基于拥堵模型的轻量级平台公交室内情况监控系统

news2024/11/30 10:37:28

论文标题：Bus Indoor Situation Monitoring System Based on Congestion Model Using Lightweight Platform

作者信息：Dong Hyun Kim, Yun Seob Kim, 和 Jong Deok Kim* 所属机构：Pusan National University, Department of Computer Science and Engineering, Busan, South Korea 电子邮箱：{dhkim1106, giet278, kimjd}@pusan.ac.kr

论文出处：IARIA Congress 2024: The 2024 IARIA Annual Congress on Frontiers in Science, Technology, Services, and Applications

主要内容概述：

摘要：随着数据在公共服务、安全、交通、市场营销等领域的广泛应用，人们对于数据利用的兴趣日益增长。尤其是对于公共交通工具中的公共汽车，由于其与安全直接相关，拥堵问题的重要性日益凸显。本文旨在通过物联网(IoT)和人工智能技术，设计并实现一个公交室内情况监控系统，以预测公交车内部的拥堵情况并确保乘客安全。

关键词：人工智能；拥堵模型；室内情况监控；轻量级平台。

引言：本文专注于收集与公共交通相关的数据，并设计系统来监控公交车内的情况。系统通过安装在公交车上的摄像头识别乘客的移动方向、旅行持续时间和高峰使用时段。基于这些数据，可以设计各种应用系统，包括旅游和安全领域。

相关工作：

YOLO (You Only Look Once)：一种实时目标检测技术，通过单步处理来实现对象的定位和分类。
DeepSORT：一种基于运动路径跟踪数据的对象跟踪技术，通过引入匹配级联来提高数据关联过程的准确性。
RTSP (Real Time Streaming Protocol)：一种用于控制流媒体服务器的控制协议。
HLS (HTTP Live Streaming)：苹果公司在2009年推出的一种用于通过互联网传输媒体内容的视频流协议。
MQTT (Message Queuing Telemetry Transport)：一种基于发布/订阅模型的轻量级消息协议，适用于物联网设备和系统之间的消息交换。

设计与实现：

拥堵测量模型：提出了一个基于座位数、扶手数和乘客数的公交车拥堵测量模型。
人数统计：利用目标检测技术来确定公交车内的乘客数量。
Jetson与云之间的通信：使用Jetson平台进行视频处理和与AWS IoT和S3的数据存储与传输。

本论文提出的系统最初是针对单辆公交车设计的，但随着研究的深入，考虑到多辆公交车的场景，以更接近现实世界的情况进行实施。系统的整体配置如图10所示。因此，使用Jetson和与Jetson的通信变得不可避免。每辆公交车内的视频处理是通过Jetson进行的，而数据存储和传输则是使用亚马逊网络服务（AWS）IoT和S3进行的。

拥堵测量模型

公交车拥堵测量模型由公式(1)给出，其中公交车拥堵由RC表示，座位数由NS表示，扶手数由NH表示，乘客数由PN表示。公交车拥堵是通过乘客数量与座位和扶手的总和的百分比来计算的。由于公交车内部的视频主要捕捉上下车活动以及公交车的中心区域，很难确定座位和扶手的数量，因此模型的分母被设置为座位容量的110%。例如，对于韩国的现代电子城市公交车，这将对应54名乘客。

公交车的拥堵水平被定义为四个类别：'宽敞'、'正常'、'拥挤'和'非常拥挤'，这些类别是基于实时乘客数量来定义的。这四个类别的指数如表I所示。虽然个人对拥堵的感知可能不同，但这些水平是基于一般情况来建立的。

人数统计

为了确定公交车内乘客的数量，研究者利用了对象的边界框（BBox）信息。如图11所示，对象本身具有左上角的坐标。研究者调整了这些坐标的位置到BBox的中心，并基于基线是否穿过头部中心来计算乘客数量。

基于被跟踪的信息，研究者确定了当前帧与前一帧相比乘客数量的变化，这取决于对象是否穿过了基线。如图12所示，可以观察到乘客在穿过基线前后数量的变化。

为了在乘客登上楼梯并进入公交车后明确识别他们，并排除那些在外部的人，研究者将基线定位在楼梯结束并与公交车结构相遇的地方。因此，完全登上公交车的乘客被计算在内，而外面的个人由于被结构遮挡并且不能通过基线，因此未被检测到。此外，为了避免重复计数，在跟踪过程中分配了唯一ID，确保之前处理过的对象如果再次穿过基线不会被再次计数。

Jetson与云端之间的通信

如图13所示，Jetson的操作过程被描述。Jetson是由NVIDIA开发的AI计算平台，专为图形处理单元（GPU）加速的并行处理而设计。在每辆公交车上安装Jetson，可以实时分析传入的视频，提取必要信息，并与AWS IoT和S3通信。如图14所示，AWS IoT的操作过程被描述。这允许减轻传输大量视频数据本身的负担，并允许客户端从AWS IoT和S3访问拥堵图表和事故视频。