基于BSSID 技术的列车人流监测系统设计

2020-04-17钱小刚

上海工程技术大学学报 2020年4期

钱小刚，户国，李昊

（1.上海地铁电子科技有限公司，上海 200233；2.上海工程技术大学城市轨道交通学院，上海 201620；3.东华大学材料科学与工程学院，上海 201620）

交通运输部文《城市新型冠状病毒肺炎分类与防治指南》规定，城市公共电动汽车和城市轨道交通等交通工具应在消毒方面细化，按高、中、低风险区划分通风与作业组织.对于轨道交通车站满载率和列车拥挤度，高风险地区这两个数据应小于50%，中等风险地区应小于70%，低风险地区没有限制.人流量是指单位时间内相邻两个车站同一方向运行的列车数，由某一区间的列车流量除以通行能力得到.与传统的测量方法相比，列车满载率将考虑到售检票系统上传的实时进出站数据，并参考历史人流大数据、旅客出行特点、路网结构、列车时刻表等，列车调度指挥措施等信息.本设计增加对重型列车各车厢人员分布的关注，将人员密度的预防和控制降低到最小单位.

1 BSSID 技术原理

基本服务集标识符（Basic Service Set Identifier，BSSID）是Ad Hoc 局域网的一种特殊应用，也称为基本服务集（Basic Service Set，BSS）[1].通过设置相同的BSS 名称，一组计算机可以组成1 个组.每个BSS 都分配1 个BSSID，这是1 个48 位二进制标识符，用于标识不同的BSS.每个网络设备都有自己的物理地址用于识别，称为MAC 地址.通常，工厂会有一个默认值，可以更改.它还有固定的命名格式，也是设备标识的标识符.BSSID 是指对于静态时序分析（STA）设备，接入点（AP）的MAC 地址为BSSID.通过扫描周围的BSSID，可以知道周围AP 的数量，也就是周围乘客的数量.

2 BSSID 技术在列车客流统计中的应用

2.1 地铁列车长度情况

一般来说，世界各地的地铁型号都没有统一的标准，往往是根据某个地方地铁的需求进行定制，如纽约地铁A 系统和B 系统.在中国大陆，地铁车辆通常分为A、B、C、D 等4 种型号和L 型，也有如APM 列车、单轨列车等特殊车型，上海地铁列车多为A、C 两种型号，编组数量为3～8 辆[2]，长度为60～160 m.为覆盖地铁列车的所有车厢，系统计划在每节编组头部安装WiFi 探测器，以保证整个列车的检测覆盖，具体参数见表1.

表1 地铁车辆主要类别及参数Table 1 Main types and parameters of metro vehicles

2.2 个人AP 与探测器AP 覆盖情况

手机个人热点是将手机接收到的GPRS、3G或4G 信号转换为WiFi 信号的技术.手机必须具备无线AP 功能才能作为热点使用.这是一种允许电子设备连接到无线局域网（WLAN）的技术，通常使用2.4 GHz 或5 GHz 无线频段.

实际测试无障碍距离为10 m 左右时可以使用，但信号一直比较弱，所以普通住宅的墙壁以及楼上与楼下的距离应该没有问题，有效距离约为50～100 m.但有墙时，距离会急剧缩短，因此住户的有效距离在30 m 以内.经过测试，大部分时间无线信号传输距离为20～30 m.这是由于建筑物、物体和信号的干扰，有效距离变小，导致网络速度不稳定.此外，还存在电压不稳定、电磁干扰等因素.

2.3 探测器与数据存储的实现

Java 技术已在各领域得到广泛应用，特别是在无线移动领域.全球已有100 多家移动运营商推出Java下载服务，Java 也正在成为其他嵌入式设备（如机顶盒）的支持标准.Java 应用程序的快速增长源于几个方面:

1）Java 最初的设计意图“编译一次，到处运行”表明Java 具有良好的可移植性，Java 应用程序的开发非常方便，上市速度快，节约成本;

2）Java 有广泛的支持网络，许多第三方公司都在开发Java 应用程序;

3）Java 平台固有的安全性适合运营商网络下载;

4）Java 字节码代码密度较高，程序较小，可以适合内存资源有限的嵌入式设备.

Java 数据库连接（Java Database Connectivity，JDBC）是一个用于执行SQL 语句的Java API，可以提供对各种关系数据库的统一访问.它由一组用Java 语言编写的类和接口组成.JDBC 提供一个基准来构建更高级的工具和接口，使数据库开发人员能够编写数据库应用程序[3].

根据这一特点以及Java 语言与数据库连接的方便性，本系统以小型计算机为硬件，配置Java 虚拟机（Java Virtual Machine，JVM），在后台使用Java 检测WiFi 和固定人流检测算法，并将实时人流数据存储到数据库中.采样数据类型见表2.

表2 详细采样数据表Table 2 Detailed sampling data table

3 系统核心

系统利用布设于各车厢内的小型机监测平均精度（Pa)，利用Redis 缓存处理优化后将监测数据传送至数据库，供操作控制中心（OCC）与车厢及车站提示设备进行数据调取，流程如图1 所示.

图1 数据传输及应用Fig.1 Data transmission and application

3.1 监测AP 前期数据预处理

由于地铁车厢也存在于系统开发中，使用getScanResults()方法获取扫描到的WiFi 列表时，列表中会出现前4 位属于同一个地铁公司设备商的BSSID 出厂商号和BSSID 最后4 位不相同的热点，这样的数据会干扰到准确测量周边AP 的数量.参照系统WiFi 过滤机制，这里实现的过滤策略，移除列表中地铁公司设备厂商的BSSID 地址.

3.2 监测AP 布置与人流统计策略

监测AP 按照每辆列车车厢节次配置，安装至每节车厢尾车门上行侧边，利用辅助系统进行供电，由于不同监测AP 可探测的范围为50～100 m[4]，势必会造成不同监测AP 重复监测的情况，具体探测步骤如下：

1）列车启动时开始实时监测，以时间间隔为5 s监测AP，扫描周边BSSID 地址与BSSID 信号强度并存储至缓存（通过识别地铁厂商AP 来避免误读）；

2）当后一次监测开始时，与之前缓存的BSSID地址进行比较，统计本次监测与上次监测重复的BSSID 数，并将当前时间、地铁线路、车厢号、车厢所在车辆相对位置存入数据库中；

3）消除本地缓存；

4）可视化平台提取对应的车厢数据情况并进行展示；

5）对不同监测AP 重复监测的情况进行横向比较，取一车厢的AP 探测数据，与其他AP 探测数据进行比较，若此AP 探测数据BSSID 强度大于后者，即保留前者，否则，保留后者.

AP 人流统计流程如图2 所示.对于输入数据库前的数据处理，使用Redis 进行预处理[5].Redis是一个符合伯克利软件发行版（BSD）协议的免费开源代码，是一个高性能的Nosql 缓存键值数据库.Redis 支持数据持久化，可以将数据保存在铭牌上的内存中，重启后可以重新加载使用.Redis缓存中，将不同监测AP 重复监测的情况进行横向比较，建立n(列车数量)个list 内嵌string 并输入数据库中，极大减少数据处理的耗时.对于总车辆数从1 至n进行遍历，时间复杂度为log 2n.

图2 AP 人流统计流程Fig.2 AP passenger flow statistics process

3.3 探测系统的可视化应用

系统利用4 种颜色标注拥挤度，颜色越深车厢里越挤.其中：黑色为车厢严重拥挤，即一列列车开走后，站台上仍会有乘客滞留；红色为车厢拥挤，即乘客此时已经很难在车厢内移动，站在站台透过车窗往里看，已经看不到对面站台；黄色为车厢内比较拥挤，即乘客在车厢内移动有困难，此时在车厢里看报纸不现实，但看手机的空儿还是可以找到的；绿色为车厢比较舒适，即乘客可以在车厢内走动.这些信息将会显示在候车站台前，供等候乘客进行车厢乘坐选择.

除此之外，储存在数据库中各时间点、各车厢的人流状况还可作为车站人员在高峰时候疏导客流的依据，可以实时显示各线路列车车厢当前的乘客拥挤程度.车站管理者、运营调度方均可以根据实时变化的数据，更加合理精准地调度车辆，安排运力.供车站人员进行人流候车引导、用户提示.车厢人流量提示界面如图3 所示.