余珺瑞　杜友?！〈奁G榮

摘要：隨著科學(xué)與經(jīng)濟的發(fā)展，以及中國城市化步伐越來越快。城市的交通問題日益嚴(yán)重，居民乘坐公交車出行是緩解交通擁堵的一項有效的手段，既環(huán)保又能提高公共資源的利用率。但是有些公交線路在高峰期運力不科學(xué)，沒有有效的緩解交通壓力，增加運力是解決高峰期運力不足的最佳手段，然而僅僅只增多熱門線路的公交車數(shù)量，不僅不環(huán)保而且還浪費資源。而對公交的乘客數(shù)進行統(tǒng)計是公交智能調(diào)度系統(tǒng)實現(xiàn)的關(guān)鍵。本文作者通過對于智能人數(shù)檢測方面的研究與思考，以及對當(dāng)前的主要方法的優(yōu)缺點進行思考和分析的基礎(chǔ)上。提出一種在傳統(tǒng)的壓力人數(shù)檢測的基礎(chǔ)上，進行改進和延伸的人數(shù)檢測方法。主要是利用上下車的分重量與總重量的關(guān)系，判斷出上車人數(shù)和下車人數(shù)，進而得到當(dāng)前公交車上的人數(shù)。最后通過密集度的轉(zhuǎn)化，判斷出當(dāng)前公交車上處于空閑、擁擠還是爆滿的狀態(tài)，并發(fā)送給客戶端。

關(guān)鍵詞：智能公交系統(tǒng)；人數(shù)檢測；壓力檢測；智能調(diào)度；密集度

中圖分類號：TP311 文獻標(biāo)識碼：A 文章編號：1009-3044（2018）27-0267-02

1 概述

在國內(nèi)外進行智能公交研究的公司有很多，在2000年左右的時候開始興起。到2010年左右部分公司已經(jīng)取得了相關(guān)的研究成果，在國外已經(jīng)有了很好的市場。但是同樣的軟件和技術(shù)，在中國卻不能得到很好的運用。按照檢測的基本原理進行分類，目前公家車客流量統(tǒng)計主要采用三種檢測方法：壓力檢測法、紅外檢測法、基于視頻的圖像檢測法。

2 國內(nèi)外研究現(xiàn)狀

傳統(tǒng)的壓力檢測法簡單可行，把車上乘客的總重量作為參數(shù)用算法估計出乘客的總?cè)藬?shù)。但是，對于上下車的乘客方向及人數(shù)的判斷有很大的誤差。在從總重量到總?cè)藬?shù)的算法過程中，不好實現(xiàn)；紅外檢測法分為主動紅外檢測和被動紅外檢測。主動紅外檢測利用安裝在公交車前后門附近特定的高度上，通過發(fā)射頭發(fā)射出的定制波長的紅外線來覆蓋一定的區(qū)域，再通過傳感器檢測從乘客身上被反射回來的光線，從而達到自動識別乘客上下車方向以及人數(shù)的目的。被動紅外檢測，使用合適的熱釋電紅外線探頭，所以只能檢測到人體發(fā)出的信號，這樣就避免了其他物體的干擾。當(dāng)乘客上下公交車時，通過紅外傳感器探測人體紅外光譜所產(chǎn)生的變化即可得到乘客上下車的過程，再通過信號處理可以判別上下車方向和上下車人數(shù)。但是，紅外檢測法的覆蓋范圍有限，并且受到溫度光線等的影響較大，尤其是在高峰期乘客擁堵的時候；目前，隨著硬件性能的提高，圖像處理技術(shù)的進步以及乘客檢測與跟蹤技術(shù)的不斷突破，使得基于視頻圖像的客流計數(shù)方法成為現(xiàn)在的主流方法。但是，使用圖像處理技術(shù)主要有4個：①車體振動引起的視頻抖動；②拍攝視角引起的圖像梯形失真；③車廂環(huán)境的復(fù)雜性（光線，背景顏色，遮擋等問題）；④算法要滿足實時性和可移植性的要求?，F(xiàn)在在使用視頻圖像處理時，結(jié)合機器學(xué)習(xí)來進行處理。算法也要較為優(yōu)異，并且處理的事情過于復(fù)雜和繁瑣，對于前端及后臺的壓力都過于巨大，實時性要求也較為高，所以本文作者認(rèn)為，在公交車上使用視頻圖像來進行分析和統(tǒng)計，并不合理。代價太大，要求較高，可行性不強。可以小范圍的進行試驗，但不適合推廣。

例如：Blue EyeVideo 公司的自動客流計數(shù)系統(tǒng)，在國外的公交車上，由于公交車的客流量小，且乘客上下車有秩序，不易擁擠，因此計數(shù)效果較好，可以得到較高的準(zhǔn)確率。但是在我國的公交車上，由于國內(nèi)公交車的客流量大，乘客上下車時經(jīng)常擁擠，相互遮擋較為嚴(yán)重，導(dǎo)致這些計數(shù)系統(tǒng)準(zhǔn)確率不高，結(jié)果很難讓人滿意。無法滿足客流計數(shù)的要求。如何解決我國公交車環(huán)境的復(fù)雜性，找到一種高精度、高性能的并且簡單可行的客流計數(shù)方法，正是本文的研究內(nèi)容。

3 算法主要簡介

3.1 思想簡介

作者主要是在傳統(tǒng)的壓力檢測法的基礎(chǔ)上進行改進：1.將重量分為分重量和總重量；2.分重量為上車重量和下車重量；3.當(dāng)車的總重量發(fā)生變化時進行相應(yīng)的操作，將分重量帶編號存入數(shù)組中，總重量進行記錄；4.進行人數(shù)的統(tǒng)計計算與實時更新。系統(tǒng)模型如圖1所示：在上車口、下車口以及公交車自身都加一個測重計。分別用來測量上車人的重量，下車人的重量，以及車上所有人的總重量。并把對應(yīng)的重量存儲在相應(yīng)的數(shù)組中去。（A數(shù)組用來記錄帶序號的上車人重量，B數(shù)組用來記錄帶序號的下車人重量，C數(shù)組用來存儲所有人的總重量，A1用來存儲上車人的體重）。

A=[[1，66.32]，[2，70.15]，[3，56.00].....] B=[[1，56.00]，[2，0.15]，[3，66.32].....]

A1=[66.32，70.15，56.00.....] C=[192.47.....]

圖1

首先，檢測C測重板的數(shù)值是否發(fā)生變化，如果沒有發(fā)生變化則說明此時并沒有人在上車或者下車，只是可能有人在測壓板附近。該方法首先就可以杜絕傳統(tǒng)的壓力檢測法中來回踩踏的問題。然后根據(jù)總重量的增加或者減少并結(jié)合A，B數(shù)組中的值得變化來綜合判斷判斷此時是在上車或者下車（上下車與總重量的變化并不是必然聯(lián)系）。

然后，根據(jù)A數(shù)組中值得變化（在合理范圍內(nèi)）得到上車的總?cè)藬?shù)，根據(jù)B數(shù)組中值的變化（在合理的范圍內(nèi)）得到下車的總?cè)藬?shù)。此時還要對A，B數(shù)組中的數(shù)值進行聯(lián)合判斷，如果是單人次序的上下車，B中的數(shù)據(jù)必然能在A和A1中找到，此時從A1中“劃去”相同重量的數(shù)值，就代表該人下車（質(zhì)量重復(fù)并不影響人數(shù)的判斷）。最后直接從A1中進行計數(shù)，或者利用遞推公式

[Cn=Cn-1+R（R=a-b）]

a為上車人數(shù)，b為下車人數(shù)。根據(jù)遞推公式計算出當(dāng)前公交車上的人數(shù)，計算完成后保存并處理數(shù)據(jù)后發(fā)送到客戶端從而判斷出當(dāng)前公交車處于一種什么狀態(tài)。在處理的過程中給定以密集度作為參考的標(biāo)準(zhǔn)：密集度[γ]。

密集度：[γ=Cn÷V]。

V為公交車本身的空間大小，Cn為當(dāng)前公交車上的人數(shù)。我們以滿座人數(shù)為參考值，如果[γ]小于0.27（24人座，87.628m3），這說明當(dāng)前的公交車狀態(tài)為空閑狀態(tài)。如果[γ]在0.27和0.38之間則為擁擠狀態(tài)。如果[γ]大于0.38，說明當(dāng)前公交車處于爆滿狀態(tài)。密集度的參考值可以根據(jù)公交車的大小，以及公交車上座位的多少進行相應(yīng)的調(diào)整。

3.2 流程算法圖

為了方便對于多種情況的考慮，下面用流程圖來加以說明和解釋，如圖2所示。

3.3 算法實現(xiàn)

第一步：當(dāng)A或者B數(shù)組中的值發(fā)生變化時，先判斷C的值是否發(fā)生改變。如果C的值發(fā)生改變，則說明此時有乘客上車或者下車。（不考慮上車與下車乘客體重剛好一樣的小概率事件）。

第二步：A的值發(fā)生變化，總重量發(fā)生變化，此時有人上車（總重量的增加與減少與是否在上車或者下車沒有必然的聯(lián)系）。

Case 1：如果該次變化的值小于75，進行計數(shù)加1。并將該數(shù)值放在數(shù)組A1的前面。

Case 2：如果該次變化的值大于75小于180都計數(shù)1。

Case 3：大于180計數(shù)2。并對數(shù)值進行編號和入數(shù)組操作。不論大于180這個數(shù)值對應(yīng)的是1個人還是2個人，都當(dāng)作2個人進行處理。（根據(jù)密集度參考值判斷，即使是1個人超過180，所占權(quán)重也較為大。不考慮3人同事上車或者下車的情況）

第三步：B的值發(fā)生變化，總重量發(fā)生變化，此時有人下車。

Case 1：如果該次變化的體重在75到150這個范圍內(nèi)，并且在誤差允許的范圍中在A1數(shù)組中記錄有該數(shù)值，則將該數(shù)值擦除。人數(shù)計1

Case 2：如果該次變化的體重在75到150這個范圍內(nèi)，但是不在A1數(shù)組中記錄有該值，則將A1中從前刪除一個再從75到150范圍內(nèi)找一個最接近的，將這兩個數(shù)值刪除。并計數(shù)2

Case 3：如果該變化的體重不在75到180這個范圍內(nèi)，但是在A1數(shù)組中記錄有該值，則將A1中該數(shù)值擦除。人數(shù)計1

Case 4：如果該變化的體重不在75到180這個范圍內(nèi)，但是在A1數(shù)組中記錄有該值，則將A1中該數(shù)值擦除。人數(shù)計2

第四步：得到上車人數(shù)a，以及下車人數(shù)b。

第五步：根據(jù)公式[Cn=Cn-1+R（R=a-b）]計算出當(dāng)前的人數(shù)，Cn-1為上次的車上人數(shù)。

4 總結(jié)與展望

本文的實驗以范圍隨機數(shù)來模擬人的體重，然后對這些數(shù)據(jù)進行相應(yīng)的轉(zhuǎn)化。用體重計來代替相應(yīng)的測重計進行記錄和模擬。并且對于特異性數(shù)據(jù)要進行必要的插入和處理，這樣才能保證在實際運用中更加準(zhǔn)確。相對于其他的方法來說，本文的方法具有一定的創(chuàng)新性和實用性。穩(wěn)定性較好，簡單易行。接下來，本文作者決定對于該方法進行實地考察和調(diào)研后進行試驗和分析。并且如果隨著電子支付時代的不斷發(fā)展，當(dāng)95%以上的乘客乘坐公交車通過移動電子支付，來支付乘車費用時。對于上車人數(shù)的統(tǒng)計將變得更為簡單易行，再到下車處增加一個對應(yīng)支付的感應(yīng)裝置，就可以得到下車人數(shù)。本方法有待進一步的試驗和改進，在此提出作者的思想，從更為傳統(tǒng)的方法中找到突破，而不是完全使用視頻圖像處理等思路來限制對問題的解決。

參考文獻：

[1] 成都理工大學(xué).一種公交人數(shù)實時智能檢測系統(tǒng)：中國，CN201620253015.3[P].2016-09-07.

[2] 謝璐.車載視頻監(jiān)控中基于乘客檢測和跟蹤的客流計數(shù)方法[D].天津大學(xué)，2014.

[3] 崔莫磊.公交視頻人數(shù)統(tǒng)計系統(tǒng)的設(shè)計與開發(fā)[D].鄭州大學(xué)，2013.

[4] 李俊霞.基于視頻的公交乘客目標(biāo)識別和計數(shù)的研究[D].華北水利水電大學(xué)，2014.

[5] 徐亮.基于視頻圖像處理的人數(shù)統(tǒng)計系統(tǒng)算法研究與實現(xiàn)[D].東北大學(xué)，2011.

[6] 湖南漢源信息技術(shù)有限公司.一種通過檢測輪胎氣體壓力的公交客流量采集器：中國，CN201320791009.X[P].2014-05-28.

[7] 西安思能網(wǎng)絡(luò)科技有限公司.一種公交車內(nèi)人數(shù)顯示裝置的設(shè)計：中國，CN201210463832.8[P].2014-05-28.

[8] 溫州大學(xué).一種用于檢測公交車載客量的裝置、方法及公交車：中國，CN201610863579.3[P].2017-05-10.

[9] 石泰昱.公交計數(shù)系統(tǒng)數(shù)據(jù)采集裝置的改進研究[D].東北大學(xué)，2011.

10] 李路.公交站臺行人檢測系統(tǒng)關(guān)鍵技術(shù)研究[D].浙江工業(yè)大學(xué)，2016.

[11] 廣州星唯信息科技有限公司.帶客流量統(tǒng)計的公交車載視頻監(jiān)控系統(tǒng)設(shè)備：中國，CN201620167273.X[P].2017-01-04.

[12] 鄭州森鵬電子技術(shù)有限公司.動態(tài)車輛載重檢測裝置：中國，CN201220020568.6[P].2012-10-03.

[通聯(lián)編輯：梁書]