基于深度学习的地铁站点环境满意度评估算法

为全面评估北京地铁乘客对站内环境的满意度,对地铁站内环境图像进行经过隐私保护处理的数据采集,通过问卷调查和随机森林算法,确定影响地铁站内环境满意度的关键指标及其权重,利用被试人员的评估数据,建立包含满意度评分的环境满意度评估数据集。通过学习环境图像与满意度评分的关系,构建深度卷积神经网络模型。为增强模型泛化性,采用迁移学习方法。在北京地铁14号线测试集上,模型评估准确率达到96%,在未经预训练的地铁7号线上迁移学习模型达到94%的准确率。实验结果表明,该模型可准确反映乘客对地铁环境在可达性、安全性、舒适性和愉悦性方面的体验,为地铁服务的优化提供有力参考。