CN104066057B - 一种利用智能手机进行主动式乘客信息获取及服务的方法 - Google Patents
一种利用智能手机进行主动式乘客信息获取及服务的方法 Download PDFInfo
- Publication number
- CN104066057B CN104066057B CN201410290738.6A CN201410290738A CN104066057B CN 104066057 B CN104066057 B CN 104066057B CN 201410290738 A CN201410290738 A CN 201410290738A CN 104066057 B CN104066057 B CN 104066057B
- Authority
- CN
- China
- Prior art keywords
- passenger
- data
- information
- terminal
- mobile phone
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种利用智能手机进行主动式乘客信息获取及服务的方法,该方法包括:乘客利用随身携带的手持移动终端设备,提供地铁客流拥挤信息的终端应用,以及用于大规模数据存储和挖掘的中央处理系统。该方法是:通过安装在智能手机中的应用程序,主动获取乘客的地理位置信息数据和手机的设备识别码,将通过数据传输网络传送给中央处理系统,中央处理系统将结合地铁线网的地理信息对乘客的地理数据进行位置匹配,进而获取乘客的出行轨迹及车站客流参数。本发明的系统与方法能够对地铁网络上乘客的行走轨迹、地铁车站和区间的客流人数以及换乘人数进行统计,获取的参数数据能够为乘客出行服务、客流组织提供丰富的基础数据支撑和平台支持。
Description
技术领域
本发明涉及一种利用智能手机进行主动式乘客信息获取及服务的方法,应用于城市轨道交通客运组织领域。
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运营网络的线路选择、客流分布等乘客行为参数,不仅对轨道交通的服务水平计算与量化评价、客流组织优化提供重要的基础数据支撑,同时也对乘客个体的换乘路线选择,乘车时间预测都具有重要的现实意义。目前,在城市轨道交通实际运营中,对于乘客客流信息的获取主要包括模糊推算和直接测算方法两种;对乘客客流信息的发布主要借助于乘客信息系统(PIS),采取站内发布的方式。
模糊推算方法。模糊推算的思路偏于宏观和理论层面。利用运营中实际的票务信息构成的AFC数据,获得各个时间段各个站点各个进站口的进出站数量。借助于该数据进行客流清分,采用传统的客流方法,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。顾磊提出单一乘客的出行路径可以利用层次分析法确定其路径选择权重,但是其判断矩阵需要人为进行修正,计算量较为复杂;陆春江利用了无向图的数据存储方式,应用了图论的搜索方法确定出行路径的选择问题,产生可行路径分配比例;牛新奇引入了K短路的求解思路,通过首先通过建立轨道交通网络模型的邻接矩阵,随后运用计算机算法求解OD车站之间的最短路径、次短路径和渐短路径,进而确定3条线路的分配比例,进而实现对客流分布的推算。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。自动测量主要利用自动化的仪器设备,对乘客及乘客集群进行实时测量,获取路网客流分布基本信息。目前在自动化检测中应用比较广泛的主要是基于视频图像处理的方法。
基于视频图像的方法结合图形处理和模式识别对客流进行识别,进而通过信息汇总,得到路网的客流分布情况。Siu-Yeung Cho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。但是,基于视频图像对客流进行识别,需要在轨道交通路网各个位置安装视频采集系统,具有较大的工程量和投资量;此外,图像视频算法目前准确性还有待提高,目前还满足不了轨道交通客流分布量化的需求。
客流信息发布方面,目前主要借助于PIS(乘客信息系统)面向轨道交通各车站内乘客发布。但是由于乘客信息系统技术复杂,目前国内仅有上海地铁、北京地铁、深圳体贴和广州地铁的部分线路引入了较为完整的PIS系统,但是目前国内的乘客信息系统尚不具备实时发布客流信息的功能,相关研究也尚属空白。
综上可知,既有研究中尚未提出智能手机进行主动式地铁客流信息获取及服务的系统与方法。
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手持终端进行主动式获取乘客轨迹及行为参数的系统与方法。作为自动化的乘客数据采集技术,本发明提出的方法和系统可以补充该领域的空白,为乘客利用智能手机实时查看全路网线路客流分布、轨道交通运营单位实时获得乘客路径信息提供了完整的解决方案。
一种利用手持终端应用获取乘客轨迹及行为参数的系统包括:
手持移动终端,用于查询相关信息,并将包含特征数据的特征信息同时上传给前端数据库;
前端查询服务器,用于响应乘客的查询需求,并借助于与其他系统的接口进行互通,实现数据共享;前端查询服务器可以直接借助于现有其他查询平台,通过接口与本系统进行连接。
中央级数据仓库,用于提取乘客在应用平台查询相关信息过程中的特征值进行数据分析,并进行大规模数据匹配运算和人工智能分析。
进一步,所述特征信息是指乘客作为查询应用的使用者,所使用的IMEI识别码、查询位置地点信息,查询过程中输入的路径信息及在应用开启时心跳位置信号。
进一步,所述手持移动终端包括设置在移动终端中的查询应用平台,能够响应乘客的查询需求,同时能够在得到乘客用户许可的前提下,将用户查询过程中产生的手机IMEI识别码、地点信息、路径信息特征信息传递给前端服务器。
一种利用手持终端应用获取乘客轨迹及行为参数的方法,该方法包括如下步骤:
乘客主动通过手持智能终端查询相关信息,并将包含特征数据的乘客特征信息同时上传给前端数据库;
前端服务器对乘客的特征信息进行分解提取,分解其查询需求与特征数据,同时利用相应接口提取数据并返回给终端用户,并将用户特征信息传递给中央数据仓库;
中央级数据仓库将结合预先存储的车站设施基础数据、移动数据终端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、移动数据终端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。
进一步,所述乘客特征信息包括乘客手机IMEI识别码、乘客地点信息及乘客路径信息。
进一步,所述数据挖掘算法包括如下步骤:
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,按照移动网络基站位置进行分类;
步骤102:与车站地理信息进行对照,获取某一待分析区域的手持终端IMEI识别码集合,记为Q1;
步骤103:遍历集IMEI识别码集合的每一个元素,针对每一个识别码,针对第i个元素Q1[i],获得其目的地时间和查询时间,得到数据列表Q2
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:对Q2,按照查询时间排序,得到Q2',
步骤106:提取出中目的地编码集合C,遍历C中元素,得到该时段该车站乘客目的地信息集合D;
步骤107:利用D信息与平日该时段OD数据进行比对,按收集数据数量与频次进行比例扩大,即可得到当日当时段OD数据;
步骤108:利用D集合结合查询平台返回心跳数据;
步骤109:得到心跳时间间隔T[i]和距离间隔D[i],两者相除得到该乘客的平均速度;
步骤110:对下一个集合进行统计;
步骤111:与OD数据进行对比,得到未来路网客流分布情况演变趋势;
步骤112:求出区域内各单位的心跳数据间隔和距离间隔,得到该区域的平均走行时间和乘客站台逗留时间。
本发明的有益效果为:
利用该方法可以利用现有其他查询服务的基础上,利用本方法的系统和方法,实现乘客利用智能手持终端实时查看全路网线路客流分布、轨道交通运营单位实时获得乘客路径信息提供系统性解决方案。
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是中央数据仓库内涵数据结构图;
图4是实施例2采用的数据挖掘算法示意图。
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主动式地铁信息客流信息获取及服务的系统,如图1所示,该系统包括手持移动终端、移动数据网络、前端查询服务器和中央级数据仓库。
所述手持移动终端是指具有通讯能力和基本操作系统的手持通讯重点设备。所述手持移动终端包括设置在移动终端中的查询应用平台,能够响应乘客的查询需求,同时能够在得到乘客用户许可的前提下,将用户查询过程中产生的手机IMEI识别码、地点信息、路径信息特征信息传递给前端服务器。
所述移动数据网络包括移动数据基站与移动数据网络,用于传输相关数据的数据网络。在本系统中,移动数据基站及网络主要以现有语音数据通讯网络为主。
前端查询服务器,用于响应乘客的查询需求,并借助于与其他系统的接口进行互通,实现数据共享。
所述中央级数据服务器,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、特征数据等其他数据进行大规模匹配运算,根据运算结果最终获得所述数据传输网络覆盖区域内上的走行轨迹、平均速度、区域内客流平均走行时间和平均速度、乘客站台逗留时间。
实施例2
基于实施例1提出的系统,本实施例提出了一种主动式地铁信息客流信息获取的方法,如图2所示,包括:
步骤S1:乘客主动通过手持智能终端查询相关信息,并将包含特征数据的特征信息同时上传给前端数据库;
步骤S2:所述前端服务器,对用户的数据进行分解提取,分解其查询需求与特征数据,同时利用相应接口提取数据并返回给终端用户,并将用户特征信息传递给中央数据仓库;
步骤S3:中央级数据仓库将结合预先存储的车站设施基础数据、移动数据终端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、移动数据终端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。
所述步骤S1中,乘客通过查询应用获取相应信息,查询应用能够在得到乘客许可的前提下,将乘客查询过程中产生的手机IMEI识别码、地点信息、路径信息等特征信息传递给前端服务器。
所述步骤S2中,通过在用户查询过程中,在用户允许的情况下,前端服务器通过一定的算法分离查询信息与用户特征信息,利用查询服务器返回用户得到的查询结果,并将用户特征信息传递给中央数据仓库。
所述步骤S3中,中央级数据仓库结合预先存储的车站设施基础数据、移动数据终端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、移动数据终端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。所述设施位置对应字典是所有设施的位置、名称的对应表,可以以项目编号、项目名称作为索引查询到该设备的位置。比如说一个人先后被A设备、B设备和C设备获得,那他的路径就是ABC设备所在的位置,行为参数以速度等为主也可以利用相关公式得到。所述中央数据仓库内涵数据结构如图3所示。
本发明的数据挖掘算法的具体实现流程如图4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,按照移动网络基站位置进行分类;
步骤102:与车站地理信息进行对照,获取某一待分析区域的手持终端IMEI识别码集合,记为Q1;
步骤103:遍历集IMEI识别码集合的每一个元素,针对每一个识别码,针对第i个元素Q1[i],获得其目的地时间和查询时间,得到数据列表Q2
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:对Q2,按照查询时间排序,得到Q2',
步骤106:提取出中目的地编码集合C,遍历C中元素,得到该时段该车站乘客目的地信息集合D;
步骤107:利用D信息与平日该时段OD数据进行比对,按收集数据数量与频次进行比例扩大,即可得到当日当时段OD数据;
步骤108:利用D集合结合查询平台返回心跳数据;
步骤109:得到心跳时间间隔T[i]和距离间隔D[i],两者相除得到该乘客的平均速度;
步骤110:对下一个目的地信息集合进行统计;
步骤111:与OD数据进行对比,得到未来路网客流分布情况演变趋势;
步骤112:求出区域内各单位的心跳数据间隔和距离间隔,得到该区域的平均走行时间和乘客站台逗留时间。
Claims (2)
1.一种利用手持终端应用获取乘客轨迹及行为参数的方法,其特征在于,该方法包括如下步骤:
乘客主动通过手持智能终端查询相关信息,并将包含特征数据的乘客特征信息同时上传给前端服务器;
前端服务器对乘客的特征信息进行分解提取,分解其查询需求与特征数据,同时利用相应接口提取数据并返回给终端用户,并将用户特征信息传递给中央数据仓库;
中央数据仓库将结合预先存储的车站设施基础数据、移动数据终端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用户特征信息、预先存储的所述车站设施基础数据、移动数据终端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;
所述数据挖掘算法包括如下步骤:
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,按照移动网络基站位置进行分类;
步骤102:与车站地理信息进行对照,获取某一待分析区域的手持终端IMEI识别码集合,记为Q1;
步骤103:遍历集IMEI识别码集合的每一个元素,针对每一个识别码,针对第i个元素Q1[i],获得其目的地时间和查询时间,得到数据列表Q2
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:对Q2,按照查询时间排序,得到Q2',
步骤106:提取出Q2'中目的地编码集合C,遍历C中元素,得到当前时段该车站乘客目的地信息集合D;
步骤107:利用D信息与平日该时段OD数据进行比对,按收集数据数量与频次进行比例扩大,即可得到当日该时段OD数据;
步骤108:利用D集合结合查询平台返回心跳数据;
步骤109:得到心跳时间间隔T[i]和距离间隔D[i],两者相除得到该乘客的平均速度;
步骤110:对下一个集合进行统计;
步骤111:与OD数据进行对比,得到未来路网客流分布情况演变趋势;
步骤112:求出区域内各单位的心跳数据间隔和距离间隔,得到该区域的平均走行时间和乘客站台逗留时间。
2.根据权利要求1所述的一种利用手持终端应用获取乘客轨迹及行为参数的方法,其特征在于,所述乘客特征信息包括乘客手机IMEI识别码、乘客地点信息及乘客路径信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410290738.6A CN104066057B (zh) | 2014-06-25 | 2014-06-25 | 一种利用智能手机进行主动式乘客信息获取及服务的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410290738.6A CN104066057B (zh) | 2014-06-25 | 2014-06-25 | 一种利用智能手机进行主动式乘客信息获取及服务的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104066057A CN104066057A (zh) | 2014-09-24 |
CN104066057B true CN104066057B (zh) | 2018-04-20 |
Family
ID=51553547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410290738.6A Expired - Fee Related CN104066057B (zh) | 2014-06-25 | 2014-06-25 | 一种利用智能手机进行主动式乘客信息获取及服务的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104066057B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106033548B (zh) * | 2015-03-13 | 2021-04-20 | 中国科学院西安光学精密机械研究所 | 基于改进字典学习的拥挤人群异常检测方法 |
CN106327857A (zh) * | 2015-06-30 | 2017-01-11 | 深圳市九洲电器有限公司 | 乘车提醒方法及系统 |
CN105488883A (zh) * | 2015-12-12 | 2016-04-13 | 张晓刚 | 紧急情况安全门打开装置 |
CN109889988B (zh) * | 2017-12-06 | 2022-05-24 | 北京亿阳信通科技有限公司 | 基于地铁场景通信记录分析网络状况的方法和装置 |
JP7234022B2 (ja) * | 2019-04-18 | 2023-03-07 | 株式会社日立製作所 | 情報収集システムおよび情報収集方法 |
CN110348734B (zh) * | 2019-07-09 | 2024-02-27 | 广州地铁集团有限公司 | 一种基于技术应用成熟度的智慧地铁等级确定方法 |
CN112268563B (zh) * | 2020-10-23 | 2022-03-04 | 重庆越致科技有限公司 | 一种行人乘坐轨道交通状态及轨迹的检测方法和装置 |
CN112298293B (zh) * | 2020-10-30 | 2022-07-01 | 上海市信产通信服务有限公司 | 基于5g获取车站乘客行为轨迹参数的系统及方法 |
CN112686466B (zh) * | 2021-01-12 | 2024-01-05 | 北京交通发展研究院 | 地铁乘客的路径确认方法及装置 |
CN114006918A (zh) * | 2021-09-10 | 2022-02-01 | 西安铁路信号有限责任公司 | 一种轨道交通乘客信息发布系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101583075A (zh) * | 2008-05-14 | 2009-11-18 | 高建波 | 一种无线移动终端的定位、查询系统及方法 |
JP2010130684A (ja) * | 2008-12-01 | 2010-06-10 | Dong-A Univ Research Foundation For Industry-Academy Cooperation | 移動客体に対するネットワーク構成管理システム及び方法 |
CN103198151A (zh) * | 2013-04-24 | 2013-07-10 | 北京航空航天大学 | 区域性城市公交车辆运行信息的索引查询系统及方法 |
-
2014
- 2014-06-25 CN CN201410290738.6A patent/CN104066057B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101583075A (zh) * | 2008-05-14 | 2009-11-18 | 高建波 | 一种无线移动终端的定位、查询系统及方法 |
JP2010130684A (ja) * | 2008-12-01 | 2010-06-10 | Dong-A Univ Research Foundation For Industry-Academy Cooperation | 移動客体に対するネットワーク構成管理システム及び方法 |
CN103198151A (zh) * | 2013-04-24 | 2013-07-10 | 北京航空航天大学 | 区域性城市公交车辆运行信息的索引查询系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于手机定位信息的地铁乘客出行路径辨识方法;赖见辉;《计算机应用》;20130201;第33卷(第2期);第2-3页3.2节和3.3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN104066057A (zh) | 2014-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104066057B (zh) | 一种利用智能手机进行主动式乘客信息获取及服务的方法 | |
CN109285376B (zh) | 一种基于深度学习的公交车客流统计分析系统 | |
Yang et al. | A spatiotemporal and graph-based analysis of dockless bike sharing patterns to understand urban flows over the last mile | |
Meng et al. | City-wide traffic volume inference with loop detector data and taxi trajectories | |
CN108320501A (zh) | 基于用户手机信令的公交线路识别方法 | |
CN102708698B (zh) | 基于车联网的车辆最优路径导航方法 | |
CN102521973B (zh) | 一种手机切换定位的道路匹配方法 | |
CN103327091A (zh) | 一种获取乘客轨迹及行为参数的系统与方法 | |
CN113077090B (zh) | 客流预测方法、系统及计算机可读存储介质 | |
CN112133090A (zh) | 一种基于手机信令数据的多方式交通分布模型构建方法 | |
CN106197458A (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
CN103593974B (zh) | 一种基于定位信息的公交载客量采集方法 | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
CN106710208A (zh) | 交通状态的获取方法及装置 | |
CN104424812B (zh) | 一种公交到站时间预测系统和方法 | |
CN106297288A (zh) | 一种公交乘客客流数据采集与分析方法 | |
CN102779410B (zh) | 一种多源异类海量交通数据融合的并行实现方法 | |
CN107845259A (zh) | 公交运行情况实时反馈系统及公交实时运行数据处理方法 | |
CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
CN105868861A (zh) | 一种基于时空数据融合的公交客流演化分析方法 | |
CN107545320A (zh) | 一种基于图论的城市轨道交通乘客路径规划方法及系统 | |
CN106448173B (zh) | 一种基于手机数据的长距离出行交通方式划分方法 | |
CN106971535B (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
CN108171993A (zh) | 一种基于手机信令大数据的高速公路车辆速度计算方法 | |
CN105469599B (zh) | 车辆轨迹跟踪和车辆行为预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180420 Termination date: 20200625 |