CN111259714B - 一种地铁列车车厢客流检测与预测及站台候车诱导系统 - Google Patents
一种地铁列车车厢客流检测与预测及站台候车诱导系统 Download PDFInfo
- Publication number
- CN111259714B CN111259714B CN201910925432.6A CN201910925432A CN111259714B CN 111259714 B CN111259714 B CN 111259714B CN 201910925432 A CN201910925432 A CN 201910925432A CN 111259714 B CN111259714 B CN 111259714B
- Authority
- CN
- China
- Prior art keywords
- carriage
- passenger
- passenger flow
- train
- waiting
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Abstract
本发明公开了一种地铁列车车厢客流检测与预测及站台候车诱导系统,该系统包括进出车厢客流的检测装置、车厢客流密度预测模块、乘客候车诱导信息生成模块和乘客候车诱导信息发布装置;进出车厢客流的检测装置采集乘客上下车及携带行李箱的图像信息;所述车厢客流密度预测模块预测列车到达未来站台时各车厢的标准成人下车的客流数量以及车厢剩余标准载客能力;乘客候车诱导信息生成模块生成客流候车诱导方案;乘客候车诱导信息发布装置发布候车诱导信息,指引乘客到最佳位置排队候车;本发明可用于优化列车运行时刻表,有效减少乘客候车排队时间、减少列车在站时间、增加列车的满载率,均衡站台与车厢的客流拥挤密度,增加乘客的乘车环境舒适度。
Description
技术领域
本发明属于地铁乘客诱导与管理领域,具体涉及一种地铁列车车厢客流检测与预测及站台候车诱导系统。
技术背景
地铁因具有运量大、速度快、准时等优点,在各大城市快速发展,至2017年12月,我国已有35个城市开通地铁,运营里程超过5000km。近年来,随着城市化进程的加快,城市人口规模增加,道路交通拥堵日益严重,城市地铁的客流量日益增长。2017年,广州地铁线网总客运量达到28.03亿人次,日均运客767.82万人,单日最高客运量1002.6万人次,客流强度达2.54万乘次/公里·日,居国内轨道交通首位。特别是重点换乘站点,高峰小时最大满载率超120%,如广州体育西路站,2018年至今日均客流量达56.85万人次,高峰期更是人满为患,乘客上车排队时间大大增加,且极易发生踩踏事件。
由于地铁站台很长,有120~200米,每节车厢的空间有限,易出现站台候车乘客选择停留在楼梯口、电梯口附近站台候车的情况,导致整个站台候车排队不均。一方面,部分列车门乘客拥挤而增加屏蔽门加人夹物的风险性,增加上下车时间,限制了发车频率;另一方面,车厢人数分布不均,造成车厢空间利用率低,从而导致列车运行效率降低,增加了运行成本。同时,乘客候车位置不合理,增加了上车距离和时间。因此需要实时检测每节车厢上下车客流、计算车厢客流密度、预测列车到达未来站台时车厢剩余载客能力,根据客流上下通道楼梯口的位置将车厢分区进行乘客候车位置诱导。
为解决上述问题,目前采用的是人工疏导方式,即通过视频监控车站站内客流情况,安排站台工作人员进行人为诱导,或通过站台广播进语音播报,人工监控容易疲劳、效率低、出错率高,且仅考虑当前站台的客流情况而不考虑车厢剩余载客能力,从而导致候车区域乘客上下车拥挤,上车时间不均,车厢内乘客分布不均的现象。另外,人工或广播诱导客流候车耗费人力,乘客易错过信息,导致乘客体验度差。
此外,目前地铁客流检测与预测的相关研究成果有:
(1)用于地铁车站的客流监控装置及方法(CN106982334A)、轨道交通站台乘客候车位置诱导系统及方法(CN107403235A):提出了基于视频监控的站台密度检测系统,但是仅反映了站台的客流密度、忽略了车厢密度的重要性;
(2)地铁站台客流诱导方法、系统及其部署方法(CN106203550A):提出了基于RFID读写器的列车车厢密度检测系统;
(3)一种基于视频分析的地铁车厢客流统计方法、装置及系统(CN107491715A):提出了一种车厢顶置式视频监控图像跟踪方法实现车厢客流统计;但是这两种检测方式精确度低。
(4)一种基于人头检测的客流统计方法(CN106778638A):提出了一种通过提取前景目标、基于Hough变换等图像处理技术实现客流统计的理论方法。
(5)国内学者提出了基于地铁刷卡数据的客流拥挤度提取与客流预测方法研究、基于神经网络的地铁滑梯客流预测、基于Kalman滤波的短时换乘客流量预测等地铁客流预测研究成果
上述成果均是针对地铁整个站点与站台的宏观客流检测与预测;列车车厢客流检测的成果主要有车厢顶置式视频检测、称重检测、地铁卡检测等,但是精确度低;此外,关于地铁车厢客流预测的研究成果几乎没有。
目前,地铁客流诱导相关研究成果有:
(1)一种地铁候车诱导装置(CN206819693U):该权利保护了:一种对应车厢拥挤程度显示不同颜色的光面板,在安全门数字面板和安全门编号显示板显示不同颜色表示各车厢拥挤度,根据不同拥挤度提醒乘客是否在特定的安全门前候车,在文字信息播报面板进行提示乘客选择拥挤度小的车厢上车等,能够有效让乘客了解及选择拥挤度小的车厢前进行候车;
(2)轨道交通站台乘客候车位置诱导系统及方法(CN107403235A):通过视频数据获得不同时间站台候车乘客分布情况,并将数据存储到站台候车客流信息数据库,采集不同扶梯、楼梯与站点出入口最佳衔接对应信息,采集站台不同候车位置到不同扶梯、楼梯的距离信息,以站台处候车乘客均衡程度和乘客下车走行距离最佳化为原则进行客流诱导。
(3)地铁站台客流诱导方法、系统及其部署方法(CN106203550A):该权利保护了:分别在监控大屏、电梯口、楼梯口以及各车厢的候车门口位置以文字和或颜色显示各车厢的拥挤等级。国内学者也提出了通过在安全门上方设置站台显示屏发布客流诱导信息。
上述成果均是提出了一种地铁客流诱导装置,没有涉及与客流诱导系统相互结合的统一性系统设计,且没有涉及利用地铁现有的站台悬挂式电视机进行客流诱导信息发布。
因此,在地铁运营方的角度上,为地铁列车发车频率设计提供依据、减少列车在站时间、提高车厢满载率和运营效益;在乘客的角度上,减少候车排队时间,增加乘车环境舒适度。同时,避免上述技术缺陷,本发明提出了一种轨道交通列车客流预测及站台候车诱导系统,精确检测地铁车厢人数并预测下一站下车人数,然后基于车厢密度进行客流诱导,适应了当前轨道交通无人驾驶的趋势,为轨道交通无人驾驶技术的发展奠定基础。
发明内容
本发明要解决的技术问题是解决现有客流监控与诱导技术存在的耗费人力、检测精度低、车厢乘客分布不均、乘客上下车时间不均、列车在站时间长、运行成本高等问题,提供了一种地铁列车车厢客流检测与预测及站台候车诱导系统。
本发明至少通过如下技术方案之一实现。
一种地铁列车车厢客流检测与预测及站台候车诱导系统,该系统包括进出车厢客流的检测装置、车厢客流密度预测模块、乘客候车诱导信息生成模块和乘客候车诱导信息发布装置;
所述进出车厢客流的检测装置为基于机器视觉识别的地铁进出车厢客流的监控装置,安装于地铁列车门与站台屏蔽门之间的上方位置,实时采集每个列车门乘客上下车及携带行李箱的图像信息,并自动识别成人、小孩、行李箱及判断进出车箱的上下车方向,将采集的数据传输至所述车厢客流密度预测模块;
所述车厢客流密度预测模块基于实时上下车客流检测数据及客流递推算法,以各个车厢为独立单元,预测列车到达未来站台时各车厢的标准成人下车的客流数量以及车厢剩余标准载客能力;
所述乘客候车诱导信息生成模块根据各车车厢密度、车厢剩余标准载客能力及车厢所在站台位置与乘客候车空间,以候车乘客在站台各车门处的排队空间分布与即将到达的列车各车厢内剩余载客能力相匹配为目标,生成客流候车诱导方案;
所述乘客候车诱导信息发布装置包括固定式信息发布装置和移动式信息发布装置,所述乘客候车诱导信息发布装置发布候车诱导信息,指引乘客到最佳位置排队候车;
所述进出车厢客流的检测装置、车厢客流密度预测模块、乘客候车诱导信息生成模块、和乘客候车诱导信息发布装置依次连接。
进一步的,所述车厢客流密度预测模块用于预测列车到达未来站台时各车厢的标准成人下车的客流数量以及车厢剩余标准载客能力,具体包括以下步骤:
(2.1)基于进出车厢客流的检测装置检测各站各列车门进出的成人、小孩和行李箱数量,将小孩和行李箱按照调查确定的折算系数折合为标准成人客流量,进而运用递推算法,获得列车到达各站点时,各车厢下车的标准成人客流量;折算系数按照统计成人、小孩、行李箱所占面积比例系数的调查结果确定。
所述递推算法如下:
假设某轨道交通线路一共有N个站点,该线路的列车一共有M个车厢,当列车到达第i个站点而未打开车门时,第j节车厢中总标准成人客流量为Pij;打开车门后下车的标准成人客流量为OFFij,得到乘客下车后的车厢载客量等于车厢总标准成人客流量减去下车的标准成人客流量Pij-OFFij;上车的标准成人客流量为ONij;已知始发站下车标准成人客流量和终点站上车标准成人客流量均为0,则有:
P1j=0;OFF1j=0;ONNj=0;j=1,…,M;
忽略各车厢之间乘客的流动,根据递推模型、起始-到达模型,有:
P1j=ON1j;
Pij=P(i-1)j-OFF(i-1)j+ON(i-1)j;
则当列车到达第i个站点时,第j节车厢下车的标准成人客流量OFFij,递推公式为:
OFFij=Pij+ONij-P(i+1)j;
i=1,…,N;
j=1,…,M;
(2.2)根据所检测的前k趟列车到该站时各车厢人数与对应各车门的下车人数、历史对应时间特性的列车到该站时各车厢人数与对应各车门下车人数数据、本次列车已过站点的站台密度与车厢密度相关性的特征数据,以各个车厢为独立单元,运用非参数回归或神经网络或深度学习方法,预测本次列车到达未来站台时各车厢的下车人数,具体如下:
假设当第t趟次列车到达第i个站点时,第j节车厢中百分比为χij的标准成人客流下车,则下车标准成人客流量为χijPij,则根据列车客流波动规律在短时间内存在相似性,则该线路第t趟次列车的客流下车特性与前k趟次列车具有相关性,运用移动平均法,有:
其中χij为下车标准成人客流的百分比;χijt为该线路第t趟次列车到达第i个站点时,第j节车厢中下车的标准成人客流的百分比;ONijt为该线路第t趟次列车到达第i个站点时,第j节车厢上车的标准成人客流;P(i+1)jt、Pijt分别表示该线路第t趟次列车到达第i+1个站点、第i个站点时第j节车厢的实际载客标准成人数量;
当第t趟次列车在到达第i个站点时,预测第j节车厢下车客流的标准成人数量为OFFijt',预测算法为:
所述时间特性是指根据工作日、节假日、周末、早晚高峰、同一时间段的客流出行行为相似的时间特性;
(2.3)根据各车厢的下车标准客流量历史预测值与历史实测值进行对比,运用二项式函数或指数函数或对数函数或幂函数等进行回归分析,获得修正函数,进行修正车厢下车标准客流量的预测值,具体如下:
将P组历史最近时间段的历史实测值与各车厢的下车人数历史预测值进行对比,获得修正函数γ,修正算法为:
OFFijt *=γ(OFFijt')
其中,OFFijt *为第i个站点第j节车厢的下车标准成人客流量修正预测值;
(2.4)最后,根据列车离站后的实测车厢载客标准成人客流量减去到达未来站台时各车厢的下车标准成人客流量修正预测值,得到列车到达未来站台时的车厢载客数,进而获得列车到达未来站台时的车厢密度;车厢最大载客能力减去车厢载客数得到车厢剩余标准载客能力;
所述车厢客流密度预测模块将各车车厢密度和车厢剩余标准载客能力的数据传输至所述乘客候车诱导信息生成模块中。
进一步的,所述乘客候车诱导信息生成模块生成客流候车诱导方案,具体如下:
(3.1)根据站台扶梯口、楼梯口或电梯口的客流分布特性,将站台候车车门位置按照就近原则与候车站台面积划分候车区域,客流量越大的出入口,划分的候车车门位置与候车区域面积越多;
(3.2)将已经划分的某候车区域内对应的车厢客流密度进行密度值升序排序,选取密度值最低的车厢,标定为最优车厢,然后将最优车厢以列车门为单元均分车厢子区域,根据车厢子区域预测的最大可容纳乘客数、剩余的乘客上车时间与对应站台候车空间大小的综合评价系数,选取2个或3个为最优候车车门;
(3.3)输出该区域最优候车车门编号的客流诱导信息到对应的扶梯口、楼梯口和电梯口的乘客候车诱导信息发布装置。
进一步的,所述固定式信息发布装置包括固定式光幕、固定式LED电子板、彩色灯带和站台悬挂式电视机;所述移动式信息发布装置包括可移动式LED电子板、可移动式光幕和移动手机。
进一步的,固定式信息发布装置的安装位置包括:彩色灯带安装于站台屏蔽门车灯上方;LED电子板或光幕安装于屏蔽门车灯上放位置、或者屏蔽门上或是屏蔽门旁边半透明玻璃板上、或者是扶梯口、楼梯口、电梯口迎面可见的垂直墙壁上,或者将诱导信息发布于地铁现有的站台悬挂式电视机荧屏上。
进一步的,乘客候车诱导信息发布装置发布的信息包括车厢状态信息和乘客候车位置诱导指示信息:
(6.2)乘客候车位置诱导指示信息:将候车站台根据扶梯口、楼梯口或电梯口所在位置客流出入口划分候车区域,同时在客流出入口的距离最近的车厢的所有屏蔽门上发布诱导指示信息,依据就近原则,诱导乘客前往该区域内密度最小车厢对应屏蔽门外排队候车,该指示信息包括:
1)建议候车的屏蔽门编号,指示候车区;
2)诱导箭头,指示前往候车区的方向。
进一步的,移动式信息发布装置中的信息包括下一趟即将进站列车的各车厢编号、车厢拥挤度对应的颜色、车厢剩余标准载客能力以及推荐候车的屏蔽门编号。
进一步的,所述进出车厢客流的检测装置包括3D摄像头和VGA((Video GraphicsArray))摄像头。
进一步的,所述进出车厢客流的检测装置还包括激光扫描仪。
与现有的技术相比,本发明的有益效果为:
1.本发明基于站台门与列车之间的进出车厢客流检测装置进行实际客流量检测,相比现有车厢视频检测、称重检测等车厢客流密度技术,本发明方法检测精度更高,进一步地在此基础上进行的客流预测值的精度也将会更为准确;
2.本发明提出了检测识别成人、小孩和行李箱,将小孩和行李箱按照一定的折算系数(通过调查获得)折合为标准成人客流量,在此基础上进行车厢密度及剩余载客能力计算,充分考虑了列车载客与载物的占地面积特性,计算准确度更高,也更符合实际运营管理需求;
3.本发明可以有效减少乘客候车排队时间、减少列车在站时间、增加列车的满载率,均衡站台与车厢的客流拥挤密度,增加乘客的乘车环境舒适度。
4.本发明提出了可实时检测和预测各站上下客流量方法,可用于优化列车运行时刻表,可有效提高列车运行效率和节约列车运行成本。
附图说明
图1是本发明一种地铁列车车厢客流检测与预测及站台候车诱导系统结构图;
图2是本发明一种地铁列车车厢客流检测与预测及站台候车诱导系统流程图;
图3是本发明进出车厢客流的检测装置的检测过程示意图;
图4是本发明车厢客流密度预测模块的预测流程图;
图5是本发明的轨道交通列车上下车乘客人数递推示意图;
图6本发明的站台乘客候车诱导信息发布位置示意图;
图7是本发明的站台乘客候车诱导信息发布形式示意图;
图8是本发明公开的站台乘客候车诱导信息发布于移动式信息发布装置的示意图;
其中:1-进出车厢客流的检测装置,2-车厢客流密度预测模块,3-乘客候车诱导信息生成模块,4-乘客候车诱导信息发布装置;41-固定式信息发布装置,42-移动式信息发布装置。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
如图1所示,本实施案例提供一种地铁列车车厢客流检测与预测及站台候车诱导系统,该系统包括进出车厢客流的检测装置1、车厢客流密度预测模块2、乘客候车诱导信息生成模块3和乘客候车诱导信息发布装置4;所述乘客候车诱导信息发布装置4包括固定式信息发布装置41和移动式信息发布装置42。
所述进出车厢客流的检测装置、车厢客流密度预测模块、乘客候车诱导信息生成模块、和乘客候车诱导信息发布装置依次连接。
所述进出车厢客流的检测装置1为基于机器视觉识别的地铁进出车厢客流的视觉检测装置,主要由视觉传感器和图像处理单元组成,所述视觉传感器为3D摄像头和VGA((Video Graphics Array))摄像头组成,安装在列车门与站台屏蔽门之间上方,实时采集每个列车门乘客上下车及携带行李箱的深度图像和RGB图像画面信息,所述图像处理单元将采集的深度图像与RGB图像结合构建该检测区域的3D图像,所述进出车厢客流的检测装置1的检测区域是长为a,宽为b的矩形,检测区域完全覆盖站台屏蔽门与列车门的水平空间,如图3所示。
所述进出车厢客流的检测装置1对3D图像数据进行空洞修复、前景提取、候选人头及行李箱生成,根据人头图像为圆球形或椭圆球体形的特征和行李箱外形为长方体特征的差别,以及高度差别(如行李箱高度小于1m),实现乘客与行李箱的识别与计数,根据乘客高度(如大于1.5m为成人)划分成人与小孩两类。
进一步,所述进出车厢客流的检测装置1识别该检测区域内的乘客人头并跟踪其运动轨迹,通过判断轨迹在检测区域内的行进方向,标定该乘客为上车或下车,获得列车各车门上下车成人、小孩和行李箱数量,再将小孩和行李箱按照调查确定的折算系数折合为标准成人客流量(折算具体以0.5个标准成人折算),进而获得列车各车厢上下车的标准成人客流量,并把标准成人客流量检测结果通过网络或串口发送到车厢客流密度预测模块2。折算系数按照统计成人、小孩、行李箱所占车厢面积比例系数的调查结果确定。
如图4所示,所述车厢客流密度预测模块2根据但不仅限于以下内容进行实时客流量的滚动预测:
(2.1)获得某线路列车在各站点各车厢下车的乘客数量:
基于进出车厢客流的检测装置检测各站各列车门进出的标准成人客流量,进而运用递推算法,获得列车到达各站点时,各车厢下车的标准成人客流量;
所述递推算法如下:
假设某轨道交通线路一共有N个站点,该线路的列车一共有M个车厢,当列车到达第i个站点未打开车门时,第j节车厢总标准成人客流量为Pij;打开车门后下车的标准成人客流量为OFFij,可计算得到乘客下车后的车厢载客量等于车厢总标准成人客流量减去下车的标准成人客流量(Pij-OFFij);上车的标准成人客流量为ONij;已知始发站下车标准成人客流量和终点站上车标准成人客流量均为0,则有:
P1j=0;OFF1j=0;ONNj=0;j=1,…,M;
如图5所示,假设各车厢之间乘客的流动是可忽略的,根据递推模型、起始-到达模型,有:
P1j=ON1j;
Pij=P(i-1)j-OFF(i-1)j+ON(i-1)j;
则当列车到达第i个站点时,第j节车厢下车的标准成人客流量OFFij,递推公式为:
OFFij=Pij+ONij-P(i+1)j;
i=1,…,N;
j=1,…,M;
(2.2)预测某线路列车在各站点各车厢下车的乘客数量:
根据所检测的前k趟列车到该站时各车厢人数和对应车门的下车人数特性的数据、历史对应时间特性的列车到该站时各车厢人数和对应车门的下车人数特性的数据、本次列车已过站点的站台密度等与车厢密度具有相关性的数据,以各个车厢为独立单元,运用非参数回归或者BP神经网络或深度学习算法,预测地铁列车到达未来站台时列车各车厢的下车人数。
假设当第t趟次列车到达第i个站点时,第j节车厢中百分比χij的标准成人客流下车,则下车标准成人客流量为χijPij,则根据列车客流波动规律在短时间内存在相似性,则该线路第t趟次列车的客流下车特性与前k趟次列车具有相关性,本实施例k取值范围定义为[5,30],取整数,运用移动平均法,有:
χij为下车标准成人客流的百分比;χijt为该线路第t趟次列车到达第i个站点时,第j节车厢中下车的标准成人客流的百分比;ONijt为该线路第t趟次列车到达第i个站点时,第j节车厢上车的标准成人客流;P(i+1)jt、Pijt分别表示该线路第t趟次列车到达第i+1个站点、第i个站点时第j节车厢的实际载客标准成人数量。
当第t趟次列车在到达第i个站点时,预测第j节车厢下车客流的标准成人数量为OFFij',预测算法为:
(2.3)根据修正函数对预测结果进行修正:
将P组(本实施例P取值范围定义为[5,30],取整数)历史最近时间段的历史实测值与各车厢的下车人数历史预测值进行对比,运用二项式函数、指数函数、对数函数或幂函数等进行回归分析,获得修正函数γ,则获得修正预测值:
OFFijt *=γ(OFFijt')
其中,OFFijt *为第i个站点第j节车厢的下车标准成人客流量修正预测值;
(2.4)最后,根据列车离站后的实测车厢载客标准成人客流量减去到达未来站台时各车厢的下车标准成人客流量修正预测值,得到列车到达未来站台时的车厢载客数,进而获得列车到达未来站台时的车厢密度;车厢最大载客能力减去车厢载客数得到车厢剩余载客能力;
所述车厢客流密度预测模块2将各车厢密度和车厢剩余载客能力的数据传输至所述乘客候车诱导信息生成模块3中。
所述乘客候车诱导信息生成模块3用于生成客流候车诱导方案,保证候车乘客在站台各车门处的排队空间分布与即将到达的列车各车厢内剩余载客能力相匹配,节约乘客上下车时间,使得列车在站时间最短,生成客流候车诱导方案具体为:
(3.1)根据站台扶梯口、楼梯口或电梯口的客流分布特性,综合考虑就近原则与站台候车面积将站台候车车门划分为若干个区域,将站台候车车门位置按照就近原则与候车站台面积划分区域,客流量越大的出入口,划分的候车车门位置与候车面积越多;
(3.2)将已经划分的某区域内的车厢客流密度进行密度升序排序,选取密度最低的车厢,标定为最优车厢,然后将最优车厢以列车门为单位均分车厢子区域(一般每节车厢有五个车门,则划分为五个子区域),根据车厢子区域预测的最大可容纳乘客数、剩余的乘客上车时间与对应站台候车空间大小的综合评价系数,选取2个或3个最优候车车门;
(3.3)输出该区域最优候车车门编号到对应的扶梯口、楼梯口和电梯口的乘客候车诱导信息发布装置4。
所述乘客候车诱导信息发布装置4包括固定式信息发布装置41和移动式信息发布装置42;所述固定式信息发布装置41包括固定式信息发布光幕、LED电子板、彩色灯带、站台悬挂式电视机;所述移动式信息发布装置42包括可移动式LED电子板、可移动式光幕和移动手机,移动式信息发布装置42中的信息包括下一趟即将进站列车的各车厢编号、车厢拥挤度对应的颜色、车厢剩余标准载客能力以及推荐候车的屏蔽门编号。
如图6所示,所述乘客候车诱导信息发布装置4安装位置包括:彩色灯带安装于屏蔽门车灯上方;LED电子板或光幕安装于1~B个屏蔽门车灯上的位置,如图6中的①位置;或者屏蔽门上或是屏蔽门编号旁边半透明玻璃板上,如图6中的②位置;或者是扶梯口、楼梯口、电梯口迎面可见的墙壁上,如图6中的③位置;或者将诱导信息发布于地铁现有的站台悬挂式电视机荧屏上,如图6中的④位置。
如图7所示,所述乘客候车诱导信息发布装置4,其发布的客流诱导信息包括以下两方面:
(4.1)车厢状态信息:车厢编号、剩余载客能力及车厢密度的状态颜色,车厢密度的状态颜色具体划分如下:
车厢密度较低时,呈舒适状态时,信息发布装置显示绿色;
车厢密度较高时,呈拥挤状态时,信息发布装置显示黄色;
车厢密度接近饱和时,呈拥堵状态时,信息发布装置显示红色;
(4.2)乘客候车位置诱导指示信息:将候车站台根据扶梯口、楼梯口或电梯口所在位置等客流出入口划分候车区域,同时在客流出入口的距离最近的车厢的所有屏蔽门上发布诱导指示信息,包括:
1)建议候车的屏蔽门编号,指示候车区;
2)诱导箭头,指示前往候车区的方向,比如:请往X\Y\Z号车门候车。
依据就近原则,诱导乘客前往该区域内密度最小车厢对应屏蔽门外排队候车,诱导箭头与屏蔽门编号呈深绿色。
如图8所示,所述移动式信息发布装置42将下一趟即将进站列车的各车厢编号、车厢拥挤度颜色、车厢剩余载客容量、以及推荐候车的屏蔽门编号等信息内容发布于手机或(和)可移动式光幕或(和)可移动式LED电子板。包括如图8所示形式发布诱导信息,但不局限于该形式。
如图2所示,本发明的一种地铁列车车厢客流检测与预测及站台候车诱导系统,实现列车客流预测及站台乘客候车诱导方法,包括以下步骤:
步骤1、所述进出车厢客流的检测装置1安装于每个列车门与站台屏蔽门之间的上方位置,每一个进出车厢客流的检测装置1分别实时采集对应列车门乘客上下车的画面图像信息和自动识别进出每个列车门的成人、小孩和行李数量,并折算成上下标准成人客流量,并将数据传输至所车厢客流密度预测模块2;
步骤2、所述车厢客流密度预测模块2统计本趟列车各列车门的上下车乘客数量,进而运用递推算法预测列车行进各站点时的下车人数,获得实时的车厢载客人数与车厢密度,划分车厢拥挤状态,在此基础上进行预测列车到达未来站台时的车厢密度与剩余载客能力;
步骤3、所述乘客候车诱导信息生成模块3根据车厢密度和车厢剩余载客能力以及根据客流上下通道楼梯口的位置将车厢分区生成客流候车诱导方案并输出至所述乘客候车诱导信息发布装置4中;
步骤4、所述乘客候车诱导信息发布装置4发布客流诱导信息进行乘客候车位置诱导。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种地铁列车车厢客流检测与预测及站台候车诱导系统,其特征在于,该系统包括进出车厢客流的检测装置、车厢客流密度预测模块、乘客候车诱导信息生成模块和乘客候车诱导信息发布装置;
所述进出车厢客流的检测装置为基于机器视觉识别的地铁进出车厢客流的监控装置,安装于地铁列车门与站台屏蔽门之间的上方位置,实时采集每个列车门乘客上下车及携带行李箱的图像信息,并自动识别成人、小孩、行李箱及判断进出车厢的上下车方向,将采集的数据传输至所述车厢客流密度预测模块;
所述车厢客流密度预测模块基于实时上下车客流检测数据及客流递推算法,以各个车厢为独立单元,预测列车到达未来站台时各车厢的标准成人下车的客流数量以及车厢剩余标准载客能力;
所述乘客候车诱导信息生成模块根据各车车厢密度、车厢剩余标准载客能力及车厢所在站台位置与乘客候车空间,以候车乘客在站台各车门处的排队空间分布与即将到达的列车各车厢内剩余载客能力相匹配为目标,生成客流候车诱导方案;
所述乘客候车诱导信息发布装置包括固定式信息发布装置和移动式信息发布装置,所述乘客候车诱导信息发布装置发布候车诱导信息,指引乘客到最佳位置排队候车;
所述进出车厢客流的检测装置、车厢客流密度预测模块、乘客候车诱导信息生成模块、和乘客候车诱导信息发布装置依次连接;
所述车厢客流密度预测模块用于预测列车到达未来站台时各车厢的标准成人下车的客流数量以及车厢剩余标准载客能力,具体包括以下步骤:
(2.1)基于进出车厢客流的检测装置检测各站各列车门进出的成人、小孩和行李箱数量,将小孩和行李箱按照调查确定的折算系数折合为标准成人客流量,进而运用递推算法,获得列车到达各站点时,各车厢下车的标准成人客流量;折算系数按照统计成人、小孩、行李箱所占面积比例系数的调查结果确定;
所述递推算法如下:
假设某轨道交通线路一共有N个站点,该线路的列车一共有M个车厢,当列车到达第i个站点而未打开车门时,第j节车厢中总标准成人客流量为Pij;打开车门后下车的标准成人客流量为OFFij,得到乘客下车后的车厢载客量等于车厢总标准成人客流量减去下车的标准成人客流量Pij-OFFij;上车的标准成人客流量为ONij;已知始发站下车标准成人客流量和终点站上车标准成人客流量均为0,则有:
P1j=0;OFF1j=0;ONNj=0;j=1,…,M;
忽略各车厢之间乘客的流动,根据递推模型、起始-到达模型,有:
P1j=ON1j;
Pij=P(i-1)j-OFF(i-1)j+ON(i-1)j;
则当列车到达第i个站点时,第j节车厢下车的标准成人客流量OFFij,递推公式为:
OFFij=Pij+ONij-P(i+1)j;
i=1,…,N;
j=1,…,M;
(2.2)根据所检测的前k趟列车到第i个站点时各车厢人数与对应各车门的下车人数、历史对应时间特性的列车到第i个站点时各车厢人数与对应各车门下车人数数据、本次列车已过站点的站台密度与车厢密度相关性的特征数据,以各个车厢为独立单元,运用非参数回归或神经网络或深度学习方法,预测本次列车到达未来站台时各车厢的下车人数,具体如下:
假设当第t趟次列车到达第i个站点时,第j节车厢中百分比为χij的标准成人客流下车,则下车标准成人客流量为χijPij,则根据列车客流波动规律在短时间内存在相似性,则该线路第t趟次列车的客流下车特性与前k趟次列车具有相关性,运用移动平均法,有:
其中χij为下车标准成人客流的百分比;χijt为该线路第t趟次列车到达第i个站点时,第j节车厢中下车的标准成人客流的百分比;ONijt为该线路第t趟次列车到达第i个站点时,第j节车厢上车的标准成人客流;P(i+1)jt、Pijt分别表示该线路第t趟次列车到达第i+1个站点、第i个站点时第j节车厢的实际载客标准成人数量;
当第t趟次列车在到达第i个站点时,预测第j节车厢下车客流的标准成人数量为OFFijt',预测算法为:
所述时间特性是指根据工作日、节假日、周末、早晚高峰、同一时间段的客流出行行为相似的时间特性;
(2.3)根据各车厢的下车标准客流量历史预测值与历史实测值进行对比,运用二项式函数或指数函数或对数函数或幂函数进行回归分析,获得修正函数,进行修正车厢下车标准客流量的预测值,具体如下:
将P组历史最近时间段的历史实测值与各车厢的下车人数历史预测值进行对比,获得修正函数γ,修正算法为:
OFFijt *=γ(OFFijt')
其中,OFFijt *为第i个站点第j节车厢的下车标准成人客流量修正预测值;
(2.4)最后,根据列车离站后的实测车厢载客标准成人客流量减去到达未来站台时各车厢的下车标准成人客流量修正预测值,得到列车到达未来站台时的车厢载客数,进而获得列车到达未来站台时的车厢密度;车厢最大载客能力减去车厢载客数得到车厢剩余标准载客能力;
所述车厢客流密度预测模块将各车车厢密度和车厢剩余标准载客能力的数据传输至所述乘客候车诱导信息生成模块中。
2.根据权利要求1所述的一种地铁列车车厢客流检测与预测及站台候车诱导系统,其特征在于,所述乘客候车诱导信息生成模块生成客流候车诱导方案,具体如下:
(3.1)根据站台扶梯口、楼梯口或电梯口的客流分布特性,将站台候车车门位置按照就近原则与候车站台面积划分候车区域,客流量越大的出入口,划分的候车车门位置与候车区域面积越多;
(3.2)将已经划分的某候车区域内对应的车厢客流密度进行密度值升序排序,选取密度值最低的车厢,标定为最优车厢,然后将最优车厢以列车门为单元均分车厢子区域,根据车厢子区域预测的最大可容纳乘客数、剩余的乘客上车时间与对应站台候车空间大小的综合评价系数,选取2个或3个为最优候车车门;
(3.3)输出该区域最优候车车门编号的客流诱导信息到对应的扶梯口、楼梯口和电梯口的乘客候车诱导信息发布装置。
3.根据权利要求1所述的一种地铁列车车厢客流检测与预测及站台候车诱导系统,其特征在于,所述固定式信息发布装置包括固定式光幕、固定式LED电子板、彩色灯带和站台悬挂式电视机;所述移动式信息发布装置包括可移动式LED电子板、可移动式光幕和移动手机。
4.根据权利要求1所述的一种地铁列车车厢客流检测与预测及站台候车诱导系统,其特征在于,固定式信息发布装置的安装位置包括:彩色灯带安装于站台屏蔽门车灯上方;LED电子板或光幕安装于屏蔽门车灯上方位置、或者屏蔽门上或是屏蔽门旁边半透明玻璃板上、或者是扶梯口、楼梯口、电梯口迎面可见的垂直墙壁上,或者将诱导信息发布于地铁现有的站台悬挂式电视机荧屏上。
5.根据权利要求1所述的一种地铁列车车厢客流检测与预测及站台候车诱导系统,其特征在于,乘客候车诱导信息发布装置发布的信息包括车厢状态信息和乘客候车位置诱导指示信息:
(6.2)乘客候车位置诱导指示信息:将候车站台根据扶梯口、楼梯口或电梯口所在位置客流出入口划分候车区域,同时在客流出入口的距离最近的车厢的所有屏蔽门上发布诱导指示信息,依据就近原则,诱导乘客前往该区域内密度最小车厢对应屏蔽门外排队候车,该指示信息包括:
1)建议候车的屏蔽门编号,指示候车区;
2)诱导箭头,指示前往候车区的方向。
6.根据权利要求1所述的一种地铁列车车厢客流检测与预测及站台候车诱导系统,其特征在于,移动式信息发布装置中的信息包括下一趟即将进站列车的各车厢编号、车厢拥挤度对应的颜色、车厢剩余标准载客能力以及推荐候车的屏蔽门编号。
7.根据权利要求1所述的一种地铁列车车厢客流检测与预测及站台候车诱导系统,其特征在于,所述进出车厢客流的检测装置包括3D摄像头和VGA摄像头。
8.根据权利要求1所述的一种地铁列车车厢客流检测与预测及站台候车诱导系统,其特征在于,所述进出车厢客流的检测装置还包括激光扫描仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910925432.6A CN111259714B (zh) | 2019-09-27 | 2019-09-27 | 一种地铁列车车厢客流检测与预测及站台候车诱导系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910925432.6A CN111259714B (zh) | 2019-09-27 | 2019-09-27 | 一种地铁列车车厢客流检测与预测及站台候车诱导系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259714A CN111259714A (zh) | 2020-06-09 |
CN111259714B true CN111259714B (zh) | 2022-04-12 |
Family
ID=70946665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910925432.6A Active CN111259714B (zh) | 2019-09-27 | 2019-09-27 | 一种地铁列车车厢客流检测与预测及站台候车诱导系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259714B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6980139B1 (ja) * | 2020-07-15 | 2021-12-15 | 三菱電機株式会社 | 特別車両運行システム及び特別車両運行方法 |
CN112037469B (zh) * | 2020-09-02 | 2022-04-01 | 武汉理工大学 | 一种面向邮轮上特殊乘员监护的行踪预警系统 |
CN112365130B (zh) * | 2020-10-21 | 2024-04-16 | 北京市地铁运营有限公司地铁运营技术研发中心 | 轨道交通一体化智能控制调度系统 |
CN112398558B (zh) * | 2020-11-24 | 2023-04-07 | 中铁第一勘察设计院集团有限公司 | 适用于地铁列车全自动驾驶检修区域的登车信息提示系统 |
CN112465213B (zh) * | 2020-11-24 | 2022-07-26 | 卡斯柯信号有限公司 | 一种地铁乘客信息服务系统的辅助装置及方法 |
CN114604291A (zh) * | 2020-12-04 | 2022-06-10 | 深圳市奥拓电子股份有限公司 | 一种基于显示屏的客流引导方法及显示控制系统 |
CN112507555A (zh) * | 2020-12-07 | 2021-03-16 | 郑州捷安高科股份有限公司 | 一种车站客流模拟仿真方法、控制方法和模拟仿真系统 |
CN112785044B (zh) * | 2020-12-31 | 2021-11-23 | 广州交信投科技股份有限公司 | 公共交通工具的实时满载率预测方法、装置、设备和介质 |
CN112862196A (zh) * | 2021-02-19 | 2021-05-28 | 青岛理工大学 | 一种基于模糊逻辑理论的地铁站台乘客分布预测系统 |
CN112896242B (zh) * | 2021-02-26 | 2022-05-03 | 佳都科技集团股份有限公司 | 一种轨道交通的乘客乘车行为状态更新方法及装置 |
CN112819382B (zh) * | 2021-03-01 | 2024-01-02 | 东南大学 | 基于设施利用率的地铁车厢内乘客密度的确定方法 |
JP2022156369A (ja) * | 2021-03-31 | 2022-10-14 | 株式会社日立ビルシステム | 人流管理システム及び人流管理方法 |
DE102021208244A1 (de) | 2021-07-29 | 2023-02-02 | Siemens Mobility GmbH | Verfahren und System zum Überwachen einer Verteilung von Fahrgästen innerhalb eines Fahrzeugs zur Personenbeförderung |
CN114021796B (zh) * | 2021-10-27 | 2023-09-12 | 北京轨道交通路网管理有限公司 | 城市轨道交通控流方法、装置及非易失性存储介质 |
CN114283577A (zh) * | 2021-11-10 | 2022-04-05 | 国电南京自动化股份有限公司 | 基于实时称重的客流密度和客流载重指数计算方法 |
CN114822261A (zh) * | 2022-05-10 | 2022-07-29 | 成都唐源智控技术有限责任公司 | 一种地铁乘客候车引导方法 |
CN115588298B (zh) * | 2022-10-28 | 2023-12-29 | 广州地铁集团有限公司 | 一种基于机器视觉的城轨客流广播诱导方法 |
CN115907416A (zh) * | 2022-12-20 | 2023-04-04 | 北京思维实创科技有限公司 | 城市轨道交通车站导乘方法、系统、终端设备及存储介质 |
CN116347715B (zh) * | 2023-05-31 | 2023-08-08 | 广州新科佳都科技有限公司 | 一种区域灯光控制方法、系统、设备及存储介质 |
CN117273285B (zh) * | 2023-11-21 | 2024-02-02 | 北京市运输事业发展中心 | 基于轨道交通大客流站的客运数据采集系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204993663U (zh) * | 2015-08-28 | 2016-01-20 | 中电科二十二所(青岛)天博信息科技公司 | 一种地铁车厢客流密度监控系统 |
CN106203550A (zh) * | 2016-07-06 | 2016-12-07 | 中南大学 | 地铁站台客流诱导方法、系统及其部署方法 |
CN106373421A (zh) * | 2016-11-30 | 2017-02-01 | 中冶赛迪工程技术股份有限公司 | 一种城市轨道交通车站乘客引导系统及方法 |
CN107784258A (zh) * | 2016-08-31 | 2018-03-09 | 南京三宝科技股份有限公司 | 地铁人流密度实时监测方法 |
CN108416315A (zh) * | 2018-03-16 | 2018-08-17 | 杜永波 | 一种地铁进站口客流疏导系统 |
CN108515990A (zh) * | 2018-03-29 | 2018-09-11 | 上海工程技术大学 | 一种地铁车厢载客情况检测播报系统及方法 |
CN108960133A (zh) * | 2018-07-02 | 2018-12-07 | 京东方科技集团股份有限公司 | 乘客流量监控的方法、电子设备、系统以及存储介质 |
CN109085790A (zh) * | 2017-06-14 | 2018-12-25 | 上海大学 | 一种基于智慧城市的地下交通乘客引导系统 |
CN109323785A (zh) * | 2018-11-28 | 2019-02-12 | 浙江科技学院 | 地铁车厢拥挤度提前预报装置及其预报方法 |
CN109977927A (zh) * | 2019-04-25 | 2019-07-05 | 苏州雷格特智能设备股份有限公司 | 一种列车乘客拥挤度预警系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7139409B2 (en) * | 2000-09-06 | 2006-11-21 | Siemens Corporate Research, Inc. | Real-time crowd density estimation from video |
-
2019
- 2019-09-27 CN CN201910925432.6A patent/CN111259714B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204993663U (zh) * | 2015-08-28 | 2016-01-20 | 中电科二十二所(青岛)天博信息科技公司 | 一种地铁车厢客流密度监控系统 |
CN106203550A (zh) * | 2016-07-06 | 2016-12-07 | 中南大学 | 地铁站台客流诱导方法、系统及其部署方法 |
CN107784258A (zh) * | 2016-08-31 | 2018-03-09 | 南京三宝科技股份有限公司 | 地铁人流密度实时监测方法 |
CN106373421A (zh) * | 2016-11-30 | 2017-02-01 | 中冶赛迪工程技术股份有限公司 | 一种城市轨道交通车站乘客引导系统及方法 |
CN109085790A (zh) * | 2017-06-14 | 2018-12-25 | 上海大学 | 一种基于智慧城市的地下交通乘客引导系统 |
CN108416315A (zh) * | 2018-03-16 | 2018-08-17 | 杜永波 | 一种地铁进站口客流疏导系统 |
CN108515990A (zh) * | 2018-03-29 | 2018-09-11 | 上海工程技术大学 | 一种地铁车厢载客情况检测播报系统及方法 |
CN108960133A (zh) * | 2018-07-02 | 2018-12-07 | 京东方科技集团股份有限公司 | 乘客流量监控的方法、电子设备、系统以及存储介质 |
CN109323785A (zh) * | 2018-11-28 | 2019-02-12 | 浙江科技学院 | 地铁车厢拥挤度提前预报装置及其预报方法 |
CN109977927A (zh) * | 2019-04-25 | 2019-07-05 | 苏州雷格特智能设备股份有限公司 | 一种列车乘客拥挤度预警系统 |
Non-Patent Citations (1)
Title |
---|
基于图像采集技术的地铁站台客流引导系统研究;庞梦圆等;《都市快轨交通》;20170430;第37-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111259714A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111259714B (zh) | 一种地铁列车车厢客流检测与预测及站台候车诱导系统 | |
CN112598182B (zh) | 一种轨道交通智能调度方法及系统 | |
CN107758460A (zh) | 电梯系统 | |
CN115186516B (zh) | 交通枢纽的行人仿真模型构建方法、电子设备及存储介质 | |
CN110626891B (zh) | 用于改进的电梯调度的系统和方法 | |
CN110395298B (zh) | 一种客流智能引导系统及方法 | |
CN111553314B (zh) | 一种城市轨道交通乘客指引系统及指引方法 | |
EP2738060A1 (en) | Passenger guidance system for guidance of passengers within a public transportation vehicle | |
CN110084397B (zh) | 一种地铁直达线路规划方法 | |
WO2016056692A1 (ko) | 지하철 객실 별 실시간 냉난방 제어 시스템 | |
CN113034894A (zh) | 一种etc门架系统、高速公路路段封闭预警方法及装置 | |
CN112124379A (zh) | 一种基于地铁客流分析的站台引导方法 | |
Zhou et al. | Field observation and analysis of waiting passengers at subway platform—A case study of Beijing subway stations | |
CN112365130A (zh) | 轨道交通一体化智能控制调度系统 | |
CN114781712A (zh) | 一种基于多源数据融合的地铁车站客流引导系统 | |
JP4910432B2 (ja) | 車両混雑状況予測システム及び方法、プログラム | |
CN114707709A (zh) | 铁路综合客运枢纽安全预警方法及系统 | |
CN116542404B (zh) | 一种客运枢纽场站抵站旅客接续换乘时间的预测方法 | |
CN110852658A (zh) | 地铁站客流组织系统及方法 | |
CN110222619A (zh) | 一种基于地铁屏蔽门显示装置的列车人流疏导方法及其系统 | |
Zhou et al. | Risk analysis of crowd gathering on metro platforms during large passenger flow | |
CN214504490U (zh) | 地铁车厢载客情况预警与引导系统 | |
CN114872757A (zh) | Oled智能透明显示车窗与站台乘车引导的联动系统 | |
CN111762203A (zh) | 一种基于热成像的交互式站台门乘客分配引导系统及方法 | |
CN111762199A (zh) | 一种全景图像识别的乘客候车引导站台门系统及方法 |
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 |