CN109598257A - 一种均衡地铁车厢载客量的引导方法及系统 - Google Patents

Abstract

本发明涉及地铁人流调度领域，公开了一种均衡地铁车厢载客量的引导方法及系统，所述方法包括以下步骤：S10：获取车厢内当前乘客数量m、下一站会下车的乘客数量l以及下一站对应车厢外候车乘客数量n；S20：计算m‑l+n的值，根据预设拥挤等级分类标准划分该车厢的拥挤等级并在下一站显示所述拥挤等级。本发明能够让乘客在上车前就知道本站点上下车后各车厢拥堵情况，进而引导乘客选择合适的候车点上车，达到充分合理利用车厢空间和缓解车厢拥挤问题。

Description

一种均衡地铁车厢载客量的引导方法及系统

技术领域

本发明涉及地铁人流调度领域，尤其涉及一种均衡地铁车厢载客量的引导方法及系统。

背景技术

随着时代的发展，人们的出行量逐渐增加，各种出行的方式需求量逐渐增长，选择量也逐渐增多。地铁作为一种便捷快速的地下交通系统，能够为人们节省更多的时间，而也正因如此，越来越多的人选择搭乘地铁出行，导致地铁的载客量过剩，车厢内的密度增长，载客量庞大，而由于各个车厢与电梯口远近问题，个别车厢会出现过于拥挤的现象，造成了很大程度上的上下车安全隐患。因此为了保障乘客的安全舒适出行及出行效率，对地铁每个车厢载客量监控并根据车厢拥挤程度引导乘客选择合适的候车点等待上车十分有必要。

如公开号为CN108416417A的专利文献公开了“一种地铁客流密度探测系统”，包括：实现对车厢内人群流动方向、数量感测的人流密度探测器将检测信号进行数据分析的数据分析仪；用于将分析数据进行发射的无线信号发射装置；用于接收、处理人流密度信息的主机；用于显示主机中接收的每节车厢客流量信息的候车台的LED显示屏；用于对每节车厢客流量信息进行播放的语音播放器；用于对每节车厢客流量过多进行提示的信号指示灯；用于控制播放的控制按钮。可在一定程度上帮助乘客不用盲目排队乘车，避免拥挤，但由于人流密度探测器只能根据车辆到达该站点后上下车情况获取车厢内人数总量，不能灵活的根据下一站要下车的人数和正在候车的人数提前安排和引导下一站的乘客候车，运行过程中容易出现个别两个站点之间因某个车厢在前一站下车人数较多但没有引导乘客候车的情况。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供能够让乘客在上车前就知道本站点上下车后各车厢拥堵情况，进而引导乘客选择合适的候车点上车，达到合理利用车厢空间和缓解车厢拥挤问题的均衡地铁车厢载客量的引导方法及系统。

为了实现上述目的，本发明采用的技术方案为：

一种均衡地铁车厢载客量的引导方法，所述方法包括以下步骤：

S10：获取车厢内当前乘客数量m、下一站会下车的乘客数量l以及下一站对应车厢外候车乘客数量n；

S20：计算m-l+n的值，根据预设拥挤等级分类标准划分该车厢的拥挤等级并在下一站显示所述拥挤等级。

本方案中，不仅获取车厢内当前乘客数量m用于车厢当前拥挤情况的判断和分析，还获取下一站会下车的乘客数量l和下一站对应车厢外候车乘客数量n，并最终根据m-l+n的值分析出车厢将来可能的拥堵情况后在下一站显示，即，本方案能够提前帮助下一站的乘客科学、正确、提前的了解所乘站上下车后各车厢可能的拥堵情况，从而选择恰当的候车点上车，实现车厢空间的最合理利用以及缓解个别车厢拥挤问题，保障人们出行安全。

进一步地，所述获取车厢内当前乘客数量m包括：

采集车厢内实时视频图像；

基于机器视觉技术识别所述实时视频图像中乘客数量m，并实时更新。

通过采集车厢内实时视频图像，实时更新所述实时视频图像中乘客数量m，有利于避免现有技术中利用在防护门上安装人流密度探测器计算m值，但人员上车后出现车厢更换的行为时导致的m值错统计的问题出现。

进一步地，所述获取下一站会下车的乘客数量l包括：

识别车厢内乘客的面部信息并获取下一站站点名称；

将所述面部信息与数据库中预存面部与下车站对照表匹配，统计所述面部信息对应下车站名称与下一站站点名称一致的所述面部信息的数量作为下一站会下车的乘客数量l。

进一步地，所述获取下一站会下车的乘客数量l包括：

读取车厢内乘客携带的地铁票上的标签信息并获取下一站站点名称；

根据所述标签信息获取与所述标签信息对应的下车站的名称，统计所述下车站的名称与所述下一站站点名称相一致的所述标签信息的数量作为下一站会下车的乘客数量l。

进一步地，所述获取下一站会下车的乘客数量l包括：

采集车厢内乘客的肢体动作和面部表情；

将所述肢体动作和所述面部表情与预设下车动作和面部表情库比对，计算所述肢体动作和所述面部表情对应乘客准备下车的概率，若所述概率大于一预设阈值，则判断对应乘客准备下车；

统计准备下车的所述肢体动作和所述面部表情对应乘客的总数作为下一站会下车的乘客数量l。

进一步地，所述获取下一站对应车厢外候车乘客数量n包括通过在下一站候车点设置传感器和/或摄像头来获取下一站对应车厢外候车乘客数量n，所述传感器包括人体红外传感器和/或压力传感器。

进一步地，所述步骤S20中所述预设拥挤等级分类标准如下：

若m-l+n的值大于等于预设阈值A1则判断非常拥挤；

若m-l+n的值大于预设阈值A2且小于等于预设阈值A1则判断相对拥挤；

若m-l+n的值小于预设阈值A2则判断相对空置。

一种均衡地铁车厢载客量的引导系统，所述系统包括：

获取模块，用于获取车厢内当前乘客数量m、下一站会下车的乘客数量l以及下一站对应车厢外候车乘客数量n；

等级划分模块，用于计算m-l+n的值，并根据预设拥挤等级分类标准划分该车厢的拥挤等级；

显示模块，用于显示拥挤等级。

进一步地，所述获取模块包括：

第一获取单元，用于采集车厢内实时视频图像，基于机器视觉技术识别所述实时视频图像中乘客数量m，并实时更新以获取车厢内当前乘客数量m；

第二获取单元，用于识别车厢内乘客的面部信息并获取下一站站点名称；

将所述面部信息与数据库中预存面部与下车站对照表匹配，统计所述面部信息对应下车站名称与下一站站点名称一致的所述面部信息的数量以作为下一站会下车的乘客数量l；

第三获取单元，用于采集对应车厢下一站候车点实时视频图像，基于机器视觉技术识别该实时视频图像中候车乘客数量n。

进一步地，所述获取模块包括：

读取单元，用于读取车厢内乘客携带的地铁票上的标签信息；

第一统计单元，用于统计被读取单元读取到的所述标签信息的数量作为车厢内当前乘客数量m；

获取单元，用于获取下一站站点名称；

第二统计单元，用于根据所述标签信息获取与所述标签信息对应的下车站的名称，统计所述下车站的名称与所述下一站站点名称相一致的所述标签信息的数量作为下一站会下车的乘客数量l；

或包括：

采集单元，用于采集车厢内乘客的肢体动作和面部表情；

判定单元，用于将所述肢体动作和所述面部表情与预设下车动作和面部表情库比对，计算所述肢体动作和所述面部表情对应乘客准备下车的概率，若所述概率大于一预设阈值，则判断对应乘客准备下车；

第三统计单元，用于统计准备下车的所述肢体动作和所述面部表情对应乘客的总数作为下一站会下车的乘客数量l。

采用上述技术方案后，本发明的有益效果是：通过获取车厢内当前乘客数量m用于车厢当前拥挤情况的判断和分析，还同时获取下一站会下车的乘客数量l和下一站对应车厢外候车乘客数量n，并最终根据m-l+n的值分析出车厢将来可能的拥堵情况后在下一站显示，即能够提前帮助下一站的乘客科学、正确、提前的了解所乘站上下车后各车厢可能的拥堵情况，从而选择恰当的候车点上车，实现车厢空间的最合理利用以及缓解个别车厢拥挤问题，保障人们出行安全；

通过采集车厢内实时视频图像，并实时更新所述实时视频图像中乘客数量m，有利于避免人员上车后出现车厢更换的行为时导致的m值错统计的问题出现；同理通过识别车厢内乘客的面部信息的方式来获取l值，并能够实时更新的话，也同样能够避免人员上车后出现车厢更换的行为时l值错统计的问题出现；通过读取车厢内乘客携带的地铁票上的标签信息的方式，则有利于减少数据处理过程，加快m值的统计；

通过采集车厢内乘客的肢体动作和面部表情的方式来获取l值，在数据库下车动作和面部表情库资料准确度较高的情况下，该方式下获取l值的设置成本和维护成本相比通过识别车厢内乘客的面部信息的方式或通过读取车厢内乘客携带的地铁票上的标签信息的方式来说更低且准确性更好，且不依赖于乘客下车站点信息的提前获取。

附图说明

为了更清楚地说明本发明实施例或现有技术的技术方案，附图如下：

图1为本发明实施例1提供的一种均衡地铁车厢载客量的引导方法流程图；

图2为本发明实施例2提供的一具体实施方式下均衡地铁车厢载客量的引导方法流程图；

图3为本发明实施例2提供的另一具体实施方式下获取下一站会下车的乘客数量l的方法流程图；

图4为本发明实施例2提供的又一具体实施方式下获取下一站会下车的乘客数量l的方法流程图；

图5为本发明实施例3一具体实施方式下提供的一种均衡地铁车厢载客量的引导系统整体框图；

图6为本发明实施例3另一具体实施方式下提供的获取模块的系统框图。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

实施例1

如图1所示，本实施例提供一种均衡地铁车厢载客量的引导方法，所述方法包括以下步骤：

S10：获取车厢内当前乘客数量m、下一站会下车的乘客数量l以及下一站对应车厢外候车乘客数量n；

获取车厢内当前乘客数量m的方式多种多样，例如可采用如公开号为CN108416417A的专利文献中通过在地铁候车台安全防护门上(也叫安全屏蔽门)及车厢内设置人流密度探测器，测量地铁列车每节车厢各个门进出地铁客流量，并且迅速分析出每节车厢人数作为车厢内当前乘客数量m；也可通过在每节车厢内设置的摄像头采集车厢内的实时视频图像，在车辆启动离开站点后基于机器视觉技术，从实时视频图像中获取车厢内当前乘客数量m，并且此过程中根据实时视频图像的变化实时更新车厢内当前乘客数量m的数值大小，直至车辆停止到达下一个站点；当车辆从下一站点启动出发，又可继续获取车厢内当前乘客数量m并实时更新以作为后一个站点每个车厢拥挤状态分析的数据支持；实时更新的目的是为了避免乘客途中更换车厢导致最先统计的m值与当下的车厢内乘客数量有一定出入，除了实时更新的方法外，还可在车辆启动离开站点一段时间后再基于机器视觉技术从实时视频图像中获取车厢内当前乘客数量m，根据行为学统计，一般乘客仅在上车后的一段时间内会做出车厢调整的行为，一旦确定便不会轻易移动位置更改车厢，因此该数量统计方法能够代表大多数乘客，统计的数据造成的误差影响不大。

获取下一站会下车的乘客数量l同样是按每节车厢为单位来获取，一种具体实施方式下，通过乘客在买票时预留与该乘客匹配的下车站点的信息，例如采集乘客的面部信息与其下车站点一同保存，形成面部与下车站对照表，以便后续车厢内设置的人脸识别系统识别车厢内每个乘客的面部信息，并根据预先保存的面部与下车站对照表，获取车厢内每个乘客的下车站点的信息，若该乘客的下车站点的信息与下一站的站点的信息一致，则判断出该乘客会在下一站下车，统计好所有会在下一站下车的乘客数量就是l的值；

另一种具体实施方式下，通过设置在车厢内能对所有乘客的面部表情和肢体动作进行识别的系统，根据大数据分析所述面部表情和肢体动作是否对应表示该乘客想在下一站下车，若是则累计1个计数直至分析完所有乘客，累计的总和就是l的值；相比前者，无需提前采集面部信息与其下车站点对应的数据，因此可减轻系统运作压力。

获取下一站对应车厢外候车乘客数量n可采用如获取车厢内当前乘客数量m所采用的方式，利用摄像头采集每个车厢对应候车点的视频并基于机器视觉来统计每个车厢相应候车点候车乘客数量，例如一个摄像头对应一个车厢，其采集这一个车厢外所有候车站点处的视频，并统计视频中出现的人的数量作为n；此外，还可采用在候车站点的地面设置压力传感器，通过压力值测量并借助相应的压力-人数估算模型，估算出压力传感器所测得压力值对应的人的数量从而可获取下一站对应车厢外候车乘客数量n。

S20：计算m-l+n的值，根据预设拥挤等级分类标准划分该车厢的拥挤等级并在下一站显示所述拥挤等级。

较为准确的获得m、l以及n的值后，即可计算m-l+n的值，从而可预测出所测车厢到达下一站后，就当前的客流量而言，经过上下后所测车厢可能存在的乘客人数，继而根据下一站上下后所测车厢可能存在的乘客人数，根据预设拥挤等级分类标准划分该车厢的拥挤等级并在下一站显示所述拥挤等级，从而能够帮助下一站的乘客清楚直观的了解当前时段对应车厢在自己上车后的拥挤等级，引导乘客选择恰当的候车点等待上车，保障上下车安全，以及上车后的舒适体验。

相比现有技术，本方案中，不仅获取车厢内当前乘客数量m用于车厢当前（达到下一站前）拥挤情况的判断和分析，还获取下一站会下车的乘客数量l和下一站对应车厢外候车乘客数量n，并最终根据m-l+n的值分析出车厢将来可能的拥堵情况后在下一站显示，即，本方案能够提前帮助下一站的乘客科学、正确、提前的了解所乘站上下车后各车厢可能的拥堵情况，从而选择恰当的候车点上车，实现车厢空间的最合理利用以及缓解个别车厢拥挤问题，保障人们出行安全。

实施例2

如图2、图3、图4所示，本实施例中，具体阐述步骤S10中获取m、l以及n值的一种或几种可选的方案，所述获取车厢内当前乘客数量m包括：

S111：采集车厢内实时视频图像；通过每节车厢设置摄像头来采集车厢内实时视频图像，一个摄像头对应一个车厢，该摄像头安装位置需能采集该车厢的全貌；

S112：基于机器视觉技术识别所述实时视频图像中乘客数量m，并实时更新。

目前基于机器视觉技术来识别图像中运动目标的数量的技术较为成熟，因此鉴于本步骤中关于这部分的内容与现有技术不无二致，此处不予赘述。为确保m值的实时性，避免车厢内较多乘客更换车厢所导致的较大数据误差，需每隔一预设时间就基于机器视觉技术从实时的视频图像中识别一次乘客数量并更新m值直至车辆到达下一站点或直至车辆到达下一站点前的几十秒。

进一步地，所述获取下一站会下车的乘客数量l包括：

S121A：识别车厢内乘客的面部信息并获取下一站站点名称；

S122A：将所述面部信息与数据库中预存面部与下车站对照表匹配，统计所述面部信息对应下车站名称与下一站站点名称一致的所述面部信息的数量作为下一站会下车的乘客数量l。

上述步骤实现的前提是需要预存面部与下车站对照表，因此在售票处，购票同时会识别购票人的面部信息，并将面部信息与该乘客的下车站点信息绑定在一起在数据库中保存面部与下车站对照表；

乘客上车后，各车厢设置的人脸识别系统会依次识别乘客的面部信息，并与之前保存的面部与下车站对照表进行匹配，获取车厢内乘客下车站点的信息，并将车厢内乘客下车站点的信息与下一站站点的信息比对，其中下车站点的信息可为下车站名称也可为指代下车站名称的代码；将车厢内乘客下车站点的信息依次与下一站站点的信息比对后，即可统计出所述面部信息对应下车站名称与下一站站点名称一致的所述面部信息的数量，即为下一站会下车的乘客数量l，由于现有的地铁中早已设置能够获取下一站站点名称的系统，因此本方案中仅需在车厢内乘客下车站点的信息与下一站站点的信息比对前调用出下一站站点名称即可，无需额外添加新的系统配备。需要强调的是，为了避免人员更换车厢对统计数据的影响，设置人脸识别系统在车辆启动出发一预设时间后才开启工作；获取车厢内乘客下车站点的信息后，系统不仅仅只匹配计算下一站下车的人数，还会对同一下车站点的乘客进行归类以便后续该站点成为下一站站点时快速累计人数。故而系统并不是每一次下车前对车厢内所有乘客的面部信息进行识别，而是在上车时跟踪新上车乘客，并在乘客上车一段时间后才对其脸部进行识别，进而获取上车乘客的下车站点，最终统计归纳出本车厢内乘客在每个站点的下车人数。

可选地，所述获取下一站会下车的乘客数量l包括：

S121B：读取车厢内乘客携带的地铁票上的标签信息并获取下一站站点名称；

S122B：根据所述标签信息获取与所述标签信息对应的下车站的名称，统计所述下车站的名称与所述下一站站点名称相一致的所述标签信息的数量作为下一站会下车的乘客数量l。

上述步骤实现的前提是需要对每张地铁票进行身份标记，使得地铁票携带标签信息，其中标签信息需要对应乘客购票时设置的下车站点信息并一同绑定保存，如此便可由被标记好的地铁票判断出携带该地铁票的乘客会在哪一站下车；

具体地，在车厢内设置有能够读取标签信息的检测设备，检测设备与车厢一一对应，检测设备A能检测到标签信息，即代表乘客在设置有该检测设备A的对应车厢内，检测到标签信息，再结合之前保存的标签信息与下车站对应数据获取与所述标签信息对应的下车站的名称，最终统计检测到的所有所述标签信息中对应所述下车站的名称与所述下一站站点名称相一致的所述标签信息的数量即可作为下一站会下车的乘客数量l。

除此之外，获取车厢内当前乘客数量m也可基于上述方案，通过检测设备能检测地铁票上的标签信息（如身份代码），统计不同标签信息的总数即可作为车厢内当前乘客数量m。

可选地，所述获取下一站会下车的乘客数量l包括：

S121C：采集车厢内乘客的肢体动作和面部表情；

S122C：将所述肢体动作和所述面部表情与预设下车动作和面部表情库比对，计算所述肢体动作和所述面部表情对应乘客准备下车的概率，若所述概率大于一预设阈值，则判断对应乘客准备下车；

S123C：统计准备下车的所述肢体动作和所述面部表情对应乘客的总数作为下一站会下车的乘客数量l。

上述步骤的前提是需要预先保存下车动作和面部表情库，该数据库中保存有乘客下车前可能会有的肢体动作和面部表情的数据，通过在车厢内安装一肢体动作和面部表情识别装置，在下车前某一时间段启动，开始采集肢体动作和面部表情并将所述肢体动作和所述面部表情与预设下车动作和面部表情库比对，通过与数据库中匹配程度的分析和计算即可获取对应乘客准备下车的概率，一旦该概率值大于一设定阈值（例如60%），则判断对应乘客准备下车，最终统计出被判断为准备下车的乘客的总人数即是下一站会下车的乘客数量l。此获取方式较之前两者更为便捷，涉及的系统更少，当预设下车动作和面部表情库数据完善且采集肢体动作和面部表情时受到的干扰少的情况下，本方案影响其统计数据准确性的不确定因素较少，统计数据的准确性更高。

进一步地，所述获取下一站对应车厢外候车乘客数量n包括通过在下一站候车点设置传感器和/或摄像头来获取下一站对应车厢外候车乘客数量n，所述传感器包括人体红外传感器和/或压力传感器。

所述步骤S20中所述预设拥挤等级分类标准如下：

若m-l+n的值大于等于预设阈值A1则判断非常拥挤；

若m-l+n的值大于预设阈值A2且小于等于预设阈值A1则判断相对拥挤；

若m-l+n的值小于预设阈值A2则判断相对空置。

具体地，假设一个车厢正常核载60人，承载超过30%，即车厢内容纳78人时车厢就会非常拥挤，此时设置A2=60，A1=78。具体地，在下一站显示拥挤等级时，除了显示“非常拥挤”、“相对空置”等字样时，还可通设置不同颜色来区分拥挤等级，例如红色代表非常拥挤，黄色代表相对拥挤，绿色代表相对空置；显示可通过候车站点的显示屏或候车站点处地面设置的指示灯或防护门上的指示灯来指示引导乘客到达恰当的候车点候车。

综上，上述方法能够实现真正意义上的提前拥挤情况告知，缓解个别车厢过于拥挤的问题，缓解各个车厢上下车压力，改善上下车安全问题，使得出行更加便利。

实施例3

如图5、图6所示，本实施例提供一种均衡地铁车厢载客量的引导系统，以作为之前实施例所述方法的物理支持，所述系统包括：

获取模块100，用于获取车厢内当前乘客数量m、下一站会下车的乘客数量l以及下一站对应车厢外候车乘客数量n；获取模块100根据m、l以及n值获取方式的不同，具体设置相关设备，获取方式可参考实施例1和实施例2所述。

等级划分模块200，用于计算m-l+n的值，并根据预设拥挤等级分类标准划分该车厢的拥挤等级；

显示模块300，用于显示拥挤等级。

具体地，所述获取模块100包括：

第一获取单元110，用于采集车厢内实时视频图像，基于机器视觉技术识别所述实时视频图像中乘客数量m，并实时更新以获取车厢内当前乘客数量m；

第二获取单元120，用于识别车厢内乘客的面部信息并获取下一站站点名称；识别车厢内乘客的面部信息所用到的摄像头可与采集车厢内实时视频图像所用的摄像头为同一摄像头。

将所述面部信息与数据库中预存面部与下车站对照表匹配，统计所述面部信息对应下车站名称与下一站站点名称一致的所述面部信息的数量以作为下一站会下车的乘客数量l；具体参见实施例2所述。

第三获取单元130，用于采集对应车厢下一站候车点实时视频图像，基于机器视觉技术识别该实时视频图像中候车乘客数量n。

不同于上文表述的获取模块100设计，可选地，为了减轻数据处理压力，更快速方便的获得m和l；所述获取模块100包括：

读取单元140，用于读取车厢内乘客携带的地铁票上的标签信息；

第一统计单元150，用于统计被读取单元140读取到的所述标签信息的数量作为车厢内当前乘客数量m；若读取到的所述标签信息的内容相同，所述标签信息只能被累计一次，即重复读取的所述标签信息不能被多次累计。

获取单元160，用于获取下一站站点名称；

第二统计单元170，用于根据所述标签信息获取与所述标签信息对应的下车站的名称，统计所述下车站的名称与所述下一站站点名称相一致的所述标签信息的数量作为下一站会下车的乘客数量l。

进一步地，获得n值的方式则可与第三获取单元130相同，也可借鉴实施例2中借助压力传感器等获取的方式。

不同于上文表述的两种获取模块100设计，可选地，为了提高对大数据的运用，减少获取l值时大量硬件配置带来的配备和维护成本，减少不确定因素项，最终提高l值准确率；设置所述获取模块100包括：

采集单元，用于采集车厢内乘客的肢体动作和面部表情；

判定单元，用于将所述肢体动作和所述面部表情与预设下车动作和面部表情库比对，计算所述肢体动作和所述面部表情对应乘客准备下车的概率，若所述概率大于一预设阈值，则判断对应乘客准备下车；

第三统计单元，用于统计准备下车的所述肢体动作和所述面部表情对应乘客的总数作为下一站会下车的乘客数量l。

进一步地，经过上述设置后，获得m值和n值的方式优选与第一获取单元110和第三获取单元130相同。

需要强调的是，根据实施例1和实施例2中所述方法的不同的组合，获取模块100不止上文所述的组合情况，即上文所提到的组合情况说明并不是本发明中获取模块100设计方案的全部，不能认定本发明的具体实施只局限于这些说明。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种均衡地铁车厢载客量的引导方法，其特征在于，所述方法包括以下步骤：

S10：获取车厢内当前乘客数量m、下一站会下车的乘客数量l以及下一站对应车厢外候车乘客数量n；

S20：计算m-l+n的值，根据预设拥挤等级分类标准划分该车厢的拥挤等级并在下一站显示所述拥挤等级。

2.根据权利要求1所述的一种均衡地铁车厢载客量的引导方法，其特征在于，所述获取车厢内当前乘客数量m包括：

采集车厢内实时视频图像；

基于机器视觉技术识别所述实时视频图像中乘客数量m，并实时更新。

3.根据权利要求1所述的一种均衡地铁车厢载客量的引导方法，其特征在于，所述获取下一站会下车的乘客数量l包括：

识别车厢内乘客的面部信息并获取下一站站点名称；

将所述面部信息与数据库中预存面部与下车站对照表匹配，统计所述面部信息对应下车站名称与下一站站点名称一致的所述面部信息的数量作为下一站会下车的乘客数量l。

4.根据权利要求1所述的一种均衡地铁车厢载客量的引导方法，其特征在于，所述获取下一站会下车的乘客数量l包括：

读取车厢内乘客携带的地铁票上的标签信息并获取下一站站点名称；

根据所述标签信息获取与所述标签信息对应的下车站的名称，统计所述下车站的名称与所述下一站站点名称相一致的所述标签信息的数量作为下一站会下车的乘客数量l。

5.根据权利要求1所述的一种均衡地铁车厢载客量的引导方法，其特征在于，所述获取下一站会下车的乘客数量l包括：

采集车厢内乘客的肢体动作和面部表情；

将所述肢体动作和所述面部表情与预设下车动作和面部表情库比对，计算所述肢体动作和所述面部表情对应乘客准备下车的概率，若所述概率大于一预设阈值，则判断对应乘客准备下车；

统计准备下车的所述肢体动作和所述面部表情对应乘客的总数作为下一站会下车的乘客数量l。

6.根据权利要求1所述的一种均衡地铁车厢载客量的引导方法，其特征在于，所述获取下一站对应车厢外候车乘客数量n包括通过在下一站候车点设置传感器和/或摄像头来获取下一站对应车厢外候车乘客数量n，所述传感器包括人体红外传感器和/或压力传感器。

7.根据权利要求1所述的一种均衡地铁车厢载客量的引导方法，其特征在于，所述步骤S20中所述预设拥挤等级分类标准如下：

若m-l+n的值大于等于预设阈值A1则判断非常拥挤；

若m-l+n的值大于预设阈值A2且小于等于预设阈值A1则判断相对拥挤；

若m-l+n的值小于预设阈值A2则判断相对空置。

8.一种均衡地铁车厢载客量的引导系统，其特征在于，所述系统包括：

获取模块，用于获取车厢内当前乘客数量m、下一站会下车的乘客数量l以及下一站对应车厢外候车乘客数量n；

等级划分模块，用于计算m-l+n的值，并根据预设拥挤等级分类标准划分该车厢的拥挤等级；

显示模块，用于显示拥挤等级。

9.根据权利要求8所述的一种均衡地铁车厢载客量的引导系统，其特征在于，所述获取模块包括：

第一获取单元，用于采集车厢内实时视频图像，基于机器视觉技术识别所述实时视频图像中乘客数量m，并实时更新以获取车厢内当前乘客数量m；

第二获取单元，用于识别车厢内乘客的面部信息并获取下一站站点名称；

将所述面部信息与数据库中预存面部与下车站对照表匹配，统计所述面部信息对应下车站名称与下一站站点名称一致的所述面部信息的数量以作为下一站会下车的乘客数量l；

第三获取单元，用于采集对应车厢下一站候车点实时视频图像，基于机器视觉技术识别该实时视频图像中候车乘客数量n。

10.根据权利要求8所述的一种均衡地铁车厢载客量的引导系统，其特征在于，所述获取模块包括：

读取单元，用于读取车厢内乘客携带的地铁票上的标签信息；

第一统计单元，用于统计被读取单元读取到的所述标签信息的数量作为车厢内当前乘客数量m；

获取单元，用于获取下一站站点名称；

第二统计单元，用于根据所述标签信息获取与所述标签信息对应的下车站的名称，统计所述下车站的名称与所述下一站站点名称相一致的所述标签信息的数量作为下一站会下车的乘客数量l；

或包括：

采集单元，用于采集车厢内乘客的肢体动作和面部表情；

判定单元，用于将所述肢体动作和所述面部表情与预设下车动作和面部表情库比对，计算所述肢体动作和所述面部表情对应乘客准备下车的概率，若所述概率大于一预设阈值，则判断对应乘客准备下车；

第三统计单元，用于统计准备下车的所述肢体动作和所述面部表情对应乘客的总数作为下一站会下车的乘客数量l。