通道行人集聚型异常事件自动识别算法设计

发布时间：2018-01-01 19:27

本文关键词：通道行人集聚型异常事件自动识别算法设计　出处：《公路交通科技》2016年05期 　论文类型：期刊论文

【摘要】：为了对城市轨道交通枢纽通道内的集聚型异常事件进行合理的疏导和客流组织,保障城市轨道交通枢纽的安全、高效运行,本文提出了一种通道内行人集聚型异常事件的自动识别算法。该算法首先通过对通道客流基础数据平稳性和突变性的分析,创建了一种兼具平稳性和突变性特征的新数据类型,然后基于双截面客流数据设计了自动识别算法的关键参数—偏移空间差值。最后通过对关键参数变化特征的分析,建立了通道行人集聚型异常事件自动识别算法。仿真试验结果显示:该算法的检测精度为100%,反应时间均值为65 s,表明该算法对通道行人集聚事件有极强的自动检测能力和较短的反应时间。
[Abstract]:In order to organize the gathering abnormal events in urban rail transit hub and ensure the safe and efficient operation of urban rail transit hub. In this paper, an algorithm for automatic identification of pedestrian clustering anomaly events in the channel is proposed. Firstly, the stability and mutation of the basic data of the pedestrian flow in the channel are analyzed. A new data type with both stationary and abrupt characteristics is created. Then, based on the two-section passenger flow data, the key parameter-offset spatial difference of the automatic identification algorithm is designed. Finally, the variation characteristics of the key parameters are analyzed. An algorithm for automatic identification of pedestrian clustering anomaly events is established. The simulation results show that the detection accuracy of the algorithm is 100 and the average reaction time is 65 seconds. It shows that the algorithm has strong automatic detection ability and short reaction time.
【作者单位】：北京工业大学北京市交通工程重点实验室;
【基金】：国家自然科学基金项目(51208014)
【分类号】：U298
【正文快照】： 0引言城市轨道交通枢纽客流具有高集中性、主导性和时间不均衡性的特征,这会导致枢纽设施在1日内某个时段或某个时段的短时间内往往要接受高密集客流冲击作用的影响,这种冲击作用尤其体现在作为枢纽瓶颈设施的人行通道,特别是换乘通道处,从而导致通道服务水平的下降[1]。相对

【参考文献】