-
公开(公告)号：CN117351408A
公开(公告)日：2024-01-05
申请号：CN202310595627.5
申请日：2023-05-24
Applicant: 北京交通大学
IPC: G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/246
Abstract: 本发明提供了一种基于计算机视觉技术的人群流量多方向计数方法。该方法包括：基于YOLOv5和DeepSORT方法对相机拍摄的视频数据进行头部检测和跟踪，提取出相机坐标系中的行人的运动轨迹；利用相机坐标系到世界坐标系的转换矩阵将所述相机坐标系中的行人的运动轨迹转换成世界坐标系中的行人的运动轨迹；通过IO匹配方法根据所述世界坐标系中的行人的运动轨迹进行人群计数统计，获取所述视频数据的多方向人群流量结果。本发明方法有效地解决了传统人群流量计数方法存在的问题，适用于高密度人群场景，有效解决了高密度人群计数的遮挡跟踪问题，它在保证高检测精度的前提下提高了实时计算效率。
-
公开(公告)号：CN116128122B
公开(公告)日：2023-09-12
申请号：CN202310001447.X
申请日：2023-01-03
Applicant: 北京交通大学
Abstract: 本发明公开了一种考虑突发因素的城市轨道交通短时客流预测方法。该方法包括：获取第T‑1时段内的历史客流特征矩阵，社交媒体矩阵，突发确诊病例矩阵以及城市轨道交通多重图网络；利用构建的深度学习模型学习映射函数，以融合客流数据、社交媒体数据和突发确诊病例数据，预测下一个时间步的客流信息。本发明有效提升了突发事件期间客流预测的准确性，可以为城市轨道交通系统客流数据预测提供有效工具。
-
公开(公告)号：CN116227668A
公开(公告)日：2023-06-06
申请号：CN202211660412.9
申请日：2022-12-23
Applicant: 北京交通大学
IPC: G06Q10/04 , G06N3/08 , G06Q50/30 , G06Q50/26 , G06N3/0442 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种基于注意力机制的城市轨道交通多步短时客流预测方法。该方法包括：获取目标区域的客流数据信息；将所述客流数据信息输入到经训练的时空综合预测模型，预测出后续多个时间步的短时客流信息，其中所述时空综合预测模型包含三个分支结构，分别为Inflow分支、OD分支和POI分支，Inflow分支基于多头注意力机制处理进站客流时间序列数据，捕捉时间维度特征；OD分支用于提取出进出站信息矩阵所携带的时间和空间相关性；POI分支用于利用感兴趣点的客流矩阵捕捉空间特征，并增强空间特征与时间特征之间的联系。本发明能够提高了短时客流预测的准确度，并扩宽预测的时间跨度。
-
公开(公告)号：CN117236689A
公开(公告)日：2023-12-15
申请号：CN202311193962.9
申请日：2023-09-15
Applicant: 北京交通大学
IPC: G06Q10/0635 , G06Q50/26 , G06V20/52
Abstract: 本发明提供了基于轨道交通站内高密度客流的多指标风险量化方法，包括：步骤S1：获取行人的基础数据；步骤S2：基于行人的基础数据来计算行人相关指标；步骤S3：描述场景拥挤水平；衡量混乱水平；步骤S4：对衡量拥挤水平的密度和衡量混乱水平的熵值进行归一化处理，得到拥挤风险值和混乱风险值，并根据场景区域特点，对拥挤风险的和混乱风险分配权重系数，将人群风险化为四个风险等级；步骤S5：得到风险等级对应的时间段，加强监控风险等级高的时间段。可以实现：从不同角度使用多项指标进行风险分析和评价，在踩踏风险的研究中，提出了密度熵指标以衡量高密度条件下人群密度空间位置的波动性，丰富了熵值在人群风险研究中的作用。
-
-
Patent Agency Ranking
公开(公告)号：CN115146844A
公开(公告)日：2022-10-04
申请号：CN202210735909.6
申请日：2022-06-27
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于多任务学习的多模式交通短时客流协同预测方法。该方法包括：获取目标区域内三种交通模式的客流数据，包括地铁和公交的进站客流时间序列，以及出租车的流入时间序列：将获取的三种模式的客流时间序列输入到经训练的预测模型，输出后续时间段三种交通模式的流入客流信息。本发明协同考虑地铁、出租车和公交三种交通方式的进站客流并分别准确地预测不同交通方式的未来时段客流，实现对区域内多模式交通短时客流的准确预测。
-
公开(公告)号：CN118521952A
公开(公告)日：2024-08-20
申请号：CN202410335535.8
申请日：2024-03-22
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于计算机视觉的轨道交通火灾检测与定位方法。该方法包括：获取待检测场景的视频数据流；将所述视频数据流输入到经训练的火灾检测定位模型，获得火灾检测结果和定位结果，其中所述火灾检测定位模型包含事件检测模型和目标定位模型，所述事件检测模型以所述视频数据流作为输入，检测该场景是否处于疑似火灾状态以及疑似火灾状态所对应的视频帧；在判定为疑似火灾状态的情况下，所述目标定位模型基于所述事件检测模型的检测结果，锁定火灾发生的位置信息。本发明实时性强、准确率高、泛化能力强，可部署于轨道交通站内场景或其他场景的火灾检测和定位。
-
公开(公告)号：CN111667092B
公开(公告)日：2023-06-23
申请号：CN202010316862.0
申请日：2020-04-21
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/26 , G06Q10/067 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图卷积神经网络的轨道交通短时客流预测方法和系统。该方法包括：以图结构G＝(V，E，A)表征城市轨道交通网络，并以t时刻的特征矩阵F＝(Xt，Xt‑1，Xt‑2，…Xt‑m+1)表示t时刻之前m个时间间隔的历史客流情况，其中V表示地铁车站的数目，车站与车站之间有E条边，A∈Rn×n是表征车站之间是否相邻的邻接矩阵，F的维度为n×m，n为车站数目；构建深度学习模型，学习t时刻的特征矩阵F和邻接矩阵A与预测的t+1时刻各车站客流情况之间的映射关系。本发明能够准确预测轨道交通的短时客流情况，对城市轨道交通运营管理部门进行全网水平的短时客流监测、实时管理和工程实践具有重要的指导意义。
-
公开(公告)号：CN116128122A
公开(公告)日：2023-05-16
申请号：CN202310001447.X
申请日：2023-01-03
Applicant: 北京交通大学
Abstract: 本发明公开了一种考虑突发因素的城市轨道交通短时客流预测方法。该方法包括：获取第T‑1时段内的历史客流特征矩阵，社交媒体矩阵，突发确诊病例矩阵以及城市轨道交通多重图网络；利用构建的深度学习模型学习映射函数，以融合客流数据、社交媒体数据和突发确诊病例数据，预测下一个时间步的客流信息。本发明有效提升了突发事件期间客流预测的准确性，可以为城市轨道交通系统客流数据预测提供有效工具。
-
公开(公告)号：CN111667092A
公开(公告)日：2020-09-15
申请号：CN202010316862.0
申请日：2020-04-21
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于图卷积神经网络的轨道交通短时客流预测方法和系统。该方法包括：以图结构G＝(V，E，A)表征城市轨道交通网络，并以t时刻的特征矩阵F＝(Xt，Xt-1，Xt-2，…Xt-m+1)表示t时刻之前m个时间间隔的历史客流情况，其中V表示地铁车站的数目，车站与车站之间有E条边，A∈Rn×n是表征车站之间是否相邻的邻接矩阵，F的维度为n×m，n为车站数目；构建深度学习模型，学习t时刻的特征矩阵F和邻接矩阵A与预测的t+1时刻各车站客流情况之间的映射关系。本发明能够准确预测轨道交通的短时客流情况，对城市轨道交通运营管理部门进行全网水平的短时客流监测、实时管理和工程实践具有重要的指导意义。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
