论文部分内容阅读
城市轨道交通换乘站做为城市轨道交通的“枢纽”，既承担着集疏运客流的作用，同时也是保障城市轨道交通网络化运营安全的关键一环。目前轨道交通大客流预警管理工作所采用的方法存在响应滞后且判断不合理等现象，且相关理论研究较为欠缺。本文以上海地铁为研究对象，从识别-预测-预警等级确定三个方面展开换乘站大客流预警理论方法的研究。通过构建基于图像特征的客流辨识模型、基于马尔科夫的灰色实时客流预测模型以及客流预警评估模型，提升换乘站大客流识别、预测与预警响应能力，以此保证运营效率和运营安全。
首先，本文通过对大客流概念界定、分类，客流状态影响因素及作用机理分析，大规模人群密度估计、大客流短时预测以及预警模式等理论基础的研究，构建了城市轨道交通换乘站大客流预警基本框架。从图像处理、指标预测与预警等级评价三个方面系统的阐述了大客流预警工作的流程与技术方法。
然后，根据大客流辨识内容需求分析，利用计算机图像处理技术，对换乘站关键区域的客流源图像进行视频图像处理。通过行人源图像灰度变换、边缘检测与轮廓提取、边缘灰度直方图等技术，并运用统计回归分析，发现行人边缘灰度(bin12)的像素累计值与客流密度之间的互动规律最为明显，由此建立了车站各关键区域客流状态表征指标与行人图像特征之间的函数拟合关系。
随后，针对大客流期间车站各关键区域客流变化波动较大的现象，本文采用模型组合的思想，采集大客流特征日的客流时间序列数据，构建了基于马尔科夫的灰色预测模型。实验证明，在灰色的预测的基础上，通过马尔科夫模型修正，可将车站站台客流密度、楼梯与通道乘客空间负荷度的预测结果的平均相对误差降至30%以下，较大提升了大客流预测模型的精度。
最后，采用关键区域与车站整体分级的换乘站大客流短时预警方法。区域级预警方面，分为站台、换乘通道、楼扶梯以及售检票区等关键区域预警；车站级预警方面，选取了站台客流密度、换乘通道以及楼扶梯的空间负荷度、自动检区的排队长度等，建立预警等级评价指标体系，并采用基于层次分析法的模糊综合评价模型，以指标权重与隶属度函数模糊评价各客流预警等级的隶属度，确定车站整体预警等级。
首先，本文通过对大客流概念界定、分类，客流状态影响因素及作用机理分析，大规模人群密度估计、大客流短时预测以及预警模式等理论基础的研究，构建了城市轨道交通换乘站大客流预警基本框架。从图像处理、指标预测与预警等级评价三个方面系统的阐述了大客流预警工作的流程与技术方法。
然后，根据大客流辨识内容需求分析，利用计算机图像处理技术，对换乘站关键区域的客流源图像进行视频图像处理。通过行人源图像灰度变换、边缘检测与轮廓提取、边缘灰度直方图等技术，并运用统计回归分析，发现行人边缘灰度(bin12)的像素累计值与客流密度之间的互动规律最为明显，由此建立了车站各关键区域客流状态表征指标与行人图像特征之间的函数拟合关系。
随后，针对大客流期间车站各关键区域客流变化波动较大的现象，本文采用模型组合的思想，采集大客流特征日的客流时间序列数据，构建了基于马尔科夫的灰色预测模型。实验证明，在灰色的预测的基础上，通过马尔科夫模型修正，可将车站站台客流密度、楼梯与通道乘客空间负荷度的预测结果的平均相对误差降至30%以下，较大提升了大客流预测模型的精度。
最后，采用关键区域与车站整体分级的换乘站大客流短时预警方法。区域级预警方面，分为站台、换乘通道、楼扶梯以及售检票区等关键区域预警；车站级预警方面，选取了站台客流密度、换乘通道以及楼扶梯的空间负荷度、自动检区的排队长度等，建立预警等级评价指标体系，并采用基于层次分析法的模糊综合评价模型，以指标权重与隶属度函数模糊评价各客流预警等级的隶属度，确定车站整体预警等级。