CN104408082A - 一种基于实时信息的地铁乘客服务系统 - Google Patents

Abstract

本发明涉及一种基于实时信息的地铁乘客服务系统，通过移动端设备自动连接地铁站和地铁车厢中的无线服务器，与服务器进行数据交互，实时获取地铁站内部的相关信息，供乘客进行实时查看，并提出一种基于地铁的预计到站时间、站点之间的运行时间、地铁站当前的客流信息、地铁车厢中的客流信息的启发式搜索策略，得到最优的建议乘坐方案，同时得到时间最优和距离最优方案供乘客进行选择，方案确定后根据当前乘客的位置情况，实时提供下一步行程的提醒，提醒内容包括根据即将到达地铁的无线服务器信息确定车厢人流情况，系统会给出最佳的候车位置建议，乘坐后实时给出即将到达下一站的时间和乘客的下车站点和时间，地铁站的出口方案和相应的地图信息。

Description

一种基于实时信息的地铁乘客服务系统

技术领域

本发明涉及无线通信、启发式搜索技术以及实时信息推送服务，是一种基于无线网络实时信息的地铁乘客服务系统。本发明针对地铁的特殊环境特点，通过与无线服务器连接进行无线通信，获取实时信息；针对最优乘坐方案的问题，提出一种基于地铁行驶时间和客流量情况的启发式搜索策略；在确定路线方案后，通过向移动端设备实时推送的方式，将相关的信息提醒给乘客。

背景技术

随着城市人口的急剧膨胀导致交通超载负荷，城市地铁的建设极大的缓解了城市交通问题，然而由于日益增多的地铁站和同时成倍增长的地铁出口，站内提供的引导地图已经很难满足人们的需求，往往导致人们出行的困扰。

随着移动互联网技术的不断发展以及智能手机市场占有率大幅增加，基于手机地图和地理位置服务进入了一个新的发展阶段，极大地方便了人们的出行。目前手机端的导航大部分是基于GPS技术，通过对轨道卫星与接收器的信号传输时间进行测量，得到用户的具体地理位置。GPS的定位精度可以控制在几米之内，在广阔的地理区域定位效果很好(Furey E.,Curran K.,McKevitt P.,HABITS:A History Aware Based Wi-Fi Indoor Tracking System,The 9th Annual PostgraduateSymposium:The convergence of Telecommunications,Networking and Broadcasting2008,pp.225-229)。但是GPS需要花费较长的时间对接收器进行第一次定位，并且定位过程中必须保证GPS设备能同时接收到多个卫星的信号。因此，在室内或地理环境有遮挡的情况下，GPS工作效果很差，尤其是对于地铁站环境，GSP设备很难接收到卫星信号(Li B.,Quader I.,Dempster A.,On outdoorpositioning with Wi-Fi,Journal of Global Positioning Systems,2008,pp.18-26)。

此外，随着乘坐地铁人数的增多，车站人流量对乘客乘坐地铁的效率和便捷性有着很大的影响，但是目前的地铁线路导航软件只考虑了路径的绝对距离，没有考虑候车时间及车站人流因素对行程的影响。

发明内容

本发明的目的是提供一种基于地铁站实时综合信息的移动端乘客服务系统，要解决的技术问题是地铁站环境中的移动端设备的数据交互、有效的路线规划方法以及移动端推送服务的设计。为解决上述这一问题，本发明首先要求在地铁站以及地铁车厢中建立无线服务器，当乘客进入地铁环境中，其移动端设备会自动连接到地铁站中相应的无线服务器，从而与服务器进行数据交互。乘客输入其目的地后，系统通过无线方式获得实时信息，包括地铁位置信息和客流信息等，并采用一种基于以上综合信息的启发式搜索方法得到最佳乘车路线，最终将乘坐方案结果和相关的实时信息对乘客进行推送服务。

本发明技术方案的整体结构如附图1所示，具体包括以下模块：

1.数据交互：用户移动端设备自动连接到无线热点后，将设备的ID以及目的地信息发送至服务器，同时从服务器端读取地铁实时信息。

2.路线规划：采用启发式搜索的方式综合考虑乘车距离和乘客流信息等相关要素，在使总行程时间最短的前提下，融入车站人流因素的影响，得到更加人性化的路线方案。

3.站台指引：通过利用地铁车厢内布置的无线服务器来获取下一辆列车的客流分布情况，从而引导乘客去较空的车厢进行候车，解决排队人员分布不均匀的问题，对上车人流起到引导的作用，充分利用空间资源。

4.出站搜索：如果乘客输入的目的地不是站点的名称，根据乘客目的地的信息(包括三类：换乘公交、周边道路、地标建筑)计算出各个出口与目的地的距离，并给出最短路径的出口建议，显示到站内地图和出口地图中。

5.实时信息推送：系统将所选择的乘车方案记录下来，并实时更新方案信息，将上下车提醒向乘客进行推送。此外，通过与无线服务器进行数据交互，可以实时得到乘客位置、车站人流情况等信息供乘客参考。

本发明安装在移动端设备上，能够在地铁车站内和车厢中进行使用，解决了一般导航软件在封闭环境中无法工作的问题；在路径规划的过程中，对一般的路径规划方法进行改进，提出一种综合考虑乘车距离以及客流量信息的启发式搜索方法，得到的地铁乘坐方案更加人性化；在路线搜索的过程中，通过分析列车的客流分布情况，解决了排队分布不均的问题，从而充分利用地铁的空间资源；提供多种导航信息的显示和推送，为人们的出行提供便捷的服务。

附图说明

图1为本发明基于实时信息的地铁乘客服务系统结构示意图。

图2为地铁线路示意图。

图3为地铁站内示意图。

图4为地铁站出口示意图。

图5-a为列车拥挤度函数示意图。

图5-b为车站拥挤度函数示意图。

图6为乘坐方案界面示意图。

图7为系统工作流程示意图。

具体实施方式

如图1所示，本发明共包括数据交互、路线规划、站台指引、出站搜索以及信息推送五个模块。无线服务器部分是安装在地铁站内以及各节车厢内部，具有无线热点功能的服务器，用于采集与列车和客流相关的实时信息，并存储相关的地图信息。数据交互模块负责为系统其他模块提供实时数据，在用户移动端设备自动连接到无线热点后，可以将移动端设备的ID以及用户输入的目的地信息发送至服务器。并从服务器端获取如下信息：

1)地铁线路图，当前乘客所在站点SS，可选择下车的地铁站ST，当前各个站点的人数及站点的人数上限，并根据站点的人数情况分别用颜色的深浅变化表示人流的过饱和、饱和、稀疏，如图2所示；

2)当前各个地铁站内地图，用户所处的区域，以及即将到达各个站点的地铁的相关信息，包括地铁的线路信息，地铁到达该站点的剩余时间，各节车厢的人数，各车厢的座位数为以及各节车厢可容纳人数上限，并根据站点的人数情况分别用颜色的深浅变化表示车厢内人数的过饱和、饱和、稀疏，如图3所示；

3)站点出口地图，包括出口附近的换乘公交、街道路标和地标建筑，如图4所示；

当用户查看相应的界面或激活某项功能时，数据交互模块循环从服务器中实时读取相关的信息，并不断更新到系统中。

路线规划问题可以看作在有向图中，采用一定的搜索策略，寻找到从起始点到目标点的一条路径。为了保证搜索路径的有效性，本发明提出一种综合考虑地铁实时信息的路线规划方法，在使总行程时间最短的前提下，融入车站人流因素的影响，从而使路线方案更加人性化。的具体步骤如下：

步骤一：定义以下几类代价函数：

(1)在站点n乘坐地铁M的时间代价：

${\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(n,M)=T_{n,M}---\left(1\right)$

其中，T_n,M为地铁M到达站点n的剩余时间。

(2)乘坐地铁M从站点n-1到达站点n的时间代价：

${\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{travel}}\left(n\right)=T_{n-1,n}^M---\left(2\right)$

其中，为地铁M从站点n-1到站点n所需要的行驶时间。

(3)乘坐地铁M从站点n-1到达站点n的距离代价：

ψ_length(n)＝1    (3)

步骤二：考虑到在地铁站中如果人流过多会给乘客上下车带来很大困扰，并且上下车乘客较多时，也会在一定程度上影响地铁的正常发车计划。因此本发明定义如下拥挤度评价标准：

(1)在地铁站n乘坐地铁M的拥挤度评价：

$\begin{array}{c}{\mathrm{\ψ}}_h^{\mathrm{geton}}(n,M)=f_{\mathrm{scrowd}}({\mathrm{scount}}_n,{\mathrm{scount}}_n^{\mathrm{limit}},{\mathrm{\Σmcount}}_{n,M})/2\\ +f_{\mathrm{mcrowd}}(\mathrm{\Σ}{\mathrm{mcount}}_{n,M},{\mathrm{\Σmcount}}_{n,M}^{\mathrm{llimit}},{\mathrm{\Σmcount}}_{n,M}^{\mathrm{hlimit}})/2\end{array}---\left(4\right)$

(2)乘坐地铁M在地铁站n下车的拥挤度评价：

${\mathrm{\ψ}}_h^{\mathrm{getoff}}(n,M)=f_{\mathrm{mcrowd}}({\mathrm{\Σmcount}}_{n,M},{\mathrm{\Σmcount}}_{n,M}^{\mathrm{llimit}},{\mathrm{\Σmcount}}_{n,M}^{\mathrm{hlimit}})---\left(5\right)$

其中，f_mcrowd为列车拥挤程度的评价函数，如图5-a所示，f_scrowd为车站拥挤程度的评价函数，具体如图5-b所示。其中，Σmcount_n,M为即将到达车站n的M线路列车的总人数，为列车总座位数，为列车总人数上限，scount_n为车站n的当前人数，为车站n可容纳人数上限。

步骤三：定义启发函数f(n)＝g(n)+h(n)。启发函数考虑了乘车的时间效率以及人流拥挤问题对行程的影响，其中g(n)为起点到达节点n的实际代价值，h(n)为从节点n到目标节点的代价估计。根据不同的路线方案的特征，本发明定义了三类启发函数，即距离优先方案f(n)＝g_length(n)+h_length(n)；时间优先方案综合建议方案f(n)＝g_total(n)+h_total(n)。通过不同的启发函数，本发明最终得到多种方案，如图6所示。代价函数的定义如下：

$g_{\mathrm{length}}\left(n\right)=\underset{i=\mathrm{SS}}{\overset{n-1}{\mathrm{\Σ}}}{\mathrm{\ψ}}_{\mathrm{length}}\left(i\right),h_{\mathrm{length}}\left(n\right)=\underset{i=n+1}{\overset{\mathrm{ST}}{\mathrm{\Σ}}}{\mathrm{\ψ}}_{\mathrm{length}}\left(i\right)---\left(6\right)$

$g_{\mathrm{time}}\left(n\right)={\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(\mathrm{SS},M)+\underset{i=\mathrm{SS}}{\overset{n-1}{\mathrm{\Σ}}}[{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(i+1,M)+{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{travel}}(i+1)]---\left(7\right)$

$h_{\mathrm{time}}\left(n\right)=\underset{i=n+1}{\overset{\mathrm{ST}}{\mathrm{\Σ}}}[{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(i,M)+{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{travel}}\left(i\right)]---\left(8\right)$

$\begin{array}{c}{g}_{\mathrm{total}}\left(n\right)={\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(\mathrm{SS},M)+{\mathrm{\ψ}}_h^{\mathrm{geton}}(\mathrm{SS},M)\\ +\underset{i=\mathrm{SS}}{\overset{n-1}{\mathrm{\Σ}}}[{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(i+1,M)+{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{travel}}(i+1)+{\mathrm{\ψ}}_h^{\mathrm{geton}}(i+1,M)+{\mathrm{\ψ}}_h^{\mathrm{getoff}}(i+1,M)]\end{array}---\left(9\right)$

$h_{\mathrm{total}}\left(n\right)=\underset{i=n+1}{\overset{\mathrm{ST}}{\mathrm{\Σ}}}[{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(i,M)+{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{travel}}\left(i\right)+{\mathrm{\ψ}}_h^{\mathrm{geton}}(i,M)+{\mathrm{\ψ}}_h^{\mathrm{getoff}}(i,M)]---\left(10\right)$

步骤四：通过以上的启发式信息对最佳路线进行搜索。其中由于启发函数的加入，使得每一步的最佳搜索方向不会与目标点方向偏差过大，提高算法的效率。算法流程如下：

1.用邻接矩阵A表示站点的网络模型：

2.生成空open表和空closed表分别存放下一次可以到达的站点节点和已经到达的站点节点，并将起始节点SS作为第一个路径节点放入open表中， $f\left(\mathrm{SS}\right)={\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(\mathrm{SS},M).$

3.分别计算open表中的候选节点对应的启发函数f的值，并将值最小的节点记为bestNode，将其放入closed表中。

4.如果bestNode为ST，则算法结束，否则计算与bestNode连接的所有节点的g。如果没有子节点，则将该节点从open表中去除，返回步骤3。

5.若bestNode的子节点在open表中，则对open表中所有节点的g值进行更新，更新准则为g(old)＝g(new),if g(old)≥g(new)；若bestNode的子节点在closed表中，如果g(old)≥g(new)，则并重新计算所有old的子孙节点的g值。若bestNode的子节点不在closed表或open表中，将该节点插入open表中。

6.转到步骤3继续搜索，直到满足终止点条件为止。最终所有有效点的连线就是得到的路径。

表1建议方案列表

表2方案1详细信息

车站	到达地铁	剩余时间	客流情况
				SS	5号	1分10秒	畅通
SA1	5号	3分钟	畅通
				SA1	4号	4分钟	缓行
SA2	4号	6分钟	畅通
				SA3	4号	7分钟	畅通
SA4	4号	9分钟	畅通
				SA5	4号	10分钟	畅通
SA6	4号	11分钟	畅通
				SA7	4号	12分钟	畅通
SA8	4号	13分钟	畅通
				SA9	4号	14分钟	畅通
ST1	4号	15分钟	拥堵

本发明根据目的地位置将最近的地铁站均作为备选方案，如图6所示，建议的出站位置为ST1和ST2。对于每个终点位置，本发明根据三类不同的启发函数，即时间优先、距离优先和综合建议得到三组方案，并将其中重复方案去除后显示给用户。最终得到的乘坐方案和方案的详细信息如表1～4所示。

表3方案2详细信息

车站	到达地铁	剩余时间	客流情况
				SS	5号	1分10秒	畅通
SB1	5号	3分钟	拥堵
				SB2	5号	5分钟	拥堵
SB2	1号	7分钟	拥堵
				SB3	1号	9分钟	拥堵
SB3	2号	12分钟	拥堵
				SB4	2号	15分钟	缓行
SB5	2号	17分钟	拥堵
				ST1	2号	20分钟	拥堵

表4方案3详细信息

车站	到达地铁	剩余时间	客流情况
				SS	5号	1分10秒	畅通
SC1	5号	3分钟	拥堵
				SC2	5号	5分钟	拥堵
SC3	5号	7分钟	畅通
				SC4	5号	8分钟	缓行
SC5	5号	10分钟	缓行
				SC5	4号	12分钟	缓行
SC6	4号	13分钟	畅通
				SC7	4号	14分钟	畅通
SC8	4号	15分钟	畅通
				SC9	4号	16分钟	畅通
ST2	4号	17分钟	畅通

在地铁站台候车时，乘客并不知道下一列进站列车车内人数的分布情况，只能大概估计站台上的排队人数进行选择，这样就会造成整体客流分布的不均匀性，导致乘客坐车舒适度的下降，相对地也降低了一定的地铁运能。站台指引模块通过读取地铁车厢内布置的无线服务器可以得到连接到该服务器的移动端设备个数，从而确定下一辆列车的客流分布情况，引导乘客去较空的车厢进行候车。通过站台指引模块，能很好解决排队人员分布不均匀的问题，对上车人流起到引导的作用，充分利用空间资源。

出站查询模块通过集成Google Map地图服务功能，实现地铁站各站点出口及周边道路、公交信息以及地标建筑的查询，同时，通过计算各个出口与目标地点的路线距离，为乘客提供辅助决策支持。当用户输入的目的地不是地铁站的名字时，通过Google Map地图服务功能得到地铁站各出口与目的地的路线距离，并从中选取最短路径作为出口建议。

最终乘客根据自己的实际情况，从备选路线中选择一条作为最终的乘车方案。系统将该乘车方案记录下来，并实时更新方案信息，将上下车信息向乘客进行推送。方案内容包括：建议地铁的上车位置、换乘站点欲乘坐地铁的到达剩余时间T和该地铁各节车厢当前人流情况、预计到达途径每一个地铁站及目的地的剩余时间及车站的人流情况以及建议出口。同时，系统还提供地图服务功能，包括地铁站内布局以及出口地图，方便乘客寻找出口位置并浏览地铁站周边详细地图信息。通过直接点击地图中的地铁站点或者站点出口可以跳转到相应的地图，随时查看相应的详细情况。整个系统的工作流程如图7所示。

Claims (1)

1.一种基于实时信息的地铁乘客服务系统，其特征在于：

步骤一：通过移动端设备自动连接布置在地铁站和地铁车厢中的无线服务器，让移动端设备与地铁车厢中的无线服务器进行实时的数据传输，无线服务器获取连入移动端设备的信息，移动端设备将得到的地铁当前位置、地铁站及地铁车厢中人流情况信息实时提供给乘客；

步骤二：采用启发式搜索方法得到最优的乘车路线方案，系统同时得到时间最优和距离最优方案供乘客进行选择；具体如下：

第一步：定义代价函数

1)在站点n乘坐地铁M的时间代价： ${\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(n,M)=T_{n,M}---\left(1\right)$

其中，T_n,M为地铁M到达站点n的剩余时间；

2)乘坐地铁M从站点n-1到达站点n的时间代价：

其中，为地铁M从站点n-1到站点n所需要的行驶时间；

3)乘坐地铁M从站点n-1到达站点n的距离代价：ψ_length(n)＝1     (3)

第二步：定义拥挤度评价标准

1)在地铁站n乘坐地铁M的拥挤度评价：

$\begin{array}{c}{\mathrm{\ψ}}_h^{\mathrm{geton}}(n,M)=f_{\mathrm{scrowd}}({\mathrm{scount}}_n,{\mathrm{scount}}_n^{\mathrm{limit}},{\mathrm{\Σmcount}}_{n,M})/2\\ +f_{\mathrm{mcrowd}}({\mathrm{\Σmcount}}_{n,M},{\mathrm{\Σmcount}}_{n,M}^{\mathrm{llim\; it}},{\mathrm{\Σmcount}}_{n,M}^{\mathrm{hlim\; it}})/2\end{array}---\left(4\right)$

2)乘坐地铁M在地铁站n下车的拥挤度评价：

${\mathrm{\ψ}}_h^{\mathrm{getoff}}(n,M)=f_{\mathrm{mcrowd}}({\mathrm{\Σmcount}}_{n,M},{\mathrm{\Σmcount}}_{n,M}^{\mathrm{llim\; it}},{\mathrm{\Σmcount}}_{n,M}^{\mathrm{hlim\; it}})---\left(5\right)$

第三步：根据不同的路线方案的特征，定义三类启发函数，即距离优先方案f(n)＝g_length(n)+h_length(n)；时间优先方案f(n)＝g_time(n)+h_time(n)；综合建议方案f(n)＝g_total(n)+h_total(n)；

其中， $g_{\mathrm{length}}\left(n\right)=\underset{i=\mathrm{SS}}{\overset{n-1}{\mathrm{\Σ}}}{\mathrm{\ψ}}_{\mathrm{length}}\left(i\right),h_{\mathrm{length}}\left(n\right)=\underset{i=n+1}{\overset{\mathrm{ST}}{\mathrm{\Σ}}}{\mathrm{\ψ}}_{\mathrm{length}}\left(i\right)---\left(6\right)$

$g_{\mathrm{time}}\left(n\right)={\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(\mathrm{SS},M)+\underset{i=\mathrm{SS}}{\overset{n-1}{\mathrm{\Σ}}}[{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(i+1,M)+{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{travel}}(i+1)]---\left(7\right)$

$h_{\mathrm{time}}\left(n\right)=\underset{i=n+1}{\overset{\mathrm{ST}}{\mathrm{\Σ}}}[{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(i,M)+{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{travel}}\left(i\right)]---\left(8\right)$

$\begin{array}{c}{g}_{\mathrm{total}}\left(n\right)={\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(\mathrm{SS},M)+{\mathrm{\ψ}}_h^{\mathrm{geton}}(\mathrm{SS},M)\\ +\underset{i=\mathrm{SS}}{\overset{n-1}{\mathrm{\Σ}}}[{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(i+1,M)+{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{travel}}(i+1)+{\mathrm{\ψ}}_h^{\mathrm{geton}}(i+1,M)+{\mathrm{\ψ}}_h^{\mathrm{getoff}}(i+1,M)]\end{array}---\left(9\right)$

$h_{\mathrm{total}}\left(n\right)=\underset{i=n+1}{\overset{\mathrm{ST}}{\mathrm{\Σ}}}[{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(i,M)+{\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{travel}}\left(i\right)+{\mathrm{\ψ}}_h^{\mathrm{geton}}(i,M)+{\mathrm{\ψ}}_h^{\mathrm{getoff}}(i,M)]---\left(10\right)$

第四步：通过以上的启发式信息对最佳路线进行搜索，流程如下：

1)用邻接矩阵A表示站点的网络模型：

2)生成空open表和空closed表分别存放下一次到达的站点节点和已经到达的站点节点，并将起始节点SS作为第一个路径节点放入open表中， $f\left(\mathrm{SS}\right)={\mathrm{\ψ}}_{\mathrm{time}}^{\mathrm{geton}}(\mathrm{SS},M);$

3)分别计算open表中的候选节点对应的启发函数f的值，并将值最小的节点记为bestNode，将其放入closed表中；

4)如果bestNode为ST，则算法结束，否则计算与bestNode连接的所有节点的g；如果没有子节点，则将该节点从open表中去除，返回第三步；

5)若bestNode的子节点在open表中，则对open表中所有节点的g值进行更新，更新准则为g(old)＝g(new),if g(old)≥g(new)；若bestNode的子节点在closed表中，如果g(old)≥g(new)，则g(old)＝g(new)，并重新计算所有old的子节点的g值；若bestNode的子节点不在closed表或open表中，将该节点插入open表中；

6)转到第三步继续搜索，直到满足终止点条件为止，最终所有有效点的连线就是得到的路径；

步骤三：当乘客在地铁站候车时，根据即将到达该站台的地铁内各节车厢的无线服务器的信息确定各节车厢人流情况，指引乘客在人流较为稀疏的位置候车；

步骤四：确定乘车方案后，系统根据当前乘客的位置情况，实时提供行程提醒，提醒内容包括车厢人数较为稀疏的候车区域，所乘坐地铁即将到达下一站的时间以及乘客的下车站点和时间，地铁站的建议出口和相应的地图信息。