摘要

随着社会的快速发展，地铁在城市交通中扮演着越来越重要的角色。地铁司机作为地铁运营的核心人员，其职责重大，直接关系到乘客的出行安全和地铁运营的顺畅。为了保障地铁的安全运营，本文提出了一个地铁司机全方位智能辅助系统。系统采用分布式、模块化设计，以提高系统的可维护性和可扩展性，综合运用云计算、人工智能、数据挖掘等技术，实现了视频接入、远程指挥、红灯预警、状态监测、自助出退勤、健康监测、综合评价等功能。不仅提高了运营效率，还加强了对地铁司机全方位、智能化地支持，助力推动城市轨道交通向安全、高效和智能化运营的方向发展。

关键词

辅助系统、云计算、人工智能、数据挖掘

正文

1.引言

随着城市轨道交通行业的蓬勃发展，虽然为城市提供了便捷的交通工具，但与之相应的安全问题也变得尤为突出。在这一背景下，司机的驾驶状态显得尤为关键。司机承担着确保运输系统安全运行的重大责任，如果司机的身体出现健康问题，或者在驾驶车辆时出现疲劳、分神等情况，很可能导致严重的事故，对乘客和交通系统产生严重影响。

为此，本文提出了一个基于人工智能深度学习的地铁司机全方位智能辅助系统，该系统着力研究解决目前存在的问题，有效串联司机出退勤、作业管控、疲劳及风险预警、车地联动、远程指引、综合评价等司机全过程管控，实现员工自助出退勤、单兵作战辅助、过程行为监测、健康监测、重点风险预警等功能，最终形成“司机全方位监控、智管”的目标，从而生成司机人员画像，实现对司机的综合评价。

2.系统设计

2.1系统概述

该系统主要是为了进一步提升司机驾乘行为规范性，加强智能运维在司机驾乘和管理环节的推广，明确全方位智能辅助驾驶系统在驾乘和管理环节的实际应用，对驾驶行为、出勤情况、健康情况、理论知识、驾驶技能等多维度把控，为司机提供驾驶辅助，最大程度降低司机人为事故的发生频次，为领导层提供管理支撑，为运营管理提供数据支持。

系统整体架构分为四层，分别是表现层、应用层、数据层和基础层，每个层次负责不同的功能和职责。例如，应用层使用传输层来确保数据的可靠传输，传输层使用网络层来路由数据包，以此类推。如图1-1所示。

图片1.png

图1-1 系统拓扑图

2.2核心功能

2.2.1状态监测

在该系统中，采用人脸识别模型^[¹^]、行为分析模型^[²^]、物品检测模型^[³^]等多模型融合，结合传感器、摄像头等设备，实现在驾驶过程中对司机的全方位监测。人脸识别模型对司机身份进行鉴别，并将信息上传至地面服务器进行信息核对；行为分析模型和物品检测模型判断司机是否出现疲劳、分心驾驶、身体不适等危险情况。车载终端发出报警声音，提醒司机注意安全驾驶，及时消除安全隐患，重大报警自动推送并自动生成报表，实现了车地联动、数据先行的技术目标，如图1-2所示。

图片2.png

图1-2 状态监测

2.2.2驾驶辅助

出乘前，司机可以在手机端进行出乘派班信息和个人驾驶评价的查询；出乘中，可通过车载PDA实时查看时刻表、开门提示、客室报警等信息；出乘后，自动生成司机的人员画像，对司机出勤情况、作业水平、故障处理、身体健康等多个维度进行综合评价。

2.2.3智能管理平台

智能管理平台是整个系统的管理中心，部署于DCC，通过该平台，运营管理人员可以实时监控司机和列车的当前状态，自动生成运营数据，自主完成综合评价，对司机出勤的前、中、后全过程实现智能检测、智慧决策，利用大数据技术，对平台汇集的全量数据进行数据挖掘，从而形成可指导运营管理决策的重要结论。

3.系统应用及效果

3.1 具体功能

系统综合运用上述技术，实现了以云计算服务器为核心，以4G/5G移动通信技术为媒介，以人工智能边缘计算为途径，结合摄像头、车载PDA、移动终端、监测手环等设备实现了以下功能（如图2-1所示）：

（1）视频接入、远程指挥功能，辅助司机以及管理人员日常工作与应急事件处理。

（2）信号机红灯预警、降级提醒、特殊车次提醒等各项语音播报预警功能，重点风险及时提示，实现主动预防。

（3）司机自助灵活出退勤及交接车功能，完成班前各项出勤任务和安全达示，进一步提高管理效能。

（4）司机健康监测功能，对于异常情况及时报警。

（5）司机个体及班组团体评价功能，为精准管理提供数据支撑。

（6）提高信息化管理水平，减少过程管理中的人工干预及数据统计工作，进一步提高工作效率。

图片3.png

图2-1 系统架构图

3.2 成果展示

通过对值乘人员的驾驶技能、考勤情况、安全理论、作业行为、健康情况等信息的统计，提炼高精度的员工特征标识及数据分析处理后，建立多维标签化人员模型，帮助管理人员快速精确地了解每位地铁值乘人员的优势、短板，从而为管理人员在编制派班计划、员工考核、人员调度等方面提供准确的数据依据，如图3-1所示。

图片4.png

图3-1 多维标签化人员模型

在移动终端设备上，司机可以实现实时查看自己的身体情况，包括对体温、血氧、心率、血压值的监测，除此之外还可以实现上下班出勤打卡和退勤打卡、查看值班表、查看告警信息等操作。

在车载PDA端，通过摄像头可以实现对司机异常行为进行监测，按照发生频次、持续时间等多种维度对作业违规行为进行评估和报警，如图3-2所示。

QQ图片20240305140114.png

图3-2 司机异常行为监测

4.总结

综上所述，该系统基于深度学习技术，无缝整合了云计算、人工智能、数据挖掘技术。全面覆盖了司机出乘作业的所有流程，为司机全方位智能辅助驾驶提供了切实可行的解决方案，系统已在试用，实践证明，系统有效解决了预警难、响应慢的痛点，大幅提高了出乘管理的效率，为司机行车提供了有效的作业辅助，为地铁运营提供了创新的管理手段，取得了良好的运用成果。

参考文献

[1]Meng, Q., Zhao, S., Huang, Z., & Zhou, F. (2021). MagFace: A Universal Representation for Face Recognition and Quality Assessment. In CVPR.

[2] Cao Z , Simon T , Wei S E ,et al.Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields[J].arXiv e-prints, 2016.

[3] Bochkovskiy A , Wang C Y , Liao H . YOLO1v4: Optimal Speed and Accuracy of Object Detection[J]. 2020.

...

阅读全文