简介:【文章摘要】:本文提出了一种基于YOLOv5的地铁车厢内客流密度检测方法。为了缓解地铁站内候车区域的客流分布不均导致的拥堵情况,将YOLOv5目标检测模型应用于车厢内人群密度的检测,利用卷积神经网络在图像中识别人群的位置和数量,并根据目标检测结果计算客流密度,实时进行拥挤度状况反馈,引导乘客前往人数较少的车厢对应站台排队候车。此方法在客流密度检测任务上具有较高的检测精度和较快的检测速度,在得到人群数量后自动分为四个拥挤度,以图像形式显示,可以实现实时客流密度监测,对车站的运营管理策略方案提出了一些建议,并保障乘客出行的安全,提高了候车舒适度。
简介:摘要近年来,我国公交事业发展迅速,大部分城市公交网络体系发展相对成熟。但在城市的某些低密度开发区域,尤其是城市外围圈层公交服务盲区与薄弱区的公交发展有待加强,所以,社区公交的发展是解决此类问题的关键。本文通过对上海、香港、湛江和法国的社区公交发展经验的借鉴,对社区公交在功能定位、服务模式和运营模式方面进行了研究,并通过深圳市龙岗区嶂背村试点开通社区公交服务案例,为其他城市发展社区公交提供有益借鉴。
简介:武汉市常规公交采用单一票制收费模式,刷卡字段中缺少下车的相关信息,无法直接得到公交乘客的出行路径.本文重点基于公交GPS数据和IC卡刷卡数据,建立公交刷卡乘客上、下车站点识别模型.其中上车站点识别包含基于GPS时间和IC卡刷卡时间识别2个模型,下车站点识别包含基于出行连续性和出行链识别2个模型.分别对比分析2个模型的优劣,并以实际数据试算得到的识别率为判别标准,选取较高者为最终识别模型.最终上车站点识别模型选取基于GPS时间识别,因为基于IC卡刷卡时间识别,站点序号基本对应不上,而基于GPS时间识别,站点识别率高达98.31%;下车站点识别模型选取基于出行链识别,因为基于出行链识别的识别率为70%左右,基于乘客出行连续性识别为50%左右.