基于智能视频分析的有轨电车客流统计系统研究

摘  要：由于有轨电车缺乏有效的客流统计系统，存在行车间隔与客流变化难以均衡、乘客等车时间长等问题。以成都市有轨电车蓉2号线为例，分析了有轨电车对客流统计系统的应用需求，并对客流统计系统应用方案进行了研究，提出了一种基于智能视频分析技术的客流统计方法，充分利用既有硬件设备，采用行人检测、跟踪等智能视频分析算法，实现客流数据的精确统计。

关键词：有轨电车;客流统计;智能视频分析

中图分类号：TP273           文献标识码：A文章编号：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，中国内地包括沈阳、大连、长春、天津、上海、苏州、南京、青岛、广州、淮安、珠海、武汉、深圳、北京、成都、佛山、天水、三亚、沈抚新区、嘉兴、昆明在内的21个城市（示范区）的有轨电车已投入运营，共计38条线路，总运营里程492.232 km，总轨道里程441.716 km。

当前，现代有轨电车是融合轨道交通和市政道路两种特质的、承担公交主要职能的一种中低运量轨道交通系統，其系统采用电力牵引，属绿色交通方式。相对地铁、轻轨等其他城市轨道交通而言，其运量小，对应的基础设施建设工程量小，从而节省工程投资，减少运营、维护成本。但是，近年来我国有轨电车的运营现状也暴露出有轨电车存在的诸多问题。

2021年1月22日珠海有轨电车1号线暂停运营，截至目前，珠海市交通委等部门已完成拆除相关的专家论证、拆除报告等前期工作，只待市政府最终确认。如若珠海有轨电车1号线最终被拆除，将是中国自2010年后，发展现代有轨电车以来，首次拆除新建有轨电车项目。通过调研分析，本项目被停运及有关拆除的论证，除项目本身存在技术缺陷外，本线路客流量少、运营成本高等原因成了引发拆除的重要原因。

成都市有轨电车蓉2号线线路全长39.3 km，共设站47座。该线呈Y型布置，主线全长27.4 km，起点为成都西站，终点为郫县西站，共设站33座。支线全长11.9 km，起点为百叶路站，终点为仁和站，共设站14座。

据统计，该线自2018年12月开通运营以来，最大日客流达到2.5万人[1]。但是从近年来线路整体运营情况分析，由于线路较长、客流较小等原因，存在着行车间隔与客流变化难以均衡、乘客等待时间长、线路运营成本高等问题。而解决该问题的关键之一就是紧密监控客流变化趋势，以客流统计数据为基础，分析客流特征，从而为动态调节行车间隔提供参考，降低运营成本。

本文针对成都市有轨电车蓉2号线客流数据统计问题，通过调研及分析线路实际情况，提出可行的客流统计方法及应用方案，为优化行车运行提供参考。

1  系统需求分析

根据成都市有轨电车蓉2号线沿线市民出行需求及线路运力情况，开通初期早晚高峰最小行车间隔为9分50秒，反观客流，运行高峰期列车拥挤度不足30%，同时，有轨电车受道路交通信号、市政道路条件等外界干扰因素较多，会出现个别列车未能严格按照列车时刻表准点运行的情况，给部分市民带来出行效率低，无法满足上下班通勤需求等不良乘车体验。

成都地铁运营公司期望将通过在轨行区两侧增设栏杆、提高司机驾驶能力、引导社会车辆文明行驶等途径，不断提高列车准点率，并根据客流变化情况动态优化行车间隔及运行图，为乘客提供更优质的乘车体验。如图1所示。

通过获取车站实时客流，预测分析客流变化从而为动态优化行车间隔及运行图提供数据依据成了本系统研究与开发的重点。同时，成都市有轨电车蓉2号线为已开通运营线路，增设信息类辅助系统应遵循功能适用等原则，系统方案及设备选型中还应考虑经济性。

2  方案研究

为了快速、准确检测客流的实时流量与客流分布情况，各城市都在研究与推广新的技术手段，如AFC（自动售检票）系统[2]、车辆称重[3]、视频自动检测[4]、热敏传感技术[5]、手机信令[6]、Wi-Fi信令[7]和IC卡[8]数据分析等。但各项技术都存在各自的优缺点，有其不同的适用情景，如AFC技术比较适用于进出站客流统计，热敏传感技术比较适用于站内通道换乘客流统计，手机信令比较适用于宏观层面OD客流分析和乘客出行特征分析等。但同时各检测技术又有一定的局限性，例如受难以适应车站的复杂环境、监测数据精度不高、设备安装成本高等多方面影响[9]。因此，为满足客流统计的需要，有必要结合蓉2号线当前采用的售检票模式和运行环境特点，寻找一种经济可行的客流统计方式。

2.1  红外感应客流统计方法

红外线感应客流统计的原理是采用红外对射技术实现的，当人体经过红外感应区域时会切断或阻挡红外线使其产生电阻变化，从而判断人体数量。

红外线感统计使用的设备体积小巧，不影响人流正常通过，但是若多人同时经过就会出现漏数现象，也不能有效地识别进出双向检测，数据采集的单一性影响客流分析的结果[10]。

2.2  基于IC卡数据的客流统计方法

目前，成都有轨电车蓉2号线售票方式与公交车相同，乘客上车后在上车门旁的一体机处进行交易，支持IC卡、扫码和现金支付。因此，可以采用IC卡（二维码）数据获得准确可靠的上车刷卡时刻，同时结合有轨电车GPS信息判断上车站点，得到上车站点、人数和时刻信息。该方法应用简单，结果准确。

但是，由于有轨电车出行只在上车时刻刷卡，因而无法通过IC卡数据得到准确的下车刷卡时刻及站点信息。参考公交客流统计方法，可利用基于站点吸引权的下车站点判断方法对下车人数进行推算[8]，最终得到较为准确的站点和人数信息，但是依然无法精确判断单个乘客的下车站点。

2.3  基于智能视频分析技术的客流统计方法

利用有轨电车既有的监控视频，采用智能视频检测技术实现客流采集与统计，是一种低成本、易实现的客流统计方法。基于智能视频分析技术的客流统计方法，利用前端摄像头采集视频数据，通过图像处理和机器视觉技术，实现人体运动检测和统计，达到准确率高、实时性、易操作的效果[11]。根据蓉2号线现场情况，可以采用既有的站台和车载摄像机获取视频数据。

如图2所示，车内摄像机固定在车厢上端，自上而下进行拍摄，可以清楚地拍摄到上下车乘客，进而采用图像处理算法可以统计上下车站点人数。但是由于车内摄像头采用广角镜头导致视频画面存在畸变，增加了图像处理算法难度。此外有轨电车车辆长32 m，6扇门可同时上下客，车内需多个摄像机才能全覆盖所有车门，因此需要对多路视频数据进行处理，增加了中心处理设备的数据处理压力。

蓉2号线属于半封闭线路，采用专用路权方式，设有进出站台通道。如图3所示，站台摄像机固定在进出通道上方，视野良好，画面清晰，能够清楚的拍摄到进出站乘客，近似可以认为是上下车乘客，采用图像处理和机器视觉技术，每个站台只需处理一路视频流就可以统计出客流数据。

综上所述，根据蓉2号线乘车站台实际调研情况，可充分利用进出通道及其上方既有前端攝像头，对采集的视频流进行智能分析，从而获取实时客流数据。相比于IC卡数据统计的方法，基于智能视频分析技术的客流统计方法不仅可以实时统计上下车乘客人数、时间、站点等数据，还不用增加采集设备，减少工程量及投资。

3  客流统计系统

3.1  智能视频分析算法

如图4所示，本系统实现的流程包括：通过既有前端摄像头可获取进出通道的视频流数据，然后做视频分割处理得到适合进行行人检测的图片序列，采用行人检测算法可实现对图片序列中的行人进行检测识别和人数统计，此外采用行人跟踪算法能够判断图片序列中行人的运动方向，进而实现客流的进出站双向判断，最后得到分析后的客流数据。

本系统的核心算法是对行人进行检测和跟踪。基于梯度直方图特征（HOG）[12]的检测算法常用于人体检测，但是考虑到客流检测的实时性，本文采用YOLOv4算法[13]对乘客进行检测与识别，如图5所示，检测结果满足精度要求，并且检测速率有了极大提高。

由于需要统计进出站两个方向的客流数据，因此在图像中检测到行人之后，还需要对行人的运动方向进行判断。如图6所示，采用行人跟踪算法可以获得行人运动轨迹，通过提前设定方向判断规则就可根据运动轨迹判断出行人的运动方向，从而获得进出站客流数据。

3.2  客流统计系统架构

基于智能视频分析技术的客流统计系统由前端设备（既有站台通道监控摄像机）、传输网络（既有光缆）和中心设备（智能视频分析服务器、客户端）构成。其中，智能视频分析服务器设置在控制中心，从CCTV系统取流对视频数据进行统计分析。客户端设置在调度中心，为运营人员提供分析报表、展示客流趋势等。

3.3  客流统计系统界面

有轨电车客流统计系统客户端如图7所示，可实现以下功能：（1）对全线、区间、车站三级客流按时间粒度（分/时/日/周/月）统计上客人数总和、下客人数总和。（2）对全线、区间、车站三级客流按上行、下行进行分方向统计。（3）分析沿线各站到发客流量、各站分方向乘车人数、分时分方向断面客流量、换乘站客流量、高峰断面客流等，提供变化趋势图。

4  结  论

本文对比分析了基于红外感应、IC卡数据分析以及智能视频分析技术的客流统计方法，结合成都市有轨电车蓉2号线现场情况，提出一种基于智能视频分析技术的客流统计方法，充分利用既有硬件设备，采用行人检测和跟踪等智能视频分析算法，实现客流数据的精确统计和对客流变化趋势的紧密监控，借助客流统计数据分析客流特征，进而为动态调节行车间隔提供有效参考，以降低运营成本。此方法具备投入成本低、统计精度高等优点，具有较高的可行性和可操作性。

参考文献：

[1] 苗彩霞，钟陟鑫，何利英.成都有轨电车蓉2号线的新技术应用 [J].城市轨道交通研究，2020，23（S1）：38-41+46.

[2] 王国富，王洪臣，刘海东.城市轨道交通AFC系统新技术应用及展望 [J].都市快轨交通，2017，30（1）：41-44.

[3] 秦征.移动式地铁车辆称重系统在广州地铁二号线的应用 [J].铁道机车车辆工人，2010（8）：24-27.

[4] 金剑锋，丁琦，陆天培，等.人脸识别技术在智能客流分析领域的实践应用 [J].电信科学，2020，36（S1）：260-267.

[5] 褚祺晟.热敏计数统计技术在上海轨交换乘客流统计中的应用 [J].地下工程与隧道，2013（4）：47-50+60.

[6] 胡忠顺，王进，朱亮.基于手机信令数据的大客流监控应用研究 [J].电信技术，2017（4）：21-25.

[7] 陆音，缪辉辉.复杂室内环境下的Wi-Fi定位技术研究 [J].计算机科学，2016，43（11）：152-154.

[8] 徐文远，邓春瑶，刘宝义.基于公交IC卡数据的公交客流统计方法 [J].中国公路学报，2013，26（5）：158-163.

[9] 陈菁菁.城市轨道交通客流检测技术的特征及其应用分析 [J].城市轨道交通研究，2018，21（1）：137-142.

[10] 燕玲.基于深度学习的地铁客流实时监测 [J].交通世界2020（27）：7-8.

[11] 韩娜，陈东伟，钟卓成.智能视频客流人数统计系统的算法比较研究 [J].信息技术，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.

作者简介：刘孜学（1981.12—），男，汉族，四川德阳人，高級工程师，硕士研究生，研究方向：铁路及轨道交通通信信息技术。