融合乘客状态的地铁车站客流风险状态辨识评估方法研究

作     者：赵盛盛 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：王艳辉

授予年度：2023年

学科分类：08[工学] 082303[工学-交通运输规划与管理] 0823[工学-交通运输工程] 

主      题：地铁车站 客流风险评估 乘客状态识别 风险分级方法 

摘      要：地铁车站拥有复杂的建筑结构、丰富的设施、大量的乘客,并且拥有高度的流量,确立行之有效的保护措施、建立完善的安全机制已然变成当务之急,如何对乘客和客流风险状态进行有效的监测、辨识和预警,已经成为地铁车站主动安全风险防控、防止意外事件发生的必经之路。为此,本文在对地铁车站客流现场调研的基础上,系统分析了地铁车站客流风险影响要素,提出了基于视频数据的融合乘客状态与客流状态的风险辨识与分级方法,研制了地铁车站客流风险辨识评估预警系统,为提升车站客流风险管控效率提供了理论方法依据和手段支撑。文章具体工作如下:(1)归纳分析总结了地铁车站客流风险影响要素集基于文献与现场调研,界定了车站客流风险的内涵,并且从微观(乘客状态)和宏观(车站结构及环境、客流状态)的角度研究分析了影响地铁车站客流风险的要素,为后续车站区域与整体客流风险辨识及分级工作奠定了基础。(2)构建了融合行为与情绪的乘客异常状态特征辨识模型本文建立了地铁乘客异常状态数据集,提出了针对地铁乘客异常行为及异常行为的识别算法,进而构建了融合行为与情绪的乘客异常状态特征辨识模型。经过验证,乘客异常行为与情绪的识别算法的准确率均在90%以上,可以有效地识别乘客状态。模型从微观角度有效提升了地铁车站客流风险的辨识效率。(3)提出了基于视频数据的地铁车站客流状态辨识方法基于地铁车站视频数据,使用YOLOv7算法完成了客流状态的辨识工作,主要包含客流的速度、密度及持续时间的识别。识别算法在客流密度验证数据集上准确率达到了90%;客流速度识别准确率达到了99%。(4)形成了地铁车站客流风险分级评估方法在考虑铁车站区域及环境的基础上,从宏观(客流状态)客流风险影响要素的角度出发,结合微观(乘客状态)客流风险影响要素,构建了地铁车站客流风险评估指标体系,并给出了相关指标的分析方法及预警值,形成了地铁车站客流风险分级评估方法。(5)根据上述内容,本文研制开发了集客流微宏观数据与乘客微观数据分析的地铁车站客流风险辨识评估预警原型系统,它既满足了系统的功能要求,又满足了数据的需求,它具有完善的逻辑架构与功能架构,可以有效地帮助轨道交通车站安全运营,让乘客享受舒适的出行体验。