[发明专利]基于BP神经网络的地铁站楼扶梯选择预测方法及系统

权利要求书

1.一种基于BP神经网络的地铁站楼扶梯选择预测方法，其特征在于，包括以下步骤：

获取地铁站楼扶梯设施的基本参数和通过视频探头对地铁站乘客进行实时图像采集，采用视频图像处理方法根据所述实时图像对地铁站乘客运动的基本参数进行提取，对所述的扶梯设施的基本参数和乘客运动的基本参数进行分析，建立原始数据集；所述的采用视频图像处理方法根据所述实时图像对地铁站乘客运动的基本参数进行提取，包括：采用视频图像处理的乘客检测与跟踪算法对地铁站乘客运动的基本参数进行提取；所述的检测与跟踪算法包括背景差分法、动态检测法和光流法；

对所述的原始数据集进行筛选和排序，构建筛选后的数据集；

搭建BP神经网络，通过BP神经网络对筛选后的数据集进行训练和有效性验证；

采用验证成功的BP神经网络对乘客楼扶梯选择行为进行预测；

所述的对所述的原始数据集进行筛选和排序，构建筛选后的数据集包括，通过随机森林RF对所述的原始数据集进行筛选和排序，构建筛选后的数据集，具体包括：根据基尼Gini指数或袋外数据OBB错误率计算原始数据集中变量的重要度评分，根据所述的重要度得分统计量，对原始数据集进行筛选和排序；

所述的根据Gini指数或袋外数据OBB错误率计算原始数据集中变量的重要度评分，包括：

根据下述Gini指数公式(1)计算原始数据集中变量的重要度评分：

其中，变量s_j在节点m的重要性根据下式(2)所述：

当变量s_j在第i棵树中出现M次，则变量s_j在第i棵树的重要性根据下式(3)所述：

变量s_j在RF中的Gini重要性根据下式(4)所述

K为原始数据集的类别数，为节点m样本属于K类的概率估计值，为样本在节点m属于任意一类的概率估计值，GI_l和GI_r分别表示由节点m分裂的两新节点的Gini指数，为变量s_j的Gini得分统计量，n为RF中分类树的数量；

根据下述袋外数据OBB错误率公式(5)计算原始数据集中变量的重要度评分：

变量s_j在RF中的置换重要性根据下述公式(6)计算：

其中，为第i棵树OOB数据的观测列数，I_(g)为指示函数，即两值相等时取1，不等时取0；Y_P∈{0,1}为第p个观测的真实结果，为随机置换前第i棵树对OOB数据第p个观测的预测结果，为随机置换后第i棵树对OOB数据第p个观测的预测结果，当变量s_j没有在第i棵树中出现时，n为RF中分类树的数量。

2.根据权利要求1所述的方法，其特征在于，所述的搭建BP神经网络，通过BP神经网络对筛选后的数据集进行训练和有效性验证，包括，将所述的筛选后的数据集分为训练数据集和测试数据集，搭建BP神经网络，通过训练数据集对BP神经网络进行训练，对训练好的BP神经网络进行有效性验证。

3.一种基于BP神经网络的地铁站楼扶梯选择预测系统，其特征在于，用于执行如权利要求1或2所述的方法，包括数据采集模块、离线训练子系统和在线预测子系统；

所述的数据采集模块，用于采用视频探头对地铁站乘客进行实时图像采集；

所述的离线训练子系统，用于采用视频图像处理方法根据所述实时图像对地铁站乘客运动的基本参数进行提取，对所述的扶梯设施的基本参数和乘客运动的基本参数进行分析，建立原始数据集；对所述的原始数据集进行筛选和排序，构建筛选后的数据集；搭建BP神经网络，通过BP神经网络对筛选后的数据集进行训练和验证，得到验证后的BP神经网络；

所述的在线预测子系统，用于采用视频图像处理方法根据采集到的需要预测的实时图像对地铁站乘客运动的基本参数进行提取，通过所述的验证后的BP神经网络对乘客楼扶梯选择行为进行预测。