深度特征提取下城轨客流异常状态识别

• 作者: 郇宁 姚恩建 薛飞
• 来源期刊: 哈尔滨工业大学学报
• 关键词: 城市轨道交通 异常检测 深度置信网络 客流量 滑动时间窗口
• 年，卷（期）: 2021,（3）
• 页码范围: 94-100
• 页数: 7页
• 分类号: U231.92
• 语种: 中文
• DOI: 10.11918/201907013

摘要

为实现对城市轨道交通突发大客流的及时预警,提出一种基于自动售检票数据的客流异常状态识别方法.首先,确定符合客流时变特性的滑动时间窗口长度以适应动态的数据环境;其次,建立深度置信网络模型以提取窗口内待检样本的客流特征,并实现样本特征模式的自适应划分;最后,将待检样本和相同模式的历史样本映射至多维特征空间,进行基于局部异常因子的客流异常状态识别.通过广州地铁的案例分析,结果表明:该方法的模式划分精度为92.5％,异常识别误检率和准确率分别为3.98％和91.9％,识别效果与异常的形式和程度相关,且受识别合格判定条件中反应时效要求的影响,整体上能够在保证较低误检率的情况下,实现对各类客流异常状态的灵敏识别.