| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第32-40页 |
| 1.1 研究背景及意义 | 第32-34页 |
| 1.1.1 研究背景 | 第32-33页 |
| 1.1.2 研究问题 | 第33-34页 |
| 1.2 论文的主要研究内容及技术路线 | 第34-37页 |
| 1.3 论文构成 | 第37-38页 |
| 1.4 本章小结 | 第38-40页 |
| 第2章 国内外研究综述 | 第40-56页 |
| 2.1 基于机器视觉的客流检测方法 | 第40-46页 |
| 2.1.1 关键技术 | 第40-43页 |
| 2.1.2 行人流量统计 | 第43-45页 |
| 2.1.3 小结 | 第45-46页 |
| 2.2 行人微观仿真模型 | 第46-50页 |
| 2.2.1 基于数学和物理解析方程的模型 | 第46-48页 |
| 2.2.2 元胞自动机模型 | 第48-49页 |
| 2.2.3 基于智能体的模型 | 第49-50页 |
| 2.2.4 小结 | 第50页 |
| 2.3 异常事件自动检测方法 | 第50-53页 |
| 2.3.1 基于视频的行人异常事件自动检测方法 | 第50-52页 |
| 2.3.2 基于交通流特征分析的交通系统异常事件自动检测方法 | 第52-53页 |
| 2.3.3 小结 | 第53页 |
| 2.4 本章小结 | 第53-56页 |
| 第3章 通道客流特征及行人集聚特性分析 | 第56-82页 |
| 3.1 通道客流特征分析 | 第56-76页 |
| 3.1.1 通道的定义 | 第56-57页 |
| 3.1.2 一日内客流量的时间分布特性 | 第57-61页 |
| 3.1.3 一小时内客流量的时间分布特性 | 第61-70页 |
| 3.1.4 客流时间分布特性对服务水平的影响 | 第70-76页 |
| 3.2 行人集聚客流特性分析 | 第76-81页 |
| 3.2.1 行人异常事件的定义和类型 | 第76-77页 |
| 3.2.2 异常事件情况下的个体行为 | 第77-79页 |
| 3.2.3 异常事件情况下的群体聚集行为特征 | 第79-81页 |
| 3.3 本章小结 | 第81-82页 |
| 第4章 基于机器视觉的通道客流检测方法 | 第82-104页 |
| 4.1 方法总体思路 | 第82-83页 |
| 4.2 行人检测 | 第83-88页 |
| 4.2.1 基于Haar特征的AdaBoost分类算法 | 第83-86页 |
| 4.2.2 基于双线性插值的误检框去除算法 | 第86-88页 |
| 4.2.3 基于运动历史图像的行人方向检测 | 第88页 |
| 4.3 行人跟踪 | 第88-93页 |
| 4.3.1 基于模板匹配的行人跟踪算法 | 第88-92页 |
| 4.3.2 基于断帧合并的模板融合算法 | 第92-93页 |
| 4.4 流量统计 | 第93-101页 |
| 4.4.1 样本数据采集 | 第93-95页 |
| 4.4.2 样本分析 | 第95-101页 |
| 4.5 算法测试 | 第101-103页 |
| 4.6 本章小结 | 第103-104页 |
| 第5章 通道异常事件仿真模型 | 第104-124页 |
| 5.1 建模 | 第104-113页 |
| 5.1.1 基本属性 | 第104-106页 |
| 5.1.2 正常情况 | 第106-108页 |
| 5.1.3 异常情况 | 第108-113页 |
| 5.2 仿真和结果 | 第113-118页 |
| 5.2.1 正常情况 | 第114-116页 |
| 5.2.2 异常情况 | 第116-118页 |
| 5.3 灵敏度分析 | 第118-122页 |
| 5.4 本章小结 | 第122-124页 |
| 第6章 异常事件对通道客流的影响分析 | 第124-144页 |
| 6.1 通道异常事件仿真分析系统 | 第124-127页 |
| 6.1.1 系统开发环境 | 第124页 |
| 6.1.2 系统模块及功能简介 | 第124-127页 |
| 6.2 不同类型异常事件对通道客流影响分析 | 第127-142页 |
| 6.2.1 伤病跌倒事件对通道客流的影响 | 第128-136页 |
| 6.2.2 摆卖货品事件对通道客流的影响 | 第136页 |
| 6.2.3 杂耍卖艺事件对通道客流的影响 | 第136-137页 |
| 6.2.4 吵闹打架事件对通道客流的影响 | 第137-138页 |
| 6.2.5 不明原因事件对通道客流的影响 | 第138页 |
| 6.2.6 不同类型异常事件对通道客流影响的比较分析 | 第138-142页 |
| 6.3 本章小结 | 第142-144页 |
| 第7章 通道异常事件自动识别算法 | 第144-186页 |
| 7.1 基础数据研究 | 第145-153页 |
| 7.1.1 基础数据的类型 | 第145-146页 |
| 7.1.2 平稳性分析 | 第146-147页 |
| 7.1.3 突变性分析 | 第147-150页 |
| 7.1.4 新数据设计 | 第150-153页 |
| 7.2 关键参数研究 | 第153-161页 |
| 7.2.1 关键参数的类型 | 第153页 |
| 7.2.2 实验方案 | 第153-154页 |
| 7.2.3 关键参数变化特征分析 | 第154-159页 |
| 7.2.4 关键参数确定 | 第159-161页 |
| 7.3 理想状况下的异常事件自动识别算法 | 第161-166页 |
| 7.3.1 关键参数在异常事件下的特征分析 | 第161-165页 |
| 7.3.2 自动识别算法设计 | 第165-166页 |
| 7.3.3 阈值设置 | 第166页 |
| 7.4 考虑检测误差情况下的异常事件自动识别算法 | 第166-180页 |
| 7.4.1 检测误差分析 | 第167-169页 |
| 7.4.2 检测误差模拟 | 第169-171页 |
| 7.4.3 考虑检测误差的关键参数特征分析 | 第171-174页 |
| 7.4.4 考虑检测误差的异常事件自动识别算法 | 第174-180页 |
| 7.5 算法验证 | 第180-183页 |
| 7.5.1 算法程序设计 | 第180-181页 |
| 7.5.2 实验方案 | 第181-182页 |
| 7.5.3 实验结果 | 第182-183页 |
| 7.6 本章小结 | 第183-186页 |
| 结论 | 第186-190页 |
| 主要结论 | 第186-188页 |
| 主要创新点 | 第188页 |
| 未来研究的展望 | 第188-190页 |
| 参考文献 | 第190-198页 |
| 附录 | 第198-220页 |
| 附录A 通道内行人受事件吸引调查问卷 | 第198-201页 |
| 附录B 通道客流检测方法部分核心代码 | 第201-206页 |
| 附录C 通道异常事件仿真分析系统部分核心代码 | 第206-211页 |
| 附录D 检测误差模拟部分核心代码 | 第211-213页 |
| 附录E 自动检测算法VBA代码 | 第213-215页 |
| 附录F 异常事件自动识别算法验证实验结果表 | 第215-220页 |
| 攻读博士学位期间发表的学术论文及主要科研工作 | 第220-222页 |
| 学术论文成果 | 第220-221页 |
| 参与的主要科研项目 | 第221-222页 |
| 致谢 | 第222页 |
