城市轨道交通智能列车乘客服务系统研究

周成尧 刘畅 邓瑾

摘 要：智能列车乘客服务系统通过构建一体化平台，在系统应用层支持不同智慧应用间的数据交互以及新应用的便捷接入，在物理连接层支撑不同设备的信息通信与控制。文章重点介绍智能列车乘客服务系统计划实现的各种功能以及基本原理，通过整合泛在列车感知、车厢空间数字化等科技，将北京市轨道交通运营的监控资源、展示资源进行有机汇总，为城市軌道交通智能化发展提供全新的方案。

关键词：城市轨道交通;智能列车;乘客服务系统;列车感知

中图分类号：U213.9

1 系统简介

目前国内城市轨道交通乘客服务系统主要注重功能性，可以播放终点站、当前站信息即可，在显示方面与乘客无法形成互动。根据中国城市轨道交通协会《中国城市轨道交通智慧城轨发展纲要》[1]第五章“建设重点”第七项“智能运维安全”以及示范工程中的“智慧乘客服务示范工程”，北京市地铁运营有限公司联合其他轨道交通厂商，针对智能列车发展需求，结合环境感知 [2]、大数据[3]、人工智能[4]等新兴技术，对智能信息服务、列车环境感知、人员行为分析、一体化控制[5]等方面开展研究，推出智能列车乘客服务系统，实现智能列车各类智能化服务应用的接入、集成和集中管控。该系统是面向乘客最优出行体验的全新一代地铁乘客服务系统，可提供包括到站信息、车站布置、出入口位置等更加丰富多样的出行信息，实时监测车厢乘客的倒地、异常移动等异常行为以及司机打哈气、闭眼睛的危险驾驶行为，保障列车及乘客安全。

2 系统架构

智能列车乘客服务系统是以云平台[6]、物联网[7]、大数据等智能化技术服务于列车应用的一体化管控、开放平台，具有设备高度集中，信息整体处理，衡量尺度统一等优点。系统架构如图1所示，分为感知层、网络层、中台层以及应用层。

2.1 感知层

感知层相当于系统的眼睛，它负责连接外部世界与系统内部，实现对列车状态、人员状态、环境状态等信息的采集感知。系统感知层具备高并发条件下的数据接收能力，支持多种传输协议，定义数据接入标准协议，支持数据加解密算法，同时具备防火墙功能，防止恶意网络攻击。

2.2 网络层

网络层是系统的骨架，实现车厢级各种传感器及控制设备的网络分层隔离与冗余互联，同时支持多种常见通信协议，支持自定义数据传输消息结构，并提供了1 套新设备加入系统的互联认证协议，方便拓展新硬件和新功能。通过构建列车级无线自组网络，以及车辆级以太网网络[8]，让车内的传感器、屏幕等终端时刻处于物联网连接中，结合4G和WIFI，实现车内、车-站、车-云信息互通、共享。

2.3 中台层

中台层是系统的大脑，采用微服务架构搭建，提供了数据解析、存储、标准算法模型等一些通用服务模块，具备系统安全防护、权限管理、外部应用程序接口管理[9]、平台运行状态监测等管理功能，同时集成了边缘计算模块，使得系统具有超高的实时计算能力。中台层实现对自有算法或外部算法的封装，提供完整的软件开发工具包文件，为内部或外部应用提供服务能力，采用集群化服务部署模式，具有一定的负载均衡能力。中台层建立完整、标准的基础数据采集、清洗、融合、存储、分析、管理一体化的数据体系，采用知识图谱技术 [10]，建立多源数据间的内在联系，实现各专业数据综合关联分析。

2.4 应用层

应用层是系统的四肢，即执行者，根据自身业务需求在认证后从中台层获取相应的数据，进而面向不同业务提供与其相匹配的功能，便于第三方应用进行拓展。针对不同的应用进行服务化切分，使得应用具有轻量化、便于移植、可适配等特点，同时规范化不同应用服务间的数据通信接口，研究制定新应用服务的接入准则。

3 系统功能

3.1 智能乘客信息服务

智能乘客信息服务充分利用新媒介方式，将车厢打造成为数字化空间，为乘客提供实时、多元化、全方位信息服务。通过车门上方及通道屏幕，让车厢内各个位置的乘客了解到列车站台基础设施导航、站台出口、运行线路等信息。车门、通道屏幕采用4K高清屏幕（图 2），车窗内加装透明有机发光二极管（OLED）显示屏（图3），具备可视角度大、能耗低等特点。列车启动后，分别播放列车当前位置、线网图以及前方车站三维示意图，乘客不仅可从多个角度查看到站台周边景点等信息，也可透过车窗观赏外面美景，为乘客提供科技感十足的乘车体验。后续还支持显示沿途各站的周边建筑、景点推荐，提示几个车站的预计到达时间，除此之外还可显示不同车厢拥挤度（目前还在收集运营数据和测试阶段）。

3.2 列车环境感知检测

通过空气质量检测模块、感知摄像头和疲劳检测传感器等车内感知设备（图4），结合深度学习算法[11]提取的人员特征，全天候监测车厢内状态，实现对乘客的倒地、呼救、未佩戴口罩以及司机的疲劳行为等异常情况检测报警，并将报警信息发送至站务及司机显示终端，提示工作人员及时处置。此外，为提高乘客乘车舒适度，车厢边缘计算模块可实时检测车厢拥挤度情况，联动车厢及站台显示终端显示，方便乘客合理候车。

3.2.1 乘客异常行为感知检测

在车厢增加摄像头，捕获到车厢图像。通过异常行为感知算法中的关键点检测器，识别并标记出具有身体特点的部位，帮助身体跟踪算法了解不同角度下每个姿势的表现，并以3D彩色火柴人形式呈现出来。通过人体关键点检测识别出人体骨骼，并建立动态骨骼模态 [12]，如图5所示。

基于异常行为感知算法，提取人体关键点，生成骨骼特征图，即行为检测原理图，如图6所示。在提取人体骨骼后，使用每一帧每一个人体骨骼的2D坐标来表示骨骼序列。根据骨骼序列特征，生成骨骼序列时空图：①帧与帧之间的边表示人体对应骨骼点的时序关系[13];②在每一帧内部，按照人体的自然骨架连接关系构造空间图。

结合深度学习技术，针对应急事件下监控对象的运动状态，建立特殊运动模板，将骨骼序列时空图输入神经网络[14]进行行为预测，通过计算视频片段运动轨迹线和模板的匹配程度，识别人体动作，判断异常情况种类。车厢内乘客异常行为检测终端数据显示如图7所示。

3.2.2 司机异常行为感知检测

在驾驶员驾驶过程中，全天候监测驾驶员的疲劳状态。在发现驾驶员出现眯眼睛、打哈欠等状态后，及时对此类行为进行分析，并進行声光提示。司机疲劳度检测终端数据显示如图8所示。

利用计算机视觉技术，从采集视频中提取司机有效特征，结合智能算法，进行跟踪和理解，通过眼睛闭合时间、眼睛眨眼频率、嘴巴张开程度、头部运动的计算，进行驾驶员疲劳程度的综合判定。具体包括采用颜色空间肤色模型进行人脸粗定位，根据人脸特征，逐次进行人眼区域缩小;最后通过核对边缘信息，进行人眼定位和闭合度测量。考虑到视频图像序列帧与帧之间的相关性，采用线性运动预测的方法对人眼进行跟踪，完成瞌睡检测。

利用深度卷积[15]神经网络依次检测驾驶员的面部和鼻子，采用局部二比特特征和随机森林分类器训练生成在线鼻子检测器，以此来校正光流跟踪器在鼻子跟踪过程中产生的漂移误差等参数;最后，分析鼻子下方嘴部区域的边界梯度变化情况，并结合鼻子跟踪器置信度、面部横向运动等信息来完成打哈欠检测。

3.2.3 车厢拥挤度感知检测

通过构建多层神经网络对采集到的乘客标志样本集进行目标检测，获取抽象的乘客头部、肩膀等特征，对图像进行辨识和分类，识别乘客标志，如图9所示。通过分析信息的汇总，结合车厢承载阙值，判断车厢的拥挤程度。

3.2.4 列车主动感知防撞检测

基于轨道列车行驶环境，建立数量庞大、场景丰富的图像数据库。数据库内容主要包括含有轨道线、列车、信号灯等的视频样本，用于标注和训练，如图10所示。基于深度学习的多目标识别算法，结合轨道区域识别，提取出前向运行环境中轨道限界范围内的列车、行人等目标，如图11所示。为解决视觉传感器易受光照以及障碍物遮挡等影响，实现多场景下精确可靠的环境检测，通过机器视觉同雷达的融合，实现对危险障碍物目标的检测，对融合算法提取到的目标物进行进一步的轨迹跟踪，同时进行障碍物的位置及状态的实时判定，实现前向障碍物识别及距离测量，保障运营安全，提升后备模式下运行效率。

3.2.5 车门-屏蔽门间隙检测

列车到站完成停车作业并关闭车门后，利用车门上方传感器扫描车门与屏蔽门间隙区域。根据传感器返回信息，完成线路区域和目标物体的辨识，判断间隙内是否有乘客存在，识别人员受困的安全隐患，车门-屏蔽门间隙检测效果如图12所示。如果在区域内检测到乘客存在，则向列车控制系统发送区域夹人信息以及所对应的车门编号。列车控制系统收到夹人信息后打开对应车门，不关闭屏蔽门，列车保持制动，并向站务及司机进行提示。

3.3 数据分析监测服务

数据分析监测服务实时获取车内满载率、温度、湿度、CO2、PM10等环境状态信息，通过网络层实时上传至云端运营监控平台，为运营监控、舒适度改善、设备监测提供数据依据。车厢内环境感知采集终端显示效果如图13所示。

3.4 一体化平台服务

一体化平台是乘客服务系统的“大脑”，完成对乘客信息服务、列车环境感知等业务的综合承载，实现数据的安全、高速传输，具备数据融合、数据存储、数据治理功能和提供平台数据的能力，支持后续厂商接入。同时，为方便管理人员对列车各设备状态的整体监控，一体化平台实现车载、站台与云端数据实时同步，从而将车辆设备状态、列车感知检测等数据信息统一上传至运营监控云平台，为车辆运维提供数据支撑，方便运营人员随时查看。

4 系统应用及改进建议

4.1 系统应用

北京地铁6号线首次对1列车及1座车站进行智能列车乘客服务系统智能化改造，于2020年3月正式投入运营。该系统的使用，不仅提高了乘客乘车满意度，而且降低了车厢突发情况带来的影响，降低了运营安全事故发生概率。此外，该系统已通过室内外测试验证，形成完整的智能列车服务系统技术标准规范，为系统应用和推广打下坚实基础。

4.2 改进建议

（1）建议依托既有车厢感知设备，拓展识别对象和类型，包括车厢内打架斗殴等不文明行为监测，替代部分乘务管理员工作，节约运营成本。

（2）建议基于无线自组网技术，通过构建列车无线网络，实现车厢设备无线数据传输，替代部分线缆，可降低后续列车改造成本，缩短改造周期。

5 结语

城市轨道交通智能列车乘客服务系统的研发，显著提升了国内城市轨道交通安全技术领域的理论创新与实践能力;填补了国内城市轨道交通列车自主环境感知领域的空白;为轨道交通业的快速改革和业务转型提供了动力;同时，为城市轨道交通智能化发展提供了全新的方案。该系统产出的知识产权作为城市轨道交通系统创新发展的成果，具有完全国内自主知识产权，有着重要的应用推广价值和广阔的市场前景。

参考文献

[1]中国城市轨道交通协会.中国城市轨道交通智慧城轨发展纲要[G]. 2020.

[2]李新德，黄心汉，戴先中，等. 基于DSmT融合机的移动机器人环境感知研究[J]. 华中科技大学学报（自然科学版）， 2009（12）：64-67.

[3]李国杰，程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 中国科学院院刊，2012（6）：647-657.

[4]王永庆.人工智能原理与方法[M].陕西西安：西安交通大学出版社，1998.

[5]周黎妮，黄海兵，唐国金. 空间站姿态控制/动量管理一体化控制研究综述[J]. 航天控制，2010（2）：95-100.

[6]岳冬利，刘海涛，孙傲冰. IaaS公有云平台调度模型研究[J]. 计算机工程与设计，2011，32（6）：1889-1892，1897.

[7]朱仲英. 传感网与物联网的进展与趋势[J]. 微型电脑应用，2010， 26（1）：1-3.

[8]葛永明，林继宝. 嵌入式系统以太网接口的设计[J]. 电子技术应用，2002，28（3）：25-27.

[9]McLaren William， Pritchard Bethan， Rios Daniel， etal. Deriving the consequences of genomic variants with the Ensembl API and SNP Effect Predictor [J]. Bioinformatics，2010.

[10] 刘则渊.科学知识图谱：方法与应用[M].北京：人民出版社，2008.

[11] 余凯，贾磊，陈雨强，等. 深度学习的昨天、今天和明天[J]. 计算机研究与发展，2013，50（9）：1799-1804.

[12] 傅志方，华宏星.模态分析理论与应用[M].上海：上海交通大学出版社，2000.

[13] 赵泽亚，贾岩涛，王元卓，等. 基于动态异构信息网络的时序关系预测[J]. 计算机研究与发展，2015，52（8）：1735-1741.

[14] 焦李成.神经网络系统理论[M].陕西西安：西安电子科技大学出版社，1990.

收稿日期 2020-07-07

责任编辑 宗仁莉