[发明专利]地铁车站环境参数监测方法及装置

权利要求书

1.一种地铁车站环境参数监测方法，其特征在于，包括：

获得上一时刻的地铁车站环境参数值和下一时刻的车站外部环境参数值；

将所述上一时刻的地铁车站环境参数值和下一时刻的车站外部环境参数值输入训练好的LSTM神经网络模型，得到网络输出结果值，所述LSTM神经网络模型根据历史上一时刻的地铁车站环境参数值和历史下一时刻的车站外部环境参数值进行训练；

根据所述网络输出结果值，确定下一时刻的地铁车站环境参数值的正态分布；

根据所述下一时刻的地铁车站环境参数值的正态分布，进行地铁车站环境参数监测。

2.如权利要求1所述的地铁车站环境参数监测方法，其特征在于，所述地铁车站环境参数值包括：地铁车站内气体浓度值，地铁车站内温度值或地铁车站内相对湿度值；

所述车站外部环境参数值包括：地铁客流量值，列车发车频率值，车站外部气体浓度值，车站外部大气温度值，车站外部大气相对湿度值的任意组合。

3.如权利要求1所述的地铁车站环境参数监测方法，其特征在于，获得上一时刻的地铁车站环境参数值和下一时刻的车站外部环境参数值之后，按如下方式对所述车站外部环境参数值进行筛选：

利用皮尔森相关系数算法对车站外部环境参数值进行贡献度分析；

根据贡献度分析结果，对下一时刻的车站外部环境参数值进行筛选；

将所述上一时刻的地铁车站环境参数值和下一时刻的车站外部环境参数值输入训练好的LSTM神经网络模型，得到网络输出结果值，包括：将所述上一时刻的地铁车站环境参数值和筛选出的下一时刻的车站外部环境参数值输入训练好的LSTM神经网络模型，得到网络输出结果值。

4.如权利要求1所述的地铁车站环境参数监测方法，其特征在于，根据所述网络输出结果值，确定下一时刻的地铁车站环境参数值的正态分布，包括：

对所述网络输出结果值进行线性变换，得到地铁车站环境参数值的均值；

对所述网络输出结果值进行线性变换后，进行非线性变换，得到得到地铁车站环境参数值的标准差；

根据所述地铁车站环境参数值的均值和标准差，确定下一时刻的地铁车站环境参数值的正态分布。

5.一种地铁车站环境参数监测装置，其特征在于，包括：

参数值获得模块，用于获得上一时刻的地铁车站环境参数值和下一时刻的车站外部环境参数值；

结果值确定模块，用于将所述上一时刻的地铁车站环境参数值和下一时刻的车站外部环境参数值输入训练好的LSTM神经网络模型，得到网络输出结果值，所述LSTM神经网络模型根据历史上一时刻的地铁车站环境参数值和历史下一时刻的车站外部环境参数值进行训练；

正态分布确定模块，用于根据所述网络输出结果值，确定下一时刻的地铁车站环境参数值的正态分布；

监测模块，用于根据所述下一时刻的地铁车站环境参数值的正态分布，进行地铁车站环境参数监测。

6.如权利要求5所述的地铁车站环境参数监测装置，其特征在于，所述地铁车站环境参数值包括：地铁车站内气体浓度值，地铁车站内温度值或地铁车站内相对湿度值；

所述车站外部环境参数值包括：地铁客流量值，列车发车频率值，车站外部气体浓度值，车站外部大气温度值，车站外部大气相对湿度值的任意组合。

7.如权利要求5所述的地铁车站环境参数监测装置，其特征在于，还包括：

参数值筛选模块，用于获得上一时刻的地铁车站环境参数值和下一时刻的车站外部环境参数值之后，按如下方式对所述车站外部环境参数值进行筛选：利用皮尔森相关系数算法对车站外部环境参数值进行贡献度分析；根据贡献度分析结果，对下一时刻的车站外部环境参数值进行筛选；

所述结果值确定模块进一步用于：将所述上一时刻的地铁车站环境参数值和筛选出的下一时刻的车站外部环境参数值输入训练好的LSTM神经网络模型，得到网络输出结果值。