一种城市地铁站拥挤度自动判定方法技术

本发明专利技术公开了一种城市地铁站拥挤度自动判定方法，该城市地铁站拥挤度自动判定方法以云模型辨识为基础，以行人速度、空间占有率、流量作为交通状况识别输入参数；通过构建待识别云模型和模板云模型，计算两者之间的相似度进而得到城市地铁站点内行人拥挤度。本发明专利技术结合多因素、多层次的综合性分析，能准确的反映行人拥挤度。

【技术实现步骤摘要】

本专利技术属于城市轨道交通规划领域，尤其涉及一种城市地铁站拥挤度自动判定方法。
技术介绍
地铁站点是城市轨道交通和城市客流接驳的一个重要场所。行人拥挤度反映了地铁站点内某设施(通道、楼梯、站台等)乘客疏散时行人聚集的时间特征和乘客在枢纽内安全疏散过程中的便捷性和舒适性。要准确的反映行人拥挤度，需要多因素、多层次的综合性分析，而目前的一些成果还达不到此要求。目前国内外针对城市地铁站点行人拥挤度理论主要集中在数学模型和仿真、实验研究、和社会心理研究等3个方面。在数学模型和仿真方面，主要集中研究了常态下行人拥挤动力学或者恐慌状态下的疏散过程，建立了在数学逻辑框架下的行人拥挤恐慌数学模型，并利用元胞自动机模型、社会力模型、智能体模型等数学方法对拥挤疏散进行检验。通过仿真评估常态下基础设施的服务水平，改进设计方案，建立有效的交通组织预案，降低行人由于恐慌而造成的拥挤，预防拥挤事故灾难的发生。
技术实现思路
本专利技术的目的在于提供一种城市地铁站拥挤度自动判定方法，旨在解决现有方法不能准确反映行人拥挤度的问题。本专利技术是这样实现的，一种城市地铁站拥挤度自动判定方法以云模型辨识为基础，以行人速度、空间占有率、流量作为交通状况识别输入参数；通过构建待识别云模型和模板云模型，计算两者之间的相似度进而得到城市地铁站点内行人拥挤度。进一步，所述的城市地铁站拥挤度自动判定方法具体包括：步骤一、确定地铁站内各设施的度量指标和权重；步骤二、确定云模型的数字特征；步骤三、建立各服务水平的模板云模型；步骤四、建立待识别云模型；步骤五、确定待识别云和模板云的相似度；步骤六、判别地铁站内各设施的行人拥挤度。进一步，根据《公共交通通行能力和服务水平手册》确定各类设施服务水平度量指标及其权重；对于通道设施，采用行人占据空间、平均步行速度和单位宽度的行人流量作为综合交通换乘枢纽通道行人服务水平的指标；在识别枢纽内行人拥挤状态过程中，假设各个指标占有同等重要的作用，对于通道设施，假设度量指标具有相同的权值，即：ω1＝ω2＝ω3＝1/3；对于楼梯设施，采用人均占据面积和单位宽度人流率作为度量指标，各指标权重为：ω1＝ω2＝1/2；对于站台设施，采用人均占据面积和平均人间距作为度量指标，各指标权重为：ω1＝ω2＝1/2。进一步，根据《公共交通通行能力和服务水平手册》中各设施服务水平划分标准，并结合地铁站内实际情况假定出各指标的临界值；设X＝[a,b]为某度量指标的取值论域，又设某度量指标的阈值向量为X＝(x1,x2,x3,x4,x5)，在确定云的数字特征之前，将指标值标准化到[0,1]之间；对于越大越优型指标，量纲化处理公式为： x * = x - a b - a - - - ( 1 ) ]]>对于越小越优型指标，量纲化处理公式为： x * = b - x b - a - - - ( 2 ) ]]>式中，b、a分别论域区间的最大值和最小值，x*为任意指标值x的标准化值；记Ω＝[0,1]为标准化后的论域，按服务水平等级对Ω进行划分6个区间，各区间记为Ωj，并有设Ωj的上下限为由以下公式计算各服务水平等级云的3个参数：A和F服务水平分别用半升正态云和半降正态云表示，他们的数字特征分别为Exx1、Exx6，熵为Enx1、Enx6，按照下式计算： Ex x 1 = x 1 * En x 1 = En x 2 Ex x 6 = x 5 * En x 6 = En x 5 - - - ( 3 ) ]]>B、C、D、E服务水平用全正态云表示，标记不同服务水平下的期望值分别为Exx2、Exx3、Exx4、Exx5，熵分别为Enx2、Enx3、Enx4、Enx5，这些特征值计算公式如下： 本文档来自技高网...

【技术保护点】
一种城市地铁站拥挤度自动判定方法，其特征在于，所述的城市地铁站拥挤度自动判定方法以云模型辨识为基础，以行人速度、空间占有率、流量作为交通状况识别输入参数；通过构建待识别云模型和模板云模型，计算两者之间的相似度进而得到城市地铁站点内行人拥挤度。

【技术特征摘要】
1.一种城市地铁站拥挤度自动判定方法，其特征在于，所述的城市地铁站拥挤度自动判定方法以云模型辨识为基础，以行人速度、空间占有率、流量作为交通状况识别输入参数；通过构建待识别云模型和模板云模型，计算两者之间的相似度进而得到城市地铁站点内行人拥挤度。2.如权利要求1所述的城市地铁站拥挤度自动判定方法，其特征在于，所述的城市地铁站拥挤度自动判定方法具体包括：步骤一、确定地铁站内各设施的度量指标和权重；步骤二、确定云模型的数字特征；步骤三、建立各服务水平的模板云模型；步骤四、建立待识别云模型；步骤五、确定待识别云和模板云的相似度；步骤六、判别地铁站内各设施的行人拥挤度。3.如权利要求2所述的城市地铁站拥挤度自动判定方法，其特征在于，根据《公共交通通行能力和服务水平手册》确定各类设施服务水平度量指标及其权重；对于通道设施，采用行人占据空间、平均步行速度和单位宽度的行人流量作为综合交通换乘枢纽通道行人服务水平的指标；在识别枢纽内行人拥挤状态过程中，假设各个指标占有同等重要的作用，对于通道设施，假设度量指标具有相同的权值，即：ω1＝ω2＝ω3＝1/3；对于楼梯设施，采用人均占据面积和单位宽度人流率作为度量指标，各指标权重为：ω1＝ω2＝1/2；对于站台设施，采用人均占据面积和平均人间距作为度量指标，各指标权重为：ω1＝ω2＝1/2。4.如权利要求2所述的城市地铁站拥挤度自动判定方法，其特征在于，根据《公共交通通行能力和服务水平手册》中各设施服务水平划分标准，并结合地铁站内实际情况假定出各指标的临界值；设X＝[a,b]为某度量指标的取值论域，又设某度量指标的阈值向量为X＝(x1,x2,x3,x4,x5)，在确定云的数字特征之前，将指标值标准化到[0,1]之间；对于越大越优型指标，量纲化处理公式为：对于越小越优型指标，量纲化处理公式为：式中，b、a分别论域区间的最大值和最小值，x*为任意指标值x的标准化值；记Ω＝[0,1]为标准化后的论域，按服务水平等级对Ω进行划分6个区间，各区间记为Ωj，并有设Ωj的上下限为由以下公式计算各服务水平等级云的3个参数：A和F服务水平分别用半升正态云和半降正态云表示，他们的数字特征分别为Exx1、Exx6，熵为Enx1、Enx6，按照下式计算：B、C、D、E服务水平用全正态云表示，标记不同服务水平下的期望值分别为Exx2、Exx3、Exx4、Exx5，熵分别为Enx2、Enx3、Enx4、Enx5，这些特征值计算公式如下：5.如权利要求2所述的城市地铁站拥挤度自动判定方法，其特征在于，设某设施有3个度量指标，各指标的子云记为Rj、Sj和Tj，则父云Uj由Rj、Sj和Tj 合成，即Uj＝RjοSjοTj(j＝1,2,3,4,5,6)...

【专利技术属性】
技术研发人员：周继彪，董升，马健，姜李华，杨仁法，方琪璐，张丽岩，
申请(专利权)人：宁波工程学院，
类型：发明
国别省市：浙江;33