基于闭路电视数据的城市铁路平台拥挤估计——一种新兴数据源

准确估计城市铁路平台占用情况可增强交通机构的决策能力，从而提高安全性、运营效率和客户体验，尤其是在拥挤情境下。然而，感知实时拥挤状况仍具有挑战性，往往依赖于自动票务收集数据或工作人员观察。最近，闭路电视(CCTV)录像 footage 作为一种有潜力提供准确、实时占用估计的数据源。本研究通过比较从平台CCTV影像中提取人群相关特征的三种最先进的计算机视觉方法来探讨这一潜力：(a)使用YOLOv11、RT-DETRv2和APGCC进行对象检测和计数;(b)通过定制训练的Vision Transformer模型进行人群水平分类,Crowd-ViT;以及(c)使用DeepLabV3进行语义分割。此外，我们提出了一种新颖且高度有效的线性优化方法，从生成的分割图中提取计数，并考虑图像对象深度，从而考虑乘客在平台上的分布。我们在由华盛顿大都华区交通局(Washington Metropolitan Area Transit Authority, WMATA)合作创建的隐私保护数据集上进行测试，该数据集涵盖超过600小时的视频材料。我们的结果表明，计算机视觉方法可以为拥挤估计提供实质性价值。这一工作表明，独立于交通机构可用的数据源，CCTV图像数据可实现更精确的实时拥挤估计，并最终实现平台拥挤缓解的及时运营响应。