CN107180270A - 客流预测方法及系统 - Google Patents
客流预测方法及系统 Download PDFInfo
- Publication number
- CN107180270A CN107180270A CN201610140434.0A CN201610140434A CN107180270A CN 107180270 A CN107180270 A CN 107180270A CN 201610140434 A CN201610140434 A CN 201610140434A CN 107180270 A CN107180270 A CN 107180270A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- flow
- passenger
- data
- database
- 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
- 238000012417 linear regression Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 4
- 230000002354 daily effect Effects 0.000 claims 3
- 230000003203 everyday effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009969 flowable effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000007306 turnover 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了客流预测方法及系统，其中客流预测方法包括以下步骤：建立客流量数据库；采集每日客流信息并上传到所述数据库；对数据库中的数据进行分析并预测未来客流动态，本发明可以对实时的客流进行监控，还可以对未来时间点的客流进行科学的预测，以达到及时自动预警，及时采取相应措施疏散人流的目的。
Description
技术领域
本发明涉及客流预测领域，具体涉及到客流预测方法及系统。
背景技术
目前对于公共园区特别是没有闸机严格划分边界的公共场所，客流的监控往往得不到实时的保障。
发明内容
鉴于目前客流预测存在的上述不足，本发明提供客流预测方法及系统，可以对实时的对客流进行监控，还可以对未来时间点的客流进行科学的预测，以达到及时自动预警，及时采取相应措施疏散人流的目的。
本发明提供了客流预测方法，所述方法包括以下步骤，
建立客流量数据库；
采集每日客流信息并上传到所述数据库；
对数据库中的数据进行分析并预测未来客流动态。
依照本发明之原理，所述采集每日客流信息并上传到所述数据库的步骤中，客流信息包括当日累计人流量和当前人流量，所述当日累计人流量的计算方式为：S1＝∑FIiWi；，所述当前人流量的计算方式为：S2＝S1-∑FOjWi，其中，S1:当日累计人流量；S2:当前人流量；FIi:出入口当日累计进客量；Wi:出入口的进客量修正系数；FOi:出入口当日累计出客量；Wj:出入口的出客量修正系数。
依照本发明之原理，所述出入口的采集方式包括地铁闸机、公共交通系统、停车场、出入口闸机和视频摄像头。
依照本发明之原理，所述采集每日客流信息并上传到所述数据库的步骤中还包括：
采集每日对客流有影响的因子数据并上传到数据库；所述因子数据包括天气、温度、PM2.5、日期。
依照本发明之原理，所述对数据库中的数据进行分析并预测未来客流动态的步骤中，所述未来客流动态的计算方式为：Ti＝(∑KiMi)/Qi，其中Ti:某个时间段的客流预测值，所述某个时间段为一天或一天内的几分钟；Ki:客流影响因子，包括天气，温度，PM2.5，日期；Mi:客流影响因子的权重；Qi:重大事件、突发事件、以及市政公布的能引起客流变化的事件。
依照本发明之原理，所述Mi通过大数据线性回归算法来得出，包括以下步骤：
采集一段历史时期的数据，每一组数据包括：Ti,、Ki和Qi；
对历史数据用线性回归分析得到各个Mi的回归分析值。
依照本发明之原理，当Ti>F1时，预测系统会向告警事件系统发出告警，F1为黄色告警阀值,当Ti>F2时，预测系统会向告警事件系统发出告警，F2为红色告警阀值。
本发明的另一面，客流预测系统，包括客流预警平台，所述客流预警平台设有数据库；数据采集系统，所述数据采集系统与所述客流预警平台相连；预警系统，所述预警系统与所述客流预警平台相连。
依照本发明之原理，所述客流预测系统用于园区或公共场所。
依照本发明之原理，所述数据采集系统连接有公共交通系统、地铁系统、停车场监控系统、天气预报系统、和园区视频监测系统。
本发明具有以下优点：可以对实时的客流进行监控，还可以对未来时间点的客流进行科学的预测，以达到及时自动预警，及时采取相应措施疏散人流的目的。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明及其特征、外形和优点将会变得更明显。在全部附图中相同的标记指示相同的部分。并未刻意按照比例绘制附图，重点在于示出本发明的主旨。
图1为本发明提供的客流预测方法示意图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
为了彻底理解本发明，将在下列的描述中提出详细的步骤以及具体的结构，以便阐释本发明的技术方案。本发明的最佳实施案例详细描述如下，然而除了这些详细描述外，本发明还可以具有其它实施方式。
本发明提供了客流预测方法，如图1，方法包括以下步骤，
步骤S1：建立客流量数据库，以及与客流量相对应的相关数据，例如，天气，温度，PM2.5，日期等。
步骤S2：采集每日客流信息并上传到所述数据库，其中客流信息包括当日累计人流量和当前人流量，当日累计人流量的计算方式为：S1＝∑FIiWi；，所述当前人流量的计算方式为：S2＝S1-∑FOjWi，其中，S1:当日累计人流量；S2:当前人流量；FIi:出入口当日累计进客量；Wi:出入口的进客量修正系数；FOi:出入口当日累计出客量；Wj:出入口的出客量修正系数，其中，对于一个大型园区来说，当日累计人流量是统计园区的游客吸纳度的一个重要指标，当前在园人流量是监测客流峰值以及发生预警的重要指标。大型园区及公共场所，因其边界并不一定非常严格界定，进出边界的条件也不一定都安装有精确控制人数的闸机，因此对于数据的采集存在一定困难，就要根据不同的情况采用不同的方式进行统计和修正。每个出入口根据性质的不同，会有不同的统计硬件的接入，每种硬件因其统计原理会产生一定的误差率，因此需要进行实地测算及系数修正。
进一步，主要的出入口采集硬件有以下几种，但是不限于以下方式：地铁闸机：当地铁出入口直接汇入园区时，地铁闸机就成为一个重要的采集点，地铁闸机的误差主要出现在老人儿童及一些特殊照顾人群可以免票进出闸机，因此要进行系数修正。公共交通系统：汇入园区的公交站及公交枢纽是另一个重要的采集点，对于每一种不同车型，应该给予不同的客流系数，以区分大中小车载入载出园区的人数。停车场：停车场是重要的客流采集点，与公共交通系统相似，对于每一种不同车型，应该给予不同的客流系数，以区分大中小车载入载出园区的人数。园区出入口闸机：相对比较准确的统计人数的采集点，但是对于很多大型园区来说不一定在所有出入口都装有闸机。视频摄像头：在没有任何采集客流硬件的出入口，以及停车场等误差较大的出入口，可以安装视频摄像头进行人数识别，与其它硬件识别的数据可以进行交叉验证。视频摄像头的识别率有一定误差，所以需要系数修正。
再进一步，采集每日客流信息并上传到所述数据库的步骤中还包括：采集每日对客流有影响的因子数据并上传到数据库；所述因子数据包括天气、温度、PM2.5、日期，具体为：天气：天气是影响客流的一个非常重要的因子，采集并记录当前城市或当前区域的天气数据是预测客流的重要条件，天气状况分为：晴阴多云少云小雨中雨大雨阵雨雷阵雨暴雨雾,霾,霜冻,暴风,台风,暴风雪,大雪,中雪,小雪,雨夹雪冰雹浮尘扬沙等。温度：温度是影响客流的另一个非常重要的因子，温度过高或过低都会引起客流数量的明显降低。PM2.5：PM2.5对于当前出行的影响越来越重要，因此也会成为影响大型园区和公共场所人流的另一重要条件。日期：日期也是影响客流的一个重要因子，简单的说，工作日，双休日，国定节日对于客流有不同的影响。各种园区重大事件、突发事件、以及市政公布的能引起客流变化的事件。如某名人在园区开展演唱会，节假日前交通管制，等等。以上数据都可以通过各种现成的公用互联网API采集得到，突发事件所造成的影响因子需要人工采集并录入，若没有突发事件时，该因子置为1.0。
步骤S3：对数据库中的数据进行分析并预测未来客流动态，其中未来客流动态的计算方式为：Ti＝(∑KiMi)/Qi，其中Ti:某个时间段的客流预测值，所述某个时间段为一天或一天内的几分钟；Ki:客流影响因子，包括天气，温度，PM2.5，日期；Mi:客流影响因子的权重；Qi:重大事件、突发事件、以及市政公布的能引起客流变化的事件，其中，Mi通过大数据线性回归算法来得出，包括：采集一段历史时期的数据，每一组数据包括：Ti,、Ki和Qi；对历史数据用线性回归分析得到各个Mi的回归分析值。当Ti>F1时，预测系统会向告警事件系统发出告警，F1为黄色告警阀值,当Ti>F2时，预测系统会向告警事件系统发出告警，F2为红色告警阀值。具体包括：Ti＝(∑KiMi)/QiTi:某个时间段的客流预测值，可以是一天的，可以是某五分钟内的。Ki:客流影响因子，包括天气，温度，PM2.5，日期等因素；Mi:客流影响因子的权重，需要根据历史数据进行大数据分析得出；Qi:各种园区重大事件、突发事件、以及市政公布的能引起客流变化的事件。
对于每个Mi的定值方法：以上公式的各个参数，除了Mi之外，其余参数都可以通过观测和采集得出。对于Mi的计算，要采用大数据线性回归算法来得出，进一步，包括以下步骤：首先对于较长的一段历史时期的数据，都要进行完整的采集，每一组完整的数据包括：Ti,各个Ki,Qi，将历史数据以行形式存入ARFF文件，对历史数据用线性回归分析，就能得到各个Mi的回归分析值。
本预测系统采用了线性回归分析的算法，对各个接口采集来的客流数据自动进行归类整理并自动进行历史数据分析，形成线性回归的主要输入，并定期进行线性回归，得出客流预测中最重要的各个权重因子Mi,再代入公式Ti＝(∑KiMi)/Qi中，就可以预测出未来某一个时间客流的数值。当Ti>F1时，预测系统会向告警事件系统自动发出告警，F1为黄色告警阀值。当Ti>F2时，预测系统会向告警事件系统自动发出告警，F2为红色告警阀值。
本发明的另一面，客流预测系统，包括客流预警平台，所述客流预警平台设有数据库；数据采集系统，所述数据采集系统与所述客流预警平台相连；预警系统，所述预警系统与所述客流预警平台相连，所述客流预测系统用于园区或公共场所，所述数据采集系统连接有公共交通系统、地铁系统、停车场监控系统、天气预报系统、和园区视频监测系统。
本发明原理客流预测方法，其中客流预测方法包括以下步骤：建立客流量数据库；采集每日客流信息并上传到所述数据库；对数据库中的数据进行分析并预测未来客流动态，本发明可以对实时的对客流进行监控，还可以对未来时间点的客流进行科学的预测，以达到及时自动预警，及时采取相应措施疏散人流的目的。
以上对本发明的较佳实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施案例，这并不影响本发明的实质内容。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (10)
1.客流预测方法，其特征在于，包括以下步骤：
建立客流量数据库；
采集每日客流信息并上传到所述数据库；
对数据库中的数据进行分析并预测未来客流动态。
2.如权利要求1所述的客流预测方法，其特征在于，所述采集每日客流信息并上传到所述数据库的步骤中，客流信息包括当日累计人流量和当前人流量，所述当日累计人流量的计算方式为：S1＝∑FIiWi；，所述当前人流量的计算方式为：S2＝S1-∑FOjWi，其中，S1:当日累计人流量；S2:当前人流量；FIi:出入口当日累计进客量；Wi:出入口的进客量修正系数；FOi:出入口当日累计出客量；Wj:出入口的出客量修正系数。
3.如权利要求2所述的客流预测方法，其特征在于，所述出入口的采集方式包括地铁闸机、公共交通系统、停车场、出入口闸机和视频摄像头。
4.如权利要求1-3任一所述的客流预测方法，其特征在于，所述采集每日客流信息并上传到所述数据库的步骤中还包括：
采集每日对客流有影响的因子数据并上传到数据库；所述因子数据包括天气、温度、PM2.5、日期。
5.如权利要求4所述的客流预测方法，其特征在于，所述对数据库中的数据进行分析并预测未来客流动态的步骤中，所述未来客流动态的计算方式为：Ti＝(∑KiMi)/Qi，其中Ti:某个时间段的客流预测值，所述某个时间段为一天或一天内的几分钟；Ki:客流影响因子，包括天气，温度，PM2.5，日期；Mi:客流影响因子的权重；Qi:重大事件、突发事件、以及市政公布的能引起客流变化的事件。
6.如权利要求5所述的客流预测方法，其特征在于，所述Mi通过大数据线性回归算法来得出，包括以下步骤：
采集一段历史时期的数据，每一组数据包括：Ti,、Ki和Qi；
对历史数据用线性回归分析得到各个Mi的回归分析值。
7.如权利要求6所述的客流预测方法，其特征在于，当Ti>F1时，预测系统会向告警事件系统发出告警，F1为黄色告警阀值,当Ti>F2时，预测系统会向告警事件系统发出告警，F2为红色告警阀值。
8.一种客流预测系统，其特征在于，包括客流预警平台，所述客流预警平台设有数据库；数据采集系统，所述数据采集系统与所述客流预警平台相连；预警系统，所述预警系统与所述客流预警平台相连。
9.如权利要求8所述的客流预测系统，其特征在于，所述客流预测系统用于园区或公共场所。
10.如权利要求7-9任一所述的客流预测系统，其特征在于，所述数据采集系统连接有公共交通系统、地铁系统、停车场监控系统、天气预报系统、和园区视频监测系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610140434.0A CN107180270A (zh) | 2016-03-12 | 2016-03-12 | 客流预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610140434.0A CN107180270A (zh) | 2016-03-12 | 2016-03-12 | 客流预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107180270A true CN107180270A (zh) | 2017-09-19 |
Family
ID=59829653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610140434.0A Pending CN107180270A (zh) | 2016-03-12 | 2016-03-12 | 客流预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107180270A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108132913A (zh) * | 2017-12-11 | 2018-06-08 | 深圳先进技术研究院 | 一种轨道交通客流移动估计方法、系统及电子设备 |
| CN108197760A (zh) * | 2018-01-31 | 2018-06-22 | 民航成都电子技术有限责任公司 | 一种空港地面交通旅客流量预测方法 |
| CN108288106A (zh) * | 2017-10-30 | 2018-07-17 | 江苏鸿信系统集成有限公司 | 一种基于大数据的旅游客流预测方法 |
| CN108876033A (zh) * | 2018-06-13 | 2018-11-23 | 华南理工大学 | 一种基于多源数据融合的客流爆点人流量预测方法 |
| CN108961762A (zh) * | 2018-08-24 | 2018-12-07 | 东北林业大学 | 一种基于多因素融合的城市道路交通流量预测方法 |
| CN109559512A (zh) * | 2018-12-05 | 2019-04-02 | 北京掌行通信息技术有限公司 | 一种区域交通流量预测方法及装置 |
| CN109947381A (zh) * | 2019-02-28 | 2019-06-28 | 佛山星乔电子科技有限公司 | 一种地铁半透明显示装置群组的多线联动控制方法及控制系统 |
| CN110097675A (zh) * | 2019-05-31 | 2019-08-06 | 上海工程技术大学 | 一种用于地铁的无障碍通道闸机装置 |
| CN111126679A (zh) * | 2019-12-10 | 2020-05-08 | 武汉烽火众智数字技术有限责任公司 | 一种开放式景区客流统计和预测的方法和系统 |
| CN111435469A (zh) * | 2019-01-11 | 2020-07-21 | 中国长江电力股份有限公司 | 一种梯级电站中下游电站入库流量的预测方法 |
| CN111737314A (zh) * | 2020-06-13 | 2020-10-02 | 北京京投亿雅捷交通科技有限公司 | 一种运营日系统的客流信息检测方法 |
| CN117275243A (zh) * | 2023-11-22 | 2023-12-22 | 上海随申行智慧交通科技有限公司 | 基于多源交通出行数据的区域流控预测预警方法及应用 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050187812A1 (en) * | 2004-02-25 | 2005-08-25 | International Business Machines Corporation | Method, system, and storage medium for predicting passenger flow at a transportation facility |
| CN100583171C (zh) * | 2008-09-04 | 2010-01-20 | 上海交通大学 | 基于客流预测和自适应仿真的拥挤预警系统 |
| CN101751614A (zh) * | 2008-11-27 | 2010-06-23 | 财团法人工业技术研究院 | 顾客流量等级预测方法及应用其的空调温度控制方法 |
| CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
| CN102496076A (zh) * | 2011-11-30 | 2012-06-13 | 广州市交通规划研究所 | 宏、中、微观多层次的城市停车需求预测模型集成系统 |
| CN102819768A (zh) * | 2011-11-07 | 2012-12-12 | 金蝶软件（中国）有限公司 | 客流数据分析的方法及系统 |
| CN104036352A (zh) * | 2014-06-09 | 2014-09-10 | 陕西师范大学 | 一种景区游客时空调控与应急指引系统及方法 |
| US20150348068A1 (en) * | 2014-05-28 | 2015-12-03 | International Business Machines Corporation | Predicting waiting passenger count and evaluation |
-
2016
- 2016-03-12 CN CN201610140434.0A patent/CN107180270A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050187812A1 (en) * | 2004-02-25 | 2005-08-25 | International Business Machines Corporation | Method, system, and storage medium for predicting passenger flow at a transportation facility |
| CN100583171C (zh) * | 2008-09-04 | 2010-01-20 | 上海交通大学 | 基于客流预测和自适应仿真的拥挤预警系统 |
| CN101751614A (zh) * | 2008-11-27 | 2010-06-23 | 财团法人工业技术研究院 | 顾客流量等级预测方法及应用其的空调温度控制方法 |
| CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
| CN102819768A (zh) * | 2011-11-07 | 2012-12-12 | 金蝶软件（中国）有限公司 | 客流数据分析的方法及系统 |
| CN102496076A (zh) * | 2011-11-30 | 2012-06-13 | 广州市交通规划研究所 | 宏、中、微观多层次的城市停车需求预测模型集成系统 |
| US20150348068A1 (en) * | 2014-05-28 | 2015-12-03 | International Business Machines Corporation | Predicting waiting passenger count and evaluation |
| CN104036352A (zh) * | 2014-06-09 | 2014-09-10 | 陕西师范大学 | 一种景区游客时空调控与应急指引系统及方法 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108288106B (zh) * | 2017-10-30 | 2022-03-15 | 中电鸿信信息科技有限公司 | 一种基于大数据的旅游客流预测方法 |
| CN108288106A (zh) * | 2017-10-30 | 2018-07-17 | 江苏鸿信系统集成有限公司 | 一种基于大数据的旅游客流预测方法 |
| CN108132913A (zh) * | 2017-12-11 | 2018-06-08 | 深圳先进技术研究院 | 一种轨道交通客流移动估计方法、系统及电子设备 |
| CN108197760A (zh) * | 2018-01-31 | 2018-06-22 | 民航成都电子技术有限责任公司 | 一种空港地面交通旅客流量预测方法 |
| CN108876033A (zh) * | 2018-06-13 | 2018-11-23 | 华南理工大学 | 一种基于多源数据融合的客流爆点人流量预测方法 |
| CN108961762A (zh) * | 2018-08-24 | 2018-12-07 | 东北林业大学 | 一种基于多因素融合的城市道路交通流量预测方法 |
| CN109559512A (zh) * | 2018-12-05 | 2019-04-02 | 北京掌行通信息技术有限公司 | 一种区域交通流量预测方法及装置 |
| CN111435469B (zh) * | 2019-01-11 | 2022-04-19 | 中国长江电力股份有限公司 | 一种梯级电站中下游电站入库流量的预测方法 |
| CN111435469A (zh) * | 2019-01-11 | 2020-07-21 | 中国长江电力股份有限公司 | 一种梯级电站中下游电站入库流量的预测方法 |
| CN109947381A (zh) * | 2019-02-28 | 2019-06-28 | 佛山星乔电子科技有限公司 | 一种地铁半透明显示装置群组的多线联动控制方法及控制系统 |
| CN109947381B (zh) * | 2019-02-28 | 2023-08-25 | 佛山星乔电子科技有限公司 | 一种地铁半透明显示装置群组的多线联动控制方法及控制系统 |
| CN110097675A (zh) * | 2019-05-31 | 2019-08-06 | 上海工程技术大学 | 一种用于地铁的无障碍通道闸机装置 |
| CN111126679A (zh) * | 2019-12-10 | 2020-05-08 | 武汉烽火众智数字技术有限责任公司 | 一种开放式景区客流统计和预测的方法和系统 |
| CN111737314A (zh) * | 2020-06-13 | 2020-10-02 | 北京京投亿雅捷交通科技有限公司 | 一种运营日系统的客流信息检测方法 |
| CN117275243A (zh) * | 2023-11-22 | 2023-12-22 | 上海随申行智慧交通科技有限公司 | 基于多源交通出行数据的区域流控预测预警方法及应用 |
| CN117275243B (zh) * | 2023-11-22 | 2024-02-02 | 上海随申行智慧交通科技有限公司 | 基于多源交通出行数据的区域流控预测预警方法及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107180270A (zh) | 客流预测方法及系统 | |
| CN107610469B (zh) | 一种考虑多因素影响的日维度区域交通指数预测方法 | |
| CN106816008B (zh) | 一种道路拥堵预警及拥堵形成时间预测方法 | |
| CN104715610B (zh) | 一种面向城市交通的交通指数计算方法 | |
| CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
| CN112070286B (zh) | 复杂地形流域的降水预报预警系统 | |
| CN110276950B (zh) | 一种基于卡口视频数据的城市交通出行链重构方法 | |
| CN107798876B (zh) | 基于事件的道路交通异常拥堵判断方法 | |
| CN102087788B (zh) | 基于浮动车车速置信度的交通状态参数估计方法 | |
| CN102592453B (zh) | 一种基于时间窗口的实时交通状况判别方法 | |
| CN106327864A (zh) | 一种基于高速公路联网收费数据的交通流估计方法 | |
| CN109658695A (zh) | 一种多因素的短时交通流预测方法 | |
| CN103593976A (zh) | 基于检测器确定道路交通状态的方法及系统 | |
| CN113593220B (zh) | 一种基于宏观基本图的路网承载力估计方法 | |
| CN106503829A (zh) | 一种基于多源数据的城市公共开放空间的拥挤度预测方法 | |
| CN103839415A (zh) | 基于路面图像特征识别的交通流量和占有率信息获取方法 | |
| CN108681717B (zh) | 城市级交通视频检测设备质量检测方法 | |
| CN110400462A (zh) | 基于模糊理论的轨道交通客流监测预警方法及其系统 | |
| CN102867421A (zh) | 一种识别有效停车泊位占有率中离群数据的方法 | |
| CN105931463B (zh) | 基于交通场面雷达的路段交通运行指数计算方法 | |
| CN104318795A (zh) | 基于时空分析的高速公路地点交通状态偏离度获取方法 | |
| CN107944466A (zh) | 一种基于分段思想的降雨偏差纠正方法 | |
| Beitel et al. | Quality measure of short-duration bicycle counts | |
| Morris et al. | External factors affecting motorway capacity | |
| CN105701579A (zh) | 高原双车道二级公路基本路段交通事故预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Zaofeng Inventor before: Lin Xianchun |
|
| CB03 | Change of inventor or designer information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170919 |
|
| RJ01 | Rejection of invention patent application after publication |