轨道交通车站闸机智能识别研究

茅 飞 孔慧慧 李宏胜 康玉芳 朱 伟

（1.南京康尼电子科技有限公司，210013，南京；2.南京工程学院，211167，南京；3.国家电网宣城供电公司，242000，宣城//第一作者，高级工程师）

轨道交通车站闸机智能识别研究

茅 飞1孔慧慧2李宏胜2康玉芳3朱 伟1

（1.南京康尼电子科技有限公司，210013，南京；2.南京工程学院，211167，南京；3.国家电网宣城供电公司，242000，宣城//第一作者，高级工程师）

以南京地铁1号线为例，介绍其车站闸机传感器的分布位置。结合人体尺寸数据，采用事件及区域识别相结合的方法，分析了乘客的不同行为对传感器状态的影响。通过采用传感器设计、事件的处理及识别技术，以及与数据库的对比分析，使闸机系统能智能识别逃票尾随现象，减小了票务损失。通过在特定通道增加人脸识别功能，可实现有效分流，并提高闸机工作效率；通过ARIMA模型分析预测乘客高峰期，可合理配置资源。

轨道交通；闸机系统；智能识别

闸机作为自动检票设备常用在轨道交通车站自动售检票（AFC）系统中［1］。乘客从非付费区到付费区以及从付费区到非付费区都需要刷卡，并得到闸机系统的授权方可通行。

根据阻挡机构原理，闸机可分为三辊门式闸机、拍打门式闸机及剪刀门式闸机。三辊门式闸机能很好地实现一人一票的功能，但通行速率低，不适用于行人密集通行场合。广泛应用于高速铁路系统的拍打门式闸机本体易受到外力破坏，其维护成本较高。剪刀门式闸机的每个通道只需要1套门机构，闸机中部安装2片滑动门，其通行速度快，闸门不易被外力损坏［2］。目前，剪刀门式闸机广泛应用于地铁系统。剪刀门式闸机系统中，通行识别技术是其研究热点和核心技术，是保证持票乘客正常通过、且阻止无票乘客进出的“守门人”，在城市轨道交通中发挥着重要作用［3］。

文献［4］通过GRBF（广义径向基函数）神经网络对传感器采样数据进行逼近学习，获得合理的传感器布局。文献［5］将传感器区域分析与事件识别相结合，能有效识别多种事件。文献［6］结合区域识别算法与关键点识别算法，提高了闸机识别率。文献［7］将人体识别算法与步态识别算法相结合，进一步提高识别率。文献［8］提出了偏序集识别方法，给出了通行识别中多类目标和事件的识别结果。

本文针对南京地铁1号线的车站闸机系统设计，对传感器的设置与数据采集、事件的分析与触发及闸机门的开关等进行了研究；提出后续研究工作将对通过设置特定通道和人脸识别，以提高闸机识别率和效率；并通过ARIMA模型来预测拥堵状况，以实现对城市交通的有效管理。

1 闸机传感器

1.1 闸机传感器的位置分布

南京地铁1号线车站闸机通道长2 m，高1 m。闸机上安装了多个传感器用于检测和识别通道中的乘客和物品。人在行走过程中由腿部的协调运动带动整个身体往前行走，在此过程中会产生各种复杂的行为动作。根据文献［9］的我国成年人人体尺寸数据及各部分比例（见表1），结合闸机传感器位置分布（见表2）可知：行人在站立时，闸机传感器S5和S12位于膝关节附近，可检测小腿绕膝关节的摆动；S1、S2、S3、S14、S15 和 S16 分布在人体会阴处，可检测大腿部分的运动，也可检测手的甩动；S4、S6、S11和S13分布在人体腰部附近，而腰部相对于整个人体来说相当于不变点。根据人体关键点分布，通过合理设置闸机传感器的位置，可更好地识别乘客和物品。

表1 立体男女人体不同百分位点的尺寸数据

表2 闸机传感器位置分布

1.2 传感器的功能分区

闸机采用8对对射式红外传感器来检测闸机通道中存在的物体。如图1所示，按传感器的位置，将闸机通道划分为检测区、监控区、安全区及离开区。

闸机通道检测区入口标有黄线。乘客进入闸机，需先持有效卡票并站在黄线以外刷卡。如乘客在刷卡过程中越过黄线，则会遮挡住检测区S1传感器的信号，而闸机系统就会发出报警声音，提示乘客退到黄线以外刷卡。监控区传感器（S2、S3、S4、S5和S6）可大致区分乘客及其携带的物品，并判断乘客是否存在欺骗通行的情况。如乘客在未刷卡的情况下进入该区，则闸机系统会判断为非法无票闯入。安全区的传感器（S7、S8、S9和S10）分布在门扇周围。为了保证乘客安全，安全区的传感器检测到被遮挡信号时，闸机扇门会保持打开状态，以免夹伤乘客。离开区的传感器（S11、S12、S13、S14、S15 和 S16）用来检测乘客是否通过闸机。通过对传感器的功能分区，可以很好地简化通行识别算法。

图1 闸机传感器位置分布

1.3 传感器数据采集

闸机通道中的物体会遮挡住传感器从发射端到接收端的红外线信号。如接收端接收不到发射端的传感器信号，则传感器对应的工作状态数据为1，否则为0。传感器信号与闸机逻辑控制板的控制系统采用串口通信，半双工模式。逻辑控制板会根据采集到的传感器信号来控制闸机门的开启和关闭。

2 事件处理

2.1 事件分析

闸机在未检测到有效卡的情况下保持常闭状态。当乘客刷卡之后，闸机门打开。当乘客进入监测区时，闸机逻辑控制板根据接收到的传感器状态信号判断乘客是否合法通行，并发送相应信号控制闸机门的开启和关闭。

闸机作为收费设备，需尽可能减少票务损失。通行逻辑控制能对各种逃票行为（尾随等）进行识别并发出相应警告，既能保证持票乘客正常进出，又能避免票务损失［4］。乘客通过闸机时会产生传感器状态数据的时间序列。通行逻辑控制板可根据传感器遮挡状态信号判断乘客是否携带行李，以及是否合法通行。

不同工况的传感器状态时间序列图如图2～6所示。由图2、图3可见，乘客单人进入闸机与乘客背包进入闸机的差别不大。由于背包与乘客紧贴且和乘客无明显相对运动，可看作同一个运动个体。由图4可见，乘客手拉行李箱进站时，如行李箱较大则会有个别传感器在某一时间段内出现持续遮挡的情况。由图5可见，当乘客试图尾随其他乘客时，传感器会识别闸机通道内有两个运动个体，逻辑控制板根据两个运动个体之间的距离，判断乘客是否为非法通行并控制闸机门的开启和关闭，发出声光报警。由图6可见，当乘客甩手进入闸机时，传感器 S1、S2、S3、S14、S15 和 S16 状态图中会出现几个离散的时间点；当乘客逆向行走时，会首先遮挡住传感器S16，这在单向通行通道，即可判断为非法通行。

图2 单人正常通过时的闸机传感器状态图

图3 单人背包且背包后置时的传感器状态图

图4 单人手拉行李箱时的传感器状态图

图5 双人相距较大时的传感器状态图

图6 单人逆向甩手时的传感器状态图

2.2 事件触发

通道中乘客的行为动作会影响传感器信号的变化。在行走过程中人体下肢的运动是一个周期性的循环运动［10］。乘客通过闸机的事件如图7所示。传感器S4和S5的水平距离仅为13 cm，如乘客（除特别瘦的除外）步行进入闸机，就必然会同时遮挡传感器S4和S5的信号。此外，由于闸机传感器呈对称分布，所以乘客继续前行时S11和S12也必然会被同时遮挡。根据传感器被遮挡的时间，通行逻辑控制板可判断是乘客身体遮挡还是携带的物品遮挡，进而识别出乘客未刷卡尾随上一位乘客进入闸机的情况。当未刷卡乘客紧贴上一位乘客时，或二者距离小于10 cm时，闸机会放行，以免影响持有效车票的乘客通行安全。当前一位乘客通过安全区，进入离开区之后，闸机就会允许下一名乘客通行。

根据传感器信号的变化，闸机系统会识别相应的通行事件类型。常见的非法通行事件包括未刷卡尾随、两人紧贴通行、乘客试图跳跃闸机、乘客匍匐下钻试图免票、反向入侵等。常见的合法通行事件包括单人正常刷卡进入、单人携带行李背包、成人带领免票儿童等。

图7 乘客通过闸机的事件

2.3 闸机开关控制

闸机系统可大量采集通行事件对应的传感器遮挡状态数据，并分类录入数据库；将乘客进入闸机时产生的传感器信号和数据库中的数据进行比对，初步判断乘客是否合法通行，再根据触发的事件控制闸机门的开启和关闭。

3 其他闸机智能识别功能

3.1 人脸识别

由于在高峰期乘坐地铁的大多是上班族，有固定的进站和出站地点。地铁售票部门可针对上班族发放长期票，并设置专用闸机通道。发放长期票时录入乘客脸部图像信息，并在长期票专用通道的闸机入口安装摄像头，以识别人脸轮廓（如图8所示）。摄像头可自动采集前方乘客脸部信息。当人脸识别完成后，乘客刚好到达闸机刷卡处。这样，乘客进入地铁口无需刷卡。如闸机识别出人脸轮廓符合之前录入的信息，则闸机门开启。当检测到不符合数据库的人员闯入时，闸机会发出声光报警，并关闭闸机门。人脸识别技术可对上班族有效分流，降低闸机口滞留的情况，减少闸机门的动作时间，提高闸机识别速度，减少高峰期拥堵现象。

3.2 人流量预测

在不同时间、不同闸机口的进站客流都是有很大差别的。通过ARIMA模型分析以往每个闸机口的客流量，可预测每个时段的客流量。据此，可合理安排工作人员，疏导城市交通；还可通过调节闸机的参数，控制闸机开关门的速度，提高闸机工作效率。

图8 人脸识别闸机系统

4 结语

本文针对南京地铁1号线闸机系统的设计，采用传感器设计、事件识别技术及数据库比对相结合的方法，实现了逃票尾随现象的识别，可减少票务部门的损失。

未来还可通过在特定通道设置人脸识别，提高闸机识别率和效率；同时，通过ARIMA模型预测拥堵状况，实现城市交通的有效管理。

［1］ 贺子钢，包建东.基于DSP的闸机控制技术［J］.机械制造与自动化，2014（4）：164.

［2］ 卢玉婷.基于SVM的闸机目标识别方法的研究［D］.南京：南京理工大学，2013.

［3］ 周凡，焦科杰，牛国柱.人体识别系统中通行识别技术的研究［J］.现代电子技术，2012，35（1）：172.

［4］ 罗煌.地铁闸机通行逻辑控制的设计［J］.城市轨道交通研究，2014（11）：70.

［5］ 程啟华，盛国良.闸机人体步态测量与识别算法研究［J］.计算机测量与控制，2014（5）：1487.

［6］ 牛国柱，宋哲，李文文.轨道交通闸机系统中的人体识别技术［J］.城市轨道交通研究，2012（1）：29.

［7］ 王小康，徐骏善，周凡.闸机中智能通行识别技术的研究［J］.机械制造与自动化，2016（2）：225.

［8］ 陆斌，牛国柱.自动检票闸机通行识别的偏序集方法［J］.信息技术，2013（2）：110.

［9］ 国家技术监督局.中国成年人人体尺寸：GB 10000—1988［S］.北京：国家技术监督局，1988.

［10］ 孙守迁.虚拟人技术及应用［M］.北京：高等教育出版社，2010.

Research on IntelligentIdentification in RailTransit Station Gate Machine

MAOFei，KONGHuihui，LIHongsheng，KANGYufang，ZHU Wei

According to the distribution of ticket gate switch of Nanjing Metro Line 1,and combined with the data of human size,eventand region recognition methods,the influence of different passenger behaviors on the sensor state is analyzed.On this basis,the sensor design,event recognition and handling techniques are adopted and compared with the data base,in order to reduce the fare evasion,trailing phenomenon and ticketing loss.Through adding the face recognition function in special lanes,gate machine working efficiency is increased and effective passengerdivision achieved.Also through passenger peak analysis by using the ARIMA model，reasonable allocation of resources is actualized.

rail transit；gate machine system；intelligent identification

First-author′s address Nanjing Kangni Electronic Technology Co.，Ltd.，210013，Nanjing，China

U293.22

10.16037/j.1007-869x.2017.12.032

2017-03-30）