Passenger flow analysis and abnormal alarm system for passenger station based on image analysis
-
摘要:
为及时发现铁路客运场所潜在的安全隐患和异常事件，并主动进行干预，设计基于图像分析的客运站客流分析及异常报警系统。利用客运站既有的高清摄像头、智能传感器等设备，实时获取客运场所图像；结合图像分析技术和算法，根据客运站具体需求，不断优化目标检测和深度学习模型；应用复杂特征提取方法，优化异常分类报警阈值，实现了客运站客流、旅客越线或跌倒、公共场所消防等安全隐患场景的实时监控、分析、预测和异常报警。基于某车站的试点运行表明，该系统能够准确识别车站客流密度、人员行为异常及消防预警等重要事件，有效提升了车站的安全预警能力，以及车站安全管理水平和运输服务水平。
Abstract:In order to promptly identify potential safety hazards and abnormal events in railway passenger transport sites and intervene proactively, this paper designed a passenger flow analysis and abnormal alarm system for passenger stations based on image analysis. The paper utilized existing high-definition cameras, intelligent sensors, and other devices in passenger stations to obtain real-time images of passenger transport areas, combined image analysis technology and algorithms, continuously optimized object detection and deep learning models based on the specific needs of passenger stations, applied complex feature extraction methods, optimized abnormal classification alarm thresholds, and implemented real-time monitoring, analysis, prediction, and abnormal alarm of passenger flow, passenger crossing or falling down, public fire safety and other safety hazards in passenger stations. The pilot operation based on a certain station shows that the system can accurately identify important events such as passenger flow density, abnormal personnel behavior, and fire early warning, effectively improves the safety early warning capability of the station, as well as the level of station safety management and transportation services.
-
近年来，我国动车组列车发展迅速，取得了举世瞩目的成绩，行驶速度不断刷新世界记录。随着《中长期铁路网规划》的颁布，我国高速铁路的总里程将达到4万 km，彰显出高速铁路在我国基础交通设施中的重要地位。随着民众生活水平的不断改进，出行方式也愈加多样化，加快了我国高速铁路的发展进程。高速铁路凭借其速度快、服务好、安全舒适等优势深受民众青睐。国内铁路客运量持续提升，应此需求，我国于2019年将“复兴号”17辆编组投入商业化运营。列车总长达440 m，最大可承载乘客数达1283人次。从我国传统电力动车组到当前正在商业运营的“复兴号”动车组，基本都采用8辆或16辆编组设计[1]。使用多功能车辆总线（MVB，Multifunction Vehicle Bus）[2]与绞线式列车总线（WTB，Wire Train Bus）[3]组成通信网络。本文研究“复兴号”17辆编组动车组列车总线网段的扩展方案，并测试“复兴号”17辆编组动车组列车的网络控制系统MVB及WTB通信质量。
1 17编组网段扩展设计方案
1.1 MVB网段扩展测试设计方案
目前，“复兴号”16辆编组动车组每4辆车为1个牵引单元[4]，本文在第1个牵引单元内增加1辆车的线路及设备，验证MVB通信网络质量[5]和信号传输状况，并测试5辆车编组构成的MVB牵引单元网段实现的可能性。牵引单元网段扩展前后的网络拓扑结构，如图1、图2所示。
MVB网段扩展具体方案为：
（1）以1～4车牵引单元作为测试单元，在3车和4车间桥接一辆车辆总线（含设备）作为扩充网段；
（2）把原5车的中继器（REP）接入到3车和4车之间，原4车网段变更为5车网段，新接入的网段为4车网段；
（3）新的4车网段需要挂载相应设备来模拟真实的网络环境，为保证设备地址不发生冲突，对部分设备进行断电处理。新接入设备包括制动控制单元、牵引控制单元和轴温报警装置；
（4）通电后，完成所有系统设备初始化，把分析设备接入1车驾驶室等位置，进行MVB网络通信质量测试；
（5）由于MVB网段设计线路冗余，单线模式中并未出现帧丢失、错误帧等情况。
1.2 WTB网段扩展测试设计方案
把当前“复兴号”16辆编组动车组列车总线长度加长60 m，同时监测列车总线信号传输状况；在此基础上，测试拓展后的“复兴号”17辆编组动车组列车总线的通信网络情况与信号减弱过程。WTB网段扩展拓扑结构，如图3所示。
WTB网段扩展具体方案为：
（1）在1车WTB节点处外接约60 m长的WTB，并按原接口接入1车网关节点（1CCU2-GW）；
（2）在1车网关1（1CCU1-GW）和网关2（1CCU2-GW）间接入WTB分析仪；
（3）在1车网关2和WTB分析仪间接入示波器，显示WTB上各个网关节点的信号减弱程度。
2 17编组网段扩展测试
2.1 MVB网段扩展测试
2.1.1 扩展网段A线通信质量测试
MVB分析仪接入新增中继器的MVB接口处，将分析仪的线路模式设为A线，获得连接在通信网络中所有设备的状态帧状态。
利用MVB分析仪测试约200 s的总线数据帧，对数据进行过滤，查看通信质量。测试结果显示，连接在通信网络中所有设备的状态帧未出现异常，同时，分析仪未检测出错误帧、不合理帧丢失等情况。MVB网段扩展A线通信质量统计，如图4所示。
2.1.2 扩展网段B线通信质量测试
因MVB总线采用A、B线冗余模式[6]，不需要更换连接方式，将分析仪的线路模式设为B线，获得连接在通信网络中所有设备的状态帧状态[7]。
利用MVB分析仪测试约200 s的总线数据帧，对数据进行过滤，查看通信质量。测试结果显示，连接在通信网络中所有设备的状态帧未出现异常，同时，分析仪检测未出现错误帧、不合理帧丢失等情况。MVB网段扩展B线通信质量统计，如图5所示。
2.1.3 MVB网段扩展测试结论
在“复兴号”16辆编组动车组网络拓扑结构基础上，在1~4车牵引单元中增加1辆车，前5辆车为一个牵引单元，经过实验验证，通信质量未受影响，未出现错误帧、异常丢帧问题，测试结果满足IEC—61375标准，因此，MVB网段由4辆车增加为5辆车可行。
2.2 WTB网段扩展测试
2.2.1 16辆编组WTB网段测试
车辆总线扩展前，在“复兴号”的司机室接入分析仪，监测4辆车编组牵引单元信号减弱情况，用于与扩展后的网段做对比。
如图6所示，对于16辆编组，此时WTB网段数据帧信号最小峰值约为±2.71 V。按照1车、8车、9车和16车网关从左到右的数据帧信号情况，WTB总线各网关节点信号随距离增长而减弱。
如图7所示，对于16辆编组，此时WTB网段数据帧信号最大峰值约为±4.98 V。按照1车、8车、9车和16车网关从左到右的数据帧情况，WTB总线各网关节点信号随距离增长而减弱。
2.2.2 扩展后的17辆编组WTB网段测试
本文在“复兴号”16辆编组动车组基础上，扩展17辆编组动车组WTB总线，在1车网关节点接入示波器，监测WTB网段扩展后4个牵引单元信号减弱情况，并与扩展前的WTB网段信号减弱程度做对比。WTB总线采用A、B线冗余设计，连接器及总线均具备冗余功能，测试时不需要进行接口变更，设置示波器线路可分别监控。
（1）WTB网络A线扩展测试
如图8所示，WTB网络A线上的数据帧信号最小峰值约为±2.49 V，此时WTB网段A线数据帧信号最小峰值约是±2.71 V，信号减弱极值约为±0.2 V，从左到右依次为1车、8车、9车、16车网关数据帧发送情况。
如图9所示，WTB网络A线上的数据帧信号最大峰值约为±4.79 V，此时WTB网段A线数据帧信号最大峰值约为±4.98 V，信号减弱极值约为±0.2 V，从左到右依次为1车、8车、9车、16车网关数据帧发送情况。
（2）WTB网络B线扩展测试
如图10所示，WTB网络B线上的数据帧信号最小峰值约为±2.50 V，此时WTB网段B线数据帧信号最小峰值约为±2.71 V，信号减弱极值约为±0.2 V，从左到右依次为1车、8车、9车、16车网关数据帧发送情况。
如图11所示，WTB网络B线上的数据帧信号最大峰值约为±4.89 V，此时WTB网段B线数据帧信号最大峰值约为±4.98 V，信号减弱极值约为±0.1 V，从左到右依次为1车、8车、9车、16车网关数据帧发送情况。
2.2.3 WTB网段扩展测试结论
在16辆编组动车组基础上扩展为17辆编组动车组WTB总线时，WTB数据帧信号幅值减弱较小，满足IEC—61375标准要求，WTB网络通信正常，具备将16辆编组的WTB网段扩展为17辆编组的WTB网段的能力[8]。
3 结束语
本文在16辆编组动车组MVB及WTB网段基础上进行了17辆编组的网段扩展测试，测试结果均符合IEC—61375及GB/T—28029相关标准，数据帧信号的减弱及通信质量均正常，理论上可以满足将16辆编组动车组扩充至17辆编组动车组的网络系统设计要求。但在实验过程中所有动车组均停靠在站台，处于采用蓄电池供电的工况，因此动车组在实际运用中可能受到多设备同时在线、长大交路运营、电磁干扰及外界环境等影响，测试结果会存在一定误差，所以编组扩充需在动车组实际运用考核中进一步验证。
动车组编组扩展在满足站台长度、检修库长度、总线长度要求的情况下，可显著提升客运动车组的载客量。网络系统总线网段的扩展，使动车组编组形式更加灵活多样，增加动车组附加价值，提高利用率。
-
[1] 王小书,杨国元. 基于数字孪生模型的铁路客运站应急响应仿真方案研究[J]. 铁路计算机应用,2021,30(7):44-49,60. [2] 史天运,张春家. 铁路智能客运车站系统总体设计及评价[J]. 铁路计算机应用,2018,27(7):9-16. [3] 李 永,孟 歌,廖凤华,等. 铁路客运车站客流监测与预警系统[J]. 铁路计算机应用,2023,32(1):68-73, DOI: 10.3969/j.issn.1005-8451.2023.01.12. [4] 佚 名. 2023年全国铁路客运量创新高,旅客发送量达36.8亿人次[J]. 人民公交,2024(2):95. [5] 李 倩. 基于自监督部位感知的行人重识别模型及其在铁路客运站的应用[J]. 铁路计算机应用,2024,33(2):19-23. DOI: 10.3969/j.issn.1005-8451.2024.02.04. [6] 张 波. 基于AL-Transformer的铁路客运站旅客属性识别方法[J]. 铁路计算机应用,2024,33(2):7-12, DOI: 10.3969/j.issn.1005-8451.2024.02.02. [7] 何思瑶. 基于目标检测的铁路客运车站旅客行李关联技术研究[D]. 北京:北京交通大学,2022. [8] Song P H, Li P T, Dai L H, et al. Boosting R-CNN: reweighting R-CNN samples by RPN’s error for underwater object detection[J]. Neurocomputing, 2023(530): 150-164. DOI: 10.1016/j.neucom.2023.01.088
[9] Ju J X, Liang D X. Railway catenary insulator recognition based on improved faster R-CNN[J]. Automatic Control and Computer Sciences, 2022, 56(6): 553-563. DOI: 10.3103/S0146411622060074
[10] 崔 齐. 基于视觉导引的水下对接显控系统研究与实现[D]. 沈阳:辽宁大学,2023. [11] 蒲一超,张 琦,田 琳,等. 面向地铁客流分析场景的弹性集群云平台架构设计及部署方案[J]. 城市轨道交通研究,2024,27(1):156-161, DOI: 10.16037/j.1007-869x.2024.01.028. [12] 李志勇. 视频监控系统中分布式存储技术的研究与应用[D]. 上海:华东师范大学,2023. [13] 谭鹏许. 云计算环境下安全分布式存储架构与容错技术研究[D]. 郑州:解放军信息工程大学,2013.
下载:
计量
- 文章访问数: 72
- HTML全文浏览量: 20
- PDF下载量: 37
