[发明专利]基于视频与AFC数据融合的车站客流状态监测方法及系统

说明书

本发明提供一种基于视频与AFC数据融合的车站客流状态监测方法及系统，属于轨道交通运营管理技术领域，基于AFC数据，预测车站内进口客流数据；基于预测的车站内进口客流数据，融合车站的空间结构数据，得到站内各关键区域的基于AFC数据的客流数据；利用基于YOLOv4的客流目标检测方法，结合车站内监控视频数据，获取各关键区域的基于监控视频的客流量数据；采用证据推理方法，将基于AFC数据的客流数据及基于监控视频的客流量数据进行数据融合，得到各关键区域的短时客流预测值。本发明将视频和AFC数据相融合，得到各关键区域的短时客流预测值，提高了关键区域客流量预测的准确性，实现了车站内客流信息的准确感知，对判断短时的客流拥堵风险提供了可靠依据。

技术领域

本发明涉及轨道交通运营管理技术领域，具体涉及一种基于视频与AFC数据融合的车站客流状态监测方法及系统。

背景技术

轨道交通车站的正常运行对整个城市轨道交通线网的运行安全具有重大的意义，准确把握车站的客流运行状态是实现客流量科学管控的根本基础。研究基于车站的客流信息感知方法，目前多为利用视频监控进行深度学习的感知方法，仅依靠单一的视频数据对车站内各关键区域客流状态信息进行监测的准确性不高，监测结果存在较大误差。

发明内容

本发明的目的在于提供一种通过结合视频及AFC数据提取客流当前特征，有效地对车站内关键区域的客流进行信息感知的基于视频与AFC数据融合的车站客流状态监测方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

一方面，本发明提供一种基于视频与AFC数据融合的车站客流状态监测方法，包括：

基于AFC数据，预测车站内进口客流数据；

基于预测的车站内进口客流数据，融合车站的空间结构数据，得到站内各关键区域的基于AFC数据的客流数据；

利用基于YOLOv4的客流目标检测方法，结合车站内监控视频数据，获取各关键区域的基于监控视频的客流量数据；

采用证据推理方法，将基于AFC数据的客流数据及基于监控视频的客流量数据进行数据融合，得到各关键区域的短时客流预测值。

优选的，利用车站进站口闸机设备获取车站进口的客流历史数据；根据车站的内部空间结构及路径，计算车站进口到站内各个关键区域的正常客流通行时间。

优选的，得到站内各关键区域的基于AFC数据的客流数据，包括：假设进站时刻为T，进站AFC统计的客流人数为N，进站口到关键区域的时间为t₁，客流的正常通行速度为v，则T+t₁时刻，基于AFC数据预测的站台客流人数N₁为：

其中，表示时间与通行速度的概率函数，随着客流行走的时间越长，客流速度分化会越加明显，介于0到1之间。

优选的，采用证据推理方法，将当下预测客流数据及实际客流量数据进行数据融合，得到各关键区域的短时客流预测值，包括：

N^*＝m₁N+m₂N′

其中，N^*表示T+t₁各关键区域短时客流预测值，N表示T+t₁时刻的基于监控视频的客流量数据，N′表示T时刻基于AFC数据的客流数据，A₁表示选取基于AFC数据的客流量检测事件的可靠性，A₂表示选取基于视频的客流量检测事件的可靠性，m₁、m₂分别表示A₁、A₂事件概率分配函数，k表示归一化常数。