自动电扶梯安全监测与故障报警研究

摘  要：随着自动电扶梯应用越来越广泛，与之相关的设备运行监控、乘客行为监控及报警应该得到重视。文章以我国自动电扶梯运维现状及与之相关的乘客行为为研究对象，将不断更新的人工智能、机器视觉等新技术作为技术路线，通过新技术的应用研究，尝试构建一种智能化电扶梯安全监测与故障报警体系并融合车站调度指挥系统，该系统通过智能语音识别、扶梯前后监测装置、显示装置实现与人和环境的信息交流。

关键词：电扶梯安全运行；人工智能；机器视觉；安全监测报警；调度指挥系统

中图分类号：TP277；TU857 文献标识码：A 文章编号：2096-4706（2023）16-0015-05

Research on Safety Monitoring and Fault Alarm of Escalator

CHEN Hui

（Station House Construction Headquarters of China Railway Guangzhou Group Co.， Ltd.， Guangzhou  510610， China）

Abstract： With the increasingly widespread application of escalators， the related equipment operation monitoring， passenger behavior monitoring， and alarm should be given attention. Taking the current situation of escalator operation and maintenance in China and the related passenger behavior as the research object， this paper takes the new technologies such as Artificial Intelligence and machine vision as the technology roadmap. Through the application research of new technologies， an intelligent escalator safety monitoring and fault alarm system is attempted to be constructed and integrated with the station dispatch and command system. The system achieves information exchange with people and the environment through intelligent voice recognition， escalator front and rear monitoring devices， and display devices.

Keywords： safe operation of escalator; Artificial Intelligence; machine vision; safety monitoring and alarm; dispatch and command system

0  引  言

近些年来，时常出现自动扶梯人员摔倒、卷入杂物及突然停梯等事故消息。早在2010年12月的某一天，深圳地铁就出现了手扶电梯逆行现象，导致24人不同程度受伤。诸如此类的事故表明自动扶梯存在安全隐患，必须加以高度重视。要为保障自动扶梯的安全运行研发相应的监测报警系统，并采取相应的预防措施来确保自动扶梯的安全运行。物联网、人工智能、机器视觉等新技术的出现为自动电扶梯安全监测与故障报警提供了重要的技术选择。

1  自动扶梯事故

自动扶梯事故屡见不鲜，危害程度极高，我们必须从事故中探析问题的根源所在，积极稳妥地找好应对措施，并做到尽早落地实施。

1.1  事故类型

我们将自动扶梯事故以及引发自动扶梯事故的典型事件进行了归纳总结，得出因乘客行为不当而导致的扶梯故障主要有以下几种情形：

1）乘客携带大件行李造成电梯负载过重影响设备安全运行。

2）乘客携带婴儿车乘梯致使扶梯运行过程中出现机械故障。

3）乘客在梯級中跌倒。

4）乘客忽视指示标识逆向进入电梯造成乘客相继跌倒。

5）因管理不善而引发其他事故。

1.2  事故分析

经过统计分析得出，自动扶梯运行过程中出现的危险场景主要包括行人摔倒、乘客逆行、乘客携带大件行李乘梯、乘客推婴儿车搭乘扶梯等。为了实现对这些危险场景的识别，我们开展了相应的算法研究。其中，摔倒识别算法主要用于商场扶手电梯、楼梯等场所。在该算法的应用中可以通过动态视频实时监控乘客的动作行为，一旦发现扶梯上有乘客摔倒即刻报警，报警信号同步推送给相应的管理人员。该算法大大提升了自动扶梯的安全管控效率。大件行李识别算法主要用于商场扶手电梯、楼梯等场所。在该算法的应用中可以通过动态视频实时监控乘客的动作行为，一旦发现扶梯上有人携带大件行李即刻报警，报警信号同步推送给相应的管理人员。婴儿车识别算法主要用于商场扶手电梯、楼梯等场所。在该算法的应用中可以通过动态视频实时监控乘客的动作行为，一旦发现有乘客乘扶梯时手推婴儿车即刻报警，报警信号同步推送给相应的管理人员。

2  自动扶梯危险行为识别技术

人工智能自1956年正式确立以来，一直是在曲折中向前发展的，从起初产生到成为研究热点一直饱受质疑，期间经历两次发展低谷；而学科自身所迸发出的生命力不断推动其走出低谷，成为引领技术革命的热点。

研究采用高清网络摄像机来采集自动手扶梯、自动人行步道中乘客行进中的视频画面，后台借助视频算法服务器对采集到的视频流进行智能行为分析识别，实现对危险行为和状况的实时预警和报警，并通过后台机器深度学习实现对危险行为更加准确快速的识别和预警。

2.1  基于图像处理的危险行为识别技术

大件行李，婴儿车识别算法主要用于扶手电梯、楼梯等场所。算法应用中可通过动态视频实时监控乘客的动作行为进行数据采集，一旦发现有乘客在乘扶梯时手推婴儿车或是携带大件行李即刻报警，报警信号同步推送给相应的管理人员。

图像分析的基本工作流程图如图1所示。输入图片，首先进行前景检测，识别缺陷区域，在此过程中加入阴影抑制、噪点抑制、画面增强等圖像级优化；其次通过图形分割、SVM分类器、神经网络、卷积神经网络等方法对前景进行特征检测，识别出缺陷目标；再次对目标物进行标记（常用的方法有CMT、Meanshift、TLD、卡尔曼滤波等），在标记的过程中不断更新背景模型，将目标物与背景分离，提高检测效果。对于一些诸如缺陷检测之类的检测类算法，通过前景检测技术进行背景分离后即可进入事件检测阶段，自动检测图片中的缺陷信息并完成提醒、统计和标记功能。算法工作流程框架分为前景检测、目标检测、目标分割等几个部分。

2.2  行人逆行行为检测

行人逆行检测是检测电扶梯口附近的行人是否有逆行行为，用到的算法有行人多目标跟踪和行人轨迹逆行判断。

研究用到的行人多目标跟踪算法借鉴CenterTrack，中心点检测是CenterTrack算法的核心之一。具体的算法逻辑如下：基于特征图进行卷积操作，生成每个位置的预测结果，每个位置的预测结果由向量C表示，C为目标类别数。这里的特征图可以是从卷积层提取的低层特征图，也可以是通过上采样从高层特征图中得到的图像。对每个位置的预测结果进行Softmax操作，得到每个位置属于不同类别的概率。在这里，我们将所有可能的目标都视为中心点，即将每个位置视为目标的中心点。

通过回归器来预测每个目标的位置、大小和方向等信息。回归器的输入是每个位置的特征向量，输出是包含目标位置、大小和方向等信息的向量。这里的回归器可以是一个基于CNN的全连接网络，也可以是其他类型的回归模型。

对于每个目标，选择具有最高类别概率的中心点作为其中心点，并将该中心点的位置、大小和方向等信息与目标进行关联。这里采用一种基于二分图匹配的方法来匹配中心点和目标，从而实现目标的检测和跟踪。

具体地，设输入特征图为X ∈ RH×W×C，其中H和W分别表示特征图的高和宽，C表示特征图的通道数（即特征向量的维度），则中心点检测的算法可以表示为：

Fi， j = W · Xi， j + b

其中，W和b分别表示卷积核和偏置项，Xi， j表示特征图上（i，j）位置的特征向量，Fi， j ∈ RC是预测结果的向量表示。对预测结果进行Softmax操作，得到每个位置属于不同类别的概率：

其中， 表示位置（i，j）属于类别c的概率。

对于每个位置的特征向量，通过一个回归器来预测目标的位置、大小和方向等信息：

Oi， j = R（Fi， j）

其中，R表示回归器，Oi， j ∈ R4包含目标位置（x，y）、大小（w，h）和方向θ的信息，即Oi， j = （x，y，w，h，θ）。

对于每个目标，选择具有最高类别概率的中心点作为其中心点，并将该中心点的位置、大小和方向等信息与目标关联。这里采用一种基于二分图匹配的方法来匹配中心点和目标，从而实现目标的检测和跟踪。

逆行识别算法主要用于扶手电梯、楼梯等场所。算法应用中可通过动态视频实时监控乘客的动作行为进行数据采集，一旦发现有扶梯乘客逆行即刻报警，报警信号同步推送给相应的管理人员。该算法大大提升了安全管控效率。逆行识别画面如图2所示。

2.3  摔倒检测算法

扶梯摔倒检测需要通过视频检测是否有行人摔倒，这里我们采用YOLOv4模型进行行人检测，并使用HigherHRNet模型对检测出来的行人进行骨骼关键点识别，最后通过关键点角度计算来判断该行人是否摔倒。

针对扶梯乘客较多的场景，从监控的视角容易出现遮挡现象，从而导致漏报。为此提出一种新的摔倒检测特征以及基于骨架信息的多人摔倒预判断方法。针对因场景复杂而导致实时性降低的问题，多人摔倒预判断方法通过对场景中的人群进行预判断，把潜在可能发生摔倒行为的人群保留，剔除其余无关的干扰信息。降低后续网络负担，提高网络运算效率。针对多人场景特征提取的难点即复杂场景下人体姿态特征的提取，提出一种新的摔倒局部特征，3D骨骼图如图3所示。

摔倒识别算法主要应用于场站扶手电梯、楼梯等场所。算法应用中可通过动态视频实时监控乘客的动作行为进行数据采集，一旦发现有扶梯乘客摔倒即刻报警，报警信号同步推送给相应的管理人员。该算法大大提升了安全管控效率。

2.4  建立电扶梯智能监控体系

扶梯智能监控平台可远程实时监控画面，接收算法服务器端发送来的报警信息，并将报警信息推送给负责人，负责人可进行历史报警信息查看与数据分析统计，实现不间断安全值守，提高对现场危险行为的管控能力，预防危险行为的发生。系统架构图如图4所示。

3  建立智能调度系统

该智能调度系统由语音识别子系统、故障监测子系统、客流量监测子系统、环境监测子系统、消防安全子系统组成，通过智能语音识别、前后监测装置、显示装置实现与人和环境的信息交流。其中自动扶梯扶手带的一侧安装有智能语音识别装置和带式喇叭，可以沿着扶手带一侧根据自动扶梯不同的提升高度设置相应数量的智能语音识别装置，实现自动扶梯智能调度指挥系统的人机互动。语音识别子系统可实现乘客与人的互动，安全语音提示；故障监测子系统可实现自动扶梯的故障监测，向管理人员提供自动扶梯维修方案；环境监测子系统可识别周围环境的变化，提醒乘客注意事项，调整周围环境的湿度、空调温度等；客流监测子系统可识别站内客流量，若处于客流量高峰期，则提高扶梯的速度，提醒并引导乘客前往人流量较少的自动扶梯乘梯，若客流量较少，可以适当减少自动扶梯的工作台数，自动判断开站与关站，开启或关闭自动扶梯；消防安全子系统可在发生消防安全问题时立即关闭自动扶梯，并通知车站的指挥中心，配合进行人员疏散。系统界面图如图5所示。

所有子系统都与语音识别子系统相连接，语音识别子系统内置于扶手带一侧的智能语音识别装置，实现乘客与各个子系统的互动。乘客可以从扶梯上方的显示屏及语音识别装置得到自动扶梯的相关信息，子系统通过乘客的语音呼叫以及监控系统图像识别得到乘客反馈的信息，将反馈信息上传到智能调度指挥系统并做出相应的回应。

故障监测子系统对自动扶梯进行故障监测，实现自动扶梯全寿命周期的健康度显示。当健康度达到维修预警值时自动报警并向管理人员提供自动扶梯维修方案。

整个调度指挥系统的交互装置由语音识别装置、带式喇叭、前置监测装置、后置监测装置及显示装置组成。

根据自动扶梯不同的提升高度设置相应数量的语音识别装置，不同位置的语音识别装置识别相应区域范围内的乘客语音内容，最终由带式喇叭反馈给乘客。

前后监测装置监测自动扶梯上乘客的乘梯状态，依据图像处理和后台工作人员监控，通过带式喇叭向乘客传递安全提示信息。

实施方式如下：

1）通过智能语音识别装置将乘客传达的信息上传至智能调度指挥系统，并给出相应的回应。

2）智能调度指挥系统各子系统通过显示屏及语音装置进行信息传达。

3）智能调度指挥系统通过智能语音识别、前后监测装置、显示装置实现与人和环境的信息交流，其中自动扶梯扶手带的一侧安装有智能语音识别装置和带式喇叭，可以沿着扶手带一侧，根据自动扶梯的不同提升高度设置相应数量的智能语音识别装置，实现自动扶梯智能调度指挥系统的人机互动。

4）当客流量监控子系统监控到站内客流信息时会把信息上传到智能调度指挥系统，依据信息判断做出自动开启或关闭扶梯的指令。

5）智能调度指挥系统的各个子系统之间可以相互调用，可通过语音识别子系统与其他子系统进行人机互动，实现各自的功能。

6）消防安全子系统识别到消防安全风险时会立即采取相应的预防措施，并上传信息给智能调度指挥系统，配合站内总指挥系统执行客流疏散等任务。

与现有自动扶梯调度指挥系统技术相比，本文提出一种自动扶梯智能调度指挥系统。该系统融合了语音识别、故障监测、客流监测、环境监测、消防安全五个子系统，通过在自动扶梯一侧安装智能语音识别装置、带式喇叭，以及在自动扶梯上方安装显示装置实现乘客与各个子系统的互动。乘客可以从扶梯上方的显示装置及语音识别装置获得自动扶梯的相关信息，子系统通过乘客的语音呼叫及监控系统图像识别得到乘客反馈的信息，将反馈信息上传至智能调度指挥系统并做出相应的回应，从而保证乘客安全、便捷、智能乘梯。

4  结  论

自动扶梯一旦出现事故不但会损害人身安全，还会带来经济损失。因此必须要全面分析事故根源，采取相应的防范措施来改进扶梯的安全性，对乘客行为的识别监控形成预警、报警及应急处理等防范措施，通过智能调度指挥系统实现扶梯的安全智能运行。

参考文献：

[1] 闫雨寒，陈天，刘忠育，等.基于双重注意力和3DResNet-BiLSTM行为识别方法 [J].计算机应用与软件，2023，40（2）：192-196+205.

[2] 金博，王景林，刘泓铄，等.基于双注意力时间卷积网络的人体行为识别 [J].计算机工程与设计，2023，44（1）：284-291.

[3] 傅晨韬，胡极洋，陈俊孝.一种基于物联网的自动扶梯监控系统 [J].物联网技术，2020，10（10）：15-17.

[4] 何成，徐放，牟振英.智能自动扶梯在城市轨道交通运维管理中的研究与实践 [J].隧道与轨道交通，2019，126（S2）：239-243.

[5] 庄燕雄.自动扶梯设备故障原因及维护策略研究 [J].装备维修技术，2019，171（3）：106.

[6] 谈林涛，李军良，任昺.基于RB-XGBoost算法的智能电网调度控制系统健康度评价模型 [J].电力自动化设备，2020，40（2）：189-198.

[7] 许暖，沈波，王欢.基于熵权法的信息安全健康度评价模型 [J].安徽电子信息职业技术学院学报，2014，13（3）：32-36.

作者简介：陈辉（1973—），男，汉族，福建莆田人，工程師，本科，研究方向：车站机械设备。