智能服務機器人在鐵路客運站應用場景的設計與實現

景 輝，王心雨，閻志遠，戴琳琳

(中國鐵道科學研究院集團有限公司 電子計算技術研究所，北京 100081)

0 引言

隨著人工智能技術在圖像識別、語音識別、自然語言處理等領域的飛速發展，智能機器人可以在某些業務中提供擬人化的服務。基于不同的應用場景，智能機器人衍生出形態不一的服務機器人，如餐廳送餐機器人、商場導購機器人、銀行柜臺機器人等，極大地提升了服務效率，節省企業成本。

隨著電子客票的實施推廣，鐵路旅客的出行信息更多以電子化的形式呈現，在客流高峰期、列車晚點、檢票口變更等情況下，車站12306 問詢臺咨詢量大，旅客往往需要排隊較長時間才能得到答復。目前，在上海虹橋站、杭州東站、廣州南站等鐵路客運站內，已經將服務機器人投入使用，但大多僅支持旅客進行公共信息查詢[1]，無法實現客運業務咨詢。如果機器人能較好地融合現有客運業務，具備12306 問詢臺的部分功能，將給旅客帶來極大便利。基于此提出一種支持鐵路客運相關業務問詢功能的智能服務機器人技術方案，致力于幫助旅客解決出行途中可能遇到的問題，從而提升鐵路客運站服務水平，為鐵路客運服務朝著數字化、智能化的方向發展打下堅實基礎。

1 鐵路客運站智能服務機器人系統架構設計

為滿足鐵路客運站的應用需求，智能服務機器人在硬件設計上配置2 個顯示屏。機器人頭部配置小屏，用于用戶交互界面的顯示；機身配置大屏，用于檢票口、檢票時間等客運信息的展示。機器人頭部還配置攝像頭、麥克風陣列等傳感器，用于人臉、語音等信息的收集。鐵路客運站智能服務機器人示意圖如圖1所示。

圖1 鐵路客運站智能服務機器人示意圖Fig.1 Schematic diagram of intelligent service robots in railway passenger stations

鐵路客運站智能服務機器人整體架構如圖2 所示，主要由站車交互接入區、客票網應用接入層、語音交互服務、業務服務等部分組成。在網絡安全層面，智能服務機器人采用站車網的接入方式，作為一個等保三級的信息系統，具備足夠的安全性。站車交互接入區提供注冊認證、移動設備管理、安全審計、站車交互接入服務等功能，機器人首次部署需在站車交互接入區進行注冊，而后才可以進行正常訪問后臺的業務服務。客票網應用接入層主要包含語音交互接入服務、人臉識別接入服務，以及其他應用接入服務。語音交互服務提供語音識別、語音合成、語義解析等功能，支撐旅客與機器人進行語音交互。業務服務包括車站大屏、車次信息、檢票信息等服務，用于業務查詢，輔助語音交互順利實現。

圖2 鐵路客運站智能服務機器人整體架構Fig.2 Overall structure of intelligent service robots in railway passenger stations

2 鐵路客運站智能服務機器人功能設計

鐵路客運站智能服務機器人提供信息查詢、站內導航、常見問題解答、車站大屏顯示、車站通知播報等服務。鐵路客運站智能服務機器人功能結構如圖3所示。

2.1 信息查詢服務

旅客在出行前需要獲取發車及到達時間、候車室位置、檢票地點等信息。隨著電子客票的推廣及普及，旅客依賴智能設備獲取乘車信息。然而因候車室變更、列車晚點等情況下無法實現信息查詢的旅客，需要咨詢12306 問詢臺，可能會面臨排隊等候時間長的問題。因此，智能服務機器人支持信息查詢服務，主要包括車票、車次、候車室、檢票口、天氣等方面的查詢，以提高用戶操作的便捷性，并為使用傳統人機交互手段有困難的旅客提供額外的選擇。

車票查詢即本人車票查詢，智能服務機器人捕捉到旅客的人臉信息后，通過人臉識別技術進行乘車人比對，提供旅客本人的乘車信息，包括始發終到站、發車及到達時間、車次、席位、候車室、檢票口等。車次查詢即查詢任一車次的發車時間和始發終到站信息，旅客不需要進行人臉比對即可進行操作。天氣查詢即查詢出發或到達城市未來7 d 的天氣情況，以便旅客合理安排出行方式。

2.2 站內導航服務

針對不熟悉車站內部布局的旅客，提供站內導航服務。智能服務機器人集成第三方站內地圖，為旅客在樞紐內的活動提供精準、便利的導航服務。旅客可通過語音設置導航位置獲取導航路線，智能服務機器人得到指令后生成路線并引導旅客前往既定位置。同時預先配置智能服務機器人的引導服務，增設“小心臺階”“電梯到了”“請這邊走”等引導型話語，增強智能服務機器人室內導航服務的互動性。

2.3 常見問題解答服務

常見問題主要為購票、改簽、退票、特殊旅客服務等方面的問題，智能服務機器人通過語音交互的方式直接給旅客返回答案，實現常見問題解答服務。常見問題解答服務以標準問題為橋梁，將旅客與答案相連，使其能夠直接獲取自己需要的信息，減少旅客在信息檢索活動中的時間消耗。

2.4 車站大屏服務

鐵路客運站的車站大屏會實時顯示列車狀態、檢票口、正晚點等信息，旅客進站乘車多會關注。但車站大屏的位置大多固定在進站口，位處候車室的旅客不便查看。因此，在智能服務機器人上增設車站大屏服務，默認按發車時間正序顯示車次檢票信息，每間隔1 min 自動刷新。該服務使得智能服務機器人成為流動的車站大屏，方便旅客實時查看相關信息。

2.5 車站通知播報服務

智能服務機器人可以獲取當前站內所有車次信息，包括檢票口、正晚點、開停檢等信息。當某一車次開始檢票后，智能服務機器人會自動到達檢票口附近，并循環播報檢票信息，以提醒旅客及時檢票乘車。此外，可以通過推送服務，將車站通知信息投放到智能服務機器人的屏幕上，同時開啟語音進行播報，方便旅客了解站內通知。

鐵路客運站智能服務機器人界面展示如圖4所示。

圖4 鐵路客運站智能服務機器人界面展示Fig.4 Interface display of intelligent service robots in railway passenger stations

3 鐵路客運站智能服務機器人關鍵技術設計

智能服務機器人的關鍵技術分為2 部分：一是數據半自動化標注系統，作為底層支撐，用于獲取大量模型訓練需要運用的數據；二是機器人智能交互關鍵技術，作為技術中臺，用于支撐旅客與智能服務機器人的交互順利進行。

3.1 數據半自動化標注系統

數據半自動化標注系統分為數據收集、自動化處理、數據保存3 個模塊。數據半自動化標注系統如圖5所示。

圖5 數據半自動化標注系統Fig.5 Semi-automatic data labeling system

（1）數據收集模塊。該模塊收集公開的音視頻數據，進行人工初步篩選，簡單標注文字識別(Optical Character Recognition，OCR)的參數文件。

（2）自動化處理模塊。該模塊利用OCR 識別視頻文件，并通過語音模型校驗識別結果，完成語音數據集的自動化對齊和標注。

（3）數據保存模塊。該模塊將識別結果格式化存儲為語音/文本數據對。

依托該數據處理系統，收集約17 000 h 語音數據。

3.2 機器人智能交互關鍵技術

智能語音交互是使用語音、面部特征的方式與機器進行交互，達成自己的目的的過程，主要基于語音識別、人臉識別、語音合成、多輪對話、端點檢測、語音降噪等技術，在多種實際應用場景下，賦予智能產品靈活生動的智能人機交互功能。智能服務機器人交互流程如圖6所示。

圖6 智能服務機器人交互流程Fig.6 Interaction process of intelligent service robots

3.2.1 基于深度殘差網絡的人臉識別模型

人臉識別模型基于深度殘差網絡[2](Deep Residual Network，ResNet)實現，該網絡的核心思想是恒等映射捷徑連接，可以跳過一層或多層會使得堆積層在輸入特征基礎上學習到新的特征，解決算法層數過多導致的梯度消失與梯度爆炸等問題，從而擁有更好的性能。

考慮到鐵路客運站場景復雜，旅客數量多，現場采集人像存在逆光、模糊、大角度傾斜、遮擋等問題，因而人臉識別模型集成人臉識別、人臉檢測、人臉遮擋識別和人臉質量分析等功能。該模型可進行遮擋檢測、模糊檢測、人臉姿態估計，通過設計多任務卷積神經網絡，將多個人臉質量屬性融合到一個神經網絡模型中，大大減少計算量，縮短計算時間，有效提高人臉識別模型的識別速度和準確率。

3.2.2 基于神經網絡的語音

預處理模型

為滿足實時對話和車站嘈雜環境低誤觸的要求，在識別前先對語音進行預處理，主要為語音降噪和端點檢測2部分。

語音降噪模型利用生成對抗網絡[3](GAN)實現，語音降噪模型結構如圖7所示。該網絡由一個生成網絡和一個判別網絡組成，該網絡把有噪聲的語音數據抽象為清晰語音部分和噪聲部分，生成網絡產生與清晰語音部分很接近的假數據，優化方向是讓判別網絡無法正確區分清晰語音與生成的語音；判別網絡對數據進行真偽鑒別，優化的方向為正確分辨該數據由生成網絡生成還是真實的無噪聲數據。在訓練迭代的過程中，2 個網絡持續地進化和對抗，直到達到平衡狀態，進而區分有效語音與噪聲。

圖7 語音降噪模型結構Fig.7 Structure of speech noise reduction model

端點檢測[4]的功能在于把有語音幀的語音部分提取出來，模型采用逐幀判斷的方式，通過深度神經網絡[5](Deep Neural Networks，DNN)提取更深層的聲學特征，再利用長短時記憶網絡[6](Long Short Term Memory，LSTM)對DNN 提取的聲學特征進行時間序列維度的特征表達，最后利用歸一化函數(SOFTMAX)計算當前幀為語音幀或非語音幀的分數。端點檢測模型結構如圖8 所示，其中，x表示語音特征向量，y表示當前幀為語音幀或非語音幀的分類結果。

圖8 端點檢測模型結構Fig.8 Structure of endpoint detection model

3.2.3 融合流式與非流式的語音識別模型

由于智能服務機器人需要與旅客進行實時交互，既要達到一定準確率，還要滿足實時交互的要求。因此，設計在同一個語音識別模型中實施2 次解碼，用一個統一的模型結構同時支持流式和非流式識別。語音識別模型結構如圖9所示。

圖9 語音識別模型結構Fig.9 Structure of automatic speech recognition model

基于連接時序分類[7]解碼方法利用前綴束搜索，在搜索過程中合并有相同前綴的中間結果，將這些結果的概率相加求和，降低相同前綴的結果各自占部分概率值對模型識別準確率的影響，利用其進行第一次流式解碼，該結果可作為流式結果實時返回。

多個候選結果再通過基于注意力機制[8]的解碼模型、多重語言模型及熱詞賦權模塊[9]進行第二次非流式解碼，對流式識別的解碼結果進行重新評分。其中，基于注意力機制的解碼模型接收編碼器傳遞過來的高層隱藏特征，學習輸入特征和輸出序列的對齊信息；多重語言模型及熱詞賦權模塊用于提高鐵路專有名詞的識別率。最終根據得分的結果重新排序，獲取更好的識別結果。

3.2.4 引導式多輪對話技術

在旅客與智能服務機器人的交互過程中，多輪對話技術的作用是初步明確旅客意圖之后，自動設計對話流程，逐步引導旅客提供必要信息，最終完成旅客需求。引導式多輪對話技術主要由意圖識別、實體識別、對話管理3部分組成。

意圖識別[10]用于把用戶的話語對應到不同的業務場景。該模型基于特征值分類對用戶的意圖進行判別，同時基于規則方法根據意圖和詞典的匹配程度或者重合程度來進行判斷。

實體識別[11]用于識別不同業務中需要填充的槽位信息。為更準確地識別到槽位的信息，一方面通過實體識別模型對槽位信息抽取，另一方面基于預設規則的匹配來進行槽位信息的識別。實體識別模型基于循環神經網絡[12](Recurrent Neural Network，RNN)實現，實體識別模型結構如圖10 所示。映射層(Embedding Layer)包含詞向量、字符向量以及一些額外特征，BiRNN 通過前向/后向傳遞的方式學習序列中某字符依賴的過去和將來的信息，條件隨機場[13](Conditional Random Field，CRF)考慮了標注序列的合理性。預設規則匹配是基于規則的方法手工構造規則匹配模板，在構造模板過程中多輪對話服務選用特征包括統計信息、標點符號、關鍵字、指示詞和方向詞、位置詞(如尾字)、中心詞等方法，以模式和字符串相匹配為主要手段，并建立相應的字典。

圖10 實體識別模型結構Fig.10 Structure of named entity recognition model

對話管理[14]控制著旅客和智能服務機器人對話的過程，對話管理根據對話歷史信息，決定此刻對用戶的反應。以最短對話輪次實現旅客需求、最精準回答旅客問題為原則，以建立有溫度的對話交流為設計初衷，更靈活、方便、快捷地為旅客解決問題。

3.2.5 基于FastSpeech2的語音合成模型

語音合成是將計算機自己產生的，或外部輸入的文字信息轉變為可以聽得懂的、流利的口語輸出的技術。FastSpeech2[15]是一個非自回歸的語音合成模型，利用方差適配器引入更多的輸入來控制合成出的語音，得到高質量的生成語音。該模型從文本直接生成語音，而不是生成梅爾頻譜圖，擁有更快的訓練速度與合成速度。同時，該模型還支持多音色訓練與切換，可以滿足鐵路客運站的定制化需求。

4 鐵路客運站智能服務機器人應用分析

從智能服務機器人在長沙南站、廣州南站的試點應用中發現，其部分功能受到車站與旅客的認可，包含基于人臉識別技術的車票、檢票口查詢等功能，表明其具備推廣價值和潛力。但是在部分應用如站內導航等功能上，暴露出其在某些場景具有一定的局限性。

（1）技術局限性。在語音識別技術的發展中，方言識別準確率與普通話相比較低，且對于一些小規模使用的方言，至今沒有好的解決方案。對于此項技術局限性，智能服務機器人在一些普通話普及程度較低地區的車站使用時，其語音相關功能將會受到巨大影響。在這些地區，智能服務機器人僅支持使用基于人臉技術的方式進行車票信息查詢。

（2）應用局限性。對于智能服務機器人的站內導航功能，僅適用于一些小型車站，站內擁擠程度低，車站工作人員有限，導航路徑短，本功能可以發揮一定的作用。但是對于一些大型車站，由于車站旅客多，導航跨度大，站內擁擠程度高，從場景適用性和安全性的角度考慮，智能服務機器人不適用于此場景。因此，機器人具有2 款不同的設計，一款底部裝有可移動輪子，支持站內導航功能，另一款底部不配置可移動輪子，不支持站內導航功能。

5 結束語

智能服務機器人擁有豐富的知識庫，結合鐵路客運業務，利用車站現有設施，通過人臉識別、語音交互等方式實現人機交流，提供信息查詢、站內導航、常見問題解答、車站大屏顯示、車站通知播報等功能。從業務角度，智能服務機器人需要在功能性和適用性方面進行探索，以充分發揮機器人的優勢，節省車站的人力成本。從技術角度，語音識別的適用范圍和準確率作為機器人的關鍵技術之一，目前仍存在一定的短板。在未來會聚焦方言語音識別技術的研究，推進智能服務機器人在更多地區應用，為旅客提供快速便捷的查詢服務，給旅客帶來智能舒適的出行體驗。智能服務機器人致力于成為車站服務小助手，助力車站提升整體服務水平，使其朝著電子化、智能化方向發展，進而成為實現鐵路智慧出行的硬件支撐。