基于智能调度技术的铁路客运安检集中判图系统研究

杨 栋，朱建生，唐 雯

（1.中国铁道科学研究院 研究生部，北京 100081；2.中国铁道科学研究院集团有限公司电子计算技术研究所，北京 100081）

0 引言

铁路客运车站、旅客列车是人员密集场所，其安全检查一直是我国铁路客运、公安部门关注的重点。铁路旅客安检是铁路有关部门为了及时发现安全隐患，预防各类事故的发生，确保客运站车公共安全，而依法对旅客人身及其携带物品和托运物品等进行的安全检查[1-2]。目前，铁路车站对旅客携带品的安检方式如下：旅客将携带品放置在X射线安检仪上，安检仪对携带品进行实时成像，生成伪彩色安检图像，值机员通过观察伪彩色安检图像，以判断是否有疑似禁限物品，若发现疑似禁限物品，则通知附件的处置人员进行开包检查，以核查判断是否存在禁限物品[3-4]。既有的安检模式存在安检人员工作效率不高、人员浪费的问题，即不论一个车站一天开行多少列车，不论旅客发送量多少，至少需启动1个安检通道，配置1名值机员进行判图作业[5]。在实际作业中，车站启动的安检通道通常为2个甚至更多，且存在多班组换班作业，值机员人力开销更大。

2022年1 月，中国国家铁路集团有限公司(以下简称“国铁集团”)科技和信息化部《关于印发旅客运输安全检查系统总体技术方案评审意见的通知》，开启了铁路安检信息化、智能化建设的序幕。旅客运输安全检查系统总体技术方案中明确了铁路安检集中判图的技术路线，通过建设安检集中判图系统，采用“大站带小站”的安检作业模式，解决现有作业模式下值机员人力浪费的问题。集中判图是一种全新的安检作业模式，通过在中心站建立集中判图室，将代管站的安检值机员集中至中心站；再结合智能调度技术，实现安检判图任务的实时调度和分配，解决传统安检模式下一个值机员只能处理1台安检仪判图任务的的问题，实现安检值机员判图作业的减员增效。地铁[6-7]、民航[8-10]领域已开展了网络化判图和集中判图的相关研究，为实现铁路安检集中判图，需结合现场情况详细设计系统机构、深入分析业务流程，并对智能调度这一关键技术开展深入研究。

1 集中判图系统设计

1.1 系统结构

通过将安检仪接入安全生产网，并基于智能调度服务，可实现远程集中判图，集中判图系统结构如图1 所示。在图1 中，中心站是指区域性的中心车站，通常客流较大；代管站是指被中心站代管相关客运业务的车站[11]。在中心站的信息机房新增调度服务器，部署智能调度服务；在中心站建立集中判图室，并配置判图终端；在车站安检通道，将安检仪接入安全生产网。代管站的安检通道产生判图任务后，将安检仪产生的安检图像通过安全生产网发送至调度服务器(中心站本站的安检图像通过局域网发送至调度服务器)。通过调度服务器的智能调度，将判图任务分配给空闲的值机员。值机员对安检图像进行实时判定处置后，将判图结果、语音提示返回至处置台。

1.2 业务流程设计

安检集中判图是一种全新的作业模式，改变既有安检作业方式，主要涉及用户为值机员和处置员[12]。既有作业模式下，每个安检通道均配备1 名值机员和处置员，分别负责这一安检通道的判图工作和开包处置工作，2 人可面对面沟通，进行开包核验和禁限物品处置[13]。在集中判图模式下，主要带来以下3 点变化：①值机员在中心站的集中判图室远程实时判图，通过建立集中判图室，采用大站带小站的模式，将管辖范围内安检通道的值机员集中至中心站的集中判图室，值机员不再对应单一特定的安检仪，而是可根据系统的调度接收到管内所有安检仪的安检图像；②值机员在完成判图任务后，需在集中判图系统中给出判图结论，即处置或放行，若发现疑似禁限物品还需在安检图像中对禁限物品位置进行标记，并录制提示语音；③处置员无法与值机员进行面对面沟通，需通过处置终端展示的安检图像、实物图像以及提示语音进行开包核验。基于上述分析，设计值机员和处置员的作业流程如图2所示。

1.3 安检通道配套设施

为满足铁路安检集中判图作业要求，需对安检通道的配套设施进行改造升级。

（1）在安检仪出口的传送带旁，新增护栏，防止旅客提前拿走行李。与既有安检模式相比，集中判图系统在判图和交互中会产生延迟，延迟来自安检图像发热网络传输、安检图像完全扫描后成像、判图结果回传3个方面。安检图像采用列数据传输模式，即产生一定列数的扫描数据后打包传输，在百兆带宽下，单个数据包设计传输延时小于200 ms。包裹在完全通过安检仪扫描后，才会在判图终端生成一幅完整的安检图像。单个包裹长度通常不大于1 m，在传送带速度为0.2 m/s的条件下，会带来5 s的图像生成延时。通过回传有问题安检图像的序号实现结果回传，减少数据量，设计传输延时小于100 ms。综上，整个判图过程额外产生的延迟为5.3 m，按照0.2 m/s 的传送带速度计算，集中判图延迟带来的包裹向后多移动距离不大于1.06 m，需增加护栏，防止旅客提前拿走包裹。

（2）在处置终端新增包图关联显示，方便处置员快速寻找需要开包的包裹。在值机员发现禁限物品时，和处置员进行远程交互，处置员寻找需要开包的包裹并进行处置。为提高交互效率，便于处置员快速寻找到待开包的包裹，需增加包图关联显示。通过抓拍包裹的实物图像，并将安检图像和实物图像进行一一对应，方便处置员根据实物图像快速找到待开包的包裹，包图关联技术方案如图3 所示。在安检仪出口处上方加装摄像头，用于获取实物图像；对安检仪软件进行升级，用于获取传送带的状态信息，并获取安检图像及生成时间；在处置台终端部署包图关联程序，实现包图关联。

图3 包图关联技术方案Fig.3 Technology solution of package and image association

（3）增加安检状态展示，方便引导员引导旅客安检。车站现场情况复杂，在大客流、网络不稳定等情况下，可能会产生判图不及时，影响旅客安检的情况。为解决上述问题，需增加安检状态展示，如增加报警灯或状态显示屏幕等方式，指示当前安检通道是否可以正常安检。在远程判图任务发生排队或现场处置任务发生排队时，安检状态展示为需等待，引导员根据安检状态提示，引导旅客等待安检。

2 智能调度技术

在集中判图系统中，智能调度服务部署于调度服务器，功能是对不同安检仪输入的安检图像进行实时调度，分配给合适且空闲的值机员。因此，智能调度技术需要解决2 个核心问题：①判图任务应当分配调度给哪一个值机员；②在兼顾工作效率和旅客体验的情况下，应当有几个值机员作业，即值机员的排班问题。

2.1 判图任务调度

判图任务调度的功能是将数个安检仪产生的安检图像调度分配给数个值机员，判图任务在安检仪产生，在值机员判图后完成。分析旅客进站安检流程，旅客进站并将携带品放置于安检仪，携带品通过安检仪，产生判图任务，安检人员判图并处置后，旅客进入候车区。故对旅客来说有几个重要的时间概念，分别是旅客到达车站安检通道的时间(以下简称“到达时间”)；旅客开始接受安检的时间(以下简称“安检时间”)，旅客因安检判图而排队等待的时间(以下简称“等待时间”)。用集合P表示系统中所有旅客的到达时间，表达式为

式中：pji为第j个安检通道的第i个旅客的到达时刻；M为系统所接入的安检通道总数。

用集合S表示所有旅客的安检时间，表达式为

式中：sji为第j个安检通道的第i个旅客的安检时刻。

用集合W表示所有旅客的等待时间，表达式为

式中：wji为第j个安检通道的第i个旅客的等待时间，s。

对于一名旅客，等待时间等于安检时间减去到达时间，故由上述定义可得

对旅客而言，尽可能少等待、快速通过安检，可最大化地保证旅客的乘车体验，故调度功能的设计目标为最小化等待时间，即

进一步分析旅客进站和集中判图流程可知：为尽可能减少旅客的等待时间，调度功能应采用“先到先分配”的策略，即第一时间将进入系统的判图任务转发给值机员，若所有的值机员均处于忙碌状态，则待有值机员空闲时再将判图任务进行分配。

2.2 值机员排班

在既有作业模式下，每台安检仪配置1 名值机员。在集中判图作业模式下，值机员人数通常少于安检仪个数，产生了值机员排班的问题，即需要预估每天不同时刻应当安排几名值机员作业。通过上述分析可知，值机员作业人数的确定，取决于各安检通道的旅客人数。旅客通常会根据列车时刻表提前到达车站，提前到站的时间因人而异，但大部分旅客群体性的到达时间近似服从高斯分布[14-15]，可以此预测旅客提前到站的时间分布，其概率密度函数如下。

式中：x为旅客提前到站的时间(以下简称“提前时间”)，s，x取值大于0；μ为旅客提前时间的均值，s；σ2为旅客提前时间的方差。

对一趟特定列车，根据旅客提前时间的概率密度函数，可预测指定时间段内该趟列车的安检人数。

式中：为第i趟列车在t1到t2时间段内的安检人数，人；N为该趟列车在本站的上车总人数，人；t1为预测时间段起始时间；t2为预测时间段终止时间。

进一步地，可以预测某一车站或某几个车站在指定时间段内的安检总人数。

式中：Q为预测时间段内所涉及的列车总数，列。

分析值机员判图作业过程，在大量判图作业情况下，可近似认为值机员的判图时间均值为固定值，则可预测特定时间段内的值机员作业人数。

式中：k为值机员的作业人数，人；F为预测时间段内的安检人数，人；T为值机员判图的时间均值，s；α为工作饱和度，表示值机员的工作饱和度，即每分钟实际任务数量和基于判图时间均值计算出的满负荷任务数量的比值。

基于公式⑻，可预测一段时间内所需的值机员作业人数，时间段越短，预测精度越高，值机员作业人数调整频率也越高，但作业人数的调整不能过于频繁，结合实际作业情况，1 h，2 h或4 h换班较为合理。为提高长时间段的预测精度，对整个预测时间段再次进行分段，分成600 s的1个时段进行预测，作业人数取多个分时段预测作业人数的最大值。

式中：ki为第i个600 s时段的作业人数预测值，人；n为根据换班时间计算出的分时段总数，个。

例如，对于1 h换班情况而言，每600 s的时段有1 个作业人数预测值，共有6 个不同的预测值，即n为6。类似地，对于2 h换班和4 h换班的情况，n分别为12和24。

综上，智能调度采用“先到先分配”策略，并以600 s 的时间段预测旅客安检人数，再结合换班时间、工作饱和度确定每个作业时段内的值机员人数。

3 实验测试

采用现场实验和仿真实验相结合的方式进行测试分析。现场实验采用车站普遍应用的100100 型号安检仪，通过对软件进行升级改造，以支持集中判图功能，并测试系统在数据传输、业务交互方面的效果。仿真实验以京张高速铁路(北京北—张家口)东花园北站至宣化北站区段的实际客流数据为基础，量化分析系统在旅客等待时间、值机员作业人数方面的影响。

3.1 现场实验

现场实验采用车站普遍应用的100100 型号安检仪，改造工作如下：①安检仪接入局域网；②新增处置终端、调度服务器、集中判图终端、摄像头，并接入局域网，交换机带宽为百兆；③升级安检仪软件，以支持实时输出安检图像列数据、安检图像生成时间、传送带启停信号；④在调度服务器部署集中判图服务，实现数据流交互、展示服务等；⑤在判图终端通过网页进行集中判图，并可进行开包、放行处置；⑥在处置台终端实现包图关联，并根据判图终端推送的疑似禁限品安检图像编号，关联展示安检图像及实物图像；⑦在安检通道出口，靠近旅客通过侧设置护栏，防止旅客提前拿走行李。现场安检通道环境如图4 所示，判图终端集中判图页面如图5 所示。在图4 中，左侧屏幕用于展示包图关联的结果，便于处置员根据关联好的实物图像和安检图像，快速找到需要处置的包裹；右侧屏幕仍保留原始安检仪画面的展示。在图5中，集中判图终端会实时展示安检图像、判图倒计时，并可选择开包和放行操作，若选择开包，则处置终端展示待开包的安检图像和关联的实物图像。

图5 集中判图页面Fig.5 Centralized image recognition page

对关键性能指标进行测试，结果如下：安检图像数据接口设置单次传输70 列扫描数据，单个数据包传输延迟约22 ms。在传送带速度为0.2 m/s 的情 况 下， 选 用28 寸大号拉杆箱测试图像生成延时，完整成像延时约4 s。需开包处置的安检图像序号回传延迟约1 ms。综上，对于28 寸的大号拉杆箱，集中判图系统引入的总延时约4.1 s，小于设计延时。对整个处置流程进行分析测试，值机员判图时间通常为3~7 s，若判图时间为最大值7 s，则处置员收到待处置任务时，包裹在安检仪出口约1.4 m的位置。综上分析，建议出口处护栏长度不小于1.5 m，防止旅客提前拿走待处置包裹。

3.2 仿真实验

为进一步量化分析旅客等待时间和值机员作业人数，对集中判图系统接入多个车站安检仪的情况进行仿真。

（1）安检时间生成。京张高速铁路有北京北站和张家口站2 个中心站，张家口中心站代管东花园北、下花园北、宣化北、怀来4 个车站，且4 个代管站的车次、客流均较少，适宜应用集中判图作业模式。选取京张高速铁路下花园北、东花园北、宣化北、怀来4 个车站某日的上车人数数据进行仿真，共39趟列车，其中下花园北站8趟、东花园北站7 趟、宣化北站14 趟、怀来站10 趟，具体上车人数信息如表1所示。

表1 上车人数信息Tab.1 Information about passenger number on board information

分析表1中的数据可知，4个车站中，最早到站列车的时刻为7：37，最晚到站列车的时刻为20：14，可近似认为所有旅客的到站安检时间在6：00 至20：14 之间。基于旅客提前到站时间的概率密度函数，分别模拟生成每趟列车所有旅客的安检时间，再按车站进行合并，得到每个车站所有旅客的安检时间。实际中，不同列车、不同车站旅客的提前时间均不同，存在较大随机性，因此，随机生成每趟列车旅客提前时间的均值和方差。提前时间均值的随机范围为1 800~3 000 s，提前时间方差的随机范围为600~1 200 。

（2）既有安检作业模式。既有安检作业模式为每个安检仪配备1 名值机员，下花园北、东花园北、宣化北、怀来4 个车站的旅客数量较少，故均按照开启1 个安检通道，配置1 名值机员，值机员的判图时间为7 s 进行仿真。基于上述条件，对既有安检作业模式的旅客等待时间进行仿真，重复进行10次实验，得到既有模式的旅客等待时间如表2所示。

表2 既有模式的旅客等待时间 sTab.2 Passenger waiting time in existing modes

在表2 中，第2 至5 列，分别为下花园北站、东花园北站、宣化北站、怀来站采用既有安检作业模式下的旅客等待时间，第6 列为4 个车站旅客的平均等待时间，按照各车站上车旅客数量进行加权平均。从表2 中可知，既有安检作业模式下，下花园北站、东花园北站、宣化北站、怀来站的旅客等待时间均值分别为1.64 s，0.65 s，4.18 s，105.52 s，4 个车站所有旅客等待时间均值为43.22 s，值机员总数为4人(不考虑换班作业)。

（3）集中判图作业模式。对值机员的工作饱和度α和换班时间的不同取值进行仿真，研究集中判图模式下的旅客额外等待时间如表3 所示，集中判图模式的平均作业人数如表4 所示。为便于计算，作业时间采用6：00—22：00，作业16 h 进行计算，1 h换班时间下，作业人数调整16次；2 h换班时间下，作业人数调整8次；4 h换班时间下，作业人数调整4次。分析表3、表4中的数据可知，随着α的增大，旅客的额外等待时间均值会增加，作业人数均值减少；随着换班时间的增加，旅客额外等待时间均值减少，作业人数均值增加。综上，不同策略各有优劣，均能带来值机员作业人数的减少，实际中应结合班组设定等因素综合考虑。在α=0.8，2 h换班作业策略下，旅客额外等待时间均值为0.52 s，与既有作业模式的等待时间均值43.22 s相比，增加1.2%；值机员作业人数均值为1.75个，与既有作业模式的作业人数均值4个相比，减少56.3%。

表3 集中判图模式的旅客额外等待时间 sTab.3 Passenger additional waiting time in centralized image recognition mode

表4 集中判图模式的平均作业人数 人Tab.4 Average number of operators in centralized image recognition mode

4 结束语

基于智能调度技术，集中判图系统定义了全新的铁路安检作业模式，通过对安检判图任务的集中处理、削峰平谷，可有效降低值机员作业人数。现场实验表明，通过加装护栏、包图关联等措施，可满足安检处置的时效性要求。仿真实验表明，与既有作业模式相比，旅客等待时间均值增加1.2%，作业人数均值减少56.3%。下一步，将从以下2 个方面继续开展工作：①从更多维度优化调度策略，除旅客体验外，考虑判图任务的复杂度、值机员的工作熟练度和工作量等因素；②扩大试点范围，测试复杂情况下的集中判图作业流程，推动系统建设和铁路安检作业模式的变革，促进铁路安检减员提质增效。