CN112124379A - 一种基于地铁客流分析的站台引导方法 - Google Patents
一种基于地铁客流分析的站台引导方法 Download PDFInfo
- Publication number
- CN112124379A CN112124379A CN202011050405.8A CN202011050405A CN112124379A CN 112124379 A CN112124379 A CN 112124379A CN 202011050405 A CN202011050405 A CN 202011050405A CN 112124379 A CN112124379 A CN 112124379A
- Authority
- CN
- China
- Prior art keywords
- train
- carriage
- station
- mth
- nth
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005206 flow analysis Methods 0.000 title claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 239000011541 reaction mixture Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000008520 organization Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000644 propagated effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/40—Handling position reports or trackside vehicle data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or train for signalling purposes
- B61L15/0054—Train integrity supervision, e.g. end-of-train [EOT] devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or train for signalling purposes
- B61L15/0072—On-board train data handling
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/04—Automatic systems, e.g. controlled by train; Change-over to manual control
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于地铁客流分析的站台引导方法，其步骤包括：列车车厢客流数据采集、调度中心对数据的处理和分析、调度中心将处理结果发送至对应的车站、车站的相关计算与选择合适的显示方案。本发明能依托车厢单目摄像收集客流技术和相应算法对车内状态进行分析预测，运用车‑地WLAN技术，结合合理的信息传送逻辑进行传播，在站台上的显示屏直观地予以候车乘客下趟列车每节车厢的客流状态，从而能使乘客发挥主观能动性，享受相对更好的乘车体验，有利于地铁运营方组织客流。
Description
技术领域
本发明属于公共交通领域，具体的说是一种基于地铁客流分析的站台引导方法。
背景技术
智慧轨道交通体系的建立，要求的不仅仅是密集的线网，更是运营方合理组织客流以提升乘客出行效率。如何依靠现有较为成熟的技术加以创新谋求运营方和使用方的双赢局面值得我们深思。
现有研究甚少，解决效力较低。目前，在我国的城市轨道交通领域中，关于实时精确测算每节车厢拥挤度的研究很少，现在应用较为普遍的基于AFC系统的进站客流分析尽管在预测断面客流以灵活化行车组织上有帮助，但是，其无法聚焦于单节车厢的客流状态，在站台客流组织方面收效甚微。
缺乏足够应用，且优化空间较大。目前我国仅有深圳地铁11号线机场站推出了车厢拥挤度智能显示系统，并未开始大范围推广。根据对现有的深圳地铁11号线机场站的车厢拥挤度智能显示系统进行初步分析，发现其目前至少存在着以下问题：
①该系统通过各节车厢的实时载重测算得出各车厢的拥挤度，但考虑到乘客个体差异，仅通过列车的载重来判断拥挤度存在着较大的误差，缺乏科学性与合理性。
②该系统所显示的是最近一趟开往机场站的列车上实时情况，并未对下车的情况进行分析与预测，因此其内容对在机场站上车的乘客而言没有较高的参考价值。
③该系统将结果投放在车站新增的液晶显示屏上，信息传播的效率并不高，不易被注意。
从中看出，深圳地铁投用的系统还有很多需要优化的方面，其科学性、合理性仍有较大的提升空间。
发明内容
本发明是为了解决上述现有技术存在的不足之处，提出一种基于地铁客流分析的站台引导方法，以期能更加科学、合理地显示地铁各车厢内的相对拥挤状况，从而能达到更好的乘客引导效果。
本发明为达到上述发明目的，采用如下技术方案：
本发明一种基于地铁客流分析的站台引导方法的特点是应用于由调度中心、列车、无线传输网络和站台电子显示屏所组成的地铁运行环境中，在所述地铁运行环境中，列车的每节车厢顶部轴线及各个车门中线交汇处安装有单目摄像头和车门级处理器，用于采集客流数据；在每节车厢处设置有车厢级处理器；所述车门级处理器通过RS485总线与所述车厢级处理器相连；在列车的轨道旁和列车的车厢内均设置有无线AP，从而构成所述无线传输网络；在站台上的每节车厢所对应的位置处设置有所述电子显示屏；所述站台引导方法包括以下步骤：
步骤1、列车车厢客流数据采集：
步骤1.1、当第m次列车到达第k站时，所述单目摄像头实时采集列车车门处的乘客通行画面所构成的车门视频桢序列并发送给对应的车门级处理器，相应的处理器对所述车门视频帧序列进行运动目标检测，得到运动目标图像，再对所述运动目标图像进行头部轮廓的目标提取，从而得到头部轮廓图像；
所述车门级处理器采用跟踪算法对所述头部轮廓图像所对应的乘客的运动轨迹进行跟踪，从而得到相应头部轮廓图像的乘客的运动方向，从而根据每个乘客的运动方向统计第k站所有车门处的下车人数；
令
表示当前第m次列车第N节车厢中第n个单目摄像头所采集的车门在第k站的下车人数；
步骤1.2、当第m次列车从第k站开出后，每个单目摄像头在同一时刻获取所在范围内车厢的画面所构成的车厢视频桢序列并发送给对应的车门级处理器；相应的处理器对车厢视频帧序列进行运动目标检测，得到车厢内运动目标图像，再对所述车厢内运动目标图像进行头部轮廓的目标提取，从而得到车厢内的头部轮廓图像，并统计得到车厢内的乘客人数；
令
表示第m次列车驶出第k站后第N节车厢中第n个单目摄像头所采集的车厢内的乘客人数；
步骤1.3、每个车门级处理器将所统计的下车人数和乘客人数均发送给对应的车厢级处理器；对应的车厢级处理器汇总所有信息后得到自身车厢的下车总人数和车内总人数，并将所述下车总人数和车内总人数发送给所述调度中心；
步骤2、调度中心对数据的处理和分析：
步骤2.1、利用式(1)计算第m次列车的第N节车厢在第k站的下车率
式(1)中，
表示第m次列车在k站出站后第N节车厢的下车人数，
表示第m次列车在第k-1站出站后第N节车厢的乘客人数；
步骤2.2、利用式(2)计算第m次列车的第N节车厢在第k+1站预测的下车人数
式(2)中，
表示同一交路中第m-1次列车的第N节车厢在第k+1站的下车率，
表示第m次列车的第N节车厢在第k站出站后的车厢人数；
步骤2.3、利用式(3)计算第m次列车的第N节车厢在第k+1站预计的停留人数
步骤2.4、利用式(4)计算第m次列车的第N节车厢在第k+1站停留人数的相对值
式(4)中，
表示第m次列车到达第k+1站时的平均停留人数，并有：
式(5)中，A表示列车的编组车厢数；
表示第m次列车的第N节车厢到达第k+1站的停留人数；
步骤2.5、利用式(6)计算第m次列车到达第k+1站后的停留满载率
式(6)中，C表示第m次列车所在线路上的整列车定员；
表示预测第m次列车在第k+1站下车后的全列总人数，并有：
步骤3、所述调度中心将处理结果发送至对应的车站：
步骤3.1、所述调度中心判断在同一时刻第m次列车和第m-1次列车之间是否间隔至少1个以上的车站，若是，则将第m次列车的第N节车厢在第k+1站的停留人数相对值
和停留满载率
发送给所间隔的所有车站；否则，不发送数据；
步骤4、车站的相关计算与选择合适的显示方案：
步骤4.1、判定整列车拥挤度所处区间：
令β1与β2为界定列车满载率情况的两个阈值；
第m次列车整列车在第k+1站的停留满载率
若满足
则判定整列车拥挤度低；
若满足
则判定整列车拥挤度适中；
若满足
则判定整列车拥挤度高；
步骤4.2按照不同的拥挤度情况，采取不同的计算与显示方案：
步骤4.2.1若整列车拥挤度为低，则直接在站台电子显示屏中将所有车厢均显示为“较舒适”；
步骤4.2.2若整列车拥挤度为适中，则判定各车厢停留人数相对值所处区间：
令γ1、γ2、γ3为界定列车各车厢停留人数相对值的三个阈值；
第m次列车第N节车厢在第k+1站的停留人数相对值
若满足
则判定第N节车厢的状态为较舒适，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为较适中，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为一般拥挤，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为严重拥挤，并在站台电子显示屏中进行显示；
步骤4.2.3若判定整列车拥挤度为高，则将第N节车厢停留人数相对值
与“1”进行比较，得到比较结果：
若满足
则判定第N节车厢的状态为一般拥挤，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为严重拥挤，并在站台电子显示屏中进行显示。
与现有技术相比，本发明的有益效果在于：
1.本发明采用单目摄像头对车厢内乘客人数进行计数，采集方式智能化高，精确性强，不存在压力检测技术在多乘客同时踩踏时，仅能通过重量经验值分析来判断人数所造成的不准确，解决了红外检测技术在客流繁忙时无法正常采集的问题，从而保证了调度中心接收到的车厢内部客流数据实时有效。
2.本发明对列车在下一车站的下车人数进行预测，在分析列车在到达下一车站后的拥挤情况时减去了下车人数，使乘客得到的列车拥挤情况的信息更有参考价值。
3.本发明通过计算相对值对列车各车厢的拥挤状况进行比较分析，简化了计算流程，能够更为直观的描述车厢之间的比较状态，不论列车整体拥挤状况如何，总能得出相对最为舒适的车厢。
4.本发明在分析结果的显示方式上采用不同的颜色来表示不同的车厢拥挤状态，方便乘客更加快速、直观地获取有效信息。
附图说明
图1为单目摄像头工作示意图；
图2为本系统的信息传输流程图；
图3为本系统的信号传输过程示意图；
图4为整列车拥挤度舒适情况下各车厢拥挤状况屏幕显示效果图；
图5为整列车拥挤度适中情况下各车厢拥挤状况屏幕显示效果图；
图6为整列车拥挤度高情况下各车厢拥挤状况屏幕显示效果图。
具体实施方式
本实施例中，一种基于地铁客流分析的站台引导方法，是依托车厢单目摄像收集客流技术和相应算法对车内状态进行分析预测，运用车-地WLAN技术，结合合理的信息传送逻辑进行传播，在站台上的显示屏直观地予以候车乘客下趟列车每节车厢的客流状态，从而能使乘客发挥主观能动性，享受相对更好的乘车体验，有利于地铁运营方组织客流。具体的说，该方法是应用于由调度中心、列车、无线传输网络和站台电子显示屏所组成的地铁运行环境中，如图1所示，在地铁运行环境中，列车的每节车厢顶部轴线及各个车门中线交汇处安装有单目摄像头和车门级处理器，用于采集客流数据。选择现有成熟的单目摄像头垂直方式采集动态图像，对图像进行滤波处理、直方图均衡化和形态学处理，再以处理后的图像为基础，将人头目标作为目标检测跟踪统计依据，经过相关的提取和拟合，即可有效地锁定目标，并基于特征进行跟踪。
图2是本系统的信息传输流程图。在每节车厢处设置有车厢级处理器；车门级处理器通过RS485总线与车厢级处理器相连；在列车的轨道旁和列车的车厢内均设置有无线AP，从而构成无线传输网络进行信息传输；基于现有轨道交通已经存在的PIS下的WLAN，能够在不外设新的传送设备的情况下实现车地的信息传输，将客流信息传送给调度中心；控制中心对客流进行处理后，将处理后的数据发送给各车站的通信机房；车站在站台上的每节车厢所对应的位置处设置有电子显示屏，显示屏将接收的数据进行处理后选择合适的显示方案向乘客显示；
该站台引导方法包括以下步骤：
步骤1、列车车厢客流数据采集：
步骤1.1、当第m次列车到达第k站时，单目摄像头实时采集列车车门处的乘客通行画面所构成的车门视频桢序列并发送给对应的车门级处理器，相应的处理器对车门视频帧序列进行运动目标检测，得到运动目标图像，再对运动目标图像进行头部轮廓的目标提取，从而得到头部轮廓图像；
车门级处理器采用跟踪算法对头部轮廓图像所对应的乘客的运动轨迹进行跟踪，从而得到相应头部轮廓图像的乘客的运动方向，从而根据每个乘客的运动方向统计第k站所有车门处的下车人数；
令
表示当前第m次列车第N节车厢中第n个单目摄像头所采集的车门在第k站的下车人数；
步骤1.2、当第m次列车从第k站开出后，每个单目摄像头在同一时刻获取所在范围内车厢的画面所构成的车厢视频桢序列并发送给对应的车门级处理器；相应的处理器对车厢视频帧序列进行运动目标检测，得到车厢内运动目标图像，再对车厢内运动目标图像进行头部轮廓的目标提取，从而得到车厢内的头部轮廓图像，并统计得到车厢内的乘客人数；
令
表示第m次列车驶出第k站后第N节车厢中第n个单目摄像头所采集的车厢内的乘客人数；
步骤1.3、每个车门级处理器将所统计的下车人数和乘客人数均发送给对应的车厢级处理器；对应的车厢级处理器汇总所有信息后得到自身车厢的下车总人数和车内总人数，并将下车总人数和车内总人数发送给调度中心；
步骤2、调度中心对数据的处理和分析：
步骤2.1、利用式(1)计算第m次列车的第N节车厢在第k站的下车率
式(1)中，
表示第m次列车在k站出站后第N节车厢的下车人数，
表示第m次列车在第k-1站出站后第N节车厢的乘客人数；
步骤2.2、利用式(2)计算第m次列车的第N节车厢在第k+1站预测的下车人数
式(2)中，
表示同一交路中第m-1次列车的第N节车厢在第k+1站的下车率，
表示第m次列车的第N节车厢在第k站出站后的车厢人数；
步骤2.3、利用式(3)计算第m次列车的第N节车厢在第k+1站预计的停留人数
步骤2.4、利用式(4)计算第m次列车的第N节车厢在第k+1站停留人数的相对值
式(4)中，
表示第m次列车到达第k+1站时的平均停留人数，并有：
式(5)中，A表示列车的编组车厢数；
表示第m次列车的第N节车厢到达第k+1站的停留人数；
步骤2.5、利用式(6)计算第m次列车到达第k+1站后的停留满载率
式(6)中，C表示第m次列车所在线路上的整列车定员；
表示预测第m次列车在第k+1站下车后的全列总人数，并有：
步骤3、如图3所示是本系统的信号传输过程示意图。列车在运行过程中通过自带的车载无线发射器将车厢客流数据发送给轨旁无线单元，再由轨旁无线单元将数据传输给调度中心。调度中心可通过接受来自不同的轨旁无线单元的数据确定列车的运行区间，以保证调度中心将处理结果发送至对应的车站：
步骤3.1、调度中心判断在同一时刻第m次列车和第m-1次列车之间是否间隔至少1个以上的车站，若是，则将第m次列车的第N节车厢在第k+1站的停留人数相对值
和停留满载率
发送给所间隔的所有车站；否则，不发送数据；
步骤4、车站的相关计算与选择合适的显示方案：
步骤4.1、判定整列车拥挤度所处区间：
令β1与β2为界定列车满载率情况的两个阈值；
第m次列车整列车在第k+1站的停留满载率
若满足
则判定整列车拥挤度低；
若满足
则判定整列车拥挤度适中；
若满足
则判定整列车拥挤度高；
步骤4.2按照不同的拥挤度情况，采取不同的计算与显示方案：
步骤4.2.1若整列车拥挤度为低，则直接在站台电子显示屏中将所有车厢均显示为“较舒适”，因所有车厢均显示为相同的状态，因此用相同的颜色进行标识，并显示出该显示屏所对应的车厢在整列车中所处的位置，最终的显示效果如图4所示；
步骤4.2.2若整列车拥挤度为适中，则判定各车厢停留人数相对值所处区间：
令γ1、γ2、γ3为界定列车各车厢停留人数相对值的三个阈值；
第m次列车第N节车厢在第k+1站的停留人数相对值
若满足
则判定第N节车厢的状态为较舒适，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为较适中，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为一般拥挤，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为严重拥挤，并在站台电子显示屏中进行显示；
最终的显示效果如图5所示，较舒适、较适中、一般拥挤与严重拥挤四种状态的车厢分别用四种不同的颜色进行表示，并显示出该显示屏所对应的车厢在整列车中所处的位置。
步骤4.2.3若判定整列车拥挤度为高，则将第N节车厢停留人数相对值
与“1”进行比较，得到比较结果：
若满足
则判定第N节车厢的状态为一般拥挤，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为严重拥挤，并在站台电子显示屏中进行显示。
最终的显示效果如图6所示，此时所有车厢被分为一般拥挤与严重拥挤两种情况，并用两种颜色进行显示，并显示出该显示屏所对应的车厢在整列车中所处的位置。
Claims (1)
1.一种基于地铁客流分析的站台引导方法，其特征是应用于由调度中心、列车、无线传输网络和站台电子显示屏所组成的地铁运行环境中，在所述地铁运行环境中，列车的每节车厢顶部轴线及各个车门中线交汇处安装有单目摄像头和车门级处理器，用于采集客流数据；在每节车厢处设置有车厢级处理器；所述车门级处理器通过RS485总线与所述车厢级处理器相连；在列车的轨道旁和列车的车厢内均设置有无线AP，从而构成所述无线传输网络；在站台上的每节车厢所对应的位置处设置有所述电子显示屏；所述站台引导方法包括以下步骤：
步骤1、列车车厢客流数据采集：
步骤1.1、当第m次列车到达第k站时，所述单目摄像头实时采集列车车门处的乘客通行画面所构成的车门视频桢序列并发送给对应的车门级处理器，相应的处理器对所述车门视频帧序列进行运动目标检测，得到运动目标图像，再对所述运动目标图像进行头部轮廓的目标提取，从而得到头部轮廓图像；
所述车门级处理器采用跟踪算法对所述头部轮廓图像所对应的乘客的运动轨迹进行跟踪，从而得到相应头部轮廓图像的乘客的运动方向，从而根据每个乘客的运动方向统计第k站所有车门处的下车人数；
令
表示当前第m次列车第N节车厢中第n个单目摄像头所采集的车门在第k站的下车人数；
步骤1.2、当第m次列车从第k站开出后，每个单目摄像头在同一时刻获取所在范围内车厢的画面所构成的车厢视频桢序列并发送给对应的车门级处理器；相应的处理器对车厢视频帧序列进行运动目标检测，得到车厢内运动目标图像，再对所述车厢内运动目标图像进行头部轮廓的目标提取，从而得到车厢内的头部轮廓图像，并统计得到车厢内的乘客人数；
令
表示第m次列车驶出第k站后第N节车厢中第n个单目摄像头所采集的车厢内的乘客人数；
步骤1.3、每个车门级处理器将所统计的下车人数和乘客人数均发送给对应的车厢级处理器；对应的车厢级处理器汇总所有信息后得到自身车厢的下车总人数和车内总人数，并将所述下车总人数和车内总人数发送给所述调度中心；
步骤2、调度中心对数据的处理和分析：
步骤2.1、利用式(1)计算第m次列车的第N节车厢在第k站的下车率
式(1)中，
表示第m次列车在k站出站后第N节车厢的下车人数，
表示第m次列车在第k-1站出站后第N节车厢的乘客人数；
步骤2.2、利用式(2)计算第m次列车的第N节车厢在第k+1站预测的下车人数
式(2)中，
表示同一交路中第m-1次列车的第N节车厢在第k+1站的下车率，
表示第m次列车的第N节车厢在第k站出站后的车厢人数；
步骤2.3、利用式(3)计算第m次列车的第N节车厢在第k+1站预计的停留人数
步骤2.4、利用式(4)计算第m次列车的第N节车厢在第k+1站停留人数的相对值
式(4)中，
表示第m次列车到达第k+1站时的平均停留人数，并有：
式(5)中，A表示列车的编组车厢数；
表示第m次列车的第N节车厢到达第k+1站的停留人数；
步骤2.5、利用式(6)计算第m次列车到达第k+1站后的停留满载率
式(6)中，C表示第m次列车所在线路上的整列车定员；
表示预测第m次列车在第k+1站下车后的全列总人数，并有：
步骤3、所述调度中心将处理结果发送至对应的车站：
步骤3.1、所述调度中心判断在同一时刻第m次列车和第m-1次列车之间是否间隔至少1个以上的车站，若是，则将第m次列车的第N节车厢在第k+1站的停留人数相对值
和停留满载率
发送给所间隔的所有车站；否则，不发送数据；
步骤4、车站的相关计算与选择合适的显示方案：
步骤4.1、判定整列车拥挤度所处区间：
令β1与β2为界定列车满载率情况的两个阈值；
第m次列车整列车在第k+1站的停留满载率
若满足
则判定整列车拥挤度低；
若满足
则判定整列车拥挤度适中；
若满足
则判定整列车拥挤度高；
步骤4.2按照不同的拥挤度情况，采取不同的计算与显示方案：
步骤4.2.1若整列车拥挤度为低，则直接在站台电子显示屏中将所有车厢均显示为“较舒适”；
步骤4.2.2若整列车拥挤度为适中，则判定各车厢停留人数相对值所处区间：
令γ1、γ2、γ3为界定列车各车厢停留人数相对值的三个阈值；
第m次列车第N节车厢在第k+1站的停留人数相对值
若满足
则判定第N节车厢的状态为较舒适，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为较适中，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为一般拥挤，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为严重拥挤，并在站台电子显示屏中进行显示；
步骤4.2.3若判定整列车拥挤度为高，则将第N节车厢停留人数相对值
与“1”进行比较，得到比较结果：
若满足
则判定第N节车厢的状态为一般拥挤，并在站台电子显示屏中进行显示；
若满足
则判定第N节车厢的状态为严重拥挤，并在站台电子显示屏中进行显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011050405.8A CN112124379B (zh) | 2020-09-29 | 2020-09-29 | 一种基于地铁客流分析的站台引导方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011050405.8A CN112124379B (zh) | 2020-09-29 | 2020-09-29 | 一种基于地铁客流分析的站台引导方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112124379A true CN112124379A (zh) | 2020-12-25 |
| CN112124379B CN112124379B (zh) | 2022-03-15 |
Family
ID=73844672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011050405.8A Active CN112124379B (zh) | 2020-09-29 | 2020-09-29 | 一种基于地铁客流分析的站台引导方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112124379B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113343960A (zh) * | 2021-08-06 | 2021-09-03 | 南京信息工程大学 | 一种地铁站内实时留存客流估计与预警方法 |
| CN113505644A (zh) * | 2021-06-08 | 2021-10-15 | 同济大学 | 一种地铁车厢客流检测告警系统及其方法 |
| CN113762644A (zh) * | 2021-09-26 | 2021-12-07 | 中国联合网络通信集团有限公司 | 一种基于马尔科夫链的拥挤状态预测方法及装置 |
| 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 |
| CN114885134A (zh) * | 2022-07-08 | 2022-08-09 | 深圳益实科技有限公司 | 一种智慧地铁车用的站内导向系统 |
| CN116347715A (zh) * | 2023-05-31 | 2023-06-27 | 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 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102724390A (zh) * | 2011-03-29 | 2012-10-10 | 赵山山 | 列车车厢拥挤程度检测的方法以及人流导引系统 |
| EP2669142A2 (en) * | 2012-05-30 | 2013-12-04 | Hitachi, Ltd. | Vehicle system |
| CN105564461A (zh) * | 2016-01-13 | 2016-05-11 | 叶尔肯·拜山 | 一种列车车厢及站台的乘客数目监测方法和系统 |
| CN107215363A (zh) * | 2017-06-12 | 2017-09-29 | 中国联合网络通信集团有限公司 | 一种地铁站内乘客排队引导方法和引导系统 |
| CN108082226A (zh) * | 2017-12-27 | 2018-05-29 | 河南辉煌城轨科技有限公司 | 一种地铁站台乘客上车引导系统 |
| CN108416315A (zh) * | 2018-03-16 | 2018-08-17 | 杜永波 | 一种地铁进站口客流疏导系统 |
| 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 |
| CN110395298A (zh) * | 2019-07-26 | 2019-11-01 | 中国安全生产科学研究院 | 一种客流智能引导系统及方法 |
| CN110395271A (zh) * | 2019-07-26 | 2019-11-01 | 中国安全生产科学研究院 | 一种轨道交通站台屏蔽门系统及其使用方法 |
| CN210201956U (zh) * | 2019-10-11 | 2020-03-27 | 夏伟俭 | 地铁车站可视化分布式人流监测系统 |
| CN111222422A (zh) * | 2019-12-26 | 2020-06-02 | 武汉思恒达科技有限公司 | 一种能自动识别人员数量的地铁智能识别系统 |
| CN111332333A (zh) * | 2020-04-08 | 2020-06-26 | 江苏科技大学 | 一种站台电子引导控制系统及方法 |
-
2020
- 2020-09-29 CN CN202011050405.8A patent/CN112124379B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102724390A (zh) * | 2011-03-29 | 2012-10-10 | 赵山山 | 列车车厢拥挤程度检测的方法以及人流导引系统 |
| EP2669142A2 (en) * | 2012-05-30 | 2013-12-04 | Hitachi, Ltd. | Vehicle system |
| CN105564461A (zh) * | 2016-01-13 | 2016-05-11 | 叶尔肯·拜山 | 一种列车车厢及站台的乘客数目监测方法和系统 |
| CN107215363A (zh) * | 2017-06-12 | 2017-09-29 | 中国联合网络通信集团有限公司 | 一种地铁站内乘客排队引导方法和引导系统 |
| 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 |
| CN108082226A (zh) * | 2017-12-27 | 2018-05-29 | 河南辉煌城轨科技有限公司 | 一种地铁站台乘客上车引导系统 |
| CN108416315A (zh) * | 2018-03-16 | 2018-08-17 | 杜永波 | 一种地铁进站口客流疏导系统 |
| CN110395298A (zh) * | 2019-07-26 | 2019-11-01 | 中国安全生产科学研究院 | 一种客流智能引导系统及方法 |
| CN110395271A (zh) * | 2019-07-26 | 2019-11-01 | 中国安全生产科学研究院 | 一种轨道交通站台屏蔽门系统及其使用方法 |
| CN210201956U (zh) * | 2019-10-11 | 2020-03-27 | 夏伟俭 | 地铁车站可视化分布式人流监测系统 |
| CN111222422A (zh) * | 2019-12-26 | 2020-06-02 | 武汉思恒达科技有限公司 | 一种能自动识别人员数量的地铁智能识别系统 |
| CN111332333A (zh) * | 2020-04-08 | 2020-06-26 | 江苏科技大学 | 一种站台电子引导控制系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 史聪灵 等: "基于多数据融合的城市轨道交通客流监测系统研究", 《中国安全生产科学技术》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113505644A (zh) * | 2021-06-08 | 2021-10-15 | 同济大学 | 一种地铁车厢客流检测告警系统及其方法 |
| CN113505644B (zh) * | 2021-06-08 | 2022-11-18 | 同济大学 | 一种车厢客流检测告警系统及其方法 |
| CN113343960A (zh) * | 2021-08-06 | 2021-09-03 | 南京信息工程大学 | 一种地铁站内实时留存客流估计与预警方法 |
| CN113762644A (zh) * | 2021-09-26 | 2021-12-07 | 中国联合网络通信集团有限公司 | 一种基于马尔科夫链的拥挤状态预测方法及装置 |
| CN113762644B (zh) * | 2021-09-26 | 2023-11-24 | 中国联合网络通信集团有限公司 | 一种基于马尔科夫链的拥挤状态预测方法及装置 |
| 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 |
| CN114885134A (zh) * | 2022-07-08 | 2022-08-09 | 深圳益实科技有限公司 | 一种智慧地铁车用的站内导向系统 |
| CN116347715A (zh) * | 2023-05-31 | 2023-06-27 | 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 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112124379B (zh) | 2022-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112124379B (zh) | 一种基于地铁客流分析的站台引导方法 | |
| CN109815882B (zh) | 一种基于图像识别的地铁车厢客流密度监控系统及方法 | |
| CN111310994B (zh) | 一种基于数据校准的公交路线预测方法及系统 | |
| CN102622798B (zh) | 一种客流统计分析系统 | |
| CN108289203B (zh) | 一种用于轨道交通的视频监控系统 | |
| CN103985182B (zh) | 一种公交客流自动计数方法及自动计数系统 | |
| CN111724595B (zh) | 一种基于收费数据的高速公路断面流量估计方法 | |
| CN111259714A (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 | |
| CN110395298B (zh) | 一种客流智能引导系统及方法 | |
| CN108819991A (zh) | 地铁站台用客流及载客量饱和度的检测装置及其运行方法 | |
| CN104021605A (zh) | 一种公交客流实时统计系统及其统计方法 | |
| CN108960133B (zh) | 乘客流量监控的方法、电子设备、系统以及存储介质 | |
| CN109544969B (zh) | 公交车智能跳站运行方法及装置 | |
| CN110288829B (zh) | 一种港湾式公交停靠站停车泊位数量设置判别方法 | |
| CN110481606B (zh) | 基于视觉识别技术的地铁客流引导系统及方法 | |
| CN110936988A (zh) | 一种地铁列车车厢拥挤度自动判断和引导系统 | |
| CN112258723A (zh) | 综合客运枢纽内预告排队长度的系统和方法 | |
| CN114781712A (zh) | 一种基于多源数据融合的地铁车站客流引导系统 | |
| CN114333120A (zh) | 一种公交客流检测方法及系统 | |
| CN113505644B (zh) | 一种车厢客流检测告警系统及其方法 | |
| KR101714723B1 (ko) | 승객 밀집 정보를 제공하는 방법 및 서비스 서버 | |
| CN109410597B (zh) | 一种园区出入口车流量检测方法、装置和系统 | |
| CN115985128A (zh) | 一种地铁与公交、共享非机动车智能接驳信息显示系统 | |
| CN113393355A (zh) | 轨道交通相对客流分布计算方法、系统、电子设备及介质 | |
| CN113572805A (zh) | 一种基于称重数据的地铁轨道交通客流监测系统及方法 |
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 |