CN109714791B - 一种基于双WiFi探针的公交客流检测方法 - Google Patents
一种基于双WiFi探针的公交客流检测方法 Download PDFInfo
- Publication number
- CN109714791B CN109714791B CN201811529870.2A CN201811529870A CN109714791B CN 109714791 B CN109714791 B CN 109714791B CN 201811529870 A CN201811529870 A CN 201811529870A CN 109714791 B CN109714791 B CN 109714791B
- Authority
- CN
- China
- Prior art keywords
- bus
- station
- mac addresses
- list
- equipment
- 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
Links
Images
Abstract
本发明提供一种基于双WiFi探针的公交客流检测方法,涉及智能交通无线网络技术领域。本发明步骤如下:步骤1:分别在公共汽车和公共汽车站内安装Wi‑Fi探针设备,记作设备A和设备B,进行数据筛选;步骤2:数据分析;将站内乘客表S分别与进站前乘坐公共汽车的乘客表B和出站后乘坐公共汽车的乘客表L进行对比分析;步骤3:数据导出;利用NPOI技术,将用户输入的公共汽车线路、上下行信息,以及经过筛选和分析得出的公共汽车的进站时间、上车客流、下车客流信息,格式化地导出到Excel表格中。本发明采取了多次筛选来减小误差,能够对高效、准确地采集和处理大量相关数据,可为相关的交通决策者提供一定的辅助参考。
Description
技术领域
本发明涉及智能交通无线网络技术领域,尤其涉及一种基于双WiFi探针的公交客流检测方法。
背景技术
在一个城市的公共交通项目决策中,通过实际的客流情况对公共交通网作出调整成为关键,但常规的交通检测和分析手段已无法进行,因公共汽车站的特殊性,车站附近的其他车辆以及行人都会成为常规的单探针设备探测方式的误差来源,很容易产生巨大的误差,如何高效、自动地统计客流的相关信息并进行分析成为亟待解决的问题。
WiFi是一种允许电子设备连接到一个无线局域网的技术,WiFi探针技术则是基于无线网络嗅探技术来识别AP附近已开启的WiFi智能移动终端设备或者其他终端,并且获取设备的MAC地址、位置、备注名等相关信息。
如今随着智能终端设备的普及,WiFi探针能够制造成单独的设备或集成在其他各类电子产品中增加综合价值,WiFi探针技术对于数据采集的便利性是传统的数据采集方法无法媲美的,但国内此方面的应用尚未完全普及,较之国外,不论广度还是深度都有较大差距,随着WiFi使用地逐渐深入以及无线网络技术的广泛应用,WiFi探针技术对于交通行业将发挥巨大作用。
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,提供一种基于双WiFi探针的公交客流检测方法,本发明采取了多次筛选来减小误差,能够对高效、准确地采集和处理大量相关数据,可为相关的交通决策者提供一定的辅助参考;
为解决上述技术问题,本发明所采取的技术方案是:
本发明提供一种基于双WiFi探针的公交客流检测方法,包括以下步骤:
步骤1:分别在公共汽车和公共汽车站内安装Wi-Fi探针设备,记作设备A和设备B,利用设备A和设备B采集数据,将该数据进行数据筛选,得到进站前乘坐公共汽车的乘客表、出站后乘坐公共汽车的乘客表、站内乘客表,分别记作表B、表L、表S;
步骤2:数据分析;将站内乘客表S分别与进站前乘坐公共汽车的乘客表B和出站后乘坐公共汽车的乘客表L进行对比分析,得到公共汽车进站前车上乘客的精确表、公共汽车出站后汽车上乘客的精确表、公共汽车站上车的乘客、公共汽车站下车的乘客,分别记作表BR、表LR、表I、表O;
步骤3:数据导出;利用NPOI技术,将用户输入的公共汽车线路、上下行信息,以及经过筛选和分析得出的公共汽车的进站时间、上车客流、下车客流信息,格式化地导出到Excel表格中;在数据导出时会自动检索程序文件夹下是否有格式化命名的Excel表格文件,若文件已存在,则会检查当前即将要导入的数据是否已存在于表格中,若存在则取消本次操作,若不存在则导入;若文件不存在,则按照程序中预订的格式建立新的Excel表格文件并导入数据。
步骤1包括如下子步骤:
步骤1.1:当公共汽车进站时,将设备B第一次探测到设备A的时间作为公共汽车进站的时间T0,将设备B最后一次探测到设备A的时间作为公共汽车出站的时间T1;
步骤1.2:将T0向前推30s得到T0`,T0`为公共汽车进站前平稳行驶的时刻,并在T0`时刻附近再取四个时刻,分别为t0、t1、t2、t3,获取五个时刻设备A探测到的MAC地址,将其整理为表格,将此五个表联合进行对比,将其中均出现的MAC地址对应的智能终端设备的使用者确定为进站前乘坐公共汽车的乘客,并整理为表格,记为表B;
步骤1.3:将公共汽车出站时间T1向后推30s得到T1`,T1`为公共汽车出站后平稳行驶的时间,并在T1`时刻附近再取四个时刻,分别为t4、t5、t6、t7,获取这五个时刻设备A探测到的MAC地址,将其整理为表格,并将此五个表联合进行对比,将其中均出现的MAC地址对应的智能终端设备的使用者确定为出站后乘坐公共汽车的乘客,并整理为表格,记为表L;
步骤1.4:获取T0到T1时间内,设备B探测到的所有MAC地址,将其整理为表格,筛选该表中被设备B探测到7次以上的MAC地址,将7次以上的MAC地址对应的智能终端设备的使用者确定为站内乘客,并整理为表格,记为表S。
步骤2包括如下子步骤:
步骤2.1:将表B与表S进行比对操作,筛选出既在表B中出现又在表S中出现的MAC地址,认定这些MAC地址所对应的智能终端设备的拥有者为公共汽车进站前的乘客,将其整理为表格,得到公共汽车进站前车上乘客的精确表,记为表BR;
步骤2.2:将表L与表S进行上述操作,筛选出既在表L中出现,又在表S中出现的MAC地址所对应的智能终端设备的拥有者,将其整理为表格,得到公共汽车出站后汽车上乘客的精确表,记为表LR;
步骤2.3:将表LR与表BR进行比对;筛选出在表LR中出现但是在表BR中没有出现的MAC地址,将这些MAC地址对应的智能终端设备的拥有者确定为在此汽车站上车的乘客,将其整理为表格,记为表I,筛选出在表BR中出现,但是在表LR中未出现的MAC地址,将这些MAC地址对应的设备拥有者确定为在此汽车站下车的乘客,将其整理为表格,记为表O。
采用上述技术方案所产生的有益效果在于:本发明提供的一种基于双WiFi探针的公交客流检测方法;本发明采用WiFi探针技术,精确探测某一公共汽车站在一辆公共汽车经过之后的客流情况,经过反复的数据比对和检查,通过对一数据表中的某时间点附近多个时间点反复取数据进行对比来尽可能的减小误差,得到最终该车站该车次的上下车客流量情况;特点在于尽可能避免干扰数据如与公共汽车平行行驶的其他车辆、不乘坐公共汽车的路人等对检测结果的干扰。本发明采取了多次筛选来减小误差,能够对高效、准确地采集和处理大量相关数据,可为相关的交通决策者提供一定的辅助参考,从而更好地对当前城市的交通情况进行分析和进一步规划,具有很强的实际应用价值和很高的社会效益。
附图说明
图1为本发明实施例提供的基于双WiFi探针公交客流检测方法流程图;
图2为本发明实施例提供的方法原理示意图;
其中,1代表T0-30s时刻车内探针探测范围,2代表T0时刻车内探针探测范围,3代表T1时刻车内探针探测范围,4代表T1+30s时刻车内探针探测范围,5代表T0-T1时刻公共汽车站内探针探测范围。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明的基本原理为在待测公共汽车内安装一枚探针,在公共汽车站安装一枚探针,车上乘客和站内乘客的手机mac地址均会被附近的探针所采集到并上传到本地数据库中,经过反复的数据比对和检查,通过对一数据表中的某时间点附近多个时间点反复取数据进行对比来尽可能的减小误差,得到最终该车站该车次的上下车客流量情况,并且支持用户将同一线路不同车次的信息保存到Excel表格中用户之后总体的统计,大大提高了采集和处理相关数据的效率。
本实施例中,选取公共汽车站,如图2所示,在正常通行的公路上,记录公交车从进站前到进入车再到出站后的详细过程。
如图1所示,本实施例的方法如下所述。
本发明提供一种基于双WiFi探针的公交客流检测方法,包括以下步骤:
步骤1:分别在公共汽车和公共汽车站内安装Wi-Fi探针设备,记作设备A和设备B,进行数据筛选,得到进站前乘坐公共汽车的乘客表、出站后乘坐公共汽车的乘客表、站内乘客表,分别记作表B、表L、表S;
步骤1.1:当公共汽车进站时,因探针本身也属于发出Wi-Fi信号的设备,因此设备B会也采集到设备A的MAC地址,将设备B第一次探测到设备A的时间作为公共汽车进站的时间T0,将设备B最后一次探测到设备A的时间作为公共汽车出站的时间T1;
步骤1.2:将T0向前推30s,取汽车进站前的某一平稳行驶的时刻T0`,T0`=T0-30;T0`为公共汽车进站前平稳行驶的时刻,因公共汽车一般两个站点之间相距3-5分钟不等,因此在T0`时刻,公共汽车应在途中正常行驶,此时探针A每秒抓取的数据较为稳定,在T0`时刻附近再取四个时刻t0、t1、t2、t3,本实施例中t0、t1、t2、t3分别为:
t0=T0`-2
t1=T0`-1
t2=T0`+1
t3=T0`+2
获取五个时刻设备A探测到的MAC地址,将其MAC地址对应的智能终端设备的使用者整理为表格,如表1-1所示,将此五个表联合进行对比,将其中均出现的MAC地址对应的智能终端设备的使用者确定为进站前乘坐公共汽车的乘客,并整理为表格,如表1-2所示,记为表B;
表1-1 T0`附近时刻车上探针探测到的数据表
t0 | t1 | T0` | t2 | t3 |
A | A | A | A | A |
B | C | B | C | I |
C | D | C | D | C |
D | E | D | E | E |
I | I | E | I | D |
E | F | I | H |
表1-2进站前乘坐公共汽车的乘客表
A | C | D | E | I |
步骤1.3:将公共汽车出站时间T1向后推30s,取得汽车出站后某一平稳行驶的时间为T1`,T1`=T1+30;T1`时刻设备B所抓取的数据较为稳定,即为公共汽车出站后平稳行驶的时间,在T1`时刻附近再取四个时刻t4、t5、t6、t7,本实施例中t4、t5、t6、t7分别为:
t4=T1`-2
t5=T1`-1
t6=T1`+1
t7=T1`+2
获取这五个时刻设备A探测到的MAC地址,将其整理为表格,如表1-3所示, 即为T1`时刻可能在公共汽车上的乘客表,并将此五个表联合进行对比,将其中均出现的MAC地址对应的智能终端设备的使用者确定为出站后乘坐公共汽车的乘客,并整理为表格,如表1-4所示,该表中数据正是在表1-3中五个时刻均出现的对象,记为表L;
表1-3 T1`时刻可能在公共汽车上的乘客表
t4 | t5 | T1` | t6 | t7 |
A | A | A | A | A |
C | C | C | C | K |
D | D | D | D | C |
F | R | K | P | D |
K | K | L | K |
表1-4 出站后公共汽车上乘坐汽车的乘客表
A | C | D | K |
步骤1.4:获取T0到T1时间内,设备B探测到的所有MAC地址,将其整理为表格,筛选该表中被设备B探测到7次以上的MAC地址,本实施例中每次探测的时间间隔为1s,即在车站内停留时间超过7秒的智能终端设备的拥有者,可认为他们是要乘坐公共汽车的乘客或刚刚乘坐完测试的车次公共汽车的乘客,将7次以上的MAC地址对应的智能终端设备的使用者确定为站内乘客,并整理为表格,记为表S。
步骤2:数据分析;将站内乘客表S分别与进站前乘坐公共汽车的乘客表B和出站后乘坐公共汽车的乘客表L进行对比分析,得到公共汽车进站前车上乘客的精确表、公共汽车出站后汽车上乘客的精确表、公共汽车站上车的乘客、公共汽车站下车的乘客,分别记作表BR、表LR、表I、表O;
步骤2.1:将表B与表S进行比对操作,筛选出既在表B中出现又在表S中出现的MAC地址,认定这些MAC地址所对应的智能终端设备的拥有者为公共汽车进站前的乘客,将其整理为表格,得到公共汽车进站前车上乘客的精确表,记为表BR;
步骤2.2:将表L与表S进行上述操作,筛选出既在表L中出现,又在表S中出现的MAC地址,将其整理为表格,得到公共汽车出站后汽车上乘客的精确表,记为表LR;
步骤2.3:将表LR与表BR进行比对;筛选出在表LR中出现但是在表BR中没有出现的MAC地址,将这些MAC地址对应的智能终端设备的拥有者确定为在此汽车站上车的乘客,将其整理为表格,记为表I,筛选出在表BR中出现,但是在表LR中未出现的MAC地址,将这些MAC地址对应的设备拥有者确定为在此汽车站下车的乘客,将其整理为表格,记为表O。
表I最终作为DataGridView1控件的数据源,向用户展示上车乘客的MAC地址等相关信息,表O最终作为DataGridView2控件的数据源,向用户展示下车乘客的MAC地址等相关信息。窗体中其他控件则用于向用户展示车辆的进站时间(T0)、出站时间(T1)、进站前车上乘客数(表BR中的记录条数)、出站后车上乘客人数(表LR中的记录条数)、上车客流量(表I中的记录条数)、下车客流量(表O中的记录条数)。
步骤3:数据导出;利用NPOI技术,将用户输入的公共汽车线路、上下行信息,以及经过筛选和分析得出的公共汽车的进站时间、上车客流、下车客流信息,格式化地导出到Excel表格中;在数据导出时会自动检索程序文件夹下是否有格式化命名的Excel表格文件,若文件已存在,则会检查当前即将要导入的数据是否已存在于表格中,若存在则取消本次操作,若不存在则导入;若文件不存在,则按照程序中预订的格式建立新的Excel表格文件并导入数据。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (2)
1.一种基于双WiFi探针的公交客流检测方法,其特征在于:包括以下步骤:
步骤1:分别在公共汽车和公共汽车站内安装Wi-Fi探针设备,记作设备A和设备B,利用设备A和设备B采集数据,将该数据进行数据筛选,得到进站前乘坐公共汽车的乘客表、出站后乘坐公共汽车的乘客表、站内乘客表,分别记作表B、表L、表S;具体分为以下步骤:
步骤1.1:当公共汽车进站时,将设备B第一次探测到设备A的时间作为公共汽车进站的时间T0,将设备B最后一次探测到设备A的时间作为公共汽车出站的时间T1;
步骤1.2:将T0向前推30s得到T0`,T0`为公共汽车进站前平稳行驶的时刻,并在T0`时刻附近再取四个时刻,分别为t0、t1、t2、t3,获取五个时刻设备A探测到的MAC地址,将其整理为表格,将此五个表联合进行对比,将其中均出现的MAC地址对应的智能终端设备的使用者确定为进站前乘坐公共汽车的乘客,并整理为表格,记为表B;
步骤1.3:将公共汽车出站时间T1向后推30s得到T1`,T1`为公共汽车出站后平稳行驶的时间,并在T1`时刻附近再取四个时刻,分别为t4、t5、t6、t7,获取这五个时刻设备A探测到的MAC地址,将其整理为表格,并将此五个表联合进行对比,将其中均出现的MAC地址对应的智能终端设备的使用者确定为出站后乘坐公共汽车的乘客,并整理为表格,记为表L;
步骤1.4:获取T0到T1时间内,设备B探测到的所有MAC地址,将其整理为表格,筛选该表中被设备B探测到7次以上的MAC地址,将7次以上的MAC地址对应的智能终端设备的使用者确定为站内乘客,并整理为表格,记为表S;
步骤2:数据分析;将站内乘客表S分别与进站前乘坐公共汽车的乘客表B和出站后乘坐公共汽车的乘客表L进行对比分析,得到公共汽车进站前车上乘客的精确表、公共汽车出站后汽车上乘客的精确表、公共汽车站上车的乘客、公共汽车站下车的乘客,分别记作表BR、表LR、表I、表O;
步骤3:数据导出;利用NPOI技术,将用户输入的公共汽车线路、上下行信息,以及经过筛选和分析得出的公共汽车的进站时间、上车客流、下车客流信息,格式化地导出到Excel表格中;在数据导出时会自动检索程序文件夹下是否有格式化命名的Excel表格文件,若文件已存在,则会检查当前即将要导入的数据是否已存在于表格中,若存在则取消本次操作,若不存在则导入;若文件不存在,则按照程序中预定的格式建立新的Excel表格文件并导入数据。
2.根据权利要求1所述的一种基于双WiFi探针的公交客流检测方法,其特征在于:所述步骤2包括如下子步骤:
步骤2.1:将表B与表S进行比对操作,筛选出既在表B中出现又在表S中出现的MAC 地址,认定这些MAC地址所对应的智能终端设备的拥有者为公共汽车进站前的乘客,将其整理为表格,得到公共汽车进站前车上乘客的精确表,记为表BR;
步骤2.2:将表L与表S进行上述操作,筛选出既在表L中出现,又在表S中出现的MAC地址所对应的智能终端设备的拥有者,将其整理为表格,得到公共汽车出站后汽车上乘客的精确表,记为表LR;
步骤2.3:将表LR与表BR进行比对;筛选出在表LR中出现但是在表BR中没有出现的MAC地址,将这些MAC地址对应的智能终端设备的拥有者确定为在此公共汽车站上车的乘客,将其整理为表格,记为表I,筛选出在表BR中出现,但是在表LR中未出现的MAC地址,将这些MAC地址对应的设备拥有者确定为在此公共汽车站下车的乘客,将其整理为表格,记为表O。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529870.2A CN109714791B (zh) | 2018-12-14 | 2018-12-14 | 一种基于双WiFi探针的公交客流检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529870.2A CN109714791B (zh) | 2018-12-14 | 2018-12-14 | 一种基于双WiFi探针的公交客流检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109714791A CN109714791A (zh) | 2019-05-03 |
CN109714791B true CN109714791B (zh) | 2022-03-25 |
Family
ID=66255776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811529870.2A Active CN109714791B (zh) | 2018-12-14 | 2018-12-14 | 一种基于双WiFi探针的公交客流检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109714791B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161534A (zh) * | 2019-12-19 | 2020-05-15 | 南京行者易智能交通科技有限公司 | 一种基于WiFi探针的公交精准OD数据的采集系统及方法 |
CN111325994B (zh) * | 2020-02-28 | 2022-06-03 | 沈阳建筑大学 | 一种基于WiFi探针车辆检测技术的信号控制方法 |
CN113283227A (zh) * | 2021-05-31 | 2021-08-20 | 山东浪潮通软信息科技有限公司 | 文件导出方法、装置及计算机可读介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007147673A1 (en) * | 2006-06-22 | 2007-12-27 | International Business Machines Corporation | Method and system for providing information to a transportation vehicle on the presence of passengers |
CN105869388B (zh) * | 2016-05-31 | 2018-09-04 | 苏州朗捷通智能科技有限公司 | 一种公交客流数据采集及起讫点的分析方法及系统 |
CN106448169B (zh) * | 2016-11-23 | 2019-09-06 | 重庆交通大学 | 基于wifi的公交客流实时监测系统、数据处理方法 |
-
2018
- 2018-12-14 CN CN201811529870.2A patent/CN109714791B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109714791A (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109714791B (zh) | 一种基于双WiFi探针的公交客流检测方法 | |
CN107798869B (zh) | 基于站点WiFi和车载GPS的公交乘客客流采集与分析方法 | |
CN109815882B (zh) | 一种基于图像识别的地铁车厢客流密度监控系统及方法 | |
CN107766981B (zh) | 基于站点WiFi的公交客流OD估计及短时预测方法 | |
CN105869388B (zh) | 一种公交客流数据采集及起讫点的分析方法及系统 | |
CN107564292B (zh) | 基于站点WiFi和车载移动终端的乘客等车时间规律估计方法 | |
CN107767669B (zh) | 基于WiFi和蓝牙识别的公交线路客流OD估计方法 | |
CN103700174B (zh) | 一种基于wifi身份识别的公交客流数据采集及od分析方法 | |
CN107845259A (zh) | 公交运行情况实时反馈系统及公交实时运行数据处理方法 | |
CN105390013A (zh) | 一种利用公交ic卡预测公交到站时间的方法 | |
CN107844856B (zh) | 基于车载GPS和站点WiFi的公交车客流预测方法 | |
CN112949715A (zh) | 一种基于svm的轨道交通故障诊断方法 | |
CN107371158B (zh) | 区域内移动通信运营商用户占比调查及人群量估测方法 | |
CN101620785B (zh) | 一种基于手机信号数据识别机动车与非机动车的方法 | |
CN104156489A (zh) | 基于司机轨迹进行司机常驻点挖掘的方法 | |
CN103345838B (zh) | 一种车辆信息管理装置及车辆信息检索方法 | |
CN104616494A (zh) | 一种基于基站和卡口的记录确定目标对象的方法及装置 | |
CN108108897B (zh) | 一种轨道交通客流清分方法、系统及电子设备 | |
CN112399337A (zh) | 一种高铁用户定位方法和装置 | |
CN102881155A (zh) | 基于出租车智能终端的乘降热点区域分析的方法 | |
CN102768797A (zh) | 一种城市路况信息评价方法及装置 | |
CN111161534A (zh) | 一种基于WiFi探针的公交精准OD数据的采集系统及方法 | |
CN115035725A (zh) | 基于机器视觉的客流统计方法及系统 | |
CN109348490B (zh) | 一种识别干扰铁路lte网络的邻接载波的方法及装置 | |
Sonny et al. | Deep learning-based smart parking solution using channel state information in LTE-based cellular networks |
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 |