中国安全科学学报

作者：孔佳鑫, 向红艳, 杨哲, 范文博

单位：1 重庆交通大学 交通运输学院,重庆 400074；2 西南交通大学 交通运输与物流学院,四川 成都 610031

关键词：YOLO11,DeepSort,城市轨道交通,客流状态,模糊C均值聚类(FCM)算法,预警

基金：国家自然科学基金资助(51608455)

为提高城市轨道交通车站内的安全管理,提出一种基于YOLO11-DeepSort算法的城市轨道交通站内客流检测及预警模型。首先,建立行人头部数据集,并输入YOLO11训练模型参数,提取客流密度;其次,结合DeepSort动态跟踪乘客步行路径,提取客流量、步行速度;然后,针对换乘通道、楼梯、站台等局部瓶颈的客流状态参数提取结果,运用模糊C均值聚类(FCM)算法将客流状态划分为6小类,并根据客流状态对应的危险等级分为4个预警等级;最后,以重庆轨道交通观音桥站为例,用前4天真实场景视频进行参数识别分析,训练FCM算法后得到聚类中心与阈值。运用训练后的算法对第5天的视频进行分类,并比较全天、高峰、平峰时段的分类结果。结果表明:站台是全天客流拥挤时间最长、风险最大的区域,站台高峰时段拥挤时长占比70%,一级预警时长占比15%;其次是楼梯,高峰拥挤时长占比46%,一级预警时长占比10%;最后是通道,高峰时段拥挤时长占比41%,一级预警时长占比5%。

来源：2025年第9期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第9期