一种城市轨道交通的应急处理方法、系统及存储介质技术方案

本申请提供了一种城市轨道交通的应急处理方法、系统及存储介质，涉及交通服务的技术领域，包括获取乘客的异常行为数据；将所述异常行为数据输入预先搭建好的深度学习网络模型中进行训练与测试，用于提取目标异常行为；通过搭建异常行为数据库对所述目标异常行为进行分析，得到目标异常行为数据集；通过心理画像对所述目标异常行为数据集进行分析，得到心理画像分析报告，并基于所述心理画像分析报告对出现异常行为的乘客进行针对性分析处理。通过本申请解决了轨道交通运营过程中无法有效监测到人群发生突发情况的问题，提升了服务质量。质量。质量。

【技术实现步骤摘要】
一种城市轨道交通的应急处理方法、系统及存储介质


[0001]本申请涉及交通服务的
，具体涉及一种城市轨道交通的应急处理方法、系统及存储介质。

技术介绍

[0002]随着城市化、现代化进程的日益深刻，交通运输业效率显著提高，城市生活节奏加快，人们在城市生活中的出行却变得愈发困难。特别是那些存在出行困难的特殊人群，特殊人群主要是指老年人、孕妇、儿童、伤病人员以及携带较重行李的人。人们的出行困难与高效率的新型出行交通方式之间的矛盾日益凸显出来。
[0003]目前国内轨道交通中实施相对严密的视频监控系统，通过架设大量各类摄像机以及配套系统来监控轨道交通内的重要场所并配合其他的安全措施、而基于视频数据的运动目标检测是计算机视觉中的一个重要分支，并提出了现有技术公开号为CN111401144A的中国专利公开了一种基于视频监控的手扶电梯乘客行为识别方法，其技术点包括：1)使用关键点提取方法对手扶电梯行为数据集进行骨架提取，并打上标签；2)将提取的骨架划分训练集和验证集；3)搭建合适的图卷积神经网络；4)使用数据集对图卷积神经网络进行训练，并保存最佳的网络模型；5)对手扶电梯场景的图像使用关键点提取方法进行人体关键点提取，并使用行人跟踪方法对行人进行跟踪，得到每个乘客在不同帧的骨架坐标及其置信度；6)将每一帧中的所有乘客的骨架坐标及其置信度输入到训练好的最佳模型中进行行为分类；7)对同一个乘客的行为序列，使用滑动窗统计的方法对其进行滤波，决策出最后的行为。本专利技术可有效实现对手扶电梯监控视频的行为识别。
[0004]上述中的现有技术方案，虽然能在一定程度针对手扶电梯上发生的异常行为实现有效监控，但面对场景复杂多变的轨道交通时，自适应能力就很差，也无法应对多个跟踪目标，极大影响了监控的可靠性。

技术实现思路

[0005]为解决轨道交通运营过程中无法有效监测到人群发生突发情况，并根据突发情况作出相应的应急处理方案的问题，本申请提出一种城市轨道交通的应急处理方法、系统及存储介质。
[0006]第一方面，本申请提供一种城市轨道交通的应急处理方法，包括：获取乘客的异常行为数据；将所述异常行为数据输入预先搭建好的深度学习网络模型中进行训练与测试，用于提取目标异常行为；通过搭建异常行为数据库对所述目标异常行为进行分析，得到目标异常行为数据集；通过心理画像对所述目标异常行为数据集进行分析，得到心理画像分析报告，并基于所述心理画像分析报告对出现异常行为的乘客进行针对性分析处理。
[0007]通过上述技术方案，接收获取到的乘客的异常行为数据；然后将该数据输入预先搭建好的深度学习网络模型中进行训练与测试，用于提取目标异常行为；然后通过搭建异常行为数据库对所述目标异常行为进行分析，得到目标异常行为数据集；最后通过心理画像技术对目标异常行为数据集进行分析，得到心理画像分析报告，并基于心理画像分析报告对出现异常行为的乘客进行针对性分析处理，对存在出行障碍乘客的心理特征、行为习惯进行分析，得到最终的分析结果，并基于分析结果为交通运营企业及政府管理人员提供由文字或语言组成的应急方案，实现了对特定人群提供有效的应急处理服务，降低了人们的出行危险。
[0008]优选的，所述获取乘客的异常行为数据之前，包括：获取乘客全部的行为，并对所述行为是否为异常行为作检测判断；若检测到所述行为是沿既定路线进行走动，则将所述行为定义为正常行为；若检测到所述行为为预设异常行为中的一种或几种时，所述行为动作定义为异常行为，并将检测到的异常行为数据输入所述深度网络学习模型进行训练与测试。
[0009]通过采用上述技术方案，对获取乘客的行为数据进行筛选，将大部分行为没有表现出异常的乘客过滤掉，针对异常行为动作乘客进行专门的跟踪调查，提高了采集异常行为数据的效率。
[0010]优选的，所述预设异常行为包括：乘客的行驶速度远低于正常行走速度；乘客停留在某一地区的时长超过预设安全停留时长；乘客进行频繁性挥手动作；乘客使用轮椅进行出行的情况；乘客存在摔倒或平躺于地面的情况；乘客乘车过程中使用无障碍设施。
[0011]通过采用上述技术方案，对乘客出现的异常行为进行归纳总结，用于快速识别出异常行为，提高识别效率。
[0012]优选的，将所述异常行为数据输入预先搭建好的深度学习网络模型中进行训练与测试的具体步骤，包括：对所述异常行为数据进行压缩编码，得到第一异常行为数据；将所述第一异常行为数据通过网络接口传输至视频解码器进行解码，得到第二异常行为数据；通过行为识别与单人跟踪的方式，对所述第二异常行为数据进行异常行为提取；将提取出到所述异常行为的消息向后台工作人员发出通知。
[0013]通过采用上述技术方案，基于预先搭建好的深度学习网络模型中对异常行为数据进行训练与测试，从而提取目标异常行为，简化了数据训练与测试的过程，缩短了测试周期，提高了提取目标异常行为的效率。
[0014]优选的，通过搭建异常行为数据库对所述目标异常行为进行分析的具体步骤，包括：通过数据采集模块采集乘客的所有行为数据，并将所述行为数据分为正常行为数据与非正常行为数据；通过数据挖掘模块对所述非正常行为数据的综合分析，搭建异常行为数据库；通过所述异常行为数据库对所述深度学习网络模型中提取出的异常行为进行分析，得到目标异常行为数据集。
[0015]通过采用上述技术方案，利用现有人体行为数据库对目标异常行为进行描述，并
作样本数据分析，从而搭建异常行为数据库，为研究非暴露空间对于需要求助的人群提供援助，并制定相应方案，提高了服务品质。
[0016]优选的，所述非正常行为数据包括异常乘客行为数据与乘客求助行为数据。
[0017]优选的，通过心理画像对所述目标异常行为数据集进行分析的具体步骤，包括：通过图像采集基础设备获取基础数据信息；通过心理画像对所述基础数据信息与所述异常行为数据集进行综合分析，得到心理画像分析报告；基于所述心理画像分析报告，对乘客的异常行为与心理特征进行针对性分析处理。
[0018]通过采用上述技术方案，通过采用心理画像对乘客的异常行为举动与个人情况进行针对性分析处理，为交通运营企业及政府管理人员针对援助不到位的情况进行完善，同时通过修改现有设施管理，提高服务效率。
[0019]优选的，所述用于提取目标异常行为的步骤，还包括：通过使用滤波器模拟视觉细胞感受异常行为数据的特征状态；仿照视觉皮层组织结构搭建特征提取模型框架，其中，所述特征提取模型框架分包括第一特征提取层、第二特征提取层、第一特征学习层以及第二特征学习层；通过所述特征提取模型框架对异常行为数据进行匹配与最大化的交替操作，提取异常行为。
[0020]通过采用上述技术方案，出了基于深度网络学习模型之外第二方面，本申请提出一种城市轨道交通的应急处理系统，包括：获取模块，用于获取乘客的异常行为数据；输入模块，用于将所述异常行为数据输入预先搭建好的深度学习网络模型中进行训练与测试，用于提取目标异常行为；第一分析模块，用于通过搭建异常行为数据库对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市轨道交通的应急处理方法，其特征在于，包括：获取乘客的异常行为数据；将所述异常行为数据输入预先搭建好的深度学习网络模型中进行训练与测试，用于提取目标异常行为；通过搭建异常行为数据库对所述目标异常行为进行分析，得到目标异常行为数据集；通过心理画像对所述目标异常行为数据集进行分析，得到心理画像分析报告，并基于所述心理画像分析报告对出现异常行为的乘客进行针对性分析处理。2.根据权利要求1所述的城市轨道交通的应急处理方法，其特征在于，所述获取乘客的异常行为数据之前，包括：获取乘客全部的行为，并对所述行为是否为异常行为作检测判断；若检测到所述行为是沿既定路线进行走动，则将所述行为定义为正常行为；若检测到所述行为为预设异常行为中的一种或几种时，所述行为动作定义为异常行为，并将检测到的异常行为数据输入所述深度网络学习模型进行训练与测试。3.根据权利要求1所述的城市轨道交通的应急处理方法，其特征在于，所述预设异常行为包括：乘客的行驶速度远低于正常行走速度；乘客停留在某一地区的时长超过预设安全停留时长；乘客进行频繁性挥手动作；乘客使用轮椅进行出行的情况；乘客存在摔倒或平躺于地面的情况；乘客乘车过程中使用无障碍设施。4.根据权利要求1所述的城市轨道交通的应急处理方法，其特征在于，将所述异常行为数据输入预先搭建好的深度学习网络模型中进行训练与测试的具体步骤，包括：对所述异常行为数据进行压缩编码，得到第一异常行为数据；将所述第一异常行为数据通过网络接口传输至视频解码器进行解码，得到第二异常行为数据；通过行为识别与单人跟踪的方式，对所述第二异常行为数据进行异常行为提取；将提取出到所述异常行为的消息向后台工作人员发出通知。5.根据权利要求1所述的城市轨道交通的应急处理方法，其特征在于，通过搭建异常行为数据库对所述目标异常行为进行分析的具体步骤，包括：通过数据采集模块采集乘客的所有行为数据，并将所述行为数据分为正常行为数据与非正常...

【专利技术属性】
技术研发人员：张开婷，李俊，周立荣，蔺陆洲，贾蔡，祝宏，邓平科，杨军，马长斗，张迪，
申请(专利权)人：全图通位置网络有限公司，
类型：发明
国别省市：