智能车载乘客信息系统设计

王 慧郭玉臣 钱双龙

（1.贵阳职业技术学院，550081，贵阳；2.同济大学电子与信息工程学院，201804，上海∥第一作者，副教授）

随着时代的发展，信息化、网络化正在向包括城市轨道交通在内的各个领域渗透。现代的城市交通系统越来越重视乘客的体验，以乘客的便捷为宗旨，因而以服务乘客为主的乘客信息系统（PIS）逐渐发展起来。

国内轨道交通车载PIS智能化方面发展相对缓慢：①目前方式相对单一，停留在语音播报以及车厢内的固定显示方式为主，与乘客的耦合度不高，乘客对于系统参与力度小；②数据利用不足，没分析客流信息、乘客密度信息和高峰车状态信息等；③存在信息孤立，车载信息未采集或未共享等问题。

随着大客流时代的到来，对车载PIS提出了更高的要求，现有的车载PIS必须依托互联网+大数据技术，提升技术含量，以满足乘客、运营、维护的需求，构建智慧列车。

本设计系统构建了统一的车载IP（互联网协议）网络，打通语音、视频等乘客信息的通道；设计了移动APP（计算机应用程序）、微信小程序等移动端，丰富了显示方式，提高了乘客的耦合度；增加了人流、车厢人员密度分析功能，为乘客规划更加人性化的舒适合理路线；记录客流和运营数据，为运营分析、决策提供依据。

1 系统设计总体思路

针对目前存在的问题，本着人性化、智能化原则，解决问题的思路主要在信息传输网络、移动端和车载信息处理上。

（1）形成一个网络。

（2）建立完整的数据库用于记录列车各个时段的信息。

（3）信息实时分析处理，包括客流信息的处理、运行信息处理、实时图像信息处理。

（4）精确定位，确定乘客在哪个站、哪列车，甚至哪个车厢。

（5）移动端使用，为客户提供APP和微信小程序等应用，提供列车信息、位置信息的实时推送和智能路线规划等功能。

2 基于IP的车载PIS结构

2.1 系统组成

车载PIS是地铁运营系统中的一个重要组成部分，以计算机系统为核心，多媒体网络技术为依托，车载显示系统为中介，向乘客提供信息服务。其基本结构（见图1）主要包括三部分：广播系统（包括紧急呼叫、LED（发光二极管）显示），多媒体信息显示系统，CCTV（闭路电视）监控系统。

本方案设计全数字的车载PIS。整个车载系统采用汇聚以太网作为语音、图像、视频和控制的载体，通过4G、WiFi等方式实现车地通信和与控制中心、乘客、地面分析处理系统进行数据交互。结构特点如下：

图1 基于IP的车载PIS结构

（1）系统全部采用统一网络；

（2）通过4G或WiFi与地面系统互联；

（3）通过MVB（多功能车辆总线）与车身系统连接；

（4）广播系统具有硬线备份功能；

（5）设备尽量采用POE（以太网供电）。

2.2 网络设计

网络是PIS本身数据交换、数据传输的载体，也是系统与外界进行数据交换的通道。设计了基于IP的可靠的车载网络，也考虑了多种无线方式，以实现车地、车人之间数据交互。总体结构如图2所示。

2.2.1 列车总线网

总线网是车载PIS稳定、可靠工作的基础。设计了双路汇聚的百兆以太网，带宽200兆，单点故障不影响整列车。考虑与其它网络接口，司机室采用三层功能交换机。除以太网传递总线外，还配备了两根模拟音频总线，当以太网故障时，PIS能够执行降级模式，以保证广播功能，提高系统运行的可靠性。

2.2.2 车载及站内WiFi

地铁及站内WiFi是一个WiFi热点覆盖和管理系统，通过车载三层交换机和无线路由实现车身有线网络和WiFi互通。

本系统可单独建设，也可以利用现有地铁建设的WiFi网络。

2.2.3 移动传输网络

移动传输网络主要利用4G和LTE（长期演进）网络，实现无WiFi条件下地面和车载链接以及手机等移动设备接入PIS网络，以实现实时、无缝的链接车辆和地面。

图2 基于IP的PIS网络拓扑图

3 车载智能PIS设计实现

3.1 系统架构设计

整个系统分为三层，分别为车载设备层、信息传输层、应用层（见图3）。系统除具有传统车载PIS功能外，具有以下功能特点。

（1）车载部分系统建立统一的数字PIS信息平台，规范系统的接口、简化布线方式。

（2）具有车厢图像辅助处理功能。依靠车载监控系统，对车厢内图像进行分析，实现人员密度、异常行为、异常物品的识别，辅助司机和管理人员分析决策。

（3）APP报站、导航功能。依托PIS系统实时数据，开发APP，实现移动报站、客流提醒、实时换乘信息的智能推送。

（4）故障检测功能。利用设备大数据，实现设备状态实时分析，达到状态修的目的，协助司机、技术人员和维护人员进行设备的应急处理、故障分析、维护检修。

（5）统一系统的测试、接口规范。规范系统接口，建立统一的测试平台，以实现系统智能测试。

3.2 关键技术

3.2.1 数据信息采集和存储

信息存储采用成熟的存储技术和方案，根据应用分别存于车身和地面系统中。存储的信息包括固定信息和实时信息。

固定数据包括所有路线站点信息、所有线路时刻表、线路列车信息；实时数据主要包括地铁所在位置、列车行驶方向，以及CCTV监控视频中人流密度的分析结果。

3.2.2 微信公众号、小程序和APP

小程序或者APP具有定位、线路查询、线路规划、智能报站、信息查询等功能。结合小程序，创建一个微信公众号是更加便捷的选择。乘客只需关注公众号就能快捷地进入小程序和及时收到推送的应急消息。同时还可以在公众号增加一些辅助功能，例如地铁运行时间查询、车站站台服务查询等一系列方便乘客的功能。当然也可以为用户反馈提供渠道。移动端结构如图4。

3.2.3 乘客定位

图3 基于IP的车载PIS结构图

目前，地图（百度地图、高德地图等）所使用的地铁到站提醒功能都是根据全程GPS（全球定位系统）定位、基站定位的混合定位系统，而地铁自身处于地下，其环境复杂又快速移动，对于GPS和网络的接收本身就是个问题。

图4 移动端结构图

系统采用先模糊定位即传统的GPS和网络定位相结合，匹配出乘客所在位置附近列车的信息。根据乘客在一小段时间内的位移比较出乘客是否上车。此处的位移即通过跟踪这种模糊定位一段时间乘客的位置变化，可以把这类信息记录下来，通过分析和比较来确定乘客的位置变化。虽然这种模糊定位是不精确的，但可以大致判断出最近一段时间乘客经过的位置信息。如果上车则比较最近列车所在位置就可以确定乘客具体所乘车次，然后可从数据库读取该次列车的具体运行情况结合乘客起终点信息，就可以形成精准的有效动态地图。这样就可以在移动端实现乘客对列车的信息查询。这种定位目的是找到相匹配的列车编号，从而可以在乘客到达终点时，给出准确的提示信息，防止乘客坐过站或者乘车方向相反等错误。对于换乘等问题，采用同样的方式。在路线设置时即对换乘站进行处理，当乘客到达该站点后，进行乘客位置的重定位，然后循环上述操作。乘客定位方案流程图见图5。

3.2.4 路线规划

线路规划是主要基于最短时间路径搜索算法和人流密度估计算法的路径规划。从整体出发，通过路径的规划来指导乘客乘车，从而保证每次列车都拥有最佳的舒适度，给乘客带来更加舒适便捷的体验。路线规划的基本元素包括时间、拥挤程度、出站后的乘车便捷性。时间的计算，是依据列车时间表，根据图论的知识遍历所有可到达的路，对于路线的求解可采用基础的BFS（广度优先搜索）算法，路线权值是列车运行的时间和换乘等待时间。地铁线路始末站可达路线基本低于5条，可对路线进行一一遍历。之后考虑人流密度，如路线较拥挤则选择其他相对舒适的路线，以保证乘客拥有较舒适的乘车环境和出站后乘车的便捷性。路径规划流程见图6所示。

图5 乘客定位方案流程图

图6 路径规划流程图

3.2.5 图像检测

利用车载CCTV监控系统采集的图像，分析估算车厢内人流的密度，检测火灾等突发情况，并报送给司机或者地面系统。图像减灾在路径规划上也有很重要的作用，根据人员密度，给乘客提供是否换乘其它次列车的建议，以提供更加舒适的乘车体验。

经分析和测试，在拥挤的场景中人物遮挡相对严重，故选取了基于像素统计和纹理特征提取方法。此方法误差在接受范围内，且实现较为方便，分类过程相对简单。

基于像素数统计的人群密度估计研究首先通过背景生成、背景减除方法提取出前景人群并统计二值化人群像素数，然后利用最小二乘拟合法获得人群人数和二值化人群像素数之间的直线关系，实现低密度下的人群密度估计。像素特征在很多情况下可有效地描述人群特征，主要包括前景特征和边缘特征两大类。在基于像素统计的人群密度估计方面，可提取前景像素比例、边缘像素比例以及轮廓周长面积比等3个像素统计特征来进行人群的描述。

随着群体规模的扩大和人群密度的提高，尤其是在遮挡比较严重的情况下，像素统计特征已经不能很好描述人群特征。高密度人群在纹理上表现细模式，而低密度人群在纹理上则体现粗模式。

基于纹理分析的人群密度估计研究，首先选用适用于随机型纹理图像的灰度共生矩阵，以实现人群纹理特征的提取；然后利用训练图像得到合适的支持向量机分类器，对测试图像进行人群密度分类，实现高密度下人群密度估计。车厢中人群密度等级定义为：低密度0～15人，中密度15～40人，高密度40人以上。

当然有关人流密度估计的算法有很多，随着机器学习向各个行业扩展，卷积神经网络针对高密度的人流估计也将会有更好的结果。

3.2.6 故障分析

PIS随时了解设备运营状态，记录运营的各种操作和故障，协助司机、技术人员和维护人员进行设备的应急处理、故障分析和维护检修。

智能故障分析软件利用车载故障分析模块的数据，对设备进行全生命跟踪，能够指导检修维护人员进行设备的检修维护，对设备故障进行综合分析，可合理利用有限资源进行设备的维护和备份。故障分析系统结构见图7。

4 结语

为乘客提供便捷的服务，把地铁公共信息迁移到移动端是一个巨大进步，大大方便了乘客对信息的获取。同时，精准的到站提醒功能也为日常生活中低头族和睡眠族可靠到达提供了良好的保障。基于人流密度的路线规划功能可以较为有效地平衡不同线路乘客的承载情况，提高地铁运输能力。

图7 故障分析系统结构

本设计方案实现传统PIS功能外，无需更多硬件投入，也不需要对地铁站等地面系统进行改造和后期维护，在提升功能的同时造价并未提高很多，但实施更为简单有效。

尽管系统设计较为完善，但部分乘客一般会按照习惯的路线或者熟悉的路线出行。这给系统的推广提供了一定难度。随着技术的发展，先进的技术也将应用到轨道交通领域。文中提到的路线设计算法和基于视频图像的人流密度算法的运用将会极大地方便乘客出行，同时为城市轨道交通的发展起到积极的推动作用。

参考文献

［1］ 王峰.Dijkstra及基于Dijkstra的前N条路径算法在智能交通系统中的应用［J］.计算机应用研究，2006，2（2）：17.

［2］ 蔡国涛，陈蕾.对乘客信息系统的分析［J］.现代城市轨道交通，2008（1）：72.

［3］ 黄璐，林燕.一种基于视频的车站人群密度估计算法［J］.计算机时代，2012（7）：23.

［4］ 唐清，王知衍，严和平，等.基于模糊神经网络的大场景人流密度估计方法［J］.计算机应用研究，2010，27（3）：989.

［5］ ZHAO T，NEBATIA R.Tracking multiple humans in complex situations ［J］.IEEE Transactions on Pattern Analysis&Machine Intelligence，2004，26（9）：1208.