基于拥挤度的哈尔滨公交线路优化

现以哈尔滨市中心为例的多条拥挤的公交线路为优化目标,通过实地调查收集数据,比较各条线路的拥挤度及走向,调整拥挤度过大和拥挤度较小的公交线路的走向,以实现线路拥挤度平均的基本要求,达到缓解线路拥挤,提高乘客乘车的舒适度的目的。现根据公交拥挤度数据调查,主要对公交拥挤度的界定;公交拥挤度数据的初步统计分析;根据数据进行线路优化;具体公交拥挤度优化方案等进行了数据分析。

基于实时刷卡数据的公交拥挤程度判别研究

随着公交IC卡智能终端的快速发展,为实时采集公交IC卡数据提供了支持。在实时刷卡数据处理的基础上,提出一种实时满载率计算模型,并通过实地验证的方式,评价模型计算的准确率。此模型可低成本获取全面、及时、可靠的公交车客流信息,有助于提升公交车辆运营行为、客流特征的挖掘能力。

面向多数据流的车厢拥挤回归分析方法

公交车拥挤度分析对维护公共交通安全起着重要的作用。针对在传统的目标检测方法中使用单个摄像头导致无法获取完整的车厢图片信息,以及在高密度场景下乘客与乘客之间的遮挡或者乘客被车厢内的座椅等物体遮挡的问题,提出了一种借助两个前后车厢的摄像头面向多数据流的车厢拥挤回归分析方法。首先,定义一个线性方程;其次,获取相对可见信息:公交车最大核载人数、根据人眼标记出的总人数、以及通过YOLOv3和ResNet50分别检测出车厢内人头数和拥挤率;然后,将包含已知信息的样本数据矩阵和期望值向量代入所定义的方程中,拟合出隐含信息:系数向量和偏置项,构建出一个多元一次线性回归方程,在高密度环境中狭窄和遮挡严重等情况下能够获得更为精确的车厢内总人数;最后,通过人数估计线性回归算法,获得最终的车厢内总人数。实验结果表明,所提方法能够预测出公交车上的人数,实时获得公交车上的人群流量,并且通过平均绝对误差(MAE)和均方误差(MSE)对数据进行误差分析后,验证了该方法能够正确地反映公交车拥挤度。