[發明專利]軌道交通客流感知及誘導方法、裝置、設備和系統

在審

• 申請號: 202011132586.9
• 申請日: 2020-10-21
• 公開（公告）號: CN112347864A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 謝正光;徐會杰;楚柏青;趙丞皓;孫新;張衡;王璐
• 申請（專利權）人: 北京市地鐵運營有限公司地鐵運營技術研發中心
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 趙萬凱

1.一種軌道交通客流感知及誘導方法，其特征在于，應用于設置在列車車廂內的邊緣計算設備，所述方法包括：

接收第一圖像采集裝置在列車進入車站前預設時間內采集的該列車車廂內的第一乘客圖像信息；

通過基于多層神經網絡的目標檢測算法對所述第一乘客圖像信息進行目標檢測，獲取該列車車廂的當前乘車人數；

接收第二圖像采集裝置在列車進入車站前預設時間內采集的該列車車廂對應的站臺候車區的第二乘客圖像信息；

通過基于多層神經網絡的目標檢測算法對所述第二乘客圖像信息進行目標檢測，獲取該列車車廂的當前候車人數；

獲取歷史數據采集裝置采集的該列車車廂在該車站的同一時間段的歷史下車數據，并根據所述歷史下車數據預測該列車車廂在該車站同一時段的下車人數；

根據所述當前乘車人數、所述當前候車人數以及預測的下車人數預測該列車車廂離開該車站時的客流擁擠度；

輸出該列車車廂離開該車站時的客流擁擠度至顯示終端進行可視化顯示。

2.根據權利要求1所述的方法，其特征在于，所述通過基于多層神經網絡的目標檢測算法對所述第一乘客圖像信息進行目標檢測，獲取該列車車廂的當前乘車人數，包括：

構建多層神經網絡模型；

對乘客標志樣本集進行訓練，得到訓練好的多層神經網絡模型；

利用所述訓練好的多層神經網絡模型對所述第一乘客圖像信息進行目標檢測，得到所述當前乘車人數；和/或

所述通過基于多層神經網絡的目標檢測算法對所述第二乘客圖像信息進行目標檢測，獲取該列車車廂的當前候車人數，包括：

構建多層神經網絡模型；

對乘客標志樣本集進行訓練，得到訓練好的多層神經網絡模型；

利用所述訓練好的多層神經網絡模型對所述第二乘客圖像信息進行目標檢測，得到所述當前候車人數。

3.根據權利要求2所述的方法，其特征在于，所述多層神經網絡模型包括輸入層、隱藏層和輸出層，所述隱藏層包括卷積層、池化層和全連接層；所述構建多層神經網絡模型，包括：

在所述隱藏層后面加一個Cascade corner pooling分支，利用Cascade cornerpooling預測到m對角點，分別得到每個角點的Corner Heatmaps、Embeddings和Offsets；

選取置信得分大于置信得分閾值的前k對角點，使用對應的Offsets將所述前k對角點重新映射到輸入圖像，其中，km且k，m均為正整數；

分別判斷所述前k對角點中每對角點的embedding向量的距離是否小于距離閾值，若是，則判定該對角點來自同一目標，生成候選框；

在卷積骨干網后面加一個Center pooling分支，利用Center pooling預測到m個中心關鍵點，得到每個中心關鍵點的Center Heatmaps、Embeddings和Offsets；

選取置信得分大于所述置信得分閾值的前k個中心關鍵點，使用對應的Offsets將所述前k個中心關鍵點重新映射到所述輸入圖像；

分別判斷每個候選框的中心區域內是否含有與該候選框相同類別的中心關鍵點，若是，則利用該候選框的一對角點和中心關鍵點的置信得分的平均值更新該候選框的置信得分，并保存該候選框；否則移除該候選框。

4.根據權利要求1至3任一項所述的方法，其特征在于，在通過基于多層神經網絡的目標檢測算法對所述第一乘客圖像信息進行目標檢測，獲取該列車車廂的當前乘車人數之后，還包括：

接收信息采集設備在列車進入車站前預設時間內采集的該列車車廂內乘客的移動設備的唯一標識信息；

根據所述移動設備的唯一標識信息獲取輔助乘車人數；

利用所述輔助乘車人數對所述當前乘車人數進行修正。

5.根據權利要求1所述的方法，其特征在于，所述根據所述歷史下車數據預測該列車車廂在該車站同一時段的下車人數，包括：

根據所述歷史下車數據，生成時間序列數據，通過ARIMA模型對該列車車廂在該車站同一時段的下車人數進行預測。