CN100583171C - 基于客流预测和自适应仿真的拥挤预警系统 - Google Patents
基于客流预测和自适应仿真的拥挤预警系统 Download PDFInfo
- Publication number
- CN100583171C CN100583171C CN200810042482A CN200810042482A CN100583171C CN 100583171 C CN100583171 C CN 100583171C CN 200810042482 A CN200810042482 A CN 200810042482A CN 200810042482 A CN200810042482 A CN 200810042482A CN 100583171 C CN100583171 C CN 100583171C
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- module
- block
- crowded
- self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种计算机仿真技术领域的基于客流预测和自适应仿真的拥挤预警系统，包括：现场建模模块、测量模块、数据存取模块、客流预测模块、客流自适应仿真模块、拥挤预警模块、实施拥挤预案模块，现场建模块通过对现场进行建模，测量模块对现场人数进行测量，数据保存在数据存取模块中，客流预测模块根据历史数据对未来时间内进行预测，客流自适应仿真模块预测数据生成相应数量的游客，并对游客的移动进行仿真，并对仿真参数和模型进行自适应调整，拥挤预警模块根据对现场拥挤状态的评估，发出拥挤预警，由实施拥挤预案模块选择预案实施。本发明不仅可以在活动举行之前对预案进行分析和验证，还可以在活动举行过程中预案的实现效果进行预测。
Description
技术领域
本发明涉及一种计算机仿真技术领域的系统，具体是一种基于客流预测和自适应仿真的拥挤预警系统。
背景技术
应用信息技术实现客流引导能够加快人们对信息的处理速度，并能够为人们进行决策提供帮助。此外能够为游客提供全面和特需的信息，是目前旅游业的技术改进和研究方面备受瞩目的技术。但目前的研究中应用于客流引导的信息技术多在客流的测量、旅游信息提供、定制旅游信息、信息发布手段等方面。例如信息发布手段探讨了如何利用手机等无线方式、电视等公众媒体方式为游客提供信息；使用红外、压力感应、图像、视频等方式进行客流的测量；为不同文化背景的游客提供不同语言、不同内容的信息；为不同兴趣爱好的游客有重点的推荐感兴趣的内容等。但这些技术没有专门针对拥挤和客流引导。
经对现有技术的文献检索发现，专利申请号为200480034292.5的中国专利，专利名称为《经由无线控制的关于人群集中的中心的人流管理》，该专利提出了在娱乐场所控制多个吸引人地点、集中点人流的方法和系统。系统中使用无线手段(移动电话)或电视等手段进行客流引导。但这个专利是基于主题公园的背景，在该环境下系统可以明确得知某项娱乐项目单位时间能够招待的精确人数，从而对排队的游客进行引导。然而这种引导客流的系统并不是通用的，尤其是不适用于一些公共的展览馆和公共场所等发生无法明确参与活动人数的场所。
发明内容
本发明针对公共场所的客流引导，提出了一种基于客流预测和自适应仿真的拥挤预警系统，通过对活动现场进行建模处理，将活动现场分为多个区块，对区块出入口进行客流测量，记录历史客流测量数据，根据历史数据建立区块间客流的流动模型，并根据实际客流测量的结果，对客流进行自适应的预测和仿真，根据对给定时间提前量的客流预测和仿真的结果对未来时段的拥挤状态进行评估，并在拥挤形成前发出拥挤预警。系统管理人员可根据系统发出的预警等级采取拥挤预案，对客流进行引导。
本发明是通过以下技术方案实现的，本发明包括：现场建模模块、测量模块、数据存取模块、客流预测模块、客流自适应仿真模块、拥挤预警模块、实施拥挤预案模块，其中：
现场建模模块负责在系统启用前将待监控的预防拥挤现场进行建模，其他模块均基于建模形成的现场进行工作；
测量模块负责在现场中的各个测量点采用红外、图像、视频等处理技术对区块内的游客人数进行测量和计算，并将测得的人流数据输入到数据存取模块；
数据存取模块记录系统在运行过程中，历史上的客流测量数据、预测数据、拥挤预警发出时间、拥挤预案的实施时刻和持续时间等数据，这些数据提供给客流预测模块和客流自适应仿真模块调用；
客流预测模块根据历史客流的变化情况，以及拥挤引导预案实施状态，对当天或者第二天内某一时刻出入的客流进行预测，并将预测数据存入数据存储模块；
客流自适应仿真模块根据预测的客流、实际测量的客流、采用的拥挤引导预案等参数，对游客的移动过程进行仿真，客流自适应仿真模块对全部游客的移动过程进行统计，根据统计结果和实际测量结果对现场建模参数进行自适应调整，并重新进行仿真以使仿真结果更符合现场情况，同时，客流自适应仿真模块根据仿真的结果，判断给定时间内现场的拥挤状态，结果传输给拥挤预警模块；
拥挤预警模块根据客流预测模块的评估结果，给出预警级别和预警区块；
实施拥挤预案模块，根据拥挤预警模块发出的预警级别和预警区块，实施相应的的拥挤预案，并将实施的预案情况反馈给数据存取模块，实施拥挤预案之后重新启动客流预测模块和客流自适应仿真模块，其中，拥挤预案是针对某些区块中发生拥挤或者即将发生拥挤时应用的引导人流的方法包括：布控法和疏导法，布控法是指在继续向拥挤处流入人流的位置进行流量的控制，以减少流入的客流数；疏导法是指在拥挤处提醒人流拥挤状态，引导人流流出，为保证安全，同时要控制人流移动速度。
所述的现场建模模块，将现场分为若干个区块，区块包括五种类型：出入口、开放型道路、封闭性道路(包括桥梁)、休息区、活动区，现场建模模块通过如下参数仿真各个区块：容积、客流走向(单向还是双向)、类型或宽度长度、实测客流测量点位置、拥挤度、正常疏散时间，活动区还有吸引度、演出时刻、演出时长、平均参观时间(无演出时)等参数。
所述的数据存取模块，是系统数据保存和获取的中心，将预测数据和实际测量数据进行记录，并响应其他模块，为其他模块提供保存数据和读取数据，例如客流预测模块和客流自适应仿真模块对数据的请求。
所述的客流预测模块是对出入口类型区块流入和流出的人流做给定预先时间内的预测，预测以星期为周期，本星期的预测客流根据上几个星期的实际测量出的客流数据按照客流增长的速度进行调整。
所述的客流自适应仿真模块，包括：游客仿真子模块和参数自适应调整子模块，其中：游客仿真子模块是对单个游客进行游览过程进行仿真，并对全部游客的移动过程进行统计；参数自适应调整子模块是对所有游客的仿真结果进行统计，并根据统计结果和现实测量数据的不同对游客仿真子模块中的参数进行自适应的调整。
所述的游客仿真子模块以客流预测数据为基础，生成相应数据的游客，模拟游客在各个区块中的活动，仿真设定具体如下：设定游客访问所有的活动区，从游客进入一个出入口区块开始，有选择的访问休息区等区块，然后选择下一个活动区块，下一个活动区块是未访问过的区块，并根据活动区块的吸引度、演出时间、拥挤度等参数以及一定的随机量来决定；选定要访问的区块后，根据现场模型，选择途径的道路和休息区，游客访问区块的时间根据当时游客自身的状态、区块的类型和区块的拥挤情况而确定；游客在访问了所有的活动区后，通过一个出入口离开，尽管单个游客的仿真并不具备很高的准确性，但全部游客的仿真结果则能很好地表现出的全体游客的集体行为。
所述的参数自适应调整子模块，首先将仿真的结果与现场实测数据相比对，当仿真结果和实测数据发生了较大偏差时，将对现场建模中的参数进行自适应的调整，参数调整完毕后重新调用游客仿真子模块启动游客仿真，这种参数自适应的调整过程将每隔一段时间进行。
所述的拥挤预警模块，是对未来给定时期内现场各区块中的拥挤状态进行预测，并做出黄、橙、红三级拥挤的预警，如果在某一区块中人数超过区块的容积，且未来净流入人数大于0时，发出该区块的黄色拥挤预警；在某一区块人数超过区块容积的1.2倍，且未来净流入人数大于0时，发出该区块的橙色拥挤预警；在区块人数超过区块容积的1.2倍，且未来净流入人数将在疏散时间内使区块人数达到容积的1.5倍时，发出该区块的红色预警。
所述净流入人数是指区块内流入的人数减去流出的人数。
所述的实施拥挤预案模块，其根据未来可能发生拥挤的区块位置以及拥挤预警的等级而采取的拥挤预案，当发生拥挤的区块数量不多或者较为分散的情况下，多采用区块疏导法；在发生拥挤的区块数量较多时，且拥挤区块较为集中时，多采用区块布控法。
所述实施拥挤预案模块，提供人机界面供现场管理人员选择要实施的预案，并将已实施预案等数据发送给数据存取模块。
本发明工作时，鉴于拥挤是发生踩踏等安全事故的内在原因，而拥挤状态是随着时间而不断变化的，现场建模模块仿真出拥挤现场，并由客流预测模块在一定时间提前量下对未来的拥挤状态进行预报，从而可使管理人员采取预案，并防范拥挤可能带来安全隐患。另外，客流自适应仿真模块根据客流预测模块和测量模块的数据对现场建模参数进行调整，使仿真更好的符合现场情况，并能够一定程度上反映引发客流移动的因素，例如区块对客流的吸引度的高低、演出时刻的安排，这些因素及其对客流的影响可以作为现场管理人员安排场地以及安排演出活动时刻表的依据。拥挤预警模块根据客流预测模块的评估结果，给出预警级别和预警区块，并由实施拥挤预案模块给出相应的措施。
与现有技术相比，本发明具有如下有益效果：
1、本发明通过仿真单一游客的行为，并根据全体游客形成的客流数据调整仿真参数，以期符合实测数据。这种仿真和自适应调整的过程不受场地和人员数量限制，可很灵活的应用于开放和封闭的不同环境；
2、本发明可在大型活动召开之前运行，在未发生拥挤的情况下，即可模拟拥挤的发生和转换，从而防患于未然；
3、本发明可对拥挤预案进行仿真，这样，不仅可以在活动举行之前对预案进行分析和验证，还可以在活动举行过程中预案的实现效果进行预测，管理人员可根据预测结果改变实施的预案，以更好的疏散人群；
4、采用本发明系统后，单一展览馆的每日客流量在保证不出现拥堵状态的情况下，可提高游客量约2成。
附图说明
图1为本发明系统结构框图；
图2为本发明中的客流自适应仿真模块的游客仿真子模块工作流程图；
图3为本发明中的客流自适应仿真模块的参数自适应调整子模块工作流程图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例包括：现场建模模块、测量模块、数据存取模块、客流预测模块、客流自适应仿真模块、拥挤预警模块、实施拥挤预案模块，其中：
现场建模模块负责在系统启用前将待监控的预防拥挤现场进行建模，其他模块均基于建模形成的现场进行工作；
测量模块负责在现场中的各个测量点采用红外、图像、视频等处理技术对区块内的游客人数进行测量和计算，并将测得的人流数据输入到数据存取模块；
数据存取模块记录系统在运行过程中，历史上的客流测量数据、预测数据、拥挤预警发出时间、拥挤预案的实施时刻和持续时间等数据，这些数据提供给客流预测模块和客流自适应仿真模块调用；
客流预测模块根据历史客流的变化情况，以及拥挤引导预案实施状态，对当天或者第二天内某一时刻出入的客流进行预测，并将预测数据存入数据存储模块；本实施例中，客流预测模块采用的预测的方法具体如下：
其中，N(wi，Hj，Mk)是系统开始运行以来第i周、第j天、k点钟的平均人流速度(人/分钟)，N(wi)是第i周的总流入客流，N(Dj)是第j天总流入客流。如果i＝2，则N(wi，Dj，Hk)＝N(wi-1，Dj-7，Hk)；如果i＝1，由于没有多少历史数据可做参考，N(wi，Dj，Hk)＝N(wi，Dj-1，Hk)。
客流自适应仿真模块根据预测的客流、实际测量的客流、采用的拥挤引导预案等参数，对游客的移动过程进行仿真，客流自适应仿真模块对全部游客的移动过程进行统计，根据统计结果和实际测量结果对现场建模参数进行自适应调整，并重新进行仿真以使仿真结果更符合现场情况，同时，客流自适应仿真模块根据仿真的结果，判断给定时间内现场的拥挤状态，结果传输给拥挤预警模块；
拥挤预警模块根据客流预测模块对未来给定时间内发生拥挤情况的严重性进行评估，并给出预警级别和预警区块；通常，如果在区块人数超过区块的容积，且未来净流入人数大于0时，发出黄色拥挤预警；在区块人数超过区块容积的1.2倍，且未来净流入人数大于0时，发出橙色拥挤预警；在区块人数超过区块容积的1.2倍，且未来净流入人数将在疏散时间内使区块人数达到容积的1.5倍时，发出红色预警。
实施拥挤预案模块，根据拥挤预警模块发出的预警级别和预警区块，实施相应的的拥挤预案，并将实施的预案情况反馈给数据存取模块，实施拥挤预案之后重新启动客流预测模块和客流自适应仿真模块，其中，拥挤预案是针对某些区块中发生拥挤或者即将发生拥挤时应用的引导人流的方法包括：布控法和疏导法，布控法是指在继续向拥挤处流入人流的位置进行流量的控制，以减少流入的客流数；疏导法是指在拥挤处提醒人流拥挤状态，引导人流流出，为保证安全，同时要控制人流移动速度。
所述的客流自适应仿真模块，包括：游客仿真子模块和参数自适应调整子模块，其中：游客仿真子模块是对单个游客进行游览过程进行仿真，并对全部游客的移动过程进行统计；参数自适应调整子模块是对所有游客的仿真结果进行统计，并根据统计结果和现实测量数据的不同对游客仿真子模块中的参数进行自适应的调整。
如图2所示，所述游客仿真子模块，其根据客流预测模块的预测数据，生成相应数量的游客。单个游客的仿真流程是首先选择进入现场的出入口区块，其次选择要访问的下一个区块，根据区块参数以及区块中游客的数量确定区块的访问时间，在游客离开活动现场之前，会不断选择下一个要访问的区块，并进行访问。与单个游客的仿真流程同时进行的还有全体游客的统计流程。所有在仿真中生成的游客对象都会存放在一个游客队列之中，给定时间间隔会统计各区块中的游客数量，并将数据保存到数据存取模块中。
游客在选择下一个要访问的区块时，综合考虑区块的每一个参数，计算区块的优先度：
R＝a*(1-distRate)+b*hotRate+c*tiringRate+d*visitedRate+e*(1-crowdRate)+ε
其中，R为某一区块的优先度，a为距离因素所占比重，distRate为当前区块到评估区块的距离与现场最长距离的比值，b为区块的热门度(即对游客的吸引程度)在游客选择过程中所占比重，hotRate为区块的热门度，c为游客的疲劳程度在游客选择过程中所占比重，tiringRate为游客的疲劳度，d为已访问过参数在游客选择过程中所占比重，如果游客已经到过该区块，则visitedRate为0，否则为1，e为区块拥挤程度在游客选择过程中所占比重，crowdRate为区块的拥挤程度，ε表示其他影响优先度的随机因素。获得最大优先度的区块被选择为下一个要访问的区块。从当前区块到下一个要访问区块的路径上，得分高的区块被选中为途径区块。
每一个区块的访问时间则可由如下公式来确定：
T＝expectingVisitTime*(1+p*crowdRate)+η
其中T为区块访问时间，expectingVisitTime为平均期望访问时间，p为拥挤对访问时间的影响参数，η表示其他影响访问时间的随机因素。
如图3所示，所述参数自适应调整子模块，其比较游客仿真子模块的仿真结果和实测数据的差，如果差距大于阈值，则启动自适应的参数调整，参数调整的最终数据发给数据存取模块，并根据调整后的参数重新启动游客的仿真过程。仿真过程会在当天活动进行过程中不断进行，并等待系统设置的时间间隔再次进行自适应参数的调整。
调整过程重点调整的参数为游客选择下一个区块中的参数：a、b、hotRate，以及区块访问时间的expectingVisitTime。调整过程为迭代式，即对参数依次进行调整后再次进行仿真，如果仿真结果比之前的仿真结果有所改善，则继续对该参数进行调整，知道仿真结果不再改善或者变坏。为防止每天的参数调整比较频繁和剧烈，第二天的初始参数被设置为前一天调整参数的平均值。
所述的实施拥挤预案模块，其根据未来可能发生拥挤的区块位置以及拥挤预警的等级而采取的拥挤预案，当发生拥挤的区块数量不多或者较为分散的情况下，多采用区块疏导法；在发生拥挤的区块数量较多时，且拥挤区块较为集中时，多采用区块布控法。
所述实施拥挤预案模块，提供人机界面供现场管理人员选择要实施的预案，并将已实施预案等数据发送给数据存取模块。
本实施例通过仿真单一游客的行为，并根据全体游客形成的客流数据调整仿真参数，不受场地和人员数量限制，可很灵活的应用于开放和封闭的不同环境；本实施例可对拥挤预案进行仿真，不仅可以在活动举行之前对预案进行分析和验证，还可以在活动举行过程中预案的实现效果进行预测，管理人员可根据预测结果改变实施的预案，以更好的疏散人群。
Claims (9)
1、一种基于客流预测和自适应仿真的拥挤预警系统，其特征在于，包括：现场建模模块、测量模块、数据存取模块、客流预测模块、客流自适应仿真模块、拥挤预警模块、实施拥挤预案模块，其中：
现场建模模块负责在系统启用前将待监控的预防拥挤现场进行建模，其他模块均基于建模形成的现场进行工作；
测量模块负责在现场中的各个测量点采用红外、图像、视频处理技术对区块内的游客人数进行测量和计算，并将测得的人流数据输入到数据存取模块；
数据存取模块记录系统在运行过程中的历史客流测量数据、预测数据、拥挤预警发出时间数据、拥挤预案的实施时刻数据和持续时间数据，所记录的这些数据提供给客流预测模块和客流自适应仿真模块调用；
客流预测模块根据历史客流的变化情况，以及拥挤引导预案实施状态，对当天或者第二天内某一时刻出入的客流进行预测，并将预测数据存入数据存储模块；
客流自适应仿真模块根据预测的客流、实际测量的客流、采用的拥挤引导预案参数，对游客的移动过程进行仿真，客流自适应仿真模块对全部游客的移动过程进行统计，根据统计结果和实际测量结果对现场建模参数进行自适应调整，并重新进行仿真以使仿真结果更符合现场情况，同时，客流自适应仿真模块根据仿真的结果，判断给定时间内现场的拥挤状态，结果传输给拥挤预警模块；
拥挤预警模块根据客流预测模块的评估结果，给出预警级别和预警区块；
实施拥挤预案模块，根据拥挤预警模块发出的预警级别和预警区块，实施相应的的拥挤预案，并将实施的预案情况反馈给数据存取模块，实施拥挤预案之后重新启动客流预测模块和客流自适应仿真模块，其中，拥挤预案是针对某些区块中发生拥挤或者即将发生拥挤时应用的引导人流的方法，包括：布控法和疏导法，布控法是指在继续向拥挤处流入人流的位置进行流量的控制，以减少流入的客流数；疏导法是指在拥挤处提醒人流拥挤状态，引导人流流出，为保证安全，同时要控制人流移动速度。
2、根据权利要求1所述的基于客流预测和自适应仿真的拥挤预警系统，其特征是，所述的现场建模模块，将现场分为若干个区块，区块包括五种类型：出入口、开放型道路、封闭性道路、休息区、活动区，现场建模模块通过如下参数仿真各个区块：容积、客流走向、类型或宽度长度、实测客流测量点位置、拥挤度、正常疏散时间，活动区包括如下参数：吸引度、演出时刻、演出时长、平均参观时间。
3、根据权利要求1所述的基于客流预测和自适应仿真的拥挤预警系统，其特征是，所述的客流预测模块是对出入口类型区块流入和流出的人流做给定预先时间内的预测，预测以星期为周期，本星期的预测客流根据上几个星期的实际测量出的客流数据按照客流增长的速度进行调整。
4、根据权利要求1所述的基于客流预测和自适应仿真的拥挤预警系统，其特征是，所述的客流自适应仿真模块，包括：游客仿真子模块和参数自适应调整子模块，其中：游客仿真子模块是对单个游客进行游览过程进行仿真；参数自适应调整子模块是对所有游客的仿真结果进行统计，并根据统计结果和现实测量数据对游客仿真子模块中的参数进行自适应的调整。
5、根据权利要求4所述的基于客流预测和自适应仿真的拥挤预警系统，其特征是，所述的游客仿真子模块以客流预测数据为基础，生成相应数据的游客，模拟游客在各个区块中的活动，设定游客访问所有的活动区，从游客进入一个出入口区块开始，有选择的访问休息区块，然后选择下一个活动区块，下一个活动区块是未访问过的区块，并根据活动区块的吸引度、演出时间、拥挤度参数来决定；选定要访问的区块后，根据现场模型，选择途径的道路和休息区，游客访问区块的时间根据当时游客自身的状态、区块的类型和区块的拥挤情况而确定；游客在访问了所有的活动区后，通过一个出入口离开。
6、根据权利要求4所述的基于客流预测和自适应仿真的拥挤预警系统，其特征是，所述的参数自适应调整子模块，首先将仿真的结果与现场实测数据相比对，当仿真结果和实测数据发生了较大偏差时，将对现场建模中的参数进行自适应的调整，参数调整完毕后重新调用游客仿真子模块启动游客仿真，这种参数自适应的调整过程将每隔一段时间进行。
7、根据权利要求1所述的基于客流预测和自适应仿真的拥挤预警系统，其特征是，所述的拥挤预警模块，是对未来给定时期内现场各区块中的拥挤状态进行预测，并做出黄、橙、红三级拥挤的预警，如果在某一区块中人数超过区块的容积，且未来净流入人数大于0时，发出该区块的黄色拥挤预警；在某一区块人数超过区块容积的1.2倍，且未来净流入人数大于0时，发出该区块的橙色拥挤预警；在区块人数超过区块容积的1.2倍，且未来净流入人数将在疏散时间内使区块人数达到容积的1.5倍时，发出该区块的红色预警。
8、根据权利要求1所述的基于客流预测和自适应仿真的拥挤预警系统，其特征是，所述的实施拥挤预案模块，其根据未来可能发生拥挤的区块位置以及拥挤预警的等级而采取拥挤预案，当发生拥挤的区块数量较少或者分散的情况下，采用区块疏导法；在发生拥挤的区块数量较多时，且拥挤区块集中时，采用区块布控法。
9、根据权利要求1或8所述的基于客流预测和自适应仿真的拥挤预警系统，其特征是，所述实施拥挤预案模块，提供人机界面供现场管理人员选择要实施的预案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200810042482A CN100583171C (zh) | 2008-09-04 | 2008-09-04 | 基于客流预测和自适应仿真的拥挤预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200810042482A CN100583171C (zh) | 2008-09-04 | 2008-09-04 | 基于客流预测和自适应仿真的拥挤预警系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101350113A CN101350113A (zh) | 2009-01-21 |
| CN100583171C true CN100583171C (zh) | 2010-01-20 |
Family
ID=40268891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200810042482A Expired - Fee Related CN100583171C (zh) | 2008-09-04 | 2008-09-04 | 基于客流预测和自适应仿真的拥挤预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100583171C (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107180270A (zh) * | 2016-03-12 | 2017-09-19 | 上海宏理信息科技有限公司 | 客流预测方法及系统 |
| CN108416464A (zh) * | 2018-01-31 | 2018-08-17 | 山东汇贸电子口岸有限公司 | 一种基于手机移动终端的客流预测方法及系统 |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102117510B (zh) * | 2011-04-01 | 2012-12-12 | 上海电科智能系统股份有限公司 | 一种大型活动中未知交通方式来源客流推测方法 |
| CN102324123A (zh) * | 2011-05-23 | 2012-01-18 | 李祥夫 | 一种定时人数统计装置 |
| CN102592398A (zh) * | 2012-02-20 | 2012-07-18 | 华焦宝 | 陈列室参观人数超限报警方法及系统 |
| CN102982429A (zh) * | 2012-11-02 | 2013-03-20 | 北京京东世纪贸易有限公司 | 一种输出仓储生产预警信息的方法和装置 |
| EP2784729A1 (en) * | 2013-03-25 | 2014-10-01 | Amadeus | Method and system for detecting anomaly in passenger flow |
| CN103473620B (zh) * | 2013-09-26 | 2016-09-21 | 青岛海信网络科技股份有限公司 | 综合客运枢纽多交通方式预测方法及系统 |
| JP6177715B2 (ja) * | 2014-03-12 | 2017-08-09 | 株式会社日立製作所 | 駅混雑予測装置及び駅混雑情報提供システム |
| CN105404850B (zh) * | 2015-10-21 | 2019-03-05 | 中南大学 | 车站客流监测系统、车站客流监测方法及车站客流管控系统、车站客流管控方法 |
| CN105516370B (zh) * | 2016-02-05 | 2019-03-12 | 携程计算机技术（上海）有限公司 | 实时推送系统及方法 |
| JP6062124B1 (ja) * | 2016-03-03 | 2017-01-18 | 三菱電機株式会社 | 混雑予測装置および混雑予測方法 |
| CN106156890B (zh) * | 2016-07-07 | 2018-06-29 | 北京交通大学 | 一种城市轨道交通通道内客流检测和预测方法及其系统 |
| CN106528747A (zh) * | 2016-10-28 | 2017-03-22 | 郑州云海信息技术有限公司 | 一种旅游景点筛选系统及方法 |
| CN106910005A (zh) * | 2017-01-17 | 2017-06-30 | 北京万相融通科技股份有限公司 | 一种车站客流量趋势预测及统计分析方法 |
| CN106897838A (zh) * | 2017-01-24 | 2017-06-27 | 北京万相融通科技股份有限公司 | 一种车站客流压力预测与统计分析方法及其系统 |
| CN107403254B (zh) * | 2017-06-29 | 2022-03-22 | 浩鲸云计算科技股份有限公司 | 基于交通节点客流预测的运力安排方法 |
| CN109410489B (zh) * | 2018-10-22 | 2021-07-30 | 公安部上海消防研究所 | 一种用于大型综合体的应急人员智能疏散系统 |
| CN109191738B (zh) * | 2018-10-22 | 2021-07-30 | 公安部上海消防研究所 | 一种基于动态人流量监测的智能疏散方法和系统 |
| CN111476691A (zh) * | 2019-01-23 | 2020-07-31 | 上海新联纬讯科技发展股份有限公司 | 一种客流预测系统及预测方法 |
| CN109995852B (zh) * | 2019-03-11 | 2021-12-17 | 南京邮电大学 | 一种基于移动物联网的智慧旅游系统 |
| CN110414766B (zh) * | 2019-05-27 | 2022-06-21 | 北京全路通信信号研究设计院集团有限公司 | 一种应对突发大客流的客流疏导与行车组织协同调整方法 |
| CN110246261B (zh) * | 2019-06-12 | 2022-03-25 | 深圳前海微众银行股份有限公司 | 引导排队的方法、装置、设备及计算机可读存储介质 |
| CN111126697B (zh) * | 2019-12-24 | 2024-01-23 | 范士喜 | 人员情况预测方法、装置、设备及存储介质 |
| CN111612327B (zh) * | 2020-05-18 | 2021-05-18 | 广州云从人工智能技术有限公司 | 一种调度方法、系统、机器可读介质及设备 |
| CN111652161A (zh) * | 2020-06-08 | 2020-09-11 | 上海商汤智能科技有限公司 | 人群过密预测方法、装置、电子设备及存储介质 |
| CN111653010A (zh) * | 2020-06-11 | 2020-09-11 | 中国建设银行股份有限公司 | 无人经营场所客流量智能控制系统及方法 |
| CN111915862A (zh) * | 2020-09-10 | 2020-11-10 | 深圳市万佳安人工智能数据技术有限公司 | 一种室内人群密集监测预警装置、系统及方法 |
| CN112381974B (zh) * | 2020-11-16 | 2022-03-22 | 成都中科大旗软件股份有限公司 | 文博场馆客流预警系统 |
| CN114091757B (zh) * | 2021-11-23 | 2022-11-08 | 成都智元汇信息技术股份有限公司 | 基于客流分析预测的公交、地铁智能调度方法 |
-
2008
- 2008-09-04 CN CN200810042482A patent/CN100583171C/zh not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107180270A (zh) * | 2016-03-12 | 2017-09-19 | 上海宏理信息科技有限公司 | 客流预测方法及系统 |
| CN108416464A (zh) * | 2018-01-31 | 2018-08-17 | 山东汇贸电子口岸有限公司 | 一种基于手机移动终端的客流预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101350113A (zh) | 2009-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100583171C (zh) | 基于客流预测和自适应仿真的拥挤预警系统 | |
| Zeng et al. | Development of recurrent neural network considering temporal‐spatial input dynamics for freeway travel time modeling | |
| Wu et al. | Determination if VISSIM and SSAM could estimate pedestrian-vehicle conflicts at signalized intersections | |
| Abdelgawad et al. | Emergency evacuation planning as a network design problem: a critical review | |
| Shalaby et al. | Prediction model of bus arrival and departure times using AVL and APC data | |
| Goodall et al. | Microscopic estimation of freeway vehicle positions from the behavior of connected vehicles | |
| Dixit et al. | Validation techniques for region-level microscopic mass evacuation traffic simulations | |
| Chen et al. | When traffic flow prediction and wireless big data analytics meet | |
| Pel et al. | Modelling traveller behaviour under emergency evacuation conditions | |
| Peng et al. | Combined variable speed limit and lane change guidance for secondary crash prevention using distributed deep reinforcement learning | |
| Padiath et al. | Prediction of traffic density for congestion analysis under Indian traffic conditions | |
| CN110415517A (zh) | 一种基于车辆行驶轨迹的道路拥堵精准预警系统及方法 | |
| Wang et al. | Urban intelligent parking system based on the parallel theory | |
| Dobler et al. | Within-day replanning of exceptional events | |
| Bahaaldin et al. | A Case Study on the Impacts of Connected Vehicle Technology on No‐Notice Evacuation Clearance Time | |
| Teo et al. | SecureRails: towards an open simulation platform for analyzing cyber-physical attacks in railways | |
| Chien et al. | Scheduling highway work zones with genetic algorithm considering the impact of traffic diversion | |
| Samson et al. | Crowd dynamics and control in high-volume metro rail stations | |
| JP2009209544A (ja) | 水利用施設の管理システム | |
| Lee et al. | A multi-paradigm simulation for the implementation of digital twins in surveillance applications | |
| Hamdar et al. | Travel time reliability versus safety: A stochastic hazard-based modeling approach | |
| Yang et al. | Impacts of Pedestrians on Capacity and Delay of Major Street Through Traffic at Two‐Way Stop‐Controlled Intersections | |
| Heshami et al. | A stochastic microscopic based freeway traffic state and spatial-temporal pattern prediction in a connected vehicle environment | |
| Yang et al. | Queue length estimation for a metered on-ramp using mesoscopic simulation | |
| Li et al. | Development of analytical procedure for selection of control measures to reduce congestions at various freeway bottlenecks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100120 Termination date: 20120904 |