基于生成对抗网络的地铁站台人员密度数据涌现  

作　　者：李峥嵘[1] 金雨佳 朱晗 

机构地区：[1]同济大学,上海

出　　处：《暖通空调》2024年第S2期430-436,共7页Heating Ventilating & Air Conditioning

摘　　要：随着地铁系统的快速扩展,中国地铁的总长度已超过6 000 km,其非牵引能耗中环控系统能耗占比达30%。因此,优化地铁站的环控系统能耗,通过精准人员分布数据进行节能至关重要。然而,数据获取常因隐私和技术限制而面临挑战。本文提出了一种基于深度生成模型的数据增强方法,结合了“U-Net”“Self-Attention”和“CGAN”技术,生成高质量的地铁站台停留人员数据。实验结果表明,该方法显著降低了预测模型误差(降低26.27%),特别是在生成数据与真实数据之比为3∶1时,提升效果尤为显著。这项研究为解决数据获取困难提供了新思路,并在空调系统优化中显示出应用潜力。

关 键 词：生成对抗网络 地铁站 人员在室率建模 深度学习 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TU921[自动化与计算机技术—控制科学与工程] TU111.195[建筑科学—建筑设计及理论]