摘? 要：由于有軌電車缺乏有效的客流統(tǒng)計系統(tǒng)，存在行車間隔與客流變化難以均衡、乘客等車時間長等問題。以成都市有軌電車蓉2號線為例，分析了有軌電車對客流統(tǒng)計系統(tǒng)的應(yīng)用需求，并對客流統(tǒng)計系統(tǒng)應(yīng)用方案進(jìn)行了研究，提出了一種基于智能視頻分析技術(shù)的客流統(tǒng)計方法，充分利用既有硬件設(shè)備，采用行人檢測、跟蹤等智能視頻分析算法，實(shí)現(xiàn)客流數(shù)據(jù)的精確統(tǒng)計。

關(guān)鍵詞：有軌電車;客流統(tǒng)計;智能視頻分析

中圖分類號：TP273? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：2096-4706（2022）03-0021-04

Research on Tram Passenger Flow Statistics System Based on Intelligent

Video Analysis Technology

LIU Zixue

（China Railway Eryuan Engineering Group Co.， Ltd.，? ?Chengdu? 610031， China）

Abstract： Due to the lack of an effective passenger flow statistics system for trams， there are problems such as difficulty in balancing the travel interval and passenger flow change， and long waiting time for passengers. Taking the tram Rong line 2 of Chengdu as an example， this paper analyzes the application requirements of trams to the passenger flow statistics system， studies the application scheme of the passenger flow statistics system， and proposes a passenger flow statistics method based on intelligent video analysis technology. The method makes full use of existing hardware equipment and adopts intelligent video analysis algorithms such as pedestrian detection and tracking to achieve accurate statistics of passenger flow data.

Keywords： tram; passenger flow statistics; intelligent video analysis

0? 引? 言

截至2021年8月，中國內(nèi)地包括沈陽、大連、長春、天津、上海、蘇州、南京、青島、廣州、淮安、珠海、武漢、深圳、北京、成都、佛山、天水、三亞、沈撫新區(qū)、嘉興、昆明在內(nèi)的21個城市（示范區(qū)）的有軌電車已投入運(yùn)營，共計38條線路，總運(yùn)營里程492.232 km，總軌道里程441.716 km。

當(dāng)前，現(xiàn)代有軌電車是融合軌道交通和市政道路兩種特質(zhì)的、承擔(dān)公交主要職能的一種中低運(yùn)量軌道交通系統(tǒng)，其系統(tǒng)采用電力牽引，屬綠色交通方式。相對地鐵、輕軌等其他城市軌道交通而言，其運(yùn)量小，對應(yīng)的基礎(chǔ)設(shè)施建設(shè)工程量小，從而節(jié)省工程投資，減少運(yùn)營、維護(hù)成本。但是，近年來我國有軌電車的運(yùn)營現(xiàn)狀也暴露出有軌電車存在的諸多問題。

2021年1月22日珠海有軌電車1號線暫停運(yùn)營，截至目前，珠海市交通委等部門已完成拆除相關(guān)的專家論證、拆除報告等前期工作，只待市政府最終確認(rèn)。如若珠海有軌電車1號線最終被拆除，將是中國自2010年后，發(fā)展現(xiàn)代有軌電車以來，首次拆除新建有軌電車項(xiàng)目。通過調(diào)研分析，本項(xiàng)目被停運(yùn)及有關(guān)拆除的論證，除項(xiàng)目本身存在技術(shù)缺陷外，本線路客流量少、運(yùn)營成本高等原因成了引發(fā)拆除的重要原因。

成都市有軌電車蓉2號線線路全長39.3 km，共設(shè)站47座。該線呈Y型布置，主線全長27.4 km，起點(diǎn)為成都西站，終點(diǎn)為郫縣西站，共設(shè)站33座。支線全長11.9 km，起點(diǎn)為百葉路站，終點(diǎn)為仁和站，共設(shè)站14座。

據(jù)統(tǒng)計，該線自2018年12月開通運(yùn)營以來，最大日客流達(dá)到2.5萬人[1]。但是從近年來線路整體運(yùn)營情況分析，由于線路較長、客流較小等原因，存在著行車間隔與客流變化難以均衡、乘客等待時間長、線路運(yùn)營成本高等問題。而解決該問題的關(guān)鍵之一就是緊密監(jiān)控客流變化趨勢，以客流統(tǒng)計數(shù)據(jù)為基礎(chǔ)，分析客流特征，從而為動態(tài)調(diào)節(jié)行車間隔提供參考，降低運(yùn)營成本。

本文針對成都市有軌電車蓉2號線客流數(shù)據(jù)統(tǒng)計問題，通過調(diào)研及分析線路實(shí)際情況，提出可行的客流統(tǒng)計方法及應(yīng)用方案，為優(yōu)化行車運(yùn)行提供參考。

1? 系統(tǒng)需求分析

根據(jù)成都市有軌電車蓉2號線沿線市民出行需求及線路運(yùn)力情況，開通初期早晚高峰最小行車間隔為9分50秒，反觀客流，運(yùn)行高峰期列車擁擠度不足30%，同時，有軌電車受道路交通信號、市政道路條件等外界干擾因素較多，會出現(xiàn)個別列車未能嚴(yán)格按照列車時刻表準(zhǔn)點(diǎn)運(yùn)行的情況，給部分市民帶來出行效率低，無法滿足上下班通勤需求等不良乘車體驗(yàn)。

成都地鐵運(yùn)營公司期望將通過在軌行區(qū)兩側(cè)增設(shè)欄桿、提高司機(jī)駕駛能力、引導(dǎo)社會車輛文明行駛等途徑，不斷提高列車準(zhǔn)點(diǎn)率，并根據(jù)客流變化情況動態(tài)優(yōu)化行車間隔及運(yùn)行圖，為乘客提供更優(yōu)質(zhì)的乘車體驗(yàn)。如圖1所示。

通過獲取車站實(shí)時客流，預(yù)測分析客流變化從而為動態(tài)優(yōu)化行車間隔及運(yùn)行圖提供數(shù)據(jù)依據(jù)成了本系統(tǒng)研究與開發(fā)的重點(diǎn)。同時，成都市有軌電車蓉2號線為已開通運(yùn)營線路，增設(shè)信息類輔助系統(tǒng)應(yīng)遵循功能適用等原則，系統(tǒng)方案及設(shè)備選型中還應(yīng)考慮經(jīng)濟(jì)性。

2? 方案研究

為了快速、準(zhǔn)確檢測客流的實(shí)時流量與客流分布情況，各城市都在研究與推廣新的技術(shù)手段，如AFC（自動售檢票）系統(tǒng)[2]、車輛稱重[3]、視頻自動檢測[4]、熱敏傳感技術(shù)[5]、手機(jī)信令[6]、Wi-Fi信令[7]和IC卡[8]數(shù)據(jù)分析等。但各項(xiàng)技術(shù)都存在各自的優(yōu)缺點(diǎn)，有其不同的適用情景，如AFC技術(shù)比較適用于進(jìn)出站客流統(tǒng)計，熱敏傳感技術(shù)比較適用于站內(nèi)通道換乘客流統(tǒng)計，手機(jī)信令比較適用于宏觀層面OD客流分析和乘客出行特征分析等。但同時各檢測技術(shù)又有一定的局限性，例如受難以適應(yīng)車站的復(fù)雜環(huán)境、監(jiān)測數(shù)據(jù)精度不高、設(shè)備安裝成本高等多方面影響[9]。因此，為滿足客流統(tǒng)計的需要，有必要結(jié)合蓉2號線當(dāng)前采用的售檢票模式和運(yùn)行環(huán)境特點(diǎn)，尋找一種經(jīng)濟(jì)可行的客流統(tǒng)計方式。

2.1? 紅外感應(yīng)客流統(tǒng)計方法

紅外線感應(yīng)客流統(tǒng)計的原理是采用紅外對射技術(shù)實(shí)現(xiàn)的，當(dāng)人體經(jīng)過紅外感應(yīng)區(qū)域時會切斷或阻擋紅外線使其產(chǎn)生電阻變化，從而判斷人體數(shù)量。

紅外線感統(tǒng)計使用的設(shè)備體積小巧，不影響人流正常通過，但是若多人同時經(jīng)過就會出現(xiàn)漏數(shù)現(xiàn)象，也不能有效地識別進(jìn)出雙向檢測，數(shù)據(jù)采集的單一性影響客流分析的結(jié)果[10]。

2.2? 基于IC卡數(shù)據(jù)的客流統(tǒng)計方法

目前，成都有軌電車蓉2號線售票方式與公交車相同，乘客上車后在上車門旁的一體機(jī)處進(jìn)行交易，支持IC卡、掃碼和現(xiàn)金支付。因此，可以采用IC卡（二維碼）數(shù)據(jù)獲得準(zhǔn)確可靠的上車刷卡時刻，同時結(jié)合有軌電車GPS信息判斷上車站點(diǎn)，得到上車站點(diǎn)、人數(shù)和時刻信息。該方法應(yīng)用簡單，結(jié)果準(zhǔn)確。

但是，由于有軌電車出行只在上車時刻刷卡，因而無法通過IC卡數(shù)據(jù)得到準(zhǔn)確的下車刷卡時刻及站點(diǎn)信息。參考公交客流統(tǒng)計方法，可利用基于站點(diǎn)吸引權(quán)的下車站點(diǎn)判斷方法對下車人數(shù)進(jìn)行推算[8]，最終得到較為準(zhǔn)確的站點(diǎn)和人數(shù)信息，但是依然無法精確判斷單個乘客的下車站點(diǎn)。

2.3? 基于智能視頻分析技術(shù)的客流統(tǒng)計方法

利用有軌電車既有的監(jiān)控視頻，采用智能視頻檢測技術(shù)實(shí)現(xiàn)客流采集與統(tǒng)計，是一種低成本、易實(shí)現(xiàn)的客流統(tǒng)計方法?；谥悄芤曨l分析技術(shù)的客流統(tǒng)計方法，利用前端攝像頭采集視頻數(shù)據(jù)，通過圖像處理和機(jī)器視覺技術(shù)，實(shí)現(xiàn)人體運(yùn)動檢測和統(tǒng)計，達(dá)到準(zhǔn)確率高、實(shí)時性、易操作的效果[11]。根據(jù)蓉2號線現(xiàn)場情況，可以采用既有的站臺和車載攝像機(jī)獲取視頻數(shù)據(jù)。

如圖2所示，車內(nèi)攝像機(jī)固定在車廂上端，自上而下進(jìn)行拍攝，可以清楚地拍攝到上下車乘客，進(jìn)而采用圖像處理算法可以統(tǒng)計上下車站點(diǎn)人數(shù)。但是由于車內(nèi)攝像頭采用廣角鏡頭導(dǎo)致視頻畫面存在畸變，增加了圖像處理算法難度。此外有軌電車車輛長32 m，6扇門可同時上下客，車內(nèi)需多個攝像機(jī)才能全覆蓋所有車門，因此需要對多路視頻數(shù)據(jù)進(jìn)行處理，增加了中心處理設(shè)備的數(shù)據(jù)處理壓力。

蓉2號線屬于半封閉線路，采用專用路權(quán)方式，設(shè)有進(jìn)出站臺通道。如圖3所示，站臺攝像機(jī)固定在進(jìn)出通道上方，視野良好，畫面清晰，能夠清楚的拍攝到進(jìn)出站乘客，近似可以認(rèn)為是上下車乘客，采用圖像處理和機(jī)器視覺技術(shù)，每個站臺只需處理一路視頻流就可以統(tǒng)計出客流數(shù)據(jù)。

綜上所述，根據(jù)蓉2號線乘車站臺實(shí)際調(diào)研情況，可充分利用進(jìn)出通道及其上方既有前端攝像頭，對采集的視頻流進(jìn)行智能分析，從而獲取實(shí)時客流數(shù)據(jù)。相比于IC卡數(shù)據(jù)統(tǒng)計的方法，基于智能視頻分析技術(shù)的客流統(tǒng)計方法不僅可以實(shí)時統(tǒng)計上下車乘客人數(shù)、時間、站點(diǎn)等數(shù)據(jù)，還不用增加采集設(shè)備，減少工程量及投資。

3? 客流統(tǒng)計系統(tǒng)

3.1? 智能視頻分析算法

如圖4所示，本系統(tǒng)實(shí)現(xiàn)的流程包括：通過既有前端攝像頭可獲取進(jìn)出通道的視頻流數(shù)據(jù)，然后做視頻分割處理得到適合進(jìn)行行人檢測的圖片序列，采用行人檢測算法可實(shí)現(xiàn)對圖片序列中的行人進(jìn)行檢測識別和人數(shù)統(tǒng)計，此外采用行人跟蹤算法能夠判斷圖片序列中行人的運(yùn)動方向，進(jìn)而實(shí)現(xiàn)客流的進(jìn)出站雙向判斷，最后得到分析后的客流數(shù)據(jù)。

本系統(tǒng)的核心算法是對行人進(jìn)行檢測和跟蹤?；谔荻戎狈綀D特征（HOG）[12]的檢測算法常用于人體檢測，但是考慮到客流檢測的實(shí)時性，本文采用YOLOv4算法[13]對乘客進(jìn)行檢測與識別，如圖5所示，檢測結(jié)果滿足精度要求，并且檢測速率有了極大提高。

由于需要統(tǒng)計進(jìn)出站兩個方向的客流數(shù)據(jù)，因此在圖像中檢測到行人之后，還需要對行人的運(yùn)動方向進(jìn)行判斷。如圖6所示，采用行人跟蹤算法可以獲得行人運(yùn)動軌跡，通過提前設(shè)定方向判斷規(guī)則就可根據(jù)運(yùn)動軌跡判斷出行人的運(yùn)動方向，從而獲得進(jìn)出站客流數(shù)據(jù)。

3.2? 客流統(tǒng)計系統(tǒng)架構(gòu)

基于智能視頻分析技術(shù)的客流統(tǒng)計系統(tǒng)由前端設(shè)備（既有站臺通道監(jiān)控攝像機(jī)）、傳輸網(wǎng)絡(luò)（既有光纜）和中心設(shè)備（智能視頻分析服務(wù)器、客戶端）構(gòu)成。其中，智能視頻分析服務(wù)器設(shè)置在控制中心，從CCTV系統(tǒng)取流對視頻數(shù)據(jù)進(jìn)行統(tǒng)計分析?？蛻舳嗽O(shè)置在調(diào)度中心，為運(yùn)營人員提供分析報表、展示客流趨勢等。

3.3? 客流統(tǒng)計系統(tǒng)界面

有軌電車客流統(tǒng)計系統(tǒng)客戶端如圖7所示，可實(shí)現(xiàn)以下功能：（1）對全線、區(qū)間、車站三級客流按時間粒度（分/時/日/周/月）統(tǒng)計上客人數(shù)總和、下客人數(shù)總和。（2）對全線、區(qū)間、車站三級客流按上行、下行進(jìn)行分方向統(tǒng)計。（3）分析沿線各站到發(fā)客流量、各站分方向乘車人數(shù)、分時分方向斷面客流量、換乘站客流量、高峰斷面客流等，提供變化趨勢圖。

4? 結(jié)? 論

本文對比分析了基于紅外感應(yīng)、IC卡數(shù)據(jù)分析以及智能視頻分析技術(shù)的客流統(tǒng)計方法，結(jié)合成都市有軌電車蓉2號線現(xiàn)場情況，提出一種基于智能視頻分析技術(shù)的客流統(tǒng)計方法，充分利用既有硬件設(shè)備，采用行人檢測和跟蹤等智能視頻分析算法，實(shí)現(xiàn)客流數(shù)據(jù)的精確統(tǒng)計和對客流變化趨勢的緊密監(jiān)控，借助客流統(tǒng)計數(shù)據(jù)分析客流特征，進(jìn)而為動態(tài)調(diào)節(jié)行車間隔提供有效參考，以降低運(yùn)營成本。此方法具備投入成本低、統(tǒng)計精度高等優(yōu)點(diǎn)，具有較高的可行性和可操作性。

參考文獻(xiàn)：

[1] 苗彩霞，鐘陟鑫，何利英.成都有軌電車蓉2號線的新技術(shù)應(yīng)用 [J].城市軌道交通研究，2020，23（S1）：38-41+46.

[2] 王國富，王洪臣，劉海東.城市軌道交通AFC系統(tǒng)新技術(shù)應(yīng)用及展望 [J].都市快軌交通，2017，30（1）：41-44.

[3] 秦征.移動式地鐵車輛稱重系統(tǒng)在廣州地鐵二號線的應(yīng)用 [J].鐵道機(jī)車車輛工人，2010（8）：24-27.

[4] 金劍鋒，丁琦，陸天培，等.人臉識別技術(shù)在智能客流分析領(lǐng)域的實(shí)踐應(yīng)用 [J].電信科學(xué)，2020，36（S1）：260-267.

[5] 褚祺晟.熱敏計數(shù)統(tǒng)計技術(shù)在上海軌交換乘客流統(tǒng)計中的應(yīng)用 [J].地下工程與隧道，2013（4）：47-50+60.

[6] 胡忠順，王進(jìn)，朱亮.基于手機(jī)信令數(shù)據(jù)的大客流監(jiān)控應(yīng)用研究 [J].電信技術(shù)，2017（4）：21-25.

[7] 陸音，繆輝輝.復(fù)雜室內(nèi)環(huán)境下的Wi-Fi定位技術(shù)研究 [J].計算機(jī)科學(xué)，2016，43（11）：152-154.

[8] 徐文遠(yuǎn)，鄧春瑤，劉寶義.基于公交IC卡數(shù)據(jù)的公交客流統(tǒng)計方法 [J].中國公路學(xué)報，2013，26（5）：158-163.

[9] 陳菁菁.城市軌道交通客流檢測技術(shù)的特征及其應(yīng)用分析 [J].城市軌道交通研究，2018，21（1）：137-142.

[10] 燕玲.基于深度學(xué)習(xí)的地鐵客流實(shí)時監(jiān)測 [J].交通世界2020（27）：7-8.

[11] 韓娜，陳東偉，鐘卓成.智能視頻客流人數(shù)統(tǒng)計系統(tǒng)的算法比較研究 [J].信息技術(shù)，2016（6）：45-48+53.

[12] WANG F B，YU K，YANG J，et al. A Novel Obstacle Detection and Tracking System Using Fisheye Vision [C]//2020 IEEE International Conference on Artificial Intelligence and Computer Applications （ICAICA）.Dalian：IEEE，2020：674-680.

[13] BOCHKOVSKIY A，WANG C Y，LIAO H Y M. YOLOv4： Optimal Speed and Accuracy of Object Detection [J/OL].arXiv：2004.10934 [cs.CV].[2021-12-11].https：//arxiv.org/abs/2004.10934.

作者簡介：劉孜學(xué)（1981.12—），男，漢族，四川德陽人，高級工程師，碩士研究生，研究方向：鐵路及軌道交通通信信息技術(shù)。