基于图像处理的地铁车站乘客微观行为特征提取技术与乘客上下车行为仿真研究

摘要

地铁乘客微观行为的研究，是揭露客流宏观规律、优化车站设计、提高轨道交通运营水平的重要基础及前提。地铁车站的乘客微观行为按照出行目的可划分为进出站、购票、安检及上下车行为等，而乘客上下车行为通过影响列车停站时间，导致区间通行能力下降。目前，由于缺乏有效的数据基础及理论支持，因此上下车行为的研究难以深入研究，因此，本文从数据采集及模型构建两方面进行乘客上下车行为的研究。
　　传统的行人数据采集技术手段落后、采集速度慢、结果精度差，难以满足其实际乘客行为研究需求。图像处理技术作为一种新兴、高效的数据采集手段，在道路交通领域的应用日趋成熟，但在地铁领域仍处于探索阶段。本文采用最新的图像处理技术，基于Blob分析的行人检测与跟踪技术，提出乘客微观行为参数提取方法，自主开发了乘客微观行为参数采集系统(PedTrace)，用以提取乘客速度、行人间距、加速度及轨迹等行为特征数据，实现行人的自动检测与跟踪，为研究行人的上下车行为提供真实、精确的数据支撑。
　　地铁乘客上下车行为复杂多变，与乘客自身及出行环境等密切相关，既有的数学模型难以描述这种行为，本文采用微观仿真的技术手段解决该问题。首先将复杂的上下车行为分解为到达行为、规避行为、排队行为等基本行为，融合Agent思想及社会力模型，构建乘客基本行为的模型描述。仿真建模时，采用网格化的领域搜索算法，使搜索算法的复杂度从(O)(n2)降到为(O)（n）;引入全局路径选择方法，解决乘客出行路径问题;借鉴磁力模型的碰撞规避方法，解决社会力模型中行人重叠问题;基于事件驱动及主体交互方法，提出地铁站台乘客上下车仿真模型，并开发乘客上下车行为仿真系统(PedSyms)。
　　最后，以北京地铁2号线西直门站为案例，利用PedTrace系统从视频中提取乘客上下车行为的运动轨迹、速度等信息，发现上下车乘客的平均速度分布服从对数正态分布规律。利用PedSyms系统进行乘客上下车行为仿真，挖掘其行为特征规律。

目录

声明

致谢

摘要

1 绪论

1．1 选题背景

1．2 研究目的和意义

1．3 国内外研究综述

1．4 研究内容及研究思路

1．4．1 研究内容

1．4．2 研究思路

2 地铁车站乘客微观行为参数研究

2．1 乘客微观行为特征参数

2．1．1 行人位置

2．1．2 行人速度

2．1．3 加速度

2．1．4 行人间距

2．1．5 行人轨迹

2．2 乘客微观基本行为

2．2．1 接近及离去行为

2．2．2 跟踪及逃逸行为

2．2．3 到达与出发行为

2．2．4 规避障碍物行为

2．2．5 沿路行走行为

2．2．6 徘徊行为

2．2．7 排队行为

2．3 乘客出行目的行为

2．3．1 进出站

2．3．2 购票

2．3．3 安检

2．3．4 上下车行为

3 基于图像处理的乘客微观行为特征参数采集技术

3．1 图像处理技术原理

3．1．1 运动人体检测

3．1．2 运动目标跟踪

3．1．3 基于OpenCV的行人检测与跟踪方法

3．2 乘客微观行为参数提取方法

3．2．1 行人位置

3．2．2 行人速度

3．2．3 加速度

3．2．4 行人间距

3．2．5 行人轨迹

3．3 乘客微观行为参数采集系统PedTrace

3．3．1 系统功能需求

3．3．2 系统功能模块

3．4 小结

4 地铁站台乘客上下车行为仿真模型

4．1 仿真建模思想

4．1．1 社会力模型

4．1．2 多主体建模

4．1．3 底层算法

4．2 乘客上下车行为仿真模型

4．2．1 乘客上下车行为流程

4．2．2 乘客上下车基本行为

4．2．3 基于事件交互的上下车行为实现

4．3 乘客上下车行为仿真系统PedSyms

4．3．1 系统功能需求

4．3．2 系统功能模块

4．4 小结

5 案例研究

5．1 案例背景介绍

5．2 PedTrace采集数据结果

5．2．1 PedTrace系统参数标定

5．2．2 乘客上下车实际轨迹分析

5．2．3 乘客上下车实际速度分析

5．2．4 乘客上下车实际时间分析

5．3 PedSyms仿真结果分析

5．3．1 PedSyms系统输入设置

5．3．2 乘客上下车仿真效果

5．3．3 乘客上下车轨迹分析

5．3．4 乘客上下车速度分析

5．3．5 乘客上下车时间分析

5．4 小结

6 结论与展望

6．1 研究成果及结论

6．2 研究展望

参考文献

作者简历

学位论文数据集