【摘要】：城市軌道交通樞紐通道是城市軌道交通樞紐中的一種基礎(chǔ)交通設(shè)施,其主要實(shí)現(xiàn)城市軌道交通樞紐內(nèi)客流進(jìn)出和換乘功能。城市軌道交通樞紐客流時(shí)間分布特性具有局部集中、整體分散的特點(diǎn),導(dǎo)致樞紐通道往往是樞紐的客流瓶頸區(qū),其通過(guò)能力往往直接決定了整個(gè)樞紐的運(yùn)行水平�，F(xiàn)代社會(huì),人們的社會(huì)活動(dòng)繽紛多樣,公共場(chǎng)所內(nèi)行人的特殊行為常會(huì)對(duì)周邊行人產(chǎn)生交互作用,影響公共設(shè)施的交通功能。作為城市軌道交通樞紐關(guān)鍵節(jié)點(diǎn)的樞紐通道,一旦發(fā)生異常事件,將導(dǎo)致通道通行能力的下降及通道節(jié)點(diǎn)處的客流擁擠,嚴(yán)重降低通道服務(wù)水平。尤其是在高密集客流時(shí)段,受連鎖效應(yīng)影響,通道節(jié)點(diǎn)處的客流擁擠甚至?xí)䦟?duì)整個(gè)樞紐甚至整個(gè)城市公共交通系統(tǒng)的正常運(yùn)營(yíng)組織造成影響。因此,實(shí)時(shí)掌握城市軌道交通樞紐通道內(nèi)的乘客交通狀態(tài),及時(shí)檢測(cè)出異常事件的發(fā)生,進(jìn)行合理的疏導(dǎo)和客流組織,是城市軌道交通樞紐安全、高效運(yùn)行的重要保障。鑒于此,論文開展對(duì)城市軌道交通樞紐通道行人異常事件自動(dòng)檢測(cè)技術(shù)的研究,以克服目前監(jiān)控技術(shù)在客流狀態(tài)自動(dòng)檢測(cè)方面所存在的缺陷。論文的研究依托交通運(yùn)輸部重大科技項(xiàng)目“基于物聯(lián)網(wǎng)的城市智能交通關(guān)鍵技術(shù)研究與應(yīng)用”子課題10“換乘聯(lián)運(yùn)感知與協(xié)同調(diào)度系統(tǒng)關(guān)鍵技術(shù)研究”,研究工作以保障城市軌道交通樞紐關(guān)鍵節(jié)點(diǎn)“樞紐通道”的安全高效運(yùn)行為目標(biāo),研究具體涉及通道客流特征及行人集聚特性分析、基于機(jī)器視覺的通道客流檢測(cè)方法、通道異常事件仿真模型、異常事件對(duì)通道客流的影響分析及通道異常事件自動(dòng)識(shí)別算法五部分內(nèi)容。對(duì)通道客流特征及行人集聚特性分析,是建立通道異常事件仿真模型的基礎(chǔ)。論文在對(duì)城市軌道交通樞紐通道客流時(shí)間分布特性分析的基礎(chǔ)上,按時(shí)間分布特性對(duì)通道進(jìn)行了分類,并研究了不同時(shí)間分布類型對(duì)通道服務(wù)水平的影響;另外,論文還通過(guò)調(diào)研分析,研究了行人對(duì)不同類型異常事件的反應(yīng)特性,并對(duì)異常事件下行人集聚的表征和內(nèi)部特性進(jìn)行了總結(jié)�；跈C(jī)器視覺的通道客流檢測(cè)方法可以為通道客流狀態(tài)分析提供長(zhǎng)期的原始數(shù)據(jù),是進(jìn)行通道異常事件自動(dòng)識(shí)別算法研究的技術(shù)保障。論文按照通道監(jiān)控視頻的獨(dú)特視角情況,提出了一種適應(yīng)近景傾斜視角的通道客流自動(dòng)檢測(cè)方法,該方法在現(xiàn)有檢測(cè)方法的基礎(chǔ)上,提出通過(guò)利用基于雙線性插值誤檢框去除算法、基于斷幀合并的模板融合算法及閾值曲線設(shè)置方法實(shí)現(xiàn)對(duì)行人檢測(cè)、跟蹤、流量統(tǒng)計(jì)三個(gè)檢測(cè)步驟的改進(jìn),并將該方法與目前常用商業(yè)軟件進(jìn)行了對(duì)比測(cè)試。通道異常事件仿真模型是異常事件情況下進(jìn)行通道客流特性研究和通道異常事件自動(dòng)識(shí)別算法研究的模型基礎(chǔ)。論文以對(duì)通道客流特征及行人集聚特性分析的研究為基礎(chǔ),設(shè)計(jì)了一種考慮行人集聚效應(yīng)的通道異常事件仿真模型。異常事件發(fā)生時(shí),模型將行人分為漠視、駐足和圍觀三種類型,模擬行人對(duì)異常事件漠視、駐足、圍觀聚集及圍觀后離開的行為。論文還對(duì)通道異常事件仿真模型進(jìn)行了模型驗(yàn)證及模型參數(shù)的靈敏度分析。進(jìn)行異常事件對(duì)通道客流影響的研究是評(píng)測(cè)異常事件自動(dòng)識(shí)別算法效率與異常事件類別相關(guān)關(guān)系的基礎(chǔ)。論文以通道異常事件仿真模型為基礎(chǔ),設(shè)計(jì)了通道異常事件仿真分析系統(tǒng),利用該系統(tǒng),通過(guò)設(shè)計(jì)交通參數(shù)平均變化率、異常事件影響系數(shù)等指標(biāo),分析了不同類型異常事件對(duì)通道不同位置的客流特性的影響。通道異常事件自動(dòng)識(shí)別算法是實(shí)現(xiàn)通道異常事件自動(dòng)檢測(cè)技術(shù)的核心。論文以基于機(jī)器視覺的通道客流檢測(cè)技術(shù)為數(shù)據(jù)獲取手段,以通道客流異常事件仿真模型為模型基礎(chǔ),以異常事件對(duì)通道客流影響的分析為進(jìn)行算法效率驗(yàn)證的實(shí)證基礎(chǔ),通過(guò)對(duì)基礎(chǔ)數(shù)據(jù)及關(guān)鍵參數(shù)特征的研究,設(shè)計(jì)了理想狀況和考慮檢測(cè)誤差情況下的通道異常事件自動(dòng)識(shí)別算法,并對(duì)算法有效性進(jìn)行了實(shí)驗(yàn)驗(yàn)證。論文在總結(jié)國(guó)內(nèi)外對(duì)基于機(jī)器視覺的客流檢測(cè)方法、行人微觀仿真模型、異常事件自動(dòng)檢測(cè)方法等研究現(xiàn)狀的基礎(chǔ)上,針對(duì)通道異常事件情況下行人集聚客流特性,對(duì)基于機(jī)器視覺的通道客流檢測(cè)方法、通道異常事件仿真模型、通道異常事件自動(dòng)識(shí)別算法等研究城市軌道交通樞紐通道異常事件自動(dòng)檢測(cè)技術(shù)的相關(guān)內(nèi)容進(jìn)行了深入探討。論文的研究成果對(duì)加強(qiáng)城市軌道交通樞紐站內(nèi)通道乘客狀態(tài)的感知和監(jiān)測(cè),提升運(yùn)營(yíng)管理智能化水平,消除異常行為所帶來(lái)的安全隱患具有重要的參考和借鑒意義。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：U495;TP391.41
【圖文】：

圖2- 1 近景垂直視角監(jiān)控畫面Fig. 2- 1 Short-shot and direct downward view型即監(jiān)控設(shè)備與待檢行人間的距離較遠(yuǎn)，（如圖2- 2所示）。許多研究者對(duì)于該研究，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，該方法首先檢測(cè)出行人群，然行人的追蹤和分方向統(tǒng)計(jì)。Y. L. Hou復(fù)雜環(huán)境下進(jìn)行人流統(tǒng)計(jì)的方法，該方體進(jìn)行評(píng)估，然后采用期望最大值方流量的統(tǒng)計(jì)。A. B. Chan 和N. V. Chan

北京工業(yè)大學(xué)工學(xué)博士學(xué)位論文現(xiàn)區(qū)域人數(shù)智能統(tǒng)計(jì)功能。趙春暉等提出了一種該算法與傳統(tǒng)的矩形特征、非對(duì)稱特征相比，可行人檢測(cè)的魯棒性。樊秋月提出了一種基于彩色統(tǒng)計(jì)方法，該方法首先確定監(jiān)視區(qū)范圍，然后通以及頭部中央的灰度平均值進(jìn)行模糊決策確定統(tǒng)設(shè)計(jì)了一種視頻人數(shù)統(tǒng)計(jì)方法，該方法提出采用一shift的多目標(biāo)粒子濾波跟蹤算法相結(jié)合的方法完的檢測(cè)效果。

圖2- 3 作用于行人 A 使其避免與行人 B 沖突的加速度 aFig. 2- 3 Acceleration a which acts on pedestrian A for avoiding with pedestrian B.a=V *cos *tan (由圖 2- 3 可以看出，加速度 a 作用于行人 A 使其運(yùn)動(dòng)方向由 RV 向 AC 轉(zhuǎn)人所占據(jù)的圓環(huán)的半徑根據(jù)所設(shè)定的磁場(chǎng)強(qiáng)度給定。行人受上述兩種力的影響在避免與其他行人或障礙物碰撞的同時(shí)向目的動(dòng)，模型中行人與其他行人及障礙物間受排斥力作用影響，排斥力的大小與強(qiáng)度相關(guān)，而該模型中磁場(chǎng)強(qiáng)度值的設(shè)定是任意的，因此，磁場(chǎng)模型的參數(shù)較為困難。.1.2 社會(huì)力模型Helbing 等[50, 51]提出了一種行人運(yùn)動(dòng)由社會(huì)力驅(qū)動(dòng)的社會(huì)力模型，模型中的運(yùn)動(dòng)受社會(huì)心理和物理作用的共同影響（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 (

【共引文獻(xiàn)】

相關(guān)期刊論文 前1條

1 唐春暉;;一種基于梯度方向直方圖的俯視行人的檢測(cè)方法[J];模式識(shí)別與人工智能;2015年01期

相關(guān)碩士學(xué)位論文 前2條

1 楊召君;基于視頻人數(shù)統(tǒng)計(jì)與跟蹤改進(jìn)算法的研究與實(shí)現(xiàn)[D];南京郵電大學(xué);2013年

2 魏玉龍;基于FPGA的人頭檢測(cè)研究與實(shí)現(xiàn)[D];哈爾濱工程大學(xué);2013年

本文編號(hào)：2782956