城市轨道交通枢纽通道行人异常事件自动检测技术研究

发布时间：2020-08-06 21:00

【摘要】：城市轨道交通枢纽通道是城市轨道交通枢纽中的一种基础交通设施,其主要实现城市轨道交通枢纽内客流进出和换乘功能。城市轨道交通枢纽客流时间分布特性具有局部集中、整体分散的特点,导致枢纽通道往往是枢纽的客流瓶颈区,其通过能力往往直接决定了整个枢纽的运行水平。现代社会,人们的社会活动缤纷多样,公共场所内行人的特殊行为常会对周边行人产生交互作用,影响公共设施的交通功能。作为城市轨道交通枢纽关键节点的枢纽通道,一旦发生异常事件,将导致通道通行能力的下降及通道节点处的客流拥挤,严重降低通道服务水平。尤其是在高密集客流时段,受连锁效应影响,通道节点处的客流拥挤甚至会对整个枢纽甚至整个城市公共交通系统的正常运营组织造成影响。因此,实时掌握城市轨道交通枢纽通道内的乘客交通状态,及时检测出异常事件的发生,进行合理的疏导和客流组织,是城市轨道交通枢纽安全、高效运行的重要保障。鉴于此,论文开展对城市轨道交通枢纽通道行人异常事件自动检测技术的研究,以克服目前监控技术在客流状态自动检测方面所存在的缺陷。论文的研究依托交通运输部重大科技项目“基于物联网的城市智能交通关键技术研究与应用”子课题10“换乘联运感知与协同调度系统关键技术研究”,研究工作以保障城市轨道交通枢纽关键节点“枢纽通道”的安全高效运行为目标,研究具体涉及通道客流特征及行人集聚特性分析、基于机器视觉的通道客流检测方法、通道异常事件仿真模型、异常事件对通道客流的影响分析及通道异常事件自动识别算法五部分内容。对通道客流特征及行人集聚特性分析,是建立通道异常事件仿真模型的基础。论文在对城市轨道交通枢纽通道客流时间分布特性分析的基础上,按时间分布特性对通道进行了分类,并研究了不同时间分布类型对通道服务水平的影响;另外,论文还通过调研分析,研究了行人对不同类型异常事件的反应特性,并对异常事件下行人集聚的表征和内部特性进行了总结。基于机器视觉的通道客流检测方法可以为通道客流状态分析提供长期的原始数据,是进行通道异常事件自动识别算法研究的技术保障。论文按照通道监控视频的独特视角情况,提出了一种适应近景倾斜视角的通道客流自动检测方法,该方法在现有检测方法的基础上,提出通过利用基于双线性插值误检框去除算法、基于断帧合并的模板融合算法及阈值曲线设置方法实现对行人检测、跟踪、流量统计三个检测步骤的改进,并将该方法与目前常用商业软件进行了对比测试。通道异常事件仿真模型是异常事件情况下进行通道客流特性研究和通道异常事件自动识别算法研究的模型基础。论文以对通道客流特征及行人集聚特性分析的研究为基础,设计了一种考虑行人集聚效应的通道异常事件仿真模型。异常事件发生时,模型将行人分为漠视、驻足和围观三种类型,模拟行人对异常事件漠视、驻足、围观聚集及围观后离开的行为。论文还对通道异常事件仿真模型进行了模型验证及模型参数的灵敏度分析。进行异常事件对通道客流影响的研究是评测异常事件自动识别算法效率与异常事件类别相关关系的基础。论文以通道异常事件仿真模型为基础,设计了通道异常事件仿真分析系统,利用该系统,通过设计交通参数平均变化率、异常事件影响系数等指标,分析了不同类型异常事件对通道不同位置的客流特性的影响。通道异常事件自动识别算法是实现通道异常事件自动检测技术的核心。论文以基于机器视觉的通道客流检测技术为数据获取手段,以通道客流异常事件仿真模型为模型基础,以异常事件对通道客流影响的分析为进行算法效率验证的实证基础,通过对基础数据及关键参数特征的研究,设计了理想状况和考虑检测误差情况下的通道异常事件自动识别算法,并对算法有效性进行了实验验证。论文在总结国内外对基于机器视觉的客流检测方法、行人微观仿真模型、异常事件自动检测方法等研究现状的基础上,针对通道异常事件情况下行人集聚客流特性,对基于机器视觉的通道客流检测方法、通道异常事件仿真模型、通道异常事件自动识别算法等研究城市轨道交通枢纽通道异常事件自动检测技术的相关内容进行了深入探讨。论文的研究成果对加强城市轨道交通枢纽站内通道乘客状态的感知和监测,提升运营管理智能化水平,消除异常行为所带来的安全隐患具有重要的参考和借鉴意义。
【学位授予单位】：北京工业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：U495;TP391.41
【图文】：

图2- 1 近景垂直视角监控画面Fig. 2- 1 Short-shot and direct downward view型即监控设备与待检行人间的距离较远，（如图2- 2所示）。许多研究者对于该研究，例如A. Mittal等[38]、Y. L. Hou Chan[40]、G. Xiong等[41]、C. Sacchi等[42]隋立林[36]。其中，A. Mittal等提出了一的方法，该方法首先检测出行人群，然行人的追踪和分方向统计。Y. L. Hou复杂环境下进行人流统计的方法，该方体进行评估，然后采用期望最大值方流量的统计。A. B. Chan 和N. V. Chan

北京工业大学工学博士学位论文现区域人数智能统计功能。赵春晖等提出了一种该算法与传统的矩形特征、非对称特征相比，可行人检测的鲁棒性。樊秋月提出了一种基于彩色统计方法，该方法首先确定监视区范围，然后通以及头部中央的灰度平均值进行模糊决策确定统设计了一种视频人数统计方法，该方法提出采用一shift的多目标粒子滤波跟踪算法相结合的方法完的检测效果。

图2- 3 作用于行人 A 使其避免与行人 B 冲突的加速度 aFig. 2- 3 Acceleration a which acts on pedestrian A for avoiding with pedestrian B.a=V *cos *tan (由图 2- 3 可以看出，加速度 a 作用于行人 A 使其运动方向由 RV 向 AC 转人所占据的圆环的半径根据所设定的磁场强度给定。行人受上述两种力的影响在避免与其他行人或障碍物碰撞的同时向目的动，模型中行人与其他行人及障碍物间受排斥力作用影响，排斥力的大小与强度相关，而该模型中磁场强度值的设定是任意的，因此，磁场模型的参数较为困难。.1.2 社会力模型Helbing 等[50, 51]提出了一种行人运动由社会力驱动的社会力模型，模型中的运动受社会心理和物理作用的共同影响（如式(2- 3)所示）。0(t) (t) (t)(x (t), x (t)) (x (t))i i i iij i j b ij idv v e vm m f fdt (

【共引文献】

相关期刊论文 前1条

1 唐春晖;;一种基于梯度方向直方图的俯视行人的检测方法[J];模式识别与人工智能;2015年01期

相关硕士学位论文 前2条

1 杨召君;基于视频人数统计与跟踪改进算法的研究与实现[D];南京邮电大学;2013年

2 魏玉龙;基于FPGA的人头检测研究与实现[D];哈尔滨工程大学;2013年

本文编号：2782956