[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

本發明涉及一種深度學習的技術領域，揭露了一種基于深度學習的地鐵運行優化算法，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；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；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。本發明還提供了一種基于深度學習的地鐵運行優化系統。本發明實現了地鐵運行的優化。

技術領域

本發明涉及深度學習的技術領域，尤其涉及一種基于深度學習的地鐵運行優化算法及系統。

背景技術

隨著軌道交通行業的飛速發展，越來越多的人選擇城市軌道交通出行，城市軌道交通在緩解地面交通擁堵情況的同時，地鐵出行的安全和效率問題逐漸變成社會持續關注的重點。

在地鐵客流量檢測算法中，傳統深度學習模型運算量大，跟蹤速度慢，且在高密度遮擋環境下跟蹤效率低，無法滿足地鐵站內擁擠人群環境下的高效、精確、實時的跟蹤要求；同時傳統地鐵客流預測模型的精度具有受客流隨機波動影響較大等問題。

鑒于此，如何對地鐵中的客流量進行更為準確的檢測以及預測，并根據客流量的預測結果，優化地鐵運行策略，成為本領域技術人員亟待解決的問題。

發明內容

本發明提出一種基于深度學習的地鐵運行優化算法及系統，通過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，并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；根據預測得到的下一時刻地鐵中的客流量，構建構建基于高鐵最大客流量的地鐵運行目標函數，改進地鐵的在站停留時間以及發車時間，實現地鐵運行優化。

為實現上述目的，本發明提供的一種基于深度學習的地鐵運行優化算法，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。

可選地，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：

在本發明一個具體實施例中，本發明利用地鐵中的攝像頭采集不同時刻地鐵圖像數據；

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：