CN111640164A - 一种量化城市轨道交通车站标识可见域的方法 - Google Patents

一种量化城市轨道交通车站标识可见域的方法 Download PDF

Info

Publication number
CN111640164A
CN111640164A CN202010458631.3A CN202010458631A CN111640164A CN 111640164 A CN111640164 A CN 111640164A CN 202010458631 A CN202010458631 A CN 202010458631A CN 111640164 A CN111640164 A CN 111640164A
Authority
CN
China
Prior art keywords
visible
mark
identifier
farthest
domain
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.)
Granted
Application number
CN202010458631.3A
Other languages
English (en)
Other versions
CN111640164B (zh
Inventor
徐杰
陈益雯
贾利民
秦勇
张慧
梁梦迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202010458631.3A priority Critical patent/CN111640164B/zh
Publication of CN111640164A publication Critical patent/CN111640164A/zh
Application granted granted Critical
Publication of CN111640164B publication Critical patent/CN111640164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种量化城市轨道交通车站标识可见域的方法。包括：根据城市轨道交通车站的结构设施的几何尺寸按观察偏离角度将标识的最远可见距离划分为多个区间，根据正态分布再生定理构建各个区间的标识最远可见距离的枢轴量函数；设定标识最远可见距离区间估计的置信度水平，在置信度水平下利用枢轴量函数进行标记最远可见距离的区间估计；以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域。本发明能够准确地标定和校核指定车站设施结构和特定属性特征的标识可见域，准确地量化在城市轨道交通车站中导向标识的可见域，评价车站内采用的标识属性和标识的设置方式是否合理。

Description

一种量化城市轨道交通车站标识可见域的方法
技术领域
本发明涉及城市轨道交通技术领域，尤其涉及一种量化城市轨道交通车站标识可见域的方法。
背景技术
城市轨道交通系统作为城市交通的骨干网络，有很大比例的商务、旅游等非通勤和通学客流，这些客流不熟悉车站走行设施的流线路径。同时车站大多为地下车站，客流无法直接看到地面上的目的地或目的建筑物，方位不易辨别，必须要依靠导向标识进行走行方向的判别。因此，导向标识的有效区域—标识可见域的量化对于标识的选择和在车站内部的设置方式、设置数量具有很大的指导意义。
目前关于标志可见域的相关研究较少，相关研究大多针对标识设计规范、定性分析标识辨识影响因素，或是从行人运动规律、站内布局等角度讨论如何提高标识引导效率。而影响标识可见域的因素众多，且不同的讨论对象应考虑的因素存在差异，例如对于道路交通，影响道路标识可见域的因素主要受道路速度限制、道路等级的影响，而对于城市轨道交通站内标识，则需要额外考虑站内标识特有的标识类型、站内设施布局、站内标识设置方式、标识设置数量和标识的视觉北京等。而标识最远可见距离与标识可见域之间存在关系，在实际中前者可通过测量得到，而后者不行，因此如若要量化某一标识或某一具体设施布局条件下的标识可见域，需借助一定的数学模型和方法。
现有技术中的标识可见域的研究方法普遍认为标识自身属性因素(样式、尺寸、颜色搭配、材料)对标识可见域有主要影响，其中标识样式搭配可用图案、文字和箭头三元素描述，尺寸为信息携带面积，颜色搭配指底色与内容颜色搭配方式，城市轨道交通站内的材料分为磷光型与电光型。从人获取标识信息的角度考虑，已有研究表明观察偏离角度对标识最远可见距离有较大影响。因素对标识可见域影响机理研究方法方面，普遍通过实际调研、实验、VR等获取研究所需基础数据，并借助数据分析方法、元胞自动机理论、数理公式等方法研究因素对标识可见距离或可见域的影响机理模型。
上述现有技术中的标识可见域的研究方法的缺点为：
(1)考虑因素单一，缺少对于影响相关要素的综合研究。标识可见域影响因素较多，但已有研究或是单独考虑某一因素，或考虑因素较少，或忽略因素之间的相互作用，使得研究成果有一定的局限性。
(2)针对城市轨道交通车站标识可见域的研究较少。已有研究主要针对建筑内标识，或道路交通标识，而针对城市轨道交通站内标识特性而进行的可见域研究较少。
发明内容
本发明的实施例提供了一种量化城市轨道交通车站标识可见域的方法，以克服现有技术的问题。
为了实现上述目的，本发明采取了如下技术方案。
一种量化城市轨道交通车站标识可见域的方法，包括：
根据城市轨道交通车站的结构设施的几何尺寸按观察偏离角度将标识的最远可见距离划分为多个区间，根据正态分布再生定理构建各个区间的标识最远可见距离的枢轴量函数；
设定标识最远可见距离区间估计的置信度水平，在所述置信度水平下利用所述枢轴量函数进行标记最远可见距离的区间估计；
以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域。
优选地，所述的根据城市轨道交通车站的结构设施的几何尺寸按观察偏离角度将标识的最远可见距离划分为多个区间，包括：
获取客流在城市轨道交通车站各类型设施处对于标识的依赖度，车站内产生路径选择的结构设施的几何尺寸和结构特征，根据所述结构设施的几何尺寸和结构特征将标记的观察偏离角度划分为0-10°、10-20°、20-30°、30-40°、40-50°、50-60°、60-70°、70-80°和80-90°9个不同区间。
优选地，所述的根据正态分布再生定理构建各个区间的标识最远可见距离的枢轴量函数，包括：
给出各子区间内标志最远可见距离95％置信区间，利用雅克-贝拉公式检验样本数据是否符合正态分布，
Figure BDA0002510160840000021
式中，JB为雅克-贝拉检验值，n为样本总数，样本数据为各区间的标记的最远可见距离,
S为样本偏度，利用下式计算，
Figure BDA0002510160840000031
K为样本峰度，利用下式计算，
Figure BDA0002510160840000032
若检验值JB＞0.05，则样本数据服从正态分布；
当根据检验值JB判断标识的最远可见距离分布符合正态曲线后，设各区间内标志最远可见距离的平均值为
Figure BDA0002510160840000033
根据正态分布再生定理构建标识最远可见距离的枢轴量函数
Figure BDA0002510160840000034
Figure BDA0002510160840000035
式中，
Figure BDA0002510160840000036
为区间i内标识最远可见距离平均值，
Figure BDA0002510160840000037
为区间i内样本均值，ni为区间i内的样本总数，Sn-1，i为区间i内的样本标准差。
优选地，所述的设定标识最远可见距离区间估计的置信度水平，在所述置信度水平下利用所述枢轴量函数进行标记最远可见距离的区间估计，包括：
标识最远可见距离的枢轴量函数
Figure BDA0002510160840000038
与区间i内样本X和
Figure BDA0002510160840000039
有关，服从自由度为ni-1的t分布且与无关，作为枢轴量函数区间i内各因素影响下di的95％置信区间，查正太分布表得给定置信水平α＝95％；
Figure BDA00025101608400000310
即
Figure BDA00025101608400000311
则区间i内各因素影响下标识最远可见距离平均值
Figure BDA00025101608400000312
的置信区间为：
Figure BDA00025101608400000313
根据标记最远可见距离平均值
Figure BDA00025101608400000314
的置信区间，综合考虑不同的影响因素确定标记最远可见距离平均值的范围。
优选地，所述的以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域，包括：
设标识自身属性因素与标记初始最远可见距离之间为非线性关系：
Figure BDA0002510160840000041
式中k为待求解系数，d是单标识的最远可见距离,D11为标识样式，等于1为三元素标识，等于0为图文标识；D12为标识样式，等于1为箭文标识，等于0为图文标识；D13为标识样式，等于1为文字标识，等于0为图文标识；D21为颜色搭配，等于1为黑/绿，等于0为绿/白标识，D22等于1为黑/白，等于0为绿/白标识；D3为标识材料，等于1为磷光型，等于0为电光型；S为标识携带信息面面积；θ是以垂直于标识面的线为基线，观察视线与基线之间的夹角；
单标识的可见域边界上任意一点(x,y)对应最远可见距离为d|(x，y)，当y＝0时视线与标识面平行且最远可见距离为0，故不在标识可见域范围内；
当y≠0时，
Figure BDA0002510160840000042
观察偏离角度与标识可见域处在同一水平面上，不存在某一观察偏离角度下的标识可见域，得到直角坐标系下以标识中心为原点的单标识的可见域边界模型：
Figure BDA0002510160840000043
式中，x，y为单标识可见域边界上任意一点，D1i，D2i，s为标识自身属性因素，
Figure BDA0002510160840000044
为相关影响因素对于标记最远可见距离的相关系数；
基于平面圆形面积公式推出各因素影响下单标识的可见域面积值为
Figure BDA0002510160840000051
。
优选地，所述的以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域，包括：
基于牛顿-莱布尼兹公式，靠墙式单标识可见域总量方程组为：
Figure BDA0002510160840000052
式中，Sa，area为靠墙式标识可见域总量，SA，area和SB，area为标识A和标识B的可见域面积值，αA和αB为标识A和标识B的可见域权重。D1i，A，D2i，A，D3，A，sA为标识A自身属性，D1i，B，D2i，B，D3，B，sB为标识B自身属性，kA和kB为观察偏离角为0°时标识A和标识B的最远可见距离，
Figure BDA0002510160840000053
和
Figure BDA0002510160840000054
为相关系数，L1为设施宽度；
基于牛顿-莱布尼茨公式定理、单标识可见域边界模型构建标识可见域重叠量模型，得到靠墙式标识可见域重叠量化模型为：
Figure BDA0002510160840000055
式中，L2为标识A和标识B之间的距离。
优选地，所述的以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域，包括：
以标识A中心为直角坐标系原点，基于牛顿-莱布尼茨公式定理、单标识可见域边界模型构建标识可见域总量方程组，将站内尺寸数据、标识A、标识B自身属性值代入方程组可计算得到标识可见域总量；
Figure BDA0002510160840000061
当kA+kB＞L2时两标识可见域存在标识可见域重叠量，以标识A中心为直角坐标系原点，考虑局部布局特点，基于牛顿-莱布尼茨公式定理、单标识可见域边界模型构建设施标识可见域重叠量模型，得到非靠墙式标识可见域重叠量化模型为：
Figure BDA0002510160840000062
将设施尺寸、标识自身属性值实际值代入模型，并结合MATLAB软件求解不定积分，得到可见域重叠量Sa，area。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例以简单可靠的拟合器为手段，以枢轴量法获取的标识最远可见距离区间估计为基准，以单位视角偏离度为基础通过牛顿-莱布尼兹公式得到标识可见域的值，能够较为准确的标定和校核指定车站设施结构和特定属性特征的标识可见域。能够较为准确地量化在城市轨道交通车站背景环境下导向标识的可见域，评价车站内采用的标识属性和标识的设置方式是否合理。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例提供的一种多媒体通信系统中的资源管理方法的处理流程图；
图2为本发明实施例提供的一种单标识的可见距离边界示意图；
图3为本发明实施例提供的一种非靠墙式标识布局示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
本发明公开了一种城市轨道交通车站内导向标识可见域的量化方法，属于城市轨道交通技术领域。该发明包括：对影响城市轨道交通车站内的导向标识可见距离的因素之间的影响进行分析，利用枢轴量法计算标识最远可见距离的区间估计，然后利用统计分析软件进行数据拟合分析，在此基础上标定车站设施拓扑结构和几何属性对于标识可见域的影响，得到城市轨道交通车站内部标识可见域多元非线性计算函数式。
本发明实施例提供的一种量化城市轨道交通车站标识可见域的方法的处理流程如图1所示，包括如下的处理步骤：
步骤S1：确定影响车站内标识可见域的标识自身属性和外部环境属性，根据城市轨道交通车站的结构设施的几何尺寸按观察偏离角度将标识的最远可见距离划分为多个区间。
获取客流在车站各类型设施处对于标识的依赖度，车站内产生路径选择的结构设施的几何尺寸和结构特征，为步骤4提供视角度等参数，标识布设的位置、方式和数量等设置数据，为步骤5和步骤6提供视角度、视水平度和重叠度等提供参数，以及各因素影响下标识最远可见距离数据。
将标记的观察偏离角度划分为0-10°、10-20°、20-30°、30-40°、40-50°、50-60°、60-70°、70-80°和80-90°等9个不同区间。
利用正态分布定理确定枢轴量函数，给出各子区间内标志最远可见距离95％置信区间。基于正态分布推导枢轴量函数，利用雅克-贝拉公式检验样本数据是否符合正态分布，
Figure BDA0002510160840000081
式中，JB为雅克-贝拉检验值
Figure BDA0002510160840000082
若JB＞0.05，则数据服从正态分布，n为样本总数，样本数据为各区间的标记的最远可见距离,S为样本偏度，可利用下式计算，
Figure BDA0002510160840000083
K为样本峰度，可利用下式计算，
Figure BDA0002510160840000084
检验值表明标识最远可见距离分布与正态曲线符合程度，经计算检验值发现，虽然观察偏离角度较小时标志最远可见距离置信区间跨度较大，但具有正态性。可借助正态分布构建枢轴量函数，从而利用枢轴量函数进行给定置信度的最远可见距离的区间估计。
步骤S2：根据正态分布再生定理构建各个区间的标识最远可见距离的枢轴量函数，设定标识最远可见距离区间估计的置信度水平，在置信度水平下利用所述枢轴量函数进行标记最远可见距离的区间估计。
按观察偏离角度将标识的最远可见距离划分为i(i＝1，2，...，9)个区间，各区间内标志最远可见距离的平均值为
Figure BDA0002510160840000091
根据正态分布再生定理、分布定义得：
Figure BDA0002510160840000092
式中，
Figure BDA0002510160840000093
为待估参数，区间i内标识最远可见距离平均值，
Figure BDA0002510160840000094
为区间i内样本均值，ni为区间i内的样本总数，Sn-1，i为区间i内的样本标准差。
Figure BDA0002510160840000095
为标识最远可见距离的枢轴量函数，有了枢轴量函数可以进行公式5和公式6的推导。
根据公式4，设定最远可见距离区间估计的置信度水平，进行一定置信度水平下的最远可见距离的区间估计。函数
Figure BDA0002510160840000096
仅与区间i内样本X和
Figure BDA0002510160840000097
有关，服从自由度为ni-1的t分布且与无关，作为枢轴量函数区间i内各因素影响下di的95％置信区间。查正太分布表可得给定置信水平α＝90％。
Figure BDA0002510160840000098
即
Figure BDA0002510160840000099
则区间i内各因素影响下标识最远可见距离平均值
Figure BDA00025101608400000910
的置信区间为：
Figure BDA00025101608400000911
由最远可见距离平均值
Figure BDA00025101608400000912
置信区间，综合考虑不同的影响因素，可以确定最远可见距离平均值的范围。
步骤S3：以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域。
以单标识最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以具体描述标识的定性变量属性，假设标识自身属性因素与初始最远可见距离之间为非线性关系。
Figure BDA0002510160840000101
式中k为待求解系数。d是单标识的最远可见距离,自变量系数符号(正负)与绝对值表明该因素对标志最远可见距离的影响性质(正影响或负影响)与程度。D11为标识样式，等于1为三元素标识，等于0为图文标识；D12为标识样式，等于1为箭文标识，等于0为图文标识；D13为标识样式，等于1为文字标识，等于0为图文标识；D21为颜色搭配，等于1为黑/绿，等于0为绿/白标识，D22等于1为黑/白，等于0为绿/白标识；D3为标识材料，等于1为磷光型，等于0为电光型；S为标识携带信息面面积；θ是以垂直于标识面的线为基线，观察视线与基线之间的夹角。
非线性函数式中的相关系数R2高于线性拟合公式，采用非线性拟合公式求解车站内单标识的最远可见距离，衡量标识尺寸、观察偏离度等相关因素对于单标识最远可见距离的影响。可得到单标识的可见距离边界，如图2中的灰色部分。
单标识可见域边界上任意一点(x,y)对应最远可见距离为d|(x，y)。当y＝0时视线与标识面平行且最远可见距离为0，故不在标识可见域范围内；当y≠0时，
Figure BDA0002510160840000102
观察偏离角度与标识可见域处在同一水平面上，即不存在某一观察偏离角度下的标识可见域，得到直角坐标系下以标识中心为原点的单标识的可见域边界模型：
Figure BDA0002510160840000103
式中，x，t为单标识可见域边界上任意一点，D1i，D2i，s为标识自身属性因素，
Figure BDA0002510160840000104
为相关系数，分别对应于标识样式、标识颜色搭配、标识材料等相关影响因素对于最远可见距离的相关系数，根据统计分析得到的影响因素相关数据，利用Origin软件求解。
基于平面圆形面积公式可推出各因素影响下单标识的可见域面积值
Figure BDA0002510160840000111
其中，各个参数与公式8和公式10中参数含义相同。
此为标识不受实际布局原始可见域面积，计算得到单标志在自身属性影响下可见域面积值。
步骤S4：基于单个标识的可见域量化靠墙式组合设置的标识可见域。
基于牛顿-莱布尼兹公式，靠墙式单标识可见域总量方程组为，
Figure BDA0002510160840000112
式中，Sa，area为靠墙式标识可见域总量，SA，area和SB，area为标识A和标识B的可见域面积值，αA和αB为标识A和标识B的可见域权重。D1i，A，D2i，A，D3，A，sA为标识A自身属性，D1i，B，D2i，B，D3，B，sB为标识B自身属性，kA和kB为观察偏离角为0°时标识A和标识B的最远可见距离，
Figure BDA0002510160840000113
和
Figure BDA0002510160840000114
为相关系数，L1为设施宽度。
基于牛顿-莱布尼茨公式定理、单标识可见域边界模型构建标识可见域重叠量模型，得到靠墙式标识可见域重叠量化模型。
Figure BDA0002510160840000115
式中，L2为标识A和标识B之间的距离。
步骤S5：基于单个标识的可见域量化非靠墙式组合设置的标识可见域。
本发明实施例提供的一种非靠墙式标识布局如图3所示。
以标识A中心为直角坐标系原点，基于牛顿-莱布尼茨公式定理、单标识可见域边界模型构建标识可见域总量方程组，将站内尺寸数据、标识A、标识B自身属性值代入方程组可计算得到标识可见域总量。
Figure BDA0002510160840000121
其中，式中各个参数的含义与公式8、公式10和公式11中相关参数含义相同。
与靠墙式标识可见域求解同理，仅当kA+kB＞L2时两标识可见域存在标识可见域重叠量。同样以标识A中心为直角坐标系原点，考虑局部布局特点，基于牛顿-莱布尼茨公式定理、单标识可见域边界模型构建设施标识可见域重叠量模型，得到非靠墙式标识可见域重叠量化模型。
Figure BDA0002510160840000122
将设施尺寸、标识自身属性值实际值代入模型，并结合MATLAB软件求解不定积分，可得到可见域重叠量Sa，are=，为评估车站非靠墙式引导信息连贯性提供数据支持。
综上所述，本发明实施例以简单可靠的拟合器为手段，以枢轴量法获取的标识最远可见距离区间估计为基准，以单位视角偏离度为基础通过牛顿-莱布尼兹公式得到标识可见域的值，能够较为准确的标定和校核指定车站设施结构和特定属性特征的标识可见域。能够较为准确地量化在城市轨道交通车站背景环境下导向标识的可见域，评价车站内采用的标识属性和标识的设置方式是否合理。
本发明实施例准确地量化标识可见域有助于优化标识引导能力，并为评估实际城市轨道交通车站站内标志引导能力提供依据。改变目前根据主管意识和经验进行标识属性选择，主要依靠车站内引导标识冗余设置来提高标识引导能力，避免在城市轨道交通车站内这一特定环境中因妨碍理解，曲解信源信息的视觉噪声导致客流走行效率的情况发生，明确标识可见域的影响机理，为评估站内视觉环境下标识引导能力提供基础理论支撑，在实际车站客流组织工作中，为客流高效走行提供辅助手段，以保障中车站客流组织工作效率。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种量化城市轨道交通车站标识可见域的方法，其特征在于，包括：
根据城市轨道交通车站的结构设施的几何尺寸按观察偏离角度将标识的最远可见距离划分为多个区间，根据正态分布再生定理构建各个区间的标识最远可见距离的枢轴量函数；
设定标识最远可见距离区间估计的置信度水平，在所述置信度水平下利用所述枢轴量函数进行标记最远可见距离的区间估计；
以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域。
2.根据权利要求1所述的方法，其特征在于，所述的根据城市轨道交通车站的结构设施的几何尺寸按观察偏离角度将标识的最远可见距离划分为多个区间，包括：
获取客流在城市轨道交通车站各类型设施处对于标识的依赖度，车站内产生路径选择的结构设施的几何尺寸和结构特征，根据所述结构设施的几何尺寸和结构特征将标记的观察偏离角度划分为0-10°、10-20°、20-30°、30-40°、40-50°、50-60°、60-70°、70-80°和80-90°9个不同区间。
3.根据权利要求1所述的方法，其特征在于，所述的根据正态分布再生定理构建各个区间的标识最远可见距离的枢轴量函数，包括：
给出各子区间内标志最远可见距离95％置信区间，利用雅克-贝拉公式检验样本数据是否符合正态分布，
Figure FDA0002510160830000011
式中，JB为雅克-贝拉检验值，n为样本总数，样本数据为各区间的标记的最远可见距离,
S为样本偏度，利用下式计算，
Figure FDA0002510160830000012
K为样本峰度，利用下式计算，
Figure FDA0002510160830000013
若检验值JB＞0.05，则样本数据服从正态分布；
当根据检验值JB判断标识的最远可见距离分布符合正态曲线后，设各区间内标志最远可见距离的平均值为
Figure FDA0002510160830000021
根据正态分布再生定理构建标识最远可见距离的枢轴量函数
Figure FDA0002510160830000022
Figure FDA0002510160830000023
式中，
Figure FDA0002510160830000024
为区间i内标识最远可见距离平均值，
Figure FDA0002510160830000025
为区间i内样本均值，ni为区间i内的样本总数，Sn-1，i为区间i内的样本标准差。
4.根据权利要求3所述的方法，其特征在于，所述的设定标识最远可见距离区间估计的置信度水平，在所述置信度水平下利用所述枢轴量函数进行标记最远可见距离的区间估计，包括：
标识最远可见距离的枢轴量函数
Figure FDA0002510160830000026
与区间i内样本X和
Figure FDA0002510160830000027
有关，服从自由度为ni-1的t分布且与无关，作为枢轴量函数区间i内各因素影响下di的95％置信区间，查正太分布表得给定置信水平α＝95％；
Figure FDA0002510160830000028
即
Figure FDA0002510160830000029
则区间i内各因素影响下标识最远可见距离平均值
Figure FDA00025101608300000210
的置信区间为：
Figure FDA00025101608300000211
根据标记最远可见距离平均值
Figure FDA00025101608300000212
的置信区间，综合考虑不同的影响因素确定标记最远可见距离平均值的范围。
5.根据权利要求4所述的方法，其特征在于，所述的以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域，包括：
设标识自身属性因素与标记初始最远可见距离之间为非线性关系：
Figure FDA00025101608300000213
式中k为待求解系数，d是单标识的最远可见距离,D11为标识样式，等于1为三元素标识，等于0为图文标识；D12为标识样式，等于1为箭文标识，等于0为图文标识；D13为标识样式，等于1为文字标识，等于0为图文标识；D21为颜色搭配，等于1为黑/绿，等于0为绿/白标识，D22等于1为黑/白，等于0为绿/白标识；D3为标识材料，等于1为磷光型，等于0为电光型；S为标识携带信息面面积；θ是以垂直于标识面的线为基线，观察视线与基线之间的夹角；
单标识的可见域边界上任意一点(x,y)对应最远可见距离为d|(x，y)，当y＝0时视线与标识面平行且最远可见距离为0，故不在标识可见域范围内；
当y≠0时，
Figure FDA0002510160830000031
观察偏离角度与标识可见域处在同一水平面上，不存在某一观察偏离角度下的标识可见域，得到直角坐标系下以标识中心为原点的单标识的可见域边界模型：
Figure FDA0002510160830000032
式中，x，y为单标识可见域边界上任意一点，D1i，D2i，s为标识自身属性因素，
Figure FDA0002510160830000033
为相关影响因素对于标记最远可见距离的相关系数；
基于平面圆形面积公式推出各因素影响下单标识的可见域面积值为
Figure FDA0002510160830000034
。
6.根据权利要求4所述的方法，其特征在于，所述的以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域，包括：
基于牛顿-莱布尼兹公式，靠墙式单标识可见域总量方程组为：
Figure FDA0002510160830000041
式中，Sa，area为靠墙式标识可见域总量，SA，area和SB，area为标识A和标识B的可见域面积值，αA和αB为标识A和标识B的可见域权重。D1i，A，D2i，A，D3，A，SA为标识A自身属性，D1i，B，D2i，B，D3，B，sB为标识B自身属性，kA和kB为观察偏离角为0°时标识A和标识B的最远可见距离，
Figure FDA0002510160830000042
和
Figure FDA0002510160830000043
为相关系数，L1为设施宽度；
基于牛顿-莱布尼茨公式定理、单标识可见域边界模型构建标识可见域重叠量模型，得到靠墙式标识可见域重叠量化模型为：
Figure FDA0002510160830000044
式中，L2为标识A和标识B之间的距离。
7.根据权利要求4所述的方法，其特征在于，所述的以单标识的最远可见距离为因变量、标识自身属性因素与观察偏离角度为自变量，引入多个虚拟变量以量化单个标识的可见域，包括：
以标识A中心为直角坐标系原点，基于牛顿-莱布尼茨公式定理、单标识可见域边界模型构建标识可见域总量方程组，将站内尺寸数据、标识A、标识B自身属性值代入方程组可计算得到标识可见域总量；
Figure FDA0002510160830000045
当kA+kB＞L2时两标识可见域存在标识可见域重叠量，以标识A中心为直角坐标系原点，考虑局部布局特点，基于牛顿-莱布尼茨公式定理、单标识可见域边界模型构建设施标识可见域重叠量模型，得到非靠墙式标识可见域重叠量化模型为：
Figure FDA0002510160830000051
将设施尺寸、标识自身属性值实际值代入模型，并结合MATLAB软件求解不定积分，得到可见域重叠量Sa，area。
CN202010458631.3A 2020-05-27 2020-05-27 一种量化城市轨道交通车站标识可见域的方法 Active CN111640164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010458631.3A CN111640164B (zh) 2020-05-27 2020-05-27 一种量化城市轨道交通车站标识可见域的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010458631.3A CN111640164B (zh) 2020-05-27 2020-05-27 一种量化城市轨道交通车站标识可见域的方法

Publications (2)

Publication Number Publication Date
CN111640164A true CN111640164A (zh) 2020-09-08
CN111640164B CN111640164B (zh) 2023-03-21

Family

ID=72331660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010458631.3A Active CN111640164B (zh) 2020-05-27 2020-05-27 一种量化城市轨道交通车站标识可见域的方法

Country Status (1)

Country Link
CN (1) CN111640164B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365079A (zh) * 2020-11-23 2021-02-12 上海交通大学设计研究总院有限公司 一种基于量化模型的旅游景区导向系统评价方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109992873A (zh) * 2019-03-27 2019-07-09 北京交通大学 车站导向标识的安装设计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109992873A (zh) * 2019-03-27 2019-07-09 北京交通大学 车站导向标识的安装设计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DAVID B.WEED 等: "Identification and Comprehension of Symbolic Exit Signs for Small Transport-Category Airplanes" *
宋冰雪 等: "导向标志可见域的实验研究" *
郭凡良 等: "基于人与环境交互作用的交通枢纽导向标识布局评估" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365079A (zh) * 2020-11-23 2021-02-12 上海交通大学设计研究总院有限公司 一种基于量化模型的旅游景区导向系统评价方法

Also Published As

Publication number Publication date
CN111640164B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
Contreras et al. Improving accuracy in earthwork volume estimation for proposed forest roads using a high-resolution digital elevation model
JP2016217084A (ja) 路面状況計測システム、路面状況計測方法並びに路面状況計測プログラム
CN109800502A (zh) 一种区域标记方法、装置及电子设备
TW201822558A (zh) 估算裝置及其無線網路之通訊品質估算方法及電表安裝方法
CN111640164B (zh) 一种量化城市轨道交通车站标识可见域的方法
CN115035251B (zh) 一种基于领域增强合成数据集的桥面车辆实时追踪方法
CN116591003A (zh) 沥青道路安全性能测验方法、装置、电子设备及存储介质
CN114120186A (zh) 一种基于Hololens线缆检测识别方法及系统
KR20110087664A (ko) 도로지도 생성 장치 및 방법
CN112102041A (zh) 一种应用大数据技术实现土地组合交易的系统
CN107657262B (zh) 一种计算机自动分类精度评价方法
CN100476350C (zh) 多关联工程图环境下全局坐标的自动定位方法
CN116401879B (zh) 一种溃决尾矿砂下游演进模拟方法
CN115374526B (zh) 一种基于bim技术的精细化配筋方法及系统
CN103324941B (zh) 一种基于临近距离的遥感分类图斑边界精度评价方法
CN114462123B (zh) 一种机场道面不停航施工数字建模和影响预估方法
CN112651393B (zh) 兴趣点数据处理方法、装置、设备及存储介质
CN114120795A (zh) 一种地图绘制方法及装置
CN109740246A (zh) 一种基于bim的精装修深化设计优化方法
CN114547826B (zh) 基于数字孪生的工程变形监测网优化设计系统的运行方法
CN117739950B (zh) 一种地图的生成方法、装置及设备
CN114491693A (zh) 一种线型公路和图层交汇的测算方法
CN116682188B (zh) 水电站无边界作业面施工人员出勤无感知打卡方法及装置
CN114579417B (zh) 车道线识别的性能测试方法、装置及电子设备
CN117370436B (zh) 市政道路土方工程量快速复核方法及系统

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