吳 卓

（中鐵建電氣化局集團第四工程有限公司，長沙 410116）

采用機器視覺技術(shù)賦能城市軌道交通運營業(yè)務(wù)系統(tǒng)，實現(xiàn)地鐵車站的全場景監(jiān)控，利用視頻增強技術(shù)，結(jié)合超高清全景拼接攝像機，實現(xiàn)地鐵車站大場景實時圖上監(jiān)控和管理。聚焦車站機房設(shè)備的運維管理業(yè)務(wù)需求，全節(jié)點、全場景實現(xiàn)數(shù)字化和物聯(lián)化，通過智能巡檢、智能異常告警等技術(shù)手段提升地鐵機房運維管理效率，降低人工成本[1]。同時，深化運維業(yè)務(wù)場景的應(yīng)用，將視頻質(zhì)量診斷、物聯(lián)網(wǎng)設(shè)備、服務(wù)器和網(wǎng)絡(luò)設(shè)備診斷等應(yīng)用導(dǎo)入運維系統(tǒng)，實現(xiàn)智能一體化。

1 客流概述

1.1 客流統(tǒng)計

在我國城市軌道交通運輸中，客流統(tǒng)計通常使用重力感應(yīng)、紅外線感應(yīng)客流統(tǒng)計等方式，對不同乘客進出站、站廳站臺等重點車站關(guān)注地點進行空間和時間上的規(guī)律計算，來實時或延時的反應(yīng)出具體的客流信息。軌道交通運營根據(jù)以往的統(tǒng)計數(shù)據(jù)，可以精準(zhǔn)的獲取歷年的年、季、月、周度甚至小到每個固定節(jié)日的日度客流真實走向統(tǒng)計，通過對比分析，能夠在短時間內(nèi)對客流變化作出相應(yīng)的方案調(diào)整，使得客流高峰期內(nèi)，乘客能夠得到更優(yōu)質(zhì)的服務(wù)。

1.2 客流預(yù)警

在城市軌道交通中，大客流現(xiàn)象已經(jīng)成為常態(tài)，一些固定時間、固定車站出現(xiàn)大客流擁堵，如何進行有效監(jiān)控及疏導(dǎo)成為需要重點分析的問題。通過在扶梯口、安檢口、售票排隊區(qū)域?qū)ε抨牽土鬟M行客流密度和流速的綜合檢測，實現(xiàn)當(dāng)前場景內(nèi)客流狀況的判斷?？稍趽Q乘通道部署檢測設(shè)備實現(xiàn)換乘客流數(shù)量的精準(zhǔn)統(tǒng)計和分析，為換乘車輛調(diào)度提供精準(zhǔn)的決策依據(jù)，制定不同的列車運行圖。

1.3 客流數(shù)據(jù)統(tǒng)計

城市軌道交通運營客流數(shù)據(jù)統(tǒng)計可以大致分為：出站量、進站量、換乘量、OD 路徑量、滿載率等多個重點統(tǒng)計指標(biāo)[2]。根據(jù)客流指標(biāo)數(shù)據(jù)，可以對整個線路運營情況進行精準(zhǔn)分析，通過滿載率指標(biāo)，能清楚的反應(yīng)出線路當(dāng)前時段運營的客流狀況，使運營人員能夠作出精準(zhǔn)判斷，把握每條線路的運營情況并作出有效的運輸計劃方案，從而對整個線路整體運營情況有精準(zhǔn)、全面的了解和分析。

2 智能運維要求

城市軌道交通運維服務(wù)系統(tǒng)提供內(nèi)、外場設(shè)施的運維管理，面向各類設(shè)備設(shè)施實現(xiàn)建設(shè)過程、運行維護、拆除報廢的全生命周期的實時動態(tài)監(jiān)管，通過中心運維管理和外場移動運維管理相結(jié)合，實現(xiàn)系統(tǒng)運維的事前預(yù)警、事中監(jiān)測、事后分析的閉環(huán)式監(jiān)管。同時整個系統(tǒng)維護管理面向地鐵站點級、線路級、線網(wǎng)級的設(shè)施設(shè)備。

3 智能監(jiān)控視覺技術(shù)的應(yīng)用探究

3.1 智能視頻分析

智能視頻分析基于深度學(xué)習(xí)目標(biāo)檢測、利用卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)視頻數(shù)據(jù)的本質(zhì)特征，通過對這些特征進行分類，識別出視頻中的人體特征，同時檢測和跟蹤個體和群體目標(biāo)進行行為及狀態(tài)分析，判斷目標(biāo)的行為類型。通過對周界防范檢測（區(qū)域入侵檢測、物品遺留檢測等）、扶梯事件檢測（扶梯摔倒、扶梯逆行、大件行李等）、行為檢測、態(tài)勢檢測（區(qū)域人數(shù)統(tǒng)計、客流統(tǒng)計、人員排隊檢測、密度估計、人員逆行等）、人員滯留等動態(tài)分析，并基于智能視頻行為分析服務(wù)器提供的事件檢測，實現(xiàn)可疑事件的報警聯(lián)動，做到突發(fā)事件的提前預(yù)警和應(yīng)急處置。目標(biāo)檢測的目的，是在圖像獲取的基礎(chǔ)上，識別圖片或視頻幀中是什么物體以及該物體用坐標(biāo)表示的具體位置。目標(biāo)檢測取決于既定的目標(biāo)檢測模型，檢測模型庫決定了檢測目標(biāo)的范圍[3]。目標(biāo)檢測中所檢測物體的位置，一般用中心點坐標(biāo)或極坐標(biāo)表示，用坐標(biāo)數(shù)值的方式把該物體在圖片或視頻幀中的位置表示出來，以做進一步的數(shù)據(jù)處理。

3.2 目標(biāo)檢測

目標(biāo)檢測是基于目標(biāo)的幾何及統(tǒng)計特征的圖像分割進行目標(biāo)提取的過程，它將所檢測目標(biāo)的分割和識別合二為一，其準(zhǔn)確性和實時性是目標(biāo)檢測系統(tǒng)的兩個重要性能指標(biāo)。對于復(fù)雜場景中，要求對同一幅圖片的多個目標(biāo)進行實施檢測處理，目標(biāo)的實時識別及自動提取尤為重要。隨著人工智能及大數(shù)據(jù)等新技術(shù)的快速發(fā)展和計算機視覺原理的廣泛應(yīng)用，圖像識別及處理技術(shù)對目標(biāo)進行實施跟蹤的應(yīng)用將更為廣泛。

3.3 目標(biāo)分類

目標(biāo)分類任務(wù)負(fù)責(zé)判斷輸入圖像中是否有感興趣類別的物體出現(xiàn)，輸出一系列帶分?jǐn)?shù)的標(biāo)簽，表明感興趣類別的物體出現(xiàn)在輸入圖像的可能性。深度學(xué)習(xí)通過神經(jīng)網(wǎng)絡(luò)來構(gòu)造特征，最先在分類任務(wù)中獲得性能突破，于是基于深度學(xué)習(xí)的目標(biāo)分類技術(shù)應(yīng)運而生。但深度學(xué)習(xí)也有著它自身的缺陷，對大量訓(xùn)練數(shù)據(jù)和計算資源的需求，使得其成為一種非常昂貴的算法。目前，基于靜態(tài)圖片的目標(biāo)檢測已經(jīng)基本成熟，研究的熱點也轉(zhuǎn)移至利用視頻的時序信息來進一步提高目標(biāo)檢測效果。類似相鄰幀特征的推導(dǎo)以及特征融合的方法已經(jīng)被證實有明顯的效果。

4 結(jié)束語

深度串聯(lián)人、物、事三類管控對象，通過對人員智能管控、車站客流管理、重點區(qū)域管控、事件有效處置，形成綜合安防一體化，實現(xiàn)從技防到智防的跨越，打造智慧型地鐵車站客運服務(wù)管理。