基于视频的车站客流状态识别方法研究

对车站客流的状态进行研究是城市轨道交通安全保障与风险管控内容的重要方面,科学合理地对客流状态进行评价对城轨运营安全起着重要作用。在对YOLOv5算法优化的基础上,形成客流密度识别方法,优化后算法在测试集上的mAP50-95指标提升到了0.5962,在车站各区域实际场景中乘客的平均检测准确率为86.82%;将Deep-SORT多目标追踪算法与单应性矩阵结合,形成客流速度识别方法,经过验证对乘客速度识别的精度可达93.2%,为城市轨道交通车站的安全运营提供帮助。

考虑时空特性的地铁车站大客流预警方法研究

为了提高地铁车站应对常态或突发大客流的应急处置能力、保障车站运营安全,考虑地铁车站各类客运设施设备的客流状态特性,分别从时间和空间的角度构建2类客流状态评价指标,研究基于聚类算法和生存分析法的单一类别客流状态评价指标等级划分方法,并在此基础上建立基于模糊层次分析法的地铁车站大客流时空二维分级预警方法,最后通过上海地铁实例数据验证方法的有效性,研究结果可为地铁车站大客流识别与预警提供方法依据。