一种基于人群计数算法的城市轨道交通短期客流预测方法技术

本发明专利技术公开了一种基于人群计数算法的城市轨道交通短期客流预测方法，其包括：训练和使用卷积神经网络作为人群检测器检测图像中所有人体头部目标，生成比例尺图，并得到比例尺头部感知方案，然后将每个感知方案提供给卷积神经网络，获得每个感知方案的评价分数；在处理了所有的方案后，得到一个响应图矩阵，其中越高的响应表明头部目标出现的概率越高；接着对响应图矩阵进行非极大值抑制，得到最终人群数量的计数结果；最后，统计一段时间内站内客流数量得到历史时间客流量数据，运用LSTM模型预测未来一段时间的客流情况。本发明专利技术提供了一种方便、快捷的城市轨道交通短期客流预测方法，满足城市轨道交通智能化运维的需求。

【技术实现步骤摘要】

本专利技术属于城市轨道交通短期客流预测的，涉及一种基于人群计数算法的城市轨道交通短期客流预测方法。

技术介绍

0、技术背景

1、随着城市轨道交通网络的不断发展和扩大，这种交通方式给居民出行带来了高效与便利。然而，不断增加的客流量也显著增加了乘客拥挤和踩踏等突发事件的风险。因此精确且高效的短期客流预测对城市轨道交通日常运行安全管理、突发事件预防和调度具有重要意义。城市轨道交通短期客流预测系统可以更加精细化的疏导地铁站内人流，便于地铁工作人员做好应对高峰人流的准备工作，提升乘客体验。

2、自动售票系统(afc)收集了城市轨道交通系统乘客进出的记录，为客流预测提供了丰富的数据。基于大量的客流量历史数据，一些研究者对地铁车站的短期客流预测进行了研究，如【wei y等，forecasting the short-term metro passenger flow withempirical mode decomposition and neural networks[j].transportation researchpart c emerg本文档来自技高网...

【技术保护点】

1.一种基于人群计数算法的城市轨道交通短期客流预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于人群计数算法的城市轨道交通短期客流预测方法，其特征在于：所述步骤1中从地铁站视频监控系统中抽取不同时间段的站内图像，运用二维矩形框标注图像中出现的所有人物的头部，生成人体头部检测数据集。

3.根据权利要求2所述的一种基于人群计数算法的城市轨道交通短期客流预测方法，其特征在于：所述步骤2具体为：将步骤1中制作的人体头部检测数据集转化为COCO数据集格式，运用卷积神经网络在COCO数据集与真实数据集上训练，得到人体头部检测模型。>

4.根据权利...

【技术特征摘要】

1.一种基于人群计数算法的城市轨道交通短期客流预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于人群计数算法的城市轨道交通短期客流预测方法，其特征在于：所述步骤1中从地铁站视频监控系统中抽取不同时间段的站内图像，运用二维矩形框标注图像中出现的所有人物的头部，生成人体头部检测数据集。

3.根据权利要求2所述的一种基于人群计数算法的城市轨道交通短期客流预测方法，其特征在于：所述步骤2具体为：将步骤1中制作的人体头部检测数据集转化为coco数据集格式，运用卷积神经网络在coco数据集与真实数据集上训练，得到人体头部检测模型。

4.根据权利要求3所述的一种基于人群计数算法的城市轨道交通短期客流预测方法，其特征在于：所述步骤3具体为：运用步骤2中得到的人体头部检测模型检测图像中的人体头部目标；随后在图像顶部和底部之间随机选择一些个体，并通过在头部两点之间水平画一条直线作为标记；这条线代表了该图像中头部的大小；接着通过在图像顶部与底部线段长度的两个极值之间通过线性插值来计算比例尺图m。

5.根据权利要求1所述的一种基于人群计数算法的城市轨道交通短期客流预测方法，其特征在于：所述步骤4具体为：在图像中覆盖一个由点组成的网格o，并且网格o和比例尺图m的分辨率与输入图像的分辨率相同；令m(pi)表示位置pi处头部的大小，以像素为单位；对于每一个点pi∈o，生成一个以pi为中心大小为m(pi)的边界框，所有的边界框保持正方形，并将它们称为感知方案；由于透视关系，通常情况下图像底部的感知方案...

【专利技术属性】
技术研发人员：张文睿，李佑文，褚红健，宗起振，常泽，王声柱，
申请(专利权)人：南京国电南自轨道交通工程有限公司，
类型：发明
国别省市：