一种城市轨道交通异常行为识别方法、终端及存储介质

本发明涉及城市轨道交通系统异常行为的识别，尤其涉及的是一种城市轨道交通异常行为识别方法、终端及存储介质。

背景技术：

1、近年来我国城市轨道交通发展迅猛，线网和客流规模已位于世界首位，2022年分别达到了9584公里和194亿人次。2021年，在全球46个国家157座城市中，我国有5个城市在全球城市地铁客流量中排名前十，分别为北京、广州、深圳、成都，香港，其中北广年客流量均超过20亿人次，日均客流量超550万人次，近年来庞大的线网和客流使得城市轨道交通日常运营日趋严峻。

2、地铁站内会发生影响城市轨道交通系统的安全的异常行为，严重影响了城市轨道交通系统的安全。这些异常行为也引起了政府、轨道交通运营单位和乘客的极大关注，为规范城市轨道交通运营安全管理，对城市轨道交通异常乘客行为的识别已成为安全运营管理的重要任务。

3、地铁自动售票系统(afc)是一种用于管理和监控乘客进出地铁站的计算机科学技术。afc数据不仅可以用于运营和管理，还可以用于研究乘客的异常行为，其中时间是分析乘客异常行为的重要属性。目前的各个城市轨道交通都是采用固定阈值进行异常行为识别，然而统一的阈值对所有乘客的行程时间进行判断显然是及其不合理的，线网中od数量大且乘车时间差异大，容易造成异常乘客行为的遗漏或者错判。

4、因此，现有技术还有待改进和提高。

技术实现思路

1、本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供一种城市轨道交通异常行为识别方法、终端及存储介质，以解决现有的固定阈值异常行为识别方法，对异常乘客的识别准确性低的问题。

2、本发明解决技术问题所采用的技术方案如下：

3、第一方面，本发明提供一种城市轨道交通异常行为识别方法，包括：

4、获取od数据，从所述od数据中提取乘客出行时间，对所述乘客出行时间进行数据变换，得到od标准时间曲线；

5、基于所述od标准时间曲线，采用双侧拟合法确定所述od标准时间曲线的突变点，并根据所述突变点确定od异常行为比例；

6、根据所述od异常行为比例确定od相对阈值，根据所述od相对阈值进行异常行为分析，并输出异常行为结果。

7、在一种实现方式中，所述获取od数据，从所述od数据中提取乘客出行时间，对所述乘客出行时间进行数据变换，得到od标准时间曲线，包括：

8、获取所述od数据，根据所述od数据中的乘客进站时间和出站时间确定所述乘客出行时间；

9、对所述乘客出行时间进行特征分析，基于所述特征分析得到的数据特征以及数据分析目标进行数据变换，得到所述od标准时间曲线。

10、在一种实现方式中，所述对所述乘客出行时间进行特征分析，基于所述特征分析得到的数据特征以及数据分析目标进行数据变换，得到所述od标准时间曲线，包括：

11、对所述乘客出行时间进行分位数计算、最大-最小归一化和萨维茨基-戈雷滤波平滑处理，得到所述od标准时间曲线。

12、在一种实现方式中，所述基于所述od标准时间曲线，采用双侧拟合法确定所述od标准时间曲线的突变点，并根据所述突变点确定od异常行为比例，包括：

13、根据所述od标准时间曲线确定对应的函数模型；

14、采用所述双侧拟合法对所述od标准时间曲线进行初始分段、模型拟合、评估、突变点检测和迭代分段调整处理，得到所述od标准时间曲线的突变点；

15、根据所述突变点的横坐标值得到od中异常行为的比例。

16、在一种实现方式中，所述根据所述od标准时间曲线确定对应的函数模型，包括：

17、根据曲线非线性特征和od标准时间曲线分析，确定所述od标准时间曲线对应的函数模型类别；

18、在所述od标准时间曲线对应的函数模型类别中，根据拟合精度确定所述od标准时间曲线对应的最优函数模型。

19、在一种实现方式中，所述采用所述双侧拟合法对所述od标准时间曲线进行初始分段、模型拟合、评估、突变点检测和迭代分段调整处理，得到所述od标准时间曲线的突变点，包括：

20、根据预设的多个初始分段点对所述od标准时间曲线进行初始分段处理；

21、基于最小二乘法分别对各初始分段点左右两侧的曲线进行拟合，得到对应拟合模型；

22、使用评估指标评估各初始分段点处的拟合精度，并比较各初始分段点的拟合精度；

23、选取各初始分段点的拟合精度中最优的点作为所述突变点；

24、对所述突变点进行迭代调整，根据所述od标准时间曲线确定迭代范围，在所有迭代过的分段点中选取拟合精度最优的点作为最终的突变点。

25、在一种实现方式中，所述根据所述od异常行为比例确定od相对阈值，根据所述od相对阈值进行异常行为分析，并输出异常行为结果，包括：

26、根据所述od异常行为比例以及所述乘客出行时间，计算得到所述od相对阈值；

27、根据所述od相对阈值判断异常行为，并根据所述乘客出行时间对所述异常行为进行确定，输出所述异常行为结果。

28、在一种实现方式中，所述根据所述od相对阈值判断异常行为，并根据所述乘客出行时间对所述异常行为进行确定，输出所述异常行为结果，包括：

29、将超过所述od相对阈值的数据判定为异常行为，并根据所述乘客出行时间对所述异常行为进行核查，若所述乘客出行时间超过预设阈值，则判断为所述异常行为；

30、根据判断结果输出所述异常行为结果。

31、第二方面，本发明还提供一种终端，包括：处理器以及存储器，所述存储器存储有城市轨道交通异常行为识别程序，所述城市轨道交通异常行为识别程序被所述处理器执行时用于实现如第一方面所述的城市轨道交通异常行为识别方法的操作。

32、第三方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有城市轨道交通异常行为识别程序，所述城市轨道交通异常行为识别程序被处理器执行时用于实现如第一方面所述的城市轨道交通异常行为识别方法的操作。

33、本发明采用上述技术方案具有以下效果：

34、本发明通过获取od数据，并从所述od数据中提取乘客出行时间，对乘客出行时间进行数据变换，可以得到od标准时间曲线；然后，基于od标准时间曲线，采用双侧拟合法确定od标准时间曲线的突变点，并根据突变点确定od异常行为比例；最后，根据od异常行为比例确定od相对阈值，根据od相对阈值进行异常行为分析，并输出异常行为结果，从而能够更准确地捕捉乘客异常行为，降低遗漏和误判的概率；本发明提出新的基于相对阈值和双侧拟合法的轨道交通异常行为识别的方法，提高轨道交通异常行为识别的全面性和准确性。

技术特征：

1.一种城市轨道交通异常行为识别方法，其特征在于，包括：

2.根据权利要求1所述的城市轨道交通异常行为识别方法，其特征在于，所述获取od数据，从所述od数据中提取乘客出行时间，对所述乘客出行时间进行数据变换，得到od标准时间曲线，包括：

3.根据权利要求2所述的城市轨道交通异常行为识别方法，其特征在于，所述对所述乘客出行时间进行特征分析，基于所述特征分析得到的数据特征以及数据分析目标进行数据变换，得到所述od标准时间曲线，包括：

4.根据权利要求1所述的城市轨道交通异常行为识别方法，其特征在于，所述基于所述od标准时间曲线，采用双侧拟合法确定所述od标准时间曲线的突变点，并根据所述突变点确定od异常行为比例，包括：

5.根据权利要求4所述的城市轨道交通异常行为识别方法，其特征在于，所述根据所述od标准时间曲线确定对应的函数模型，包括：

6.根据权利要求4所述的城市轨道交通异常行为识别方法，其特征在于，所述采用所述双侧拟合法对所述od标准时间曲线进行初始分段、模型拟合、评估、突变点检测和迭代分段调整处理，得到所述od标准时间曲线的突变点，包括：

7.根据权利要求1所述的城市轨道交通异常行为识别方法，其特征在于，所述根据所述od异常行为比例确定od相对阈值，根据所述od相对阈值进行异常行为分析，并输出异常行为结果，包括：

8.根据权利要求7所述的城市轨道交通异常行为识别方法，其特征在于，所述根据所述od相对阈值判断异常行为，并根据所述乘客出行时间对所述异常行为进行确定，输出所述异常行为结果，包括：

9.一种终端，其特征在于，包括：处理器以及存储器，所述存储器存储有城市轨道交通异常行为识别程序，所述城市轨道交通异常行为识别程序被所述处理器执行时用于实现如权利要求1-8中任意一项所述的城市轨道交通异常行为识别方法的操作。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有城市轨道交通异常行为识别程序，所述城市轨道交通异常行为识别程序被处理器执行时用于实现如权利要求1-8中任意一项所述的城市轨道交通异常行为识别方法的操作。

技术总结本发明公开了一种城市轨道交通异常行为识别方法、终端及存储介质，方法包括：获取OD数据，从所述OD数据中提取乘客出行时间，对所述乘客出行时间进行数据变换，得到OD标准时间曲线；基于所述OD标准时间曲线，采用双侧拟合法确定所述OD标准时间曲线的突变点，并根据所述突变点确定OD异常行为比例；根据所述OD异常行为比例确定OD相对阈值，根据所述OD相对阈值进行异常行为分析，并输出异常行为结果；本发明提出新的基于相对阈值和双侧拟合法的轨道交通异常行为识别的方法，提高轨道交通异常行为识别的全面性和准确性。技术研发人员：朱玲湘,曹可,邹亮受保护的技术使用者：华南农业大学技术研发日：技术公布日：2024/8/5