文/史聪灵 车洪磊 何竞择 胥旋
随着城市轨道交通网络化运营格局的形成、客流规模的不断增加,大客流风险不容忽视,在突发情况下极易发生踩踏等安全事故。中国安全生产科学研究院联合相关单位研制了多功能集成的高精度客流监控预警系统,实现节点客流数量、区域客流密度、异常行为的秒级高精度识别统计以及风险监控预警,有效防范突发事件下人员踩踏风险,为提高城市轨道交通的客流疏运安全提供了技术支撑。
随着城市轨道交通网络化运营时代的到来,大客流疏运风险与日俱增,在突发情况下极易发生踩踏等安全事故。城市轨道交通大客流监控预警系统是为了有效防范各类突发事件人员聚集踩踏风险,而开展实施的一整套技术解决方案。
当前,城市轨道交通的综合监控系统虽然可对视频监控系统、乘客信息显示系统、AFC 等设备进行实时集中监视和控制;但还无法实时对站内客流流量、密度等进行高精度、定量化的监测与风险预警。为此中国安全生产科学研究院联合相关单位研制了具有完整自主知识产权的多功能高精度客流监控预警系统。
多功能高精度客流监控预警系统技术核心是集成了基于光强度调制技术(MLI)及飞行时间法(ToF)原理、动静态帧智能识别技术、行为智能分析技术等,实现了节点客流数量、区域客流密度等秒级识别统计(准确度可达99%)以及风险监控预警。如图1 所示,可广泛应用于地铁车站、机场、火车站等人员密集场所。
基于MLI&ToF 原理的高精度客流监控预警系统的关键技术是,高精度ToF 图像采集,图像噪声抑制与人物分割,动静态帧的自动学习和智能识别技术,以及人物行为分析,如图2、图3 所示。
图1 高精度客流监控预警系统架构图
图2 基于MLI&ToF原理的监控预警关键技术
图3 动静态帧智能识别技术
第一,在出入口人流量计数,在通道、站厅、站台等不同区域的出入口处布置人流量高精度计数传感器,实时采集客流数量和通行速度等基础参数,识别精度达到99%以上,形成对节点流量的高精度统计。
第二,区域内人员密度统计,通过自动学习和动静态帧智能分析技术,可集成现有已安装的视频系统,提高了基于视频识别的人群密度识别精度,密度识别精度达到95%以上。
第三,人群密度自动分级报警,系统集成了监控区域内人群密度的分级报警模型,对人群密度、区域可容纳量、排队等进行报警,提供可预设、可修正的分级报警算法。
第四,疏散时间计算,根据现场的客流量和通道通行能力,根据快速人员疏散计算模型,实现人员疏散时间的快速计算,确保应急状态下能够有序疏散。
第五,异常行为报警及计数,系统集成监控区域内人群异常行为分析算法,对尾随、区域入侵,徘徊,人员聚集,逆向行进有标记和计数功能。
图4 地铁客流监控预警系统界面
第六,安全员需求估计,根据现场客流分布和通行、异常行为等情况,智能估计各区域安全员需求。并根据实际安全员人数,合理调配人员,重点监控风险集中区域。
第七,历史数据存储与查询,实现客流曲线的秒、分、小时、天、周、月等不同时间间隔的报表存储、历史数据查询、对比分析等,如图4 所示。
第八,各站风险等级排序,根据各个车站的客流量以及通道情况等,利用大客流监控预警系统可自动计算各站的大客流风险指数。
第九,预警并联动预案,根据分级预警自动实现应急预案联动,应急预案包括站外指示、信息发布、站外限流等。
第十,大数据分析,与大数据平台做好数据接口,客流监控数据实时接入运营总部大数据平台,进行客流数据和历史数据分析,并在后期与设备状态、AFC 等其他大数据进行综合分析。
大客流监控预警历代技术对比表
地铁大客流监控预警技术经过了四代技术创新,精准度更高、可靠性更好,大客流监控预警历代技术对比,见上表所示。
首先,独特的追踪与探测功能。可在监测范围内精确跟踪及记录人的移动轨迹,与被动式红外成像系统、扫描成像系统或二维视频成像系统相比,本系统的人员追踪能力更强,工作速度更快,计数精度更高,能够准确分析现场人流情况。
其次,无与伦比的精准度——99%。算法专门针对各种复杂情况设计,包括随身携带行李,拖曳箱包,各种发饰和帽子,多人紧贴等,经过大量测试以确保能够对人员进行可靠的个体探测、追踪和统计计数。
最后,多种光线条件下运行,确保高可靠性。由于传感器自带光源和独创的MLI 技术,对监测区域的照明条件和照明变化无特殊要求,特别是在完全黑暗的环境中,准确率不降低。
高精度客流监控预警系统通过在车站各出入口、步行梯及自动扶梯、换乘通道、站台、站厅、屏蔽门等位置设置高精度监控点位,同时,利用独具优势的视频分析算法,可集成现有的视频监控系统,改造集成费用大大降低。实现了对大客流运行中的节点客流数量、排队长度、区域客流密度、异常行为的实时监控和预警。系统根据客流动态,实时掌控客流趋势,减小了客流疏运风险。本技术的应用为车站大客流动态监控、实时预警和限流提供科学支撑,保障了地铁车站客流疏运安全。[本文作者单位系中国安全生产科学研究院交通安全研究所。本文得到国家自然科学基金项目(71774148),中国安全生产科学研究院基本科研业务费专项(2019JBKY12、2019JBKY02),中国安全生产科学研究院“万人计划”入选人才特殊支持经费项目(WRJH201801)等项目资助,作者在此表示感谢。]