一种改进的乘客走行时间测量方法研究

乘客走行时间是乘客步行通过车站内特定路线所花费的时间,该时间在车站客流风险调查、清分模型验证调查中发挥重要作用。现有检测方法存在过采样或欠采样问题,过采样会降低准确率,欠采样会降低召回率。为了提高准确率和召回率,文章提出了一种基于行人跟踪的走行时间测量方法,该方法根据乘客轨迹进行单一采样,从而避免了过采样和欠采样,最终大幅提升测量方法的准确率和召回率。经充分的实验验证,在摄像头角度合适的情况下,该测量方法可以达到98%的准确率和52%的召回率,满足多项业务的要求。

一种针对轨交大客流环境的新型目标检测算法研究

轨道交通行业具有人口密度大、人流集中、场所特殊的特点,一直以来都是社会公共安全危险与风险的重点关注领域。近年来,人工智能、计算机视觉以及大数据技术迅猛发展为轨道交通安全运营带来了新的机遇和挑战。文章旨在深入研究轨道交通行业特定的大客流环境下目标检测算法的模型,并提出一个新型目标检测算法技术框架,力争解决智能视频分析技术在轨道交通行业落地难的难题,为后续在北京地铁全路网范围内工程化落地提供技术准备和参考。

基于TOF的地铁车厢人数统计系统设计及应用研究

随着城市轨道交通的不断发展,网络化运营特征日益凸显。精准、实时地掌控路网列车内乘客数量和满载率成为提升运营效率、乘客服务水平和安全防范能力的关键。文章基于TOF和智能视频分析技术,提出了一种车厢乘客计数系统及装置的设计方法,针对地铁特定环境及业务需求,训练了一个目标检测算法和追踪算法模型并搭建了一个原型系统,经过实验室验证,准确率高达95%以上。后续,将借助11号线(冬奥支线)落地契机,进一步优化完善技术方案,为“智慧地铁”建设提供有力技术支撑。

基于行人重识别(ReID)技术的乘客出行特征研究

随着大数据时代的来临,海量的非结构化视频数据激增,传统的人工处理方法已经难以满足现有的数据处理需求。随着人工智能、神经网络等技术的发展和算力的提升,视频分析技术应运而生。行人重识别(ReID)算法是智能视频分析中的一项重要技术,标注人员首先对视频样本进行标注作业,然后将标注结果应用到算法模型中,可以快速从海量的监控视频中识别出不同摄像头网络中的同一个行人,最后通过自动检索目标,精确定位每一位乘客的运行轨迹,实现对客流的精确划分。

新基建背景下智能视频分析技术与智慧地铁建设融合应用研究

在“新基建”背景下,大数据、云计算、人工智能等信息技术快速发展,智能视频分析技术通过与基础设施业务应用深度融合,有望带动传统基础设施企业实现数字化升级。文章结合实地调研情况,阐述智能视频分析技术当前发展现状及存在问题,从建设智慧地铁角度,对地铁行业全生命周期、全场景、全产业链的视频分析业务需求进行梳理,提出智能视频分析技术与智慧地铁建设融合应用方案的初步思路,力争解决智能视频分析技术在地铁行业落地难的问题。