蘇州高博軟件技術(shù)職業(yè)學(xué)院□楊 靜 韓麗東

1 引言

閘機(jī)是地鐵自動(dòng)售檢票系統(tǒng)的重要組成部分， 它作為地鐵自動(dòng)售檢票系統(tǒng)中的一種自動(dòng)檢票設(shè)備， 設(shè)置在付費(fèi)區(qū)與非付費(fèi)區(qū)的交界處，是實(shí)現(xiàn)乘客自助進(jìn)出站檢票交易的設(shè)備。 由于閘機(jī)直接面對(duì)乘客， 其運(yùn)行的好壞、 效率， 不僅影響到乘客的乘車體驗(yàn)， 還影響到地鐵公司的票務(wù)收益。

2 通行邏輯的演變

（1） 基于機(jī)械阻擋裝置

第一代出入口控制系統(tǒng)的通行邏輯基于機(jī)械式阻擋裝置， 代表為三輥閘機(jī)， 它通過(guò)刷卡授權(quán)后依靠電磁閥控制阻擋機(jī)構(gòu)解鎖， 乘客推動(dòng)阻擋裝置過(guò)閘。 第一代閘機(jī)安全可靠性較高， 但對(duì)乘客特別是行李不友好， 非常容易逃票， 且無(wú)身高檢測(cè)能力， 乘客通行體驗(yàn)差。

（2） 基于對(duì)射型傳感器陣列

第二代閘機(jī)的核心技術(shù)是通行邏輯控制技術(shù)， 其利用機(jī)身十?dāng)?shù)對(duì)紅外對(duì)射傳感器形成的點(diǎn)陣實(shí)現(xiàn)對(duì)通道內(nèi)行人的追蹤， 并通過(guò)適時(shí)控制阻擋裝置的開(kāi)閉實(shí)現(xiàn)對(duì)行人的規(guī)范。 第二代閘機(jī)阻擋機(jī)構(gòu)采用剪式門或拍打門， 對(duì)乘客和行李友好， 目前已經(jīng)成為軌道交通領(lǐng)域主流。 但由于基于一維傳感陣列， 需要設(shè)置較長(zhǎng)的通道， 占地面積比較大， 且通行邏輯控制依靠固定式漫反射或?qū)ι鋫鞲衅鳈z測(cè)， 檢測(cè)區(qū)分行人的準(zhǔn)確度和可靠性差， 無(wú)法精確分辯通行目標(biāo)類型。

（3） 基于計(jì)算機(jī)視覺(jué)

伴隨著人工智能技術(shù)的迅猛發(fā)展， 閘機(jī)通行邏輯控制技術(shù)也迎來(lái)了新一輪技術(shù)變革。 第三代閘機(jī)基于計(jì)算機(jī)視覺(jué)技術(shù)， 通過(guò)頂置的雙目視覺(jué)傳感器與視覺(jué)通行邏輯控制器配合， 實(shí)現(xiàn)通行目標(biāo)檢測(cè)與識(shí)別。 它實(shí)現(xiàn)了檢測(cè)方式從一維到三維， 單目標(biāo)到多目標(biāo)的檢測(cè)識(shí)別。 通過(guò)多目標(biāo)復(fù)雜運(yùn)動(dòng)模式追蹤， 大幅度提高大客流密度條件下的反欺詐能力和通行能力， 能夠更精確地判斷通行目標(biāo)的類型， 提高了閘機(jī)的可靠性， 有效解決了防欺詐能力和安全性的矛盾。 同時(shí)由于擺脫了傳統(tǒng)傳感器的束縛， 設(shè)備大幅減少了長(zhǎng)度， 占地面積小。 第三代閘機(jī)通行邏輯與第二代閘機(jī)通行邏輯比較如圖1 所示。

3 人工智能雙目識(shí)別技術(shù)背景

（1） 原理

人工智能雙目技術(shù)是利用計(jì)算機(jī)視覺(jué)技術(shù)從視頻序列中檢測(cè)出行人并跟蹤， 精確感知閘機(jī)通道內(nèi)的情形。 雙目視覺(jué)閘機(jī)通過(guò)頂置的雙目視覺(jué)傳感器與視覺(jué)通行邏輯控制器配合， 實(shí)現(xiàn)通行目標(biāo)檢測(cè)與識(shí)別， 實(shí)現(xiàn)智能通行邏輯控制。

圖1 第三代閘機(jī)通行邏輯與第二代閘機(jī)通行邏輯比較

利用雙目視覺(jué)中的三角測(cè)量， 經(jīng)過(guò)深度圖像計(jì)算和識(shí)別， 獲得物體的輪廓數(shù)據(jù)、 三維尺寸數(shù)據(jù)， 從而判斷物體的類別、 物體的運(yùn)動(dòng)趨勢(shì)， 以及視野內(nèi)的多個(gè)目標(biāo)的判斷和跟蹤。

（2） 核心技術(shù)

人工智能雙目識(shí)別采用高幀率雙目深度圖像傳感器采集通行區(qū)域內(nèi)的俯視深度和彩色圖像，利用矯正后的體視圖像中運(yùn)動(dòng)目標(biāo)的檢測(cè)、 跟蹤、 目標(biāo)類型及運(yùn)動(dòng)模式判別實(shí)現(xiàn)通行邏輯檢測(cè)功能。

基于計(jì)算機(jī)視覺(jué)技術(shù)的通行邏輯控制方案可以在二維空間中對(duì)多個(gè)通行目標(biāo)進(jìn)行追蹤、 標(biāo)定， 從而實(shí)現(xiàn)了更為復(fù)雜和精確的通行邏輯檢測(cè)。 即使是通行者在區(qū)域內(nèi)徘徊， 跳躍等復(fù)雜運(yùn)動(dòng)的情況下， 也能夠正確地追蹤通行者的位置，減小了誤檢測(cè)和誤判定， 并且可以對(duì)通道內(nèi)多個(gè)通行者的位置同時(shí)進(jìn)行感知和判別。

4 雙目視覺(jué)通行邏輯控制器的應(yīng)用結(jié)構(gòu)

人工智能雙目視覺(jué)閘機(jī)應(yīng)用結(jié)構(gòu)， 如圖2 所示， 其核心為VSM （Visual Sensing Module）視 覺(jué) 感 知 模 塊， VPCM （Visual Passenger Control Module） 視覺(jué)通行控制模塊。 VSM 利用雙目視覺(jué)實(shí)現(xiàn)行人追蹤和識(shí)別， 而VPSM 基于VSM 提供的二維信息實(shí)現(xiàn)通行控制。

圖2 雙目視覺(jué)通行邏輯控制器應(yīng)用結(jié)構(gòu)

5 可靠性主要指標(biāo)及計(jì)算方法

1） 平均無(wú)故障時(shí)間MTBF （Mean time between failures）。 任何需要運(yùn)營(yíng)或維護(hù)人員提供特別協(xié)助（即非正常模式） 以維持或恢復(fù)系統(tǒng)/設(shè)備運(yùn)作的故障， 包括所有引起行車延誤的假警報(bào)或指示 （indication） 錯(cuò)誤， 均需納入平均無(wú)故障時(shí)間的計(jì)算之內(nèi)。 外來(lái)因素引起的事故， 例如： 外來(lái)電力中斷， 水淹或員工錯(cuò)誤等， 則不需納入計(jì)算。

2） 平均修復(fù)時(shí)間MTTR （Mean time to repair）。 計(jì)算矯正維護(hù)平均修復(fù)時(shí)間時(shí)， 須包括診斷時(shí)間、 組件修理及替換時(shí)間以及在現(xiàn)場(chǎng)的調(diào)整及測(cè)試時(shí)間在內(nèi)。

3） 平均無(wú)故障間隔周期MCBF （Mean cycle between failures）。 在規(guī)定條件下規(guī)定期限內(nèi)， 產(chǎn)品使用次數(shù)與故障次數(shù)之比。 它與MTBF的關(guān)系為：

4） 平均停機(jī)時(shí)間MDT （Mean Down Time）。將平均修復(fù)時(shí)間（MTTR） 的定義擴(kuò)展至包括運(yùn)營(yíng)及/或維護(hù)員工到達(dá)現(xiàn)場(chǎng)前的響應(yīng)時(shí)間及運(yùn)營(yíng)員工在現(xiàn)場(chǎng)的診斷時(shí)間。MDT=MTTR+故障響應(yīng)時(shí)間+故障診斷時(shí)間（4）

5） 故障率λ （Failure Rate）。 指設(shè)備或系統(tǒng)在規(guī)定條件下規(guī)定的期限內(nèi)， 發(fā)生故障的次數(shù)。

6） 可用性As（Availability）。 可用性包括運(yùn)營(yíng)可用性 （Operational Availability） 和固有可用性（Inherent Availability） 其中運(yùn)營(yíng)可靠性計(jì)算如下：

當(dāng)不考慮維修相應(yīng)時(shí)間和故障診斷時(shí)間時(shí)，可用性簡(jiǎn)化為固有可用性。

6 雙目視覺(jué)閘機(jī)可靠性分析

（1） 雙目視覺(jué)閘機(jī)可靠性計(jì)算流程

雙目閘機(jī)系統(tǒng)設(shè)備可靠性流程計(jì)算如圖3所示：

圖3 雙目視覺(jué)閘機(jī)可靠性計(jì)算流程

（2） 雙目閘機(jī)產(chǎn)品設(shè)計(jì)參數(shù)

雙目視覺(jué)閘機(jī)產(chǎn)品設(shè)計(jì)參數(shù)如表1 所示； 雙目視覺(jué)閘機(jī)各單元包含的主要模塊如表2 所示。

表1 雙目視覺(jué)閘機(jī)產(chǎn)品設(shè)計(jì)參數(shù)

表2 雙目視覺(jué)閘機(jī)各單元包含的主要模塊

表2 （續(xù)）

（3） 各關(guān)鍵模塊數(shù)據(jù)

黃宏斌等 （2018）認(rèn)為企業(yè)的現(xiàn)金流可以真實(shí)反映企業(yè)處于不同生命周期時(shí)的經(jīng)營(yíng)狀況，基于此，按照企業(yè)的現(xiàn)金流特征，可將企業(yè)劃分為初創(chuàng)期、成長(zhǎng)期、成熟期和衰退期。處于不同生命周期下的企業(yè)現(xiàn)金流情況見(jiàn)表2。

由于雙目閘機(jī)設(shè)備采用模塊均為目前市場(chǎng)上成熟模塊， 參照GB/T 20907—2007 《城市軌道交通自動(dòng)售檢票系統(tǒng)技術(shù)條件》， 確定關(guān)鍵模塊技術(shù)指標(biāo)， 根據(jù)公式（3） 推導(dǎo)出：

根據(jù)公式（7） 和公式（5）， 計(jì)算出雙目閘機(jī)各關(guān)鍵模塊數(shù)據(jù)如表3 所示。

表3 自動(dòng)檢票系統(tǒng)模塊數(shù)據(jù)

（4） 雙目閘機(jī)MTBF/MCBF 計(jì)算

利用可靠性框圖模型方法可進(jìn)行可靠性建模及計(jì)算， 假設(shè)設(shè)備及組成單元僅存在故障和正常狀態(tài)下， 各單個(gè)模塊故障會(huì)造成設(shè)備故障， 各模塊故障概率互相獨(dú)立， 人員完全可靠和設(shè)備沒(méi)有相互作用。

在以上假設(shè)下， 設(shè)備可靠性計(jì)算的數(shù)學(xué)模型為：

其中Rs（t） 為設(shè)備的可靠度， Ri（t） 為第i個(gè)模塊的可靠度， λi（t） 為第i 個(gè)模塊的故障率，n 為組成設(shè)備的模塊數(shù)。

進(jìn)一步推導(dǎo)， 可以得出雙目閘機(jī)設(shè)備故障率公式：

其中λs為設(shè)備故障率， λi為第i 個(gè)模塊的故障率， n 為組成設(shè)備的模塊數(shù)。

根據(jù)公式 （5）、 公式 （9）， 得到雙目閘機(jī)MTBFs的計(jì)算公式：

根據(jù)公式（3） 得到雙目閘機(jī)MCBFs的計(jì)算公式：

MCBFs=MTBFs×C （11）

式中 C——每小時(shí)設(shè)備/系統(tǒng)周期數(shù)

將相關(guān)參數(shù)代入進(jìn)行計(jì)算， 得到雙目視覺(jué)閘機(jī)可靠性相關(guān)指標(biāo)見(jiàn)表4。

表4 雙目閘機(jī)RAM 部分指標(biāo)數(shù)據(jù)

（5） 雙目閘機(jī)As可用性計(jì)算

參照GJB/Z 57—1994 《維修性分配與預(yù)計(jì)手冊(cè)》 和GB/T 20907， 一般對(duì)于閘機(jī)的修復(fù)時(shí)間MTTR 為0.5 小時(shí)， 而MDT 根據(jù)不同維修等級(jí)， 設(shè)為2～4 小時(shí)。 根據(jù)公式（7） 計(jì)算出雙目視覺(jué)閘機(jī)運(yùn)營(yíng)可用性：

根據(jù)GB/T 20907， 閘機(jī)可靠性設(shè)計(jì)目標(biāo)為運(yùn)營(yíng)可靠性As≥95， 平均無(wú)故障間隔周期MCBF≥200， 000 （cycles）， 人工智能雙目視覺(jué)閘機(jī)可靠性指標(biāo)完全符合行業(yè)要求。

7 結(jié)論

借助計(jì)算機(jī)視覺(jué)技術(shù)， 雙目視覺(jué)閘機(jī)具備更加智能的通行邏輯控制方案。 新一代的通行邏輯控制方案取消了二代ACS 機(jī)身側(cè)面的傳感器陣列， 使得ACS 系統(tǒng)在通行方向上的機(jī)身尺寸不受限于傳感器陣列， 應(yīng)用場(chǎng)景更為廣闊。 同時(shí)得益于深度圖像傳感器的應(yīng)用， 雙目視覺(jué)閘機(jī)能精確識(shí)別通道內(nèi)通行的行人和行李物品， 并加以追蹤， 它大大提高了通行效率和反欺詐能力， 提升了乘客的通行體驗(yàn)。