增强型智能铁路客运车站架构及关键技术

史天运，彭凯贝

（1.中国铁道科学研究院集团有限公司 科技和信息化部，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)

1 智能铁路客运车站现状分析

近年来，人工智能、数字孪生、5G、信息物理融合等新技术的飞速发展，伴随着新一代信息技术与铁路业务的深入结合，促使铁路行业快速进入智能时代[1]。智能铁路客运车站是在现代铁路管理与服务理念，以及云计算、物联网、大数据、人工智能、机器人等新信息技术基础上，以旅客便捷出行、车站温馨服务、生产高效组织、安全有力保障、绿色节能环保为目标，实现铁路客运车站智能出行服务、智能生产组织、智能安全应急、智能绿色节能有机统一的新型生产服务系统[2]。为抢占智能化铁路发展先机，日本在信息通信技术基础上实现了客运车站的旅客服务与运输组织优化[3]；法国国家铁路公司搭建了智能旅客服务系统，打造智能化移动助理，通过手机终端可以自定义行程系统，将多种交通方式统筹衔接，为旅客提供最优行程方案[4]；德国铁路公司实施“铁路4.0 战略”计划，打造运输4.0、运营4.0 和制造4.0的数字化企业[5]。2017 年，中国国家铁路集团有限公司正式启动智能京张、智能京雄等重大工程建设，将打造智能铁路客运车站作为一项明确的具体任务[6]。

目前我国智能铁路客运车站是基于“2+1+4+N”的智能铁路客运车站总体蓝图开展建设的，即2 个标准体系，1 个车站大脑，旅客服务、生产组织、安全应急、绿色节能4 个业务版块和N 个具体业务应用[7]。基于便捷、高效、安全、绿色的智能铁路客运车站业务需求，我国开展了铁路客运车站信息全面感知技术和安全传输技术、内外部系统之间的信息接入技术、站内硬件和数据资源的整合和共享技术等方面的研究，构建了铁路智能客站管控与服务平台(智能车站大脑)，实现了车站各项业务的有机集成、全面应用、集中部署、车站业务数据汇聚和各系统整合。铁路智能客站管控与服务平台已经在长沙南站、昆明南站、郑州东站等既有客运车站进行试点应用，并作为生产系统在京雄、京张高速铁路等新建客运车站上线应用。

目前的智能铁路客运车站建设侧重于业务功能整合及数据集成，在典型场景智能化、数据深度挖掘分析、新技术应用方面还有差距，存在的具体问题如下。

（1）安检智能化水平有待提高。目前铁路安检主要采用X 光安检仪扫描行李生成X 光图像，人工识别X 光图片中的违禁品，造成安检人员劳动强度较大，并且车站安检设备没有联网部署，无法集中判图，安检效率较低，缺乏差异化安检。

（2）接送换乘体验不佳。对于大中型车站，接送站或换乘方式的引导不够精细化，并且无法推荐实时的接驳和换乘信息，导致接送和换乘的便捷性不佳。

（3）新技术应用不足。目前人工智能等新技术与客运业务结合的深度和广度不够，智能化服务还停留在浅层次，对于视频智能分析、风险精准识别、机器人服务、大数据智能推荐等应用还有差距。

（4）资源未按需调配。车站涉及大量的人员、众多的设备和多变的环境，当出现大客流和应急情况时未能实现车站客流预测的人员动态部署和资源的按需配置。

（5）车站运营状态无法模拟推演。数字孪生车站现停留在概念阶段，还未构建车站的数字化模型，缺少对车站中人员、设备、功能、环境等状态的可视化监控，不能模拟与推演不同时期车站的运营状况。

为此，基于信息物理融合和数字孪生的理念进行智能铁路客运车站的深化研究，形成增强型智能铁路客运车站总体架构，研究关键技术及其典型应用，并开展试验验证，着重增强智能安检、便捷换乘、精准服务、资源调配等业务的智能化应用，为我国智能铁路客运车站建设提供理论和技术基础。

2 增强型智能铁路客运车站设计理念及架构分析

2.1 设计理念

增强型智能铁路客运车站以智能铁路客运车站总体蓝图为导向，在现有铁路智能车站建设基础上，以精准服务、智能安检、便捷换乘、资源调配等业务为切入点，将新一代信息技术与铁路客运车站业务深入结合，将信息物理融合系统(CPS)与数字孪生理念相结合，打造数字孪生平台，构建全互联的物理车站和全镜像的数字孪生车站，最终实现物理－信息映射融合，从而增强车站业务智能化应用，达到人性服务、出行便捷、生产高效、安全可控、节能环保的目标。

信息物理融合系统是集成新一代通信技术、自动控制理论、人工智能技术等多维复杂系统，构建出信息空间和物理空间相映射的综合复杂系统，实现数字系统与物理环境的精准感知与动态交互[8]。数字孪生是通过建立与物理实体相映射的数字模型来模拟物理实体状态，为物理世界和数字世界搭建链接桥梁[9]。物理车站由人员、车辆、设备、站房结构、环境、业务等多个可见的物理实体组成。数字孪生车站一方面支撑着车站各业务信息化系统，另一方面通过物理实体数据构成与其对应的虚拟实体模型[10]。在车站部署传感器和分布式传感网络，采集物理、行为、规则等多个维度的物理实体信息，对物理车站的各要素进行模型构建，形成数字孪生车站。利用人工智能技术分析、监控和预测虚拟实体模型信息，数字孪生车站生成相应的管控策略、预测预案和分析报告，对车站未来的状态进行推理。数字孪生车站通过信息－物理接口将信息反馈到物理车站中，管理控制物理车站各物理实体的具体活动。增强型智能铁路客运车站CPS 系统结构如图1 所示。

图1 增强型智能铁路客运车站CPS 系统结构Fig.1 CPS structure of enhanced intelligent passenger station

2.2 总体架构

增强型智能铁路客运车站总体架构重点突出多样化数据采集能力、海量数据存储分析能力、统一调度管理能力、可视化快速匹配能力，将新一代信息技术与铁路客运车站业务融合创新。增强型智能铁路客运车站总体架构在智能铁路客运车站总体架构上丰富了感知信息，通过新一代网络传输技术将采集到的信息进行分类存储，形成数据资源池，新增了分析平台层，在该层中构建7 个子平台和平台管理，对车站业务数据进行分析处理，形成数字孪生车站，实现车站全生命周期模拟仿真，在业务应用层增强了车站业务智能化应用。增强型智能铁路客运车站总体架构如图2 所示。

（1）数据感知层。利用传感器增加行李、社会车辆等传感信息采集，丰富车站底层感知信息，全方位感知客运站运行环境，实现车站物理信息转化为数字信息，为数字车站模型建立提供底层支撑。

（2）网络传输层。在现有车站通信方式基础上增加5G 传输方式，实现设备、终端与系统之间的高速、稳定、低延时的数据传输。

（3）数据存储层。利用大数据技术挖掘车站各业务的有效数据，对站内客运业务数据进行分析、存储、管理形成知识库，提供核心的数据支撑。

（4）分析平台层。基于智能铁路客运站平台架构新增物联网平台和数字孪生平台，通过物联网平台采集的感知信息，构建数字孪生车站，实现车站运营状态全息模拟、动态监控、实时诊断、精准预测。

（5）业务应用层。在智能客运车站业务范围内，结合车站实际业务需求和现有不足，加强智能安检、便捷换乘、精准服务、资源调配等业务的智能化建设。

2.3 平台应用架构

增强型智能铁路客运车站利用数字孪生、信息物理融合、人工智能等技术与车站各个业务深度结合，在原有智能车站平台架构基础上新增了物联网平台和数字孪生平台，通过建立车站人员、车辆、设备、站房结构、环境、业务等物理实体的数字化模型，根据车站运营规律和机理计算、分析和预测车站运营未来状态，实现车站运营状态的全周期和全领域动态仿真，提升车站服务质量和作业效率。增强型智能铁路客运车站平台应用架构如图3所示。

（1）物联网平台。通过标志识别、状态传感、GPS 定位、信息采集、远程操控等物联网技术，整合车站运营环境感知、人员定位导航、电子围栏等各类智能终端设备的接入、配置、删除、开闭等管理功能，构建面向智能车站业务应用的规范标准的物联网服务，实现站内设备设施的统一管理，实时感知人员、环境状态。

（2）数据汇集与共享平台。同步汇集车站环境等多种类型数据，建立车站大数据基础“资源池”，强化信息共享应用管理，实现站内全要素状态的实时采集，并通过接口与各系统共享数据。

（3）管控与协同联动平台。结合车站运营数据，通过统计分析和相关性分析评价车站运营指标，生成一体化客运生产计划，自动向各集成子应用系统下达作业命令，联动调整相关客运作业，实现人员、设备的合理配置、优化运用，同时接收命令的执行反馈。

（4）大数据分析平台。通过大数据技术处理分析车站运营过程产生的数据，构建车站不同应用场景的智能分析模型和预测模型，利用分析算法和模型实时计算站内运营指标，辅助车站管理人员了解站内运营情况。

（5）智能服务平台。提供业务应用所需要的AI 算力服务和AI 服务库等，为车站业务需要、人工智能服务提供技术支持，赋能车站业务智能升级。

（6）数字孪生平台。基于物联网平台采集的车站实际数据，利用数据融合、虚实交互、3D 建模、增强现实等技术构建数字孪生平台，实现车站各业务仿真、安检应急和环境状态模拟、设备设施监控，以达到对车站未来状态的推理并以3D 可视化展示。

（7）云计算平台。利用云计算技术构建云端服务集群，根据车站各项业务应用内容构建数据处理和计算服务的云计算平台[10]，实现全路车站内的计算资源、数据存储的集中管理和动态分配。

图3 增强型智能铁路客运车站平台应用架构Fig.3 Platform architecture of Enhanced intelligent railway station

3 增强型智能铁路客运车站关键技术

围绕车站具体业务实际需求，从智能安检、便捷换乘、智能视频分析、客流预测预警、风险智能识别及应急处置、数字孪生车站构建及应用等方面，研究增强型智能铁路客运车站关键技术，实现车站业务智能化应用。

3.1 智能安检

增强型智能铁路客运车站面向车站安检业务实际问题和需求，利用人脸识别、深度学习、旅客信息挖掘等手段，开展X 光智能判图、旅客差异化安检，安检人物关联、集中判图等应用，实现安检业务智能化、精准化和差异化。

（1）X 光智能判图关键技术。通过构建X 光禁限带物品的样本数据集，构建基于区域生成网络禁限带物品检测模型。采用神经网络(DenseNet)提取X 光图像特征，增加融合多层特征结构提高对小目标的特征提取效率，实现自动识别X 光图像中各类违禁物品，并标记出其位置和类别名称，实时报警提示现场值机人员。

（2）旅客差异化安检关键技术。基于旅客历史安检数据、铁路旅客信用记录、有关征信机构信用记录等数据，研究旅客信息数据多源异构融合，在铁路各客运车站之间形成相互信任、共享安检、数据真实的旅客链，建立基于铁路安全风险的旅客分类模型，实现旅客进站安检分类分流，提升安检效率。

（3）人－物关联关键技术。构建基于大数据的人物关联样本数据库，研究人物关联的自主学习框架，采用物品检测模型与人体姿态估计模型相结合的人携物品检测定位方法，实现旅客安检物品与旅客信息关联绑定。

3.2 便捷换乘

增强客运站内接送或换乘的精细化引导，开展基于智能监控的排队引导，可按时间最短、距离最短、费用最少等方式推荐旅客换乘信息，实现接送和换乘信息实时查询，提升车站接送和换乘的便捷性。

（1）基于多源异构数据融合的换乘信息挖掘技术。铁路、地铁、出租车、公交等信息发布渠道相对独立，导致旅客在大型综合枢纽站出站换乘接驳不便。针对此问题，将列车到发时间、进出站口人流信息、出租车等候信息、地铁公交时刻等多源异构数据，利用云计算分布式数据模糊C 均值聚类算法，精准挖掘匹配有效信息，并通过信息发布平台推荐给旅客，减少旅客站内换乘时间。

（2）站内换乘信息智能推荐技术。针对旅客出站后无法实时获取最佳换乘路线等问题，利用长短期神经网络预测模型预估出租车排队时间、地铁进站排队时间、不同进出站口客流量情况等动态换乘信息，再通过协同过滤技术规划出最合理省时的换乘路线，辅助旅客做好行程规划。

3.3 智能视频分析

采用智能视频分析技术，实时分析检测视频采集设备的视频图像，实现站内越界入侵检测、异常行为识别、人员轨迹跟踪，对异常情况自动识别并实时报警，提高站内异常情况预测、预警及安全防护。

（1）异常行为识别技术。分析人员异常动作行为特征，研究图像底层特征提取技术与图像上下文语义理解技术，构建适用于铁路客运车站场景的人群聚集、打架斗殴、异常行为识别模型，实现人员异常行为识别、人员徘徊识别的智能视频分析应用。

（2）复杂场景图像特征提取分析技术。针对铁路客运站复杂场景，提出基于尺度不变(SIFT)的图像特征提取方法，建立基于残差网络(ResNets)的铁路客运车站场景分类模型[11]，实现复杂场景下图像特征提取，提升图像场景分类识别的准确率。

（3）行人重识别技术。研究在铁路客运站大型场景下的行人重识别技术，在各个摄像头中采用基线分类网格方法提取旅客的人脸、穿着、体貌等特征，提出基于度量学习的方法，构建用于旅客识别匹配的距离度量空间，通过不同位置摄像头中视频或图像寻找识别特定目标并关联其轨迹，实现旅客跨摄像头轨迹跟踪。

3.4 客流预测预警

根据现场视频图像和客流信息，实时监测站内重点区域客流密度，并结合历史客流信息和售票信息，预测未来一段时间内的客流量，以辅助工作人员调配站内资源应对客流变化，提高生产组织效率。

（1）客流密度估计技术。通过综合视频系统获取车站视频流，对视频流按照固定时间采样，作为所构建空间全卷积网络(SFCN)的输入，空间全卷积网络模型可以针对图像当中的人群密度进行估计，并对人数进行统计，最终输出人群密度概率的热力图。客流预测预警技术准确统计车站关键位置的人群密度和分布情况，识别出人群密度高于安全限制区域的状况，当人群密度高于阈值时发布警告，提醒车站管理人员疏散引导旅客，防止人群挤压。

（2）客流预测技术。基于进出站数据、售票数据、视频图像识别数据等客流数据，深度挖掘客流规律及客流分布特征，建立统计规律模型和深度学习相结合的短时客流预测模型，实现对车站关键区域(进站口、候车室、站台等)的短时客流预测，提前预警可能发生拥挤、人群聚集的区域，呈现客流趋势、模拟推演车站未来客流情况。

3.5 风险智能识别及应急处置

完善车站安全生产、公共卫生、社会治安、自然灾害等方面的风险信息采集，对重点区域的气味、振动、烟雾等安全要素实时监控，通过智能音视频分析技术对监控画面、音频自动识别并报警，为准确制定应急预案提供支撑。

（1）基于多源异构的安全风险信息融合技术。利用物联网技术和传感采集技术，获取多源异构安全风险数据，如风险点源头、致因、产生条件、危险程度及灾害类型。对非结构化数据、关系型数据、文档数据等提出基于ETL 技术的增量融合方法并进行标准化清洗、抽取、融合，形成车站安全风险信息数据库[12]。

（2）安全风险分类及识别模型构建技术。根据不同类别的风险因素特征，挖掘不安全事件之间的关系并根据危险程度进行分类，构建基于多目标检测的安全风险识别模型，按风险等级、危害程度等指标进行预测预警，实现对风险的智能识别及预测。

3.6 数字孪生车站构建及应用

开展数字孪生客运车站建设，构建与真实铁路客运车站相映射的数字孪生车站，真实反映站内人员、车辆、设备、站房结构、环境、业务的行为状态，推理车站运营状态的未来发展趋势，实现车站全生命周期跟踪。

（1）车站数字孪生模型构建技术。基于传感器数据、模型数据、状态数据，对人员、车辆、设备、站房结构、环境、业务进行三维立体、结构化建模基础上，构建车站动静态数据的数字孪生五维模型[13]，形成客站运转能力、设备运用及布局、客站流线及客站可视化监控4 类典型应用场景。

（2）车站流线仿真推演技术。基于旅客时间、行动速度、人员组成等建立旅客虚拟行为模型，实现进站口、检票口、进出站通道、站台换乘、出站口等重点区域和应急疏散的流线仿真。通过对儿童/少年/中青年男性/中青年女性/老人等旅客的组成、进口数量、出口数量、宽度及方向、辅助引导等参数进行设定，仿真疏散时间、平均疏散流量、拥堵时间等内容。

4 试验验证

4.1 车站人群密度分析

车站是一个常年保持高人流量的公共场所，人群的拥挤和聚集等问题可能会产生安全隐患。因此，结合综合视频分析系统，设计一个针对车站客流的人群密度估计模型，通过对大量监控视频数据的分析，统计车站关键位置的人群密度和分布情况，识别出人群密度高于安全限制区域，当客流密度高于预警阈值时发布客流预警信息，防止人群挤压。车站人群密度估计测试结果如图4 所示。

4.2 X光安检图像智能判图

X 光图像禁限带物品检测模型可以自动识别管制刀具、枪械、液体瓶、锂电池、烟花、剪刀、斧头等7 类违禁品并自动提示报警信息。通过采集X 光安检图像构建安检违禁品样本数据库来训练模型并对模型进行试验验证，禁限带物品检测模型的平均识别率为88%，可以实现违禁物品的自动识别。X 光安检图像违禁品识别结果如表1 所示。

图4 车站人群密度估计测试结果Fig.4 Results of crowd density estimation at station

表1 X 光安检图像违禁品识别结果Tab.1 Identification results of contraband in X-ray security check image

4.3 基于历史数据的客流预测

融合客票发售数据和历史客流数据，对不同时期旅客进站数据进行综合分析，获取旅客在不同时期的出行规律，提出基于改进长短期记忆神经网络的客流预测模型，利用北京西站进站闸机数据预测2019 年8 月30 日的进站客流量，改进LSTM 模型短时客流预测结果如图5 所示。实验表明，该模型在客流预测中具有良好的预测效果。依据客流预测结果，可以实现车站动态调配服务和生产资源，降低车站运营成本。

5 结束语

全面推进铁路客运车站智能化建设是推动铁路创新发展，增强铁路核心竞争力的必要手段。利用数字孪生和CPS 深度结合人工智能技术可以推动铁路客运业务应用创新，形成运行稳定和高效智能的信息系统，保障旅客出行和生产作业。以增强型智能铁路客运车站作为未来铁路客运站的建设新模式，通过深入研究智能安检、客流预测预警、智能视频分析等关键技术，构建数字孪生车站，实现铁路客运车站物理系统与信息系统的深度融合，提高车站业务的智能化水平，推动铁路客运业务应用创新，引导铁路客运车站朝着数字化、网络化、智能化的方向建设发展，提升我国铁路客运车站服务能力。

图5 改进LSTM 模型短时客流预测结果Fig.5 Result of improved LSTM prediction model