一种清分模型的优化方法、装置、电子设备及存储介质与流程

本技术涉及计算机，尤其涉及一种清分模型的优化方法、装置、电子设备及存储介质。

背景技术：

1、城市轨道交通具有运量大、速度快、时间准、污染少和安全舒适等特点。随着城市轨道交通线网规模的持续扩张及客流量的急剧增长，票务规则越来越复杂，票务清分结算的复杂度也随之激增，因此对清分模型中模型参数的准确性要求也越来越高。

2、各个城市轨道交通的清分模型已经基本具备成熟的算法模型，但为了验证清分模型的准确性以及优化清分模型，现有技术基本都是采用用户问卷调查和人工统计关键换乘站数据的方法，这种方法效率和准确性都无法保障。因此，如何高效准确地对清分模型进行优化已经成为行业的技术瓶颈难题。

技术实现思路

1、本技术提供了一种清分模型的优化方法、装置、电子设备及存储介质，可以高效准确地对清分模型进行优化，可以提高模型仿真效率和准确性，进而可以完善城市轨道交通线网客流的动态分配及票务清分功能。

2、第一方面，本技术提供了一种清分模型的优化方法，该方法包括：

3、基于初始清分模型确定目标区域中起始站点与终止站点之间有效路径的第一客流摊分占比；

4、基于多目标追踪模型对所述目标区域中各站点的视频数据进行分析得到在所述目标区域中多个目标对象的线路图；

5、基于所述多个目标对象的线路图确定所述目标区域中所述有效路径的第二客流摊分占比；

6、若所述第一客流摊分占比和所述第二客流摊分占比不一致，则基于所述第二客流摊分占比对所述初始清分模型中模型参数进行优化，得到目标清分模型。

7、本技术实施例提供了一种清分模型的优化方法，包括：基于初始清分模型确定目标区域中起始站点与终止站点之间有效路径的第一客流摊分占比；基于多目标追踪模型对目标区域中各站点的视频数据进行分析得到在目标区域中多个目标对象的线路图；基于多个目标对象的线路图确定目标区域中有效路径的第二客流摊分占比；若第一客流摊分占比和第二客流摊分占比不一致，则基于第二客流摊分占比对初始清分模型中模型参数进行优化，得到目标清分模型。本技术通过多目标追踪模型对视频数据进行客流分析得到第二客流摊分占比，基于第二客流摊分占比验证初始清分模型的准确性；当初始清分模型的准确性较差时，基于第二客流摊分占比优化初始清分模型中模型参数，可以解决需要采用用户问卷调查和人工统计关键换乘站数据的方法验证清分模型准确性的缺点，可以高效准确地对清分模型进行优化，可以提高模型仿真效率和准确性，执行本技术方法可以完善城市轨道交通线网客流的动态分配及票务清分功能。

8、进一步的，所述目标区域中站点包括第一站点和除所述第一站点之外的其余站点；所述基于多目标追踪模型对所述目标区域中各站点的视频数据进行分析得到在所述目标区域中多个目标对象的线路图，包括：提取所述第一站点对应视频数据中每个目标对象的特征；基于所述特征对所述其余站点对应视频数据中目标对象进行匹配，得到每个目标对象所途径站点对应的特征；基于所述特征的标签信息对所述每个目标对象所途径站点对应的特征进行分析得到在所述目标区域中所述每个目标对象的线路图。

9、进一步的，所述特征包括面部特征和表观特征；所述基于所述特征对所述其余站点对应视频数据中目标对象进行匹配，得到每个目标对象所途径站点对应的特征，包括：确定所述面部特征的辨识度，所述辨识度包括清晰度、相似度和遮挡度中的至少一者；若所述辨识度低于预设值，则基于所述表观特征对所述其余站点对应视频数据中目标对象进行匹配，得到所述每个目标对象所途径站点对应的表观特征；若所述辨识度不低于所述预设值，则基于所述面部特征对所述其余站点对应视频数据中目标对象进行匹配，得到所述每个目标对象所途径站点对应的面部特征。

10、进一步的，所述表观特征包括运动特征和外观特征；通过如下方式确定所述每个目标对象的表观特征：确定所述多目标追踪模型中的特征权重，所述特征权重是基于所述目标区域的属性信息确定；基于所述特征权重将所述运动特征和所述外观特征进行特征融合得到所述表观特征。

11、进一步的，所述基于所述特征对所述其余站点对应视频数据中目标对象进行匹配，得到每个目标对象所途径站点对应的特征，包括：基于所述第一站点对应视频数据中所述目标对象的运动特征预测在所述其余站点对应视频数据中所述目标对象的第一运动特征；提取所述其余站点对应视频数据中各目标对象的第二运动特征；基于所述第一运动特征对所述各目标对象的第二运动特征进行匹配，确定出所述目标对象的第二运动特征，从而得到每个目标对象对应的第二运动特征。

12、进一步的，所述标签信息包括时间标签和站点标签；所述基于所述特征的标签信息对所述每个目标对象所途径站点对应的特征进行分析得到在所述目标区域中所述每个目标对象的线路图，包括：确定所述特征对应的时间标签的时间排序；基于所述时间排序对所述特征对应的站点标签进行排序，得到站点排序结果；将所述站点排序结果作为线路图，从而得到在所述目标区域中所述每个目标对象的线路图。

13、进一步的，在所述基于所述第二客流摊分占比对所述初始清分模型中模型参数进行优化之前，还包括：检测在对所述目标区域中各站点的视频数据进行分析的过程中是否存在异常；若存在异常，则对所述多目标追踪模型中的特征权重进行优化，基于优化后的特征权值重新执行所述基于多目标追踪模型对所述目标区域中各站点的视频数据进行分析得到在所述目标区域中多个目标对象的线路图的操作；若不存在异常，则执行基于所述第二客流摊分占比对所述初始清分模型中模型参数进行优化的操作。

14、第二方面，本技术提供了一种清分模型的优化装置，该装置包括：

15、第一信息确定模块，用于基于初始清分模型确定目标区域中起始站点与终止站点之间有效路径的第一客流摊分占比；

16、路线图确定模块，用于基于多目标追踪模型对所述目标区域中各站点的视频数据进行分析得到在所述目标区域中多个目标对象的线路图；

17、第二信息确定模块，用于基于所述多个目标对象的线路图确定所述目标区域中所述有效路径的第二客流摊分占比；

18、清分模型优化模块，用于若所述第一客流摊分占比和所述第二客流摊分占比不一致，则基于所述第二客流摊分占比对所述初始清分模型中模型参数进行优化，得到目标清分模型。

19、第三方面，本技术提供了一种电子设备，该电子设备包括：

20、至少一个处理器；

21、以及与所述至少一个处理器通信连接的存储器；

22、其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本技术任意实施例所述的清分模型的优化方法。

23、第四方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本技术任意实施例所述的清分模型的优化方法。

24、需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与清分模型的优化装置的处理器封装在一起，也可以与清分模型的优化装置的处理器单独封装，本技术对此不做限定。

25、本技术中第二方面、第三方面以及第四方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面以及第四方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。

26、应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其他特征将通过以下的说明书而变得容易理解。

27、可以理解的是，在使用本技术各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本技术所涉及个人信息的类型、使用范围以及使用场景等告知用户并获得用户的授权。