CN110481606B - 基于视觉识别技术的地铁客流引导系统及方法 - Google Patents

Abstract

本发明基于视觉识别技术的地铁客流引导系统及方法，具体指根据正态分布预测人流密度的地铁客流引导系统及方法，涉及地铁客流引导技术领域。本发明系统包括视频识别装置，服务器，列车信息处理器，实时引导限流显示屏及电源模块以电信号方式连接。本发明地铁客流引导方法，包括步骤：A实时采集入口总人数，站台的摄像机实时采集当前积压的总人数......及H将限流引导人数LP显示在限流实时引导显示屏。本发明的技术效果克服了人为引导随意性强，导致经常出现站台人员严重拥挤，大部分上不了车，或者列车有效载客过少，外面排队客流剧增现象，达到了在列车到达前合理引到适当客流人数进去站台，既提高了列车运行效率，还减少了不必要工作岗位人员。

Description

基于视觉识别技术的地铁客流引导系统及方法

技术领域

本发明涉及地铁客流引导技术领域，具体指一种基于视觉识别技术获取地铁客流人数信息，基于符合正态分布数据模型预测人流密度的地铁客流引导系统及方法。

背景技术

地铁作为一种交通工具，其便捷准时，越来越受到人们的青睐。随着越来越多的人选择地铁出行，地铁的客流管控问题越来越受到重视。特别在工作日早晚高峰，客流集中度明显加剧，在个别车站已经超出车站客流最大运营承载能力。为了进一步缓解高峰大客流压力，挖潜增效，在增运力无法有效降低运营压力的情况下，协同各车站进行有效限流引导成为优化运营的一项重要手段。现在某些对进出站人数进行限流的车站，引导的方式主要通过人工协作完成，客流实时分布情况往往依赖人工目测或者视频监控进行估计。由于主观随机性较大或者图像采集时人像之间易遮挡，准确性较低。基于以上问题，对客流引导进行研究，如提出基于图像采集技术的地铁站台客流引导系统，该系统是基于车厢内的摄像头采集客流信息，通过地铁运营方的数据库与处理中枢对客流信息进行分析处理，得出客流引导信息，同时显示在站台门上侧的屏幕上，实时显示列车客流信息。此外，如公开的″地铁客流信息引导系统设计方案″，该设计思路全部取决于AFC(售检票系统)的数据，然后根据售检票来设计引导，因数据过于简单。又如″一种地铁客流预测预警系统及方法与流程″，该专利采用无线AP采用移动终端数据反推人数，但实际上现有客流中因小孩、老人还不具备移动终端，故存在数据误差较大等等。

发明内容

本发明的目的在于克服现有技术存在的缺失和不足，提出一种基于视觉识别技术获取人数信息，基于符合正态分布数据模型预测人流密度的地铁客流引导系统及方法。

本发明采用的技术方案

一种基于视觉识别技术的地铁客流引导系统，包括：视频识别装置，服务器，列车信息处理器，实时引导显示屏及电源模块以电信号方式连接。

其中，安装于车站出入口或是站厅、站台、楼梯的，用于人数统计的基于视频识别技术的若干个摄像机，与摄像机连接的网络交换机装置以及所述摄像机或网络交换机装置连接的视频分析服务器。

所述视频分析服务器内置有被监测出入口、楼梯或是站厅、站台的设备数据库以及统计分析数据库，用于根据所述摄像机采集的视频信号进行统计分析，获取出去人数，进入人流，区域实时人数。

所述摄像机装置包括设备属性、配置、参数编程设置软件，以及视频采集卡，与所属视频分析服务器相连，用于将视频信号送至视频分析服务器分析视频数据。

所述电源模块，用于将220伏市电转换为直流电向所述摄像机装置、视频采集卡提供工作电源。

所述服务器，用于运行限流引导算法软件的计算机，包括计算总人流量与设定的阈值TH进行比较运算。

所述列车信息处理器，用于获取列车信息，列车信息处理器连接至服务器，用于服务器获取列车信息。

所述实时引导显示屏，用于限流引导人数，包括各出入口摄像机装置实时人数，出入口累计人数，以及站台摄像机装置实时人数的显示。

一种基于视觉识别技术的地铁客流引导方法：

首先、根据正态分布数据模型预测人流密度，经过一段时间样本统计，每天早高峰的5分钟客流进站值的统计数据符合正态分布排列特征(如附图1所示)。

为了应用方便，常对正态分布变量X作变量变换。

正态分布有两个参数，即期望(均数)μ和标准差σ，σ²为方差

正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N(μ，σ²)。

经调查统计一段时间得出均数值为μ＝230，标准差为σ＝9.6。

正态曲线下，横轴区间(μ-σ，μ+σ)内的面积为68.268949％。

P{|X-μ|＜σ}＝2φ(1)-1＝0.6826

横轴区间(μ-1.96σ，μ+1.96σ)内的面积为95.449974％。

P{|X-μ|＜2σ}＝2φ(2)-1＝0.9544

横轴区间(μ-2.58σ，μ+2.58σ)内的面积为99.730020％。

P{|X-μ|＜3σ}＝2φ(3)-1＝0.9974

取68.26％概率条件下进行限流，即限流上限为240，下限为220人，设置该数值为限流区间的上下限。

进一步，包括以下步骤：

1.入口总人数实时采集：设置于各出入口、楼梯摄像机装置实时采集通过的人流量，站台的摄像机装置实时采集区域积压的人流量。

2.视频分析服务器计算出入口人数：视频分析服务器将各出入口摄像机装置采集到的人流量数据保存至统计分析数据库，供服务器使用。

3.服务器计算总人流量：通过计算机计算出的出入口总人数TP与设定的阈值TH进行比较。

4.服务器计算相邻4个限流车站一定时间段内的客流增速、本站客流增速。

根据实际进入站台人数，即楼梯摄像机设备获取到进入站台的人数，以此获取到本站的客流增速。

5.服务器根据本站及其他相邻4个限流车站的增速，计算得到平均偏移因子DEL。

其中，

所述五个车站：为本站及相邻四个限流车站。

统计五个限流车站客流增速Δ：

Δ＝当前五分钟客流进入值-上五分钟客流进入值

所述五个限流车站分别为Δ1，Δ2，Δ3，Δ4，Δ5

列车离站时取两个最近的五分钟的客流参与计算Δ

偏移值▲i＝Δi-(Δ1+Δ2+Δ3+Δ4+Δ5)/5

▲i为对第i个限流车站计算公式。

6.服务器根据站台实时人数，获取校正因子BET。

7.通过列车信息处理器获取即将到站列车编组，获取到列车最大运力人数TC。

限流引导人数LP＝TC-DEL-BET。

8.将LP显示在实时限流引导显示屏。

本发明的关键点

1，本限流方法可以实时提示在每个列车周期放行最优人数，避免过去通过人为预估放行的随意性和不确定性，既提高了列车高峰时运载的效率，也提高了乘客的舒适度。

2，通过限流区间的设计，可以容纳客流的弹性更大，避免客流出现小幅波动时，导致频繁启动或关闭限流的操作。

3，添加修正值和偏移值设计，考虑其他站客流增速及其站台人数，可以推测车厢拥挤程度和站台拥挤程度，可以更好计算在舒适环境下还能容纳客流的变化。

综上所述本发明的技术效果：

在客流引导方法之前，人为引导随意性强，导致经常出现站台人员严重拥挤，大部分上不了车，或者列车有效载客过少，外面排队客流剧增。

采用本方法客流引导，可以在列车到达前合理引到适当客流人数进去站台，既提高了列车运行效率，还减少了不必要工作岗位人员。

附图说明

图1为正态分布排列特征示意图；

图2为本发明基于视觉识别技术的地铁客流引导系统连接示意框图；

图3为本发明实施例的地铁客流引导方法流程框图。

具体实施方式

以下结合附图和实施例对本发明作进一步描述

一种基于视觉识别技术的地铁客流引导系统(如附图2所示)，包括：视频识别装置1，服务器2，列车信息处理器3，实时限流引导显示屏4及电源模块以电信号方式连接。

其中，所述视频设备装置1为若干的摄像机及经网络交换机连接的视频分析服务器；

所述服务器2为一运行限流引导算法软件计算机，包括计算总人流量与设定的阈值TH进行比较运算等；

所述列车信息处理器3为一用于获取即将到站列车编组、列车最大运力人数TC信息；

所述实时限流引导显示屏4包括实时显示限流引导人数，各出入口摄像机实时采集人数，出入口累计人数，以及站台摄像机实时人数。

所述摄像机安装于车站出入口或是站厅、站台、楼梯的，用于人数统计；

所述视频分析服务器内置有被监测出入口、楼梯或是站厅、站台的设备数据库以及统计分析数据库，用于根据所述摄像机实时采集的视频信号进行统计分析，获取出去人数，进入人数，区域实时人数。

所述摄像机装置包括设备属性、配置、参数编程设置软件，以及视频采集卡，与所属视频分析服务器相连，用于将视频信号送至视频分析服务器分析视频数据；

所述电源模块，用于将220伏市电转换为直流电向所述摄像机11、视频采集卡提供工作电源。

实施例：

一种基于视觉识别技术的地铁客流引导方法(如附图3所示)，包括如下步骤：

A.通过设置于各出入口、楼梯、站台的摄像机实时采集入口总人数。

其中，

所述出入口数据采集，主要是统计进站人数，判定5分钟的进站人数决定是否进入限流区间。

所述楼梯数据采集，主要是统计放行时，从站厅进入站台的人数，当站厅进入站台的人数达到建议放行人数时，停止放行。

所述站台数据采集，主要统计站台当前积压的人数，当积压人数的数量对应不同的校正因子。

B.经视频分析服务器计算出入口人数数据并保存至统计分析数据库，供服务器使用。

C.服务器计算总人流量数TP与设定的阈值范围上限TH1，下限TH2进行比较。

本实施例取68.26％概率条件下进行限流，即限流上限为240，下限为220人。

总人数TP小于或等于阈值TH2，不启用限流，在限流引导子模块处不显示数字，用3个星号(＊)占位显示。

总人数TP大于阈值TH1，启用限流，在实时限流引导显示屏显示数字。

D.服务器计算平均偏移因子DEL。

进一步，统计五个限流车站客流增速Δ：

所述五个车站即包括本站和相邻四个限流车站；

Δ＝当前五分钟客流进入值-上五分钟客流进入值

五个限流车站分别为Δ1，Δ2，Δ3，Δ4，Δ5。

列车离站时取两个最近的五分钟的客流参与计算Δ

偏移值▲i＝Δi-(Δ1+Δ2+Δ3+Δ4+Δ5)/5

▲i为对第i个限流车站计算公式。

E.服务器根据站台实时人数，获取校正因子BET。

所述校正因子BET为多梯度模式，为一段时间调查统计得出的计算常数：

站台人数为200人以上(含)bet＝30

站台人数为150～200人之间(含)，bet＝20

站台人数为120～150人之间(含)，bet＝15

站台人数为90～120人之间(含)，bet＝10

站台人数为60～90人之间(含)，bet＝5

站台人数为60人以下，bet＝0

所述一定时间指即符合概率论统计样本的时间，可以为3分钟，5分钟或者10分钟，本实施例均取5分钟。

所述相邻4个限流车站是指根据统计分析，本线上客流变化对本站有显著影响的4个车站，根据统计数据得出的4个车站。

服务器计算限流引导人数LP＝TC-DEL-BET

TC为一常数，本实施例取8节编组Tc为180；4节编组TC为90。

F.通过列车信息处理器获取即将到站列车编组，获取到列车最大运力人数TC。

G.服务器计算限流引导人数LP＝TC-DEL-BET。

H.将限流引导人数LP显示在限流实时引导显示屏。

如上所述，本发明限流方法可以实时提示在每个列车周期放行最优人数，避免过去通过人为预估放行的随意性和不确定性，既提高了列车高峰时运载的效率，也提高了乘客的舒适度。

2，通过限流区间的设计，可以容纳客流的弹性更大，避免客流出现小幅波动时，导致频繁限流启动和关闭的操作。

3，添加修正值和偏移值设计，考虑其他站客流增速及其站台人数，可以推测车厢拥挤程度和站台拥挤程度，可以更好计算在舒适环境下还能容纳客流的变化。

综上所述本发明的技术效果

客流引导方法之前，人为引导随意性强，导致经常出现站台人员严重拥挤，大部分上不了车，或者列车有效载客过少，外面排队客流剧增。

采用本方法客流引导，可以在列车到达前合理引到适当客流人数进去站台，既提高了列车运行效率，还减少了不必要工作岗位人员。

Claims (4)

1.一种基于视觉识别技术的地铁客流引导系统，其特征在于，包括视频识别装置（1），服务器（2），列车信息处理器（3），实时限流引导显示屏（4）及电源模块以电信号方式连接；

其中，所述视频识别装置（1）为包括若干的摄像机及经网络交换机连接的视频分析服务器；

所述服务器（2）为一运行限流引导算法软件的计算机，包括：

A.通过设置于各出入口、楼梯的摄像机实时采集统计入口总人数，站台的摄像机实时采集统计当前积压的总人数TPD；

B.视频分析服务器计算出入口人数数据并保存至统计分析数据库，供服务器使用；

C.计算总人流量TP与设定的阈值范围区间比较：总人数TP小于或等于阈值区间下限TH2，不启用限流，显示屏界面上，用3个星号*占位显示；总人数TP大于阈值区间上限TH1，启用限流；

D.服务器计算平均偏移因子DEL，服务器根据实际进入站台人数，即楼梯摄像机获取到进入站台的人数， 对设定单位时间内的客流进行统计，当前五分钟减去之前五分钟的差值为增速，若差值为正，表示人流上升；若差值为负，表示人流下降；获取校正因子BET；

E.通过列车信息处理器获取即将到站列车编组，获取到列车最大运力人数TC；

F.服务器计算限流引导人数LP = TC-DEL-BET；

所述列车信息处理器（3）为一用于获取即将到站列车编组、列车到站时间、列车最大运力人数TC；

所述实时限流引导显示屏（4）包括实时显示各出入口摄像机实时采集人数，出入口累计人数，站台摄像机实时人数，当前是否限流或者限流状态时建议限流引导人数LP。

2.如权利要求1所述的基于视觉识别技术的地铁客流引导系统，其特征在于，所述摄像机安装于车站出入口或是站厅、站台、楼梯的，用于人数统计；

所述视频分析服务器内置有被监测出入口、楼梯或是站厅、站台的设备数据库以及统计分析数据库，用于根据所述摄像机实时采集的视频信号进行统计分析，获取出去人数，进入人数，区域实时人数。

3.如权利要求1所述的基于视觉识别技术的地铁客流引导系统，其特征在于，所述摄像机包括设备属性、配置、参数编程设置软件，以及视频采集卡，与所属视频分析服务器相连，用于将视频信号送至视频分析服务器分析视频数据。

4.如权利要求1所述的基于视觉识别技术的地铁客流引导系统，其特征在于，所述D步骤，还包括：

D1.根据本站及其他相邻4个限流车站的客流增速，计算得到平均偏移因子DEL；

D2.所述校正因子BET，为多梯度模式。

Images