CN108966265A - 一种车站客流量预测和统计分析的方法及其系统 - Google Patents
一种车站客流量预测和统计分析的方法及其系统 Download PDFInfo
- Publication number
- CN108966265A CN108966265A CN201810557755.XA CN201810557755A CN108966265A CN 108966265 A CN108966265 A CN 108966265A CN 201810557755 A CN201810557755 A CN 201810557755A CN 108966265 A CN108966265 A CN 108966265A
- Authority
- CN
- China
- Prior art keywords
- passenger
- flow
- station
- volume
- wifi probe
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种车站客流量预测和统计分析方法,包括:S1、采用wifi探针采集车站客流量数据;S2、根据S1获取到的所述车站客流量数据进行统计并生成可视化显示;S3、设置客流量数据高峰阈值,将S1获取的所述车站客流量数据与所述高峰阈值比对,将比对情况生成可视化显示。本发明的优点在于,能够实时掌握各时段的乘客客流量数据,且能根据需要对客流量数据做出各种统计分析,减轻工作人员的工作量,使车站工作人员及时、清晰的了解客流量情况,以此来及时调整人力、物力,有效疏散客流,保持车站的稳定、有序。
Description
技术领域
本发明属于铁路智能化监控技术领域,具体为一种车站客流量预测和统计分析的方法。
背景技术
随着动车、高铁等铁路运输的高速发展,铁路以安全、快捷、舒适、价廉的优势,一直是人们出行的主要交通工具,据公布的官方数据,2013年全国铁路春运客流量达到2.4亿,同比增长了12.1%,2014年全国铁路春运客流量达到2.66亿,客流量逐年增长,2015年全国铁路春运客流量达到2.95亿人次,单日都达到800多万的客流运输,就在平时,火车站也是人满为患,这为铁路工作带来了巨大的压力,为了维持站内乘客的秩序、保证乘客的安全,增加人力、物力来进行疏导,一般在站内都会安装监控设备,监控设备会把图像实时传输给中控室,但是工作人员从中控室中发现有需要疏导人员的区域,通知站内其它工作人员去处理时,往往由于乘客过多,不能及时的赶到和处理,尤其是发生违法事件,更不能及时的得到解决;无法及时疏散客流,使车站工作人员、出行乘客都乏累不堪,制约着铁路运输的发展。
发明内容
为了解决上述问题,本发明提供了一种车站客流量预测和统计分析的方法,实现的目的为车站工作人员可实时获取到自动生成的客流量趋势,提前对车站客流量可能会出现的情况掌握,并且对客流的去向、进站到出站的时间等方面进行统计分析,利于及时部署、协调,用最少的人力、物力、时间疏散客流,减轻车站工作人员的压力,也可以根据乘客的运动路径布局火车站各种设施或者商铺,为乘客提供更好的出行体验。
为了实现上述目的,本发明提供以下技术方案:本发明提供的一种车站客流量预测和统计分析的方法,包括如下步骤:
S1、采用wifi探针采集车站客流量数据;
S2、根据S1获取到的所述车站客流量数据进行统计并生成可视化显示;
S3、设置客流量数据高峰阈值,将S1获取的所述车站客流量数据与所述高峰阈值比对,将比对情况生成可视化显示。
实际应用本发明方法时,在车站各个区域,例如进站的检票机、候车室、车站内各个商铺内布置wifi探针,基于wifi探针的工作原理,wifi探针检测乘客携带的移动终端wifi信号,探针报文中会携带移动终端的WiFi芯片mac地址,由于mac地址唯一,则可根据wifi探针采集到的客流量数据进行统计分析,在进行统计分析时,可根据工作需要进行不同维度的分析,例如对此时车站内所有乘客客流量进行统计、对某一候车室内所有的客流量进行统计等等,然后生成可视化的表格、热力图、散点图等可视化显示,使车站工作人员及时、清晰的了解客流量情况,以此来及时调整人力、物力,有效疏散客流,保持车站的稳定、有序。
根据本发明的方法,还可以更为清晰的了解此时车站内客流量数据是否属于高峰期、是否会产生拥堵情况,同样地,也可以将各个区域的客流量与高峰阈值比对,生成警示情况,例如先对某一候车室的客流量统计,然后将某一候车室统计的客流量数据与设置的客流量数据高峰阈值比对,超出则生成不同颜色的警示情况,这样车站工作人员第一时间就可发现客流拥堵的区域,所述设置客流量数据高峰阈值可以是车站工作人员根据经验值设置一个数值,这个数值可以是车站客流量达到车站能够容纳的临界值,也可以是车站最大容纳客流的120%的数值,总之所述客流量数据高峰阈值根据车站工作人员实际工作需要来设定即可。
进一步的,所述S2中对S1获取的所述车站客流量数据进行存储,将历史全站客流数据分布情况进行统计并生成可视化显示。增设的该步骤可以使车站工作人员非常直观的了解到在以往的时间里,车站哪个区域客流量最多。
进一步的,所述S2中还包括根据所述历史车站客流量数据,建立时间与客流量数据的函数关系,生成可视化显示。增设的该步骤可以使车站工作人员进一步了解到客流量数据的变化趋势,即可直接掌握客流量出现高峰期容易在什么时间出现。
进一步的,所述S2中根据时间与客流量数据的函数关系,预测未来时刻客流量数据。依据历史客流量与时间的函数关系,即可对未来时刻做出客流量数据预测,有助于车站工作人员提前了解客流量数据信息,提前安排工作布署,以便出现客流拥堵时,能够及时的处理。
进一步的,该方法还包括S4、根据S1采用的wifi探针位点生成乘客移动路径可视化显示。Wifi探针在搜索移动终端信号时,会记录移动终端的mac地址,由于mac地址的唯一性,在wifi探针安装处检测到同一移动终端时,即可记录移动终端的位置,例如安装在检票闸机处的wifi探针检测到一个乘客携带的移动终端,当该乘客移动到候车室时,安装在候车室的wifi探针又会搜索到该乘客的移动终端,则本发明方法可以记录该乘客从检票闸机到候车室的位置,生成移动的路径。本发明中增设的此步骤可以使车站工作人员清晰地了解到进入车站的乘客大部分移动路径是怎么样的,从而为检票闸机的放置、候车室的布局等提供有效的依据。
进一步的,该方法还包括S5、采用wifi探针采集客流时,同时记录wifi探针检测到乘客携带移动终端信号的时间,根据wifi探针接收到的乘客携带移动终端发出的RSSI信号强度计算出乘客当前所处的位置,根据所述记录的时间即可得到乘客停留当前位置的时间,将乘客停留不同位置的时间长短进行排序,生成可视化显示。增设的此步骤可以使车站工作人员及时、清楚的了解到乘客停留在车站的哪个位置区域时间最长,有助于车站工作人员决定车站的各个区域布局,例如可以把乘客最需要的服务场所放置在乘客停留时间最长的位置。
具体地,当有一个wifi探针检测到乘客携带移动终端信号,计算乘客当前所处位置采用如下计算公式:
公式(一)中,d为乘客携带的移动终端距wifi探针的距离;RSSI为wifi探针接收的信号强度;A为距离乘客携带的移动终端1米处的接收信号强度;n为环境衰减因子;
所述环境衰减因子n的计算方法为,从wifi探针到乘客携带的移动终端之间的距离d总,将d总平均分成至少两段,分别记每段距离为d1、d2……dn,在d1距离中可检测到wifi探针接收的信号强度RSSI1,在d2距离中可检测到wifi探针接收的信号强度RSSI2,依次得到RSSIn,则根据公式(一)分别计算出在d1距离中的n1、n2……nn,再求得n1到nn的平均数,该平均数即为环境衰减因子n。
具体地,当有至少两个wifi探针同时检测到一个乘客携带移动终端信号,计算出乘客当前所处位置的方法为,设乘客当前所处位置点坐标为Z(x,y),根据公式(一)分别计算出每个wifi探针到乘客当前所处位置的距离分别记为d11、d22……dnn,所述wifi探针到乘客当前所处位置的距离之和
所述公式(二)中(x1,y1)、(x2,y2)……(xn,yn)为根据每个wifi探针到乘客当前所处位置的距离d11、d22……dnn得到的位置坐标,然后采用梯度下降法计算出d和的最小值,即可得到乘客当前所处位置点坐标Z(x,y),所述的梯度下降法为重复如下计算(x,y),直至坐标(x,y)使d和最小,
所述公式(三)和公式(四)中的α为步长因子,α取值为0.01-0.3。
进一步的,该方法还包括S6、根据布置在进站点、出站点的wifi探针记录的时间,计算乘客从进站到出站的时间并生成可视化显示。本发明增设的该步骤可以使车站工作人员进一步了解到乘客从进站到出站的时间。
本发明还公开了实现上述方法的系统,该系统包括采集车站客流量数据模块,该模块用于采用wifi探针采集车站客流量数据;
统计模块,该模块用于将从采集车站客流量数据模块获取到的车站客流量数据进行统计并生成可视化显示;
预警模块,该模块用于设置客流量数据高峰阈值,将从集车站客流量数据模块获取的所述车站客流量数据与所述高峰阈值比对,将比对情况生成可视化显示。
进一步的,该系统还包括存储模块,该模块用于将从采集车站客流量数据模块获取到的车站客流量数据进行存储,并将存储的车站客流量数据发送给统计模块,统计模块还用于将历史全站客流量数据分布情况进行统计并生成可视化显示。
进一步的,统计模块还用于根据所述历史车站客流量数据,建立时间与客流量数据的函数关系,生成可视化显示。
进一步的,该系统还包括预测模块,该模块用于根据从统计模块获取到的时间与客流量数据的函数关系,预测未来时刻客流量数据。
进一步的,该系统还包括乘客通行路径分析模块,该模块用于根据采集车站客流量数据模块采用的wifi探针位点生成乘客移动路径可视化显示。
进一步的,该系统还包括乘客驻留热点分析模块,该模块用于采用wifi探针采集客流时,同时记录wifi探针检测到乘客携带移动终端信号的时间,根据wifi探针接收到的乘客携带移动终端发出的RSSI信号强度计算出乘客当前所处的位置,根据所述记录的时间即可得到乘客停留当前位置的时间,将乘客停留不同位置的时间长短进行排序,生成可视化显示。
进一步的,所述乘客驻留热点分析模块还包括计算乘客位置模块,该模块用于根据wifi探针接收到的乘客携带移动终端发出的RSSI信号强度计算出乘客当前所处的位置,当有一个wifi探针检测到乘客携带移动终端信号,计算乘客当前所处位置采用如下计算公式:
公式(一)中,d为乘客携带的移动终端距wifi探针的距离;RSSI为wifi探针接收的信号强度;A为距离乘客携带的移动终端1米处的接收信号强度;n为环境衰减因子;
所述环境衰减因子n的计算方法为,从wifi探针到乘客携带的移动终端之间的距离d总,将d总平均分成至少两段,分别记每段距离为d1、d2……dn,在d1距离中可检测到wifi探针接收的信号强度RSSI1,在d2距离中可检测到wifi探针接收的信号强度RSSI2,依次得到RSSIn,则根据公式(一)分别计算出在d1距离中的n1、n2……nn,再求得n1到nn的平均数,该平均数即为环境衰减因子n;
当有至少两个wifi探针同时检测到一个乘客携带移动终端信号,计算出乘客当前所处位置的方法为,设乘客当前所处位置点坐标为Z(x,y),根据公式(一)分别计算出每个wifi探针到乘客当前所处位置的距离分别记为d11、d22……dnn,所述wifi探针到乘客当前所处位置的距离之和
所述公式(二)中(x1,y1)、(x2,y2)……(xn,yn)为根据每个wifi探针到乘客当前所处位置的距离d11、d22……dnn得到的位置坐标,然后采用梯度下降法计算出d和的最小值,即可得到乘客当前所处位置点坐标Z(x,y),所述的梯度下降法为重复如下计算(x,y),直至坐标(x,y)使d和最小,
所述公式(三)和公式(四)中的α为步长因子,α取值为0.01-0.3。
进一步的,该系统包括乘客通行速度计算模块,该模块用于根据布置在进站点、出站点的wifi探针记录的时间,计算乘客从进站到出站的时间并生成可视化显示。
本发明采用上述技术方案,包括以下有益效果:能够实时掌握各时段的乘客客流量数据,且能根据需要对客流量数据做出各种统计分析,减轻工作人员的工作量,使车站工作人员及时、清晰的了解客流量情况,以此来及时调整人力、物力,有效疏散客流,保持车站的稳定、有序。
附图说明
图1为本发明流程图;
图2为实施例一中步骤S3中作出的各时段客流量数据统计柱形图;
图3为实施例二中时间与进站人数的函数关系;
图4为实施例三中乘客移动路径示意图。
具体实施方式
下面通过具体的实施例并结合附图对本发明做进一步的详细描述。
实施例一:本发明提供的一种车站客流量预测和统计分析的方法,参照图1所示,包括如下步骤:
S1、采用wifi探针采集车站客流量数据;
S2、根据S1获取到的所述车站客流量数据进行统计并生成可视化显示;
S3、设置客流量数据高峰阈值,将S1获取的所述车站客流量数据与所述高峰阈值比对,将比对情况生成可视化显示。
实际应用本发明方法时,在车站各个区域,例如进站的检票机、候车室、车站内各个商铺内布置wifi探针,基于wifi探针的工作原理,wifi探针检测乘客携带的移动终端wifi信号,探针报文中会携带移动终端的WiFi芯片mac地址,由于mac地址唯一,则可根据wifi探针采集到的客流量数据进行统计分析,在进行统计分析时,可根据工作需要进行不同维度的分析,例如对此时车站内所有乘客客流量进行统计、对某一候车室内所有的客流量进行统计等等,然后生成可视化的表格、热力图、散点图等可视化显示。
根据本发明的方法,还可以更为清晰的了解此时车站内客流量数据是否属于高峰期、是否会产生拥堵情况,例如图2所示,统计了全站在12:00-3:00的客流量数据,车站工作人员预先设置450万人次为车站最大容纳乘客数,即为客流量高峰阈值,则采用本发明方法可将各个时段的客流量数据与预设阈值做出比对,生成表格形式的可视化显示,则通过该表格,即可了解到,车站在12:00-3:00之间,3:00出现了客流量高峰的情况,还可以根据对车站内各个区域客流量数据进行统计,来进一步明确拥堵的车站区域。
完成上述方法的系统,包括采集车站客流量数据模块,该模块用于采用wifi探针采集车站客流量数据;
统计模块,该模块用于将从采集车站客流量数据模块获取到的车站客流量数据进行统计并生成可视化显示;
预警模块,该模块用于设置客流量数据高峰阈值,将从集车站客流量数据模块获取的所述车站客流量数据与所述高峰阈值比对,将比对情况生成可视化显示。
实施例二:除了实施例一公开的本发明方法外,为了进一步优化本发明,所述S2中对S1获取的所述车站客流量数据进行存储,将历史全站客流量数据分布情况进行统计并生成可视化显示。根据存储的历史客流量数据,可以将车站全站各个区域的客流量数据进行统计,从而使车站工作人员清晰的了解,以往的时间里,车站全站内哪个区域的客流量最多。
进一步的,所述S2中还包括根据所述历史车站客流量数据,建立时间与客流量数据的函数关系,生成可视化显示。
所述S2中根据时间与客流量数据的函数关系,预测未来时刻客流量数据。例如图3所示的人数与时间的函数关系,可采用spss统计软件,将人数(即观察值)输入,得到人数与时间最为贴合的函数关系,即y=0.0000046t3+0.001t2-0.148t+6.3,其中t为乘客进站时间,y为相对应的人数,根据图3所示的曲线,则可对未来时刻做出客流量数据预测,使车站人员清晰客流量高峰值的时段,提前做好部署。
完成上述方法的系统,包括存储模块,该模块用于将从采集车站客流量数据模块获取到的车站客流量数据进行存储,并将存储的车站客流量数据发送给统计模块,统计模块还用于将历史全站客流量数据分布情况进行统计并生成可视化显示。统计模块还用于根据所述历史车站客流量数据,建立时间与客流量数据的函数关系,生成可视化显示。该系统还包括预测模块,该模块用于根据从统计模块获取到的时间与客流量数据的函数关系,预测未来时刻客流量数据。
实施例三:除了实施例一和实施例二公开的内容外,为了进一步优化本发明,该方法还包括S4、根据S1采用的wifi探针位点生成乘客移动路径可视化显示。Wifi探针在搜索移动终端信号时,会记录移动终端的mac地址,由于mac地址的唯一性,在wifi探针安装处检测到同一移动终端时,即可记录移动终端的位置,例如安装在检票闸机处的wifi探针检测到一个乘客携带的移动终端,当该乘客移动到候车室时,安装在候车室的wifi探针又会搜索到该乘客的移动终端,则本发明方法可以记录该乘客从检票闸机到候车室的位置,生成移动的路径,例如图4所示,曲线表示乘客移动路径,当数据量足够多时,即可使车站工作人员了解到从第一检票口进入的乘客大部分都去向哪个候车室,从第二检票口进入的乘客大部分多去向哪个候车室,从而为车站布局提供有效依据。
完成上述方法的系统还包括乘客通行路径分析模块,该模块用于根据采集车站客流量数据模块采用的wifi探针位点生成乘客移动路径可视化显示。
实施例四:除了实施例一至实施例三公开的内容外,为了进一步优化本发明,该方法还包括S5、采用wifi探针采集客流时,同时记录wifi探针检测到乘客携带移动终端信号的时间,根据wifi探针接收到的乘客携带移动终端发出的RSSI信号强度计算出乘客当前所处的位置,根据所述记录的时间即可得到乘客停留当前位置的时间,将乘客停留不同位置的时间长短进行排序,生成可视化显示。
具体地,当有一个wifi探针检测到乘客携带移动终端信号,计算乘客当前所处位置采用如下计算公式:
公式(一)中,d为乘客携带的移动终端距wifi探针的距离;RSSI为wifi探针接收的信号强度;A为距离乘客携带的移动终端1米处的接收信号强度;n为环境衰减因子;
所述环境衰减因子n的计算方法为,从wifi探针到乘客携带的移动终端之间的距离d总,将d总平均分成至少两段,分别记每段距离为d1、d2……dn,在d1距离中可检测到wifi探针接收的信号强度RSSI1,在d2距离中可检测到wifi探针接收的信号强度RSSI2,依次得到RSSIn,则根据公式(一)分别计算出在d1距离中的n1、n2……nn,再求得n1到nn的平均数,该平均数即为环境衰减因子n。
当有至少两个wifi探针同时检测到一个乘客携带移动终端信号,计算出乘客当前所处位置的方法为,设乘客当前所处位置点坐标为Z(x,y),根据公式(一)分别计算出每个wifi探针到乘客当前所处位置的距离分别记为d11、d22……dnn,所述wifi探针到乘客当前所处位置的距离之和
所述公式(二)中(x1,y1)、(x2,y2)……(xn,yn)为根据每个wifi探针到乘客当前所处位置的距离d11、d22……dnn得到的位置坐标,然后采用梯度下降法计算出d和的最小值,即可得到乘客当前所处位置点坐标Z(x,y),所述的梯度下降法为重复如下计算(x,y),直至坐标(x,y)使d和最小,
所述公式(三)和公式(四)中的α为步长因子,α取值为0.01-0.3。
该方法还包括S6、根据布置在进站点、出站点的wifi探针记录的时间,计算乘客从进站到出站的时间并生成可视化显示。
完成上述方法的系统包括乘客驻留热点分析模块,该模块用于采用wifi探针采集客流时,同时记录wifi探针检测到乘客携带移动终端信号的时间,根据wifi探针接收到的乘客携带移动终端发出的RSSI信号强度计算出乘客当前所处的位置,根据所述记录的时间即可得到乘客停留当前位置的时间,将乘客停留不同位置的时间长短进行排序,生成可视化显示。
所述乘客驻留热点分析模块还包括计算乘客位置模块,该模块用于根据wifi探针接收到的乘客携带移动终端发出的RSSI信号强度计算出乘客当前所处的位置,当有一个wifi探针检测到乘客携带移动终端信号,计算乘客当前所处位置采用如下计算公式:
公式(一)中,d为乘客携带的移动终端距wifi探针的距离;RSSI为wifi探针接收的信号强度;A为距离乘客携带的移动终端1米处的接收信号强度;n为环境衰减因子;
所述环境衰减因子n的计算方法为,从wifi探针到乘客携带的移动终端之间的距离d总,将d总平均分成至少两段,分别记每段距离为d1、d2……dn,在d1距离中可检测到wifi探针接收的信号强度RSSI1,在d2距离中可检测到wifi探针接收的信号强度RSSI2,依次得到RSSIn,则根据公式(一)分别计算出在d1距离中的n1、n2……nn,再求得n1到nn的平均数,该平均数即为环境衰减因子n;
当有至少两个wifi探针同时检测到一个乘客携带移动终端信号,计算出乘客当前所处位置的方法为,设乘客当前所处位置点坐标为Z(x,y),根据公式(一)分别计算出每个wifi探针到乘客当前所处位置的距离分别记为d11、d22……dnn,所述wifi探针到乘客当前所处位置的距离之和
所述公式(二)中(x1,y1)、(x2,y2)……(xn,yn)为根据每个wifi探针到乘客当前所处位置的距离d11、d22……dnn得到的位置坐标,然后采用梯度下降法计算出d和的最小值,即可得到乘客当前所处位置点坐标Z(x,y),所述的梯度下降法为重复如下计算(x,y),直至坐标(x,y)使d和最小,
所述公式(三)和公式(四)中的α为步长因子,α取值为0.01-0.3。
该系统包括乘客通行速度计算模块,该模块用于根据布置在进站点、出站点的wifi探针记录的时间,计算乘客从进站到出站的时间并生成可视化显示。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种车站客流量预测和统计分析的方法,其特征在于,该方法包括如下步骤:
S1、采用wifi探针采集车站客流量数据;
S2、根据S1获取到的所述车站客流量数据进行统计并生成可视化显示;
S3、设置客流量数据高峰阈值,将S1获取的所述车站客流量数据与所述高峰阈值比对,将比对情况生成可视化显示。
2.根据权利要求1所述的车站客流量预测和统计分析的方法,其特征在于,所述S2中对S1获取的所述车站客流量数据进行存储,将历史全站客流量数据分布情况进行统计并生成可视化显示。
3.根据权利要求1或2所述的车站客流量预测和统计分析的方法,其特征在于,所述S2中还包括根据所述历史车站客流量数据,建立时间与客流量数据的函数关系,生成可视化显示。
4.根据权利要求3所述的车站客流量预测和统计分析的方法,其特征在于,所述S2中根据时间与客流量数据的函数关系,预测未来时刻客流量数据。
5.根据权利要求1所述的车站客流量预测和统计分析的方法,其特征在于,该方法还包括S4、根据S1采用的wifi探针位点生成乘客移动路径可视化显示。
6.根据权利要求1所述的车站客流量预测和统计分析的方法,其特征在于,该方法还包括S5、采用wifi探针采集客流时,同时记录wifi探针检测到乘客携带移动终端信号的时间,根据wifi探针接收到的乘客携带移动终端发出的RSSI信号强度计算出乘客当前所处的位置,根据所述记录的时间即可得到乘客停留当前位置的时间,将乘客停留不同位置的时间长短进行排序,生成可视化显示。
7.根据权利要求6所述的车站客流量预测和统计分析的方法,其特征在于,当有一个wifi探针检测到乘客携带移动终端信号,计算乘客当前所处位置采用如下计算公式:
公式(一)中,d为乘客携带的移动终端距wifi探针的距离;RSSI为wifi探针接收的信号强度;A为距离乘客携带的移动终端1米处的接收信号强度;n为环境衰减因子;
所述环境衰减因子n的计算方法为,从wifi探针到乘客携带的移动终端之间的距离d总,将d总平均分成至少两段,分别记每段距离为d1、d2……dn,在d1距离中可检测到wifi 探针接收的信号强度RSSI 1,在d2距离中可检测到wifi探针接收的信号强度RSSI2,依次得到RSSIn,则根据公式(一)分别计算出在d1距离中的n1、n2……nn,再求得n1到nn的平均数,该平均数即为环境衰减因子n。
8.根据权利要求6或7所述的车站客流量预测和统计分析的方法,其特征在于,当有至少两个wifi探针同时检测到一个乘客携带移动终端信号,计算出乘客当前所处位置的方法为,设乘客当前所处位置点坐标为Z(x,y),根据公式(一)分别计算出每个wifi探针到乘客当前所处位置的距离分别记为d11、d22……dnn,所述wifi探针到乘客当前所处位置的距离之和
所述公式(二)中(x1,y1)、(x2,y2)……(xn,yn)为根据每个wifi探针到乘客当前所处位置的距离d11、d22……dnn得到的位置坐标,然后采用梯度下降法计算出d和的最小值,即可得到乘客当前所处位置点坐标Z(x,y),所述的梯度下降法为重复如下计算(x,y),直至坐标(x,y)使d和最小,
所述公式(三)和公式(四)中的α为步长因子,α取值为0.01-0.3。
9.根据权利要求1所述的车站客流量预测和统计分析的方法,其特征在于,该方法还包括S6、根据布置在进站点、出站点的wifi探针记录的时间,计算乘客从进站到出站的时间并生成可视化显示。
10.一种车站客流量预测和统计分析的系统,其特征在于,该系统包括采集车站客流量数据模块,该模块用于采用wifi探针采集车站客流量数据;
统计模块,该模块用于将从采集车站客流量数据模块获取到的车站客流量数据进行统计并生成可视化显示;
预警模块,该模块用于设置客流量数据高峰阈值,将从集车站客流量数据模块获取的所述车站客流量数据与所述高峰阈值比对,将比对情况生成可视化显示;
该系统还包括存储模块,该模块用于将从采集车站客流量数据模块获取到的车站客流量数据进行存储,并将存储的车站客流量数据发送给统计模块,统计模块还用于将历史全站客流量数据分布情况进行统计并生成可视化显示;
统计模块还用于根据所述历史车站客流量数据,建立时间与客流量数据的函数关系,生成可视化显示;
该系统还包括预测模块,该模块用于根据从统计模块获取到的时间与客流量数据的函数关系,预测未来时刻客流量数据;
该系统还包括乘客通行路径分析模块,该模块用于根据采集车站客流量数据模块采用的wifi探针位点生成乘客移动路径可视化显示;
该系统还包括乘客驻留热点分析模块,该模块用于采用wifi探针采集客流时,同时记录wifi探针检测到乘客携带移动终端信号的时间,根据wifi探针接收到的乘客携带移动终端发出的RSSI信号强度计算出乘客当前所处的位置,根据所述记录的时间即可得到乘客停留当前位置的时间,将乘客停留不同位置的时间长短进行排序,生成可视化显示;
所述乘客驻留热点分析模块还包括计算乘客位置模块,该模块用于根据wifi探针接收到的乘客携带移动终端发出的RSSI信号强度计算出乘客当前所处的位置,当有一个wifi探针检测到乘客携带移动终端信号,计算乘客当前所处位置采用如下计算公式:
公式(一)中,d为乘客携带的移动终端距wifi探针的距离;RSSI为wifi探针接收的信号强度;A为距离乘客携带的移动终端1米处的接收信号强度;n为环境衰减因子;
所述环境衰减因子n的计算方法为,从wifi探针到乘客携带的移动终端之间的距离d总,将d总平均分成至少两段,分别记每段距离为d1、d2……dn,在d1距离中可检测到wifi探针接收的信号强度RSSI 1,在d2距离中可检测到wifi探针接收的信号强度RSSI2,依次得到RSSIn,则根据公式(一)分别计算出在d1距离中的n1、n2……nn,再求得n1到nn的平均数,该平均数即为环境衰减因子n;
当有至少两个wifi探针同时检测到一个乘客携带移动终端信号,计算出乘客当前所处位置的方法为,设乘客当前所处位置点坐标为Z(x,y),根据公式(一)分别计算出每个wifi探针到乘客当前所处位置的距离分别记为d11、d22……dnn,所述wifi探针到乘客当前所处位置的距离之和
所述公式(二)中(x1,y1)、(x2,y2)……(xn,yn)为根据每个wifi探针到乘客当前所处位置的距离d11、d22……dnn得到的位置坐标,然后采用梯度下降法计算出d和的最小值,即可得到乘客当前所处位置点坐标Z(x,y),所述的梯度下降法为重复如下计算(x,y),直至坐标(x,y)使d和最小,
所述公式(三)和公式(四)中的α为步长因子,α取值为0.01-0.3;
该系统包括乘客通行速度计算模块,该模块用于根据布置在进站点、出站点的wifi探针记录的时间,计算乘客从进站到出站的时间并生成可视化显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810557755.XA CN108966265A (zh) | 2018-06-01 | 2018-06-01 | 一种车站客流量预测和统计分析的方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810557755.XA CN108966265A (zh) | 2018-06-01 | 2018-06-01 | 一种车站客流量预测和统计分析的方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108966265A true CN108966265A (zh) | 2018-12-07 |
Family
ID=64493406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810557755.XA Pending CN108966265A (zh) | 2018-06-01 | 2018-06-01 | 一种车站客流量预测和统计分析的方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108966265A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113738A (zh) * | 2019-05-22 | 2019-08-09 | 泉后(深圳)科技有限公司 | 客流统计方法及装置 |
CN110493816A (zh) * | 2019-08-21 | 2019-11-22 | 上海工程技术大学 | 一种用于轨交地铁车站客流量的实时预测方法 |
CN111464948A (zh) * | 2020-03-16 | 2020-07-28 | 华迪计算机集团有限公司 | 客流侦测方法及系统 |
CN111711922A (zh) * | 2020-06-12 | 2020-09-25 | 重庆邮电大学 | 一种基于LoRaWAN协议的小型发电机定位方法 |
CN112364907A (zh) * | 2020-11-03 | 2021-02-12 | 北京红山信息科技研究院有限公司 | 待测用户常驻地普查方法、系统、服务器和存储介质 |
CN112990622A (zh) * | 2019-12-12 | 2021-06-18 | 深圳云天励飞技术有限公司 | 基于人流量的安检人员调整方法及相关装置 |
CN114999219A (zh) * | 2022-06-23 | 2022-09-02 | 重庆城市综合交通枢纽(集团)有限公司 | 一种地下停车场车辆运行状态感知系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106125044A (zh) * | 2016-06-30 | 2016-11-16 | 上海交通大学 | 基于梯度下降的离线定位方法 |
CN106251578A (zh) * | 2016-08-19 | 2016-12-21 | 深圳奇迹智慧网络有限公司 | 基于探针的人流预警分析方法和系统 |
CN106304323A (zh) * | 2015-05-21 | 2017-01-04 | 杭州海康威视数字技术股份有限公司 | 终端定位方法、装置和系统 |
CN106897815A (zh) * | 2017-01-17 | 2017-06-27 | 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 |
CN106910005A (zh) * | 2017-01-17 | 2017-06-30 | 北京万相融通科技股份有限公司 | 一种车站客流量趋势预测及统计分析方法 |
CN107025577A (zh) * | 2017-04-07 | 2017-08-08 | 南京埃德媒互联网科技有限公司 | 一种户外广告周边人流的监测装置及方法 |
CN107360590A (zh) * | 2017-06-29 | 2017-11-17 | 上海工程技术大学 | 轨道车站局部拥堵点客流状态判定方法 |
CN107945352A (zh) * | 2017-11-10 | 2018-04-20 | 同济大学 | 公交客流数据采集设备及od分析系统 |
EP3322208A1 (en) * | 2015-07-09 | 2018-05-16 | Recruit Holdings Co., Ltd. | Congestion state estimation system, congestion state estimation method, and recording medium |
-
2018
- 2018-06-01 CN CN201810557755.XA patent/CN108966265A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106304323A (zh) * | 2015-05-21 | 2017-01-04 | 杭州海康威视数字技术股份有限公司 | 终端定位方法、装置和系统 |
EP3322208A1 (en) * | 2015-07-09 | 2018-05-16 | Recruit Holdings Co., Ltd. | Congestion state estimation system, congestion state estimation method, and recording medium |
CN106125044A (zh) * | 2016-06-30 | 2016-11-16 | 上海交通大学 | 基于梯度下降的离线定位方法 |
CN106251578A (zh) * | 2016-08-19 | 2016-12-21 | 深圳奇迹智慧网络有限公司 | 基于探针的人流预警分析方法和系统 |
CN106897815A (zh) * | 2017-01-17 | 2017-06-27 | 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 |
CN106910005A (zh) * | 2017-01-17 | 2017-06-30 | 北京万相融通科技股份有限公司 | 一种车站客流量趋势预测及统计分析方法 |
CN107025577A (zh) * | 2017-04-07 | 2017-08-08 | 南京埃德媒互联网科技有限公司 | 一种户外广告周边人流的监测装置及方法 |
CN107360590A (zh) * | 2017-06-29 | 2017-11-17 | 上海工程技术大学 | 轨道车站局部拥堵点客流状态判定方法 |
CN107945352A (zh) * | 2017-11-10 | 2018-04-20 | 同济大学 | 公交客流数据采集设备及od分析系统 |
Non-Patent Citations (1)
Title |
---|
刘信新等: "基于RSSI与TDOA的混合测距加权定位算法", 《计算机与数字工程》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113738A (zh) * | 2019-05-22 | 2019-08-09 | 泉后(深圳)科技有限公司 | 客流统计方法及装置 |
CN110493816A (zh) * | 2019-08-21 | 2019-11-22 | 上海工程技术大学 | 一种用于轨交地铁车站客流量的实时预测方法 |
CN112990622A (zh) * | 2019-12-12 | 2021-06-18 | 深圳云天励飞技术有限公司 | 基于人流量的安检人员调整方法及相关装置 |
CN111464948A (zh) * | 2020-03-16 | 2020-07-28 | 华迪计算机集团有限公司 | 客流侦测方法及系统 |
CN111711922A (zh) * | 2020-06-12 | 2020-09-25 | 重庆邮电大学 | 一种基于LoRaWAN协议的小型发电机定位方法 |
CN112364907A (zh) * | 2020-11-03 | 2021-02-12 | 北京红山信息科技研究院有限公司 | 待测用户常驻地普查方法、系统、服务器和存储介质 |
CN114999219A (zh) * | 2022-06-23 | 2022-09-02 | 重庆城市综合交通枢纽(集团)有限公司 | 一种地下停车场车辆运行状态感知系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108966265A (zh) | 一种车站客流量预测和统计分析的方法及其系统 | |
US20230062565A1 (en) | Intelligent dispatching method and system for rail transit | |
Gordon et al. | Automated inference of linked transit journeys in London using fare-transaction and vehicle location data | |
CN102819954B (zh) | 交通区域动态地图监控预测系统 | |
CN103150907B (zh) | 一种基于高速公路运营安全的移动监控和预警系统及方法 | |
CN105336162B (zh) | 车辆异常聚集的预警方法及预警系统 | |
CN114067560B (zh) | 高速公路疫情防控无感式人员检测及车辆轨迹追踪系统 | |
Shlayan et al. | Exploring pedestrian Bluetooth and WiFi detection at public transportation terminals | |
CN104835099B (zh) | 一种城市路网机动车尾气实时遥感监测基址选取方法 | |
CN104064028A (zh) | 基于多元信息数据的公交到站时间预测方法及系统 | |
CN103886741A (zh) | 一种基于智能公交卡的公交管理系统及方法 | |
CN107784832A (zh) | 一种用于识别交通道路中的事故黑点的方法与设备 | |
WO2016045407A1 (zh) | 一种基于车辆位置信息的车速监控方法及车速监控系统 | |
CN106767694A (zh) | 一种地铁数字化限界动态检测系统及检测方法 | |
JP2013210870A (ja) | 動線情報計測システムおよび方法、並びに情報処理装置 | |
CN103377556A (zh) | 套牌车辆的检测装置、检测系统及其检测方法 | |
CN110348614A (zh) | 一种获取乘客od的方法及公交客流的预测方法 | |
Guo et al. | Computer vision-based approach for smart traffic condition assessment at the railroad grade crossing | |
CN103971432B (zh) | 一种基于rfid的公交站点客流量计数方法 | |
Evans et al. | Evolution and future of urban road incident detection algorithms | |
CN105489010B (zh) | 一种快速道路行程时间可靠度监测分析系统及方法 | |
Xiong et al. | Parallel traffic management system helps 16th Asian games | |
CN106205137A (zh) | 一种黄标车尾气自动监控识别系统 | |
CN206672360U (zh) | 基于蓝牙技术的智能交通调查仪 | |
KR102409693B1 (ko) | 전동차의 혼잡도 정보 상태 및 영상 정보를 제공하는 시스템 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |