基于人工智能的公交客流统计系统开发

针对公交客流统计现阶段存在的问题,即客流统计的准确率以及效率、目标易被遮挡、误检、漏检等,基于公交车内的实时监控视频数据,提出一种基于YOLOv5目标检测算法结合DeepSORT多目标跟踪算法的公交客流统计系统。首先选用基于对人体头部特征的检测及跟踪的方法,统计和筛选了不同时间段、不同天气、不同光照强度下的视频数据以确保数据的多样性和代表性,通过AutoLabelImg半自动化标注工具对人体的头部进行标注。通过YOLOv5算法可以得到目标物的检测框和置信度,DeepSORT算法可以得到目标物的ID,解决了上下客重识别的问题。最后通过点过线计数法完成对目标物的计数。经实验测试,所提出的公交客流统计系统在检测精度达到了95%,召回率也达到了94%,mAP_0.5值达到了0.97,大大地提高了客流统计精度。

基于IC卡历史数据的公交客流统计方法

随着公交IC卡的普遍使用,基于公交IC卡数据的公交客流统计方法逐步成为主流的统计方法。因国内绝大部分城市均采用上车刷卡的方式,所以需根据用户出行规律进行下车站点的推测。为降低运算复杂程度,现有的IC卡分析算法多采用基于后续公交站点吸引权的概率算法,这种算法既不能判断单个乘客的下车站点,对于总体客流又存在数据准确性问题。为此,本文对于能够形成出行闭环的单日多次出行采用传统方法推测其下车地点;对于未形成闭环的单日出行,则分析相关单个乘客历史类似天日的IC卡刷卡数据,统计出其最可能的下车站点,进而得出总体客流。采用本算法对重庆市某段时间的所有IC卡数据进行处理和统计后,经人工计数的数据对比表明:相较于传统的出行闭环算法和站点吸引权算法,本算法对于公交客流的统计更加准确。

基于公交IC卡数据的公交客流统计方法

为了获得准确可靠的居民公交出行信息,从而为公交系统的规划和优化提供数据支持,提出了基于公交IC卡数据的公交客流统计方法。结合公交系统GPS应用,建立了基于公交IC卡数据和GPS信息的时刻匹配上车站点判断方法;利用基于站点吸引权的下车站点判断方法对下车人数进行了推算,并针对单个乘客刷卡情况对居民出行情况进行研究,给出了基于刷卡间隔与换乘阈值的关系、换乘距离及运行方向的换乘识别方法,同时明确了符合居民出行情况的换乘参数确定方法。最后利用哈尔滨市现有公交IC卡数据、GPS数据及线路站点数据,对该方法的有效性进行了验证。结果表明:所提出的利用公交IC卡数据进行公交客流统计的方法是有效的。

基于终端定位信息的公交客流采集技术

为准确获取公交乘客微观上下车数据,挖掘居民公交出行特征,优化公交规划和运营决策,基于公交车GNSS定位信息及乘客移动终端WiFi模块的MAC地址,研究公交客流信息的采集技术。重点针对车辆运行过程中的大量MAC地址冗余干扰问题,提出在线乘客识别算法。通过干扰情况分析,分别基于MAC地址出现次数、K均值聚类、线上时长、线上位移、最大采集时间间隔,五种特征层次分类计算,识别在线公交乘客MAC地址。整合车辆定位信息,结合开启率修正系数,计算公交OD,并获取部分乘客准确上下车地点。研究结果表明:通过人工跟车调查结果进行验证,该系统相较于公交IC卡调查法、图像(视频)识别等方法,可以更好地为公交运营管理者提供最及时、准确的公交出行数据。

公交客流系统实现与应用

文章介绍了的公交客流系统的软硬件组成、系统特点,公交客流系统采用模式分析技术进行客流量的统计和分析,系统具有等高鲁棒性、高稳定性等特点,介绍了硬件外观和指标,介绍了客流系统的一些统计方式和应用模式。公交客流系统的应用,使得公交调度系统能够根据客流分布的特征进行路线设置、时间间隔设置、人员和车辆调度等等。

基于深度学习的公交站台上下车人数统计与算法研究

目前我国公共交通发展迅速,公交客流量作为公交企业优化路线、班次调度的重要依据,在企业中扮演着举足轻重的地位。随着图像处理技术的发展,借助于图像处理来解决一些实际问题是目前的大势所趋。为了帮助提高车辆智能调度能力,为优化公交线路提供数理依据,采用Yolov4目标检测算法对公交车上下车人数进行统计,部署到移动设备Jetson Nano上,实现精准跟踪识别并计数。对于行人检测而言需要较高的精确度和实时性,Yolov4是一种通用的目标检测算法,具有实时性好、精度高、可扩展性强、速度较快等特点,能较好地满足上下车人数统计的实时性、准确性等要求。