基于异质集成学习方法的城轨列车客流智能分析系统研究

为解决当前城市轨道交通（简称：城轨）列车客流分析存在的检测精度不高和适用场景单一等问题，设计了一种基于异质集成学习方法的城轨列车智能客流分析系统。该系统基于云边协同架构，采用分组Voting方法，将YOLOv5s(You Only Look Once v5s)、FCHD(Fully Convolutional Head Detector)、CSRNet(Network for Congested Scene Recognition)模型作为基模型进行集成，最终实现客流统计、拥挤度分析和辅助清客等功能。利用北京城轨某线路列车的监控图像数据进行实验，结果表明，与其他各基模型相比，该系统采用的模型检测效果更佳，有效提升了检测精度，丰富了可适用的检测场景。