CN112508247A - 一种交通异常信息的处理方法、装置及电子设备 - Google Patents

一种交通异常信息的处理方法、装置及电子设备 Download PDF

Info

Publication number
CN112508247A
CN112508247A CN202011345015.3A CN202011345015A CN112508247A CN 112508247 A CN112508247 A CN 112508247A CN 202011345015 A CN202011345015 A CN 202011345015A CN 112508247 A CN112508247 A CN 112508247A
Authority
CN
China
Prior art keywords
traffic
passenger flow
acquiring
passengers
event
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
CN202011345015.3A
Other languages
English (en)
Other versions
CN112508247B (zh
Inventor
赵兴东
肖骁
王伟
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.)
Traffic Control Technology TCT Co Ltd
Original Assignee
Traffic Control Technology TCT Co Ltd
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 Traffic Control Technology TCT Co Ltd filed Critical Traffic Control Technology TCT Co Ltd
Priority to CN202011345015.3A priority Critical patent/CN112508247B/zh
Publication of CN112508247A publication Critical patent/CN112508247A/zh
Application granted granted Critical
Publication of CN112508247B publication Critical patent/CN112508247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例中提供了一种交通异常信息的处理方法、装置及电子设备，该方法包括：获取交通异常事件的属性信息，其中，所述属性信息包括受交通异常事件影响的线路、车站及时段；获取所述线路的历史断面客流信息和在所述时段内所述车站的行车计划；根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量。采用本申请中的方案，将交通异常事件与历史断面客流信息和行车计划相结合，能够获取更准确的受交通异常事件影响的乘客数量，解决了现有技术中受交通异常事件影响乘客数获取不准确的技术问题，进而提高根据乘客数评估异常事件影响程度的准确性。

Description

一种交通异常信息的处理方法、装置及电子设备
技术领域
本申请涉及车辆运营技术，具体地，涉及一种交通异常信息的处理方法、装置及电子设备。
背景技术
随着城市轨道交通网络的发展，地铁车站呈现出客运量上升、发车间隔缩短、运营时间延长等特点，正常情况下列车按图行车，乘客的出行基本没有太大影响；一旦发生交通异常事件，行车组织将发生大的调整，势必会对乘客的出行产生影响。
目前，交通异常事件发生后，对交通异常事件的影响程度没有统一的评估方法，通常的做法是通过异常事件本身直接影响的乘客数量来评估事件影响程度，例如：因特殊运营事件(非列车故障)列车在A站不停站通过，持续时间30分钟，约有5000乘客出行受到影响，改乘其它交通工具或者步行至就近车站乘车；因列车故障，需要在A站进行清客，约有1000人被清客，等候下一列车。然而，这样的评估往往并不准确，交通异常事件除了会直接影响到事件中的乘客，还会间接影响到与该异常事件相关的其他乘客，如因上一趟列车清客1000人，造成下一趟列车异常拥挤，甚至原本计划乘坐下一趟列车的乘客无法上车，其受影响的乘客数远不止1000人，可见，受交通异常事件影响的乘客数并不仅仅包括事件中涉及的乘客数。
如何更准确地获取受交通异常事件影响的乘客数，成为了评估交通异常事件影响程度亟需解决的问题。
发明内容
本申请实施例中提供了一种交通异常信息的处理方法、装置及电子设备，用于准确地获取受交通异常事件影响的乘客数，提高交通异常事件影响程度评估的准确性。
根据本申请实施例的第一个方面，提供了一种交通异常信息的处理方法，包括：
获取交通异常事件的属性信息，其中，所述属性信息包括受交通异常事件影响的线路、车站及时段；
获取所述线路的历史断面客流信息和在所述时段内所述车站的行车计划；
根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量。
可选的，根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量，包括：
获取所述属性信息中交通异常事件延误的延误车辆数；
根据所述行车计划，获取所述车站在所述时段内计划通过的通过车辆数；
根据所述历史断面客流信息、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。
可选的，所述根据所述历史断面客流信息、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量，包括：
根据所述历史断面客流信息，预测所述时段内上行断面和/或下行断面的总载客量；
根据所述总载客量、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。
可选的，所述属性信息还包括：所述交通异常事件发生的日期；
所述获取所述线路的历史断面客流信息，包括：
获取所述日期对应的日期特征；
根据所述日期特征，获取所述线路的历史断面客流信息。
可选的，所述方法还包括：
根据所述乘客数量，对车辆的行车组织进行调整，其中，所述行车组织包括发车间隔、运营时间以及备用车辆。
根据本申请实施例的第二个方面，提供了一种交通异常信息的处理装置，包括：
事件获取单元，用于获取交通异常事件的属性信息，其中，所述属性信息包括受交通异常事件影响的线路、车站及时段；
客流获取单元，用于获取所述线路的历史断面客流信息和在所述时段内所述车站的行车计划；
计算单元，用于根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量。
可选的，所述计算单元用于：
获取所述属性信息中交通异常事件延误的延误车辆数；
根据所述行车计划，获取所述车站在所述时段内计划通过的通过车辆数；
根据所述历史断面客流信息、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。
可选的，所述计算单元还用于：
根据所述历史断面客流信息，预测所述时段内上行断面和/或下行断面的总载客量；
根据所述总载客量、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。
可选的，所述属性信息还包括：所述交通异常事件发生的日期；
所述客流获取单元用于：获取所述日期对应的日期特征；根据所述日期特征，获取所述线路的历史断面客流信息。
可选的，所述装置还包括：
调整单元，用于根据所述乘客数量，对车辆的行车组织进行调整，其中，所述行车组织包括发车间隔、运营时间以及备用车辆。
根据本申请实施例的第三个方面，提供了一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上的程序存储于存储器中，且经配置以由一个或者一个以上的处理器执行所述一个或者一个以上的程序所包含的用于进行如第一方面中任一方法对应的操作指令。
根据本申请实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面中任一方法对应的步骤。
采用本申请实施例中提供的上述一个或多个技术方案，至少具有如下技术效果：
对于交通异常事件，获取交通异常事件的属性信息，包括受异常事件影响的时段、车站及线路；以及获取该线路的历史断面客流信息和在该时段内车站的行车计划，通过历史断面客流信息和行车计划把异常事件中的乘客和线路上的在途乘客有效结合起来；根据历史断面客流信息和行车计划，计算获得受交通异常事件影响的乘客数量，该方法根据交通异常事件本身的属性信息，综合历史断面客流信息和行车计划，对于受影响乘客数量不仅考虑了涉事中的乘客还考虑了在途乘客，由此获得更准确的受影响乘客数量，解决了现有技术中交通异常事件受影响乘客数获取不准确的技术问题，进而提高了以该乘客数量来评估交通异常事件的影响程度的准确性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种交通异常信息的处理方法的流程图；
图2为本申请实施例提供的一种受影响乘客数的计算方法的流程图；
图3为本申请实施例提供的一种交通异常信息的处理装置的示意图；
图4为本申请实施例提供的一种电子设备的示意图。
具体实施方式
在实现本申请的过程中，发明人发现，对交通异常事件影响程度的评估，仅仅采用异常事件本身的信息进行评估，并未考虑到与异常事件相关联的信息如未考虑到在途乘客，由此获得的评估结果并不准确。
针对上述问题，本申请实施例中提供了一种交通异常信息的处理方法，获取交通异常事件的属性信息，包括受异常事件影响的时段、车站及线路；获取该线路的历史断面客流信息和在该时段内车站的行车计划；根据历史断面客流信息和行车计划，计算获得受交通异常事件影响的乘客数量，该方法根据交通异常事件本身的属性信息，综合历史断面客流信息和行车计划，把异常事件中的乘客和线路上的在途乘客有效结合起来，由此获得更准确的受影响乘客数量，解决了现有技术中受影响乘客获取不准确的技术问题，进而提高了以该乘客数量来评估交通异常事件的影响程度的准确性。
本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1
请参考图1，本申请实施例提供的一种交通异常信息的处理方法，可应用城市公共交通，尤其适用于轨道交通，该方法包括：
S101、获取交通异常事件的属性信息，其中，所述属性信息包括受交通异常事件影响的车站、时段及线路；
S103、获取所述线路的历史断面客流信息和在所述时间段内所述车站的行车计划；
S105、根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量。
具体的，交通异常事件包括道路故障、车辆故障、交通事故等原因导致交通运行异常的事件。对于交通异常事件通常要求尽快评估并解决，为了对交通异常事件进行评估，本实施例首先执行S101获取交通异常事件的属性信息即关键信息。其中，属性信息包括但不限于交通异常事件发生的日期、时间、地点、受异常事件影响的车站、车辆线路、运行方向、延误情况、受影响时段等，受影响时间段选择事件发生前和/或发生后预设时长内，如半个小时。例如：假设2020年9月15日上午8:33，XX线路(共计13个车站)A站上行方向发生一起信号故障，造成5分钟以上车辆延误6列，可以获取属性信息：日期：2020年9月15日，地点：A站，线路：XX线路，运行方向：上行，受影响时段：8:03-9:03。
在S101之后继续执行S103，获取受影响线路的历史断面客流信息和在受影响时段内车站的行车计划。其中，历史断面客流信息为某线路上车站作为断面在各个时间段内上行断面和/或下行断面通过的乘客量，例如，对线路A-B-C，若A到C的方向为下行方向，C到A则为上行方向，车站B的下行断面的乘客量为B到C的乘客量，车站B的上行断面的乘客量为B到A的乘客量。本实施例通过历史断面客流信息来考虑受影响乘客，不仅考虑了事件中的乘客，也考虑了线路上的在途乘客。
时间 车站 上行断面 下行断面
8:00-8:15 所有车站/断面 20000 15000
8:15-8:30 所有车站/断面 24000 18000
8:30-8:45 所有车站/断面 28000 20000
8:45-9:00 所有车站/断面 30000 25000
9:00-9:15 所有车站/断面 26000 22000
…… …… …… ……
表1
为了提高获取乘客数量的准确性，历史客流信息采用分类统计的方式获取，例如：分工作日、节假日、双休日等，相应的，获取历史断面客流信息时，先获取交通异常事件发生日期对应的日期特征，如是工作日、节假日还是双休日，然后根据其日期特征，从对应历史客流信息中获取历史断面客流信息。
S103在获取历史断面客流信息的同时，还获取受影响车站的在受影响时段内的行车计划。对于轨道交通，一个车站的某一列车出现异常，通常会导致后续多次列车受影响，为此将其纳入对异常事件影响的评估更为准确。行车计划里通常包含各个时间段内上行行车间隔、下行行车间隔，如下表2所示。
Figure BDA0002799650640000071
表2
在S103之后，继续执行AS105获取受交通异常事件影响的乘客数量，以该乘客数量来对交通异常事件的影响程度进行评估，从而对行车组织进行调整，以最短的时间最大幅度减轻交通异常事件造成的不良影响。
请参考图2，S105的具体执行步骤包括：
S51、获取属性信息中交通异常事件延误的延误车辆数。
例如：若属性信息中记载5分钟车辆延误6列，则获取延误车辆数为6。
S52、根据行车计划，获取受影响车站在受影响时段内计划通过的通过车辆数。
具体的，可以根据行车计划中的时间段、行车间隔、受影响方向计算获得通过车辆数。例如：假设受影响方向为上行，行车计划中受影响车站在8:00-8:30内上行行车间隔为120s、下行行车间隔为150s，在该时间段受影响的通过车辆数为30*60/120＝15。
S53、根据受影响时段内的通过车辆数、延误车辆数以及车站的历史断面客流信息，计算获得受交通异常事件影响的乘客数量。
具体的，可以先根据历史断面客流信息，预测受影响时段内上行和/或下行断面的总载客量即总乘客量；然后根据总载客量、通过车辆数以及延误车辆数计算受影响乘客数量。例如：若交通异常事件只影响上行方向的列车，那么则获取受影响车站在受影响时段内上行断面的总载客量即可，若交通异常事件对上下行均造成影响，则获取受影响车站在受影响时段内上行断面和下行断面的乘客量之和作为总载客量。利用断面客流叠加计算获得的总载客量有明确的方向性，并和列车开行计划直接关联，更有利于合理评估受影响乘客数量。在计算时，受影响乘客数量＝总载客量*【延误列车数/通过车辆数】。
在获得受影响的乘客数量之后，还可以进一步根据该乘客数量，对车辆的行车组织进行调整。其中，行车组织包括发车间隔、运营时间以及备用车辆。例如：若乘客数量大于第一阈值时，可以缩短发车间隔；若乘客数量大于第二阈值时，可以启动备用车辆即增开车辆，或者延长运营时间。
下面通过一个完整的实例，对本方案进行详细说明：
首先，获取交通异常事件的属性信息即关键信息。
关键信息包括：日期、时间、地点、线路、方向、受影响时段、受影响车站。例如：2020年9月15日上午8:33，XX线路(共计13个车站)A站上行方向发生一起信号故障，造成5分钟以上延误6列，受影响时段为8:03-9:03，其中，受影响时间段选择时间发生前半小时至后半小时。
接着，针对受影响时段，获取历史客流信息并计算总载客量，如表3所示。
Figure BDA0002799650640000081
表3
其中，1)历史客流信息选择对应特征日的客流信息即可，一般分为三类：工作日、双休日和节假日，且当天没有异常行车事件，如事发日2020年9月15日为工作日，相应的可以选择2020年8月4日的历史客流信息作为参考；2)客流类型为断面客流，颗粒度为15分钟，分方向分区段，其中上表中的各方向断面客流为各区段断面客流之和；3)一般的15分钟断面客流数据都是从整点开始进行统计，如果出现非整点的故障影响时段，则按照比例进行计算载客量，如上表中的8:00至8:15的数据仅包含受影响时段中的12分钟，因此要按比例折算。
进一步的，确定受影响时段通过的通过车辆数。
根据当天所用行车计划确定受影响时段通过的通过车辆数，如下表4所示：
Figure BDA0002799650640000091
表4
其中，1)运行计划选择当日执行时刻表/运行图即可；2)时间段和客流信息时间段基本对应即可，颗粒度没有要求，如8:03-9:03对应于8:00-9:00即可；3)分不同行车间隔折算响应方向通过车辆数。
在获得上述信息之后，计算获得总的受影响乘客数＝【列车总载客量/(车站数-1)】*【延误列车数/通过列车数】，以上述事件为例，总的受影响乘客数量＝【103200/(13-1)】*【6/25】＝2064人。
在上述实施例中，针对交通异常事件在评估其影响程度时，获取交通异常事件的属性信息，包括受异常事件影响的时段、车站及线路；获取该线路的历史断面客流信息和在该时段内车站的行车计划；根据历史断面客流信息和行车计划，计算获得受交通异常事件影响的乘客数量。相对于用异常事件发生后的车站进出量或者故障列车上的载客人数来获得受影响乘客数，本实施例的方法通过历史断面客流信息和行车计划，把异常事件中的乘客和线路上的在途乘客有效结合起来，由此获得更准确的受影响乘客数量，以该乘客数量来评估交通异常事件的影响程度，提高了交通异常事件评估的准确性。
实施例2
基于上述实施例提供的一种交通异常信息的处理方法，本实施例还对应提供一种交通异常信息的处理装置，请参考图3，该装置包括：
事件获取单元31，用于获取交通异常事件的属性信息，其中，所述属性信息包括受交通异常事件影响的线路、车站及时段；
客流获取单元32，用于获取所述线路的历史断面客流信息和在所述时段内所述车站的行车计划；
计算单元33，用于根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量。
作为一种可选的实施方式，所述计算单元33用于：获取所述属性信息中交通异常事件延误的延误车辆数；根据所述行车计划，获取所述车站在所述时段内计划通过的通过车辆数；根据所述历史断面客流信息、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。其中，所述计算单元在计算乘客数量时，还可以根据所述历史断面客流信息，预测所述时段内上行断面和/或下行断面的总载客量；根据所述总载客量、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。
作为一种可选的实施方式，所述属性信息还包括：所述交通异常事件发生的日期；所述客流获取单元32用于：获取所述日期对应的日期特征；根据所述日期特征，获取所述线路的历史断面客流信息。
作为一种可选的实时方式，所述装置还包括：调整单元34，该调整单元用于根据所述乘客数量，对车辆的行车组织进行调整，其中，所述行车组织包括发车间隔、运营时间以及备用车辆。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
请参考图4，本实施例提供一种用于实现交通异常信息的处理方法的电子设备300的框图。例如，电子设备300可以是计算机，消息收发设备，服务控制台，平板设备等。
参照图4，电子设备300可以包括以下一个或多个组件：处理组件302，存储器304，电源组件306，输入/输出(I/O)接口308，以及通信组件310。
其中，处理组件302通常控制电子设备300的整体操作，诸如与显示，数据通信，计算操作等。处理组件302可以包括一个或多个处理器320来执行指令，以完成上述的方法的全部或部分步骤。存储器304被配置为存储各种类型的数据以支持在设备300的操作。这些数据的示例包括用于在电子设备300上操作的任何应用程序或方法的指令。电源组件306为电子设备300的各种组件提供电力。I/O接口308为处理组件302和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。通信组件310被配置为便于电子设备300和其他设备之间有线或无线方式的通信。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器304，上述指令可由电子设备300的处理器320执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种交通异常信息的处理方法，所述方法包括：获取交通异常事件的属性信息，其中，所述属性信息包括受交通异常事件影响的线路、车站及时段；获取所述线路的历史断面客流信息和在所述时段内所述车站的行车计划；根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种交通异常信息的处理方法，其特征在于，包括：
获取交通异常事件的属性信息，其中，所述属性信息包括受交通异常事件影响的线路、车站及时段；
获取所述线路的历史断面客流信息和在所述时段内所述车站的行车计划；
根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量。
2.如权利要求1所述的方法，其特征在于，根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量，包括：
获取所述属性信息中交通异常事件延误的延误车辆数；
根据所述行车计划，获取所述车站在所述时段内计划通过的通过车辆数；
根据所述历史断面客流信息、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。
3.如权利要求2所述的方法，其特征在于，所述根据所述历史断面客流信息、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量，包括：
根据所述历史断面客流信息，预测所述时段内上行断面和/或下行断面的总载客量；
根据所述总载客量、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。
4.如权利要求1～3任一所述的方法，其特征在于，所述属性信息还包括：所述交通异常事件发生的日期；
所述获取所述线路的历史断面客流信息，包括：
获取所述日期对应的日期特征；
根据所述日期特征，获取所述线路的历史断面客流信息。
5.如权利要求1～3任一所述的方法，其特征在于，所述方法还包括：
根据所述乘客数量，对车辆的行车组织进行调整，其中，所述行车组织包括发车间隔、运营时间以及备用车辆。
6.一种交通异常信息的处理装置，其特征在于，包括：
事件获取单元，用于获取交通异常事件的属性信息，其中，所述属性信息包括受交通异常事件影响的线路、车站及时段；
客流获取单元，用于获取所述线路的历史断面客流信息和在所述时段内所述车站的行车计划；
计算单元，用于根据所述历史断面客流信息、所述行车计划及所述属性信息，获取受交通异常事件影响的乘客数量。
7.如权利要求6所述的装置，其特征在于，所述计算单元用于：
获取所述属性信息中交通异常事件延误的延误车辆数；
根据所述行车计划，获取所述车站在所述时段内计划通过的通过车辆数；
根据所述历史断面客流信息、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。
8.如权利要求7所述的装置，其特征在于，所述计算单元还用于：
根据所述历史断面客流信息，预测所述时段内上行断面和/或下行断面的总载客量；
根据所述总载客量、所述通过车辆数以及所述延误车辆数，计算获得受交通异常事件影响的乘客数量。
9.如权利要求6～8任一所述的装置，其特征在于，所述属性信息还包括：所述交通异常事件发生的日期；
所述客流获取单元用于：获取所述日期对应的日期特征；根据所述日期特征，获取所述线路的历史断面客流信息。
10.如权利要求6～8任一所述的装置，其特征在于，所述装置还包括：
调整单元，用于根据所述乘客数量，对车辆的行车组织进行调整，其中，所述行车组织包括发车间隔、运营时间以及备用车辆。
CN202011345015.3A 2020-11-26 2020-11-26 一种交通异常信息的处理方法、装置及电子设备 Active CN112508247B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011345015.3A CN112508247B (zh) 2020-11-26 2020-11-26 一种交通异常信息的处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011345015.3A CN112508247B (zh) 2020-11-26 2020-11-26 一种交通异常信息的处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112508247A true CN112508247A (zh) 2021-03-16
CN112508247B CN112508247B (zh) 2024-05-21

Family

ID=74967839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011345015.3A Active CN112508247B (zh) 2020-11-26 2020-11-26 一种交通异常信息的处理方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112508247B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113065701B (zh) * 2021-03-30 2023-10-31 重庆交通职业学院 一种轨道交通客流量智能预测方法和装置

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1959702A1 (en) * 2007-02-14 2008-08-20 Mitsubishi Electric Information Technology Centre Europe B.V. Method and system for emitting in a destination area of a moving conveyance, signals emitted by a telecommunication device into the moving conveyance
CN103473620A (zh) * 2013-09-26 2013-12-25 青岛海信网络科技股份有限公司 综合客运枢纽多交通方式预测方法及系统
CN104217129A (zh) * 2014-09-22 2014-12-17 北京交通大学 一种城轨路网客流估算方法
CN104239726A (zh) * 2014-09-22 2014-12-24 北京交通大学 一种城轨路网突发事件条件下客流估算系统
JP2015219673A (ja) * 2014-05-16 2015-12-07 株式会社日立製作所 混雑予測装置及び混雑予測方法
CN106484966A (zh) * 2016-09-22 2017-03-08 北京交通大学 一种城市轨道交通突发事件动态影响范围与强度确定方法
CN107194497A (zh) * 2017-04-27 2017-09-22 北京交通大学 一种突发事件下城市轨道交通乘客出行路径规划方法
CN107274000A (zh) * 2017-04-27 2017-10-20 北京交通大学 一种突发事件下城市轨道交通断面客流预测方法
CN107273999A (zh) * 2017-04-27 2017-10-20 北京交通大学 一种突发事件下城市轨道交通客流预测方法
CN108717583A (zh) * 2018-05-11 2018-10-30 东南大学 一种城市轨道交通区间中断条件下车站滞留旅客量实时预测方法
CN109308539A (zh) * 2017-07-27 2019-02-05 上海宝信软件股份有限公司 实时估算轨道交通线网中换乘站的乘客滞留状态的方法
CN109523776A (zh) * 2017-09-20 2019-03-26 株式会社日立制作所 公共交通运营计划生成装置、方法及系统
CN110203257A (zh) * 2019-05-09 2019-09-06 北京交通大学 一种轨道交通事件下列车运行调度方法和系统
CN110782070A (zh) * 2019-09-25 2020-02-11 北京市交通信息中心 一种城市轨道交通突发事件客流时空分布预测方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1959702A1 (en) * 2007-02-14 2008-08-20 Mitsubishi Electric Information Technology Centre Europe B.V. Method and system for emitting in a destination area of a moving conveyance, signals emitted by a telecommunication device into the moving conveyance
CN103473620A (zh) * 2013-09-26 2013-12-25 青岛海信网络科技股份有限公司 综合客运枢纽多交通方式预测方法及系统
JP2015219673A (ja) * 2014-05-16 2015-12-07 株式会社日立製作所 混雑予測装置及び混雑予測方法
CN104217129A (zh) * 2014-09-22 2014-12-17 北京交通大学 一种城轨路网客流估算方法
CN104239726A (zh) * 2014-09-22 2014-12-24 北京交通大学 一种城轨路网突发事件条件下客流估算系统
WO2016045195A1 (zh) * 2014-09-22 2016-03-31 北京交通大学 一种城轨路网客流估算方法
CN106484966A (zh) * 2016-09-22 2017-03-08 北京交通大学 一种城市轨道交通突发事件动态影响范围与强度确定方法
CN107194497A (zh) * 2017-04-27 2017-09-22 北京交通大学 一种突发事件下城市轨道交通乘客出行路径规划方法
CN107274000A (zh) * 2017-04-27 2017-10-20 北京交通大学 一种突发事件下城市轨道交通断面客流预测方法
CN107273999A (zh) * 2017-04-27 2017-10-20 北京交通大学 一种突发事件下城市轨道交通客流预测方法
CN109308539A (zh) * 2017-07-27 2019-02-05 上海宝信软件股份有限公司 实时估算轨道交通线网中换乘站的乘客滞留状态的方法
CN109523776A (zh) * 2017-09-20 2019-03-26 株式会社日立制作所 公共交通运营计划生成装置、方法及系统
CN108717583A (zh) * 2018-05-11 2018-10-30 东南大学 一种城市轨道交通区间中断条件下车站滞留旅客量实时预测方法
CN110203257A (zh) * 2019-05-09 2019-09-06 北京交通大学 一种轨道交通事件下列车运行调度方法和系统
CN110782070A (zh) * 2019-09-25 2020-02-11 北京市交通信息中心 一种城市轨道交通突发事件客流时空分布预测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113065701B (zh) * 2021-03-30 2023-10-31 重庆交通职业学院 一种轨道交通客流量智能预测方法和装置

Also Published As

Publication number Publication date
CN112508247B (zh) 2024-05-21

Similar Documents

Publication Publication Date Title
US20150287311A1 (en) Anomalous phenomena detector
Nesheli et al. Improved reliability of public transportation using real-time transfer synchronization
CN104077915B (zh) 乘车趋势预测装置及其方法
CN103077605B (zh) 车辆的调度方法和装置
EP3009324A1 (en) Traffic demand control device
CN104884900A (zh) 行程时间信息提供设备和行程时间信息提供方法
CN102611985A (zh) 一种用于提供出行信息的方法和设备
CN103440768A (zh) 一种基于动态修正的公交车到达时间实时预测方法
Tirachini et al. Headway variability in public transport: A review of metrics, determinants, effects for quality of service and control strategies
CN112508247B (zh) 一种交通异常信息的处理方法、装置及电子设备
CN106781432A (zh) 一种公交车辆调度的方法及装置
US11702120B2 (en) Information processing apparatus, information processing method, and non-transitory computer readable medium
Drabicki et al. Should I stay or should I board? Willingness to wait with real-time crowding information in urban public transport
Jenelius Data-driven bus crowding prediction based on real-time passenger counts and vehicle locations
CN116039727A (zh) 一种列车运行调整方案生成方法、设备及储存介质
CN110920684B (zh) 列车位置信息的确定方法、装置、电子设备及存储介质
CN115565365A (zh) 一种高速公路数据处理方法、装置、设备及计算机程序产品
Fadaei et al. A hybrid scheme for real‐time prediction of bus trajectories
Rahimi Siegrist et al. Modeling and quantifying interaction of information and capacity in public transport disruptions
CN106683029A (zh) 一种公交车辆首末班准点率的评估方法与系统
CN112465234B (zh) 一种平峰行车计划的生成方法、装置及电子设备
CN112052276A (zh) 乘车路线的挖掘方法和装置
CN113190637B (zh) 公交线路新增方法、装置、计算机设备及存储介质
CN114590293B (zh) 一种基于滑动窗口的列车进路防护距离计算方法及装置
Usvyat et al. Sketch model to forecast heavy-rail ridership

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