[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

说明书

本发明提供了一种基于BP神经网络的地铁站楼扶梯选择预测方法及系统,包括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实时图像对地铁站乘客运动的基本参数进行提取，对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。本发明能够对地铁站客流进行有效指引，提高车站设施使用效率、减少人群拥堵的发生，解决了现有技术中存在的客流瓶颈、安全隐患等问题。

技术领域

本发明涉及轨道交通管理运营技术领域，尤其涉及一种基于BP神经网络的地铁站楼扶梯选择预测方法及系统。

背景技术

近年来，随着我国轨道交通建设的快速发展，地铁在缓解城市交通拥堵、满足人民群众多样的出行需求、优化城市布局建设等方面发挥了越来越重要的作用。然而随着地铁客流量的不断增长，地铁站内拥堵问题日益严重，由此可能导致人群事故的发生，给人身安全和社会经济造成不可挽回的严重后果。

楼梯与自动扶梯作为地铁站内的连接站台层和站厅层的主要设施，是车站“咽喉”区域。客流高峰期，由于乘客对步行楼梯和自动扶梯的选择不平衡性，导致自动扶梯前排队过长形成客流瓶颈，成为地铁车站内的一处安全隐患。

因此，亟需一种提高车站设施使用效率、减少人群拥堵的客流指引方法。

发明内容

本发明提供了一种基于BP神经网络的地铁站楼扶梯选择预测方法及系统，以解决以上问题。

为了实现上述目的，本发明采取了如下技术方案。

本发明的一方面提供了一种基于BP神经网络的地铁站楼扶梯选择预测方法，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；

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。

进一步地，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。

进一步地，检测与跟踪算法包括背景差分法、动态检测法和光流法。

进一步地，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。

进一步地，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：