CN103327091A - 一种获取乘客轨迹及行为参数的系统与方法 - Google Patents

Abstract

本发明公开了一种获取乘客轨迹及行为参数的系统与方法，属于交通运输领域，该系统包括：乘客随身携带的内嵌有蓝牙芯片的移动终端设备、采集来自所述移动终端设备的原始数据的蓝牙扫描器、数据传输网络和用于大规模数据匹配运算的中央级数据服务器。该方法是：通道进出口处及站台候车区的蓝牙扫描器获取到移动终端设备的原始数据，通过数据传输网络传送给中央级数据服务器，中央级数据服务器将对该原始数据进行匹配运算以获取地铁乘客轨迹及行为参数。本发明的系统与方法能够对地铁或地铁乘客的行走轨迹及行为参数进行精确调研，获取的参数数据能够为地铁网络或车站服务水平评估、客流安全状态辨识及客流组织提供丰富的基础数据支撑。

Description

一种获取乘客轨迹及行为参数的系统与方法

技术领域

本发明属于交通运输领域，具体涉及一种利用蓝牙技术获取乘客轨迹及行为参数的系统与方法。

背景技术

城市轨道交通客运组织实践和研究表明，乘客或乘客集群在地铁车站及网络的走行轨迹、车站及网络上的路径选择比例以及各环节逗留时间、通道走行时间、速度等乘客行为参数，能够为车站的客运服务水平计算与量化评价、客流组织优化和突发事件应急管理提供重要的基础数据支持，对提高网络化运营条件下的车站客运组织水平具有重要意义。目前，国内外对于获取地铁行为参数和轨迹方法的研究主要集中于两个方面：模糊推算方法和直接测量方法两种。

模糊推算方法。模糊推算的思路偏于宏观和理论层面。在路径轨迹方面，一般采用传统的客流分配方法，即基于效用理论和Logit模型，构建综合阻抗函数，计算乘客选择某一条路径的比例以及该路径上的客流量。刘莹等人[2008]通过对车站内行人路径选择的影响机理进行分析，指出路径选择是步行网络特性、线路特性等外部因素以及出行者内部因素相互作用直至均衡的过程；并且依据效用最大化理论，以步行距离、步行时间、垂直步行设施类型和路径重复系数为路径选择的主要影响因素，构建了行人站内路径选择的多项Logit模型。白鸿宇等人[2012]类似地构建了路径效用函数和改进的logit模型，模型的分析表明行人在轨道车站售票区域的路径选择与出行目的及各设施的服务时间有关，同时，路径重复系数对路径效用的影响大，佐证了行人对拥挤路径的规避行为。在参数获取方面，模糊推算方法一般假设乘客在通道内的走行时间或速度与客流密度、流量存在一定的函数关系，乘客在通道内的走行时间和速度均可根据公式进行推算。乘客平均候车时间的模糊推算一般根据站台一侧列车到站时间间隔的二分之一来取值。此外，郭淑霞、陈旭梅等人[2010]根据不同类型客流的到站时间分布曲线拟合结果，建立了固定客流服从对数正态分布、随机客流服从伽马分布的轨道交通换乘常规公交平均候车时间模型。随着轨道交通建设的逐步推进，轨道交通线路网络化程度逐步提高，以Logit模型为代表的一系列数学模型模糊推算方法，由于模型的简化和适用条件的限制，已经无法满足车站客运组织管理信息化和精细化的需求。

直接测量方法，按照测量实施主体的不同，可以分为人工跟踪记录与自动化检测两种。其中，人工跟踪记录法，由于时间人力耗费巨大且调研的宏观可控性较低，因此方法并不理想。自动检测方法的具体技术方案，根据检测媒介的不同，包括对人的检测和对人附属物的检测两大部分。自动检测方法根据技术的实现方式不同，主要分为基于视频图像处理的方法和基于物联网技术的方法：

（1）基于视频图像处理的方法。对人的直接测量主要利用视频分析技术，基于视频图像的方法结合图形处理和模式识别对人流进行识别。Siu-Yeung Cho[1999]提出将前景图片和背景参考图像相减计算来提取前景目标，然后识别场景中的人数，但它没考虑背景图像的差异变化，不能实时适应场景环境变化;Samia Bouchafa[1997]综合运用连续图像差异比较、图像中光流分布和图像滤波等方法来监测地铁走廊中来往的客流，它受光线变化的影响较大而且工作的实时性不够;Marana A N[1997]中则将图像处理与人工神经网络技术结合，计算在图像人群的拥挤程度，其结果只是模糊告诉当前是否拥挤，是何种拥挤程度，并不能确切告诉客流数。骆志强[2003]利用普通CCD采集图像，综合帧间图像差异和消除背景图像的处理技术来有效检测图像中的运动人群，克服传统方法中存在的测量误差，并依据所检测的前景图像区域面积与整个图像有效面积的比例来估测当前图像中人群数目，取得了较好的效果。基于图像处理的行人轨迹追踪方法，虽然能够获取乘客在站台某一区域较为精确的移动轨迹，但是无法实现对乘客在整个车站移动过程的自动化监控，无法获取乘客在某一通道的逗留时间、速度，以及站台逗留时间等参数。

（2）基于物联网技术的方法。除了对人的直接测量方法以外，目前对人的附属物进行测量也具有广泛的研究。乘客在乘车时，由于其乘车活动和自身的需要，需要携带特定种类的附属物。对于附属物的测量可以间接实现对人的测量，进而实现对乘客路径选择的直接测量。在城市轨道交通中，人的附属物主要包括乘车票证、手机等。对人的附属物检测主要基于物联网技术，通过对附属物的多次测量，结合计算机的运算能力进行去重与分析，实现对轨道交通车站乘客移动轨迹、通道走行时间和速度以及站台逗留时间的直接测量。按照附属物的不同，分别对其检测方法探讨。

首先，对于乘车票证，它是乘客与AFC系统进行交互，进入车站进行乘车活动的必要物品。目前国内外各大城市都采取了次票（有限次数或有限时间有效）和月票的形式，大部分城市采取了基于射频的非接触式的乘车票证技术。因此可以通过对乘车票证的探测间接实现对人的检测。目前基于RFID技术的室内定位技术已经具有较多研究，主要包括起源蜂窝小区技术、时间到达法、时间到达差法和信号强度法等。基于RFID定位的方法自身具有高精度、多目标、小体积、高响应速度等优点，但是由于目前应用在轨道交通领域还需要克服成本过高、辐射较大等关键技术问题，目前尚缺少基于RFID的轨道交通客流选择检测技术及相应系统。在轨道交通领域，王炯、董晓婷等人[2012]提出通过对现有的城市轨道交通车票进行改造，增加超高频射频标签，增设对应的超高频射频标签读写器，建立完整的换乘数据采集系统，从而准确地判断乘客的乘车行为，实现对行人在站过程和时间参数进行采集。但是这里的研究尚处于构想阶段，尚未形成相关产品。

其次，对于手机，随着目前通讯技术的发展，手机目前已经逐步成为了人们生活的必需品。因此利用手机作为乘客附属物对其进行测量具有较高的信度和可靠性。蓝牙通讯作为手机的重要功能，可以作为被测量对象实现对乘客的直接测量。且蓝牙设备具有全球统一的地址编码规则，标识符具有唯一性。目前针对蓝牙的室内定位技术已经具有一定的研究。罗超[2007]提出了利用接收信号强度指示器(RSSI)，进行自动发射功率控制以保证稳定的信噪比，取消反馈系统进行室内定位。江德祥等[2010]提出基于核岭回归(KRR)的定位方法,只需利用蓝牙锚节点之间的信号强度及其物理坐标信息，学习蓝牙信号强度与物理坐标的回归模型，进而实现定位功能。王婷婷[2010]根据蜂窝定位原理，利用大型建筑里已有的室内定位服务建立了一个区域内蓝牙设备的数据库，包含有每个设备最后一次被监测到的位置信息。这些研究为本方法的提出提供了参考。既有研究中，尚未有人将蓝牙技术应用于地铁车站乘客轨迹的提取和行为参数的采集。

综上可知，既有研究中尚未提出基于蓝牙技术的地铁车站乘客轨迹提取方法和行为参数数据采集系统，作为自动化的乘客数据采集技术，本专利提出的方法和系统可以补充该领域的空白，为乘客在站实时数据采集提供可行高效的工具方法。

发明内容

为了克服现有技术的不足，本发明提出了一种利用蓝牙技术获取乘客轨迹及行为参数的系统与方法。

本发明采取的技术方案是：一种获取乘客轨迹及行为参数的系统，包括:

（1）乘客随身携带的内嵌有蓝牙芯片的移动终端设备；

（2）用于采集所述移动终端设备的原始数据的蓝牙扫描器，所述蓝牙扫描器的安装位置包括车站通道进出口处和站台候车区；

（3）用于实现蓝牙扫描器与中央级数据服务器之间的数据传输的数据传输网络；

（4）用于进行大规模数据匹配运算的中央级数据服务器。

所述系统还包括车站级数据服务器，所述车站级数据服务器用于接收并存放蓝牙扫描器采集到的原始数据，用于利用同步软件将所述同步数据传输到中央级数据服务器。

一种获取乘客轨迹及行为参数的方法，包括：

所述蓝牙扫描器实时检测并采集来所述自移动终端设备的原始数据；

所述蓝牙扫描器将采集到的所述原始数据通过数据传输网络发送给中央级数据服务器；

所述中央级数据服务器，将结合预先存储的车站设施基础数据、蓝牙扫描器位置与设施位置对应字典，根据数据挖掘算法对接收到的所述原始数据、预先存储的所述车站设施基础数据、所述蓝牙扫描器位置与设施位置对应字典进行匹配运算，根据运算结果数据最终获取乘客轨迹及行为参数。

所述车站设施基础数据包括通道基础数据和站台基础数据，其中，所述通道基础数据的表结构字段包括：设施编码、通道编号、通道类型、换乘方向、所属车站编码、通道宽度、通道长度、通道面积；所述站台基础数据的表结构字段包括：设施编码、站台编号、站台类型、所属车站编码、站台宽度、站台长度、站台面积。

所述蓝牙扫描器位置与设施位置对应字典的表结构字段包括：设施编码、设施类型、蓝牙扫描器编码。

所述原始数据的表结构字段包括：蓝牙设备唯一标识符、设备类型、检测时刻、蓝牙扫描器编码、设施编码、车站编码。

所述运算结果数据的表结构字段为：乘客ID、设施编码、设施类型、车站编码、进入时间、离开时间、逗留时间、平均速度。

所述乘客轨迹及行为参数具体为乘客在站内和在网络所述数据传输网络覆盖区域内上的走行轨迹、乘客个体在通道内的走行时间和平均速度、通道内客流平均走行时间和平均速度、乘客站台逗留时间。

所述数据挖掘算法的基本步骤包括：

1）由采集到的某一车站全日的原始数据，获取该车站蓝牙唯一标识符的集合，记为Q₁；

2）遍历蓝牙唯一标识符集合Q₁，针对每一个蓝牙标识符，从原始数据中提取出该车站全日与该标识符相应的所有数据，得到数据列表Q₂。

3）对Q₂按检测时间排序，得到

提取出

中设施编码集合C，遍历集合C中元素，针对第j个元素C[j]：

①如果C[j]对应的设施类型是站台，那么，记所述蓝牙唯一标识符对应的移动终端设备第一次被蓝牙扫描器扫描到的时刻为进入时间，记最后一次被该蓝牙扫描器扫描到的时刻为离开时间，记离开时间与进入时间的差为携带所述移动终端设备的乘客在该站台的逗留时间；

②如果C[j]对应的设施类型是通道，那么，记所述蓝牙唯一标识符对应的移动终端设备第一次被车站通道的入口处的蓝牙扫描器扫描到的时刻为进入时间，记该设备最后一次被该通道的出口处的蓝牙扫描器扫描到的时刻为离开时间，记离开时间与进入时间的差作为携带所述移动终端设备的乘客在该通道的逗留时间，记通道距离与逗留时间的商作为乘客在该通道内的平均速度。

所述蓝牙扫描器采用集成电路的芯片设计，包含有特定数据结构的小型数据库、刷新频率可调机制。

本发明的系统与方法能够对乘客的行走轨迹及行为参数进行精确调研，获取的参数数据能够为车站服务水平评估、客流安全状态辨识及客流组织提供丰富的基础数据支撑，可运用于地铁网络或车站乘客轨迹的提取和行为参数数据的采集，可广泛应用于其他交通方式的客运组织领域。

附图说明

图1是实施例1提供的一种获取乘客轨迹及行为参数的系统的结构示意图；

图2是实施例2提供的一种获取乘客轨迹及行为参数的方法流程图；

图3是实施例2采用的数据挖掘算法流程图；

图4是实施例1和2采用的蓝牙扫描器的蓝牙检测程序算法流程图。

具体实施例

以下结合附图和实施例对本发明的技术方案作进一步详细说明。以下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过程，但本发明的保护范围不限于下述实施例。

实施例1

本实施例提出了一种获取乘客轨迹及行为参数的系统，如图1所示，该系统包括:移动终端设备(即图1所示手机)、数据传输网络、安装于通道1出口和入口处以及站台等候区的蓝牙扫描器、中央级数据服务器。

图中所示移动终端设备是乘客随身携带的内嵌有蓝牙芯片的手机；

图中所示各个位置安装的蓝牙扫描器均用于采集所述移动终端设备的原始数据，其中，通道1出口和入口处安装的是小功率的蓝牙扫描器，检测范围是2-5米，站台等候区安装的蓝牙扫描器是大功率的蓝牙扫描器，检测范围是50-100米。

本实施例中所述数据传输网络用于实现蓝牙扫描器与中央级数据服务器之间的数据传输的，本实施例以无线网络为例。

图中所示中央级数据服务器，用于根据数据挖掘算法进行大规模数据匹配运算，本实施例中采用的数据挖掘算法是发明人自行编写的适用于该系统的算法，用于对车站设施基础数据、蓝牙扫描器位置与设施位置对应字典以及蓝牙扫描器传送来的原始数据进行大规模匹配运算，根据运算结果数据最终获取车站乘客轨迹及行为参数。

本实施例中具体地,所述系统还可以包括车站级数据服务器,蓝牙扫描期采集到的原始数据可以先存放在该蓝牙扫描器所在乘车站的机房的某个数据服务器即车站级数据服务器上，然后再利用同步软件，将该车站级数据服务器的数据库中的数据传输到中央级数据服务器。

实施例2

基于实施例1提出的系统，本实施例提出了一种获取车站乘客轨迹及行为参数的方法，如图2所示包括：

步骤S1：蓝牙扫描器实时检测并采集来所述自移动终端设备的原始数据；

步骤S2：:蓝牙扫描器将采集到的所述原始数据通过数据传输网络发送给中央级数据服务器；

步骤S3：中央级数据服务器，根据数据挖掘算法对接收到的所述原始数据和自身预先存储的车站设施基础数据、蓝牙扫描器位置与设施位置对应字典进行大规模数据的匹配运算，根据运算结果数据最终获取乘客轨迹及行为参数。

上述方法的实施过程具体为：

通过由蓝牙扫描器、数据服务器连接起来的网络，将安装于进出站通道或换乘通道的两端、站台楼梯附近和站台中部的蓝牙扫描器以一定频率检测到的蓝牙设备唯一标识符、蓝牙扫描器的唯一硬件标识符及检测时间数据，以一定的频率传送给车站级数据服务器和中央级数据服务器；中央数据挖掘运算处理系统，将结合车站设施基础数据、蓝牙扫描器位置与设施位置对应字典，根据数据挖掘算法对大规模数据进行匹配运算，根据运算结果数据最终获取所需的乘客轨迹，及通道走行时间、平均走行速度、站台逗留时间等行为参数。本实施例中优选的，安装于进出站通道或换乘通道的两端的蓝牙扫描器一般可取时间间隔为2～3秒一次的频率进行检测以采集来自移动终端设备的原始数据，安装于站台楼梯附近和站台中部的蓝牙扫描器可取为时间间隔为5秒一次的频率进行检测以采集来自移动终端设备的原始数据。

上述车站设施基础数据包括通道基础数据和站台基础数据，其中通道基础数据的表结构如表1所示：

表1：

其中，站台基础数据的表结构如下表2所示：

表2：

其中，蓝牙扫描器位置与设施对应字典表结构如表3所示：

表3：

其中，蓝牙扫描器采集到的原始数据的表结构如表4所示：

表4：

其中，匹配运算结果数据如表5所示：

表5：

本实施例涉及的数据挖掘算法的基本步骤包括：

本实施例中的移动终端设备以蓝牙设备为例进行说明。

1）由采集到的某一车站全日的原始数据，获取该车站蓝牙唯一标识符的集合，记为Q₁；

2）遍历蓝牙唯一标识符集合Q₁，针对每一个蓝牙标识符，从原始数据中提取出该车站全日与该标识符相应的所有数据，得到数据列表Q₂。

3）对Q₂按检测时间排序，得到

提取出

中设施编码集合C，遍历集合C中元素，针对第j个元素C[j]：

①如果C[j]对应的设施类型是站台，那么，记蓝牙设备第一次被蓝牙扫描器扫描到的时刻（即

中第一条设施编码字段等于C[j]的数据中的检测时刻）为进入时间，记该设备最后一次被该蓝牙扫描器扫描到的时刻（即

中最后一条设施编码字段等于C[j]的数据中的检测时刻）为离开时间，记离开时间与进入时间的差为携带该设备的乘客在该站台的逗留时间；

②如果C[j]对应的设施类型是通道，那么，记蓝牙设备第一次被属于某通道的某一蓝牙扫描器扫描到的时刻（即

中第一条设施编码字段等于C[j]的数据中的检测时刻）为进入时间，记该设备最后一次被该通道的另一台蓝牙扫描器扫描到的时刻（即

中最后一条设施编码字段等于C[j]的数据中的检测时刻）为离开时间，记离开时间与进入时间的差作为携带该设备的乘客在该通道的逗留时间，记通道距离与逗留时间的商作为乘客在该通道内的平均速度。

4）将3）中数据挖掘的结果保存到相应的数据表中，并重复以上过程，直至完成该车站所有蓝牙唯一标识符、所有车站设施编码的遍历匹配运算。

发明人设计的上述数据挖掘算法的具体实现流程如图3所示，如下：

步骤101:读取某车站原始检测数据表、站台基础数据表、通道基础数据表、蓝牙扫描器与设施对应关系字典表；

步骤102:由采集到的该车站全日的原始数据，获取所有蓝牙设备唯一标识符（以下记为乘客ID）集合Q1；

步骤103:遍历集合Q1中元素，针对第i个元素Q1[i]；

步骤104：判断i是否小于或等于Q1中元素的数量，如果否，则结束；如果是，则转入下一步：

步骤105：提取原始检测数据中乘客ID等于Q1[i]的所有数据Q2，并按设施编码和时间排序，结果记为Q2′，存储Q2′即为乘客在站移动轨迹；

步骤106：提取Q2′中设施编码集合C，遍历集合C中元素，针对第j个元素C[j]；

步骤107：判断j是否小于或等于集合C中元素的个数，如果否，则i=i+1,并返回到步骤104；如果是，执行下一步；

步骤108：判断C[j]是否是通道，如果是，执行步骤109；如果否，则执行步骤110；

步骤109：那么记Q2′中第一个设施编码字段等于C[j]的时刻为t1,记Q2′中最后一个设施编码字段等于C[j]的时刻为t2,记t3=t2-t1,记v=0，转入步骤111；

步骤110：记Q2′中第一个设施编码等于C[j]的时刻为t1，记Q2′中最后一个设施编码字段等于C[j]的时刻为t2，记t3=t2-t1,记v=通道C[j]的长度/t3，转入步骤111；

步骤111：将t1,t2,t3,v分别存放到结果输出表中对应的字段上；

步骤112：选择下一个设备编码，即令i=i+1,并回到步骤104。

进一步的，蓝牙扫描器这一设备包括软件和硬件，为了使设备实现特定的蓝牙检测、数据存储与传输功能，发明人进一步设计了设备的软件部分，所述蓝牙扫描器采用集成电路的芯片设计，包含有特定数据结构的小型数据库、刷新频率可调机制，其中所设计的软件蓝牙检测程序算法的流程如图4所示：

步骤201：设定蓝牙扫描器扫描频率为t1时间一次，扫描半径为r，当前检测时间为t；

步骤202：对周围区域内乘客携带的蓝牙设备执行检测；

本实施例中具体的，蓝牙扫描器对其检测范围内的蓝牙设备进行检测。一般的，小功率的蓝牙扫描器检测范围是2-5米，大功率的蓝牙扫描器检测范围是50-100米。

步骤203：判断是否检测到蓝牙设备，是则执行步骤204，否则执行步骤205；

步骤204：检测到n条设备信息，并将这些信息传输给远程服务器，继续执行下一步；

本实施例中具体的，蓝牙扫描器可以通过有线或无线网络将检测到的信息直接传输给中央级数据服务器，或者是先传输给车站级数据服务器，然后再通过同步软件传输到中央级数据服务器。

步骤205：更新当前检测时间为t=t+t1，返回步骤202。

对实施例1和2进一步说明如下：乘客随身携带的内嵌有蓝牙芯片的移动终端设备（如蓝牙手机、笔记本电脑等），该设备都有唯一的蓝牙标识符；在车站进出站通道进出口处各安装一个蓝牙扫描器，在站台候车区安装一个蓝牙扫描器；如果是应用于地铁，还需在车站换乘通道进出口处各安装一个蓝牙扫描器；数据传输网络可以用无线网络也可以用有限网络，具体根据项目实施所具备的条件而定。

Claims (10)

1.一种获取乘客轨迹及行为参数的系统，其特征在于，包括:

（1）乘客随身携带的内嵌有蓝牙芯片的移动终端设备；

（2）用于采集所述移动终端设备的原始数据的蓝牙扫描器，所述蓝牙扫描器的安装位置包括车站通道进出口处和站台候车区；

（3）用于实现蓝牙扫描器与中央级数据服务器之间的数据传输的数据传输网络；

（4）用于进行大规模数据匹配运算的中央级数据服务器。

2.根据权利要求1所述的系统，其特征是，所述系统还包括车站级数据服务器，所述车站级数据服务器用于接收并存放蓝牙扫描器采集到的原始数据，用于利用同步软件将所述同步数据传输到中央级数据服务器。

3.根据权利要求1所述的系统获取乘客轨迹及行为参数的方法，其特征在于，包括：

所述蓝牙扫描器实时检测并采集来所述自移动终端设备的原始数据；

所述蓝牙扫描器将采集到的所述原始数据通过数据传输网络发送给中央级数据服务器；

所述中央级数据服务器，将结合预先存储的车站设施基础数据、蓝牙扫描器位置与设施位置对应字典，根据数据挖掘算法对接收到的所述原始数据、预先存储的所述车站设施基础数据、所述蓝牙扫描器位置与设施位置对应字典进行匹配运算，根据运算结果数据最终获取乘客轨迹及行为参数。

4.如权利要求3所述的方法，其特征是：所述车站设施基础数据包括通道基础数据和站台基础数据，其中，

所述通道基础数据的表结构字段包括：设施编码、通道编号、通道类型、换乘方向、所属车站编码、通道宽度、通道长度、通道面积；

所述站台基础数据的表结构字段包括：设施编码、站台编号、站台类型、所属车站编码、站台宽度、站台长度、站台面积。

5.如权利要求3所述的方法，其特征是：所述蓝牙扫描器位置与设施位置对应字典的表结构字段包括：设施编码、设施类型、蓝牙扫描器编码。

6.如权利要求3所述的方法，其特征是：所述原始数据的表结构字段包括：蓝牙设备唯一标识符、设备类型、检测时刻、蓝牙扫描器编码、设施编码、车站编码。

7.如权利要求3所述的方法，其特征是：所述运算结果数据的表结构字段为：乘客ID、设施编码、设施类型、车站编码、进入时间、离开时间、逗留时间、平均速度。

8.如权利要求7所述的方法，其特征是：所述乘客轨迹及行为参数具体为乘客在站内和在网络所述数据传输网络覆盖区域内上的走行轨迹、乘客个体在通道内的走行时间和平均速度、通道内客流平均走行时间和平均速度、乘客站台逗留时间。

9.如权利要求3所述的方法，其特征是：所述数据挖掘算法的基本步骤包括：

1）由采集到的某一车站全日的原始数据，获取该车站蓝牙唯一标识符的集合，记为Q₁；

2）遍历蓝牙唯一标识符集合Q₁，针对每一个蓝牙标识符，从原始数据中提取出该车站全日与该标识符相应的所有数据，得到数据列表Q₂。

3）对Q₂按检测时间排序，得到

提取出

中设施编码集合C，遍历集合C中元素，针对第j个元素C[j]：

①如果C[j]对应的设施类型是站台，那么，记所述蓝牙唯一标识符对应的移动终端设备第一次被蓝牙扫描器扫描到的时刻为进入时间，记最后一次被该蓝牙扫描器扫描到的时刻为离开时间，记离开时间与进入时间的差为携带所述移动终端设备的乘客在该站台的逗留时间；

②如果C[j]对应的设施类型是通道，那么，记所述蓝牙唯一标识符对应的移动终端设备第一次被车站通道的入口处的蓝牙扫描器扫描到的时刻为进入时间，记该设备最后一次被该通道的出口处的蓝牙扫描器扫描到的时刻为离开时间，记离开时间与进入时间的差作为携带所述移动终端设备的乘客在该通道的逗留时间，记通道距离与逗留时间的商作为乘客在该通道内的平均速度。

10.根据权利要求1所述的系统，其特征在于，所述蓝牙扫描器采用集成电路的芯片设计，包含有特定数据结构的小型数据库、刷新频率可调机制。

Images