲得各檢測區(qū)的客流量、排隊(duì)長度、排隊(duì)時(shí)間和客流運(yùn)行速度等指標(biāo)值，統(tǒng)計(jì)所有時(shí)段指標(biāo)值即可得到車站客流分布、擁堵可視化圖景，運(yùn)營管理人員可據(jù)此調(diào)整客流控制策略，如站臺過于擁擠、乘客運(yùn)行效率降低時(shí)可放慢安檢速度控制進(jìn)入站臺區(qū)客流量；售票區(qū)排隊(duì)人數(shù)較多時(shí)安排站務(wù)員提供幫助加快售票速度；排隊(duì)不均勻時(shí)加強(qiáng)引導(dǎo)或安排志愿者服務(wù)等。基于客流統(tǒng)計(jì)規(guī)律制定的策略是滯后于客流變化趨勢的，可能導(dǎo)致策略失效或無法實(shí)施，盡管如此，客流分布統(tǒng)計(jì)仍是客流監(jiān)控的常用方法，有助于運(yùn)營管理人員了解地鐵車站客流概況，培養(yǎng)快速應(yīng)對能力，提高地鐵車站服務(wù)水平。

2.2 客流預(yù)測與控制策略

按照應(yīng)用時(shí)間可將客流預(yù)測分為短時(shí)客流預(yù)測[2][13]、大客流預(yù)測預(yù)警[4]、大型活動客流預(yù)測[14]，分別用于日常客流控制、大客流管控和偶發(fā)性大客流控制的對策制定。

（1）短時(shí)客流預(yù)測

短時(shí)客流預(yù)測是提高地鐵車站運(yùn)營管理效率和服務(wù)水平的關(guān)鍵，一般用于預(yù)測5～15 min后的客流量。曾誠等針對線路運(yùn)輸組織的動態(tài)調(diào)整需求，將短時(shí)客流預(yù)測分為進(jìn)站短時(shí)客流預(yù)測、出站短時(shí)客流預(yù)測、OD客流和客流分布預(yù)測[13]。本系統(tǒng)中，客流預(yù)測對象是所有監(jiān)控區(qū)域，通過歷史客流數(shù)據(jù)預(yù)測進(jìn)站口、出站口、售票區(qū)、檢票區(qū)、安檢區(qū)、樓梯區(qū)、站臺區(qū)的客流量、客流速度和排隊(duì)長度，目的是了解整個(gè)車站短期內(nèi)可能出現(xiàn)的客流狀態(tài)，從而保證客流控制對策實(shí)施時(shí)精準(zhǔn)匹配當(dāng)前客流狀態(tài)，解決基于統(tǒng)計(jì)規(guī)律制定客流管控對策的滯后問題。短時(shí)預(yù)測方法包括時(shí)間序列法、回歸預(yù)測法、模糊預(yù)測法等。

（2）大客流預(yù)測

大客流逐漸成為大城市地鐵車站運(yùn)營常態(tài)，疏散不及時(shí)容易引發(fā)擠壓、踩踏等安全事件，影響運(yùn)營安全和運(yùn)輸效率。大客流是客流量、容量、客流密度、客流速度、密度變化率、速度變化率等指標(biāo)處于不利于運(yùn)營安全的狀態(tài)，大客流預(yù)測的目的是及時(shí)向運(yùn)營管理人員發(fā)出服務(wù)水平不足預(yù)警，促使運(yùn)營管理人員及時(shí)實(shí)施分級管控對策恢復(fù)運(yùn)行效率。大客流分級標(biāo)準(zhǔn)與人的認(rèn)知感受越接近，分級管控對策的實(shí)施越不容易出錯(cuò)，鄧紫歡等將大客流狀態(tài)的持續(xù)時(shí)長與乘客擁擠感受關(guān)聯(lián)，采用K-means聚類算法將大客流分為一般、危險(xiǎn)、極危險(xiǎn)三個(gè)預(yù)警等級[4]，并且引入時(shí)間長度參數(shù)避免將突發(fā)客流誤認(rèn)為大客流，避免分級管控對策實(shí)施時(shí)客流已消散的問題出現(xiàn)。

（3）大型活動客流預(yù)測

演唱會、節(jié)日慶典等城市大型活動結(jié)束后通常會為地鐵帶來突發(fā)性客流，即活動客流。活動客流的大小受相關(guān)活動召開的地點(diǎn)、規(guī)模和時(shí)間影響。通過大型活動歷史數(shù)據(jù)建模可以預(yù)測活動客流。楊靜等[14]采用K-means聚類算法將活動客流分為展覽類或演唱會類活動，對歷史活動客流進(jìn)行分類標(biāo)記后采用卷積神經(jīng)網(wǎng)絡(luò)建模，準(zhǔn)確預(yù)測了鳥巢體育館演唱會活動后奧林匹克公園站的突發(fā)客流狀態(tài)。大型活動客流預(yù)測能夠有效指導(dǎo)城市大型活動時(shí)車站排班計(jì)劃制訂、站務(wù)人員工作調(diào)配和客流引導(dǎo)疏散策略制定。

3 逃票監(jiān)控

3.1 乘客身高檢測與信息庫建設(shè)

我國軌道交通系統(tǒng)針對特殊人群有優(yōu)惠乘車政策，軍人、殘疾人一般持證走邊門享受免票，老人、大齡兒童基本實(shí)現(xiàn)了優(yōu)惠票卡刷卡乘車，因此逃票基本是身高達(dá)到全票乘車要求而未刷卡的乘客，所以識別逃票先要判定乘客身高是否達(dá)到全票要求。

（1）乘客身高檢測方法

目前，自動身高檢測技術(shù)多數(shù)基于雙目視差原理開發(fā)，利用視差公式計(jì)算圖像人體頭頂在世界坐標(biāo)系的高度得到人體身高[15-16]。視差公式計(jì)算涉及復(fù)雜的三角計(jì)算，本系統(tǒng)利用深度攝像實(shí)時(shí)監(jiān)測深度的優(yōu)勢，開發(fā)了地鐵乘客身高是否達(dá)到全票要求的快速檢測方法。如圖2所示，假設(shè)3D坐標(biāo)系下，存在一個(gè)平行于地面的水平面，高度為需要購票乘車的身高值，這個(gè)平面稱為限高面。任何人經(jīng)過限高面區(qū)域，頭頂高于限高面即為應(yīng)購票乘車乘客。根據(jù)人眼視差原理，只有距離人眼深度相同的物體才能直接比較高度而不出錯(cuò)，因此，只要保證人體頭頂點(diǎn)和限高點(diǎn)處于深度攝像頭的同一深度，就可根據(jù)人體頭頂點(diǎn)和同位置限高點(diǎn)的像素高度比較判斷乘客是否應(yīng)購票乘車。基于該原理，可以設(shè)置虛擬限高面，確定每個(gè)限高點(diǎn)的位置坐標(biāo)和像素高度，一旦深度攝像頭確定人體深度，即可找到同深度位置的限高點(diǎn)進(jìn)行比較，具體實(shí)現(xiàn)流程見圖3。

圖2 基于深度攝像檢測地鐵乘客身高快速檢測示意[17]

圖3 基于深度攝像快速檢測地鐵乘客身高實(shí)施流程

（2）乘客信息庫建設(shè)

自動化逃票監(jiān)控系統(tǒng)發(fā)現(xiàn)逃票乘客必須先識別其身份，然后才能提供證明用于逃票行為處理，這就需要建立乘客信息庫。身高檢測是逃票行為識別的前置環(huán)節(jié)，檢測結(jié)果應(yīng)記入乘客信息庫。乘客信息管理模塊包含的功能詳情見表2。

表2 乘客信息系統(tǒng)功能表

3.2 逃票行為識別

乘客身高超過限高卻不刷卡即為逃票。乘客刷卡實(shí)質(zhì)上是手部與固定刷卡位的接觸。Kinect SDK能夠?qū)崟r(shí)輸出人體關(guān)鍵骨骼點(diǎn)軌跡，利用Kinect SDK平臺識別手部骨骼點(diǎn)，提取手部關(guān)鍵點(diǎn)深度信息和相應(yīng)灰度圖中手部2D坐標(biāo)，采用機(jī)器學(xué)習(xí)算法學(xué)習(xí)刷卡動作，提取刷卡范圍（深度、灰度圖2D坐標(biāo)），乘客經(jīng)過閘機(jī)通道時(shí)手部是否進(jìn)入有效刷卡范圍可作為刷卡動作判定依據(jù)，應(yīng)刷卡乘車乘客無刷卡動作視為逃票行為，識別效果如圖4。一旦識別出逃票行為，可以通過人臉識別提取乘客信息或更新逃票信息庫，提取乘客逃票過程監(jiān)控視頻供查詢。

圖4 基于深度攝像檢測地鐵乘客刷卡檢測示意

3.3 逃票行為管理

逃票行為管理是遏制逃票現(xiàn)象的關(guān)鍵手段，包括：人臉識別逃票乘客后在出站前攔下處理，利用互聯(lián)網(wǎng)技術(shù)追回票款并發(fā)送處理信息，嚴(yán)重時(shí)可關(guān)聯(lián)個(gè)人信用紀(jì)錄或由地鐵公安處理。乘客信息模塊是逃票行為管理的基礎(chǔ)。

4 安全事件監(jiān)測預(yù)警

車站安全事件不僅影響乘客個(gè)人安全，客流量大時(shí)還容易引發(fā)二次安全事件，嚴(yán)重時(shí)可能造成群體恐慌或演變?yōu)槲C(jī)事件，具體包括摔倒、彎腰放置危險(xiǎn)品、打架、踩踏等。快速處理各類安全事件是地鐵運(yùn)營服務(wù)水平的重要體現(xiàn)，快速處理的前提是及時(shí)發(fā)現(xiàn)安全事件，一般通過監(jiān)控檢測安全事件。

安全事件檢測是視頻監(jiān)控真正發(fā)揮作用的關(guān)鍵技術(shù)[18][19]。基于視頻的安全事件檢測實(shí)質(zhì)上是對RGB圖像的識別處理，需要逐幀標(biāo)記人體關(guān)鍵部位軌跡[18]，計(jì)算量大。Kinect SDK輸出的人體骨骼點(diǎn)信息更容易表現(xiàn)出人體行為特征細(xì)節(jié)和運(yùn)動姿態(tài)[19]，不會與RGB圖像中的背景混淆，可以將骨骼信息和RGB圖像特征信息融合識別安全事件。基于深度攝像的地鐵安全事件監(jiān)測模塊運(yùn)行流程如圖5，系統(tǒng)基于Kinect SDK獲取人體骨骼點(diǎn)數(shù)據(jù)和圖像信息，基于時(shí)間序列提取人體運(yùn)動軌跡特征和圖像特征，然后通過分類器識別人體行為，再根據(jù)人體行為判斷安全事件類型。分類器是安全事件檢測的核心，通常采用機(jī)器學(xué)習(xí)算法從大量行為樣本中訓(xùn)練得到。

圖5 基于深度攝像的地鐵安全事件監(jiān)測流程

5 結(jié)語

深度攝像相對于普通攝像能夠提供運(yùn)動人體的深度信息、骨骼點(diǎn)軌跡信息，使人體運(yùn)動速度檢測更容易、行為識別信息更豐富。基于這些優(yōu)勢開發(fā)地鐵車站運(yùn)營監(jiān)控系統(tǒng)，不僅能夠?qū)崟r(shí)獲取客流狀態(tài)信息用于科學(xué)制定客流控制對策，還能夠完成人工管理難以實(shí)現(xiàn)的逃票監(jiān)控、安全事件監(jiān)測工作，大大提高地鐵車站運(yùn)營管理信息化水平，實(shí)現(xiàn)精準(zhǔn)客流控制、安全事件實(shí)時(shí)預(yù)警和快速處置，是未來城市軌道交通運(yùn)營管理發(fā)展的方向。