[发明专利]一种地铁车站突发大客流预警方法及其应用

说明书

本发明公开了地铁车站突发大客流预警方法及其应用，步骤：实时监控瓶颈点i第j时刻的客流密度δ₁；利用KNN算法选取瓶颈点i与j时刻前k个单位时段的客流模式最相似的K个历史特征日作为客流模式参照特征日；选取瓶颈点i以上历史特征日j时刻的客流密度值并计算85分位客流密度值δ’₁；判断δ₁是否＞δ’₁，如是设客流密度持续增长时间t＝0，进入下步，反之j＝j+1，返回首步；采集瓶颈点i j+1时刻的客流密度值δ₂，判断δ₂是否＞δ₁，如是令t＝t+1，反之令j＝j+1，返回首步；判断t是否≥阈值T，如是突发大客流警报启动，反之令j＝j+1，返回前一步。本发明可完成突发大客流实时预警，成本低，处理速度快。

技术领域

本发明属于城市轨交智能客运管理技术领域，涉及一种地铁车站突发大客流预警方法及其应用，特别涉及一种基于视频识别技术的地铁车站突发大客流预警方法及其应用。

背景技术

随着经济的快速发展，城市轨道交通线网规模不断扩大，地铁在人们出行乘坐的交通工具中发挥着越来越大的比例，它承载的客运量也越来越多。但城市轨道交通在快速发展的同时，也存在着车站客流组织不顺畅及线路行车计划不匹配等问题。特别是在高峰时段，较大的客流量不仅降低了乘客的出行效率和舒适性，还极大地增加了车站运营安全隐患。

地铁车站大客流条件下，由于人群的无序拥挤或异常行为，易导致摔倒、踩踏甚至群死群伤等严重事故，因此对地铁车站大客流状态进行智能实时监测和评估，对于提高车站大客流应急处置效率、保障车站运营安全具有重要意义。目前，地铁大客流识别技术处于初步开发阶段。我国地铁运营企业已经使用AFC(Automatic Fare Collection)数据、车载称重技术、热敏传感技术、蓝牙定位技术、Wi-Fi定位技术、视频识别技术对大客流识别估计进行初步试点研究与应用。近年来视频识别技术发展迅猛，基于视频识别技术识别大客流成为了一个主要的发展方向，虽然目前视频识别技术实现人数识别已经成熟，但如何根据实时获取的人数完成对地铁车站突发大客流的预警仍是目前的一个痛点问题。

因此，开发一种基于视频识别技术的地铁车站突发大客流预警方法极具现实意义。

发明内容

本发明的目的在于克服现有技术难以实现对地铁车站突发大客流的预警的缺陷，提供一种基于视频识别技术的地铁车站突发大客流预警方法，通过本发明对突发大客流进行量化评价的同时引入阈值，实现了对地铁车站突发大客流的快速准确预警，这种全新的基准方法为本领域技术人员提供了一种全新的技术思路，同时本发明的方法可根据实时获取的数据进行更新，具有一定的自进化性，适应性好。

为实现上述目的，本发明提供如下技术方案：

一种地铁车站突发大客流预警方法，应用于电子设备，包括以下步骤；

(1)实时监控地铁车站内各瓶颈点的客流密度，此时为j时刻；

(2)同步评估各瓶颈点是否有突发大客流情况，以第i个瓶颈点为例；

(2.1)采集第i个瓶颈点第j时刻(某一分钟)的客流密度δ₁；

(2.2)利用KNN算法，选取第i个瓶颈点当前时刻即j时刻前k个单位时段(每一个单位时段为一分钟，即前k分钟)的客流模式最相似的K个历史特征日作为客流模式参照特征日；

(2.3)选取第i个瓶颈点K个客流模式参照特征日的第j时刻的客流密度数据，并得到以上K个数据的85分位客流密度值δ’₁；

(2.4)判断δ₁是否大于δ’₁，如是则判定该瓶颈点出现了突发大客流，令客流密度持续增长时间t＝0，进入(2.5)；反之令j＝j+1，返回(1)；