基于监控视频数据的城市轨道交通车站闸机设施处行人停滞行为谱特征研究*

石 琦 方 勇 胡 华 刘志钢 魏万旭

(上海工程技术大学城市轨道交通学院, 201620, 上海)

由于多样化的检票方式与不断增大的客流量,在城市轨道交通(以下简称“城轨”)车站闸机设施前,经常出现行人因移动扫码而延滞通行的现象。究其原因是闸机设施是行人进出站时无法规避的必经之地,行人需采取延滞通行的方式来应对暂时无法通行的情况。行人停滞行为具有充分利用空间等特性[1],研究停滞行为的共性和特性可以帮助理解行人在城轨车站闸机设施处的交通行为。

目前,针对闸机设施处的行人交通行为特征已有一定的研究。文献[2-4]对行人在闸机设施处无法顺利通行时的相关参数进行了研究,但未对行人停滞行为进行详细分析。行人停滞行为谱作为全面统计行人停滞行为特性的数据体系,排除了行人个体差异(例如性别、年龄、是否携带行李等),直观反映了行人停滞行为的共性规律。现有交通行为谱相关研究并不多,文献[5]以车头时距、车头间距、相对速度、TTC(冲突时间)等参数作为跟驰行为谱构成要素,构建司机在15种典型跟驰驾驶场景下的跟驰行为谱。文献[6]提出了基于大样本统计分布的不良驾驶行为阈值确定方法,以及不良驾驶行为谱特征值计算方法,这两种方法可以应用于对不良驾驶车辆与不良驾驶行为的实时辨别。目前,对行人交通行为谱的研究较为缺乏,通过构建行人停滞行为谱并解析其特征,可确定停滞行为特征阈值,从而可辨识异常停滞行为,为改善闸机设施的设计与设置,减少行人交通安全风险提供理论依据。

1 研究方法

1.1 城轨车站闸机设施处行人停滞行为谱构成要素

当行人无法顺利通行城轨车站闸机设施时会停滞不前。城轨车站闸机设施处行人停滞行为谱应包含如下几类要素:

1) 闸机设施:最常见的闸机类型为门扉式闸机和三杆式闸机。

2) 行人流:采用行人流率反映行人流特征,即单位时间行人通过闸机设施的数量。已有研究发现,闸机设施的实际通行能力与设计通行能力存在较大差异[7-8]。据实地观测,最大行人流率为15 人次/min。当行人流率为0～5人次/min时,行人能自由地选择闸机设施和行走速度,且行走基本不受行人流中其他行人的影响,行人流处于自由流;当行人流率为>5～10 人次/min时,行人受行人流中其他行人的干扰较大,行走速度受到一定限制,行人流处于稳定流,有拥挤感;当行人流率为>10～15 人次/min时,行人受行人流中其他行人的干扰更加严重,行人流处于不稳定流状态;当行人流率靠近上限15 人次/min时,闸机设施每分钟可通行的行人流量达到最大值,行人已无自由选择行走速度的余地。根据实际观测,本文将行人流率划分为0～5人次/min、>5～10人次/min、>10～15人次/min进行研究。

3) 个体停滞行为:利用表征个体行人发生该行为时的运动特性的相关指标进行表征,一般应包括时间、位移及距离等参数。

1.2 车站闸机设施处行人停滞行为表征指标

将行人或车辆视为运动单元。本文认为行人停滞行为可以通过行人自身运动状态及其与闸机设施的相对位置来表征。闸机设施处行人停滞行为的表征指标见图1。

注:DV—纵向距离[1];DH—横向距离;Rstop—停滞范围;①、②、③—同一行人在Rstop内的3个不同位置;(x1、y1)—行人在位置①的坐标;(x0、y0)—行人在闸机处刷卡时的位置坐标。

DV是指行人停滞行为起点与闸翼/闸杆中心的纵向距离:

DV=|y1-y0|

(1)

式中:

y1——行人停滞行为起点位置的纵坐标;

y0——闸翼/闸杆中心位置的纵坐标。

DH是指行人停滞行为起点与闸翼/闸杆中心的横向距离:

DH=|x1-x0|

(2)

式中:

x1——行人停滞行为起点位置的横坐标;

x0——闸翼/闸杆中心位置的横坐标。

Rstop是指行人停滞行为发生时所处区域的大小:

Rstop=πr2

(3)

式中:

r——行人沿某一方向行走的最大距离,一般r取0～1.28(假设行人的步幅为0.64 m[3])。

tstop是指行人停滞行为的持续时间:

tstop=tn-t1

(4)

式中:

t1——行人停滞行为起点时刻;

tn——行人停滞行为终点时刻。

1.3 行人停滞行为谱的构建方法

当行人停滞行为表征指标值明显较小或明显较大时,其对闸机设施的实际通行能力和拥挤风险会带来显著影响,因此,可假设行人停滞行为表征指标值应集中在一个合理的区间内,而远离此区间的表征指标值即为异常值。四分位差法是异常值检测中一种常见的方法,可以用于对各种分布数据的阈值计算[9]。本文采用四分位差法作为行人停滞行为表征指标阈值的确定方法,从而获得行人停滞行为谱表征指标的上下限阈值范围,其可进一步作为判别行人异常停滞行为的依据。

行人停滞行为表征指标阈值Mi为:

Mi=max(0,(Qi1-1.5RIQ,i),(Qi3+1.5RIQ,i))

(5)

式中:

Qi1——行人停滞行为表征指标i样本参数分布的下四分位;

Qi3——行人停滞行为表征指标i样本参数分布的上四分位;

RIQ,i——i样本参数的四分位差。

获取不同行人流率下不同类型闸机设施处行人停滞行为表征指标的均值、阈值和波动范围,作为城轨车站闸机设施处行人停滞行为谱范例,如表1所示。

表1 城轨车站闸机设施处行人停滞行为谱范例

2 试验数据采集

本文数据来源于上海城轨车站闸机设施处的监控视频。监控视频分辨率为704 像素×576 像素,帧率为24 帧/s。由于监控视频摄像机的角度不是完全垂直于地面,视频图像拍摄角度倾斜,故无法采用摄像机俯拍提取行人行为数据[10]。本文采用Adobe After Effects软件对行人进行自动追踪,以行人的脸部为追踪目标,记录每1帧追踪目标图像的像素坐标;对摄像机进行标定,获取摄像机内参矩阵、旋转矩阵及平移向量等参数。根据文献[11]提供的方法将追踪目标的二维像素坐标转换为世界坐标,通过一定时间内视频画面中的行人位置坐标变化,可计算出行人停滞行为的表征指标。试验数据采集界面截图如图2所示。经筛选用于本次研究的行人停滞行为的样本数据共89个。

a) 摄像机标定

b) 世界坐标转换及表征指标获取

3 城轨车站闸机设施处行人停滞行为谱

根据采集的数据及行人停滞行为谱构建方法,得到城轨车站闸机设施处行人停滞行为谱,如表2所示。基于表2,对不同闸机类型(门扉式和三杆式)和不同行人流率(0～5人次/min、>5～10人次/min、>10～15人次/min)下,行人停滞行为表征指标分布的差异性进行逐一分析。

表2 城轨车站闸机设施处行人停滞行为谱

3.1 DV与DH

DV与DH反映了行人相对闸机设施的位置。不同行人流率下门扉式闸机设施处的DH如图3所示。

a) 行人流率为0～5人次/min

b) 行人流率为>5～10 人次/min

c) 行人流率为>10～15 人次/min

由图3可见:在门扉式闸机设施处,行人流率为0～5人次/min、>5～10人次/min、>10～15 人次/min时,对应的DH的均值分别为0.21 m、0.25 m、0.20 m,对应的阈值分别为0～0.60 m、0～0.69 m、0～0.42 m,主要分布在0～0.20 m内。

不同行人流率下三杆式闸机设施处的DH如图4所示。由图4可见:在三杆式闸机设施处,当行人流率为0～5人次/min、>5～10人次/min、>10～15 人次/min时,对应的DH的均值分别为0.40 m、0.35 m、0.32 m;当行人流率0～5 人次/min时,DH主要分布在0.5～0.6 m内;当行人流率>5～10 人次/min时,DH主要分布在0.2～0.6 m内;当行人流率>10～15 人次/min时,DH主要分布在0～0.4 m内。

a) 行人流率为0～5人次/min

b) 行人流率为>5～10 人次/min

c) 行人流率为>10～15 人次/min

由此可见:DV远大于DH,表示行人易在闸机设施正前方停滞。另外,根据实际观察发现,存在部分行人退至闸机设施侧方停滞的现象,这与行人的运动空间和文化程度有关。

3.2 Rstop

不同闸机设施类型和不同行人流率下的Rstop箱形图如图5所示。由图5可见:当行人流率>5～10 人次/min时,Rstop标准差取得最大,即门扉式闸机设施处Rstop标准差为0.57 m2,三杆式闸机设施处Rstop标准差为0.59 m2,这表示此时行人Rstop波动性最大;随着行人流量的增加,行人可用空间减小,因此当行人流率>10～15 人次/min时,行人Rstop减小,波动性减小。

b) 三杆式

3.3 tstop

不同闸机设施类型和不同行人流率下的tstop箱形图如图6所示。由图6可见:随着行人流率的增加,tstop的RIQ,i减小,且阈值也显著减小;三杆式闸机设施处的tstop标准差减小,其波动性亦减小。

a) 门扉式

b) 三杆式

4 结语

1) 综合考虑闸机类型、行人流和个体停滞行为三类要素特征,构建了城轨车站闸机设施处行人停滞行为谱范例。

2) 采用四分位差法确定行人停滞行为谱表征指标上下限阈值,对行人停滞行为纵向距离、横向距离、停滞范围及停滞时间等4个表征指标的均值、阈值和波动范围进行分析,全面解析了不同闸机类型和不同行人流率下的行人停滞行为谱特征。

3) 后续研究应进一步增大闸机设施样本量数据,完善行人停滞行为谱指标阈值。可利用本文研究思路和方法,对城轨车站楼梯、自动扶梯、站台等场景进行行人停滞行为谱特征研究。