CN107215363A - 一种地铁站内乘客排队引导方法和引导系统 - Google Patents
一种地铁站内乘客排队引导方法和引导系统 Download PDFInfo
- Publication number
- CN107215363A CN107215363A CN201710438446.6A CN201710438446A CN107215363A CN 107215363 A CN107215363 A CN 107215363A CN 201710438446 A CN201710438446 A CN 201710438446A CN 107215363 A CN107215363 A CN 107215363A
- Authority
- CN
- China
- Prior art keywords
- compartment
- station
- train
- entered
- passenger
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/04—Automatic systems, e.g. controlled by train; Change-over to manual control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/40—Handling position reports or trackside vehicle data
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种地铁站内乘客排队引导方法和引导系统,包括:步骤S1、检测模块获取即将进站的列车的各车厢内的当前拥挤程度系数;步骤S2、第一预测模块根据当天最近经过该地铁站的若干趟列车的下车人数比例,以及位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,预测出即将进站的列车的各车厢的下车人数比例;步骤S3、第二预测模块根据即将进站的列车的各车厢的下车人数比例和当前拥挤程度系数,预测出各车厢的理论拥挤程度系数;步骤S4、生成模块根据各车厢的理论拥挤程度系数生成针对各车厢的排队建议信息,并发送至播放模块;步骤S5、播放模块将排队建议信息进行播放。
Description
技术领域
本发明涉及智能交通领域,特别涉及一种地铁站内乘客排队引导方法和引导系统。
背景技术
随着我国城市化进程的加快,越来越多的城市选择修建地铁,以提高城市的交通质量。由于地铁载运量大、不堵车等优点,越来越多的乘客在出行时选择乘坐地铁。一趟地铁有多节车厢,在哪节车厢排队等候地铁可以更安全容易的登上地铁,这也成了乘客们共同面对的问题。
同一趟地铁里各车厢拥挤程度不同,有的车厢乘客多,有的车厢乘客少。当地铁到站开门以后,在较拥挤的车厢门口等待的部分乘客无法顺利的登上车厢,如果该部分乘客发现附近的其他车厢不拥挤时,往往就会试图去登上其他的车厢,这样就容易造成乘客的不安全和降低地铁的运行效率。
造成上述现象的原因在于,在等候地铁的乘客无法预知各车厢的拥挤情况,无法选择合适的等待队伍进行排队。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提出了一种地铁站内乘客排队引导方法和引导系统。
为实现上述目的,本发明提供了一种地铁站内乘客排队引导方法,用于引导乘客选择合适的车厢进行排队,包括:
步骤S1、检测模块获取即将进站的列车的各车厢内的当前拥挤程度系数;
步骤S2、第一预测模块根据当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例,以及位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,预测出即将进站的列车的各车厢的下车人数比例;
步骤S3、第二预测模块根据所述第一预测模块预测出的即将进站的列车的各车厢的下车人数比例和即将进站的列车的各车厢的所述当前拥挤程度系数,预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数;
步骤S4、生成模块根据各车厢的理论拥挤程度系数生成针对各车厢的排队建议信息,并发送至播放模块;
步骤S5、播放模块将所述排队建议信息进行播放,以供乘客选择合适的车厢进行排队。
可选地,所述第一预测模块包括:第一查询单元、第二查询单元和计算单元;
所述步骤S2包括:
步骤S201、第一查询单元从历史数据库中查询出当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例;
步骤S202、第二查询单元从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例;
步骤S203、计算单元根据如下公式预测出即将进站的列车的各车厢的下车人数比例:
βi=αi*βi'+(1-αi)*βi”
βi'=(Ci_1+Ci_2+…+Ci_n)/n
βi”=(Di_1+Di_2+…+Di_m)/m
其中,βi为即将进站的列车的第i节车厢的下车人数比例,αi为针对即将进站的列车的第i节车厢预先设置的平滑系数,Ci_1、Ci_2……Ci_n为从历史数据库中查询出当天最近经过该地铁站的n趟列车的第i节车厢的下车人数比例,Di_1、Di_2……Di_m为从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的m趟列车的第i节车厢的下车人数比例。
可选地,所述步骤S3具体包括:
第二预测模块采用如下公式预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数:
Yi=Yi'*(1-βi)
其中,Yi为即将进站的列车到站且下车乘客完成下车后的第i节车厢的理论拥挤程度系数,Yi'为步骤S1获取到的即将进站的列车第i节车厢内的当前拥挤程度系数,βi为步骤S2预测出即将进站的列车的第i节车厢的下车人数比例。
可选地,所述检测模块包括:光源发射单元、光源接收单元和处理单元,所述光源发射单元置于车厢内的顶部,光源接收单元置于车厢内的底部;
所述步骤S1包括:
步骤S101、光源发射单元向下发射检测光线;
步骤S102、光源接收单元接收检测光线;
步骤S103、处理单元根据光源接收单元接收到的检测光线的光通量,计算车厢内的当前拥挤程度系数。
可选地,步骤S103具体包括:
处理单元根据如下公式计算即将进站的列车的各车厢内的当前拥挤程度系数:
其中,Yi'为即将进站的列车第i节车厢内的当前拥挤程度系数,Li_0为通过预先实验获取到的即将进站的列车的第i车厢内没有乘客时光源接收单元接收到的检测光线的光通量,为即将进站的列车的第i车厢内的光源接收单元接收到S次检测光线的光通量的平均值,Li_k为即将进站的列车的第i车厢内的光源接收单元第k次接收到检测光线的光通量,1≤k≤S。
为实现上述目的,本发明提供了一种地铁站内乘客排队引导系统,用于引导乘客选择合适的车厢进行排队,包括:
检测模块,用于获取即将进站的列车的各车厢内的当前拥挤程度系数;
第一预测模块,用于根据当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例,以及位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,预测出即将进站的列车的各车厢的下车人数比例;
第二预测模块,用于根据所述第一预测模块预测出的即将进站的列车的各车厢的下车人数比例和即将进站的列车的各车厢的所述当前拥挤程度系数,预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数;
生成模块,用于根据各车厢的理论拥挤程度系数生成针对各车厢的排队建议信息,并发送至播放模块;
播放模块,用于将所述排队建议信息进行播放,以供乘客选择合适的车厢进行排队。
可选地,所述第一预测模块包括:
第一查询单元,用于从历史数据库中查询出当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例;
第二查询单元,用于从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例;
计算单元,用于根据如下公式预测出即将进站的列车的各车厢的下车人数比例:
βi=αi*βi'+(1-αi)*βi”
βi'=(Ci_1+Ci_2+…+Ci_n)/n
βi”=(Di_1+Di_2+…+Di_m)/m
其中,βi为即将进站的列车的第i节车厢的下车人数比例,αi为针对即将进站的列车的第i节车厢预先设置的平滑系数,Ci_1、Ci_2……Ci_n为从历史数据库中查询出当天最近经过该地铁站的n趟列车的第i节车厢的下车人数比例,Di_1、Di_2……Di_m为从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的m趟列车的第i节车厢的下车人数比例。
可选地,所述第二预测模块具体采用如下公式预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数:
Yi=Yi'*(1-βi)
其中,Yi为即将进站的列车到站且下车乘客完成下车后的第i节车厢的理论拥挤程度系数,Yi'为检测模块获取到的即将进站的列车第i节车厢内的当前拥挤程度系数,βi为第一预测模块预测出即将进站的列车的第i节车厢的下车人数比例。
可选地,所述检测模块包括:
光源发射单元,设置于车厢内的顶部,用于向下发射检测光线;
光源接收单元,设置于车厢内的底部,用于接收检测光线;
处理单元,用于根据光源接收单元接收到的检测光线的光通量,计算车厢内的当前拥挤程度系数。
可选地,所述处理单元具体用于根据如下公式计算即将进站的列车的各车厢内的当前拥挤程度系数:
其中,Yi'为即将进站的列车第i节车厢内的当前拥挤程度系数,Li_0为通过预先实验获取到的即将进站的列车的第i车厢内没有乘客时光源接收单元接收到的检测光线的光通量,为即将进站的列车的第i车厢内的光源接收单元接收到S次检测光线的光通量的平均值,Li_k为即将进站的列车的第i车厢内的光源接收单元第k次接收到检测光线的光通量,1≤k≤S。
本发明具有以下有益效果:
本发明提供了一种地铁站内乘客排队引导方法和引导系统,其中该引导方法包括:步骤S1、检测模块获取即将进站的列车的各车厢内的当前拥挤程度系数;步骤S2、第一预测模块根据当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例,以及位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,预测出即将进站的列车的下车人数比例;步骤S3、第二预测模块根据第一预测模块预测出的即将进站的列车的各车厢的下车人数比例和当前拥挤程度系数,预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数;步骤S4、生成模块根据各车厢的理论拥挤程度系数生成针对各车厢的排队建议信息,并发送至播放模块;步骤S5、播放模块将排队建议信息进行播放,以供乘客选择合适的车厢进行排队。本发明的技术方案通过结合各车厢的当前拥挤程度系数、天气状况、时间段、当天数据、历史数据等因素,可有效、准确的对即将进站的列车到站且下车乘客完成下车后的各车厢内的理论拥挤程度系数进行预测,并生成相应的排队建议信息,以供乘客选择合适的车厢排队口进行排队,以达到引导乘客排队的目的。
附图说明
图1为本发明实施例一提供的一种地铁站内乘客排队引导方法的流程图;
图2为本发明实施例二提供的一种地铁站内乘客排队引导系统的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的一种地铁站内乘客排队引导方法和引导系统进行详细描述。
图1为本发明实施例一提供的一种地铁站内乘客排队引导方法的流程图,如图1所示,该引导方法用于引导乘客选择合适的车厢进行排队,该引导方法基于相应的引导系统,该引导系统包括:检测模块、第一预测模块、第二预测模块、生成模块和播放模块,该引导方法包括:
步骤S1、检测模块获取即将进站的列车的各车厢内的当前拥挤程度系数。
可选地,检测模块包括:光源发射单元、光源接收单元和处理单元,光源发射单元置于车厢内的顶部,光源接收单元置于车厢内的底部;步骤S1具体包括:
步骤S101、光源发射单元向下发射检测光线。
光源发射单元向下发射具有预设光强的检测光线,当车厢内乘客较多时,则大部分光学会被乘客挡住,仅少部分光线会经过乘客件的空隙射向车厢内的底面。
步骤S102、光源接收单元接收检测光线。
为较好的进行检测,光源接收单元可覆盖整个车厢内的底面,光源接收单元接收射向车厢内的底面的检测光线,并得到相应的光通量。需要说明的是,本发明中的光通量是指光源接收单元在单元面积内接收到的检测光线的光强(射向车厢内的底面的检测光线越多,光源接收单元能接收到检测光线的面积越大,光源接收单元在单元面积内接收到的检测光线的光强越大)。
步骤S103、处理单元根据光源接收单元接收到的检测光线的光通量,计算车厢内的当前拥挤程度系数。
可选地,在步骤S103中,处理单元根据如下公式计算即将进站的列车的各车厢内的当前拥挤程度系数:
其中,Yi'为即将进站的列车第i节车厢内的当前拥挤程度系数,Li_0为通过预先实验获取到的即将进站的列车的第i车厢内没有乘客时光源接收单元接收到的检测光线的光通量,为即将进站的列车的第i车厢内的光源接收单元接收到S次检测光线的光通量的平均值,Li_k为即将进站的列车的第i车厢内的光源接收单元第k次接收到检测光线的光通量,1≤k≤S。其中,当前拥挤程度系数Y的取值范围为[1,+∞),当前拥挤程度系数Y的取值越大,表明车厢内越拥挤。
需要说明的是,上述根据光源接收单元接收到S次检测光线的光通量的平均值来计算当前拥挤程度系数的算法仅为本发明中的优选方案,可有效的减小偶然误差,其不会对本发明技术方案产生限制。
此外,在步骤S1中还可以采用其他算法来获取到车厢内的当前拥挤程度系数,具体算法此处不再一一描述。
在各车厢内设置检测模块,并通过上述步骤S101~步骤S103,即可计算出各车厢内的当前拥挤程度系数。
步骤S2、第一预测模块根据当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例,以及位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,预测出即将进站的列车的各车厢的下车人数比例。
可选地,第一预测模块包括:第一查询单元、第二查询单元和计算单元。步骤S2包括:
步骤S201、第一查询单元从历史数据库中查询出当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例。
历史数据库为一地铁站经停列车信息表,其中存储有当天以及之前各天经过该地铁站的各趟列车的相关记录,该地铁站经停列车信息表的结构如下表1所示。
表1.地铁站经停列车信息表
该地铁站经停列车信息表中记载有该地铁站的站名、日期、经过该地铁站的各趟列车的列车编号、经停时间、各车厢号、各车厢的下车人数比例和对应的天气状况。其中,各车厢的下车人数比例等于该车厢的下车人数与该车厢内总人数的比值,该下车人数比例可通过预先统计、计算得到。
为便于本领域技术人员对本发明的技术方案进行理解,下面将进行示例性描述。假定,当天日期为2017-5-19,当前时刻为13:22:50,当前天气状态为晴天,以预测即将进站的列车的第i节车厢的下车人数比例为例。
在步骤S201中,从地铁站经停列车信息表中查询出日期为2017-5-19,且距离13:22:50最近的n趟列车的第i节车厢的下车人数比例。需要说明的是,n的取值可根据实际需要进行相应设定、调整。
在步骤S201中查询出的当天最近经过该地铁站的若干趟列车的第i节车厢的下车人数比例记为Ci_1、Ci_2……Ci_n。
步骤S202、第二查询单元从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例。
本实施例中,假定由当前时刻的前10分钟起至当前时刻的后10分钟止为当前时间段,即当前时间段为13:12:50~13:32:50,则在步骤S202中,从地铁站经停列车信息表中查询出天气状况为晴天,且经停时间处于13:12:50~13:32:50内的m趟列车的第i节车厢的下车人数比例。其中,m是由实际查询结果来确定的,当然若查询出的满足上述查询条件的记录较多时,可从查询结果中选取少量的值用于后续的计算。
在步骤S202中查询出的位于当前之前的、天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的第i节车厢的下车人数比例记为Di_1、Di_2……Di_m。
需要说明的是,上述当前时间段跨越20分钟(由当前时刻的前10分钟起至当前时刻的后10分钟止)的情况仅起到示例性作用,在实际应用中,可根据实际需要对“当前时间段”的定义进行相应调整。
步骤S203、计算单元根据如下公式预测出即将进站的列车的各车厢的下车人数比例:
βi=αi*βi'+(1-αi)*βi”
βi'=(Ci_1+Ci_2+…+Ci_n)/n
βi”=(Di_1+Di_2+…+Di_m)/m
其中,βi为即将进站的列车的第i节车厢的下车人数比例,αi为针对即将进站的列车的第i节车厢预先设置的平滑系数,αi的取值范围为[0,1],αi的取值可根据实际需要进行相应的设定、调整。当αi趋近于1时,则表明即将进站的列车的下车人数比例是以当天最近经过该地铁站的若干趟列车的该车厢的下车人数比例作为主要参考;当αi趋近于0时,则表明即将进站的列车的下车人数比例是以位于当前之前的、天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的该车厢的下车人数比例作为主要参考。
本实施例中,通过当天最近经过该地铁站的若干趟列车的下车人数比例,以及位于当前之前的、天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,来预测即将进站的列车的各车厢的下车人数比例,其综合考虑了天气状况、时间段、当天数据、历史数据等因素,可有效提升预测精准度。
需要说明的是,本发明中还可以基于当天最近经过该地铁站的若干趟列车的下车人数比例,以及位于当前之前的、天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,并采用其他算法来预测将进站的列车的各车厢的下车人数比例,具体情况此处不进行详细描述。
步骤S3、第二预测模块根据第一预测模块预测出的即将进站的列车的各车厢的下车人数比例和当前拥挤程度系数,预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数。
可选地,在步骤S3中,第二预测模块采用如下公式预测出即将进站的列车到站且下车乘客完成下车后的车厢的理论拥挤程度系数:
Yi=Yi'*(1-βi)
其中,Yi为即将进站的列车到站且下车乘客完成下车后的第i节车厢的理论拥挤程度系数,理论拥挤程度系数Yi的取值范围为[1,+∞),理论拥挤程度系数Yi的取值越大,表明车厢内越拥挤;Yi'为检测模块获取到的即将进站的列车第i节车厢内的当前拥挤程度系数,当前拥挤程度系数Yi'的取值范围为[1,+∞),当前拥挤程度系数Yi'的取值越大,表明车厢内越拥挤;βi为第一预测模块预测出即将进站的列车的第i节车厢的下车人数比例。
通过步骤S3,即可预测出即将进站的列车到站且下车乘客完成下车后的各车厢内的理论拥挤程度系数。
步骤S4、生成模块根据各车厢的理论拥挤程度系数生成针对各车厢的排队建议信息,并发送至播放模块。
在步骤S4中,可根据预先设置一拥挤程度参考系数Y0,通过将步骤S3预测出的各车厢的理论拥挤程度系数Yi与拥挤程度参考系数Y0进行比较;若理论拥挤程度系数Yi大于拥挤程度参考系数Y0,则表明该车厢内相对拥挤,则生成不建议乘客在该车厢对应的排队口进行排队的排队建议信息;反之,则生成建议乘客在该车厢对应的排队口进行排队的排队建议信息。
当然,还可以针对理论拥挤程度系数划分为若干个不同等级,针对各等级的理论拥挤程度系数生成对应的排队建议信息。表2为理论拥挤程度系数与排队建议信息的对应关系表,如下表2所示:
表2.理论拥挤程度系数与排队建议信息的对应关系表
需要说明的是,对于表2中理论拥挤程度系数划分为4个不同等级的情况,仅起到示例性作用,其不会对本发明的技术方案产生限制。本发明中还可以基于理论拥挤程度系数采用其他算法来生成相应的排队建议信息,此处不再一一举例说明。本领域技术人员应该知晓的是,但凡根据预测出的理论拥挤程度系数来生成排队建议信息的技术手段,均应属于本发明的保护范围。
步骤S5、播放模块将排队建议信息进行播放,以供乘客选择合适的车厢进行排队。
本发明中的播放模块可以为音频播放设备(广播、音响等)也可以为视频播放设备(平板、电视机等)。具体地,可在各车厢对应的排队口的安全门上设置播放设备,该播放设备可每隔预设时间播放对应车厢的排队建议信息,以供乘客选择合适的车厢排队口进行排队。
本发明实施例一提供了一种地铁站内乘客排队引导方法,本发明的技术方案通过结合各车厢的当前拥挤程度系数、天气状况、时间段、当天数据、历史数据等因素,可有效、准确的对即将进站的列车到站且下车乘客完成下车后的各车厢内的理论拥挤程度系数进行预测,并生成相应的排队建议信息,以供乘客选择合适的车厢排队口进行排队,以达到引导乘客排队的目的。
实施例二
图2为本发明实施例二提供的一种地铁站内乘客排队引导系统的结构示意图,如图2所示,该引导系统执行上述实施例一提供的引导方法,用于引导乘客选择合适的车厢进行排队,该引导系统包括:
检测模块1,用于获取即将进站的列车的各车厢内的当前拥挤程度系数。
第一预测模块2,用于根据当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例,以及位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,预测出即将进站的列车的各车厢的下车人数比例。
第二预测模块3,用于根据所述第一预测模块预测出的即将进站的列车的各车厢的下车人数比例和即将进站的列车的各车厢的所述当前拥挤程度系数,预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数。
生成模块4,用于根据各车厢的理论拥挤程度系数生成针对各车厢的排队建议信息,并发送至播放模块。
播放模块5,用于将排队建议信息进行播放,以供乘客选择合适的车厢进行排队。
需要说明的是,本实施例中的检测模块1用于执行上述实施例一中的步骤S1,第一预测模块2用于执行上述实施例一中的步骤S2,第二预测模块3用于执行上述实施例一中的步骤S3,生成模块4用于执行上述实施例一中的步骤S4,播放模块5用于执行上述实施例一中的步骤S5。对于各模块的描述,可参见上述实施例一中相应步骤,此处不再赘述。
可选地,第一预测模块2包括:
第一查询单元201,用于从历史数据库中查询出当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例。
第二查询单元202,用于从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例。
计算单元203,用于根据如下公式预测出即将进站的列车的各车厢的下车人数比例:
βi=αi*βi'+(1-αi)*βi”
βi'=(Ci_1+Ci_2+…+Ci_n)/n
βi”=(Di_1+Di_2+…+Di_m)/m
其中,βi为即将进站的列车的第i节车厢的下车人数比例,αi为针对即将进站的列车的第i节车厢预先设置的平滑系数,Ci_1、Ci_2……Ci_n为从历史数据库中查询出当天最近经过该地铁站的n趟列车的第i节车厢的下车人数比例,Di_1、Di_2……Di_m为从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的m趟列车的第i节车厢的下车人数比例。
需要说明的是,本实施例中的第一查询单元201用于执行上述实施例一中的步骤S201,第二查询单元202用于执行上述实施例一中的步骤S202,计算单元203用于执行上述实施例一中的步骤S203。对于各单元的描述,可参见上述实施例一中相应步骤,此处不再赘述。
可选地,第二预测模块3具体采用如下公式预测出即将进站的列车到站且下车乘客完成下车后的车厢的理论拥挤程度系数:
Yi=Yi'*(1-βi)
其中,Yi为即将进站的列车到站且下车乘客完成下车后的第i节车厢的理论拥挤程度系数,Yi'为检测模块获取到的即将进站的列车第i节车厢内的当前拥挤程度系数,βi为第一预测模块预测出即将进站的列车的第i节车厢的下车人数比例。
可选地,检测模块1包括:
光源发射单元101,设置于车厢内的顶部,用于向下发射检测光线。
光源接收单元102,设置于车厢内的底部,用于接收检测光线;
处理单元103,用于根据光源接收单元接收到的检测光线的光通量,计算车厢内的当前拥挤程度系数。
可选地,处理单元103具体用于根据如下公式计算即将进站的列车的各车厢内的当前拥挤程度系数:
其中,Yi'为即将进站的列车第i节车厢内的当前拥挤程度系数,Li_0为通过预先实验获取到的即将进站的列车的第i车厢内没有乘客时光源接收单元接收到的检测光线的光通量,为即将进站的列车的第i车厢内的光源接收单元接收到S次检测光线的光通量的平均值,Li_k为即将进站的列车的第i车厢内的光源接收单元第k次接收到检测光线的光通量,1≤k≤S。
需要说明的是,本实施例中的光源发射单元101用于执行上述实施例一中的步骤S101,光源接收单元102用于执行上述实施例一中的步骤S102,处理单元103用于执行上述实施例一中的步骤S103。对于各单元的描述,可参见上述实施例一中相应步骤,此处不再赘述。
本发明实施例二提供了一种地铁站内乘客排队引导系统,本发明的技术方案通过结合各车厢的当前拥挤程度系数、天气状况、时间段、当天数据、历史数据等因素,可有效、准确的对即将进站的列车到站且下车乘客完成下车后的各车厢内的理论拥挤程度系数进行预测,并生成相应的排队建议信息,以供乘客选择合适的车厢排队口进行排队,以达到引导乘客排队的目的。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种地铁站内乘客排队引导方法,用于引导乘客选择合适的车厢进行排队,其特征在于,包括:
步骤S1、检测模块获取即将进站的列车的各车厢内的当前拥挤程度系数;
步骤S2、第一预测模块根据当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例,以及位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,预测出即将进站的列车的各车厢的下车人数比例;
步骤S3、第二预测模块根据所述第一预测模块预测出的即将进站的列车的各车厢的下车人数比例和即将进站的列车的各车厢的所述当前拥挤程度系数,预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数;
步骤S4、生成模块根据各车厢的理论拥挤程度系数生成针对各车厢的排队建议信息,并发送至播放模块;
步骤S5、播放模块将所述排队建议信息进行播放,以供乘客选择合适的车厢进行排队。
2.根据权利要求1所述的地铁站内乘客排队引导方法,其特征在于,所述第一预测模块包括:第一查询单元、第二查询单元和计算单元;
所述步骤S2包括:
步骤S201、第一查询单元从历史数据库中查询出当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例;
步骤S202、第二查询单元从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例;
步骤S203、计算单元根据如下公式预测出即将进站的列车的各车厢的下车人数比例:
βi=αi*βi'+(1-αi)*βi”
βi'=(Ci_1+Ci_2+…+Ci_n)/n
βi”=(Di_1+Di_2+…+Di_m)/m
其中,βi为即将进站的列车的第i节车厢的下车人数比例,αi为针对即将进站的列车的第i节车厢预先设置的平滑系数,Ci_1、Ci_2……Ci_n为从历史数据库中查询出当天最近经过该地铁站的n趟列车的第i节车厢的下车人数比例,Di_1、Di_2……Di_m为从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的m趟列车的第i节车厢的下车人数比例。
3.根据权利要求1所述的地铁站内乘客排队引导方法,其特征在于,所述步骤S3具体包括:
第二预测模块采用如下公式预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数:
Yi=Yi'*(1-βi)
其中,Yi为即将进站的列车到站且下车乘客完成下车后的第i节车厢的理论拥挤程度系数,Yi'为步骤S1获取到的即将进站的列车第i节车厢内的当前拥挤程度系数,βi为步骤S2预测出即将进站的列车的第i节车厢的下车人数比例。
4.根据权利要求1所述的地铁站内乘客排队引导方法,其特征在于,所述检测模块包括:光源发射单元、光源接收单元和处理单元,所述光源发射单元置于车厢内的顶部,光源接收单元置于车厢内的底部;
所述步骤S1包括:
步骤S101、光源发射单元向下发射检测光线;
步骤S102、光源接收单元接收检测光线;
步骤S103、处理单元根据光源接收单元接收到的检测光线的光通量,计算车厢内的当前拥挤程度系数。
5.根据权利要求4所述的地铁站内乘客排队引导方法,其特征在于,步骤S103具体包括:
处理单元根据如下公式计算即将进站的列车的各车厢内的当前拥挤程度系数:
<mrow>
<msup>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mo>_</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>/</mo>
<mover>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mrow>
<mover>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>s</mi>
</munderover>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mo>_</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>/</mo>
<mi>S</mi>
</mrow>
其中,Yi'为即将进站的列车第i节车厢内的当前拥挤程度系数,Li_0为通过预先实验获取到的即将进站的列车的第i车厢内没有乘客时光源接收单元接收到的检测光线的光通量,为即将进站的列车的第i车厢内的光源接收单元接收到S次检测光线的光通量的平均值,Li_k为即将进站的列车的第i车厢内的光源接收单元第k次接收到检测光线的光通量,1≤k≤S。
6.一种地铁站内乘客排队引导系统,用于引导乘客选择合适的车厢进行排队,其特征在于,包括:
检测模块,用于获取即将进站的列车的各车厢内的当前拥挤程度系数;
第一预测模块,用于根据当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例,以及位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例,预测出即将进站的列车的各车厢的下车人数比例;
第二预测模块,用于根据所述第一预测模块预测出的即将进站的列车的各车厢的下车人数比例和即将进站的列车的各车厢的所述当前拥挤程度系数,预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数;
生成模块,用于根据各车厢的理论拥挤程度系数生成针对各车厢的排队建议信息,并发送至播放模块;
播放模块,用于将所述排队建议信息进行播放,以供乘客选择合适的车厢进行排队。
7.根据权利要求6所述的地铁站内乘客排队引导系统,其特征在于,所述第一预测模块包括:
第一查询单元,用于从历史数据库中查询出当天最近经过该地铁站的若干趟列车的各车厢的下车人数比例;
第二查询单元,用于从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的若干趟列车的各车厢的下车人数比例;
计算单元,用于根据如下公式预测出即将进站的列车的各车厢的下车人数比例:
βi=αi*βi'+(1-αi)*βi”
βi'=(Ci_1+Ci_2+…+Ci_n)/n
βi”=(Di_1+Di_2+…+Di_m)/m
其中,βi为即将进站的列车的第i节车厢的下车人数比例,αi为针对即将进站的列车的第i节车厢预先设置的平滑系数,Ci_1、Ci_2……Ci_n为从历史数据库中查询出当天最近经过该地铁站的n趟列车的第i节车厢的下车人数比例,Di_1、Di_2……Di_m为从历史数据库中查询出位于当前之前的天气状况与当前天气状况相同且在当前时间段经过该地铁站的m趟列车的第i节车厢的下车人数比例。
8.根据权利要求6所述的地铁站内乘客排队引导系统,其特征在于,所述第二预测模块具体采用如下公式预测出即将进站的列车到站且下车乘客完成下车后的各车厢的理论拥挤程度系数:
Yi=Yi'*(1-βi)
其中,Yi为即将进站的列车到站且下车乘客完成下车后的第i节车厢的理论拥挤程度系数,Yi'为检测模块获取到的即将进站的列车第i节车厢内的当前拥挤程度系数,βi为第一预测模块预测出即将进站的列车的第i节车厢的下车人数比例。
9.根据权利要求6所述的地铁站内乘客排队引导系统,其特征在于,所述检测模块包括:
光源发射单元,设置于车厢内的顶部,用于向下发射检测光线;
光源接收单元,设置于车厢内的底部,用于接收检测光线;
处理单元,用于根据光源接收单元接收到的检测光线的光通量,计算车厢内的当前拥挤程度系数。
10.根据权利要求9所述的地铁站内乘客排队引导系统,其特征在于,所述处理单元具体用于根据如下公式计算即将进站的列车的各车厢内的当前拥挤程度系数:
<mrow>
<msup>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mo>_</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>/</mo>
<mover>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mrow>
<mover>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>s</mi>
</munderover>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mo>_</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>/</mo>
<mi>S</mi>
</mrow>
其中,Yi'为即将进站的列车第i节车厢内的当前拥挤程度系数,Li_0为通过预先实验获取到的即将进站的列车的第i车厢内没有乘客时光源接收单元接收到的检测光线的光通量,为即将进站的列车的第i车厢内的光源接收单元接收到S次检测光线的光通量的平均值,Li_k为即将进站的列车的第i车厢内的光源接收单元第k次接收到检测光线的光通量,1≤k≤S。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710438446.6A CN107215363B (zh) | 2017-06-12 | 2017-06-12 | 一种地铁站内乘客排队引导方法和引导系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710438446.6A CN107215363B (zh) | 2017-06-12 | 2017-06-12 | 一种地铁站内乘客排队引导方法和引导系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107215363A true CN107215363A (zh) | 2017-09-29 |
CN107215363B CN107215363B (zh) | 2019-03-26 |
Family
ID=59947669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710438446.6A Active CN107215363B (zh) | 2017-06-12 | 2017-06-12 | 一种地铁站内乘客排队引导方法和引导系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107215363B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108205883A (zh) * | 2017-12-29 | 2018-06-26 | 宋天阔 | 一种排队引导系统及方法 |
CN112124379A (zh) * | 2020-09-29 | 2020-12-25 | 合肥工业大学 | 一种基于地铁客流分析的站台引导方法 |
CN113205631A (zh) * | 2021-03-19 | 2021-08-03 | 武汉特斯联智能工程有限公司 | 一种基于人脸识别的社区访控方法和系统 |
CN113762644A (zh) * | 2021-09-26 | 2021-12-07 | 中国联合网络通信集团有限公司 | 一种基于马尔科夫链的拥挤状态预测方法及装置 |
CN114604291A (zh) * | 2020-12-04 | 2022-06-10 | 深圳市奥拓电子股份有限公司 | 一种基于显示屏的客流引导方法及显示控制系统 |
CN115588298A (zh) * | 2022-10-28 | 2023-01-10 | 广州地铁集团有限公司 | 一种基于机器视觉的城轨客流广播诱导方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202574275U (zh) * | 2012-04-11 | 2012-12-05 | 上海海事大学 | 一种地铁车厢空间利用率指示装置 |
WO2013011742A1 (ja) * | 2011-07-20 | 2013-01-24 | 株式会社日立国際電気 | 監視システム、および、混雑率算出方法 |
CN103034931A (zh) * | 2012-12-20 | 2013-04-10 | 江南大学 | 一种基于物联网的地铁乘客候车系统 |
CN105564462A (zh) * | 2014-10-16 | 2016-05-11 | 西安景行数创信息科技有限公司 | 一种地铁乘客分流辅助系统 |
-
2017
- 2017-06-12 CN CN201710438446.6A patent/CN107215363B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013011742A1 (ja) * | 2011-07-20 | 2013-01-24 | 株式会社日立国際電気 | 監視システム、および、混雑率算出方法 |
CN202574275U (zh) * | 2012-04-11 | 2012-12-05 | 上海海事大学 | 一种地铁车厢空间利用率指示装置 |
CN103034931A (zh) * | 2012-12-20 | 2013-04-10 | 江南大学 | 一种基于物联网的地铁乘客候车系统 |
CN105564462A (zh) * | 2014-10-16 | 2016-05-11 | 西安景行数创信息科技有限公司 | 一种地铁乘客分流辅助系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108205883A (zh) * | 2017-12-29 | 2018-06-26 | 宋天阔 | 一种排队引导系统及方法 |
CN112124379A (zh) * | 2020-09-29 | 2020-12-25 | 合肥工业大学 | 一种基于地铁客流分析的站台引导方法 |
CN114604291A (zh) * | 2020-12-04 | 2022-06-10 | 深圳市奥拓电子股份有限公司 | 一种基于显示屏的客流引导方法及显示控制系统 |
CN113205631A (zh) * | 2021-03-19 | 2021-08-03 | 武汉特斯联智能工程有限公司 | 一种基于人脸识别的社区访控方法和系统 |
CN113762644A (zh) * | 2021-09-26 | 2021-12-07 | 中国联合网络通信集团有限公司 | 一种基于马尔科夫链的拥挤状态预测方法及装置 |
CN113762644B (zh) * | 2021-09-26 | 2023-11-24 | 中国联合网络通信集团有限公司 | 一种基于马尔科夫链的拥挤状态预测方法及装置 |
CN115588298A (zh) * | 2022-10-28 | 2023-01-10 | 广州地铁集团有限公司 | 一种基于机器视觉的城轨客流广播诱导方法 |
CN115588298B (zh) * | 2022-10-28 | 2023-12-29 | 广州地铁集团有限公司 | 一种基于机器视觉的城轨客流广播诱导方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107215363B (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107215363A (zh) | 一种地铁站内乘客排队引导方法和引导系统 | |
Guler et al. | Using connected vehicle technology to improve the efficiency of intersections | |
CN106504516B (zh) | 一种基于公交站点信息化的多形式公交动态调度方法 | |
CN110415546A (zh) | 泊车诱导方法、装置和介质 | |
CN109191876B (zh) | 一种基于车联网技术的特殊车辆交通诱导系统及其控制方法 | |
JP6444565B2 (ja) | 列車運行制御システムおよび列車運行制御方法 | |
JP6613235B2 (ja) | 複合経路を取得する方法及びシステム | |
CN104408908B (zh) | 公交车辆越站调度方法及系统 | |
CN105869424B (zh) | 一种公交车调度方法和装置 | |
CN100583182C (zh) | 一种基于多信息源的动态交通信息的车辆导航方法 | |
CN106643771A (zh) | 一种导航线路选择方法及系统 | |
CN107883950A (zh) | 停车场导航方法、装置和系统 | |
CN107036617A (zh) | 一种出租车与地铁组合的出行路线规划方法及系统 | |
CN104748753B (zh) | 一种在线导航方法和在线导航系统 | |
CN105243868B (zh) | 一种公交车辆到站时间预测方法及装置 | |
CN108510730A (zh) | 共享汽车网点间车辆调度方法及系统 | |
CN107194639B (zh) | 一种基于地铁网络的众包快递路径分配方法、系统 | |
US20170301054A1 (en) | Dynamic forecasting for forward reservation of cab | |
DE102019100796A1 (de) | Verfahren und vorrichtung zur routenplanung unter einbeziehung von aufladebedürfnissen | |
CN101799981A (zh) | 多模式公共交通区域调度控制方法 | |
CN106052702A (zh) | 车辆导航方法和装置 | |
CN109087507A (zh) | 一种道路交通信号单点控制效益评价方法 | |
CN108022435A (zh) | 一种交通控制方法及系统 | |
DE102016015402A1 (de) | Verfahren zum Betrieb eines Fahrerassistenzsystems für ein Fahrzeug | |
CN104751650B (zh) | 一种对道路交通信号进行控制的方法和设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |