一种基于DNN的公交车详细调度方法技术

本发明专利技术提供了一种基于DNN的公交车详细调度方法，该方法包括：采集每个公交站牌处正在候车的乘客图像，将乘客图像送入乘客密度检测网络，得到乘客密度图；将得到的乘客密度图送入等级分类网络进行处理，得到每个公交站牌处乘客的密度等级；密度等级大于等于等级阈值时，在相应的公交站牌处生成初始调车指令；并计算每辆公交车在相应的公交站牌处的乘客上车率，对多个乘客上车率进行比较操作，得到最高乘客上车率，结合初始调车指令和最高乘客上车率对应公交车的线路，生成最终调车指令，调用备用公交车上路运行。本发明专利技术不需在公交站牌处安装用于统计每路公交车乘坐人数的设备即可实现公交车的详细调度。

【技术实现步骤摘要】
一种基于DNN的公交车详细调度方法
本专利技术涉及人工智能、智慧公交领域，尤其是一种基于DNN的公交车详细调度方法。
技术介绍
目前对于城市公交车调度一般通过人群密度等级来调度一辆新的公交车，考虑到实际情况中每个站牌处有多路公交车的情况，仅通过站牌处人群数来调度一辆新的公交车不能很好的解决部分乘客候车时间过长的问题。申请号为CN200710133472.4的专利技术专利中提出了一种数字化公交信息发布与群控的方法和装置，其解决了公交车调度信息的发布问题，但是并没有很好的解决公交车的调度问题。该现有技术仅仅能够显示某一站台将要到站的那班公交车的到站时间，却无法解决部分乘客候车时间过长的问题。申请号为CN201310706830.1的专利技术专利中公开了一种智能公交站台及智能公交系统，其通过智能公交站台的指示作用，有效减少了公交车需要停靠站台的数量，提高了公交车的运行效率。然而，该现有技术也无法解决部分乘客候车时间过长的问题。
技术实现思路
为了解决现有技术存在的问题，本专利技术提出一种基于DNN的公交车详细调度方法，该方法包括：步骤一，采集每个公交站牌处正在候车的乘客图像，将乘客图像送入乘客密度检测网络，得到乘客密度图；将得到的乘客密度图送入等级分类网络进行处理，得到每个公交站牌处乘客的密度等级；步骤二，预先设置等级阈值，当得到的密度等级大于等于等级阈值时，在相应的公交站牌处生成初始调车指令并开始执行倒计时指令；步骤三，对于每个密度等级大于等级阈值的公交站牌：<br>在倒计时指令开始执行至倒计时指令执行结束这一时间段内，对在该公交站牌处存在停靠操作的公交车进行筛选操作，计算符合筛选条件的公交车的乘客上车率；对该时间段内得到的公交车的乘客上车率进行比较操作，得到最高乘客上车率；步骤四，结合初始调车指令和最高乘客上车率对应公交车的线路，生成最终调车指令，调用备用公交车上路运行。乘客密度检测网络包括乘客密度检测编码器和乘客密度检测解码器，其中，乘客密度检测编码器对乘客图像进行特征提取，得到第一特征图；乘客密度检测解码器对特征图进行上采样与特征提取，得到乘客密度图。等级分类网络包括等级分类编码器和全连接层，其中，乘客密度图经过等级分类编码器的特征提取后送入全连接层，得到各个乘客密度等级的概率，经过后处理后得到乘客密度图的密度等级。所述筛选操作具体为：对每辆公交车内的人数进行统计，根据得到的人数相应的为每辆公交车设置权重；若某一辆公交车权重小于预先设置好的权重阈值，则该公交车此次不进行乘客上车率的计算；其中，权重越小，人数越多。对每辆公交车内的人数进行统计的具体方法为：利用公交车内的第一摄像头采集车厢图像，将车厢图像送入关键点检测网络，得到关键点热图，根据关键点热图中关键点的个数得到公交车内的人数。关键点检测网络包括关键点检测编码器和关键点检测解码器，关键点检测编码器对输入图像进行特征提取，输出第二特征图；关键点检测解码器对第二特征图进行上采样与特征提取，生成关键点热图。若在倒计时指令开始执行至执行结束这一时间段内某线路公交车的出现次数大于等于两次，则选择在这一时间段内得到的该线路多辆公交车对应的多个乘客上车率中的最大值作为该线路公交车的乘客上车率进行比较操作。所述备用公交车停放在公交站牌附近。本专利技术的有益效果在于：1.本专利技术可以具体到某一路公交的调度，且备用公交车停放在公交站牌附近，接收到最终调车指令后可以快速上路运行，快速降低公交车的载客负担，可以更好的解决部分乘客候车时间过长这一问题。2.本专利技术不需在公交站牌处安装用于统计每路公交车乘坐人数的设备，结合每辆公交车的乘客上车率即可实现公交车的详细调度，减少了资金的浪费，便于广泛推广应用。3.本专利技术结合神经网络技术，计算速度快，得到的结果误差小，且根据乘客密度等级生成公交车的初始调车指令的方法能够避免因少数人数差引起的误判。附图说明图1为本专利技术实施流程图。具体实施方式为了让本领域技术人员更好的理解本专利技术，下面结合实施例和附图对本专利技术进行详细描述。本专利技术主要通过公交站牌处的乘客密度及每辆公交车的乘车率对公交车进行调度管理，实现对城市公交车的合理规划，具体地，本专利技术提出一种基于DNN的公交车详细调度方法，其实施流程如图1所示，具体地，首先对采集到的公交站牌处等待乘车的乘客图像进行处理，生成乘客密度图，根据乘客密度图等待乘客密度等级，乘客密度等级高于一定值时新调度一辆公交车投入运行，通过乘客密度等级来调度公交车的方法能够避免少数人数差引起的误判；乘客密度图经后处理得到公交站牌处乘客人数，结合公交站牌处的总乘客人数和每辆公交车的上车人数统计每辆公交车的乘车率，新调度公交车的行驶路线与乘车率最高的那辆公交车的路线相同，实现对公交车进行详细调度。实施例：利用摄像头采集每个公交站牌处正在候车的乘客图像，建议拍摄公交站牌及其临近区域，避免遗漏情况；将乘客图像送入乘客密度检测网络，得到乘客密度图，其中，乘客密度检测网络的训练过程为：(a)将采集的乘客图像数据进行归一化处理，即将图片矩阵变为[0,1]之间的浮点数，以便模型更好地收敛。(b)制作标签数据：标签的制作分为两步，第一步，对乘客进行关键点的标注，标注在每位乘客头部的位置，即X,Y的坐标；第二步，将第一步得到的乘客散点图与高斯核卷积得到乘客密度图。具体的细节如高斯核大小的选取等，不在本专利技术讨论范围。标签数据同样要进行归一化处理。(c)将经过归一化处理的乘客图像数据与标签数据送入乘客密度检测网络中对乘客密度检测编码器和乘客密度检测解码器进行训练，具体地，乘客密度检测编码器对乘客图像进行特征提取，得到第一特征图，乘客密度检测解码器对第一特征图进行上采样与特征提取，生成乘客密度图；其中，乘客密度图的像素值值域为[0,1]之间的浮点数。(d)乘客密度检测网络的Loss函数采用均方误差损失函数。至此，得到乘客密度图。将得到的乘客密度图送入等级分类网络进行处理，得到每个公交站牌处乘客的密度等级；依据公交站牌处乘客密集程度的不同，分为多个密集等级，密度等级的划分实施者可以自行决定，实施例将乘客密度等级设置为1级、2级、3级、4级，等级越高代表该站牌处乘客密集程度越大。其中，等级分类网络的训练过程为：(a)将标有密度等级的乘客密度图进行归一化处理后送入等级分类网络进行训练，以便模型更好地收敛。(b)等级分类编码器对乘客密度图进行特征提取后送入全连接层，输出乘客密度图的各个密度等级的概率，经过argmax操作后得到乘客密度图对应的密度等级。(c)等级分类网络的损失函数采用交叉熵函数。至此，得到公交站牌处乘客的密度等级。预先设置等级阈值，当得到的密度等级大于等于等级阈值时，在相应的公交站牌处生成初始调车指令并开始执行倒计时指令；优选地，实施例中等级阈值为2；通过密度等级实现对本文档来自技高网...

【技术保护点】
1.一种基于DNN的公交车详细调度方法，其特征在于，该方法包括：/n步骤一，采集每个公交站牌处正在候车的乘客图像，将乘客图像送入乘客密度检测网络，得到乘客密度图；将得到的乘客密度图送入等级分类网络进行处理，得到每个公交站牌处乘客的密度等级；/n步骤二，预先设置等级阈值，当得到的密度等级大于等于等级阈值时，在相应的公交站牌处生成初始调车指令并开始执行倒计时指令；/n步骤三，对于每个密度等级大于等级阈值的公交站牌：/n在倒计时指令开始执行至倒计时指令执行结束这一时间段内，对在该公交站牌处存在停靠操作的公交车进行筛选操作，计算符合筛选条件的公交车的乘客上车率；对该时间段内得到的公交车的乘客上车率进行比较操作，得到最高乘客上车率；/n步骤四，结合初始调车指令和最高乘客上车率对应公交车的线路，生成最终调车指令，调用备用公交车上路运行。/n

【技术特征摘要】
1.一种基于DNN的公交车详细调度方法，其特征在于，该方法包括：
步骤一，采集每个公交站牌处正在候车的乘客图像，将乘客图像送入乘客密度检测网络，得到乘客密度图；将得到的乘客密度图送入等级分类网络进行处理，得到每个公交站牌处乘客的密度等级；
步骤二，预先设置等级阈值，当得到的密度等级大于等于等级阈值时，在相应的公交站牌处生成初始调车指令并开始执行倒计时指令；
步骤三，对于每个密度等级大于等级阈值的公交站牌：
在倒计时指令开始执行至倒计时指令执行结束这一时间段内，对在该公交站牌处存在停靠操作的公交车进行筛选操作，计算符合筛选条件的公交车的乘客上车率；对该时间段内得到的公交车的乘客上车率进行比较操作，得到最高乘客上车率；
步骤四，结合初始调车指令和最高乘客上车率对应公交车的线路，生成最终调车指令，调用备用公交车上路运行。


2.如权利要求1所述的方法，其特征在于，乘客密度检测网络包括乘客密度检测编码器和乘客密度检测解码器，其中，乘客密度检测编码器对乘客图像进行特征提取，得到第一特征图；乘客密度检测解码器对特征图进行上采样与特征提取，得到乘客密度图。


3.如权利要求1所述的方法，其特征在于，等级分类网络包括等级分类编码器和全连接层，其中，乘客密度图经过等级分类编码器的特征提取后送入全连接层，得到各个乘客密度等级的概率，经过后处理后得到乘客密度图的密度等级。


4.如权利要求1所述的方法，其特征在于，所述筛选操作具体为：

【专利技术属性】
技术研发人员：钟竞，曾忠英，
申请(专利权)人：钟竞，
类型：发明
国别省市：广东;44