蘇州高博軟件技術職業(yè)學院□楊 靜 韓麗東

1 引言

閘機是地鐵自動售檢票系統(tǒng)的重要組成部分， 它作為地鐵自動售檢票系統(tǒng)中的一種自動檢票設備， 設置在付費區(qū)與非付費區(qū)的交界處，是實現乘客自助進出站檢票交易的設備。 由于閘機直接面對乘客， 其運行的好壞、 效率， 不僅影響到乘客的乘車體驗， 還影響到地鐵公司的票務收益。

2 通行邏輯的演變

（1） 基于機械阻擋裝置

第一代出入口控制系統(tǒng)的通行邏輯基于機械式阻擋裝置， 代表為三輥閘機， 它通過刷卡授權后依靠電磁閥控制阻擋機構解鎖， 乘客推動阻擋裝置過閘。 第一代閘機安全可靠性較高， 但對乘客特別是行李不友好， 非常容易逃票， 且無身高檢測能力， 乘客通行體驗差。

（2） 基于對射型傳感器陣列

第二代閘機的核心技術是通行邏輯控制技術， 其利用機身十數對紅外對射傳感器形成的點陣實現對通道內行人的追蹤， 并通過適時控制阻擋裝置的開閉實現對行人的規(guī)范。 第二代閘機阻擋機構采用剪式門或拍打門， 對乘客和行李友好， 目前已經成為軌道交通領域主流。 但由于基于一維傳感陣列， 需要設置較長的通道， 占地面積比較大， 且通行邏輯控制依靠固定式漫反射或對射傳感器檢測， 檢測區(qū)分行人的準確度和可靠性差， 無法精確分辯通行目標類型。

（3） 基于計算機視覺

伴隨著人工智能技術的迅猛發(fā)展， 閘機通行邏輯控制技術也迎來了新一輪技術變革。 第三代閘機基于計算機視覺技術， 通過頂置的雙目視覺傳感器與視覺通行邏輯控制器配合， 實現通行目標檢測與識別。 它實現了檢測方式從一維到三維， 單目標到多目標的檢測識別。 通過多目標復雜運動模式追蹤， 大幅度提高大客流密度條件下的反欺詐能力和通行能力， 能夠更精確地判斷通行目標的類型， 提高了閘機的可靠性， 有效解決了防欺詐能力和安全性的矛盾。 同時由于擺脫了傳統(tǒng)傳感器的束縛， 設備大幅減少了長度， 占地面積小。 第三代閘機通行邏輯與第二代閘機通行邏輯比較如圖1 所示。

3 人工智能雙目識別技術背景

（1） 原理

人工智能雙目技術是利用計算機視覺技術從視頻序列中檢測出行人并跟蹤， 精確感知閘機通道內的情形。 雙目視覺閘機通過頂置的雙目視覺傳感器與視覺通行邏輯控制器配合， 實現通行目標檢測與識別， 實現智能通行邏輯控制。

圖1 第三代閘機通行邏輯與第二代閘機通行邏輯比較

利用雙目視覺中的三角測量， 經過深度圖像計算和識別， 獲得物體的輪廓數據、 三維尺寸數據， 從而判斷物體的類別、 物體的運動趨勢， 以及視野內的多個目標的判斷和跟蹤。

（2） 核心技術

人工智能雙目識別采用高幀率雙目深度圖像傳感器采集通行區(qū)域內的俯視深度和彩色圖像，利用矯正后的體視圖像中運動目標的檢測、 跟蹤、 目標類型及運動模式判別實現通行邏輯檢測功能。

基于計算機視覺技術的通行邏輯控制方案可以在二維空間中對多個通行目標進行追蹤、 標定， 從而實現了更為復雜和精確的通行邏輯檢測。 即使是通行者在區(qū)域內徘徊， 跳躍等復雜運動的情況下， 也能夠正確地追蹤通行者的位置，減小了誤檢測和誤判定， 并且可以對通道內多個通行者的位置同時進行感知和判別。

4 雙目視覺通行邏輯控制器的應用結構

人工智能雙目視覺閘機應用結構， 如圖2 所示， 其核心為VSM （Visual Sensing Module）視 覺 感 知 模 塊， VPCM （Visual Passenger Control Module） 視覺通行控制模塊。 VSM 利用雙目視覺實現行人追蹤和識別， 而VPSM 基于VSM 提供的二維信息實現通行控制。

圖2 雙目視覺通行邏輯控制器應用結構

5 可靠性主要指標及計算方法

1） 平均無故障時間MTBF （Mean time between failures）。 任何需要運營或維護人員提供特別協(xié)助（即非正常模式） 以維持或恢復系統(tǒng)/設備運作的故障， 包括所有引起行車延誤的假警報或指示 （indication） 錯誤， 均需納入平均無故障時間的計算之內。 外來因素引起的事故， 例如： 外來電力中斷， 水淹或員工錯誤等， 則不需納入計算。

2） 平均修復時間MTTR （Mean time to repair）。 計算矯正維護平均修復時間時， 須包括診斷時間、 組件修理及替換時間以及在現場的調整及測試時間在內。

3） 平均無故障間隔周期MCBF （Mean cycle between failures）。 在規(guī)定條件下規(guī)定期限內， 產品使用次數與故障次數之比。 它與MTBF的關系為：

4） 平均停機時間MDT （Mean Down Time）。將平均修復時間（MTTR） 的定義擴展至包括運營及/或維護員工到達現場前的響應時間及運營員工在現場的診斷時間。MDT=MTTR+故障響應時間+故障診斷時間（4）

5） 故障率λ （Failure Rate）。 指設備或系統(tǒng)在規(guī)定條件下規(guī)定的期限內， 發(fā)生故障的次數。

6） 可用性As（Availability）。 可用性包括運營可用性 （Operational Availability） 和固有可用性（Inherent Availability） 其中運營可靠性計算如下：

當不考慮維修相應時間和故障診斷時間時，可用性簡化為固有可用性。

6 雙目視覺閘機可靠性分析

（1） 雙目視覺閘機可靠性計算流程

雙目閘機系統(tǒng)設備可靠性流程計算如圖3所示：

圖3 雙目視覺閘機可靠性計算流程

（2） 雙目閘機產品設計參數

雙目視覺閘機產品設計參數如表1 所示； 雙目視覺閘機各單元包含的主要模塊如表2 所示。

表1 雙目視覺閘機產品設計參數

表2 雙目視覺閘機各單元包含的主要模塊

表2 （續(xù)）

（3） 各關鍵模塊數據

黃宏斌等 （2018）認為企業(yè)的現金流可以真實反映企業(yè)處于不同生命周期時的經營狀況，基于此，按照企業(yè)的現金流特征，可將企業(yè)劃分為初創(chuàng)期、成長期、成熟期和衰退期。處于不同生命周期下的企業(yè)現金流情況見表2。

由于雙目閘機設備采用模塊均為目前市場上成熟模塊， 參照GB/T 20907—2007 《城市軌道交通自動售檢票系統(tǒng)技術條件》， 確定關鍵模塊技術指標， 根據公式（3） 推導出：

根據公式（7） 和公式（5）， 計算出雙目閘機各關鍵模塊數據如表3 所示。

表3 自動檢票系統(tǒng)模塊數據

（4） 雙目閘機MTBF/MCBF 計算

利用可靠性框圖模型方法可進行可靠性建模及計算， 假設設備及組成單元僅存在故障和正常狀態(tài)下， 各單個模塊故障會造成設備故障， 各模塊故障概率互相獨立， 人員完全可靠和設備沒有相互作用。

在以上假設下， 設備可靠性計算的數學模型為：

其中Rs（t） 為設備的可靠度， Ri（t） 為第i個模塊的可靠度， λi（t） 為第i 個模塊的故障率，n 為組成設備的模塊數。

進一步推導， 可以得出雙目閘機設備故障率公式：

其中λs為設備故障率， λi為第i 個模塊的故障率， n 為組成設備的模塊數。

根據公式 （5）、 公式 （9）， 得到雙目閘機MTBFs的計算公式：

根據公式（3） 得到雙目閘機MCBFs的計算公式：

MCBFs=MTBFs×C （11）

式中 C——每小時設備/系統(tǒng)周期數

將相關參數代入進行計算， 得到雙目視覺閘機可靠性相關指標見表4。

表4 雙目閘機RAM 部分指標數據

（5） 雙目閘機As可用性計算

參照GJB/Z 57—1994 《維修性分配與預計手冊》 和GB/T 20907， 一般對于閘機的修復時間MTTR 為0.5 小時， 而MDT 根據不同維修等級， 設為2～4 小時。 根據公式（7） 計算出雙目視覺閘機運營可用性：

根據GB/T 20907， 閘機可靠性設計目標為運營可靠性As≥95， 平均無故障間隔周期MCBF≥200， 000 （cycles）， 人工智能雙目視覺閘機可靠性指標完全符合行業(yè)要求。

7 結論

借助計算機視覺技術， 雙目視覺閘機具備更加智能的通行邏輯控制方案。 新一代的通行邏輯控制方案取消了二代ACS 機身側面的傳感器陣列， 使得ACS 系統(tǒng)在通行方向上的機身尺寸不受限于傳感器陣列， 應用場景更為廣闊。 同時得益于深度圖像傳感器的應用， 雙目視覺閘機能精確識別通道內通行的行人和行李物品， 并加以追蹤， 它大大提高了通行效率和反欺詐能力， 提升了乘客的通行體驗。