[發明專利]一種基于深度學習的地鐵運行優化算法及系統

在審

• 申請號: 202110171036.6
• 申請日: 2021-02-08
• 公開（公告）號: CN112907471A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 肖玉連
• 申請（專利權）人: 肖玉連
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/00;G06N3/04;G06Q10/04;G06Q50/26
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的地鐵運行優化算法，其特征在于，所述方法包括：

獲取地鐵圖像數據，并對地鐵圖像數據進行圖像灰度化和灰度拉伸的預處理，得到預處理后的地鐵圖像數據；

利用基于深度學習的地鐵客流量檢測模型對地鐵中客流量進行實時檢測，得到不同時刻地鐵客流量的檢測結果；

根據不同時刻的地鐵客流量檢測結果，利用基于小波變換的地鐵客流量預測算法對下一時刻地鐵中的客流量進行預測，得到下一時刻地鐵中的客流量；

根據預測得到的地鐵中下一時刻的客流量，構建基于高鐵最大客流量的地鐵運行目標函數；

利用基于遺傳算法的目標函數求解方法對地鐵運行目標函數進行求解，對地鐵的在站停留時間以及發車時間進行更新，實現地鐵運行優化。

2.如權利要求1所述的一種基于深度學習的地鐵運行優化算法，其特征在于，所述對地鐵圖像數據進行圖像灰度化和灰度拉伸的預處理，包括：

1)通過對地鐵圖像數據中每一個像素的三個分量求最大值，并將該最大值設置為該像素點的灰度值，得到地鐵圖像數據的灰度圖，所述灰度化處理的公式為：

G(i，j)＝max{R(i，j)，G(i，j)，B(i，j)}

其中：

(i，j)為存儲圖像中的一個像素點；

R(i，j)，G(i，j)，B(i，j)分別為像素點(i，j)在R、G、B三個顏色通道中的值；

G(i，j)為像素點(i，j)的灰度值；

2)根據所述灰度圖像，利用分段線性變換的方式對圖像的灰度進行拉伸的公式為：

其中：

f(x，y)為灰度圖像的灰度圖；

MAX_f(x，y)，MIN_f(x，y)分別為灰度圖的最大灰度值和最小灰度值。

3.如權利要求2所述的一種基于深度學習的地鐵運行優化算法，其特征在于，所述利用基于深度學習的地鐵客流量檢測模型對地鐵中客流量進行實時檢測，包括：

1)將預處理后的地鐵圖像數據作為基于深度學習的地鐵客流量檢測模型的輸入，利用13層卷積層和3層池化層對地鐵圖像數據進行處理，得到地鐵圖像數據的特征圖x；

2)利用膨脹卷積層對特征圖進行膨脹卷積處理，得到特征圖的膨脹卷積輸出：

其中：

y(m，n)為特征圖中特征點坐標(m，n)的膨脹卷積輸出；

M為特征圖的長；

N為特征圖的寬；

r表示膨脹率；

并利用1×1像素大小的卷積核對膨脹卷積結果進行卷積計算，輸出地鐵圖像中的客流標記結果；

3)根據地鐵圖像中的客流標記結果，利用幾何自適應的高斯核方法得到區域分布人像的概率，即通過將人像覆蓋區域換算得來，其概率為每處像素分布的人數，整合起來即為人群密度圖；所述幾何自適應的高斯核方法計算公式為：

σ_i＝βd_i

其中：

F(x)為人群密度圖；

x_i為地鐵圖像中人像中心坐標位置；

x表示地鐵圖像；

G表示高斯核；

σ_i表示高斯核標準差；

β表示高斯核參數，將其設置為0.3；

d_i為圖像中第i個人像距離其k鄰近人像的歐式距離和的平均。