王 鈳，高寧波，魏東洋，危進偉

(1.南京市城市與交通規(guī)劃設(shè)計研究院股份有限公司，江蘇 南京 210000;2.江蘇智城慧寧交通科技有限公司,江蘇 南京 210000)

近年來，隨著鐵路建設(shè)的快速發(fā)展，高速鐵路已經(jīng)成為中國客運中遠距離的主要出行方式。高速鐵路具有運行速度快、安全水平高以及服務(wù)態(tài)度好等特點，根據(jù)國家統(tǒng)計局?jǐn)?shù)據(jù)，中國高速鐵路客運量占鐵路總客運量比例，如圖1所示。國內(nèi)高鐵客運量占鐵路客運量比重逐年攀升，由2010年的8%上升至 2015 年的 37.9%。在高速鐵路客流成倍增加的客觀情況下，其中，客流到達高速鐵路站點約有35%是通過社會車輛運送至鐵路落客平臺，如何組織客流進站疏散是目前高速鐵路客運站點管理面臨的嚴(yán)峻挑戰(zhàn)。在此背景下，分析研究高速鐵路落客平臺的車輛運行特征，對改進落客平臺的運行效率，具有重要實際意義。

圖1 中國高速鐵路客運量占鐵路總客運量比例

國內(nèi)外對高速鐵路站點的研究主要集中在高速鐵路戰(zhàn)略定位、交通組織以及接駁研究。其中，在高速鐵路的戰(zhàn)略定位領(lǐng)域，翟寧對國內(nèi)高速鐵路按照規(guī)劃遠景、建設(shè)時序以及空間位置進行層次劃分[1]，侯雪對高速鐵路的站點區(qū)域布局進行了統(tǒng)計和分析，給出了高速鐵路站點分步規(guī)劃思路[2]。在高速鐵路的交通組織領(lǐng)域，彭其淵對高速鐵路的夜

間行車組織調(diào)度進行了研究分析，提出了錯時運行的高速鐵路夜間運行組織方式[3]，Ningbo Gao從運行環(huán)境的角度出發(fā)，基于多層次測度理論對中國不同地區(qū)的高速鐵路運行安全進行了等級劃分[4], 郭升等對高速鐵路的客流特征進行分析[5], 鄒中翔以西安為例分析和探討了高速鐵路的物流規(guī)劃[6]。本文在借鑒既有研究基礎(chǔ)上，對高速鐵路站點的落客平臺客流運行進行分析。

1 鐵路落客平臺特征分析

1.1 相關(guān)定義

鐵路落客平臺主要功能有兩個方面[7-8]：第一方面是提供出行乘客乘坐社會車輛到達高速鐵路站點的下車地點；第二方面是提供出行乘客乘坐社會車輛離開高速鐵路的上車地點。

基于此，可以將高速鐵路落客平臺概括為：高速鐵路落客平臺是一種提供社會車輛臨時上客和下客的鐵路客流集散區(qū)域，具有車輛快速通過、臨時?？康忍攸c。

1.2 空間結(jié)構(gòu)

鐵路落客平臺在空間結(jié)構(gòu)上屬于道路，具有道路的特點。一般而言，鐵路落客平臺一方面與城市主要干道連接，另外一方面與高速鐵路站關(guān)聯(lián)。從空間結(jié)構(gòu)上屬于U型，設(shè)計有利于車輛進入和駛離高鐵站點，具體如圖2所示。

圖2 高速鐵路落客平臺空間結(jié)構(gòu)

1.3 運行特點

鐵路站點落客平臺的車輛運行特點主要有以下三點[8-9]：

1)快速駛離特征，經(jīng)過落客平臺的車輛需要快速的通過，給后續(xù)其它車輛提供通行空間；

2)臨時?？刻卣?，社會車輛需要選擇適合的車輛停靠點，提供乘客下車，但是停車時間短暫，否則容易造成交通擁堵；

3)禮讓行人特征，需要乘客需要跨過落客平臺才能夠到達站點，因此車輛在運行過程中，需要及時對行人進行禮讓。綜合以上特征，車輛在落客平臺的運行具有隨機停頓的特點。

2 車輛跟蹤視頻識別算法

2.1 運動跟蹤原理

運動跟蹤是一種用于準(zhǔn)確測量運動物體在三維空間運動狀況的特征識別算法[10]。它基于計算機圖形學(xué)原理，通過排布在空間中的特征識別碼對物體進行持續(xù)的運動狀況以圖像的形式記錄下來，然后使用計算機對圖像數(shù)據(jù)進行處理，得到不同時間計量單位上不同物體(跟蹤器)的空間坐標(biāo)(X,Y,Z)[11-12]。

2.2 車輛跟蹤算法

2.2.1 特征構(gòu)建

每個空間對象在影像資料中，都是以色彩R、G、B三彩色格式存儲和體現(xiàn)的，對于不同的對象，其色彩分布不同，即ARGB的參數(shù)不同[13-14]，因此可以建立基于空間色彩分布的車輛特征：

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

式中：S代表車輛在空間X,Y位置點的色彩值，A代表色彩透明度取值范圍0～100，R代表紅色取值范圍0～255,G代表綠色取值范圍0～255，B代表藍色取值范圍0～255。

2.2.2 跟蹤流程

在實際的運動檢測過程中，運動跟蹤檢查主要劃分為圖像/影像資料輸入，對象特征識別，空間位置捕獲，運動狀態(tài)檢測，運行數(shù)據(jù)輸出等5個過程[15]：

1)圖像/影像資料輸入。將待識別的圖像或者原始影像資料輸入計算機，通過計算機處理為灰度直方圖。

2)對象特征識別。根據(jù)得到的灰度直方圖進行降噪處理，剔除無關(guān)信息，保留關(guān)聯(lián)度較高的灰度信息，并且根據(jù)灰度直方圖得到對象的空間色彩飽和度信息，并融合成為對象的唯一鑒別信息。

3)空間位置捕獲。在得到對象特征的基礎(chǔ)上，對每幀畫面中對象特征密集集中的區(qū)域設(shè)定為對象位置，以密集點空間中心坐標(biāo)作為對象的空間坐標(biāo)。

4)運動狀態(tài)檢測。通過對對象的空間坐標(biāo)的變化差分比對，得到物體對象的停留或者運行的狀態(tài)特征，車輛跟蹤算法流程如圖3所示。

圖3 車輛跟蹤算法流程

3 案例分析

為進一步論證上述車輛跟蹤算法的適用性，以南京南站作為仿真目標(biāo)，分析南京南站落客平臺的車輛運行特征。

3.1 數(shù)據(jù)來源

南京南站屬于南京的鐵路快線樞紐，日均客流量達到8.8萬人，具有28個站臺，占地面積28萬m2，具有一個落客平臺。通過調(diào)查發(fā)現(xiàn)，落客平臺共有單向4個車道，全部采用物理隔離，其空間拓撲結(jié)構(gòu)如圖4所示。

圖4 南京南站落客平臺平面布局結(jié)構(gòu)

為對該落客平臺的車輛運行特征進行分析，選取了某一工作日，利用無人機對落客平臺進行俯拍，得到10:30-11:30的影像資料，如圖5所示。

3.2 運行過程

基于OpenCV技術(shù)開發(fā)了對應(yīng)的高速鐵路站點車輛跟蹤識別平臺，開發(fā)平臺為Visual studio 2012，該平臺功能劃分為視頻導(dǎo)入、速度控制、距離校準(zhǔn)以及出入口設(shè)定等功能，如圖6所示。

通過該系統(tǒng)，將南京南站落客平臺監(jiān)控視頻導(dǎo)入運行分析。在分析過程中，視頻時間全長42 min，分析共耗時1 h 20 min，對每個車道進行分車道識別。

圖5 南京南站落客平臺監(jiān)控畫面

圖6 基于OpenCV的落客平臺車輛跟蹤系統(tǒng)

3.3 特征分析

經(jīng)過3.2節(jié)的運算，最終得到4個車道共計472車輛運行特征數(shù)據(jù)。其中，部分?jǐn)?shù)據(jù)樣本如表1所示。

表1 車輛跟蹤樣本數(shù)據(jù)

通過對具體車輛的運行軌跡分析，得到各個車道的車輛停頓點和停留時間分布如圖7所示。

圖7 落客平臺車輛停留分布點情況

通過進一步統(tǒng)計分析發(fā)現(xiàn)，落客平臺各個車道的運行具有以下特征：

1)4個車道車輛平均停留次數(shù)分別為：車道1平均停留1.2次，車道2車輛平均停留1.5次，車道3車輛平均停留2.3次，車道4車輛平均停留3.1次，其中車道1和2是屬于快車道，車道3和4屬于慢車道，與車道功能設(shè)置基本相符；

2)4個車道車輛平均停留時間分別為：車道1平均停留時間9.2 s，車道2車輛平均停留時間13.7 s，車道3車輛平均停留時間19.3 s，車道4車輛平均停留時間21 s，由于快車道車輛通行較為快速，與車道功能設(shè)置基本相符。

4 總 結(jié)

本文通過對高速鐵路站點的落客平臺的分析，探討了落客平臺的定義以及功能，基于落客平臺車輛運行的基本特征，分析視頻識別技術(shù)作為落客平臺車輛運行跟蹤的原理，構(gòu)建了基于視頻識別的車輛跟蹤算法，基于OpenCV開發(fā)了相應(yīng)的車輛跟蹤識別軟件。以南京南站落客平臺作為研究對象， 分析了南京南站落客平臺4個車道的車輛運行特征，分析得出各個車道的平均停留時間與停留地點基本與實際車道功能設(shè)計相符，進一步論證通過合理設(shè)置落客平臺的停靠站點和車道功能，能夠引導(dǎo)落客平臺車輛運行，緩解落客平臺交通擁堵問題。