基于物联网的旅游人群密集区踩踏风险图像监控方法研究

旅游人群密集区踩踏的行为存在很大的突发性和随机性,关键反映特征易受到遮挡,存在监控死角,传统监控方法缺少独立行为识别能力.由于受到遮挡的影响,对一些疑似行为的识别不够准确,对此提出一种基于物联网的旅游人群密集区踩踏风险图像监控方法,分析了物联网监控平台,提取旅游人群密集区踩踏风险图像的Hu不变矩特征,将其输入RBF神经网络中进行学习和分类,获取各种类型的旅游人群密集区踩踏行为,将测试样本输入建立的RBF神经网络模型中进行测试,与RBF网络输出相应的测试样本即为旅游密集区踩踏风险图像,从而实现旅游密集区踩踏风险图像监控.仿真实验结果表明,采用所提方法对旅游人群密集区踩踏风险图像进行监控,识别准确率及效率均较传统方法有很大的改善.

基于人群到达规律的公共场所踩踏风险分析

公共活动在丰富人们物质文化生活的同时,也易发生人群踩踏风险。人群踩踏风险一旦发生,造成的后果可能会十分严重。因此,监测、预警和预控人群踩踏风险已越来越引起公共活动组织与管理者的重视。通过对2016年归元寺春节祭祀活动进行数据分析,从微观上论证得出了城市公共场所人群到达服从泊松分布的结论,且发现人群到达呈现入口效应和最短距离效应,以此作为人群踩踏风险计算机模拟的参数设定依据,对优化和设计公共活动的踩踏防控预案方案,提升人群管控能力,降低人群踩踏风险有一定的参考意义。

高校教学楼出入口的流量观测实验研究

为探索高校教学楼出入口上下课人流量高峰时期的流量特征,首先选取某高校的两栋教学楼的6个出入口作为观测对象,开展观测实验,然后,汇总处理实验数据,比较分析各出入口之间的流量差异和使用率特征。结果表明,以教学楼-宿舍、教学楼-食堂、教学楼-车站、教学楼-外部出口等为起讫点的出行方向会直接影响学生群体对教学楼各不同出口的选择,进而造成各出入口的流量差异和使用率不均衡,高校管理者在对教学区域进行管理时,需要考虑学生群体的行为特性和出行空间特征,通过合理排课、合理分流、优化出入口、增设引导等方式影响学生群体对出入口的选择行为,从而避免因出入口使用率不均带来的拥挤踩踏风险。