基于CCTV监控数据的行人入口模型的校准,使用机器学习方法

科学领域:

• 运营研究 运营研究
• 数据科学数据科学数据科学
• 土木工程 土木工程是指土木工程.

背景情况:

• 高容量设施需要优化操作以提高效率.
• 步行者交通建模对于评估设施容量和测试变化至关重要.
• 准确校准行人入口模型对于可靠的模拟是必不可少的.

研究的目的:

• 开发一种用于提取和清理行人交通探测器数据的自动化方法.
• 为了校准入口行人模型,使用来自疫苗接种中心的清理数据.
• 提高高容量设施运营预测的准确性和效率.

主要方法:

• 利用机器学习算法,包括随机森林,用于数据清理和噪音分类.
• 提取了关键的行人交通参数:步行速度,停车,等待时间和等待位置.
• 在行人入口模型中应用微观校准技术.

主要成果:

• 随机森林模型在确定有效数据与噪音之间在九个测试的算法中表现出卓越的准确性.
• 提出的方法成功校准了来自疫苗接种中心等候室的行人流量数据.
• 在暴力流量数据集上实现了最先进的性能,表明了高准确性.

结论:

• 自动数据提取和清理方法显著提高了行人模型校准.
• 精确的校准使能力评估,程序变化和几何修改的测试更可靠.
• 这种方法有可能大幅提高高容量设施的运营效率.