基于人工智能的地铁站厅数据信息分析方法及系统与流程

本发明涉及地铁交通，具体为基于人工智能的地铁站厅数据信息分析方法及系统。

背景技术：

1、地铁站厅是地铁站内的一个大型空间，通常位于地铁站的入口处，设有出入口通道、安检台、自动售票机、检票闸机和自动扶梯等设施，便于乘客进行乘车。传统地铁闸机是平行的一排，乘客使用地铁卡或者购买单程票即可通过闸机进入站厅，现有技术(如cn216531157u、cn209194402u等)公开了多种移动式闸机，使闸机的排布更加灵活。

2、在地铁高峰期，列车车厢内往往十分拥挤，乘客通过闸机就近乘坐自动扶梯来到候车厅后，由于人流来不及分散，会造成列车各车厢内旅客分配不均，导致部分车厢过度拥挤，不仅影响乘客的出行舒适度，也不利于列车的稳定运行。

3、此外，由于各地铁站出入口位置设计的不同，乘客下车后还要走很长一段路才能离开地铁站，不仅增加了乘客的负担，也会导致乘客滞留在地铁站内，使地铁站厅越来越拥挤，如何合理分布人流，成为了一个亟待解决的问题。

技术实现思路

1、本发明的目的在于提供基于人工智能的地铁站厅数据信息分析方法及系统，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：基于人工智能的地铁站厅数据信息分析系统，包括：图像识别模块、人员分散模块、流量预测模块、乘车区间模块和闸机分流模块；

3、所述图像识别模块用于获取列车内各车厢乘客上下车的监控视频，利用ai视频识别技术对所述监控视频进行读取，得到各车厢内的人数信息；

4、所述人员分散模块用于根据各自动扶梯的位置、车厢位置和上车人数，计算人员分散度，并对列车各车厢的上下车人数进行预测；

5、所述流量预测模块用于根据每一个乘客的历史乘车数据和单程票购票记录预测乘客进站后前往各到达站的概率，并根据到达站站厅出口的位置和自动扶梯的位置，计算乘客从各车厢下车后的期望行进路程，并预测各站厅在未来一个周期内的人流量；

6、所述乘车区间模块用于根据下一辆列车的人员分布情况、站厅各出入口的人流量和人员分散度，计算各自动扶梯位置所对应的期望人流，根据预测出的人流量与各乘客的到达站概率，划分乘车区间；

7、所述闸机分流模块用于将闸机固定在可移动装置上方，根据所有乘客的总期望行进路程与列车的人员分布情况，为每一台闸机划分乘车区间，根据乘车区间，计算各闸机的调整距离，在下个周期内调整闸机的位置。

8、进一步的，所述图像识别模块包括：视频采集单元和智能识别单元；

9、所述视频采集单元用于利用列车车门上的监控系统，获取列车各车厢内的监控视频；

10、所述智能识别单元用于读取所述监控视频中的内容，获取每个站点的上下车人数信息。

11、进一步的，所述人员分散模块包括：乘车定位单元和分散度单元；

12、所述乘车定位单元用于根据各车厢的上车人数、自动扶梯所在位置和闸机处获取的进站人数，计算乘客在不同距离车厢上车的概率；

13、所述分散度单元根据所述在不同距离车厢上车的概率，计算乘客的分散率，并根据分散率的变化趋势，预测下一辆列车到达时乘客的分散率。

14、进一步的，所述流量预测模块包括：票务单元、到达站预测单元和出入预测单元；

15、所述票务单元用于获取乘客地铁卡的历史乘车记录与单程票的售票记录；

16、所述到达站预测单元用于计算下一个周期内，进站乘客前往的各到达站的概率；

17、所述出入预测单元用于预测各站厅在未来一个周期内的人流量。

18、进一步的，所述乘车区间模块包括：列车分布单元、站厅分布单元和区间划分单元；

19、所述列车分布单元用于量化判断列车各车厢内的空余空间；

20、所述站厅分布单元用于根据到达站站厅出口的位置和自动扶梯的位置，计算乘客从各车厢下车后的期望行进路程；

21、所述区间划分单元用于计算各自动扶梯的期望人流，根据期望人流向各闸机分配到达站区间。

22、进一步的，所述闸机分流模块包括：移动闸机单元和乘客分配单元；

23、所述移动闸机单元用于控制闸机的位置，使闸机对准不同的自动扶梯，闸机间由伸缩隔离带连接；

24、所述乘客分配单元用于根据乘客的到达站位置，为乘客分配进站闸机，若乘客持有单程票，则仅能从对应闸机进站，若乘客刷卡进站，则在乘客刷卡后在绑定的电子设备内为乘客推荐候车位置。

25、基于人工智能的地铁站厅数据信息分析方法，包括以下步骤：

26、步骤s1.获取列车各车厢内的监控录像，使用ai视觉识别技术，对所述录像进行识别，得到各车厢内的人员流动信息；

27、步骤s2.获取地铁站厅内自动扶梯的位置，根据自动扶梯的位置对列车车厢进行分类，根据步骤s1中获取的各类型车厢内的人员流动信息，对各类型车厢内的乘车比例进行正态性验证，计算人员分散率；

28、步骤s3.根据上一周期内单程票的售票记录和地铁卡乘客的历史乘车记录，对下一周期的人流量进行预测，并计算乘客前往各到达站的概率；

29、步骤s4.根据实际分散率和各到达站的出入口位置，计算乘客从各车厢内上车需要行走的出站距离，结合步骤s3中得到的乘客前往各到达站的概率，计算乘客出站的期望距离，根据所述期望距离和列车各车厢内的空余空间，为乘客分配上车位置；

30、步骤s5.根据步骤s4中确定的乘客分配情况，计算各闸机的分流位置，利用可移动装置调整闸机的位置，并在乘客进站后，根据乘客前往各到达站的概率，为乘客推荐检票闸机和候车位置。

31、进一步的，步骤s1包括：

32、步骤s11.获取所有列车经停站厅时各车厢内的监控录像，所述监控录像覆盖车厢内的所有乘客；

33、步骤s12.利用人群统计特征训练人工智能模型，得到训练完成的ai视觉识别系统，利用所述ai视觉识别系统对所述监控录像进行识别，得到各车厢内的人员流动信息，所述人员流动信息包括：上车人数、下车人数和车厢内总人数。

34、本步骤能够使用人工智能识别设备，识别各车厢上下车的乘客数量，实时监测地铁站厅内的人流量和密度状况，以及通道进出口的拥堵情况，以便进行预警和调控。

35、进一步的，步骤s2包括：

36、步骤s21.获取地铁站厅内自动扶梯的位置，将自动扶梯下端正对的车厢记作基准车厢，其余车厢与最近的基准车厢间相隔的车厢数量记作u，所述u∈[0,n]，其中n代表列车车厢与最近的基准车厢间相隔车厢数量的最大值，基准车厢的u值定义为0；

37、步骤s22.获取步骤s1中得到的列车各车厢内的上车人数，统计每个类别车厢内上车的平均人数，根据车厢平均上车人数与u值间的映射关系，生成数据集f，所述f＝{f0,f1,…,fn}，其中fn代表u值为n的列车车厢的平均上车人数；

38、步骤s23.按以下公式，对数据集f进行正态性验证，计算人员分散率q：

39、

40、其中，t代表所有车厢上车人数的均值，fi代表u值为i的所有车厢上车人数的均值，代表数据集f的标准差，ku＝3，代表超值峰度常数；

41、步骤s24.获取当日所有列车停靠时计算出的人员分散率，将人员分散率的平均值qv记作站厅的实际分散率。

42、本步骤可以识别乘客的出行习惯和需求，从而优化地铁线路规划和站点布局,提供运营服务质量。

43、进一步的，步骤s3包括：

44、步骤s31.对站厅能够到达的所有地铁站进行编号，并统计上一班列车离站前t0时长到下一班列车进站前t0时长内售票机的单程票售票数据，所述t0为预设的乘客乘车时长；

45、将单程票售票数量与到达站间的映射记作数据集h，所述h＝{h1,h2,…，hk,…,hm}，其中m代表从站厅乘列车能够到达的所有地铁站数量，hk代表售出的到达站编号为k的单程票的数量，所述k为整数且k∈[1,m]；

46、步骤s32.当地铁卡刷卡进站时，获取地铁卡的历史乘车记录，计算刷卡乘客前往到达站k的概率pk，所述pk＝lk/fl，其中lk代表用户历史乘车记录中从到达站k出站的次数，fl代表乘客历史乘车的总次数。

47、本步骤将站厅划分为多个乘车区间,可以减轻拥挤现象，避免人群集中在一个特定区域,有助于减少人员聚集，减少站台推挤产生的不适感，并提高站厅安全性和乘客满意度。

48、进一步的，步骤s4包括：

49、步骤s41.获取所有到达站站厅内自动扶梯的位置，按照步骤s21-s22的方法，将到达站自动扶梯下端正对的车厢记作基准车厢，其余车厢与最近的基准车厢间相隔的车厢数量记作g；

50、步骤s42.对车厢进行编号，编号结果记作{w1,w2,…,we,…,wx}，其中，x代表车厢的数量，we代表编号为e的车厢，e为整数且e∈[1,x]；

51、计算车厢we在到达站k内的出站距离a(e,k)，所述a(e,k)＝|ue-g(e,k)|·hl，其中，ue代表当前站厅内车厢we与最近的基准车厢间相隔的车厢数量，g(e,k)代表在到达站k的站厅内车厢we与最近的基准车厢间相隔的车厢数量，hl为一段车厢的长度；

52、步骤s43.单程票乘客的到达站编号为k时，则乘客出站的期望距离re＝qv·a(e,k)；

53、计算地铁卡乘客从编号we的车厢内出站的期望距离re：

54、

55、其中pk代表刷卡乘客前往到达站k的概率，a(e,k)代表车厢we在到达站k内的出站距离，qv代表站厅的实际分散率；

56、步骤s44.对于到达站为k的单程票乘客，遍历车厢编号e的所有可能取值，得到出站期望距离re的最小值，该最小值所对应的车厢编号e即为推荐车厢；

57、对于地铁卡乘客，遍历车厢编号e的所有可能取值，得到re的最小值，该最小值所对应的车厢编号e即为推荐车厢；

58、步骤s45.获取下一辆列车各车厢内的人数，利用车厢的荷载人数减去车厢内的人数，得到车厢空余人数，按照进站的时间顺序为乘客分配车厢，当推荐车厢中车厢空余人数为0时，转到步骤s44，去除所有满员车厢后，重新计算推荐车厢；

59、当所有车厢全部满员时，则向调度中心发出列车即将满员的提示。

60、本步骤能够以总出站路程最小的策略向各闸机分配到达站和乘车区间，减少了乘客出站的路程，缩短乘客进出站的时间耗费，减少乘客拥挤、排队等待的情况，提高地铁线路整体的通行效率和运营效果。

61、进一步的，步骤s5包括：

62、步骤s51.获取到达站为k的所有单程票乘客的推荐车厢，将距离推荐车厢最近的自动扶梯设置为到达站k的进站扶梯，并添加一个标记；

63、遍历k的所有可能取值，清点各扶梯的标记数量，计算每个扶梯分配的闸机数量b，所述b＝round(bs·en/m)，其中，round表示四舍五入取整函数，bs代表闸机的总数量，en代表该扶梯的标记数量，m为从站厅乘列车能够到达的所有地铁站数量；

64、步骤s52.利用可移动装置调整闸机的位置，使每个扶梯正对着的闸机数量与步骤s51中分配的闸机数量b相同；

65、步骤s53.地铁卡乘客进站后,向地铁卡乘客登记的移动设备中发送推荐车厢的信息，并引导乘客从距离推荐车厢最近的自动扶梯下行候车；

66、步骤s54.在当前列车离站t0时间段后，转到步骤s1，为下一辆列车分配乘客。

67、本步骤能够使不同到达站的乘客分散车厢位置上车，以疏散列车流量。

68、与现有技术相比，本发明所达到的有益效果是：

69、1.本发明能够使用人工智能识别设备，识别各车厢上下车的乘客数量，实时监测地铁站厅内的人流量和密度状况，以及通道进出口的拥堵情况，以便进行预警和调控,可以识别乘客的出行习惯和需求，从而优化地铁线路规划和站点布局,提供运营服务质量。

70、2.本发明将站厅划分为多个乘车区间,可以减轻拥挤现象，避免人群集中在一个特定区域,有助于减少人员聚集，减少站台推挤产生的不适感，并提高站厅安全性和乘客满意度,使乘客获得更好的站台通行空间，更好地进行候车和乘车体验。

71、3.本发明能够对检票闸机进行移动，利用人群就近候车的特性，使不同到达站的乘客分散车厢位置上车，以疏散列车流量，同时，以总出站路程最小的策略向各闸机分配到达站和乘车区间，减少了乘客出站的路程，缩短乘客进出站的时间耗费，减少乘客拥挤、排队等待的情况，提高地铁线路整体的通行效率和运营效果。