CN111666879A - 一种基于大数据框架的公交客流分析与规划系统和方法 - Google Patents
一种基于大数据框架的公交客流分析与规划系统和方法 Download PDFInfo
- Publication number
- CN111666879A CN111666879A CN202010508109.1A CN202010508109A CN111666879A CN 111666879 A CN111666879 A CN 111666879A CN 202010508109 A CN202010508109 A CN 202010508109A CN 111666879 A CN111666879 A CN 111666879A
- Authority
- CN
- China
- Prior art keywords
- bus
- passenger flow
- passenger
- getting
- module
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005206 flow analysis Methods 0.000 title claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 37
- 230000033001 locomotion Effects 0.000 claims description 19
- 230000004886 head movement Effects 0.000 claims description 4
- 230000008685 targeting Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于大数据框架的公交客流分析与规划系统和方法，其中，所述系统包括：图像采集模块，用于采集公交上车视频图像和下车视频图像；客流统计模块，用于根据所述上车视频图像和下车视频图像对公交客流数据进行统计；数据传输模块，将所述客流统计模块统计的公交客流数据发送至后台的数据存储中心进行存储；公交决策模块，用于根据所述客流统计模块统计的公交客流数据指定公交运营路线和调度规划。该系统克服现有技术中公交系统利用对IC卡的统计来统计客流量的准确度较差，无法获取下车人数，以及车内的总人数，造成统计结果不准的问题。
Description
技术领域
本发明涉及公交客流统计技术领域，具体地，涉及一种基于大数据框架的公交客流分析与规划系统和方法。
背景技术
随着国民经济的快速发展，城镇化的进程不断加速，城市的面貌发生了翻天覆地的变化，城市公共交通配套设施也有了较大的发展。但城市人口的急速增加，原有的交通配套设施越显不足，交通压力日渐显现，严重制约了城市的发展和影响了人民生活质量的提高。目前城市管理者面前面临的迫在眉睫的任务。
根据客流量大数据来对公交线路指定和公交调度能够有效地提高决策的合理性。但是现有技术中利用对IC卡的统计来统计客流量的准确度较差，无法获取下车人数，以及车内的总人数，造成统计结果不准的问题。
因此，提供一种在使用过程中可以对公交的上下车乘客数进行准确有效地统计，从而间接地提高公交线路运营决策合理性的一种基于大数据框架的公交客流分析与规划系统和方法是本发明亟需解决的问题。
发明内容
针对上述技术问题，本发明的目的是克服现有技术中公交系统利用对IC卡的统计来统计客流量的准确度较差，无法获取下车人数，以及车内的总人数，造成统计结果不准的问题，从而提供一种在使用过程中可以对公交的上下车乘客数进行准确有效地统计，从而间接地提高公交线路运营决策合理性的一种基于大数据框架的公交客流分析与规划系统和方法。
为了实现上述目的，本发明提供了一种基于大数据框架的公交客流分析与规划系统，所述系统包括：
图像采集模块，用于采集公交上车视频图像和下车视频图像；
客流统计模块，用于根据所述上车视频图像和下车视频图像对公交客流数据进行统计；
数据传输模块，将所述客流统计模块统计的公交客流数据发送至后台的数据存储中心进行存储；
公交决策模块，用于根据所述客流统计模块统计的公交客流数据指定公交运营路线和调度规划。
优选地，所述客流统计模块包括：
开关门检测模块，用于检测公交的开关门状态；
乘客识别模块，用于从采集的视频图像中识别和标定乘客；
运动跟踪模块，用于根据运动跟踪算法对识别的乘客进行目标跟踪；其中，
统计模块，用于在所述识别的乘客的运动达到预设状态且所述开关门检测模块检测为开门状态的情况下，触发统计计数。
优选地，所述乘客识别模块以乘客头部为目标，对乘客的头部运动进行跟踪。
优选地，所述客流统计模块中达到的预设状态为：所述乘客的头部与设置在公交车门处的检测线发出重叠。
优选地，所述系统还包括：
站点位置获取模块，用于获取公交的实时位置信息。
本发明还提供了一种基于大数据框架的公交客流分析与规划方法，所述方法包括：
获取公交上车视频图像和下车视频图像；
根据所述上车视频图像和下车视频图像对公交客流数据进行统计；
将所述客流统计模块统计的公交客流数据发送至后台的数据存储中心进行存储；
根据所述客流统计模块统计的公交客流数据指定公交运营路线和调度规划。
优选地，所述根据所述上车视频图像和下车视频图像对公交客流数据进行统计包括以下步骤：
检测公交的开关门状态；
从采集的视频图像中识别和标定乘客；
根据运动跟踪算法对识别的乘客进行目标跟踪；
在所述识别的乘客的运动达到预设状态且所述开关门检测模块检测为开门状态的情况下，触发统计计数。
优选地，所述从采集的视频图像中识别和标定乘客是以乘客头部为目标，对乘客的头部运动进行跟踪。
优选地，所述预设状态为所述乘客的头部与设置在公交车门处的检测线发出重叠。
优选地，所述获取公交上车视频图像和下车视频图像之前，所述方法还包括：获取公交的实时位置信息。
根据上述技术方案，本发明提供的基于大数据框架的公交客流分析与规划系统和方法在使用时的有益效果为：利用所述客流统计模块对公交客流数据进行准确有效地统计，则可以提高所述公交决策模块的决策合理性。克服现有技术中公交系统利用对IC卡的统计来统计客流量的准确度较差，无法获取下车人数，以及车内的总人数，造成统计结果不准的问题。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明；而且本发明中未涉及部分均与现有技术相同或可采用现有技术加以实现。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明的一种优选的实施方式中提供的基于大数据框架的公交客流分析与规划系统的结构框图；
图2是本发明的一种优选的实施方式中提供的客流统计模块的结构框图；
图3是本发明的一种优选的实施方式中提供的基于大数据框架的公交客流分析与规划方法的流程图；
图4是本发明的一种优选的实施方式中提供的乘客识别模块的工作图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如图1-2所示，本发明提供了一种基于大数据框架的公交客流分析与规划系统，所述系统包括：
图像采集模块，用于采集公交上车视频图像和下车视频图像；
客流统计模块，用于根据所述上车视频图像和下车视频图像对公交客流数据进行统计；
数据传输模块，将所述客流统计模块统计的公交客流数据发送至后台的数据存储中心进行存储；
公交决策模块，用于根据所述客流统计模块统计的公交客流数据指定公交运营路线和调度规划。
在上述方案中，利用所述客流统计模块对公交客流数据进行准确有效地统计，则可以提高所述公交决策模块的决策合理性。克服现有技术中公交系统利用对IC卡的统计来统计客流量的准确度较差，无法获取下车人数，以及车内的总人数，造成统计结果不准的问题。
在本发明的一种优选的实施方式中，所述客流统计模块包括：
开关门检测模块，用于检测公交的开关门状态；
乘客识别模块，用于从采集的视频图像中识别和标定乘客；
运动跟踪模块，用于根据运动跟踪算法对识别的乘客进行目标跟踪；其中，
客流统计模块，用于在所述识别的乘客的运动达到预设状态且所述开关门检测模块检测为开门状态的情况下，触发统计计数。
在上述方案中，将车门检测状态与乘客识别跟踪结果结合在一起，以统计出上下车乘客，这样可以提高统计的准确性。
在本发明的一种优选的实施方式中，所述乘客识别模块以乘客头部为目标，对乘客的头部运动进行跟踪。
在上述方案中，对在图像处理领域里常用的运动跟踪检测的算法进行了算法复杂度的评估，论是Camshift还是卡尔曼滤波，其计算的复杂度比较高，对CPU的运算能力要求也比较高，常用的嵌入式处理器无法很好的满足其计算能力要求。本发明对公交客流上下客流特点进行调查研究，以成功识别的乘客头部为目标，提出一套基于乘客头部位置变化的运动跟踪检测方法。算法的考虑变量小、运算条件简单，算法复杂度不高，能很好满足嵌入式运算要求。算法的原理是在公交客流统计中对乘客的目标跟踪是通过设置一个车门乘客检测线来实现的。当识别目标(头部)与检测线发生重叠时，表明乘客正在通过车门。检测线将人头圆形区划分为两部分，在乘客移动过程中，重叠的压线部分会从无到不断增加，然后再不断减少，最后离开检测线。在这里设置一个重叠长度点直径80％的触发条件，当达到此条件时认为触发客流统计计数。当多人进入检测线时，检测线将根据进入的实际人头大小，将检测线自动的分为几段分开检测。当乘客进入检测线时，将开启多段检测的模式，可同时处理此时一并通过检测线的其它乘客的越线情况，不会因为处理当前的乘客检测而漏掉并行的其他乘客。
对于快关门检测，公交开关门检测作为公交统计计数生效的前提条件而存在。目前国内公交上下客时的现实情况是，当车内乘客数据比较大时，车门附近会有很多乘客在相互挤攘。因为对企业而言，公交客流统计的是对乘客在站点上下客进行识别计数，对于车厢内走动行为应该予以过滤，不计统计数。所以有必要引开关门的状态检测，用于过滤有误触的统计数据。当检测到车门为打开状态时，公交客流统计启用，对乘客进出车门的行为进行统计计数；当检测到车门关闭，公交客流统计功能关闭,不进行统计功能，降低系统资源消耗。目前在开关门检测时多采用辅加的检测设备进行检测，增加建设成本的投入，由于车门开关很频繁，损耗严重，增加了设备维护的成本。
本发明中在运用背景差分之前需要建立一个背景区域，合理的背景区域选择，除了可以有效的减少算法运算量的同时，更可去除不必要的环境干扰，提高算法检测准确率。因为公交车门上方无遮挡，背景相对固定，可以将其作为背景检测区域。由于高斯分布等模型要求的算法复杂度过高，嵌入式的运算能力有限，同时由于选取的背景合理合适，所以本文采用的是均值法进行背景建模，处理能力要求不高，能在嵌入式平台较好满足。
在本发明中为了进一步提高客流统计的准确性，对乘客可以采用基于轮廓和色彩的识别，形状是我们对目标最直观的定义，所以对乘客的特征描述可以从形状上进行定义。
轮廓是形状的边界特征，是形状的重要体现。但在图像处理领域里轮廓和边缘是不一样的，边缘是图像亮度梯度局部极大值的集合，也就是它有可能在为图像存在噪声而导致边缘点不一定落在轮廓上。轮廓是形状的表现，是一系列相连的点。在公交客流统计里，图像采集是从车门上方垂直向下观察取样，人头在图像上的投影是一个圆形。可以通过椭圆检测的方式对乘客进行轮廓特征识别，进而判断乘客的位置等信息；色彩可以采用人体皮肤色彩进行识别。
在本发明的一种优选的实施方式中，所述系统还包括：
站点位置获取模块，用于获取公交的实时位置信息。
在上述方案中，一般利用GPS定位模块对公交的实时位置进行定位，将定位信息和客流统计数据一起发送至后台的数据存储中心进行存储，公交决策模块可以将客流统计数据与所述定位信息结合在一起，从而分析出各个站点的客流信息。则有利于指定更加合理的公交决策。
如图3所示，本发明还提供了一种基于大数据框架的公交客流分析与规划方法，所述方法包括：
获取公交上车视频图像和下车视频图像；
根据所述上车视频图像和下车视频图像对公交客流数据进行统计；
将所述客流统计模块统计的公交客流数据发送至后台的数据存储中心进行存储；
根据所述客流统计模块统计的公交客流数据指定公交运营路线和调度规划。
在本发明的一种优选的实施方式中，所述根据所述上车视频图像和下车视频图像对公交客流数据进行统计包括以下步骤：
检测公交的开关门状态；
从采集的视频图像中识别和标定乘客；
根据运动跟踪算法对识别的乘客进行目标跟踪；
在所述识别的乘客的运动达到预设状态且所述开关门检测模块检测为开门状态的情况下，触发统计计数。
在本发明的一种优选的实施方式中，所述从采集的视频图像中识别和标定乘客是以乘客头部为目标，对乘客的头部运动进行跟踪。
在本发明的一种优选的实施方式中，所述预设状态为所述乘客的头部与设置在公交车门处的检测线发出重叠。
在本发明的一种优选的实施方式中，所述获取公交上车视频图像和下车视频图像之前，所述方法还包括：获取公交的实时位置信息。
如图4所示，为本发明的图像采集模块采集的公交入口处的实际图像信息。
综上所述，本发明提供的基于大数据框架的公交客流分析与规划系统和方法克服现有技术中公交系统利用对IC卡的统计来统计客流量的准确度较差，无法获取下车人数，以及车内的总人数，造成统计结果不准的问题。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。
Claims (10)
1.一种基于大数据框架的公交客流分析与规划系统，其特征在于，所述系统包括：
图像采集模块，用于采集公交上车视频图像和下车视频图像；
客流统计模块，用于根据所述上车视频图像和下车视频图像对公交客流数据进行统计；
数据传输模块，将所述客流统计模块统计的公交客流数据发送至后台的数据存储中心进行存储；
公交决策模块，用于根据所述客流统计模块统计的公交客流数据指定公交运营路线和调度规划。
2.根据权利要求1所述的基于大数据框架的公交客流分析与规划系统，其特征在于，所述客流统计模块包括：
开关门检测模块，用于检测公交的开关门状态；
乘客识别模块，用于从采集的视频图像中识别和标定乘客；
运动跟踪模块，用于根据运动跟踪算法对识别的乘客进行目标跟踪；其中，
统计模块，用于在所述识别的乘客的运动达到预设状态且所述开关门检测模块检测为开门状态的情况下，触发统计计数。
3.根据权利要求1所述的基于大数据框架的公交客流分析与规划系统，其特征在于，
所述乘客识别模块以乘客头部为目标，对乘客的头部运动进行跟踪。
4.根据权利要求3所述的基于大数据框架的公交客流分析与规划系统，其特征在于，所述客流统计模块中达到的预设状态为：所述乘客的头部与设置在公交车门处的检测线发出重叠。
5.根据权利要求1所述的基于大数据框架的公交客流分析与规划系统，其特征在于，所述系统还包括：
站点位置获取模块，用于获取公交的实时位置信息。
6.一种基于大数据框架的公交客流分析与规划方法，其特征在于，所述方法包括：
获取公交上车视频图像和下车视频图像；
根据所述上车视频图像和下车视频图像对公交客流数据进行统计；
将所述客流统计模块统计的公交客流数据发送至后台的数据存储中心进行存储；
根据所述客流统计模块统计的公交客流数据指定公交运营路线和调度规划。
7.根据权利要求6所述的基于大数据框架的公交客流分析与规划方法，其特征在于，所述根据所述上车视频图像和下车视频图像对公交客流数据进行统计包括以下步骤：
检测公交的开关门状态；
从采集的视频图像中识别和标定乘客；
根据运动跟踪算法对识别的乘客进行目标跟踪；
在所述识别的乘客的运动达到预设状态且所述开关门检测模块检测为开门状态的情况下，触发统计计数。
8.根据权利要求7所述的基于大数据框架的公交客流分析与规划方法，其特征在于，所述从采集的视频图像中识别和标定乘客是以乘客头部为目标，对乘客的头部运动进行跟踪。
9.根据权利要求7所述的基于大数据框架的公交客流分析与规划方法，其特征在于，所述预设状态为所述乘客的头部与设置在公交车门处的检测线发出重叠。
10.根据权利要求7所述的基于大数据框架的公交客流分析与规划方法，其特征在于，所述获取公交上车视频图像和下车视频图像之前，所述方法还包括：获取公交的实时位置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010508109.1A CN111666879A (zh) | 2020-06-05 | 2020-06-05 | 一种基于大数据框架的公交客流分析与规划系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010508109.1A CN111666879A (zh) | 2020-06-05 | 2020-06-05 | 一种基于大数据框架的公交客流分析与规划系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111666879A true CN111666879A (zh) | 2020-09-15 |
Family
ID=72385740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010508109.1A Pending CN111666879A (zh) | 2020-06-05 | 2020-06-05 | 一种基于大数据框架的公交客流分析与规划系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111666879A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113408587A (zh) * | 2021-05-24 | 2021-09-17 | 支付宝(杭州)信息技术有限公司 | 一种公交车乘客od匹配方法、装置和电子设备 |
| CN114973680A (zh) * | 2022-07-01 | 2022-08-30 | 哈尔滨工业大学 | 一种基于视频处理的公交客流获取系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622798A (zh) * | 2012-03-28 | 2012-08-01 | 东南大学 | 一种客流统计分析系统 |
| CN103021059A (zh) * | 2012-12-12 | 2013-04-03 | 天津大学 | 一种基于视频监控的公交客流计数方法 |
| CN104821025A (zh) * | 2015-04-29 | 2015-08-05 | 广州运星科技有限公司 | 客流检测方法及其检测系统 |
| CN108280402A (zh) * | 2017-12-27 | 2018-07-13 | 武汉长江通信智联技术有限公司 | 一种基于双目视觉的客流量统计方法及系统 |
| CN109285376A (zh) * | 2018-08-09 | 2019-01-29 | 同济大学 | 一种基于深度学习的公交车客流统计分析系统 |
-
2020
- 2020-06-05 CN CN202010508109.1A patent/CN111666879A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622798A (zh) * | 2012-03-28 | 2012-08-01 | 东南大学 | 一种客流统计分析系统 |
| CN103021059A (zh) * | 2012-12-12 | 2013-04-03 | 天津大学 | 一种基于视频监控的公交客流计数方法 |
| CN104821025A (zh) * | 2015-04-29 | 2015-08-05 | 广州运星科技有限公司 | 客流检测方法及其检测系统 |
| CN108280402A (zh) * | 2017-12-27 | 2018-07-13 | 武汉长江通信智联技术有限公司 | 一种基于双目视觉的客流量统计方法及系统 |
| CN109285376A (zh) * | 2018-08-09 | 2019-01-29 | 同济大学 | 一种基于深度学习的公交车客流统计分析系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113408587A (zh) * | 2021-05-24 | 2021-09-17 | 支付宝(杭州)信息技术有限公司 | 一种公交车乘客od匹配方法、装置和电子设备 |
| CN114973680A (zh) * | 2022-07-01 | 2022-08-30 | 哈尔滨工业大学 | 一种基于视频处理的公交客流获取系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10223597B2 (en) | Method and system for calculating passenger crowdedness degree | |
| CN109285376B (zh) | 一种基于深度学习的公交车客流统计分析系统 | |
| CN105844959B (zh) | 车辆入位的判定方法、装置及车辆出位的判定方法、装置 | |
| CN105512720B (zh) | 一种公交车辆客流统计方法和系统 | |
| CN106373394B (zh) | 一种基于视频和雷达的车辆检测方法及系统 | |
| EP2801956B1 (en) | Passenger counter | |
| US8339282B2 (en) | Security systems | |
| CN102622798B (zh) | 一种客流统计分析系统 | |
| CN103021186B (zh) | 一种车辆监控的方法及系统 | |
| CN104835323B (zh) | 一种结合电子围栏的多目标公交客流检测方法 | |
| CN106541968B (zh) | 基于视觉分析的地铁车厢实时提示系统的识别方法 | |
| CN104899947A (zh) | 公交客流统计方法 | |
| CN110084197A (zh) | 基于深度学习的公交车客流量统计方法和系统 | |
| CN105844229A (zh) | 一种乘客拥挤度的计算方法及其系统 | |
| CN107886055A (zh) | 一种用于车辆运动方向判定的逆行检测方法 | |
| CN112381014A (zh) | 一种基于城市道路的违停车辆检测及管理方法及系统 | |
| CN110263623B (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
| CN111666879A (zh) | 一种基于大数据框架的公交客流分析与规划系统和方法 | |
| CN112071084A (zh) | 一种利用深度学习判断违章停车的方法和系统 | |
| Ding et al. | The passenger flow status identification based on image and WiFi detection for urban rail transit stations | |
| CN110516600A (zh) | 一种基于人脸检测的公交客流检测方法 | |
| CN107844856A (zh) | 基于车载GPS和站点WiFi的公交车客流预测方法 | |
| CN113361825A (zh) | 一种踩踏事故早期预警方法及系统 | |
| CN108960133A (zh) | 乘客流量监控的方法、电子设备、系统以及存储介质 | |
| CN109919066A (zh) | 一种检测轨道交通车厢内乘客密度异常的方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200915 |