基于视频理解的铁路落客平台运行特征分析

王 钶，高宁波，魏东洋，危进伟

(1.南京市城市与交通规划设计研究院股份有限公司，江苏 南京 210000;2.江苏智城慧宁交通科技有限公司,江苏 南京 210000)

近年来，随着铁路建设的快速发展，高速铁路已经成为中国客运中远距离的主要出行方式。高速铁路具有运行速度快、安全水平高以及服务态度好等特点，根据国家统计局数据，中国高速铁路客运量占铁路总客运量比例，如图1所示。国内高铁客运量占铁路客运量比重逐年攀升，由2010年的8%上升至 2015 年的 37.9%。在高速铁路客流成倍增加的客观情况下，其中，客流到达高速铁路站点约有35%是通过社会车辆运送至铁路落客平台，如何组织客流进站疏散是目前高速铁路客运站点管理面临的严峻挑战。在此背景下，分析研究高速铁路落客平台的车辆运行特征，对改进落客平台的运行效率，具有重要实际意义。

图1 中国高速铁路客运量占铁路总客运量比例

国内外对高速铁路站点的研究主要集中在高速铁路战略定位、交通组织以及接驳研究。其中，在高速铁路的战略定位领域，翟宁对国内高速铁路按照规划远景、建设时序以及空间位置进行层次划分[1]，侯雪对高速铁路的站点区域布局进行了统计和分析，给出了高速铁路站点分步规划思路[2]。在高速铁路的交通组织领域，彭其渊对高速铁路的夜

间行车组织调度进行了研究分析，提出了错时运行的高速铁路夜间运行组织方式[3]，Ningbo Gao从运行环境的角度出发，基于多层次测度理论对中国不同地区的高速铁路运行安全进行了等级划分[4], 郭升等对高速铁路的客流特征进行分析[5], 邹中翔以西安为例分析和探讨了高速铁路的物流规划[6]。本文在借鉴既有研究基础上，对高速铁路站点的落客平台客流运行进行分析。

1 铁路落客平台特征分析

1.1 相关定义

铁路落客平台主要功能有两个方面[7-8]：第一方面是提供出行乘客乘坐社会车辆到达高速铁路站点的下车地点；第二方面是提供出行乘客乘坐社会车辆离开高速铁路的上车地点。

基于此，可以将高速铁路落客平台概括为：高速铁路落客平台是一种提供社会车辆临时上客和下客的铁路客流集散区域，具有车辆快速通过、临时停靠等特点。

1.2 空间结构

铁路落客平台在空间结构上属于道路，具有道路的特点。一般而言，铁路落客平台一方面与城市主要干道连接，另外一方面与高速铁路站关联。从空间结构上属于U型，设计有利于车辆进入和驶离高铁站点，具体如图2所示。

图2 高速铁路落客平台空间结构

1.3 运行特点

铁路站点落客平台的车辆运行特点主要有以下三点[8-9]：

1)快速驶离特征，经过落客平台的车辆需要快速的通过，给后续其它车辆提供通行空间；

2)临时停靠特征，社会车辆需要选择适合的车辆停靠点，提供乘客下车，但是停车时间短暂，否则容易造成交通拥堵；

3)礼让行人特征，需要乘客需要跨过落客平台才能够到达站点，因此车辆在运行过程中，需要及时对行人进行礼让。综合以上特征，车辆在落客平台的运行具有随机停顿的特点。

2 车辆跟踪视频识别算法

2.1 运动跟踪原理

运动跟踪是一种用于准确测量运动物体在三维空间运动状况的特征识别算法[10]。它基于计算机图形学原理，通过排布在空间中的特征识别码对物体进行持续的运动状况以图像的形式记录下来，然后使用计算机对图像数据进行处理，得到不同时间计量单位上不同物体(跟踪器)的空间坐标(X,Y,Z)[11-12]。

2.2 车辆跟踪算法

2.2.1 特征构建

每个空间对象在影像资料中，都是以色彩R、G、B三彩色格式存储和体现的，对于不同的对象，其色彩分布不同，即ARGB的参数不同[13-14]，因此可以建立基于空间色彩分布的车辆特征：

S=F(X,Y){A,R,G,B}

式中：S代表车辆在空间X,Y位置点的色彩值，A代表色彩透明度取值范围0～100，R代表红色取值范围0～255,G代表绿色取值范围0～255，B代表蓝色取值范围0～255。

2.2.2 跟踪流程

在实际的运动检测过程中，运动跟踪检查主要划分为图像/影像资料输入，对象特征识别，空间位置捕获，运动状态检测，运行数据输出等5个过程[15]：

1)图像/影像资料输入。将待识别的图像或者原始影像资料输入计算机，通过计算机处理为灰度直方图。

2)对象特征识别。根据得到的灰度直方图进行降噪处理，剔除无关信息，保留关联度较高的灰度信息，并且根据灰度直方图得到对象的空间色彩饱和度信息，并融合成为对象的唯一鉴别信息。

3)空间位置捕获。在得到对象特征的基础上，对每帧画面中对象特征密集集中的区域设定为对象位置，以密集点空间中心坐标作为对象的空间坐标。

4)运动状态检测。通过对对象的空间坐标的变化差分比对，得到物体对象的停留或者运行的状态特征，车辆跟踪算法流程如图3所示。

图3 车辆跟踪算法流程

3 案例分析

为进一步论证上述车辆跟踪算法的适用性，以南京南站作为仿真目标，分析南京南站落客平台的车辆运行特征。

3.1 数据来源

南京南站属于南京的铁路快线枢纽，日均客流量达到8.8万人，具有28个站台，占地面积28万m2，具有一个落客平台。通过调查发现，落客平台共有单向4个车道，全部采用物理隔离，其空间拓扑结构如图4所示。

图4 南京南站落客平台平面布局结构

为对该落客平台的车辆运行特征进行分析，选取了某一工作日，利用无人机对落客平台进行俯拍，得到10:30-11:30的影像资料，如图5所示。

3.2 运行过程

基于OpenCV技术开发了对应的高速铁路站点车辆跟踪识别平台，开发平台为Visual studio 2012，该平台功能划分为视频导入、速度控制、距离校准以及出入口设定等功能，如图6所示。

通过该系统，将南京南站落客平台监控视频导入运行分析。在分析过程中，视频时间全长42 min，分析共耗时1 h 20 min，对每个车道进行分车道识别。

图5 南京南站落客平台监控画面

图6 基于OpenCV的落客平台车辆跟踪系统

3.3 特征分析

经过3.2节的运算，最终得到4个车道共计472车辆运行特征数据。其中，部分数据样本如表1所示。

表1 车辆跟踪样本数据

通过对具体车辆的运行轨迹分析，得到各个车道的车辆停顿点和停留时间分布如图7所示。

图7 落客平台车辆停留分布点情况

通过进一步统计分析发现，落客平台各个车道的运行具有以下特征：

1)4个车道车辆平均停留次数分别为：车道1平均停留1.2次，车道2车辆平均停留1.5次，车道3车辆平均停留2.3次，车道4车辆平均停留3.1次，其中车道1和2是属于快车道，车道3和4属于慢车道，与车道功能设置基本相符；

2)4个车道车辆平均停留时间分别为：车道1平均停留时间9.2 s，车道2车辆平均停留时间13.7 s，车道3车辆平均停留时间19.3 s，车道4车辆平均停留时间21 s，由于快车道车辆通行较为快速，与车道功能设置基本相符。

4 总 结

本文通过对高速铁路站点的落客平台的分析，探讨了落客平台的定义以及功能，基于落客平台车辆运行的基本特征，分析视频识别技术作为落客平台车辆运行跟踪的原理，构建了基于视频识别的车辆跟踪算法，基于OpenCV开发了相应的车辆跟踪识别软件。以南京南站落客平台作为研究对象， 分析了南京南站落客平台4个车道的车辆运行特征，分析得出各个车道的平均停留时间与停留地点基本与实际车道功能设计相符，进一步论证通过合理设置落客平台的停靠站点和车道功能，能够引导落客平台车辆运行，缓解落客平台交通拥堵问题。