城市轨道交通客流信息智能检测与管控系统研究与设计

王爱丽，赵 元，王子腾，于士尧，孙喜利

（中国铁路信息科技有限责任公司，北京 100038）

随着城市轨道交通的快速发展，客流量与日剧增，2018年城市轨道交通全年完成客运量总计210.7亿人次，同比增长14%，总进站量为133.2亿人次，总客运周转量为1760.8亿人公里[1]。在客流量增长的同时，客流安全问题日趋突出，迫切要求提高客流运营安全保障能力。精准的客流信息是城市轨道交通运营安全服务的“基石”，在新一代信息技术的助推下，客流智能检测和管控技术应运而生[2]，文献[3]和文献[4]提出采用智能视频监控技术实现通道、站厅和车厢等区域的客流信息综合检测，文献[5]提出采用手机信令的方式实现客流信息的追踪定位，文献[6]提出采用WiFi信令的方式实现客流信息的检测，还有相关学者提出采用自动售检票系统（AFC）、红外、激光、车辆称重等技术进行客流检测。

目前，北京、深圳、上海、广州等地铁单位积极引入各种检测技术，探索建设智能检测试验站，实现客流信息的实时检测。然而，现检测设备虽部署密集，但主要用于回放，各检测技术适用场景单一，监控数据维度单一，难以支撑精准可靠的客流预测预警和合理有效决策[7-8]。因此，需进一步深化城市轨道交通客流安全状态智能检测和管控技术研究，本文将充分整合智能检测技术的优势资源，以系统化的方式选择适用的单一检测手段，综合应用AI、模式识别、多源数据融合等技术，采用复合式客流信息检测方法实现多种检测技术的深度融合和有效集成[9]，形成全方位客流信息精准检测的整体解决方案，为客流运营主动安全保障能力的改善提供数据支撑。

1 系统需求分析

1.1 技术深度融合需求

现有检测技术包括AFC、视频监控、微基站、WiFi、激光、红外等，不同检测技术适用范围不同，如AFC较适用于进出站客流统计，智能视频监控适用于区域信息检测和异常行为识别，微基站和WiFi探针较适用于轨迹追踪与宏观层面OD客流分析。为满足大客流安全保障需求，需引入复合式客流信息检测技术，深度融合、联动且设计合理的集成方法，使AFC、视频监控和移动终端探测等技术优势互补、相互协调联动，对采集到的数据进行相互印证[2]，提高数据的准确度和采集范围，以满足多样化客流监测需求。

1.2 数据精准采集需求

运营管理者需掌握客流基础数据，精准提取各个监控区域不同维度的客流时空信息，精准标记出整个微观、宏观运动轨迹和演变态势，根据这些数据形成标准规范的数据模型，为日常客流管理提供全面、精准的数据支持。

1.3 数据资产汇集需求

需分层次、分类别将汇集的客流数据进行组织；需对汇集数据进行深层挖掘、分析，发现客流运行规律、隐藏的异常行为等，辅助对复杂应用的事件根源、事件关联性进行分析；需实现数据的多维度展示，从专业角度对结构化和非结构化数据进行管理，并支持相应检索、查询功能。

1.4 客流安全管控需求

需与相关应急管理、运行调度等系统联动，对外提供不同维度和不同粒度的客流信息，以便制定有效的客流疏导和应急救援方案，提高车站客流运营管理效率和安全性；交通参与者乘客需尽早、准确知道站内已存在和即将发生的客流交通拥挤状态、站内各个区域和每节车厢的满载率，为乘客的不均衡分布提供疏导，全面改善乘车过程的信息透明度和用户服务体验。

2 系统技术方案

2.1 总体架构

按照统一规划、分步实施的原则进行开发建设，在先进检测技术深度研究和复合式融合的基础上，集成构建面向不同场景的客流信息智能检测系统。本系统将选取智能视频监控和移动终端探测等主流检测技术，采用复合式客流信息检测技术深度融合方法，实现相关客流信息的精准全面采集，主要由3部分组成：现场前端采集、数据处理和后端管理中心。前端采集点配备组网通信模块、图像监控设备、WiFi探针等；后端管理中心配备监控大屏、组网设备、数据处理服务器、智能视频分析系统等。系统的规模可根据未来监控场景内的规模和管理扩展而扩展，需提供多种组网接口，升级需平滑进行。同时，需配备与数据处理平台的联动接口，采集的源数据需传输到数据处理平台进行梳理和ETL清洗，再回传到后端应用管理中心。系统架构如图1所示。

2.2 逻辑架构

系统逻辑架构包括基础层、采集层、传输层、解算层、应用层和展示层，如图2所示。

（1）基础层：主要为系统运行配备相关基础设施设备，包括应用服务器、数据库服务器、存储设备、网络安全设备、视频监控设 备、WiFi探针设备等，为系统的建设和研究提供基础硬件环境支撑。

（2）采集层：选取适用的检测技术，提出前端采集设备部署方法和策略，配备相应的检测设备，搭建检测环境，通过多方位检测和多源异构数据融合处理，实现客流源数据的实时采集。

（3）传输层：所有采集到的数据将统一通过有线或无线的方式发送到后台服务器和数据处理平台进行深度解析和处理。

（4）解算层：采用数据挖掘、机器学习、图像识别等技术，对客流视频图像进行深度解析和处理，解算出图像背景和前景的特征属性，对乘客的身份、特征、运动轨迹、异常行为等进行深度解析；对手持终端用户的定位信息进行深度解析，通过对相关数量的设备数据进行分析，多点串连成线，刻画用户活动轨迹，为行为轨迹精细化定位管理提供依据。

（5）应用层：根据业务需求，实现客流量、密度、速度等基础信息的统计和检索，实现个体乘客人脸、身份、异常行为和轨迹的识别，实现客流时空分布、拥挤度、均衡性等相关信息的统计分析和检索。

（6）展示层：根据不同场景，采用热力图、统计图、二维/三维动态图等方式对客流信息进行多维展示，为运营决策、资源管理、综合协同和信息共享等提供基础支撑。

2.3 技术架构

系统采用分层技术设计，采用B/S和C/S混合架构，信息展示和交互采用B/S架构，信息解算采用C/S架构，支持跨平台部署，系统组件间内置各类开放、安全的接口，具备良好的开放性。系统技术架构如图3所示。

数据采集层通过摄像机、WiFi探针等方式，对现场环境的客流视频图像和移动终端信息进行采集，采集的信息都将以有线或无线的方式传输到后端解析分析层；后端解析分析层将配备视频图像处理、视频智能分析引擎、移动终端分析引擎等，对采集的源数据进行深度挖掘和解析；应用平台层将结合Servlet、WebService等基于B/S架构的开发技术，构建一套开放、扩展能力很强的应用功能组件，实现应用管理平台的各项功能；数据处理、数据管理和统计分析主要通过集成较成熟的软件产品实现，其它功能以定制化开发来实现；前端信息将基于浏览器访问，构建一套友好、高效、交互性更强的Web前端展示界面。

2.4 应用功能

系统功能架构如图4所示。

（1）客流运营信息检测：基于视频监控、移动终端探测、AFC等方式解析出多种客流信息，实现出入口、站厅、站台、换乘通道、AFC、扶梯、屏蔽门、车厢内部等重要区域和设备处的客流密度、速度、聚集人数、流量等基础信息的采集，实现特殊个体自身静态属性特征精准采集和标定，如人脸特征、性别、身高、行李、进出站时间等信息。

（2）客流运动轨迹追踪定位：实现特殊个体和群体客流运动轨迹的精确定位和提取，支持在站内地图上标记出整个微观和宏观运动轨迹分布。

（3）乘客行为特征和异常行为识别：支持精准识别和分析固定“常态”人群的行为习惯，支持对站内乘客拥挤、踩踏、摔倒、越界等异常行为的智能识别。

（4）客流信息统计分析：实现整个车站和不同区域的客流时空分布、拥挤状态、均衡性、演变态势等统计分析和评估，支持深度挖掘和统计分析客流宏观运行规律、隐藏的异常事件和行为、事件根源和关联性。

（5）客流信息多维度展示：支持全站不同区域多摄像头展示界面的拼接，形成“上帝视角”下的实时监测效果，支持通过各类直观、友好的展示视图，协助运营人员一目了然地掌握车站的客流分布情况和运行规律。

（6）业务系统联动和信息发布共享：与运营管理、应急管理、数据处理等系统做好接口配置，与其他业务系统相互联动；支持与APP、广播系统等发布方式联动，根据用户权限，对用户和管理人员提供不同维度和粒度的客流信息，具有信息对内、外发布和共享的功能，改善客流相关信息的透明度。

（7）系统运行管理：支持系统运行相关管理功能，包括用户权限、系统配置、界面人机交互、数据质量、告警故障、维护报表、远程维护等。

3 关键技术

3.1 智能视频监控

智能视频监控是利用计算机视觉、数据挖掘等技术对视频图像进行精准智能解析和描述，挖掘大规模图像中隐含的知识，在不需要人为干预的情况下，对监控场景中的变化进行检测、定位、识别和跟踪，并在此基础上分析和判断目标的行为，能在异常情况发生时及时发出警报或提供有用信息，有效地协助运营人员处理危机，最大限度地降低误报和漏报现象。

3.2 移动终端探测

系统将现代人离不开移动终端的特点与工程结合起来，在智能视频监控技术的基础上引入移动终端探测技术，部署WiFi探针和微基站等采集设备，当用户进入采集器覆盖区，对处于待机状态的GSM、LTE等制式终端位置信息进行探测，自动完成移动终端的MAC地址、信号方位等信息采集[6]，并将相关信息通过网线、光纤/3G/4G模块实时传回到后端，在后端完成数据存储、比对、路径分析、碰撞分析、及行为模式分析等功能，刻画用户活动轨迹，实现精确定位及客流运动轨迹追踪。

3.3 复合式客流信息检测

为满足大客流安全保障需求，系统将引入复合式客流信息检测技术深度融合和联动方法，建立综合实时客流检测体系，设计合理的集成方法。结合实际场景和监测需求，在视频监控设备部署基础上，深度融合WiFi探针、微基站、智能闸机等设备，优化和完善部署策略，使AFC、视频监控和移动终端定位等技术优势互补、相互协调联动，对采集到的数据进行相互印证，提高数据的准确度、提升数据的采集范围、优化数据的分析结果，以满足多样化客流监测需求，进一步提取更精准、更完整、更可靠的客流信息检测结果[7]。

3.4 多源异构数据融合

系统将引入多源异构数据融合技术，对视频监控、移动终端等不同来源的数据进行质量分析和权重计算，采用基于分类的多种权重加权组合模型对多源数据进行分析、矫正和融合；在数据不断积累和增加的过程中，采用多元非线性回归等统计分析技术建立相应的计算模型，以计算模型和大数据的深度学习来不断提升数据的准确度[9]。

4 结束语

通过运用智能视频监控、移动终端探测、数据挖掘、多源数据处理等技术，本文提出了城轨交通客流信息智能检测与管控系统的设计方案，给出了系统的总体架构、逻辑架构、技术架构和功能架构，从技术应用和集成、信息系统构建、业务应用功能等角度对系统进行优化，以提高城轨交通客流信息智能检测的精确性和全面性。该系统已在实验室试验场地进行部署，通过在线和离线车站视频对部分功能进行测试验证，并协商将在深圳地铁选取实验站进行搭建和测试应用。

多种检测技术深度融合、优势互补、相互协调是未来城轨交通运营信息实现精细化检测的必经之路，但在跨技术领域的多源数据模型研究、跨维度、多专业和协同管理机制等方面将面临一定的挑战，需继续深化研究。