文|正经的烧杯

编辑|正经的烧杯

«——【·前言·】——»

全自动无人驾驶系统(AutomaticTrainOperation,ATO)是指没有司机和乘务人员参与的自动运行控制系统。该系统通过地面控制中心基于实时感知信息，统一对列车进行最优控制。

它可以自动完成列车洗车、休眠、唤醒、准备、自检、自动运行、发车间隔控制、停车和开关车门等功能，并在故障情况下实现自动恢复。

全自动无人驾驶地铁列车具有安全性高、可靠性高、灵活性高，能够提升服务质量，优化人力配置，降低运营成本等优势，是智慧地铁的核心组成部分。

据城市轨道交通协会统计叫，截至2022年年底，中国内地已有15个城市开通了30条全自动运行系统线路，线路总长达到716.83km。全自动运行系统已经成为我国城市轨道交通建设的主流制式选择。

全自动驾驶地铁列车实现了无人值守和基于客流需求的灵活运营，因此，不需要司机、站务员和监控员等人员执行安全监督、故障应急处理和列车运营组织制定等操作，而是由列车自主操作。

这对自动运行控制系统提出了更高、更全面、更准确和更可靠的实时信息要求。站台滑动门和列车门是连接站台与列车的唯一通道，是地铁运输系统的风险点、瓶颈点和管控核心区域。它们直接影响地铁的在站时间、运输效率、安全和乘客服务水平等方面。

根据统计叫，上海地铁10号线全自动驾驶线路发生的安全事故中，乘客造成了30%的事故，列车门占24.82%，站台门滑动门占10.64%，站台门与列车门及间隙夹人和夹物占12.74%，这些事件占据了安全事件的48.2%。

可见车门与站台门是影响全自动驾驶系统运营安全的最重要因素。因此，在无人驾驶运行环境下，乘降作业监督是最重要的安全功能之一。

本研究基GoA4(GradeofAutomation4)的功能需求，采用了风险识别和现有信息感知方法评估等方法，分析了全自动驾驶环境下地铁列车门与站台门之间的全信息感知需求，并提出了基于机器视觉的站台门与列车门安全全信息感知系统。

该系统可以满足各项检测需求，实现了对站台门与列车门间区域的全时空安全信息感知，为地铁的自动驾驶系统建设和运营提供了参考和设计指导。

«——【·站台门轨行区侧风险空间分析·】——»

据国际公共交通协会的分类，列车运行的自动化等级被划分为5级，从GoA0到GoA4，其中GoA4是目前轨道交通自动化运营的最高级别，表1展示了不同自动化等级下列车应具备的基本功能。

从表1可以看出，GoA4级别的全自动驾驶地铁列车不仅能够完成以往需要工作人员执行的基本功能，还能够自主进行自动发车、自动开关门，以及应对障碍物、脱轨状态和异常情况等紧急处理功能。

同时，对该市地铁夹人夹物事件引起的列车延误进行统计，如图2所示，可以看出列车平均延误214s，最长延误428s，最短延误117s。

可见夹异物事件对列车的运行效率影响很大，在高峰期，列车延误很容易导致乘客滞留和拥堵，进而引发踩踏事件。

此外对该市地铁风险空间夹异物位置进行统计，如图3所示，可以看出地铁异物主要夹于列车门的门缝，占比67.69%；异物遗落在站台上的风险空间，占比30.77%；而屏蔽门夹异物事件发生最少，仅占比1.54%。

乘降作业监督安全信息需求

总结起来为了实现乘降作业监督的安全功能，在全自动驾驶环境下，站台门轨行区安全信息感知系统的检测范围如图4所示。

检测范围包括轨道区地面和站台地面至列车门顶的高度，站台门至轨道侧4m（建筑限界）的宽度，以及整个站台门区长度的图像。该系统的功能包括检测站台门和列车门的开关状态，列车是否停稳以及停稳位置。

«——【·基于机器视觉的乘降作业监督全信息感知系统·】——»

为研究无人驾驶运行条件下的站台门乘降作业监督需求，以及为深圳地铁的无人驾驶提供科学先进的技术和产品。

例如深圳市地铁，在深圳地铁20号自动驾驶线机场北站进行了基于机器视觉的站台门与列车全信息感知系统示范工程建设。下面简要介绍该系统架构、原理及主要功能。

该系统由顶装视觉检测单元（DJC）、操作盘(CZ)、站台门机房控制与存储单元（JFKC）和千兆光纤环网等部分组成，如图6所示。

顶装视觉检测单元，由双目视觉传感器和AI边缘计算单元组成，双目视觉传感器视角为110°×110°的200m像素CMOS图像传感器，安装在站台门后封板距站台地面2.65m高的位置。

每隔5m设置一套，AI边缘计算单元由带有多核的CPU、GPU、NPU和多类型接口及交换功能的嵌入式单元组成，可采集多路高清实时图像进行边缘计算及控制。

并将实时图像和检测结果传输到操作盘(CZ)、站台门机房控制与存储单元（JFKC）和站台门DCU。

站台门机房控制与存储单元（JFKC）由核心交机、服务器、监控工作站、接口信号处理单元和配电单元等组成，负责整个系统协调、控制、存储和与站台门系统、信号系统、OCC等对外的统一接口。

操作盘由AI边缘计算单元、HDR2K显示器、电源指示灯、蜂鸣器、虚警消除按钮、旁路开关等组成。

设置在站台端头（DTCZ）、端尾（DWCZ）、监察亭（DZCZ）、车控室（CKCZ）和线网控制中心(OCCCZ)，能实时显示系统设备工作状态、站台滑动门工作状态和检测结果。

以及轮巡显示站台每个滑动门处四路实时图像。在检测到异物情况时，系统自动切换到有异物处图像、异物种类和所处位置，进行风险事件处置，并发出声光报警。

在操作盘上实时显示现场图像和风险事件类型，根据业务需求，是否需要报和通知相关部门，如图7（a）和7（b）所示。

当列车在站但未开门时，通过对比轨道区感兴趣区图像前后的差异和变化情况，可判断列车是否进出站和停驶，停驶未开门时，采用区域分割方法获得站台门缝感兴趣区、防踏空胶条与列车间空隙感兴趣区。

并计算站台门门缝距滑动门门缝距离，判断列车对标是否正确，并将检测结果传输到列车信号系统，如果对标正确。

建立站台门与列车间无风险事件背景模型，包括站台滑动门门缝、列车门缝、站台门与列车门之间空隙背景模型，如图8所示。

当车门打开时，通过目标检测，识别出人头和其他物体，并通过人头轨迹跟踪判断，其消失在列车门处收尾线还是站台滑动门处收尾限，统计进出站台门的客流量，如图7（d）所示。

如果消失在其他方向，则判断有人窜入站台固定门，并实施报警，如果目标停在站台滑动门或列车门或它们之间，并在关门时刻，可判断站台门或列车门或之间是否有遗留物或人。

如果是物，系统通知站务员进行清理，如果是人，则通知站台门系统可能需要二次开关门操作，当车门与列车门关好后，对比站台滑动门门缝、列车门缝和列车与站台门之间间隙，等感兴趣区图像与对应的背景模型的差别，判断哪个感兴趣区间有异物。

并识别风险事件类型，检测单元将检测结果和录像存储在站台门机房控制与存储单元（JFKC）。在操作盘上实时显示现场图像和风险事件类型，并进行声光报警，如图7（f）所示。

JFKC将检测结果，和实时图像传输到地面控制中心OCC，OCC根据事件类型做出相应处置和控制。

本系统的特点在于，它能够无盲区地采集到乘降作业监督范围内的图像，并提供全时域和全空间的乘降相关安全信息，通过选择合理的实时背景建模时刻，检测方法能够适应不同站台、不同车型和不同间隙大小的检测需求。

为提高检测精度和降低误报率，采用了多任务模型进行感兴趣区和风险事件的处理，还采用了基于深度学习的风险事件类型识别技术，为应急救援处置系统提供决策支持，以减少应急处置时间，避免误操作带来的延误和人员伤害。

«——【·结语·】——»

地铁全自动无人驾驶系统的特点是无需司机和乘务人员参与，由地面控制中心利用实时全空间、全时域高精度感知信息进行集中控制，实现列车和配套地面设施的全自动运行，这是轨道交通的未来发展方向。

乘降作业监督功能，是该系统中重要的安全功能之一，它涉及站台门与列车门开闭时刻的安全检测、客流检测、乘客轨迹跟踪以及站台门轨行区侧风险事件检测，和安全评估用于乘降作业的监督和风险事件的应急处置支持。

无人驾驶环境下乘降作业监督的安全信息需求，并对现有感知技术进行了评估。针对现有技术存在的大盲区、检测精度不高、难以检测小异物等问题，提出了一种基于顶装机器视觉的全时域、全信息感知系统，用于站台门轨行区侧的无盲区监测。

该系统完全覆盖乘降作业监督区域，可以提供1920×1080分辨率或更高的实时图像，最小可检测的风险事件尺寸为3cm×3cm。

该系统能够全面满足乘降作业监督的信息需求，能够可视化地提供高精度进出列车车门和车厢的实时客流量监测。

该系统还能有效减少应急处置时间，提高全自动无人驾驶系统的安全性。本研究可为制定无人驾驶的安全保障行业标准以及系统的研发与应提供参考。