城市轨道交通大客流安全管控技术研究与实践

随着城市轨道交通高速发展,轨道交通客流呈现井喷式增长,随之而来的大客流安全管控压力得到全社会的高度关注。基于现有大客流安全管控中的客流监测滞后、缺乏预测预警手段、管控手段单一等痛点,对如何通过技术手段提高轨道交通的风险感知预警能力,如何科学高效地处置地铁大客流问题进行分析研究,旨在为城市轨道交通行业的大客流管控提供创新思路与研究实践。

基于地铁刷卡数据的深圳职住地分析研究

轨道交通已成为城市居民主要的出行方式。深刻理解轨道交通系统内数以百万计乘客的地铁出行时空特征,是城市地铁路网规划、运营调度、应急管理和公共服务的重要基础。文章利用深圳地铁2017年12月的集成电路卡数据进行了城市居民出行时空特征分析和通勤职住地空间分析。分析结果表明:90%的深圳居民单次出行耗时50 min、距离20 km;工作地点主要聚集在深圳中心区域的罗湖区、福田区和南山区,居住地主要聚集在龙华、龙岗的地铁沿线区域。

海量地铁乘客轨迹相似性连接方法:以深圳地铁为例

当前主要的轨迹相似性连接方法都以GPS轨迹为研究对象。针对GPS轨迹的优化方法无法直接用于解决地铁乘客轨迹相似性连接的问题,充分利用地铁乘客轨迹的时空特征,借助轨迹的重复性和对称性,将轨迹从点序列转化为OD序列。以OD序列为基础的轨迹,长度是原轨迹的一半,对应的索引空间变小,后续的计算量也随之减少。着重研究了基于PPJoin+的轨迹连接算法在Spark平台上的设计与实现。在一个13结点Spark集群和一个包含500万个乘客轨迹集合(5.6亿条刷卡记录)的超大规模数据集上验证了该算法的有效性。实验结果显示,基于OD序列的PPJoin+算法的执行时间为14.0 min,比默认的点序列轨迹连接算法的节约了62.5%,比Dima连接算法的节约了78.2%,并表现出了良好的可扩展性。

数字派出所“数据+业务”微循环体系应用研究

主要研究数字派出所"数据+业务"微循环体系的构建和应用,打造派出所实战微循环,实现数据和业务融合。打通前端感知链路,优化数据传输快通道,充分发挥派出所数据汇聚、情报研判和指令执行的块应用能力,实现数据赋能的派出所数据中台应用。

基于手机数据的人口出行行为分析研究

随着数据采集技术和存储能力的快速发展,越来越多的人口出行数据被收集。这些大数据为人口出行行为研究带来了机遇和挑战。通过两种可视化方法对模拟话单数据进行分析,表征城市人口出行行为模式。通过研究:(1)出行OD图,揭示出行需求的空间结构;(2)表征居民连续空间分布特征的密度图;(3)描述人口区域运动规律的流线图。讨论每种可视化方法的设计和实现技术。居民出行行为的调查结果可以帮助政府制定相应的城市规划,帮助居民做出更好的日常旅行规划。

深圳市轨道交通周五大客流特征及成因分析

为了掌握深圳市轨道交通工作日客流日变化特征,以深圳市轨道交通一周的刷卡数据为基础,分析了工作日客流的总量及时间特征。针对工作日中周五客流较大的现象,进一步研究周五新增客流成因。从站点及线路特征、出行特征两个角度分析了周五新增客流的特征。结果表明,周五客流增加的原因主要是有新的个体出行,而这些个体的出行特征具有一定规律。研究结果可为深圳市轨道交通工作日高峰客流的运营组织提供支撑。

一种基于视频分析的异常行为识别算法及应用

视频监控作为轨道交通行业一种有效的安全防护手段,利用视频识别算法能抓取乘客的异常行为,帮助工作人员忽略大量无用的信息,更高效地保障旅客安全以及节省大量人力物力去现场巡视。利用视频分析技术,结合计算机的异常行为算法分析,实现异常行为智能判别,有效提升了地铁车站日常运营的安全性,使视频监控更具实用性。

基于时空相似性的大规模轨迹数据融合技术

如何利用大数据技术来支撑地铁路网规划、运营调度、应急管理和公共服务是当前学术界和工业界的研究热点。该文使用集成电路(Integrated Circuit,IC)卡交易记录和手机WiFi信号记录两种不同的数据,提出一种基于时空相似性的设备关联方法来重现乘客的完整轨迹。通过计算IC卡和手机两种不同设备历史轨迹的时空相似性,来关联同一乘客的IC卡和对应的手机。基于这种关联可以融合粗粒度的IC卡轨迹和细粒度的手机站内轨迹,进而重现乘客在地铁网络里的完整轨迹。实验通过对深圳地铁连续两个月智能IC卡刷卡数据和WiFi信号数据进行分析,同时利用最长公共子序列方法,在Spark集群计算了728万张IC卡轨迹数据和4 010万个移动设备轨迹数据的时空相似性。实验结果显示,该方法可以重现20.3万乘客的完整轨迹,足以用来支撑地铁清分和智慧警务等应用。

城市枢纽场站客流监测关键技术现状与发展

随着城市化进程的加快和城市规模的扩大,城市枢纽场站成为了城市交通系统运行中的重要衔接部分,是旅客的集散之地。客流密度高、流动性大是城市枢纽场站的典型特征。因此,为了有效把握城市枢纽场站的实时客流信息,保障枢纽内的协调运作以及安全,就必须具备先进的城市枢纽场站客流监测技术。本文总结了城市枢纽场站的客流监测关键技术,以及梳理了其未来的发展趋势。

基于时空数据管道耦合和汇聚的OD路径溯源方法

地铁的“无缝换乘”运行模式使乘客可以为同一OD对选择多种路线,同时在换乘时无需再次刷卡。这给乘客带来了方便的同时,也对不同线路的客流计算带来了巨大的挑战。为了更好地反映地铁网络中客流的分布,对票价进行合理的清分,研究乘客的路线选择行为就显得尤为重要。论文基于刷卡数据,结合列车时刻表和乘客走行时间,设计并实现了一种基于时空数据管道耦合和汇聚OD路径溯源方法。经过真实OD数据的测试,该方法可以还原90%以上正确的线路。

基于手机数据的城市功能区识别算法

随着大数据的崛起,近几年基于手机数据来研究交通问题成为一大热点。论文的研究工作得到了深圳市科技创新委员会深圳市科技计划项目技术攻关类（项目编号JSGG20160229113054194,下达文号深发改【2016】627号）深圳市战略新兴产业发展专项资金的支持。由于土地利用对于城市规划和发展的重要性不断提升,本文提出了一种基于手机数据的城市功能区分类算法。首先选取不同时期的居民数量来表征土地的语义特征,然后应用无监督k均值聚类算法对城市功能区进行识别,最后确定城市功能区的四种模式,如工作区、居住区、临时工作区和混合区。基于本文的研究成果可对未来城市规划起到决策支持的作用,具有一定的现实意义。

一种基于高度角和GDOP贡献值的改进型选星算法

对卫星定位误差进行分析,探讨几种常用的选星算法,结合常用选星算法的优缺点及BDS_GPS双系统组合定位的特点,提出一种基于高度角和GDOP贡献值的改进型选星算法。结果表明,该算法在满足运算量较小要求的同时,能够达到较高的定位精度,满足双系统高精度定位的需求。

智慧城市精细化治理大数据可视化分析及信息挖掘

为了更好地实现城市的科学化、精细化治理,深圳市宝安区将全区划分为4 833个基础网格,建成"1+10+124+4 833"的网格化智慧管理体系,实现全区综合巡查、城管、查违、消防等12大类155项事件数据采集。结合宝安区采集的数据特征和实际业务情况,采用Tableau作为网格事件大数据可视化分析及信息挖掘工具,对宝安网格化大数据进行多维度分析以及事件数据分析结果多平台可视化展示,实现重要网格事件的预警、预判,在宝安城市精细化治理方面取得了显著效果。

“互联网+政务服务”平台大数据可视化分析

"互联网+"的时代背景让智慧政务得到进一步发展,也让其成为政府构建服务形象的标杆。为了更好地提高政务服务水平与效率,利用大数据分析工具——Tableau,结合智慧宝安政务服务管理规范,通过对政务大数据的分析,从而发现与解决智慧政务服务平台中的业务逻辑异常与数据异常问题,真正落实"互联网+政务服务"的决策部署,推动智慧宝安政务服务从被动响应型管理向主动推送型服务转型,从粗放化管理向精细化管理转型。同时使办事效率大大提高,平均办事等候时间由30分钟缩短为15分钟,平均办结时间由107小时缩短为63小时,效能提升了41.1%。

一种基于卷积神经网络学习的条烟激光码识别

在我国烟草行业中,假冒伪劣产品的销售和生产现象屡禁不止,产品追踪工作也十分繁重,在此背景下本文介绍了一种基于神经网络学习的条烟激光码识别算法,用于智能识别条烟激光码,甄别烟草真伪并读取烟草的详细信息。识别过程中首先使用Fast RCNN对条烟激光码进行粗略检测,找出字符的大致位置,然后利用边缘投影法定位字符的准确位置。由于卷烟的32位激光码的具体形态差异过大,为此文章还提出了码值自适应变异技术,简化取样工作,同时提高算法识别率。最后,文章对不同的检测方案进行了测试,结果显示全烟标识别正确率约为74%,错1个字符的比例约为20%,错2个字符及以上约为6%。论文设计的算法已在相关条烟激光码识别系统中得到了应用,识别效果良好。

一种基于深度学习的视频客流密度计算方法

在轨道交通领域客流密度是一项重要监控指标,客流密度评估是客流智能化管控的重要手段,为车站大客流监控提供依据的关键技术。利用车站内传统摄像头,通过图片处理、卷积操作和池化,提出了基于深度学习的视频客流密度计算方法来评估站内区域人数。基于B/S架构设计了客流密度监控平台,通过与实际情况对比,监控平台具有一定的准确性和及时性。