CN107886042B - 列车车厢的拥挤度判定方法和装置 - Google Patents

列车车厢的拥挤度判定方法和装置 Download PDF

Info

Publication number
CN107886042B
CN107886042B CN201710186407.1A CN201710186407A CN107886042B CN 107886042 B CN107886042 B CN 107886042B CN 201710186407 A CN201710186407 A CN 201710186407A CN 107886042 B CN107886042 B CN 107886042B
Authority
CN
China
Prior art keywords
compartment
measured value
crowding
information measured
value
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.)
Active
Application number
CN201710186407.1A
Other languages
English (en)
Other versions
CN107886042A (zh
Inventor
刘国民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BYD Co Ltd
Original Assignee
BYD Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BYD Co Ltd filed Critical BYD Co Ltd
Priority to CN201710186407.1A priority Critical patent/CN107886042B/zh
Publication of CN107886042A publication Critical patent/CN107886042A/zh
Application granted granted Critical
Publication of CN107886042B publication Critical patent/CN107886042B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明提出一种列车车厢的拥挤度判定方法和装置，该列车车厢的拥挤度判定方法包括采集列车车厢内的乘客信息测量值和车厢信息测量值；根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵；基于评判矩阵对列车车厢的拥挤度进行自动判定。通过本发明能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。

Description

列车车厢的拥挤度判定方法和装置
技术领域
本发明涉及轨道交通技术领域，尤其涉及一种列车车厢的拥挤度判定方法和装置。
背景技术
随着轨道交通技术日益成熟，轨道交通智能化已成为发展的核心方向，在城市地铁，轻轨中，分析车厢拥挤度具有很高应用价值，能够最大化满足乘客乘车舒适度，提高车厢空间利用率，节省资源，甚至可以提高列车的安全性。
相关技术中，通过对站台的乘客流量进行算法设计判定列车车厢的拥挤度。
这种方式下，列车车厢拥挤度的判定误差较大，拥挤度判定效果较差。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种列车车厢的拥挤度判定方法，能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
本发明的另一个目的在于提出一种列车车厢的拥挤度判定装置。
本发明的又一个目的在于提出一种列车车厢的拥挤度判定装置。
本发明的另一个目的在于提出一种非临时性计算机可读存储介质。
本发明的另一个目的在于提出一种计算机程序产品。
为达到上述目的，本发明第一方面实施例提出的列车车厢的拥挤度判定方法，包括：采集列车车厢内的乘客信息测量值和车厢信息测量值；根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵；基于所述评判矩阵对所述列车车厢的拥挤度进行自动判定。
本发明第一方面实施例提出的列车车厢的拥挤度判定方法，通过采集列车车厢内的乘客信息测量值和车厢信息测量值，根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵，以及基于评判矩阵对列车车厢的拥挤度进行自动判定，能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
为达到上述目的，本发明第二方面实施例提出的列车车厢的拥挤度判定装置，包括：采集模块，用于采集列车车厢内的乘客信息测量值和车厢信息测量值；建立模块，用于根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵；判定模块，用于基于所述评判矩阵对所述列车车厢的拥挤度进行自动判定。
本发明第二方面实施例提出的列车车厢的拥挤度判定装置，通过采集列车车厢内的乘客信息测量值和车厢信息测量值，根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵，以及基于评判矩阵对列车车厢的拥挤度进行自动判定，能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
为达到上述目的，本发明第三方面实施例提出的列车车厢的拥挤度判定装置，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：采集列车车厢内的乘客信息测量值和车厢信息测量值；根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵；基于所述评判矩阵对所述列车车厢的拥挤度进行自动判定。
本发明第三方面实施例提出的列车车厢的拥挤度判定装置，通过采集列车车厢内的乘客信息测量值和车厢信息测量值，根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵，以及基于评判矩阵对列车车厢的拥挤度进行自动判定，能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
为达到上述目的，本发明第四方面实施例提出的非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器被执行时，使得移动终端能够执行一种列车车厢的拥挤度判定方法，所述方法包括：采集列车车厢内的乘客信息测量值和车厢信息测量值；根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵；基于所述评判矩阵对所述列车车厢的拥挤度进行自动判定。
本发明第四方面实施例提出的非临时性计算机可读存储介质，通过采集列车车厢内的乘客信息测量值和车厢信息测量值，根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵，以及基于评判矩阵对列车车厢的拥挤度进行自动判定，能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
为达到上述目的，本发明第五方面实施例提出的计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种列车车厢的拥挤度判定方法，所述方法包括：采集列车车厢内的乘客信息测量值和车厢信息测量值；根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵；基于所述评判矩阵对所述列车车厢的拥挤度进行自动判定。
本发明第五方面实施例提出的计算机程序产品，通过采集列车车厢内的乘客信息测量值和车厢信息测量值，根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵，以及基于评判矩阵对列车车厢的拥挤度进行自动判定，能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一实施例提出的列车车厢的拥挤度判定方法的流程示意图；
图2是本发明另一实施例提出的列车车厢的拥挤度判定方法的流程示意图；
图3是本发明一实施例提出的列车车厢的拥挤度判定装置的结构示意图；
图4是本发明另一实施例提出的列车车厢的拥挤度判定装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本发明一实施例提出的列车车厢的拥挤度判定方法的流程示意图。
本实施例中列车车厢的拥挤度判定方法可以被配置在列车车厢的拥挤度判定装置中。
该列车车厢的拥挤度判定装置可以设置在服务器中，或者也可以设置在电子设备中，或者，也可以设置在车厢拥挤度智能分析系统(车厢拥挤度智能分析系统配置在列车车厢内)中，对此不作限制。
其中，电子设备例如为个人电脑(Personal Computer，PC)，云端设备或者移动设备，移动设备例如智能手机，或者平板电脑等。
需要说明的是，本发明实施例的执行主体，在硬件上可以例如为服务器/电子设备/车厢拥挤度智能分析系统中的中央处理器(Central Processing Unit，CPU)，在软件上可以例如为服务器/电子设备/车厢拥挤度智能分析系统中的应用程序，对此不作限制。
该列车车厢的拥挤度判定方法可以应用在对列车(例如，地铁或者轻轨)车厢的拥挤度进行判定的过程中。
参见图1，该方法包括：
S11：采集列车车厢内的乘客信息测量值和车厢信息测量值。
在本发明的实施例中，该列车可以具体为地铁、轻轨，或者火车，对此不作限制。
其中，乘客信息测量值可以例如为，个体身高、个人体积、携带货物体积等。
车厢信息测量值可以例如为，车厢长度、车厢宽度、车厢高度，以及空间占有率，其中，空间占有率例如为乘客密度、乘客速度、乘客流量等。
可选地，可以通过乘客信息系统(Passenger Information System，PIS)中的视频监控装置，采集列车车厢内的图像；对图像进行图像识别处理得到乘客信息测量值。或者，也可以预先在车厢的车门处设置红外扫描装置，对进入车厢内乘客的人脸信息进行统计分析，得到乘客信息测量值，通过查询该列车型号对应的制造标准，得到车厢信息测量值，对此不作限制。
通过采集列车车厢内的乘客信息测量值和车厢信息测量值，由于是基于实际的乘客信息测量值和车厢信息测量值进行拥挤度判定，因而提升列车车厢拥挤度的判定精准度。
S12：根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵。
其中，各评分等级可以是预先设定的。
例如，可以根据实际应用需求确定多个评分等级，以实现基于该评分等级建立量化的拥挤度评判指标，便于后续实际应用参考。
各评分等级可以例如为，预设评语集V＝{V1,V2,V3,V4},其中，V1＝“空闲”，V2＝“舒适”，V3＝“拥挤”，V4＝“严重拥挤”。
在本发明的实施例中，可以基于模糊关系中隶属函数确定每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，对此不作限制。
其中，隶属函数的类型为偏大型或者半梯形，能够较好地贴合列车车厢拥挤度的特征分布，进一步提升列车车厢拥挤度的判定精准度。
可选地，可以获取预设的每个乘客信息和/或每个车厢信息对应的最低参数值；获取每个乘客信息和/或每个车厢信息对应的标准值；将乘客信息测量值和/或车厢信息测量值、对应的最低参数值，以及对应的标准值作为模糊关系中隶属函数的输入；根据隶属函数的输出结果确定第一隶属函数值和/或第二隶属函数值。
S13：基于评判矩阵对列车车厢的拥挤度进行自动判定。
在本发明的实施例中，在确定出第一隶属函数值和第二隶属函数值基于各评分等级之间的评判矩阵之后，可以基于评判矩阵对列车车厢的拥挤度进行自动判定。
可选地，可以预先根据相关的轨道交通标准确定每个乘客信息及每个车厢信息的评判权重，根据评判权重及评判矩阵对列车车厢的拥挤度进行自动判定。
可以理解的是，对于拥挤度评判中，对不同的乘客信息以及车厢信息的考量范畴可以不同或者相同，因此，可以预先根据相关的轨道交通标准确定每个乘客信息及每个车厢信息的评判权重，该相关的轨道交通标准可以根据经验设定，进而，将根据经验设定评判权重纳入拥挤度判定的考量范畴，能够有效提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
本实施例中，通过采集列车车厢内的乘客信息测量值和车厢信息测量值，根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵，以及基于评判矩阵对列车车厢的拥挤度进行自动判定，能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
图2是本发明另一实施例提出的列车车厢的拥挤度判定方法的流程示意图。
参见图2，该方法包括：
S201：通过乘客信息系统中的视频监控装置，采集列车车厢内的图像。
通过乘客信息系统PIS中的视频监控装置，采集列车车厢内的图像，实现将相关技术中的系统集成在列车车厢的拥挤度判定装置中，能够简化列车车厢的拥挤度判定方法所应用产品的结构设计，且节省列车车厢内空间占有率，有效提升方法的通用性。
S202：对图像进行图像识别处理得到乘客信息测量值。
S203：查询列车型号对应的制造标准，得到车厢信息测量值。
其中，乘客信息测量值可以例如为，个体身高、个人体积、携带货物体积等。
车厢信息测量值可以例如为，车厢长度、车厢宽度、车厢高度，以及空间占有率，其中，空间占有率例如为乘客密度、乘客速度、乘客流量等。
可以用数学符号表示乘客信息测量值和车厢信息测量值，例如，F表示车厢拥挤度，B1表示乘客信息测量值，B2表示空间占有率，B3表示车厢信息测量值，则集合表示为F{B1,B2,B3}。
其中，乘客信息测量值B1所包括的个体身高、个人体积、携带货物体积，可以采用D1表示B1中的个体身高，D2表示B1中的个人体积，D3表示B1中的携带货物体积，即B1{D1,D2,D3}。
空间占有率B2所包括的乘客密度、乘客速度、乘客流量，可以采用E1表示B2中的乘客密度，E2表示B2中的乘客速度，E3表示B2中的乘客流量，即B2{E1,E2,E3}。
车厢信息测量值B3所包括的车厢长度、车厢宽度、车厢高度，可以采用F1表示B3中的车厢长度，F2表示B3中的车厢宽度，F3表示B3中的车厢高度，即B3{F1,F2,F3}。
通过采集列车车厢内的乘客信息测量值和车厢信息测量值，由于是基于实际的乘客信息测量值和车厢信息测量值进行拥挤度判定，因而提升列车车厢拥挤度的判定精准度。
S204：获取预设的每个乘客信息和/或每个车厢信息对应的最低参数值。
S205：获取每个乘客信息和/或每个车厢信息对应的标准值。
在本发明的实施例中，可以基于相关的轨道交通标准获取每个乘客信息和/或每个车厢信息对应的标准值，对此不作限制。
S206：将乘客信息测量值和/或车厢信息测量值、对应的最低参数值，以及对应的标准值作为模糊关系中隶属函数的输入。
其中，隶属函数的类型为偏大型或者半梯形，能够较好地贴合列车车厢拥挤度的特征分布，进一步提升列车车厢拥挤度的判定精准度。
S207：根据隶属函数的输出结果确定第一隶属函数值和/或第二隶属函数值。
举例而言，模糊关系中隶属函数如下所示：
其中，x表示乘客信息测量值或者车厢信息测量值，ai为第i个乘客信息测量值或者车厢信息测量值对应的最低参数值，bi为第i个乘客信息测量值或者车厢信息测量值对应的标准值，通过将乘客信息测量值和/或车厢信息测量值、对应的最低参数值，以及对应的标准值作为模糊关系中隶属函数的输入，得出输出作为每个乘客信息测量值对应的第一隶属函数值和/或每个车厢信息测量值对应的第二隶属函数值。
S208：建立基于各评分等级之间的评判矩阵。
其中，各评分等级可以是预先设定的。
例如，可以根据实际应用需求确定多个评分等级，以实现基于该评分等级建立量化的拥挤度评判指标，便于后续实际应用参考。
各评分等级可以例如为，预设评语集V＝{V1,V2,V3,V4},其中，V1＝“空闲”，V2＝“舒适”，V3＝“拥挤”，V4＝“严重拥挤”。
在本发明的实施例中，可以基于模糊关系中隶属函数建立基于各评分等级之间的评判矩阵，举例而言，模糊关系中隶属函数如下所示：
其中，j代表评分等级，i表示第i个乘客信息测量值或者车厢信息测量值，ci,j表示第i个乘客信息测量值或者车厢信息测量值所对应的第j评分等级的标准值，A(x)表示第一隶属函数值或者第二隶属函数值，在分别计算出每个乘客信息测量值或者车厢信息测量值基于评分等级的函数值g[A(x)]之后，可以依据多个函数值g[A(x)]组成评判矩阵。
在本发明的实施例中，通过基于模糊关系中隶属函数建模，能够实现基于模糊理论的综合评判，避免由于列车型号不同，以及不同使用地区相关的轨道交通标准不同而造成的评判不精准状况，有效提升方法的灵活性和适用性。
S209：确定每个乘客信息及每个车厢信息的评判权重。
例如，可以根据相关的轨道交通标准确定每个乘客信息及每个车厢信息的评判权重。
S210：根据评判权重及评判矩阵对列车车厢的拥挤度进行自动判定。
举例而言，以乘客信息测量值和/或车厢信息测量值的个数为3个进行示例，实际权重的个数依据乘客信息测量值和/或车厢信息测量值的实际个数设定。假设，存在3个测量值，则相应的，每个乘客信息测量值和/或车厢信息测量值对应的评判权重可以表示为A{a1,a2,a3},其中，ai表示第i个乘客信息测量值和/或车厢信息测量值的评判权重，且，
进一步地，根据评判权重及评判矩阵对列车车厢的拥挤度进行自动判定可以如以下公式所示：
A·R＝B＝(b1,b2,b3)；
其中，R＝(rij)n×m，rij∈[0,1]，
R＝(rij)n×m表示评判矩阵，B表示判定结果，该判定模型采用实数的加减运算，运算精细，且运用实数的加乘运算即为对判定结果的归一化，简化后续运算步骤，提升方法实用性。
进一步地，根据评判权重及评判矩阵对列车车厢的拥挤度进行自动判定也可以如以下公式所示：
其中，Bi为第i个乘客信息测量值和/或车厢信息测量值基于公式A·R＝B＝(b1,b2,b3)所得到的评判结果，C为综合评判结果。
可以理解的是，对于拥挤度评判中，对不同的乘客信息以及车厢信息的考量范畴可以不同或者相同，因此，可以预先根据相关的轨道交通标准确定每个乘客信息及每个车厢信息的评判权重，该相关的轨道交通标准可以根据经验设定，进而，将根据经验设定评判权重纳入拥挤度判定的考量范畴，能够有效提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
进一步地，在本发明的实施例中，也可以将评判结果通过TCP/IP网络通信协议回传至列车监控子系统与显示子系统，以使乘客和车站管理人员进行查看与分析。
本实施例中，通过乘客信息系统PIS中的视频监控装置，采集列车车厢内的图像，实现将相关技术中的系统集成在列车车厢的拥挤度判定装置中，能够简化列车车厢的拥挤度判定方法所应用产品的结构设计，且节省列车车厢内空间占有率，有效提升方法的通用性。其中，隶属函数的类型为偏大型或者半梯形，能够较好地贴合列车车厢拥挤度的特征分布，进一步提升列车车厢拥挤度的判定精准度。通过采集列车车厢内的乘客信息测量值和车厢信息测量值，由于是基于实际的乘客信息测量值和车厢信息测量值进行拥挤度判定，因而提升列车车厢拥挤度的判定精准度。通过基于模糊关系中隶属函数建模，能够实现基于模糊理论的综合评判，避免由于列车型号不同，以及不同使用地区相关的轨道交通标准不同而造成的评判不精准状况，有效提升方法的灵活性和适用性。通过采集列车车厢内的乘客信息测量值和车厢信息测量值，根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵，以及基于评判矩阵对列车车厢的拥挤度进行自动判定，能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。预先根据相关的轨道交通标准确定每个乘客信息及每个车厢信息的评判权重，该相关的轨道交通标准可以根据经验设定，进而，将根据经验设定评判权重纳入拥挤度判定的考量范畴，能够有效提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
图3是本发明一实施例提出的列车车厢的拥挤度判定装置的结构示意图。
参见图3，该装置300包括：采集模块301、建立模块302，以及判定模块303，其中，
采集模块301，用于采集列车车厢内的乘客信息测量值和车厢信息测量值。
可选地，一些实施例中，采集模块301具体用于：
通过乘客信息系统中的视频监控装置，采集列车车厢内的图像；
对图像进行图像识别处理得到乘客信息测量值。
建立模块302，用于根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵。
判定模块303，用于基于评判矩阵对列车车厢的拥挤度进行自动判定。
可选地，一些实施例中，参见图4，判定模块303，包括：
确定子模块3031，用于确定每个乘客信息及每个车厢信息的评判权重。
判定子模块3032，用于根据评判权重及评判矩阵对列车车厢的拥挤度进行自动判定。
可选地，一些实施例中，参见图4，该装置300还包括：
确定模块304，用于获取预设的每个乘客信息和/或每个车厢信息对应的最低参数值，获取每个乘客信息和/或每个车厢信息对应的标准值，并将乘客信息测量值和/或车厢信息测量值、对应的最低参数值，以及对应的标准值作为模糊关系中隶属函数的输入，以及根据隶属函数的输出结果确定第一隶属函数值和/或第二隶属函数值。
可选地，隶属函数的类型为偏大型或者半梯形。
需要说明的是，前述图1-图2实施例中对列车车厢的拥挤度判定方法实施例的解释说明也适用于该实施例的列车车厢的拥挤度判定装置300，其实现原理类似，此处不再赘述。
本实施例中，通过采集列车车厢内的乘客信息测量值和车厢信息测量值，根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵，以及基于评判矩阵对列车车厢的拥挤度进行自动判定，能够提升列车车厢拥挤度的判定精准度，提升拥挤度判定效果。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种列车车厢的拥挤度判定方法，其特征在于，包括以下步骤：
采集列车车厢内的乘客信息测量值和车厢信息测量值，其中，通过乘客信息系统中的视频监控装置，采集列车车厢内的图像，对所述图像进行图像识别处理得到所述乘客信息测量值，并根据与列车型号对应的制造标准，得到所述车厢信息测量值；
根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵；
基于所述评判矩阵对所述列车车厢的拥挤度进行自动判定，并将判定得到的结果通过TCP/IP网络通信协议回传至列车监控子系统与显示子系统，以使乘客和车站管理人员进行查看与分析；
其中，各评分等级为预设评语集中的评语，基于模糊关系中隶属函数建立所述基于各评分等级之间的评判矩阵。
2.如权利要求1所述的列车车厢的拥挤度判定方法，其特征在于，在所述采集列车车厢内的乘客信息测量值和车厢信息测量值之后，还包括：
获取预设的所述每个乘客信息和/或所述每个车厢信息对应的最低参数值；
获取所述每个乘客信息和/或所述每个车厢信息对应的标准值；
将所述乘客信息测量值和/或所述车厢信息测量值、所述对应的最低参数值，以及所述对应的标准值作为模糊关系中隶属函数的输入；
根据所述隶属函数的输出结果确定所述第一隶属函数值和/或所述第二隶属函数值。
3.如权利要求1所述的列车车厢的拥挤度判定方法，其特征在于，所述隶属函数的类型为偏大型或者半梯形。
4.如权利要求1所述的列车车厢的拥挤度判定方法，其特征在于，所述基于所述评判矩阵对所述列车车厢的拥挤度进行自动判定，包括：
确定每个乘客信息及每个车厢信息的评判权重；
根据所述评判权重及所述评判矩阵对所述列车车厢的拥挤度进行自动判定。
5.如权利要求1所述的列车车厢的拥挤度判定方法，其特征在于，所述采集列车车厢内的乘客信息测量值，包括：
通过乘客信息系统中的视频监控装置，采集所述列车车厢内的图像；
对所述图像进行图像识别处理得到所述乘客信息测量值。
6.一种列车车厢的拥挤度判定装置，其特征在于，包括：
采集模块，用于采集列车车厢内的乘客信息测量值和车厢信息测量值，其中，通过乘客信息系统中的视频监控装置，采集列车车厢内的图像，对所述图像进行图像识别处理得到所述乘客信息测量值，并根据与列车型号对应的制造标准，得到所述车厢信息测量值；
建立模块，用于根据每个乘客信息测量值对应的第一隶属函数值，以及每个车厢信息测量值对应的第二隶属函数值，建立基于各评分等级之间的评判矩阵；
判定模块，用于基于所述评判矩阵对所述列车车厢的拥挤度进行自动判定，并将判定得到的结果通过TCP/IP网络通信协议回传至列车监控子系统与显示子系统，以使乘客和车站管理人员进行查看与分析；
其中，各评分等级为预设评语集中的评语，基于模糊关系中隶属函数建立所述基于各评分等级之间的评判矩阵。
7.如权利要求6所述的列车车厢的拥挤度判定装置，其特征在于，还包括：
确定模块，用于获取预设的所述每个乘客信息和/或所述每个车厢信息对应的最低参数值，获取所述每个乘客信息和/或所述每个车厢信息对应的标准值，并将所述乘客信息测量值和/或所述车厢信息测量值、所述对应的最低参数值，以及所述对应的标准值作为模糊关系中隶属函数的输入，以及根据所述隶属函数的输出结果确定所述第一隶属函数值和/或所述第二隶属函数值。
8.如权利要求6所述的列车车厢的拥挤度判定装置，其特征在于，所述隶属函数的类型为偏大型或者半梯形。
9.如权利要求6所述的列车车厢的拥挤度判定装置，其特征在于，所述判定模块，包括：
确定子模块，用于确定每个乘客信息及每个车厢信息的评判权重；
判定子模块，用于根据所述评判权重及所述评判矩阵对所述列车车厢的拥挤度进行自动判定。
10.如权利要求6所述的列车车厢的拥挤度判定装置，其特征在于，所述采集模块具体用于：
通过乘客信息系统中的视频监控装置，采集所述列车车厢内的图像；
对所述图像进行图像识别处理得到所述乘客信息测量值。
CN201710186407.1A 2017-03-23 2017-03-23 列车车厢的拥挤度判定方法和装置 Active CN107886042B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710186407.1A CN107886042B (zh) 2017-03-23 2017-03-23 列车车厢的拥挤度判定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710186407.1A CN107886042B (zh) 2017-03-23 2017-03-23 列车车厢的拥挤度判定方法和装置

Publications (2)

Publication Number Publication Date
CN107886042A CN107886042A (zh) 2018-04-06
CN107886042B true CN107886042B (zh) 2019-06-07

Family

ID=61780456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710186407.1A Active CN107886042B (zh) 2017-03-23 2017-03-23 列车车厢的拥挤度判定方法和装置

Country Status (1)

Country Link
CN (1) CN107886042B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396264A (zh) * 2019-08-14 2021-02-23 顺丰科技有限公司 物流装载率测量建模方法、装置、设备、及存储介质
CN110543985B (zh) * 2019-08-27 2023-05-30 中南大学 一种列车车厢内的乘客分布预测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997019877A1 (en) * 1995-11-30 1997-06-05 Otis Elevator Company Open loop fuzzy logic controller for elevator dispatching
CN103761630A (zh) * 2014-02-20 2014-04-30 上海正信方晟资信评估有限公司 一种基于模糊逻辑处理的评估算法
CN104361460A (zh) * 2014-11-20 2015-02-18 江苏物联网研究发展中心 采用模糊综合评价方法的道路服务水平评价方法
CN106056285A (zh) * 2016-05-31 2016-10-26 青岛海信网络科技股份有限公司 一种城市综合客运枢纽运行状态评价方法及装置
CN106056303A (zh) * 2016-06-13 2016-10-26 宁波工程学院 一种城市地铁站拥挤度自动判定方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5988472B2 (ja) * 2011-07-20 2016-09-07 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
CN104504377B (zh) * 2014-12-25 2017-09-15 中邮科通信技术股份有限公司 一种公交车乘客拥挤程度识别系统及方法
CN105844229B (zh) * 2016-03-18 2019-08-09 深圳大学 一种乘客拥挤度的计算方法及其系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997019877A1 (en) * 1995-11-30 1997-06-05 Otis Elevator Company Open loop fuzzy logic controller for elevator dispatching
CN103761630A (zh) * 2014-02-20 2014-04-30 上海正信方晟资信评估有限公司 一种基于模糊逻辑处理的评估算法
CN104361460A (zh) * 2014-11-20 2015-02-18 江苏物联网研究发展中心 采用模糊综合评价方法的道路服务水平评价方法
CN106056285A (zh) * 2016-05-31 2016-10-26 青岛海信网络科技股份有限公司 一种城市综合客运枢纽运行状态评价方法及装置
CN106056303A (zh) * 2016-06-13 2016-10-26 宁波工程学院 一种城市地铁站拥挤度自动判定方法

Also Published As

Publication number Publication date
CN107886042A (zh) 2018-04-06

Similar Documents

Publication Publication Date Title
Ryan The social landscape of planning: Integrating social and perceptual research with spatial planning information
Hänseler et al. A passenger-pedestrian model to assess platform and train usage from automated data
CN107886042B (zh) 列车车厢的拥挤度判定方法和装置
Kırbaş et al. Investigation of ride comfort limits on urban asphalt concrete pavements
CN108734129A (zh) 手机及车辆定位分析方法及系统
CN107861957B (zh) 一种数据分析方法及装置
CN109190507A (zh) 一种基于轨道交通列车的客流拥挤度计算方法及装置
CN109615572A (zh) 基于大数据的人员亲密度分析的方法及系统
CN109146506A (zh) 审查作弊订单的方法及系统、终端设备、计算机设备
CN109740573A (zh) 视频分析方法、装置、设备及服务器
Hou et al. Data-driven analytical load rating method of bridges using integrated bridge structural response and weigh-in-motion truck data
CN109472075A (zh) 一种基站性能分析方法及系统
CN113569659A (zh) 一种基于大数据的客流量分析方法、系统、智能终端及存储介质
CN115809768A (zh) 一种智慧城市信息资源展示系统及方法
CN102663491A (zh) 一种基于surf特征的高密度人群计数方法
De Oña et al. Analyzing transit service quality evolution using decision trees and gender segmentation
CN110020152A (zh) 应用推荐方法及装置
CN110415560A (zh) 基于车联网系统的资源量估计方法、碰撞预测方法及装置
Graves et al. Customer journey time metrics for New York city bus service using big data
Shen et al. Traffic velocity prediction using GPS data: IEEE ICDM contest task 3 report
CN115289991B (zh) 地铁轨道形变监测方法、装置及电子设备
He et al. Study on Occupancy Behaviors of Passengers in the Subway Cabin: An Observation in Chengdu, China
CN115641014A (zh) 基于定位的人员轨迹数据处理方法、装置以及电子设备
CN111831759A (zh) 数据处理方法、装置、设备以及存储介质
CN108665705B (zh) 交通诱导统计模型校对方法及装置

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