基于视频与AFC数据融合的车站客流状态监测方法及系统技术方案

本发明专利技术提供一种基于视频与AFC数据融合的车站客流状态监测方法及系统，属于轨道交通运营管理技术领域，基于AFC数据，预测车站内进口客流数据；基于预测的车站内进口客流数据，融合车站的空间结构数据，得到站内各关键区域的基于AFC数据的客流数据；利用基于YOLOv4的客流目标检测方法，结合车站内监控视频数据，获取各关键区域的基于监控视频的客流量数据；采用证据推理方法，将基于AFC数据的客流数据及基于监控视频的客流量数据进行数据融合，得到各关键区域的短时客流预测值。本发明专利技术将视频和AFC数据相融合，得到各关键区域的短时客流预测值，提高了关键区域客流量预测的准确性，实现了车站内客流信息的准确感知，对判断短时的客流拥堵风险提供了可靠依据。客流拥堵风险提供了可靠依据。客流拥堵风险提供了可靠依据。

【技术实现步骤摘要】
基于视频与AFC数据融合的车站客流状态监测方法及系统


[0001]本专利技术涉及轨道交通运营管理
，具体涉及一种基于视频与AFC数据融合的车站客流状态监测方法及系统。

技术介绍

[0002]轨道交通车站的正常运行对整个城市轨道交通线网的运行安全具有重大的意义，准确把握车站的客流运行状态是实现客流量科学管控的根本基础。研究基于车站的客流信息感知方法，目前多为利用视频监控进行深度学习的感知方法，仅依靠单一的视频数据对车站内各关键区域客流状态信息进行监测的准确性不高，监测结果存在较大误差。

技术实现思路

[0003]本专利技术的目的在于提供一种通过结合视频及AFC数据提取客流当前特征，有效地对车站内关键区域的客流进行信息感知的基于视频与AFC数据融合的车站客流状态监测方法及系统，以解决上述
技术介绍
中存在的至少一项技术问题。
[0004]为了实现上述目的，本专利技术采取了如下技术方案：
[0005]一方面，本专利技术提供一种基于视频与AFC数据融合的车站客流状态监测方法，包括：
[0006]基于AFC数据，预测车站内进口客流数据；
[0007]基于预测的车站内进口客流数据，融合车站的空间结构数据，得到站内各关键区域的基于AFC数据的客流数据；
[0008]利用基于YOLOv4的客流目标检测方法，结合车站内监控视频数据，获取各关键区域的基于监控视频的客流量数据；
[0009]采用证据推理方法，将基于AFC数据的客流数据及基于监控视频的客流量数据进行数据融合，得到各关键区域的短时客流预测值。
[0010]优选的，利用车站进站口闸机设备获取车站进口的客流历史数据；根据车站的内部空间结构及路径，计算车站进口到站内各个关键区域的正常客流通行时间。
[0011]优选的，得到站内各关键区域的基于AFC数据的客流数据，包括：假设进站时刻为T，进站AFC统计的客流人数为N，进站口到关键区域的时间为t1，客流的正常通行速度为v，则T+t1时刻，基于AFC数据预测的站台客流人数N1为：
[0012][0013]其中，表示时间与通行速度的概率函数，随着客流行走的时间越长，客流速度分化会越加明显，介于0到1之间。
[0014]优选的，采用证据推理方法，将当下预测客流数据及实际客流量数据进行数据融合，得到各关键区域的短时客流预测值，包括：
[0015]N
*
＝m1N+m2N
′
[0016][0017]其中，N
*
表示T+t1各关键区域短时客流预测值，N表示T+t1时刻的基于监控视频的客流量数据，N
′
表示T时刻基于AFC数据的客流数据，A1表示选取基于AFC数据的客流量检测事件的可靠性，A2表示选取基于视频的客流量检测事件的可靠性，m1、m2分别表示A1、A2事件概率分配函数，k表示归一化常数。
[0018]第二方面，本专利技术提供一种基于视频与AFC数据融合的车站客流状态监测系统，包括：
[0019]第一预测模块，用于基于AFC数据，预测车站内进口客流数据；
[0020]第二预测模块，用于基于预测的车站内进口客流数据，融合车站的空间结构数据，得到站内各关键区域的基于AFC数据的客流数据；
[0021]第三预测模块，用于利用基于YOLOv4的客流目标检测方法，结合车站内监控视频数据，获取各关键区域的基于监控视频的客流量数据；
[0022]融合模块，用于采用证据推理方法，将基于AFC数据的客流数据及基于监控视频的客流量数据进行数据融合，得到各关键区域的短时客流预测值。
[0023]第三方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如上所述的基于视频与AFC数据融合的车站客流状态监测方法。
[0024]第四方面，本专利技术提供一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行时，用于实现如上所述的基于视频与AFC数据融合的车站客流状态监测方法。
[0025]第五方面，本专利技术提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如上所述的基于视频与AFC数据融合的车站客流状态监测方法的指令。
[0026]本专利技术有益效果：通过证据推理，将视频和AFC数据相融合，得到各关键区域的短时客流预测值，提高了对关键区域客流量预测的准确性，实现了轨道交通车站内客流信息准确感知，对判断短时的客流拥堵风险提供了可靠依据。
[0027]本专利技术附加方面的优点，将在下述的描述部分中更加明显的给出，或通过本专利技术的实践了解到。
附图说明
[0028]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1为本专利技术实施例所述的基于视频与AFC数据融合的车站客流状态监测方法流程图。
具体实施方式
[0030]下面详细叙述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0031]本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。
[0032]还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0033]本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
[0034]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本专利技术的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0035]为便于理解本专利技术，下面结合附图以具体实施例对本专利技术作进一步解释说明，且具体实施例并不构成对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频与AFC数据融合的车站客流状态监测方法，其特征在于，包括：基于AFC数据，预测车站内进口客流数据；基于预测的车站内进口客流数据，融合车站的空间结构数据，得到站内各关键区域的基于AFC数据的客流数据；利用基于YOLOv4的客流目标检测方法，结合车站内监控视频数据，获取各关键区域的基于监控视频的客流量数据；采用证据推理方法，将基于AFC数据的客流数据及基于监控视频的客流量数据进行数据融合，得到各关键区域的短时客流预测值。2.根据权利要求1所述的基于视频与AFC数据融合的车站客流状态监测方法，其特征在于，利用车站进站口闸机设备获取车站进口的客流历史数据；根据车站的内部空间结构及路径，计算车站进口到站内各个关键区域的正常客流通行时间。3.根据权利要求1所述的基于视频与AFC数据融合的车站客流状态监测方法，其特征在于，得到站内各关键区域的基于AFC数据的客流数据，包括：假设进站时刻为T，进站AFC统计的客流人数为N，进站口到关键区域的时间为t1，客流的正常通行速度为v，则T+t1时刻，基于AFC数据预测的站台客流人数N1为：其中，表示时间与通行速度的概率函数，随着客流行走的时间越长，客流速度分化会越加明显，介于0到1之间。4.根据权利要求1所述的基于视频与AFC数据融合的车站客流状态监测方法，其特征在于，采用证据推理方法，将当下预测客流数据及实际客流量数据进行数据融合，得到各关键区域的短时客流预测值，包括：N
*
＝m1N+m2N
′
其中，N
*
表示T+t1各关键区域短时客流预测值，N表示T+t1时刻的基于监控视频的客流量数据，N
′
表示T时...

【专利技术属性】
技术研发人员：谢征宇，吴剑凡，秦勇，贾利民，李晓争，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：