CN109961166B - 狭窄空间人流变化预测方法、装置、计算设备及存储介质 - Google Patents
狭窄空间人流变化预测方法、装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN109961166B CN109961166B CN201711436564.XA CN201711436564A CN109961166B CN 109961166 B CN109961166 B CN 109961166B CN 201711436564 A CN201711436564 A CN 201711436564A CN 109961166 B CN109961166 B CN 109961166B
- Authority
- CN
- China
- Prior art keywords
- narrow space
- people
- residence time
- calculating
- speed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000008859 change Effects 0.000 title claims abstract description 26
- 230000006698 induction Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 19
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 229910052742 iron Inorganic materials 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 5
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 230000002966 stenotic effect Effects 0.000 claims 5
- 208000027744 congestion Diseases 0.000 abstract 2
- 230000014759 maintenance of location Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种狭窄空间人流变化预测方法、装置、计算设备及存储介质。该方法包括:使用在狭窄空间内部署的传感器采集狭窄空间内各感应点的速度;基于单个感应点的速度,计算单个感应点处的人员在狭窄空间内的单人滞留时间信息;基于狭窄空间内多个感应点的平均速度,计算狭窄空间内的整体滞留时间信息;基于单人滞留时间信息和整体滞留时间信息,判断狭窄空间内是否发生第一类拥堵。通过本发明的技术方案,能够有效监控狭窄空间例如通道中的人流状况,预测拥堵风险。
Description
技术领域
本发明涉及大数据分析技术领域,尤其涉及一种狭窄空间人流变化预测方法、装置、计算设备及存储介质。
背景技术
随着城市化的进程不断加快,城市建筑物以及城市人口密度不断增加,在地铁出口、过街天桥、人行通道等狭窄空间内因拥挤而发生踩踏的重大突发性公共事件发生的概率越来越大。
传统模式下,狭窄通道建设者或管理者根据以往建设或管理经验,结合部分物联网技术实现对人流疏导干预。例如,根据通道的用途不同,提前设置蛇型铁栏杆、扶梯与步行通道分离、使用不通的出入口、在自动扶梯上加装重力感应装置等多种方式实现人流疏导。
其中,设定蛇型铁栏杆进行限流隔离,由于无法及时获取当前周边区域内的人流状况,人流舒缓时将拉长穿行时间,降低旅客感知;人流聚集时,预先设定的蛇型铁栏杆不能及时延长造成入口处拥挤。设定不同出入口用途,在实际运行过程中可能出现单一进口或出口的人员聚集,不能立即更改出入口用途,以便及时疏导人群。通过在自动扶梯上加装重力感应装置,只有当扶梯上站立的人越多,自动扶梯运行速度越快,但发生人员聚集时,导致自动扶梯入口处可能出现拥挤的情况。而自动扶梯不能根据人流的预测提前进提速运行。
综上所述,在很多失败的人流疏导案例中,由于不能实时监控人流状况,因此不能合理有效地及时实施相应的应对措施。例如,疏导出口没有得到有效利用,有的疏导出口拥挤不堪,而有的疏导出口却几乎没有被使用。因此,如何有效监控人流状况,是狭窄通道的建设者和管理者面临的重大课题。
发明内容
本发明实施例提供了一种狭窄空间人流变化预测方法、装置、计算设备即存储介质,能够高效预测狭窄通道的人流变化状况,为人流疏导提供帮助。
第一方面,本发明实施例提供了一种狭窄空间人流变化预测方法,方法包括:
使用在狭窄空间内部署的传感器采集狭窄空间内各感应点的速度;
基于单个感应点的速度,计算单个感应点处的人员在狭窄空间内的单人滞留时间信息;
基于狭窄空间内多个感应点的平均速度,计算狭窄空间内的整体滞留时间信息;
基于单人滞留时间信息和整体滞留时间信息,判断狭窄空间内是否发生第一类拥堵。
第二方面,本发明实施例提供了一种狭窄空间人流变化预测装置,装置包括:采集模块、第一计算模块、第二计算模块和判断模块。
采集模块可以使用在狭窄空间内部署的传感器采集狭窄空间内各感应点的速度;
第一计算模块可以基于单个感应点的速度,计算单个感应点处的人员在狭窄空间内的单人滞留时间信息;
第二计算模块,用于基于狭窄空间内多个感应点的平均速度,计算狭窄空间内的整体滞留时间信息;
判断模块,用于基于单人滞留时间信息和整体滞留时间信息,判断狭窄空间内是否发生第一类拥堵。
本发明实施例提供了一种计算设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
本发明实施例提供的狭窄空间人流变化预测方法、装置、计算设备及存储介质,可根据传感器数据分析计算得出人流变化,联动不同的人流疏导预案,节约相关管理成本,提升人流疏导效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明一实施例的狭窄空间人流变化预测方法的示意性流程图。
图2示出了根据本发明一实施例的传感器部署位置示意图。
图3示出了根据本发明一实施例虚拟化地图示意图。
图4示出了根据本发明一实施例的传感器感应的任意运动点速度示意图。
图5示出了本发明一实施例的狭窄空间人流变化预测装置的示意性结构框图。
图6示出了本发明实施例提供的计算设备的硬件结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
图1示出了根据本发明一实施例的狭窄空间人流变化预测方法的示意性流程图。如图1所示,在步骤S100中使用在狭窄空间内部署的传感器采集狭窄空间内各感应点的速度。
其中,可以在地铁、人行通道、过街天桥等狭窄通道的出入口、通道关键点安装传感器,可以是多种类型的传感器,例如红外传感器、热敏传感器、雷达传感器或者是基于视频模式识别的人流统计装置。在部署传感器时尽量做到所部署的传感器的感应区覆盖整个狭窄空间。例如,在出入口横断面水平部署两个传感器;过道位置根据传感器感应参数进行部署,如传感器感应范围3米,通道长6米,则可以在3米处横断面部署2个传感器,如图2所示。图2中方块表示传感器部署位置。由于传感器型号不同,感应参数不同,导致在通道内部署的传感器的密度存在一定差异。可以采集在狭窄空间内部署的所有传感器的单个感应点运动速度V和运动方向A。
根据本发明一实施例,该方法可以包括:对传感器的感应区进行网格划分。例如,根据在狭窄空间内安装的传感器的感应区域范围参数信息,对感应区进行网格划分,每个网格进行唯一的网格ID标识,将整个通道形成如图3所示的虚拟化地图。
根据本发明一实施例,可以基于狭窄空间的横向长度、纵向长度和人员的平均步幅确定划分的网格数。
在步骤S200中可以基于单个感应点的速度,计算单个感应点处的人员在所述狭窄空间内的单人滞留时间信息。
根据本发明一实施例,可以将各感应点的速度分解为横向速度和纵向速度。
基于横向速度和狭窄空间的横向长度,计算人员的横向滞留时间。
基于纵向速度和狭窄空间的纵向长度,计算人员的纵向滞留时间。
基于横向滞留时间和纵向滞留时间,计算单人滞留时间信息。
例如,如图4所示,可以利用实时采集到传感器感应的任意运动点速度,通过单个感应点运行方向A,将单个感应点运动速度V在网格的横纵坐标上进行分解,得到横向速度V1,纵向速度V2,得到V2=V1 2+V2 2。
在步骤S300中可以基于狭窄空间内多个感应点的平均速度,计算狭窄空间内的整体滞留时间信息。例如,计算当前通道内人流通行速度:通道内横向人流速度V1’=|∑v1|通道内纵向人流速度V2’=|∑v2|。计算当前通道内人流滞留时间:横向通过时间:纵向通过时间:人流整理滞留时间:T′=T1′2+T2′2。
在步骤S400中可以基于单人滞留时间信息和整体滞留时间信息,判断狭窄空间内是否发生第一类拥堵。
例如,当T′≤T时,可以判定为通道内人流通畅;当T′>T时,可以判定为通道当前可能发生拥塞。
根据本发明一实施例,记录判定发生拥堵的网格的标识符。当判断出通道发生拥塞时,记录当前感应点网格ID。
根据本发明一实施例,该方法还可以包括:使用在狭窄空间内部署的传感器采集狭窄空间内各处的人数信息,其中,人数信息包括感应区内人数、入口处人数、出口处人数。
设感应区内人流数量S,通道入口人流数量S1,通道出口人流数量S2。
根据本发明一实施例,该方法还可以包括:
基于狭窄空间的横向长度、纵向长度和人员的平均速度,计算狭窄空间所能容纳的人数。
基于狭窄空间内感应区内人数、入口处人数、出口处人数,估计狭窄空间内的总人数。人群总数S′=|S1+S-S2|。
基于狭窄空间内的总人数和狭窄空间所能容纳的人数,判断狭窄空间内是否发生第二类拥堵。其中,第二类拥堵为正在发生拥堵的情况,当S′≤D,表示通道内人流通畅;当S′>D,表示通道当前正在拥塞。
根据本发明一实施例,该方法还可以包括:
传感器采集狭窄空间内各处的人数信息还包括入口外感应区人数S3,基于狭窄空间内的总人数和入口外感应区人数,预测人流总数。预测人流总数P=S′+S3。
基于预测人流总数和狭窄空间所能容纳的人数,判断狭窄空间内是否发生第三类拥堵。其中,第三类拥堵为即将发生拥堵情况,用于预测人流变化。当P≤D,表示通道内人流通畅;当P>D,表示通道即将发生拥塞。
可以以时间为横坐标,人群总数为纵坐标,绘制P的趋势曲线图,形成人流变化趋势图。
根据本发明一实施例,该方法可以包括:统计第一类拥堵、第二类拥堵第三类拥堵中已发生的拥堵类型数,确定狭窄空间内的人流的拥堵等级。拥堵等级可包括人流稀疏、人流增加和人流聚集。
根据本发明一实施例,当所述拥堵类型数为1时,将人流拥堵等级确定为人流增加。即当T′>T,S′>D,P>D条件中满足一个条件时,人流变化趋势图呈现阶梯上升,几何图形呈现曲线斜率陡升或几何象限发生转变。
指示采取第一人流引导方案,第一人流引导方案为将在狭窄空间内预设的蛇型栏杆升起和/或使所述自动扶梯提速运行。
可以联动在狭窄空间出入口、自动扶梯入口等预设的蛇型栏杆自动升起,或者将自动扶梯提速运行,降低人流进入速度,提升人流离开速度。
根据本发明一实施例,当拥堵类型数为2时,将人流拥堵等级确定为人流聚集。即当T′>T,S′>D,P>D条件同时满足两个条件时,人流趋势图的几何图形呈现线条断档或出现坐标象限间切换,通道内将出现显著的人群聚集。
指示采取第二人流引导方案,第二人流引导方案包括以下措施中的至少一项:
将在所述狭窄空间内预设的蛇型铁栏杆升起;
切换所述狭窄空间的出入模式;
临时关闭出口或入口;
使双向通行变为单向通行。
此外,在同时满足T′≤T,S′≤D,P≤D三个条件时,人流变化趋势图趋于平稳,几何图形呈现“一”字型分布,表示该通道内人流系数,人流监测实时热力图、人流变化趋势图处于平稳状态,可按照规划设计进行相关常态化人流疏导。
图5示出了根据本发明一实施例的狭窄空间人流变化预测装置的示意性结构框图。如图5所示,装置200包括:采集模块210、第一计算模块220、第二计算模块230和判断模块240。
采集模块210可以使用在狭窄空间内部署的传感器采集狭窄空间内各感应点的速度。
第一计算模块220可以基于单个感应点的速度,计算单个感应点处的人员在狭窄空间内的单人滞留时间信息。
第二计算模块230可以基于狭窄空间内多个感应点的平均速度,计算狭窄空间内的整体滞留时间信息。
判断模块240可以基于单人滞留时间信息和整体滞留时间信息,判断狭窄空间内是否发生第一类拥堵。
根据本发明一实施例,该装置200还可以包括划分模块,划分模块可以对传感器的感应区进行网格划分,以便记录判定发生拥堵的网格的标识符。
根据本发明一实施例,第一计算模块220可以包括:分解单元、第一计算单元、第二计算单元和第三计算单元。
分解单元可以将各感应点的速度分解为横向速度和纵向速度。
第一计算单元可以基于横向速度和狭窄空间的横向长度,计算人员的横向滞留时间。
第二计算单元可以基于纵向速度和狭窄空间的纵向长度,计算人员的纵向滞留时间。
第三计算单元可以基于横向滞留时间和纵向滞留时间,计算单人滞留时间信息。
根据本发明一实施例,该装置200还可以包括:第二采集模块。
第二采集模块可以使用在所述狭窄空间内部署的传感器采集所述狭窄空间内各处的人数信息,其中,所述人数信息包括感应区内人数、入口处人数、出口处人数。
根据本发明一实施例,该装置200还可以包括:第三计算模块、估计模块和第二判断模块。
第三计算模块可以基于狭窄空间的横向长度、纵向长度和人员的平均速度,计算狭窄空间所能容纳的人数。
估计模块可以基于狭窄空间内感应区内人数、入口处人数、出口处人数,估计狭窄空间内的总人数。
第二判定模块可以基于狭窄空间内的总人数和狭窄空间所能容纳的人数,判断狭窄空间内是否发生第二类拥堵。
根据本发明一实施例,该装置200还可以包括:预测模块和第三判断模块。
预测模块可以基于狭窄空间内的总人数和入口外感应区人数,预测人流总数。
第三判断模块可以基于预测人流总数和狭窄空间所能容纳的人数,判断狭窄空间内是否发生第三类拥堵。
根据本发明一实施例,该装置200还可以包括:确定模块、第一指示模块和第二指示模块,
确定模块可以统计第一类拥堵、第二类拥堵以及第三类拥堵中已发生的拥堵类型数,确定狭窄空间内的人流的拥堵等级。当所述拥堵类型数为1时,将所述人流拥堵等级确定为人流增加;当所述拥堵类型数为2时,将所述人流拥堵等级确定为人流聚集。
第一指示模块可以指示采取第一人流引导方案,将在狭窄空间内预设的蛇型栏杆升起和/或使自动扶梯提速运行。
第二指示模块可以指示采取第二人流引导方案,包括以下措施中的至少一项:将在狭窄空间内预设的蛇型铁栏杆升起;切换狭窄空间的出入模式;临时关闭出口或入口;使双向通行变为单向通行。
另外,结合图1描述的本发明实施例的狭窄空间人流变化预测方法可以由计算设备来实现。
图6示出了本发明实施例提供的计算设备的硬件结构示意图。
计算设备可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地,上述处理器301可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器302可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器302可在数据处理装置的内部或外部。在特定实施例中,存储器302是非易失性固态存储器。在特定实施例中,存储器302包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器301通过读取并执行存储器302中存储的计算机程序指令,以实现上述实施例中的任意一种狭窄空间人流变化预测方法。
在一个示例中,计算设备还可包括通信接口303和总线310。其中,如图6所示,处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者,将计算设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
另外,结合上述实施例中的狭窄空间人流变化预测方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种狭窄空间人流变化预测方法。
通过上述方法,可以通过人流感应装置采集的数据预测通道内的人流动向、运动趋势、拥堵情况等,并根据不同的人流变化设置不同的人流疏导方案,能够节约相关管理成本、提高人流疏导效率。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (12)
1.一种狭窄空间人流变化预测方法,其特征在于,所述方法包括:
使用在所述狭窄空间内部署的传感器采集所述狭窄空间内各感应点的人员移动的速度;
基于单个感应点的速度,计算所述单个感应点处的人员在所述狭窄空间内的单人滞留时间信息;
基于所述狭窄空间内多个感应点的平均速度,计算所述狭窄空间内的整体滞留时间信息;
在所述整体滞留时间信息大于所述单人滞留时间信息的情况下,确定所述狭窄空间内发生第一类拥堵;
所述基于所述狭窄空间内多个感应点的平均速度,计算所述狭窄空间内的整体滞留时间信息,包括:
基于所述各感应点的人员移动的速度,计算所述多个感应点的平均速度;
将所述平均速度分解为横向平均速度和纵向平均速度;
基于所述横向平均速度和所述狭窄空间的横向长度,计算横向整体滞留时间;
基于所述纵向平均速度和所述狭窄空间的纵向长度,计算纵向整体滞留时间;
基于所述横向整体滞留时间和所述纵向整体滞留时间,计算所述整体滞留时间信息;
所述方法还包括:
对所述传感器的感应区进行网格划分;以及
记录判定发生拥堵的网格的标识符。
2.根据权利要求1所述的方法,其特征在于,所述对传感器的感应区进行网格划分的步骤包括:
基于所述狭窄空间的横向长度、纵向长度和所述人员的平均步幅确定划分的网格数。
3.根据权利要求1所述的方法,其特征在于,所述基于单个感应点的速度,计算所述单个感应点处的人员在所述狭窄空间内的单人滞留时间信息的步骤包括:
将所述各感应点的速度分解为横向速度和纵向速度;
基于所述横向速度和所述狭窄空间的横向长度,计算所述人员的横向滞留时间;
基于所述纵向速度和所述狭窄空间的纵向长度,计算所述人员的纵向滞留时间;以及
基于所述横向滞留时间和所述纵向滞留时间,计算所述单人滞留时间信息。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
使用在所述狭窄空间内部署的传感器采集所述狭窄空间内各处的人数信息,其中,所述人数信息包括感应区内人数、入口处人数、出口处人数。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述狭窄空间的横向长度、纵向长度和所述人员的平均速度,计算所述狭窄空间所能容纳的人数;
基于所述狭窄空间内感应区内人数、入口处人数、出口处人数,估计所述狭窄空间内的总人数;以及
基于所述狭窄空间内的总人数和所述狭窄空间所能容纳的人数,判断所述狭窄空间内是否发生第二类拥堵。
6.根据权利要求5所述的方法,其特征在于,所述人数信息还包括入口外感应区人数,所述方法还包括:
基于所述狭窄空间内的总人数和所述入口外感应区人数,预测人流总数;以及
基于所述预测人流总数和所述狭窄空间所能容纳的人数,判断所述狭窄空间内是否发生第三类拥堵。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
统计所述第一类拥堵、第二类拥堵以及第三类拥堵中已发生的拥堵类型数,确定所述狭窄空间内的人流的拥堵等级。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
当所述拥堵类型数为1时,将所述人流拥堵等级确定为人流增加;以及
指示采取第一人流引导方案,所述第一人流引导方案为将在所述狭窄空间内预设的蛇型栏杆升起和/或使自动扶梯提速运行。
9.根据权利要求7所述的方法,其特征在于,
当所述拥堵类型数为2时,将所述人流拥堵等级确定为人流聚集;以及
指示采取第二人流引导方案,所述第二人流引导方案包括以下措施中的至少一项:
将在所述狭窄空间内预设的蛇型铁栏杆升起;
切换所述狭窄空间的出入模式;
临时关闭出口或入口;
使双向通行变为单向通行。
10.一种狭窄空间人流变化预测装置,其特征在于,所述装置包括:
采集模块,用于使用在所述狭窄空间内部署的传感器采集所述狭窄空间内各感应点的速度;
第一计算模块,用于基于单个感应点的速度,计算所述单个感应点处的人员在所述狭窄空间内的单人滞留时间信息;
第二计算模块,用于基于所述狭窄空间内多个感应点的平均速度,计算所述狭窄空间内的整体滞留时间信息;
判断模块,用于在所述整体滞留时间信息大于所述单人滞留时间信息的情况下,确定所述狭窄空间内发生第一类拥堵;
所述第二计算模块,具体用于基于所述各感应点的速度,计算所述多个感应点的平均速度;
将所述平均速度分解为横向平均速度和纵向平均速度;
基于所述横向平均速度和所述狭窄空间的横向长度,计算横向整体滞留时间;
基于所述纵向平均速度和所述狭窄空间的纵向长度,计算纵向整体滞留时间;
基于所述横向整体滞留时间和所述纵向整体滞留时间,计算所述整体滞留时间信息;
所述装置还包括:
划分模块,用于对所述传感器的感应区进行网格划分;以及
记录判定发生拥堵的网格的标识符。
11.一种计算设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436564.XA CN109961166B (zh) | 2017-12-26 | 2017-12-26 | 狭窄空间人流变化预测方法、装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436564.XA CN109961166B (zh) | 2017-12-26 | 2017-12-26 | 狭窄空间人流变化预测方法、装置、计算设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109961166A CN109961166A (zh) | 2019-07-02 |
CN109961166B true CN109961166B (zh) | 2021-11-23 |
Family
ID=67022417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711436564.XA Active CN109961166B (zh) | 2017-12-26 | 2017-12-26 | 狭窄空间人流变化预测方法、装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961166B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540162A (zh) * | 2020-04-17 | 2020-08-14 | 佛山科学技术学院 | 一种基于树莓派的人流预警系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102047298A (zh) * | 2008-05-29 | 2011-05-04 | 西门子公司 | 通过群速度的现象识别对象流中的反常性的方法 |
CN104899948A (zh) * | 2015-06-05 | 2015-09-09 | 北京京东尚科信息技术有限公司 | 一种封闭空间拥堵监测方法和系统 |
CN105575187A (zh) * | 2016-02-04 | 2016-05-11 | 广州极飞电子科技有限公司 | 空中交通网络的描述方法及描述系统 |
CN105793889A (zh) * | 2013-12-04 | 2016-07-20 | 株式会社日立制作所 | 人流引导系统以及人流引导方法 |
CN106228209A (zh) * | 2016-07-21 | 2016-12-14 | 中国地质大学武汉 | 一种基于rfid的公共场合人流量监控方法 |
CN106815792A (zh) * | 2016-12-21 | 2017-06-09 | 中国矿业大学 | 一种基于黑箱理论计算建筑物内人员疏散时间的方法 |
-
2017
- 2017-12-26 CN CN201711436564.XA patent/CN109961166B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102047298A (zh) * | 2008-05-29 | 2011-05-04 | 西门子公司 | 通过群速度的现象识别对象流中的反常性的方法 |
CN105793889A (zh) * | 2013-12-04 | 2016-07-20 | 株式会社日立制作所 | 人流引导系统以及人流引导方法 |
CN104899948A (zh) * | 2015-06-05 | 2015-09-09 | 北京京东尚科信息技术有限公司 | 一种封闭空间拥堵监测方法和系统 |
CN105575187A (zh) * | 2016-02-04 | 2016-05-11 | 广州极飞电子科技有限公司 | 空中交通网络的描述方法及描述系统 |
CN106228209A (zh) * | 2016-07-21 | 2016-12-14 | 中国地质大学武汉 | 一种基于rfid的公共场合人流量监控方法 |
CN106815792A (zh) * | 2016-12-21 | 2017-06-09 | 中国矿业大学 | 一种基于黑箱理论计算建筑物内人员疏散时间的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109961166A (zh) | 2019-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3900394B2 (ja) | 配車システム | |
US9008954B2 (en) | Predicting impact of a traffic incident on a road network | |
CN106778632A (zh) | 轨道交通大客流识别预警系统和方法 | |
CN112623919B (zh) | 一种基于计算机视觉的自动扶梯智能监控管理系统 | |
CN114353804B (zh) | 火灾应急疏散路径规划方法、装置、智能终端及存储介质 | |
CN104809879A (zh) | 基于动态贝叶斯网络的高速公路路段交通状态估计方法 | |
CN105488751A (zh) | 一种地铁站客流微观统计与调度方法 | |
KR101584263B1 (ko) | 지하철 객실 별 실시간 냉난방 제어 시스템 | |
JP2018002037A (ja) | 混雑率予想システム及び方法 | |
Xie et al. | Development of a comprehensive framework for video-based safety assessment | |
JP4910432B2 (ja) | 車両混雑状況予測システム及び方法、プログラム | |
Liu et al. | Simulation of passenger motion in metro stations during rush hours based on video analysis | |
CN109961166B (zh) | 狭窄空间人流变化预测方法、装置、计算设备及存储介质 | |
CN114819418B (zh) | 一种车站客流控制方法、装置、设备及可读存储介质 | |
CN107000960B (zh) | 疏散控制器 | |
CN114399726B (zh) | 实时智能监测客流及预警的方法和系统 | |
CN104575049A (zh) | 一种基于阵列雷达的高架匝道智能诱导方法及装置 | |
CN117035198A (zh) | 城市轨道交通车站客流状态识别与管控方法 | |
CN113297294B (zh) | 一种基于大数据和云计算的高速公路监控管理方法及云监控管理平台 | |
Zheng et al. | Toward real-time congestion measurement of passenger flow on platform screen doors based on surveillance videos analysis | |
CN113860104B (zh) | 一种基于计算机视觉的电梯群控性能指标计算系统和方法 | |
CN116323456B (zh) | 升降机的监视系统 | |
CN219303132U (zh) | 一种地铁通道状态显示装置 | |
CN116234765B (zh) | 升降机的监视系统 | |
CN112249849B (zh) | 一种地铁自动扶梯人流量监测方法 |
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 |