本发明专利技术涉及一种车站应急指挥方法及装置，方法包括：利用AI短时客流预测算法得到铁路客站当日的客流总量预测值；根据客流总量预测值和历史数据，计算铁路客站各个关键位置的客流拥挤预警阈值；利用AI视频识别算法得到各个关键位置的实时客流量；实时比较实时客流量和客流拥挤报警阈值，发出车站应急预警提醒，进入应急指挥流程。与现有技术相比，本发明专利技术使用AI短时客流预测算法预测得到客站的客流总量预测值，再设置客流拥挤预警阈值，使用AI视频识别算法得到实时客流量，对比实时客流量和客流拥挤预警阈值发出车站应急预警提醒，进入应急指挥流程，提高了车站管理的智能化水平，应急指挥更加及时、科学。科学。科学。
【技术实现步骤摘要】
一种车站应急指挥方法及装置
[0001]本专利技术涉及铁路交通运输技术，尤其是涉及一种车站应急指挥方法及装置。
技术介绍
[0002]近年来，随着高速铁路的建设，城际交通规模不断增长，铁路站点是城市交通运输枢纽中的关键一环，是交通运输领域的重要节点。建立车站应急指挥平台不仅是铁路部门处置突发事件的需要，也是国家处置各类突发事件的要求。
[0003]铁路站点的应急指挥所遇到的主要问题有大客流、大面积晚点等，主要问题都会反映为客流在车站的聚集。传统的应急指挥中，往往会人工监测站点的人流量，根据经验进行判断，当感觉人流量较多时，或出现突发事件时，启动应急指挥。现有的应急指挥方法还不够成熟。
[0004]随着各种AI预测和AI识别技术的成熟，各个领域已经逐步向智能化方向发展，目前，建设基于AI技术的铁路客站应急指挥系统具有迫切要求。
技术实现思路
[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种车站应急指挥方法及装置，使用AI短时客流预测算法预测得到客站的客流总量预测值，再设置各个关键位置的客流拥挤预警阈值，使用AI视频识别算法得到各个关键位置的实时客流量，对比实时客流量和客流拥挤预警阈值发出车站应急预警提醒，进入应急指挥流程，提高了车站管理的智能化水平，应急指挥更加及时、科学。
[0006]本专利技术的目的可以通过以下技术方案来实现：
[0007]一种车站应急指挥方法，包括以下步骤：
[0008]S1、利用AI短时客流预测算法得到铁路客站当日的客流总量预测值；
[0009]S2、根据客流总量预测值和历史数据，计算铁路客站各个关键位置的客流拥挤预警阈值，所述关键位置是预先确定的；
[0010]S3、各个关键位置布置有摄像头，用于采集实时客流图像，利用AI视频识别算法得到各个关键位置的实时客流量；
[0011]S4、实时比较实时客流量和客流拥挤报警阈值，计算实时客流量超出客流拥挤报警阈值的幅度，发出对应该幅度的车站应急预警提醒，进入该车站应急预警提醒所对应的应急指挥流程。
[0012]进一步的，步骤S1中，所述AI短时客流预测算法为参数模型预测算法、非参模型预测算法与混合预测算法中的一种。
[0013]更进一步的，参数模型预测算法包括但不限于非线性回归、ARIMA、卡尔曼滤波等方法；非参模型预测算法包括但不限于LSTM、XGBoost等方法；混合预测算法结合了参数模型预测算法与非参数模型预测算法。
[0014]进一步的，步骤S1中，所述AI短时客流预测算法是根据铁路客站的规模等级、客流
特点和AI计算资源配置情况确定的。
[0015]进一步的，步骤S2中，获取铁路客站各个关键位置的历史客流数据，基于各个关键位置的历史客流数据和客运车站预设置的车站应急标准，设置各个关键位置的客流拥挤预警阈值。
[0016]更进一步的，步骤S2中，各个关键位置的客流拥挤预警阈值根据列车正晚点信息、列车停靠股道信息和客调命令关键信息动态调整。
[0017]进一步的，步骤S3中，所述AI视频识别算法是是基于CNN的卷积图像识别神经网络，也可以是其他图像识别算法，以识别关键位置的人流量。
[0018]进一步的，步骤S4中，计算实时客流量超出客流拥挤报警阈值的绝对值以及实时客流量超出客流拥挤报警阈值的幅度，如果绝对值和幅度满足预设置的触发条件，则发出对应的车站应急预警提醒，进入该车站应急预警提醒所对应的应急指挥流程；所述触发条件的数量为多个，分别对应不同等级的车站应急预警提醒，每个应急指挥流程包括应急预案和应急处理人员。
[0019]一种车站应急指挥装置，基于如上所述的车站应急指挥方法，包括：
[0020]AI短时客流预测部，用于利用AI短时客流预测算法得到铁路客站当日的客流总量预测值；
[0021]AI视频识别部，根据客流总量预测值和历史数据，计算铁路客站各个关键位置的客流拥挤预警阈值；
[0022]应急指挥预警部，实时比较实时客流量和客流拥挤报警阈值，计算实时客流量超出客流拥挤报警阈值的幅度，发出对应该幅度的车站应急预警提醒，进入该车站应急预警提醒所对应的应急指挥流程。
[0023]进一步的，所述AI短时客流预测算法为参数模型预测算法、非参模型预测算法与混合预测算法中的一种。
[0024]进一步的，所述AI短时客流预测算法是根据铁路客站的规模等级、客流特点和AI计算资源配置情况确定的。
[0025]与现有技术相比，本专利技术使用AI短时客流预测算法预测得到客站的客流总量预测值，再设置各个关键位置的客流拥挤预警阈值，使用AI视频识别算法得到各个关键位置的实时客流量，对比实时客流量和客流拥挤预警阈值发出车站应急预警提醒，进入应急指挥流程，提高了车站管理的智能化水平，应急指挥更加及时、科学。
附图说明
[0026]图1为车站应急指挥方法的流程示意图；
[0027]图2为车站应急指挥方法的结构示意图。
具体实施方式
[0028]下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0029]实施例1：
[0030]一种车站应急指挥方法，如图1所示，包括以下步骤：
[0031]S1、利用AI短时客流预测算法得到铁路客站当日的客流总量预测值；
[0032]S2、根据客流总量预测值和历史数据，计算铁路客站各个关键位置的客流拥挤预警阈值，关键位置是预先确定的；
[0033]S3、各个关键位置布置有摄像头，用于采集实时客流图像，利用AI视频识别算法得到各个关键位置的实时客流量；
[0034]S4、实时比较实时客流量和客流拥挤报警阈值，计算实时客流量超出客流拥挤报警阈值的幅度，发出对应该幅度的车站应急预警提醒，进入该车站应急预警提醒所对应的应急指挥流程。
[0035]一种车站应急指挥装置，如图2所示，包括：
[0036]AI短时客流预测部，用于利用AI短时客流预测算法得到铁路客站当日的客流总量预测值；
[0037]AI视频识别部，根据客流总量预测值和历史数据，计算铁路客站各个关键位置的客流拥挤预警阈值；
[0038]应急指挥预警部，实时比较实时客流量和客流拥挤报警阈值，计算实时客流量超出客流拥挤报警阈值的幅度，发出对应该幅度的车站应急预警提醒，进入该车站应急预警提醒所对应的应急指挥流程。
[0039]AI短时客流预测算法为参数模型预测算法、非参模型预测算法与混合预测算法；参数模型预测算法包括但不限于非线性回归、ARIMA、卡尔曼滤波等方法；非参模型预测算法包括但不限于LSTM、XGBoost等方法；混合预测算法结合了参数模型预测算法与非参数模型预测算法。
[0040]步骤S1中，AI短时客流预测算法是根据铁路客站的规模等级、客流特点和AI计算资源配置情况本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车站应急指挥方法，其特征在于，包括以下步骤：S1、利用AI短时客流预测算法得到铁路客站当日的客流总量预测值；S2、根据客流总量预测值和历史数据，计算铁路客站各个关键位置的客流拥挤预警阈值，所述关键位置是预先确定的；S3、各个关键位置布置有摄像头，利用AI视频识别算法得到各个关键位置的实时客流量；S4、实时比较实时客流量和客流拥挤报警阈值，计算实时客流量超出客流拥挤报警阈值的幅度，发出对应该幅度的车站应急预警提醒，进入该车站应急预警提醒所对应的应急指挥流程。2.根据权利要求1所述的一种车站应急指挥方法，其特征在于，步骤S1中，所述AI短时客流预测算法为参数模型预测算法、非参模型预测算法与混合预测算法中的一种。3.根据权利要求1所述的一种车站应急指挥方法，其特征在于，步骤S1中，所述AI短时客流预测算法是根据铁路客站的规模等级、客流特点和AI计算资源配置情况确定的。4.根据权利要求1所述的一种车站应急指挥方法，其特征在于，步骤S2中，获取铁路客站各个关键位置的历史客流数据，基于各个关键位置的历史客流数据和客运车站预设置的车站应急标准，设置各个关键位置的客流拥挤预警阈值。5.根据权利要求4所述的一种车站应急指挥方法，其特征在于，步骤S2中，各个关键位置的客流拥挤预警阈值根据列车正晚点信息、列车停靠股道信息和客调命令关键信息动态调整。6.根据权利要求1所述的一种车站应急指挥方法，其特征在于，步...
【专利技术属性】
技术研发人员：王平，吴文波，杨友兰，马毅华，许江，宗智诚，
申请(专利权)人：上海申铁信息工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。