CN103136703A - 一种统计处理游客密度分布的方法及系统 - Google Patents
一种统计处理游客密度分布的方法及系统 Download PDFInfo
- Publication number
- CN103136703A CN103136703A CN2012105958732A CN201210595873A CN103136703A CN 103136703 A CN103136703 A CN 103136703A CN 2012105958732 A CN2012105958732 A CN 2012105958732A CN 201210595873 A CN201210595873 A CN 201210595873A CN 103136703 A CN103136703 A CN 103136703A
- Authority
- CN
- China
- Prior art keywords
- visitor
- data
- sight
- density
- scenic spot
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于数据处理技术领域,提供了一种统计处理游客密度分布的方法及系统,通过获取游客在景区的流动时间、观赏时间、观赏位置、状态信息,自动统计景区或某个景点的游客密度分布,通过密度分布预测模型预测游客的流通速度和游览的去向,为景区或游客调节游览顺序提供科学依据,避免了景点过于拥挤从而导致游客的游玩质量;通过游客密度实时分布,并采取恰当的措施分流疏导,使得旅游资源合理分配,进一步保护了旅游环境,减少了旅游活动对环境及设施的损坏;增强了旅游景区的管理能力、提高了旅游产品质量安全水平、促进了旅游行业的健康发展,对旅游景点的个性化服务意义重大。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种统计处理游客密度分布的方法及系统。
背景技术
随着现代旅游业的迅猛发展,旅游业正成为世界上许多国家贸易和服务业中最为活跃的部分,世界旅游业的产业规模也在迅速扩大,旅游也逐步成为许多国家国民经济的支柱性产业,并带动其他产业的发展。他们在满足世界各国人民的物质与精神文明需要的同时,也为世界上许多国家的经济发展做出积极的贡献。
但是,大多数旅游景区由于在前期开发和基础设施建设方面缺乏预测和规划,好多求全,重复建设,盲目攀比,导致在旅游淡季,大量的设施设备闲置;在旅游旺季,通往旅游地的交通设施严重超载,旅游景点人满为患,拥挤造成的游客伤亡事故频频发生,旅游设施不堪重负而遭到严重破坏,旅游环境被污染,旅游资源遭到破坏,从而带来土壤板结化、水质富营养化、生物群种减少、旅游生态系统受损等一系列的生态问题同时,老的旅游地大多到了难以扩大容量的地步,新旅游地的开发速度则常常远低于旅游需求的增长速度,可以说是在已经超载的压力下进行开发建设工作。
因此,“旅游摧毁旅游”的现象越来越引起全世界人们的关注,越来越多的国家与人们开始对旅游地的旅游密度进行系统深入的研究,提出了相应的旅游开发和旅游控制措施,寻求合理的旅游游客密度以使游客旅游活动与自然环境保护相协调,走旅游业可持续性发展道路,从而更好提高游客的旅游质量和旅游产业的服务水平。
在旅游可持续性发展的前提条件下,旅游游客密度定义为:在保证旅游资源质量不下降和生态环境不退化的前提下既能满足游客探险猎奇,增长知识,开阔视野,陶冶情操等精神需求与饮食起居的舒适、安全、卫生、方便等物质需求,又能带动旅游地经济建设和人民生活水平不断提高,一定时间和空间范围内,允许容纳游客的最大承载能力,一般量化为旅游地接待的旅游人数值。
目前,大部分旅游景区采用传统的采用纸票人工售票及景区入口人工检票的方式,并通过传统手工报表方式进行统计管理;部分旅游景区尽管采用了计算机售票,但是由于系统没有联网,特别是没有与财务、检票部分联网,仍然主要依靠人工统计游客票务信息和检票;一些大中型旅游景区虽然实现了售票、检票和财务管理的联网,许多售票、检票信息基本能够实现资源共享,但是由于旅游景区的客户管理意识尚未达到进行专门管理水平,没有达到建设决策支持系统的层次。这些管理措施,一方面统计工作相当烦琐,时效性差,不能对景区的游客密度数据信息进行实时地统计、监控与管理;同时,由于缺乏对游客密度的合理可科学的预测,从而无法为游客服务决策提供科学依据,从而导致旅游资源的流失以及降低游客的游览质量。
目前,射频识别技术在旅游行业应用主要停留在门票、门禁等一般应用范围,射频识别技术在旅游行业的游客密度分布统计方面,目前未见相关的研究与报道。
发明内容
本发明提供了一种统计处理游客密度分布的方法及系统,旨在解决目前大部分旅游景区的统计管理工作相当烦琐、时效性差,不能对景区的游客密度数据信息进行实时地统计、监控与管理,同时由于缺乏对游客密度的合理可科学的预测,从而无法为游客服务决策提供科学依据,从而导致旅游资源的流失以及降低游客的游览质量的问题。
本发明的目的在于提供一种统计处理游客密度分布的系统,该系统包括:
感知层,用于游客身份识别标签数据的获取,完成游客实体身份的感知,并将所获取的数据完整、准确、实时传送;
网络层,用于接收所述感知层输出的数据,并对游客游览信息和控制指令的传递和处理;
应用层,用于通过分析历史数据,同时结合实时数据,获得游客密度分布预测及游客密度分析,为旅游产品管理者提供决策支持,同时以实时数据为支持,对现场状况实时了解。
进一步,所述感知层由射频识别阅读器、采集服务器、数据传输单元以及通信网关构成,射频识别阅读器安置在游客所要游览景区的出入点,利用阅读器天线、集中器实现游客游览信息的采集,游客游览RFID事件采集网络前端构建的ZigBee网络和RS485网络,后端为标准的工业以太网。
进一步,所述网络层中数据的传输必须经由认证、加密、授权、解析、续传、报警过程,完成游客游迹事件处理;
所述网络层由通讯服务器、以太网设备及总线网络组成,通讯服务器同时具备了通讯控制器和前置机的功能,以太网设备主要指工业级以太网交换机,总线网络由屏蔽双绞线、光纤、无线通讯网络构成;
网络层中的传输网络包括两部分:射频识别阅读器与数据采集器之间的传输;(2)数据采集器与管理层数据中心的传输,数据采集器与管理层数据中心之间的数据传输,首先需要通过通讯网关完成总线接口到Internet网络之间数据转换,然后使用基于TCP/IP协议承载的有线或者无线网络进行数据传输。
进一步,所述应用层是面向用户的服务,数据来源有实时数据库和历史数据库,通过分析历史数据库中的数据,同时结合实时数据,得出一些游客密度分布预测、游客密度分析,为旅游产品管理层提供决策支持,同时以实时数据库为支持,可对现场状况实时了解。
进一步,该系统的具体模块构成为:
游客游览事件采集与传输模块,用于游客在游览过程中游客身份的识别以及身份信息的传输;
游客游览RFID事件处理模块,与所述游客游览事件采集与传输模块相连接,用于对游客游览RFID事件进行处理;
游客数据统计处理模块,与所述游客游览RFID事件处理模块相连接,用于游客当前人数的统计;
游客密度分布预测模块,与所述游客数据统计处理模块相连接,用于根据当前游客的人数及在景区的逗留时间、流动速度信息,预测游客密度分布趋势;
游客密度分布数据规则库模块,与所述游客密度分布预测模块相连接,用于获得游客游览RFID事件处理优先队列,将并发的RFID事件与游览业务进行自动匹配,完成RFID技术在游客游览服务中的各项应用与操作;
游客密度分布发布与查询模块,与所述游客密度分布预测模块相连接,用于为旅游产品提供者对游客进行分流疏导措施提供科学的依据,避免旅游资源与设施尽可能少的超负荷运转,提高游客的旅游质量。
进一步,游客游览RFID事件处理模块实现游客游览RFID事件处理机制的过程为:
首先将采集游客游迹跟踪与追溯的RFID游客身份卡数据用于配置和监控RFID阅读设备;其次在获取RFID游客身份卡数据的基础上对RFID游客身份卡数据进行过滤与整合;最后将RFID游客身份卡数据封装定义为具有语义含义的游客游览RFID事件。
进一步,所述游客密度分布预测模块中设置有:
根据游客在景区的游览时间序列和空间尺度,分析游客数量与时间、空间的回归关系,选择不同空间尺度,以时间为自变量,实现对游客密度分布预测的游客密度分布预测模型。
进一步,所述游客密度分布预测模型建立方法为:
(1)模型建立条件
游客密度分布预测模型条件:①一个景区包含若干个景点;②景区在游客量较大的情况下一般对游客实行分批准入;③游客在景区中一般按照既定线路各个景点依次游玩,若有多条线路按照一定的比例分配,直到游玩景区所有景点,然后离开景区;④在景区中景点与景点之间一般需要一定的行程时间,游客不重复游玩已经游玩过的景点;
(2)时间序列的选定
游客在景区的游览的时间序列包括:游客在景点的游览时间、景点到景点的路径时间、以及在景点的等待时间,并且游客的移动方式为平行移动方式;
在景区规划设计时,可在旅游线路中按照游憩时间从长到短依次设置,同时应将旅游线路中靠前的景点游憩时间设计偏长或将靠前景点与后续景点间距离延长;
(3)空间尺度的选定
空间尺度标识为景区可游览区域的范围;
(4)模型的建立
游客密度分布预测模型根据游客在景区的游览时间序列和空间尺度,分析游客数量与时间、空间的回归关系,选择空间尺度情况和特征,以时间为自变量,建立游客密度分布预测模型,实现对游客密度分布预测。
本发明的另一目的在于提供一种统计处理游客密度分布的方法,该方法包括以下步骤:
步骤一,识别在游览过程中游客身份信息,获得游客数据;
步骤二,对游客数据进行处理与过滤,获得游客游览RFID事件;
步骤三,统计进入景区游客的数据A和离开景区游客的数据B;
步骤四,对数据A与数据B进行统计处理,获得游客密度分布;
步骤五,根据获得的游客密度分布结果,对游客密度分布进行预测;
步骤六,发布游客密度分布结果,并提供分流疏导措施。
进一步,该方法可判断逗留在景区内的人数是否超载及采取控制措施,并通过信息发布系统,对景区内部的景点游客引导疏散线路、控制游客分时段进入景区、延长开放时间。
本发明提供的统计处理游客密度分布的方法及系统,通过获取游客在景区的流动时间、观赏时间、观赏位置、状态信息,自动统计景区或某个景点的游客密度分布,通过密度分布预测模型预测游客的流通速度和游览的去向,为景区或游客调节游览顺序提供科学依据,避免了景点过于拥挤从而导致游客的游玩质量;通过游客密度实时分布,并采取恰当的措施分流疏导,使得旅游资源合理分配,进一步保护了旅游环境,减少了旅游活动对环境及设施的损坏;增强了旅游景区的管理能力、提高了旅游产品质量安全水平、促进了旅游行业的健康发展,对旅游景点的个性化服务有着重要的作用。
附图说明
图1是本发明实施例提供的统计处理游客密度分布的系统的结构框图;
图2是本发明实施例提供的统计处理游客密度分布的系统的具体模块结构框图;
图3是本发明实施例提供的统计处理游客密度分布的方法的实现流程图;
图4是本发明实施例提供的游客游览RFID事件处理流程图。
图中:11、感知层;12、网络层;13、应用层;21、游客游览事件采集与传输模块;22、游客游览RFID事件处理模块;23、游客数据统计处理模块;24、游客密度分布预测模块;25、游客密度分布数据规则库模块;26、游客密度分布发布与查询模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定发明。
图1示出了本发明实施例提供的统计处理游客密度分布的系统的结构。为了便于说明,仅示出了与本发明相关的部分。
该系统包括:
感知层11,用于游客身份识别标签数据的获取,完成游客实体身份的感知,并将所获取的数据完整、准确、实时传送;
网络层12,用于接收所述感知层11输出的数据,并对游客游览信息和控制指令的传递和处理;
应用层13,用于通过分析历史数据,同时结合实时数据,获得游客密度分布预测及游客密度分析,为旅游产品管理者提供决策支持,同时以实时数据为支持,对现场状况实时了解。
在本发明实施例中,感知层11由射频识别阅读器、采集服务器、数据传输单元以及通信网关构成,射频识别阅读器安置在游客所要游览景区的出入点,利用阅读器天线、集中器实现游客游览信息的采集,游客游览RFID事件采集网络前端构建的ZigBee网络和RS485网络,后端为标准的工业以太网。
在本发明实施例中,网络层12中数据的传输必须经由认证、加密、授权、解析、续传、报警过程,完成游客游迹事件处理;
网络层12由通讯服务器、以太网设备及总线网络组成,通讯服务器同时具备了通讯控制器和前置机的功能,以太网设备主要指工业级以太网交换机,总线网络由屏蔽双绞线、光纤、无线通讯网络构成;
网络层12中的传输网络包括两部分:射频识别阅读器与数据采集器之间的传输;(2)数据采集器与管理层数据中心的传输,数据采集器与管理层数据中心之间的数据传输,首先需要通过通讯网关完成总线接口到Internet网络之间数据转换,然后使用基于TCP/IP协议承载的有线或者无线网络进行数据传输。
在本发明实施例中,应用层13是面向用户的服务,数据来源有实时数据库和历史数据库,通过分析历史数据库中的数据,同时结合实时数据,得出一些游客密度分布预测、游客密度分析,为旅游产品管理层提供决策支持,同时以实时数据库为支持,可对现场状况实时了解。
图2示出了本发明实施例提供的统计处理游客密度分布的系统的具体模块结构,在本发明实施例中,该系统的具体模块构成为:
游客游览事件采集与传输模块21,用于游客在游览过程中游客身份的识别以及身份信息的传输;
游客游览RFID事件处理模块22,与游客游览事件采集与传输模块21相连接,用于对游客游览RFID事件进行处理;
游客数据统计处理模块23,与游客游览RFID事件处理模块22相连接,用于游客当前人数的统计;
游客密度分布预测模块24,与游客数据统计处理模块23相连接,用于根据当前游客的人数及在景区的逗留时间、流动速度信息,预测游客密度分布趋势;
游客密度分布数据规则库模块25,与游客密度分布预测模块24相连接,用于获得游客游览RFID事件处理优先队列,将并发的RFID事件与游览业务进行自动匹配,完成RFID技术在游客游览服务中的各项应用与操作;
游客密度分布发布与查询模块26,与游客密度分布预测模块24相连接,用于为旅游产品提供者对游客进行分流疏导措施提供科学的依据,避免旅游资源与设施尽可能少的超负荷运转,提高游客的旅游质量。
如图4所示,在本发明实施例中,游客游览RFID事件处理模块22实现游客游览RFID事件处理机制的过程为:
首先将采集游客游迹跟踪与追溯的RFID游客身份卡数据用于配置和监控RFID阅读设备;其次在获取RFID游客身份卡数据的基础上对RFID游客身份卡数据进行过滤与整合;最后将RFID游客身份卡数据封装定义为具有语义含义的游客游览RFID事件。
在本发明实施例中,游客密度分布预测模块24中设置有:
根据游客在景区的游览时间序列和空间尺度,分析游客数量与时间、空间的回归关系,选择不同空间尺度,以时间为自变量,实现对游客密度分布预测的游客密度分布预测模型。
在本发明实施例中,游客密度分布预测模型建立方法为:
(1)模型建立条件
游客密度分布预测模型条件:①一个景区包含若干个景点;②景区在游客量较大的情况下一般对游客实行分批准入;③游客在景区中一般按照既定线路各个景点依次游玩,若有多条线路按照一定的比例分配,直到游玩景区所有景点,然后离开景区;④在景区中景点与景点之间一般需要一定的行程时间,游客不重复游玩已经游玩过的景点;
(2)时间序列的选定
游客在景区的游览的时间序列包括:游客在景点的游览时间、景点到景点的路径时间、以及在景点的等待时间,并且游客的移动方式为平行移动方式;
在景区规划设计时,可在旅游线路中按照游憩时间从长到短依次设置,同时应将旅游线路中靠前的景点游憩时间设计偏长或将靠前景点与后续景点间距离延长;
(3)空间尺度的选定
空间尺度标识为景区可游览区域的范围;
(4)模型的建立
游客密度分布预测模型根据游客在景区的游览时间序列和空间尺度,分析游客数量与时间、空间的回归关系,选择空间尺度情况和特征,以时间为自变量,建立游客密度分布预测模型,实现对游客密度分布预测。
图3示出了本发明实施例提供的统计处理游客密度分布的方法的流程。
该方法包括以下步骤:
步骤S301,识别在游览过程中游客身份信息,获得游客数据;
步骤S302,对游客数据进行处理与过滤,获得游客游览RFID事件;
步骤S303,统计进入景区游客的数据A和离开景区游客的数据B;
步骤S304,对数据A与数据B进行统计处理,获得游客密度分布;
步骤S305,根据获得的游客密度分布结果,对游客密度分布进行预测;
步骤S306,发布游客密度分布结果,并提供分流疏导措施。
在本发明实施例中,该方法可判断逗留在景区内的人数是否超载及采取控制措施,并通过信息发布系统,对景区内部的景点游客引导疏散线路、控制游客分时段进入景区、延长开放时间。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
本发明要解决的技术问题在于,在游客游览景区的实际应用地理条件下,针对游客在景区实际游览景点过程中,找到一种快捷可行的方法,提供一种能够对游客游览过程中在景区的不同位置进行采集、编码与传输、对包括散客和旅游团的游客实体进行标识、对景区某个区域的游客密度分布统计与处理的方法、系统与服务器,并建立景区的游客密度分布预测模型,预测景区游客的密度分布趋势,并提供相应的信息发布,为旅游产品提供者对游客进行分流疏导措施提供科学的依据,避免旅游资源与设施尽可能少的超负荷运转,进一步提高游客的旅游质量。
为了解决上述的技术问题,本发明提供了一种游客密度分布的统计处理方法、系统与服务器,在分析景区现状、游客分布状况,采用网络信息交互处理技术,实现旅游客流信息在旅游景点、管理部门与旅行社之间的实时传递,可最大限度地据此采取相应措施缓和客流时空分布不均匀的程度。
整体应用采用三层架构:应用层13、网络层12和感知层11。
感知层11主要用于游客身份识别标签数据的获取,主要由射频识别阅读器、采集服务器、数据传输单元以及通信网关构成,主要完成游客实体身份的感知包括游客身份电子标签的编码、游览景点位置、游览时间、属性等信息,必须完整、准确并实时传送至数据中心。射频识别阅读器必须安置在游客所要游览景区的出入点,利用阅读器天线、集中器实现游客游览信息的采集,游客游览RFID事件采集网络前端构建的ZigBee网络和RS485网络,后端为标准的工业以太网。
网络层12用于游客游览信息和控制指令的传递和处理,为保证数据的稳定性和可靠性,数据的传输必须经由认证、加密、授权、解析、续传、报警等过程,完成游客游迹事件处理,主要由通讯服务器、以太网设备及总线网络组成,其中,通讯服务器是整个系统的智能通讯管理中心,在这里,它同时具备了通讯控制器和前置机等的功能;以太网设备主要指工业级以太网交换机;总线网络主要由屏蔽双绞线、光纤或者无线通讯网络等构成。
网络层12的传输网络包括两部分:(1)阅读器与数据采集器之间的传输;(2)数据采集器与管理层数据中心的传输。其中前者在现场设备层中实现,这里提及的网络通讯层是指后者。网络通讯层是数据信息交换的桥梁,负责对现场设备回送的数据信息进行采集、分类和传送等工作,同时,传达上位机对现场设备的各种控制命令。数据采集器与管理层数据中心之间的数据传输,首先需要通过通讯网关完成总线接口到Internet网络之间数据转换,然后使用基于TCP/IP协议承载的有线或者无线网络进行数据传输。网络通讯层使用TCP/IP协议,以保证数据得到有效的管理和支持高效率的查询服务,同时数据传输采取一定的编码规则,实现数据组织、存储及交换的一致性。
应用层13是面向用户的服务,其应用管理层的数据来源有实时数据库和历史数据库,通过分析历史数据库中的数据,同时结合实时数据,得出一些游客密度分布预测、游客密度分析以,为旅游产品管理层提供决策支持,同时以实时数据库为支持,可以对现场状况实时了解。应用层13包含两个模块,游客密度分布统计与处理模块以及游客密度分布预测模块24。
游客密度分布统计与处理模块:根据游客实体识别采集与传输模块获取到的游客RFID事件,统计进入景区某个景点的游客人数和离开景区某个景点的游客人数、统计每个游客在景点的的游憩时间、景点的游览时间和景点之间的路径时间,在已经设置的可游览面积和景区的周转率的基础上,通过对游客的进出数量进行动态监控,从而统计得出景区的游客密度分布数据。
游客密度分布预测模块24:在常规情况下,游客往往集中于某些时段进入游客在景区内部的游览逗留时间也长短不同,这容易导致多数景区客流日内波动明显,经常出现游客高峰期超载现象,根据游客在景区的游览时间序列和空间尺度,分析游客数量与时间、空间的回归关系,选择不同空间尺度,以时间为自变量,建立游客密度分布预测模型,实现对游客密度分布预测。
游客密度分布预测模块24最终判断逗留在景区内的人数是否超载及采取控制措施,并通过发布系统,对景区内部的景点游客引导疏散线路、控制游客分时段进入景区、延长开放时间等。
【本发明的有益效果】
在本发明的系统及方法中,通过获取游客在景区的流动时间、观赏时间、观赏位置、状态等信息,自动统计景区或某个景点的游客密度分布,通过密度分布预测模型,能够预测游客的流通速度和游览的去向。首先,为景区或游客调节游览顺序提供科学依据,避免景点过于拥挤从而导致游客的不快;其次,通过游客密度实时分布,并采取恰当的措施分流疏导,使得旅游资源合理分配,从而进一步保护旅游环境,减少对旅游活动对环境损坏的费用时、设施的老化;最后,为增强旅游景区的管理能力、提高旅游产品质量安全水平、促进旅游行业的健康发展和旅游景点的个性化服务有着重要的作用。
1、游客身份识别卡的选择
在本发明中,采用无源915MHZ的频率的电子标签作为游客身份识别卡,即电子门票,游客与其携带的电子门票,可以看作为“人卡合一”,即游客身份识别卡直接关联到游客本人,该电子标签符合EPCglobal定义了电子物品编码的结构和超高频的空气接口以及通讯的协议(EPC G2)并具有全球唯一的序列编码号码;选用的读写器遵循ISO/IEC18000-6C协议标准,桌面发卡和售票用阅读器读写距离为10厘米,主要用于电子门票(游客身份识别卡)的发售或者检票激活,用于获取游客游迹信息的阅读器的读取距离为10米,主要用于在景区的获取游客的电子门票(游客身份识别卡),具有多重数据通信接口并适应野外高温差、高湿度的恶劣环境以及外观设计要与自然景观协调。
2、游客游览RFID事件采集网络
游客游览RFID事件采集网络系统主要由三个部分组成:射频识别阅读器、数据传输网络、数据传输网关。其中,射频识别阅读器用于获取游客携带的电子标签信息,当游客游览到与景区景点位置关联的阅读器的阅读区域的时候,射频识别阅读器获取游客携带的电子标签;数据传输网络由ZigBee无线自组网络、RS485网络以及工业以太网组成,完成获取到的标签数据信息的传输;数据传输网关一方面用于配置各个阅读器的集中管控,同时暂存游客携带的电子标签数据,以便防止网络堵塞。
3、游客游迹事件处理流程
游客游览RFID业务事件用于标识游客游览实时状态的参数{时间,电子标签,阅读器位置,景点,游览状态,游客类型,关联标签}。根据游客密度分布统计的需要,确定RFID业务事件包括门票购买、检票与激活、进入景区、离开景区、进入景点、离开景点等等,为了获取游客的游览状态,通过XML文件实现对游客游览RFID事件实时收集、保存并上传至数据库。
游客游迹事件处理过程描述如下:
(1)通过阅读器驱动管理器,屏蔽不同厂家阅读器的多样性和差异性包括通信协议,采集原始游客身份识别卡标签数据,并为上层应用系统提供统一的数据格式,同时把上层应用系统的配置命令和参数转换成阅读器对应数据格式。
(2)利用阅读器配置管理与监控模块用于注册、注销、配置、监控安装在景区的景点的射频识别阅读器。
(3)通过逻辑映射引擎将射频识别阅读器与景点的位置进行关联。
读来的原始标签数据映射到各个逻辑读写器(一个逻辑读写器对应一个景区和阅读器编号)。通常一个物理阅读器可以连接多达四个天线,每个天线可以放置在不同的地方。但是,有时为了减少标签的漏读率,特别是在有大量游客标签经过某个地方时,可以在这个景点放置多台物理阅读器或多个天线,这样就可以减少标签的漏读。逻辑映射引擎就是将游客电子标签的读取区域定义成为一个个逻辑阅读器(将标签读取区域跟逻辑读写器关联起来),将用于采集游客游览的景点关键位置放置的所有物理阅读器或天线都当作一个逻辑读写器(即所有的这些物理读写器或天线组成一个逻辑阅读器),并且将在该标签读取区域内读到的所有原始标签数据映射到对应的逻辑阅读器(即将这些原始标签数据当作是属于这个逻辑阅读器的),这样就可以以逻辑阅读器为单位进行数据处理与过滤。使用逻辑映射引擎的好处就是可以向上层应用屏蔽底层细节,使得上层应用不必关心每个标签读取区域内读到的标签数据是由哪个物理读写器或哪个天线读取的,这样当在标签读取区域内增加或减少物理阅读器或天线时上层应用就不需要改变。数据处理与过滤模块由逻辑映射引擎和事件过滤器组成。
(4)游客身份识别卡的清洗,通过逻辑映射引擎将所有读写器读到原始的标签数据映射到各个逻辑读写器后,就可以在逻辑读写器的基础上分别对属于各个逻辑读写器的原始标签数据进行事件过滤,这其中包含了去重过滤和事件过滤两个环节,主要因为游客在一个景点多次逗留,造成一台阅读器对同一标签数据进行上报;在景点相邻位置摆放的多台读写器或天线,这样多台读写器可能同时读到同一个游客的标签进行重复上报,所以需要通过去重过滤环节去除大量重复冗余的数据,避免事件过滤环节做了没必要的计算,也减少RFID系统的负担。
(5)清洗后的数据形成最终形成游客RFID事件,并写入数据库。
4、游客密度分布统计方法和预测模型
游客密度分布统计方法主要完成对景区游客的数量进行动态监控,在景区的出入口分别安装的阅读器,对阅读器进行编码标识,标识的信息为安装位置、属性,安装位置信息用于标识对阅读器的所在的景区的位置;属性用于标识该阅读器是在景区的入口状态或者出口状态。分别统计景区入口位置相对应的阅读器获取到得游客的数量和景区出口位置相对应的阅读器的获取到得游客的数据,对两者的数据做减法运算,统计即得到游客的密度分许。
游客密度分布预测模型建立方法:
(1)模型建立条件
游客密度分布预测模型条件:①一个景区包含若干个景点;②景区在游客量较大的情况下一般对游客实行分批准入;③游客在景区中一般按照既定线路各个景点依次游玩(若有多条线路按照一定的比例分配),直到游玩景区所有景点,然后离开景区;④在景区中景点与景点之间一般需要一定的行程时间;游客不重复游玩已经游玩过的景点。
(2)时间序列的选定
游客在景区的游览的时间序列包括:游客在景点的游览时间、景点到景点的路径时间、以及在景点的等待时间,并且游客的移动方式为平行移动方式。在景区的实际过程中,可能出现了游览时间较短的景点闲置和在游览时间较长的景点前有游客排队等候的现象。为了减少游客在景区的等待时间和景点的闲置,在景区规划设计时,可以考虑在旅游线路中按照游憩时间从长到短依次设置。因为这里的游憩时间包括游玩时间和路径时间,所以在景区规划设计时,应将旅游线路中靠前的景点游憩时间设计偏长或将其与后续景点间距离延长。
(3)空间尺度的选定
空间尺度主要标识为景区可游览区域的范围。
(4)模型的建立
游客密度分布预测模型根据游客在景区的游览时间序列和空间尺度,分析游客数量与时间、空间的回归关系,选择空间尺度情况和特征,以时间为自变量,建立游客密度分布预测模型,实现对游客密度分布预测。游客密度分布预测模块24最终判断逗留在景区内的人数是否超载及采取控制措施,并通过发布系统,对景区内部的景点游客引导疏散线路、控制游客分时段进入景区、延长开放时间等。
5、游客密度分布统计处理系统框图
游客密度分布统计处理系统主要包括六大模块;分别为游客游览事件采集与传输模块21、游客游览RFID事件处理模块22、游客数据统计处理模块23、游客密度分布预测模块24、游客密度分布数据规则库模块25以及游客密度分布发布与查询模块26。
(1)游客游览事件采集与传输模块21主要负责游客在游览过程中游客身份的识别以及身份信息的传输。
(2)游客游览RFID事件处理模块22主要负责游客游览RFID事件处理机制的过程描述为;游客游迹跟踪与追溯的RFID游客身份卡数据采集首先用于配置和监控RFID阅读设备;其次,在获取RFID游客身份卡数据的基础上对RFID游客身份卡数据进行过滤与整合;最后,将RFID游客身份卡数据封装定义为具有语义含义的游客游览RFID事件。
(3)游客数据统计处理模块23主要负责游客当前人数的统计
(4)游客密度分布预测模块24主要负责根据当前游客的人数以及在景区的逗留时间、流动速度等信息,预测密度分布趋势。
(5)游客密度分布数据规则库模块25主要负责为了获得游客游览RFID事件处理优先队列,RFID事件调度组件对缓冲池中的待处理的游客游览RFID事件进行加权优先级处理和调度;根据获得的游客游览RFID事件处理优先队列的优先顺序,RFID事件处理组件将上述的大量并发的RFID事件与游览业务进行自动匹配,从而完成RFID技术在游客游览服务中的各项应用与操作。
(6)游客密度分布发布与查询模块26主要负责为旅游产品提供者对游客进行分流疏导措施提供科学的依据,避免旅游资源与设施尽可能少的超负荷运转,进一步提高游客的旅游质量。
本发明实施例提供的统计处理游客密度分布的方法及系统,通过获取游客在景区的流动时间、观赏时间、观赏位置、状态信息,自动统计景区或某个景点的游客密度分布,通过密度分布预测模型预测游客的流通速度和游览的去向,为景区或游客调节游览顺序提供科学依据,避免了景点过于拥挤从而导致游客的游玩质量;通过游客密度实时分布,并采取恰当的措施分流疏导,使得旅游资源合理分配,进一步保护了旅游环境,减少了旅游活动对环境及设施的损坏;增强了旅游景区的管理能力、提高了旅游产品质量安全水平、促进了旅游行业的健康发展,对旅游景点的个性化服务有着重要的作用。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种统计处理游客密度分布的系统,其特征在于,该系统包括:
感知层,用于游客身份识别标签数据的获取,完成游客实体身份的感知,并将所获取的数据完整、准确、实时传送;
网络层,用于接收所述感知层输出的数据,并对游客游览信息和控制指令的传递和处理;
应用层,用于通过分析历史数据,同时结合实时数据,获得游客密度分布预测及游客密度分析,为旅游产品管理者提供决策支持,同时以实时数据为支持,对现场状况实时了解。
2.如权利要求1所述的系统,其特征在于,所述感知层由射频识别阅读器、采集服务器、数据传输单元以及通信网关构成,射频识别阅读器安置在游客所要游览景区的出入点,利用阅读器天线、集中器实现游客游览信息的采集,游客游览RFID事件采集网络前端构建的ZigBee网络和RS485网络,后端为标准的工业以太网。
3.如权利要求1所述的系统,其特征在于,所述网络层中数据的传输必须经由认证、加密、授权、解析、续传、报警过程,完成游客游迹事件处理;
所述网络层由通讯服务器、以太网设备及总线网络组成,通讯服务器同时具备了通讯控制器和前置机的功能,以太网设备主要指工业级以太网交换机,总线网络由屏蔽双绞线、光纤、无线通讯网络构成;
网络层中的传输网络包括两部分:射频识别阅读器与数据采集器之间的传输;(2)数据采集器与管理层数据中心的传输,数据采集器与管理层数据中心之间的数据传输,首先需要通过通讯网关完成总线接口到Internet网络之间数据转换,然后使用基于TCP/IP协议承载的有线或者无线网络进行数据传输。
4.如权利要求1所述的系统,其特征在于,所述应用层是面向用户的服务,数据来源有实时数据库和历史数据库,通过分析历史数据库中的数据,同时结合实时数据,得出一些游客密度分布预测、游客密度分析,为旅游产品管理层提供决策支持,同时以实时数据库为支持,可对现场状况实时了解。
5.如权利要求1所述的系统,其特征在于,该系统的具体模块构成为:
游客游览事件采集与传输模块,用于游客在游览过程中游客身份的识别以及身份信息的传输;
游客游览RFID事件处理模块,与所述游客游览事件采集与传输模块相连接,用于对游客游览RFID事件进行处理;
游客数据统计处理模块,与所述游客游览RFID事件处理模块相连接,用于游客当前人数的统计;
游客密度分布预测模块,与所述游客数据统计处理模块相连接,用于根据当前游客的人数及在景区的逗留时间、流动速度信息,预测游客密度分布趋势;
游客密度分布数据规则库模块,与所述游客密度分布预测模块相连接,用于获得游客游览RFID事件处理优先队列,将并发的RFID事件与游览业务进行自动匹配,完成RFID技术在游客游览服务中的各项应用与操作;
游客密度分布发布与查询模块,与所述游客密度分布预测模块相连接,用于为旅游产品提供者对游客进行分流疏导措施提供科学的依据,避免旅游资源与设施尽可能少的超负荷运转,提高游客的旅游质量。
6.如权利要求5所述的系统,其特征在于,游客游览RFID事件处理模块实现游客游览RFID事件处理机制的过程为:
首先将采集游客游迹跟踪与追溯的RFID游客身份卡数据用于配置和监控RFID阅读设备;其次在获取RFID游客身份卡数据的基础上对RFID游客身份卡数据进行过滤与整合;最后将RFID游客身份卡数据封装定义为具有语义含义的游客游览RFID事件。
7.如权利要求5所述的系统,其特征在于,所述游客密度分布预测模块中设置有:
根据游客在景区的游览时间序列和空间尺度,分析游客数量与时间、空间的回归关系,选择不同空间尺度,以时间为自变量,实现对游客密度分布预测的游客密度分布预测模型。
8.如权利要求7所述的系统,其特征在于,所述游客密度分布预测模型建立方法为:
(1)模型建立条件
游客密度分布预测模型条件:①一个景区包含若干个景点;②景区在游客量较大的情况下一般对游客实行分批准入;③游客在景区中一般按照既定线路各个景点依次游玩,若有多条线路按照一定的比例分配,直到游玩景区所有景点,然后离开景区;④在景区中景点与景点之间一般需要一定的行程时间,游客不重复游玩已经游玩过的景点;
(2)时间序列的选定
游客在景区的游览的时间序列包括:游客在景点的游览时间、景点到景点的路径时间、以及在景点的等待时间,并且游客的移动方式为平行移动方式;
在景区规划设计时,可在旅游线路中按照游憩时间从长到短依次设置,同时应将旅游线路中靠前的景点游憩时间设计偏长或将靠前景点与后续景点间距离延长;
(3)空间尺度的选定
空间尺度标识为景区可游览区域的范围;
(4)模型的建立
游客密度分布预测模型根据游客在景区的游览时间序列和空间尺度,分析游客数量与时间、空间的回归关系,选择空间尺度情况和特征,以时间为自变量,建立游客密度分布预测模型,实现对游客密度分布预测。
9.一种统计处理游客密度分布的方法,其特征在于,该方法包括以下步骤:
步骤一,识别在游览过程中游客身份信息,获得游客数据;
步骤二,对游客数据进行处理与过滤,获得游客游览RFID事件;
步骤三,统计进入景区游客的数据A和离开景区游客的数据B;
步骤四,对数据A与数据B进行统计处理,获得游客密度分布;
步骤五,根据获得的游客密度分布结果,对游客密度分布进行预测;
步骤六,发布游客密度分布结果,并提供分流疏导措施。
10.如权利要求9所述的方法,其特征在于,该方法可判断逗留在景区内的人数是否超载及采取控制措施,并通过信息发布系统,对景区内部的景点游客引导疏散线路、控制游客分时段进入景区、延长开放时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105958732A CN103136703A (zh) | 2012-12-27 | 2012-12-27 | 一种统计处理游客密度分布的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105958732A CN103136703A (zh) | 2012-12-27 | 2012-12-27 | 一种统计处理游客密度分布的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103136703A true CN103136703A (zh) | 2013-06-05 |
Family
ID=48496502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012105958732A Pending CN103136703A (zh) | 2012-12-27 | 2012-12-27 | 一种统计处理游客密度分布的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103136703A (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361588A (zh) * | 2014-11-04 | 2015-02-18 | 无锡北斗星通信息科技有限公司 | 基于图像采集的景区拥堵状态发布系统 |
CN104599201A (zh) * | 2014-12-31 | 2015-05-06 | 安科智慧城市技术(中国)有限公司 | 基于视频监控的旅游景点导流方法、服务器以及系统 |
CN104794790A (zh) * | 2015-04-23 | 2015-07-22 | 南京信息工程大学 | 一种景区游客统计与疏导方法 |
CN104835085A (zh) * | 2015-05-12 | 2015-08-12 | 成都中科大旗软件有限公司 | 旅游运行监管及安全应急管理联动指挥平台系统 |
CN104899650A (zh) * | 2015-05-26 | 2015-09-09 | 成都中科大旗软件有限公司 | 基于多源数据分析对旅游景区客流量进行预测的方法 |
CN105069715A (zh) * | 2015-07-17 | 2015-11-18 | 四川精工伟达智能技术股份有限公司 | 智慧旅游管理系统及基于该系统的管理方法 |
CN105444758A (zh) * | 2015-11-17 | 2016-03-30 | 广东欧珀移动通信有限公司 | 一种导航路线的生成方法及终端 |
CN105718829A (zh) * | 2016-01-27 | 2016-06-29 | 北京邮电大学 | 一种基于rfid的标签行为方向判断方法 |
CN106127622A (zh) * | 2016-06-20 | 2016-11-16 | 四川上略互动网络技术有限公司 | 一种旅游数据处理系统 |
CN106372566A (zh) * | 2015-07-23 | 2017-02-01 | 深圳市飞思未来云媒体科技有限公司 | 一种基于数字标牌紧急疏散系统及方法 |
CN107945088A (zh) * | 2017-11-28 | 2018-04-20 | 深圳市赛亿科技开发有限公司 | 一种景区管理方法及系统 |
CN108109082A (zh) * | 2017-11-28 | 2018-06-01 | 深圳市赛亿科技开发有限公司 | 一种旅游管理方法及系统 |
CN108417040A (zh) * | 2018-05-14 | 2018-08-17 | 武汉理工大学 | 一种特色小镇交通分布预测方法 |
CN108877226A (zh) * | 2018-08-24 | 2018-11-23 | 交通运输部规划研究院 | 景区交通旅游预测方法及预警系统 |
CN109246618A (zh) * | 2018-11-20 | 2019-01-18 | 四川长虹电器股份有限公司 | 基于LoRa的景区游览线路引导系统及方法 |
CN110298571A (zh) * | 2019-06-20 | 2019-10-01 | 口碑(上海)信息技术有限公司 | 一种业务区域的配置方法及装置 |
CN110427571A (zh) * | 2019-07-13 | 2019-11-08 | 恒大智慧科技有限公司 | 一种景点推荐方法、计算机设备及可读存储介质 |
CN110555381A (zh) * | 2019-07-31 | 2019-12-10 | 深圳市城市公共安全技术研究院有限公司 | 人员疏导系统及人员疏导方法 |
CN111063252A (zh) * | 2019-10-18 | 2020-04-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的景点导览方法和系统 |
CN111373422A (zh) * | 2017-11-29 | 2020-07-03 | 环球城市电影有限责任公司 | 用于人群管理和维护操作的系统和方法 |
CN112053550A (zh) * | 2020-08-18 | 2020-12-08 | 上海理工大学 | 一种组网式行人监控与引导系统 |
CN112804537A (zh) * | 2020-08-10 | 2021-05-14 | 成都中科大旗软件股份有限公司 | 一种景区多功能智能直播系统 |
CN113361734A (zh) * | 2021-06-09 | 2021-09-07 | 合肥工业大学 | 一种风景区客流密度统计系统 |
CN115238717A (zh) * | 2022-08-16 | 2022-10-25 | 中国建筑一局(集团)有限公司 | 一种区域人口走向计算系统及方法 |
CN116739838A (zh) * | 2023-05-06 | 2023-09-12 | 广州圈量网络信息科技有限公司 | 一种地理位置智能分析的客流量分流系统 |
CN116822545A (zh) * | 2023-08-31 | 2023-09-29 | 中亿丰数字科技集团有限公司 | 一种基于超高频rfid统计客流量的方法及系统 |
CN117523721A (zh) * | 2024-01-04 | 2024-02-06 | 成都自由行科技有限公司 | 景区客流量管控系统 |
CN117787316A (zh) * | 2023-04-11 | 2024-03-29 | 中国标准化研究院 | 一种基于rfid的虚拟公物仓电子标签识别系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075356A (zh) * | 2007-02-02 | 2007-11-21 | 北京航空航天大学 | 一种利用rfid技术的数字旅游解决方案 |
CN101582182A (zh) * | 2009-03-16 | 2009-11-18 | 深圳市丰泰瑞达实业有限公司 | 一种游客流量数据的统计处理方法、系统及服务器 |
US20140125461A1 (en) * | 2011-07-11 | 2014-05-08 | Westvalley Digital Technologies, Inc. | Simple and precise radio frequency locating system and method |
-
2012
- 2012-12-27 CN CN2012105958732A patent/CN103136703A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075356A (zh) * | 2007-02-02 | 2007-11-21 | 北京航空航天大学 | 一种利用rfid技术的数字旅游解决方案 |
CN101582182A (zh) * | 2009-03-16 | 2009-11-18 | 深圳市丰泰瑞达实业有限公司 | 一种游客流量数据的统计处理方法、系统及服务器 |
US20140125461A1 (en) * | 2011-07-11 | 2014-05-08 | Westvalley Digital Technologies, Inc. | Simple and precise radio frequency locating system and method |
Non-Patent Citations (1)
Title |
---|
单国全等: "基于RFID 技术的游客游迹跟踪与追溯系统", 《电子设计工程》 * |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361588A (zh) * | 2014-11-04 | 2015-02-18 | 无锡北斗星通信息科技有限公司 | 基于图像采集的景区拥堵状态发布系统 |
CN104361588B (zh) * | 2014-11-04 | 2017-03-15 | 深圳市东舜时代科技有限公司 | 基于图像采集的景区拥堵状态发布系统 |
CN104599201A (zh) * | 2014-12-31 | 2015-05-06 | 安科智慧城市技术(中国)有限公司 | 基于视频监控的旅游景点导流方法、服务器以及系统 |
CN104794790A (zh) * | 2015-04-23 | 2015-07-22 | 南京信息工程大学 | 一种景区游客统计与疏导方法 |
CN104835085B (zh) * | 2015-05-12 | 2016-10-26 | 成都中科大旗软件有限公司 | 旅游运行监管及安全应急管理联动指挥平台系统 |
CN104835085A (zh) * | 2015-05-12 | 2015-08-12 | 成都中科大旗软件有限公司 | 旅游运行监管及安全应急管理联动指挥平台系统 |
CN104899650A (zh) * | 2015-05-26 | 2015-09-09 | 成都中科大旗软件有限公司 | 基于多源数据分析对旅游景区客流量进行预测的方法 |
CN105069715A (zh) * | 2015-07-17 | 2015-11-18 | 四川精工伟达智能技术股份有限公司 | 智慧旅游管理系统及基于该系统的管理方法 |
CN106372566A (zh) * | 2015-07-23 | 2017-02-01 | 深圳市飞思未来云媒体科技有限公司 | 一种基于数字标牌紧急疏散系统及方法 |
CN105444758A (zh) * | 2015-11-17 | 2016-03-30 | 广东欧珀移动通信有限公司 | 一种导航路线的生成方法及终端 |
CN105718829A (zh) * | 2016-01-27 | 2016-06-29 | 北京邮电大学 | 一种基于rfid的标签行为方向判断方法 |
CN106127622A (zh) * | 2016-06-20 | 2016-11-16 | 四川上略互动网络技术有限公司 | 一种旅游数据处理系统 |
CN107945088A (zh) * | 2017-11-28 | 2018-04-20 | 深圳市赛亿科技开发有限公司 | 一种景区管理方法及系统 |
CN108109082A (zh) * | 2017-11-28 | 2018-06-01 | 深圳市赛亿科技开发有限公司 | 一种旅游管理方法及系统 |
CN111373422A (zh) * | 2017-11-29 | 2020-07-03 | 环球城市电影有限责任公司 | 用于人群管理和维护操作的系统和方法 |
CN108417040A (zh) * | 2018-05-14 | 2018-08-17 | 武汉理工大学 | 一种特色小镇交通分布预测方法 |
CN108417040B (zh) * | 2018-05-14 | 2020-09-08 | 武汉理工大学 | 一种特色小镇交通分布预测方法 |
CN108877226A (zh) * | 2018-08-24 | 2018-11-23 | 交通运输部规划研究院 | 景区交通旅游预测方法及预警系统 |
CN108877226B (zh) * | 2018-08-24 | 2020-08-18 | 交通运输部规划研究院 | 景区交通旅游预测方法及预警系统 |
CN109246618A (zh) * | 2018-11-20 | 2019-01-18 | 四川长虹电器股份有限公司 | 基于LoRa的景区游览线路引导系统及方法 |
CN110298571B (zh) * | 2019-06-20 | 2021-06-15 | 口碑(上海)信息技术有限公司 | 一种业务区域的配置方法及装置 |
CN110298571A (zh) * | 2019-06-20 | 2019-10-01 | 口碑(上海)信息技术有限公司 | 一种业务区域的配置方法及装置 |
CN110427571A (zh) * | 2019-07-13 | 2019-11-08 | 恒大智慧科技有限公司 | 一种景点推荐方法、计算机设备及可读存储介质 |
CN110555381A (zh) * | 2019-07-31 | 2019-12-10 | 深圳市城市公共安全技术研究院有限公司 | 人员疏导系统及人员疏导方法 |
CN111063252B (zh) * | 2019-10-18 | 2020-11-17 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的景点导览方法和系统 |
CN111063252A (zh) * | 2019-10-18 | 2020-04-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的景点导览方法和系统 |
CN112804537B (zh) * | 2020-08-10 | 2022-08-16 | 成都中科大旗软件股份有限公司 | 一种景区多功能智能直播系统 |
CN112804537A (zh) * | 2020-08-10 | 2021-05-14 | 成都中科大旗软件股份有限公司 | 一种景区多功能智能直播系统 |
CN112053550A (zh) * | 2020-08-18 | 2020-12-08 | 上海理工大学 | 一种组网式行人监控与引导系统 |
CN113361734A (zh) * | 2021-06-09 | 2021-09-07 | 合肥工业大学 | 一种风景区客流密度统计系统 |
CN113361734B (zh) * | 2021-06-09 | 2023-11-07 | 合肥工业大学 | 一种风景区客流密度统计系统 |
CN115238717A (zh) * | 2022-08-16 | 2022-10-25 | 中国建筑一局(集团)有限公司 | 一种区域人口走向计算系统及方法 |
CN117787316A (zh) * | 2023-04-11 | 2024-03-29 | 中国标准化研究院 | 一种基于rfid的虚拟公物仓电子标签识别系统 |
CN116739838A (zh) * | 2023-05-06 | 2023-09-12 | 广州圈量网络信息科技有限公司 | 一种地理位置智能分析的客流量分流系统 |
CN116739838B (zh) * | 2023-05-06 | 2024-03-08 | 广州圈量网络信息科技有限公司 | 一种地理位置智能分析的客流量分流系统 |
CN116822545A (zh) * | 2023-08-31 | 2023-09-29 | 中亿丰数字科技集团有限公司 | 一种基于超高频rfid统计客流量的方法及系统 |
CN116822545B (zh) * | 2023-08-31 | 2023-12-01 | 中亿丰数字科技集团有限公司 | 一种基于超高频rfid统计客流量的方法及系统 |
CN117523721A (zh) * | 2024-01-04 | 2024-02-06 | 成都自由行科技有限公司 | 景区客流量管控系统 |
CN117523721B (zh) * | 2024-01-04 | 2024-03-29 | 成都自由行科技有限公司 | 景区客流量管控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103136703A (zh) | 一种统计处理游客密度分布的方法及系统 | |
Nair et al. | Large-scale vehicle sharing systems: analysis of Vélib' | |
Gao et al. | Optimize taxi driving strategies based on reinforcement learning | |
CN102646221B (zh) | 对离散制造工序物流的实时跟踪并追溯质量的系统及方法 | |
CN107491883A (zh) | 一种旅游信息管理系统 | |
Lu et al. | A review of big data applications in urban transit systems | |
Huang et al. | A novel bus-dispatching model based on passenger flow and arrival time prediction | |
CN114390079A (zh) | 一种智慧城市公共场所管理方法和物联网系统 | |
Regue et al. | Car2work: Shared mobility concept to connect commuters with workplaces | |
Köster et al. | Cooperative traffic control management for city logistic routing | |
CN106960261A (zh) | 一种基于轨道ic卡和手机信令数据的轨道交通客流预测方法 | |
CN106887146A (zh) | 导向标识系统的信息处理方法与导向标识系统 | |
CN107977819A (zh) | 一种基于互联网的智能物流管理系统 | |
Lyapin et al. | Methods to analyze traffic demand formation in intelligent transportation and logistic regional network | |
CN106295868A (zh) | 交通出行数据处理方法及装置 | |
Al-Khateeb et al. | Intelligent dynamic traffic light sequence using RFID | |
Correia et al. | Smart supply chain management: The 5W1H open and collaborative framework | |
Anh et al. | Internet benefits and digital transformation applying in boosting tourism sector and forecasting tourism management revenue | |
Jia et al. | Passenger-oriented subway network capacity calculation and analysis based on simulation | |
TW201608518A (zh) | 一種雲端智慧型公共自行車泊車調配系統 | |
Ferreira et al. | RFID for real time passenger monitoring | |
CN117455211A (zh) | 应急物资跨区域调度方法、系统、电子设备及存储介质 | |
Wang et al. | The prediction of freeway traffic conditions for logistics systems | |
CN109409563A (zh) | 一种公交运营车辆实时人数的分析方法、系统和存储介质 | |
Chen et al. | Transit voronoi diagrams in multi-mode public transport networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130605 |