CN105719022B - 一种轨道交通客流实时预测及乘客引导系统 - Google Patents
一种轨道交通客流实时预测及乘客引导系统 Download PDFInfo
- Publication number
- CN105719022B CN105719022B CN201610043877.8A CN201610043877A CN105719022B CN 105719022 B CN105719022 B CN 105719022B CN 201610043877 A CN201610043877 A CN 201610043877A CN 105719022 B CN105719022 B CN 105719022B
- Authority
- CN
- China
- Prior art keywords
- passenger
- station
- train
- platform
- shift
- 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
- 238000006467 substitution reaction Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000005315 distribution function Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及城市轨道交通运输技术领域,提供了一种轨道交通客流实时预测及乘客引导系统的实现方法,包括车站客流运算模块获取进站乘客读取数量,并带入泊松模型精确计算,得出进站乘客真实数量;通过列车载客运算模块读取当天班次列车运行计划图,计算列车到站实际载客量和候车人数;通过车站滞留乘客模块计算每个站台上滞留乘客数;计算所有班次列车在行车路线上每个站点的满载率;如果线路上中间站点的满载率为1,则认为该班次列车满员,将满员站点、目前该站点的滞留乘客数实时的显示在大屏幕上,提供通往各个目的地的替代出行方案。本发明能够对车站滞留客流进行预测,做到防患于未然,避免乘客滞留,降低轨道交通的高峰压力,市民出行更加快捷、安全。
Description
技术领域
本发明涉及城市轨道交通运输技术领域,特别涉及一种轨道交通客流实时预测及乘客引导系统。
背景技术
在当今社会,轨道交通为人们出行、广告、通信、购物、娱乐等多种服务提供了便利。随着我国轨道交通建设行业的不断发展以及科技的不断进步,投入运营的线路费用逐年增多,运营方式也越来越趋于复杂化,车站的规模越来越大、形式越来越多,轨道交通各种服务功能需要实现相互渗透、优势互补,使得乘坐轨道交通成为一件越来越伤神的事情。乘客在乘坐轨道交通的时候,常常会遇到因缺乏科学系统的引导而迷失方向,或是因引导信息不够完善而导致站台候车乘客过度拥挤,带来一系列安全隐患。
为了改善人流堆积、引导不清楚的问题,通过加大静态引导系统的投资力度,设置更多、更全面的引导标志可以在一定程度上缓解现有引导系统设置和远期多种运营方式不匹配的矛盾,为社会、为各类乘客提供多样化、多元化的引导服务;但是需要投入巨大的资金,并且占用大量宝贵的车站、车厢资源。同时,紧靠单纯增加静态导向标志已无法满足轨道交通运营方式复杂化时的乘客信息需求量的提高,势必需要增加更多的投入和设置。为合理地提高乘客引导系统的利用率,在增加投入相对较小的情况下,疏解这一问题,动态引导系统应运而生。多形式的乘客引导系统从便民利民的角度,真正做到“以人为本”,实时传递列车运行信息,全方位引导乘客顺利乘坐轨道交通。
目前,安装于轨道交通运营线路内的动态视觉信息引导系统不仅弥补了车站、列车广播系统和静态引导系统信息提示量的不足,还通过信息显示设备将数字化的音频图像、音频信号以及各种数据业务信号在数字状态下进行各种编码、调制、传递等处理后以声、文、图像等表现形式实时地将最新、最及时的列车运行状态、列车误点、故障等其他紧急信息和广告信息传递给不同信息需求的乘客,为乘客提供了全方位的信息播报服务,大大提高了乘客获取运营信息的便捷程度,提升了轨道交通运营服务的水平。
然而,当前的动态乘客引导系统相比原来的静态乘客引导系统虽然有了很大的进步,但缺少对车站滞留客流的预测功能,不能做到防患于未然,当出现客流滞留时进行处理,已经错过了最佳客流引导的时间,已经产生了客流滞留的现象,并没有完全的解决因为客流滞留所带来的安全隐患和时效性的问题。
因此,城市轨道交通运输技术领域急需一种轨道交通客流实时预测及乘客引导系统,在以进站闸机获取的客流数据为支撑,分析站台客流与列车载客情况间客流交换规律的基础上,提出了通过站台候车客流、列车载客量交互模型计算滞留车站站台候车乘客量,并使用站外大屏动态显示车站客流量,进而给出通往主要地点的替代出行方案,解决了交通过于拥堵、乘客安全受到威胁的问题,同时通过泊松公式,对进站乘客的读取数量进行校正,得出真实的进站乘客数量,克服了车站闸机误读、漏读的问题,使数值更加精确。
发明内容
本发明为了解决上述问题,提供了一种轨道交通客流实时预测及乘客引导系统,技术方案如下:
一种轨道交通客流实时预测及乘客引导系统,包括如下步骤:
步骤一,车站客流运算模块能够从车站闸机获取指定时间段内进站乘客读取数量,由于通过闸机获取的乘客数量存在误差,因此将获取到的进站乘客数量带入泊松模型精确计算,得出指定时间段内的进站乘客真实数量;
步骤二,通过列车载客运算模块读取当天班次列车运行计划图,再根据步骤一中得出的指定时间段内的进站乘客真实数量动态计算运行计划图上列车到站实际载客量和候车人数;
步骤三,通过车站滞留乘客模块计算在规定时间内每个站台上滞留乘客数,滞留乘客人数=候车人数-(满载乘客人数-实际载客量);
步骤四,计算所有班次列车在行车路线上每个站点的满载率;
步骤五,如果线路上的中间站点的满载率为1,则认为该班次列车满员,将满员站点、目前该站点的滞留乘客数实时的显示在大屏幕上,并提供结合地图上现有的换乘路线给出通往各个目的地的替代出行方案、线路总长、耗时以及费用。
优选的,在上述一种轨道交通客流实时预测及乘客引导系统中,步骤一的具体步骤为:
a)当乘客在车站闸机上刷卡的初始时刻t0=0、N(t0)=0时,对于任意的非负实数0≤t0≤t1≤…≤tn,增量N(tn+Δt)-N(tn-1+Δt)与N(tn)-N(tn-1)具有相同的分布函数,增量N(t1)-N(t0),N(t2)-N(t1),…,N(tn)-N(tn-1)均相互独立;当Δt趋近于0时,如果同时满足如下3个公式,则称{N(t),t≥0}是服务强度为ρ的泊松分布过程,3个具体公式为:
P(N(Δt)=1)=ρΔt+o(Δt) (1)
P(N(Δt)=0)=1-ρΔt+o(Δt) (2)
P(N(Δt)=2)=o(Δt) (3)
其中,t0、t1、t2、tn-1、tn分别表示在车站闸机上的不同时刻,N(t)、N(t0)、N(t1)、N(t2)、N(tn-1)、N(tn)分别表示在[0,t)、[0,t1)、[0,t2)、[0,tn-1)、[0,tn)时段内从车站闸机上获取的进站乘客读取数量,Δt表示2个时段差,Δt>0,n表示时刻数,为正整数;
对[0,t)时段内进站乘客读取数量N(t)求取数学期望值,具体公式为:
E[N(t)]=ρt (4)
其中,E[N(t)]表示乘客读取数量N(t)的数学期望值,也就是[0,t)时间段内的进站乘客真实数量;
b)将进站乘客真实数量E[N(t)]代入泊松公式,计算每位乘客的分布函数和概率密度分布函数,具体公式为:
其中,τi表示第i位乘客的实际到达时刻,i为正整数,表示第i位乘客的分布函数,表示第i位乘客的概率密度分布函数,k表示站台乘客成功乘坐该班次列车的人数,ρ是大于0的常数。
优选的,在上述一种轨道交通客流实时预测及乘客引导系统中,步骤二的具体步骤为:
列车运行计划图中包括线路全天开行列车班次以及每班次列车的发车间隔,用表示第S次列车离开j站台的时刻,表示相邻2班次列车从j站台发出的时间间隔,即为发车间隔;
1)将单位时间内到达的乘客数即乘客到达速率记为ξ,站台乘客的进站规律服从负指数分布,按照步骤一中泊松分布均匀到达,根据步骤一中公式(1)至(3)能够求出服务强度ρ,进而建立一个以j站台乘客到达率作为变量的候车函数gjξ(t),gjξ(t)是由有限个第一类间断点构成的有界函数,并且在任意确定时段上是可累积的,采用E[N(t)]、ρ计算,具体公式为:
用Aj表示站台j各时段到达乘客在各班次列车上的分配数量表,表示该Aj表中的第a行b列的数据值,即表示j站台在指定时间段内到达的乘客在列车S上的分配数量;
2)设第S班次列车的满载乘客数为A列;
3)依据Aj,以各班次列车在站台上车的比例作为分析参数,计算在某一时间段内第S班次列车进入车站j时的实际载客量;
其中,表示在时间段内到达j站台的第S次列车的实际载客量,表示在时间段内到达j-1站台的第S次列车的实际载客量,B表示第S次列车在j站台的上车乘客数,表示实际上车乘客数与候车人数之比,即为第S班次列车在j站台的上客比例,表示第θ班次列车在j站台的上客比例。
优选的,在上述一种轨道交通客流实时预测及乘客引导系统中,步骤三的具体步骤为:
根据步骤二中的公式,得出第S班次列车可搭载的人数为站台j的滞留乘客数为:
若第S班次列车在站台j的上客比例则表明站台上的候车乘客全部乘车,在站台j上没有乘客滞留,则在第S班次列车后进站候车乘客的实际分配量为0,这种情况在早晚高峰时期几乎是不存在的,而在平峰时段几乎是每站都会出现;
若某次列车之前的所有列车在该站台的上客比例均不为1,说明第S班次列车以前的各次列车从j站台发出时站台都有滞留,那么在时刻t之前进站的乘客,在第S班次列车后面的各列车的分配量都不为0;
优选的人为设定当时,认为该时段内到达站台j的乘客在第S班次列车出发时已接近满载,已经分配结束。
优选的,在上述一种轨道交通客流实时预测及乘客引导系统中,步骤四的具体步骤为:
根据列车运行图及实际运行状态,计算第S班次列车从站台j出发的时间为t,根据步骤二中计算得出的实际载客量以及满载乘客数A列;计算满载率,具体公式为:
其中,γ满载表示第S班次列车在站台j上的满载率。
优选的,在上述一种轨道交通客流实时预测及乘客引导系统中,步骤五中具体线路总长和费用的计算步骤为:
运用角度测量仪测量每段替代交通线路与预定轨道交通沿线的角度偏离度数,依次记为:Angle1,Angle2,Angle3...Anglem;
进一步地,计算角度费用 其中AngleCost表示替代交通线路的角度费用,l0,1、l1,2、l2,3、lm-1,m分别表示第1、2、3、m条替代交通线路的总长。
本发明的有益效果:
1、本发明通过泊松公式,对进站乘客的读取数量进行校正,得出真实的进站乘客数量,克服了车站闸机误读、漏读的问题,使数值更加精确。
2、本发明通过计算每位乘客的分布函数和概率密度分布函数,能够得出每节车厢的载客程度,进而有效的提醒乘客到相对宽松的车厢乘车,避免了有的车厢载客过多,而有的车厢还没有载满乘客的情况,提供给乘客更加舒适的乘车体验。
3、本发明以进站闸机获取的客流数据为支撑,分析站台客流与列车载客情况间客流交换规律的基础上,提出了通过站台候车客流、列车载客量计算滞留车站站台候车乘客量,并使用站外大屏动态显示车站客流量,进而给出通往主要地点的替代出行方案,并通过车站广播、电台、PIS机、web终端等常用终端设备向社会发布;这样不仅能够改善轨道交通过度拥堵的问题,提高轨道交通的安全性和客运服务质量,同时,也实现了城市公共交通系统效益的最大化,具有较高的实用性和社会经济效应。
附图说明
下面结合附图和具体实施方式来详细说明本发明:
图1是本发明一种轨道交通客流实时预测及乘客引导系统的流程图。
图2是本发明一种轨道交通客流实时预测及乘客引导系统的结构示意图。
具体实施方式
为了使本发明技术实现的措施、创作特征、达成目的与功能易于明白了解,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
图1是本发明一种轨道交通客流实时预测及乘客引导系统的流程图。
图2是本发明一种轨道交通客流实时预测及乘客引导系统的结构示意图。
如图1、2所示,一种轨道交通客流实时预测及乘客引导系统,包括如下步骤:
步骤一,车站客流运算模块能够从车站闸机获取指定时间段内进站乘客读取数量,由于通过闸机获取的乘客数量存在误差,因此将获取到的进站乘客数量带入泊松模型精确计算,得出指定时间段内的进站乘客真实数量;
步骤二,通过列车载客运算模块读取当天班次列车运行计划图,再根据步骤一中得出的指定时间段内的进站乘客真实数量动态计算运行计划图上列车到站实际载客量和候车人数;
步骤三,通过车站滞留乘客模块计算在规定时间内每个站台上滞留乘客数,滞留乘客人数=候车人数-(满载乘客人数-实际载客量);
步骤四,计算所有班次列车在行车路线上每个站点的满载率;
步骤五,如果线路上的中间站点的满载率为1,则认为该班次列车满员,将满员站点、目前该站点的滞留乘客数实时的显示在大屏幕上,并提供结合地图上现有的换乘路线给出通往各个目的地的替代出行方案、线路总长、耗时以及费用。
实施例2:
图1是本发明一种轨道交通客流实时预测及乘客引导系统的流程图。
图2是本发明一种轨道交通客流实时预测及乘客引导系统的结构示意图。
如图1、2所示,一种轨道交通客流实时预测及乘客引导系统,包括如下步骤:
步骤一,车站客流运算模块能够从车站闸机获取指定时间段内进站乘客读取数量,由于通过闸机获取的乘客数量存在误差,因此将获取到的进站乘客数量带入泊松模型精确计算,得出指定时间段内的进站乘客真实数量,具体计算步骤为:
a)当乘客在车站闸机上刷卡的初始时刻t0=0、N(t0)=0时,对于任意的非负实数0≤t0≤t1≤…≤tn,增量N(tn+Δt)-N(tn-1+Δt)与N(tn)-N(tn-1)具有相同的分布函数,增量N(t1)-N(t0),N(t2)-N(t1),…,N(tn)-N(tn-1)均相互独立;当Δt趋近于0时,如果同时满足如下3个公式,则称{N(t),t≥0}是服务强度为ρ的泊松分布过程,3个具体公式为:
P(N(Δt)=1)=ρΔt+o(Δt) (1)
P(N(Δt)=0)=1-ρΔt+o(Δt) (2)
P(N(Δt)=2)=o(Δt) (3)
其中,t0、t1、t2、tn-1、tn分别表示在车站闸机上的不同时刻,N(t)、N(t0)、N(t1)、N(t2)、N(tn-1)、N(tn)分别表示在[0,t)、[0,t1)、[0,t2)、[0,tn-1)、[0,tn)时段内从车站闸机上获取的进站乘客读取数量,Δt表示2个时段差,Δt>0,n表示时刻数,为正整数;
对[0,t)时段内进站乘客读取数量N(t)求取数学期望值,具体公式为:
E[N(t)]=ρt (4)
其中,E[N(t)]表示乘客读取数量N(t)的数学期望值,也就是[0,t)时间段内的进站乘客真实数量;
b)将进站乘客真实数量E[N(t)]代入泊松公式,计算每位乘客的分布函数和概率密度分布函数,具体公式为:
其中,τi表示第i位乘客的实际到达时刻,i为正整数,表示第i位乘客的分布函数,表示第i位乘客的概率密度分布函数,k表示站台乘客成功乘坐该班次列车的人数,ρ是大于0的常数;
步骤二,通过列车载客运算模块读取当天班次列车运行计划图,再根据步骤一中得出的指定时间段内的进站乘客真实数量动态计算运行计划图上列车到站实际载客量和候车人数;
列车运行计划图中包括线路全天开行列车班次以及每班次列车的发车间隔,用表示第S次列车离开j站台的时刻,表示相邻2班次列车从j站台发出的时间间隔,即为发车间隔;具体步骤为:
1)将单位时间内到达的乘客数即乘客到达速率记为ξ,站台乘客的进站规律服从负指数分布,按照步骤一中泊松分布均匀到达,根据步骤一中公式(1)至(3)能够求出服务强度ρ,进而建立一个以j站台乘客到达率作为变量的候车函数gjξ(t),gjξ(t)是由有限个第一类间断点构成的有界函数,并且在任意确定时段上是可累积的,采用E[N(t)]、ρ计算,具体公式为:
用Aj表示站台j各时段到达乘客在各班次列车上的分配数量表,表示该Aj表中的第a行b列的数据值,即表示j站台在指定时间段内到达的乘客在列车S上的分配数量,下面对分时段的进站客流量进行划分举例,具体见表一,表一中a=1、2、3、4,b=1、2、3、4…j:
表一分时段的进站客流量信息表Aj
2)设第S班次列车的满载乘客数为A列;
3)依据表一Aj,以各班次列车在站台上车的比例作为分析参数,计算在某一时间段内第S班次列车进入车站j时的实际载客量;
其中,表示在时间段内到达j站台的第S次列车的实际载客量,表示在时间段内到达j-1站台的第S次列车的实际载客量,B表示第S次列车在j站台的上车乘客数,表示实际上车乘客数与候车人数之比,即为第S班次列车在j站台的上客比例,表示第θ班次列车在j站台的上客比例;
步骤三,通过车站滞留乘客模块计算在规定时间内每个站台上滞留乘客数;
根据步骤二中的公式,得出第S班次列车可搭载的人数为站台j的滞留乘客数为:
若第S班次列车在站台j的上客比例则表明站台上的候车乘客全部乘车,在站台j上没有乘客滞留,则在第S班次列车后进站候车乘客的实际分配量为0,这种情况在早晚高峰时期几乎是不存在的,而在平峰时段几乎是每站都会出现;
若某次列车之前的所有列车在该站台的上客比例均不为1,说明第S班次列车以前的各次列车从j站台发出时站台都有滞留,那么在时刻t之前进站的乘客,在第S班次列车后面的各列车的分配量都不为0;
当人为设定时,认为该时段内到达站台j的乘客在第S班次列车出发时已接近满载,已经分配结束;
步骤四,计算所有班次列车在行车路线上每个站点的满载率;
首先,根据列车运行图及实际运行状态,计算第S班次列车从站台j出发的时间为t,根据步骤二中计算得出的实际载客量以及满载乘客数A列;计算满载率,具体公式为:
其中,γ满载表示第S班次列车在站台j上的满载率;
步骤五,如果线路上的中间站点的满载率为1,则认为该班次列车满员,将满员站点、目前该站点的滞留乘客数实时的显示在大屏幕上,并提供结合地图上现有的换乘路线给出通往各个目的地的替代出行方案、线路总长、耗时以及费用,具体线路总长和费用的计算步骤为:
运用角度测量仪测量每段替代交通线路与预定轨道交通沿线的角度偏离度数,依次记为:Angle1,Angle2,Angle3...Anglem;
进一步地,计算角度费用 其中AngleCost表示替代交通线路的角度费用,l0,1、l1,2、l2,3、lm-1,m分别表示第1、2、3、m条替代交通线路的总长。
本发明通过泊松公式,对进站乘客的读取数量进行校正,得出真实的进站乘客数量,克服了车站闸机误读、漏读的问题,使数值更加精确。
本发明通过计算每位乘客的分布函数和概率密度分布函数,能够得出每节车厢的载客程度,进而有效的提醒乘客到相对宽松的车厢乘车,避免了有的车厢载客过多,而有的车厢还没有载满乘客的情况,提供给乘客更加舒适的乘车体验。
本发明以进站闸机获取的客流数据为支撑,分析站台客流与列车载客情况间客流交换规律的基础上,提出了通过站台候车客流、列车载客量计算滞留车站站台候车乘客量,并使用站外大屏动态显示车站客流量,进而给出通往主要地点的替代出行方案,并通过车站广播、电台、PIS机、web终端等常用终端设备向社会发布;这样不仅能够改善轨道交通过度拥堵的问题,提高轨道交通的安全性和客运服务质量,同时,也实现了城市公共交通系统效益的最大化,具有较高的实用性和社会经济效应。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及等同物界定。
Claims (5)
1.一种轨道交通客流实时预测及乘客引导系统的实现方法,其特征在于,包括如下步骤:
步骤一,车站客流运算模块能够从车站闸机获取指定时间段内进站乘客读取数量,由于通过闸机获取的乘客数量存在误差,因此将获取到的进站乘客数量带入泊松模型精确计算,得出指定时间段内的进站乘客真实数量;
步骤二,通过列车载客运算模块读取当天班次列车运行计划图,再根据所述步骤一中得出的指定时间段内的进站乘客真实数量动态计算运行计划图上列车到站实际载客量和候车人数;
步骤三,通过车站滞留乘客模块计算在规定时间内每个站台上滞留乘客数,所述滞留乘客数=候车人数-(满载乘客人数-实际载客量);
步骤四,计算所有班次列车在行车路线上每个站点的满载率;
步骤五,如果线路上的中间站点的满载率为1,则认为该班次列车满员,将满员站点、目前该站点的滞留乘客数实时的显示在大屏幕上,并提供结合地图上现有的换乘路线给出通往各个目的地的替代出行方案、线路总长、耗时以及费用;
所述步骤一的具体步骤为:
a)当乘客在车站闸机上刷卡的初始时刻t0=0、N(t0)=0时,对于任意的非负实数0≤t0≤t1≤…≤tn,增量N(tn+Δt)-N(tn-1+Δt)与N(tn)-N(tn-1)具有相同的分布函数,增量N(t1)-N(t0),N(t2)-N(t1),…,N(tn)-N(tn-1)均相互独立;当Δt趋近于0时,如果同时满足如下3个公式,则称{N(t),t≥0}是服务强度为ρ的泊松分布过程,3个具体公式为:
P(N(Δt)=1)=ρΔt+o(Δt)(1)
P(N(Δt)=0)=1-ρΔt+o(Δt)(2)
P(N(Δt)=2)=o(Δt)(3)
其中,t0、t1、t2、tn-1、tn分别表示在车站闸机上的不同时刻,N(t)、N(t0)、N(t1)、N(t2)、N(tn-1)、N(tn)分别表示在[0,t)、[0,t1)、[0,t2)、[0,tn-1)、[0,tn)时段内从车站闸机上获取的进站乘客读取数量,Δt表示2个时段差,Δt>0,n表示时刻数,为正整数;
对[0,t)时段内进站乘客读取数量N(t)求取数学期望值,具体公式为:
E[N(t)]=ρt (4)
其中,E[N(t)]表示乘客读取数量N(t)的数学期望值,也就是[0,t)时间段内的进站乘客真实数量;
b)将进站乘客真实数量E[N(t)]代入泊松公式,计算每位乘客的分布函数和概率密度分布函数,具体公式为:
其中,τi表示第i位乘客的实际到达时刻,i为正整数,表示第i位乘客的分布函数,表示第i位乘客的概率密度分布函数,k表示站台乘客成功乘坐该班次列车的人数,ρ是大于0的常数。
2.根据权利要求1所述的一种轨道交通客流实时预测及乘客引导系统的实现方法中,其特征在于,所述步骤二的具体步骤为:
列车运行计划图中包括线路全天开行列车班次以及每班次列车的发车间隔,用表示第S班次列车离开j站台的时刻,表示相邻2班次列车从j站台发出的时间间隔,即为发车间隔;
1)将单位时间内到达的乘客数即乘客到达速率记为ξ,站台乘客的进站规律服从负指数分布,按照步骤一中泊松分布均匀到达,根据所述步骤一中公式(1)至(3)能够求出服务强度ρ,进而建立一个以j站台乘客到达率作为变量的候车函数gjξ(t),gjξ(t)是由有限个第一类间断点构成的有界函数,并且在任意确定时段上是可累积的,采用E[N(t)]、ρ计算,具体公式为:
用Aj表示站台j各时段到达乘客在各班次列车上的分配数量表,表示该Aj表中的第a行b列的数据值,即表示j站台在指定时间段内到达的乘客在列车S上的分配数量;
2)设第S班次列车的满载乘客数为A列;
3)依据Aj,以各班次列车在站台上车的比例作为分析参数,计算在某一时间段内第S班次列车进入车站j时的实际载客量;
其中,表示在时间段内到达j站台的第S班次列车的实际载客量,表示在时间段内到达j-1站台的第S班次列车的实际载客量,B表示第S班次列车在j站台的上车乘客数,表示实际上车乘客数与候车人数之比,即为第S班次列车在j站台的上客比例,表示第θ班次列车在j站台的上客比例。
3.根据权利要求2所述的一种轨道交通客流实时预测及乘客引导系统的实现方法中,其特征在于,所述步骤三的具体步骤为:
根据所述步骤二中的公式,得出第S班次列车可搭载的人数为站台j的滞留乘客数为:
若第S班次列车在站台j的上客比例则表明站台上的候车乘客全部乘车,在站台j上没有乘客滞留,则在第S班次列车后进站候车乘客的实际分配量为0,这种情况在早晚高峰时期几乎是不存在的,而在平峰时段几乎是每站都会出现;
若某班次列车之前的所有列车在该站台的上客比例均不为1,说明第S班次列车以前的各班次列车从j站台发出时站台都有滞留,那么在时刻t之前进站的乘客,在第S班次列车后面的各列车的分配量都不为0;
当时,认为该时段内到达站台j的乘客在第S班次列车出发时已接近满载,已经分配结束。
4.根据权利要求3所述的一种轨道交通客流实时预测及乘客引导系统的实现方法中,其特征在于,所述步骤四的具体步骤为:
根据列车运行图及实际运行状态,计算第S班次列车从站台j出发的时间为t,根据所述步骤二中计算得出的实际载客量以及满载乘客数A列;计算满载率,具体公式为:
其中,γ满载表示第S班次列车在站台j上的满载率。
5.根据权利要求4所述的一种轨道交通客流实时预测及乘客引导系统的实现方法中,其特征在于,所述步骤五中具体线路总长和费用的计算步骤为:
运用角度测量仪测量每段替代交通线路与预定轨道交通沿线的角度偏离度数,依次记为:Angle1,Angle2,Angle3…Anglem;
进一步地,计算角度费用 其中AngleCost表示替代交通线路的角度费用,l0,1、l1,2、l2,3、lm-1,m分别表示第1、2、3、m条替代交通线路的总长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610043877.8A CN105719022B (zh) | 2016-01-22 | 2016-01-22 | 一种轨道交通客流实时预测及乘客引导系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610043877.8A CN105719022B (zh) | 2016-01-22 | 2016-01-22 | 一种轨道交通客流实时预测及乘客引导系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105719022A CN105719022A (zh) | 2016-06-29 |
CN105719022B true CN105719022B (zh) | 2019-11-19 |
Family
ID=56153945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610043877.8A Expired - Fee Related CN105719022B (zh) | 2016-01-22 | 2016-01-22 | 一种轨道交通客流实时预测及乘客引导系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105719022B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127664B (zh) * | 2016-07-06 | 2019-07-30 | 北方工业大学 | 城市轨道交通换乘站高峰期客流控制方法 |
CN106373421B (zh) * | 2016-11-30 | 2019-05-24 | 中冶赛迪工程技术股份有限公司 | 一种城市轨道交通车站乘客引导系统及方法 |
CN106651730A (zh) * | 2016-12-22 | 2017-05-10 | 东南大学 | 基于客流密度与闸机通行时间的地铁客流预警系统及方法 |
CN106897815B (zh) * | 2017-01-17 | 2021-03-12 | 北京万相融通科技股份有限公司 | 一种实时预测车站客流量趋势的方法 |
CN107220920B (zh) * | 2017-04-28 | 2020-08-18 | 同济大学 | 一种基于Wi-Fi信令数据的城市轨道交通动态限流方法 |
CN107483549A (zh) * | 2017-07-24 | 2017-12-15 | 苏州秦鲁电气科技有限公司 | 车站用光传输通信系统 |
CN109308539A (zh) * | 2017-07-27 | 2019-02-05 | 上海宝信软件股份有限公司 | 实时估算轨道交通线网中换乘站的乘客滞留状态的方法 |
CN107492182B (zh) * | 2017-08-30 | 2019-07-26 | 厦门市东合传媒科技有限公司 | 基于多参数分析的大数据检测平台 |
CN107369237B (zh) * | 2017-08-30 | 2019-08-06 | 北京麒麟心通网络技术有限公司 | 一种基于多参数分析的大数据检测方法 |
CN107945355A (zh) * | 2017-11-29 | 2018-04-20 | 中铁程科技有限责任公司 | 信息处理方法及装置、计算机可读存储介质 |
CN109961164B (zh) * | 2017-12-25 | 2022-01-07 | 比亚迪股份有限公司 | 客流量预测方法及装置 |
CN108182403A (zh) * | 2017-12-28 | 2018-06-19 | 河南辉煌城轨科技有限公司 | 基于图像的地铁列车客流统计方法 |
CN108622142A (zh) * | 2018-03-30 | 2018-10-09 | 卡斯柯信号有限公司 | 一种基于实时客流的列车智能运行调整系统及方法 |
CN108492597A (zh) * | 2018-04-12 | 2018-09-04 | 苏州秦鲁电气科技有限公司 | 一种基于gps定位的车站乘客引导系统 |
CN109523064B (zh) * | 2018-10-26 | 2022-02-18 | 上海城市交通设计院有限公司 | 一种基于多网融合的智能微枢纽 |
CN109858670B (zh) * | 2018-12-24 | 2022-11-18 | 哈尔滨工业大学 | 一种轨道交通车站大客流实时预警方法 |
CN109872536A (zh) * | 2019-04-10 | 2019-06-11 | 义乌市腾飞汽车代驾服务有限公司 | 一种客流引导系统及其控制方法 |
CN112141173A (zh) * | 2019-06-28 | 2020-12-29 | 比亚迪股份有限公司 | 轨道交通客流疏导方法和系统 |
CN110481606B (zh) * | 2019-08-23 | 2022-05-20 | 上海电气自动化设计研究所有限公司 | 基于视觉识别技术的地铁客流引导系统及方法 |
CN112446813A (zh) * | 2019-08-28 | 2021-03-05 | 比亚迪汽车工业有限公司 | 客流提示的方法、装置、存储介质及电子设备 |
CN111563664B (zh) * | 2020-04-16 | 2023-05-09 | 浙江中控信息产业股份有限公司 | 基于列车称重数据的满载率计算方法 |
CN112965596B (zh) * | 2021-03-03 | 2022-06-03 | 武汉理工大学 | 基于vr的地铁站导向标识评估优化系统 |
CN114021796B (zh) * | 2021-10-27 | 2023-09-12 | 北京轨道交通路网管理有限公司 | 城市轨道交通控流方法、装置及非易失性存储介质 |
CN114275014B (zh) * | 2021-12-20 | 2023-07-28 | 佳都科技集团股份有限公司 | 一种地铁拥挤程度缓解方法、装置、服务器和存储介质 |
CN115689154B (zh) * | 2022-09-15 | 2023-07-25 | 合肥市轨道交通集团有限公司 | 基于动态客流的城市轨道交通调度辅助决策系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866931A (zh) * | 2015-06-12 | 2015-08-26 | 北京交通大学 | 一种基于大站停车和多站协同限流的地铁客流组织方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8612071B2 (en) * | 2009-10-23 | 2013-12-17 | Integrated Transportation Technologies, L.L.C. | Synchronized express and local trains for urban commuter rail systems |
-
2016
- 2016-01-22 CN CN201610043877.8A patent/CN105719022B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866931A (zh) * | 2015-06-12 | 2015-08-26 | 北京交通大学 | 一种基于大站停车和多站协同限流的地铁客流组织方法 |
Non-Patent Citations (1)
Title |
---|
轨道交通车站运营负荷评估与优化研究;何越磊 等;《重庆交通大学学报(自然科学版)》;20151215;第34卷(第6期);第156-161页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105719022A (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105719022B (zh) | 一种轨道交通客流实时预测及乘客引导系统 | |
CN102376168B (zh) | 一种公交信息采集和查询的方法和系统 | |
CN105974861B (zh) | 基于rfid的公交车辆搭乘人员安全监测系统及方法 | |
CN104240529B (zh) | 一种预测公交到站时间的方法及系统 | |
CN112819316B (zh) | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 | |
CN104200286A (zh) | 一种城市轨道交通时刻表优化技术应用框架 | |
CN104884900A (zh) | 行程时间信息提供设备和行程时间信息提供方法 | |
CN106485912A (zh) | 一种基于公交站点信息化的普通公交动态调度方法 | |
CN109801485A (zh) | 一种智能信息调度系统 | |
CN108898822A (zh) | 一种推荐共享单车借车点和还车点的方法 | |
CN110298516B (zh) | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 | |
CN105447592A (zh) | 一种乘客路径选择的分析方法及装置 | |
Rahman et al. | Understanding the determinants of demand for public transport: Evidence from suburban rail operations in five divisions of Indian Railways | |
CN107392357A (zh) | 一种基于大数据平台的公共交通精准出行服务系统及方法 | |
Zhu et al. | Estimating train choices of rail transit passengers with real timetable and automatic fare collection data | |
CN112149919A (zh) | 公交运营线路评测方法、装置、设备及存储介质 | |
CN107399344A (zh) | 轨道交通调度信息获取方法、车辆调度方法和系统 | |
US20120278130A1 (en) | Mobile traffic forecasting using public transportation information | |
CN106530679A (zh) | 微公交运行管理系统及方法 | |
CN113468243A (zh) | 地铁客流分析与预测方法及分析与预测系统 | |
Vlasov et al. | Ground urban passenger transport in a period of digital transformation | |
CN109308539A (zh) | 实时估算轨道交通线网中换乘站的乘客滞留状态的方法 | |
CN116542404A (zh) | 一种客运枢纽场站抵站旅客接续换乘时间的预测方法 | |
CN113192338B (zh) | 基于多源数据的提升货运车辆通行效率的方法及装置 | |
JP2022006482A (ja) | ナビゲーション装置、及びナビゲーション方法 |
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 |
Granted publication date: 20191119 Termination date: 20220122 |
|
CF01 | Termination of patent right due to non-payment of annual fee |