1.基于双目体感识别技术的公交车发车间隔确定方法，其特征在于，包括以下步骤：步骤1：采集车辆在每一公交站的上、下车乘客数，计算相邻两个公交站之间的公交车车厢内的站立乘客数；具体的说，公交车在第i和第i+1公交站之间的车厢内的站立乘客数Qi的计算方法为：式中，n为公交站总数；Qui为第i公交站的上车人数；Qdi为第i公交站的下车人数；Qa为车辆核定座位数，含1个驾驶员座位；

步骤2：根据步骤1得到的公交车车厢内的站立乘客数，利用车辆轴距内站立密度模型，得到相邻两个公交站之间公交车的轴距内站立密度；所述车辆轴距内站立密度模型为：式中，i为第i个公交站；ρi0为车辆在第i和第i+1公交站之间的轴距内站立密度；

步骤3：将轴距内站立密度划分为三个水平，分别计算轴距内不同站立密度水平下的公交站间数占总公交站间数的比重，具体为：式中，λk为轴距内不同站立密度水平下的公交站间数占总公交站间数的比重；a1为0＜ρi0≤1.42的公交站间数；a2为1.42＜ρi0≤5的公交站间数；a3为ρi0＞5的公交站间数；

步骤4：根据步骤3得到的轴距内不同站立密度水平下的公交站间数占总公交站间数的比重，利用站间数比重判断逻辑判定公交车的运行状况，具体的说，站间数比重判断逻辑为：(1)优先判断λ3，当λ3≥20％时，判定为车辆处于高峰时段运行；

(2)优先判断λ3，再判断λ2，当λ3＜20％且λ2≥50％时，判定为车辆处于平峰时段运行；

(3)优先判断λ3，再判断λ2，当λ3＜20％且λ2＜50％时，判定为车辆处于低峰时段运行；

若判定为高峰时段运行，则根据高峰时段的发车间隔模型计算发车时间间隔；

所述高峰时段的发车间隔模型为：

其中，ηpeak为高峰时段发车间隔；λ3为ρi0＞5的站间数比重；ηmin为发车间隔最小值；

若判定为平峰时段运行，则发车时间间隔不变；

平峰时段运行时车辆发车间隔的计算方法为：

式中，η0为平峰时段发车间隔；Td为公交线路的首末班车时间差；C为公交车辆每天定额的往返行程次数；m为公交线路总配车数；d为每天正在维修保养和轮值休息的车辆数占总配车数的比例；

若判定为低峰时段运行，则根据低峰时段的发车间隔模型计算发车时间间隔；

所述低峰时段的发车间隔为：

其中，ηlow为低峰时段发车间隔；λ1为0＜ρi0≤1.42的站间数比重；ηmax为发车间隔最大值；dmax为维修保养和轮值车辆占总配车数比例的最大值。

2.基于双目体感识别技术的公交车发车间隔系统，其特征在于，应用权利要求1所述的公交车发车间隔确定方法，包括：客流数据采集系统和中央处理器；

客流数据采集系统，用于获取车辆在每个公交站的上车乘客数和下车乘客数，并发送给所述中央处理器；

中央处理器，用于根据接收的每个公交站的上车乘客数和下车乘客数，计算相邻两个公交站之间的公交车车厢内的站立乘客数；

用于根据获取的公交车车厢内的站立乘客数，利用车辆轴距内站立密度模型，得到相邻两个公交站之间公交车的轴距内站立密度；

用于将轴距内站立密度划分为三个水平，分别计算轴距内不同站立密度水平下的公交站间数占总公交站间数的比重；

用于根据轴距内不同站立密度水平下的公交站间数占总公交站间数的比重，利用站间数比重判断逻辑判定公交车的运行状况，所述公交车的运行状况包括高峰时段运行、平峰时段运行和低峰时段运行，若判定为高峰时段运行，则根据高峰时段的发车间隔模型计算发车时间间隔；若判定为平峰时段运行，则发车时间间隔不变；若判定为低峰时段运行，则根据低峰时段的发车间隔模型计算发车时间间隔。

3.根据权利要求2所述的基于双目体感识别技术的公交车发车间隔系统，其特征在于，所述客流数据采集系统包括一个客流分析仪和两个双目体感客流调查器；两个所述双目体感客流调查器分别安装在公交车前、后车门上方，每个所述双目体感客流调查器用于通过摄像头采集视频图像，并将采集的视频图像发送给所述客流分析仪，所述客流分析仪用于分析处理视频图像得到上车人数和下车人数，所述客流分析仪将得到上车人数和下车人数通过车辆CAN总线发送给车载监控主机，所述车载监控主机将接收到的上车人数和下车人数通过无线通信发送给所述中央处理器。

4.根据权利要求3所述的基于双目体感识别技术的公交车发车间隔系统，其特征在于，所述客流分析仪的型号为TM820X。