基于AI识别的轨道交通乘客行为分析与客流预测研究.pdfVIP

百家

论坛

AHundredForums

基于AI识别的轨道交通乘客行为分析与客流

预测研究

██文/周雨阳█李红涛█梁文科█梁昭1232

█1.济南轨道交通集团有限公司█2.山东高速信息集团有限公司█3.山东省信息技术产业发展研究院

摘 要：本研究采用人工智能识别技术，结合视频监控图像、闸机刷卡记录以及移动终端轨迹信息，

构建轨道交通乘客行为特征萃取与辨认模型，精准识别乘客上下车、换乘、滞留等关键行为方式。同

时，选用卷积神经网络跟长短期记忆网络的联合框架，对行为序列进行时空建模处理，进而搭建多变

量客流预测架构，实现对高峰期客流动态波动的精准预估，提高客流预测的精确度。该架构可助力优

化列车调度方案和客运组织方针，提升轨道交通运行的智能化水平与服务响应能力。

关键词：轨道交通；客流预测；卷积神经网络；长短期记忆网络

基金项目：山东省交通运输厅科技计划“地铁工程对地下水径流阻滞作用及水质影响研究”（项目编号：

2023B03）

伴随城市化进程加速，轨道交通缓解出行压力的作1.2卷积神经网络（CNN）在乘客行为图像识别中的模

用正日益凸显。对乘客行为的精准辨认与客流动态的精型架构

准预估是智慧交通发展的关键技术。传统模型应对复杂行卷积神经网络作为处理图像数据的经典深度学习方

为及非线性客流变化面临障碍，人工智能的引入给轨道交法，被广泛应用于计算机视觉领域。在轨道交通乘客行

通运行管理提供了新思路。采用AI识别技术挖掘乘客时空为识别工作中，CNN可从视频图像里提取乘客的显著特

行为特质，既提升了预测的精确性，又为运营调度提供科征，诸如姿态、表情与乘客之间的相对位置。CNN依靠

学支撑，推进城市轨道系统向智能化、高效化迈进。多层卷积、池化与全连接层，可学到从低级特征过渡到

高级语义的复杂表达。在乘客行为识别这项任务中，首

1AI识别技术在乘客行为建模中的应用先采用卷积层提取视频帧中的边缘、角点等初级特征，

1.1视频监控数据的获取与预处理之后借助池化层削减特征的维度，同时保留关键信息。

在轨道交通系统中，视频监控设备在车站、车厢以1.3LSTM网络捕捉行为的时间演化特征

及其他关键区域广泛铺设，可实时得到乘客的动态影像。即便CNN在静态图像的处理上展现佳绩，然而轨道

凭借对这些监控视频的采集工作，可获取乘客的行为数交通里乘客的行为是动态变化的，具有时间序列属性，

据，涉及乘客登车、离车、逗留、换乘等详情。初始视引入长短期记忆网络（LSTM）可更稳健地捕捉时间序列

频数据往往有大量噪声，同时因光线、角度等方面因素数据中的长期依赖联系。LSTM于传统RNN基础上增添了

干扰，可能存在图像模糊化、目标被遮蔽等问题，因此，记忆单元，使网络能有效地记忆过去信息，杜绝了梯度

视频数据预处理的意义重大。要对视频做去噪处理工作，消失问题的干扰。在实施乘客行为分析之际，LSTM针对

可借助中值滤波、均值滤波等滤波技术把背景噪声去除，连续的视频帧或行为数据展开处理，能辨认出乘客行为

对图像实施裁剪与强化，保证图像在不同光照条件下依随时间演化的规律，像上下车的先后次序、滞留时长与

[1]换乘的流动走向等。

旧能保持清晰。

2025/16159

人民公交总第208期

PEOPLESPUBLICTRANSPORTATION

2轨道交通场景下的乘客行为数据集构建法适用于动态复杂的交通场景，可有效支