CN112862196A - 一种基于模糊逻辑理论的地铁站台乘客分布预测系统 - Google Patents
一种基于模糊逻辑理论的地铁站台乘客分布预测系统 Download PDFInfo
- Publication number
- CN112862196A CN112862196A CN202110189224.1A CN202110189224A CN112862196A CN 112862196 A CN112862196 A CN 112862196A CN 202110189224 A CN202110189224 A CN 202110189224A CN 112862196 A CN112862196 A CN 112862196A
- Authority
- CN
- China
- Prior art keywords
- passenger
- waiting area
- platform
- passengers
- model
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 76
- 230000001413 cellular effect Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 21
- 230000003068 static effect Effects 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 230000008447 perception Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000009291 secondary effect Effects 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G06Q50/40—
Abstract
本发明提供一种基于模糊逻辑理论的地铁站台乘客分布预测系统:S1、采集不同位置处进入地铁站台的客流历史数据,采集列车到达站台时各候车区的乘客分布历史数据;S2、输入进入地铁站台客流历史数据,基于模糊逻辑理论构建地铁站台乘客的候车区选择模型,计算乘客选择各候车区概率值;S3、基于元胞自动机模型建立乘客在站台的运动模型,模拟得到站台乘客分布,基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数,得到乘客分布预测模型;S4、将实时采集的进入站台客流数据输入乘客分布预测模型,模拟得到乘客分布预测结果,并将预测结果传输至乘客信息系统;S5、电子屏幕实时发布各候车区乘客密度预测信息,标识出建议候车区。
Description
技术领域
本发明属于城市轨道交通运行技术领域,特别是一种基于模糊逻辑理论的地铁站台乘客分布预测系统。
背景技术
相较于传统地面交通方式,地铁具有运量大、效率高、能耗低的优势,在提高出行效率的同时也可缓解地面交通压力。然而,在工作日早晚高峰时段,地铁系统往往需要面临巨大的集散压力,地铁站内乘客的运动规律非常复杂。站台作为地铁系统的重要组成部分,研究站台乘客的运动规律对于提高乘客的出行效率和缓解交通拥堵具有重要的意义。
地铁站台是乘客排队候车的重要场所。在高峰时段站台部分候车区乘客过度聚集现象频频发生,候车乘客在站台的分布极不均衡。这种不均衡现象可导致站台空间利用不充分,同时可影响乘客的上下车效率,进而增加列车停站时间,并易造成列车延误。同时,站台候车乘客分布不均衡现象也容易造成部分列车车厢内乘客较少、满载率低、运力浪费。因此,分析候车乘客在站台的分布特性,挖掘影响候车乘客分布的关键因素对提高候车乘客分布均衡度意义重大。
通常,根据经验指导乘客的候车区选择需花费大量的人力且效果一般。随着现代信息科技的进步,计算机仿真技术可实现乘客复杂运动行为的模拟,在降低成本的同时也可提高预测效率和精度。
因此,需要提供一种基于模糊逻辑理论的地铁站台乘客分布预测方法及其系统,以满足实际客流分布预测的要求。
发明内容
本发明的目的是针对现有的技术存在上述问题,提出了一种基于模糊逻辑理论的地铁站台乘客分布预测系统。充分利用模糊逻辑理论的优点,将鲁棒性与基于生理的感知行为、乘客的经验知识和对周围环境的感知信息有效地结合到决策过程中来解决乘客候车区的选择问题,进而基于元胞自动机模型驱动乘客运动模拟乘客找寻候车区的过程。
本发明的目的可通过下列技术方案来实现:一种基于模糊逻辑理论的地铁站台乘客分布预测系统,包括以下步骤:
S1、在楼/扶梯口和升降梯口采集不同位置处进入地铁站台的客流数据,采集列车到达站台时各候车区的乘客分布数据,处理并存储为历史数据;
S2、输入进入地铁站台客流历史数据,基于模糊逻辑理论构建地铁站台乘客的候车区选择模型,计算得到乘客选择各候车区的概率值;
S3、基于元胞自动机模型建立乘客在站台的运动模型,模拟得到站台乘客的分布,基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数,得到完整的地铁站台乘客分布预测模型;
S4、将实时采集的进入站台客流数据输入所构建的地铁站台乘客分布预测模型,模拟得到地铁站台乘客的分布预测结果,并将预测结果传输至乘客信息系统;
S5、站台乘客信息系统电子屏幕实时发布各候车区乘客密度预测信息,标识出建议候车区,为正确引导乘客选择合适的候车区提供参考,实现客流的监管调整。
一般来说,由于环境的异质性和人类思维的主观性,距离的“长”与“短”、密度的“大”与“小”没有明确的界限。本发明充分利用模糊逻辑理论的优点,将鲁棒性与基于生理的感知行为、乘客的经验知识和对周围环境的感知信息有效地结合到决策过程中来解决乘客候车区的选择问题,进而基于元胞自动机模型驱动乘客运动模拟乘客的找寻候车区的过程,能够更为准确地预测站台候车乘客的分布,为正确引导乘客选择合适的候车区提供参考,提高乘客的出行效率,对缓解高峰时段站台候车区乘客过度拥挤具有指导意义。
在上述的基于模糊逻辑理论的地铁站台乘客分布预测系统中,所述步骤S1中进入地铁站台的客流数据包括乘客的数量、进入位置及速度。
在上述的基于模糊逻辑理论的地铁站台乘客分布预测系统中,所述步骤S1中列车到达站台时各候车区的乘客分布数据包括候车区内乘客数量、队列数量。
在上述的基于模糊逻辑理论的地铁站台乘客分布预测系统中,所述步骤S2包括:
S21、输入不同位置处进入地铁站台的乘客历史位置、速度、流量数据,输入仿真模拟过程中乘客的基本属性;
S22、将影响乘客对候车区选择的量d、s、ρ进行模糊化,作为模糊逻辑系统的输入量,建立模糊集{Sd,Md,Ld}、{Ss,Ms,Ls}、{Sρ,Mρ,Lρ};其中,d表示候车区与乘客之间的距离,Sd、Md、Ld分别表示候车区与乘客之间的距离为短、中、长,s表示可用候车区的面积,Ss、Ms、Ls分别表示可用候车区的面积为小、中、大,ρ表示候车区乘客的密度,Sρ、Mρ、Lρ分别表示候车区乘客的密度为小、中、大;
将乘客选择候车区的概率p作为模糊逻辑的输出变量,并建立模糊集{Sp,Mp,Lp};其中Sp、Mp、Lp分别表示选择某个候车区的概率为低、中、高;
S23、基于高斯型隶属度函数设定模糊输入变量d、s、ρ和输出变量p的隶属度μ(d)、μ(s)、μ(ρ)、μ(p),其中d、s的变化范围是根据地铁站台的实际物理尺寸确定,ρ的取值范围根据车站拥挤度分类表确定;
S24、设置站台乘客选择候车区的模糊规则库;
根据隶属度函数、模糊规则库,采用质心法去模糊化,得到乘客对各候车区的选择概率p*,确定乘客的目标候车区;
其中,X是输出变量p的模糊集合,μ(x)为p的隶属度函数。
在上述的基于模糊逻辑理论的地铁站台乘客分布预测系统中,所述步骤S3包括:
S31、采用摩尔型元胞自动机模型描述站台乘客的运动,其中摩尔型元胞自动机模型的地板场由静态场和动态场共同构成;
设置初始状态下各元胞的动态场值D(i,j)=0;引入从众效应,所述动态场模型为
S33、基于建立的静态场模型和动态场模型,计算乘客下一步的移动概率Pij为:
Pij=Nexp(KSS(i,j))exp(KDD(i,j))(1-ηij)αij,
N={Σexp(KsS(i,j))exp(KDD(i,j))(1-ηij)αij}-1;
S34、根据乘客下一步的移动概率Pij,确定乘客下一步的移动位置;
S35、重复步骤S2和步骤S32-S34直到列车到达站台止,模拟得到候车乘客的分布;
S36、基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数,得到完整的地铁站台乘客分布预测模型。
与现有技术相比,本基于模糊逻辑理论的地铁站台乘客分布预测系统具有以下有益效果:
本发明在大量实地客流分布调研统计数据基础上,充分利用模糊逻辑理论处理模糊信息的能力,将模糊逻辑方法与乘客候车区选择的决策模糊性相结合,指导乘客的候车区选择,将元胞自动机模型动态场中引入从众效应,能够更为准确地预测站台候车乘客的分布,为正确引导乘客选择合适的候车区提供参考,实现客流的监管调整,为站台乘客分布的调整和基础设施布局的优化提供依据,提高乘客的出行效率,尤其对缓解高峰时段站台候车区乘客过度拥挤具有指导意义。
附图说明
图1是本发明的流程图。
图2是本发明实例中经处理后的乘客速度数据统计结果示意图。
图3是本发明实例中站台候车乘客分布仿真结果与实际数据对比示意图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明:
如图1所示,本基于模糊逻辑理论的地铁站台乘客分布预测系统,包括以下步骤:
S1、在楼/扶梯口和升降梯口采集不同位置处进入地铁站台的客流数据,采集列车到达站台时各候车区的乘客分布数据,处理并存储为历史数据;
步骤S1中进入地铁站台的客流数据包括乘客的数量、进入位置及速度。
步骤S1中列车到达站台时各候车区的乘客分布数据包括候车区内乘客数量、队列数量。
S2、输入进入地铁站台客流历史数据,基于模糊逻辑理论构建地铁站台乘客的候车区选择模型,计算得到乘客选择各候车区的概率值;
S21、输入不同位置处进入地铁站台的乘客历史位置、速度、流量数据,输入仿真模拟过程中乘客的基本属性;
S22、将影响乘客对候车区选择的量d、s、ρ进行模糊化,作为模糊逻辑系统的输入量,建立模糊集{Sd,Md,Ld}、{Ss,Ms,Ls}、{Sρ,Mρ,Lρ};其中,d表示候车区与乘客之间的距离,Sd、Md、Ld分别表示候车区与乘客之间的距离为短、中、长,s表示可用候车区的面积,Ss、Ms、Ls分别表示可用候车区的面积为小、中、大,ρ表示候车区乘客的密度,Sρ、Mρ、Lρ分别表示候车区乘客的密度为小、中、大;
将乘客选择候车区的概率p作为模糊逻辑的输出变量,并建立模糊集{Sp,Mp,Lp};其中Sp、Mp、Lp分别表示选择某个候车区的概率为低、中、高;
S23、基于高斯型隶属度函数设定模糊输入变量d、s、ρ和输出变量p的隶属度μ(d)、μ(s)、μ(ρ)、μ(p),其中d、s的变化范围是根据地铁站台的实际物理尺寸确定,ρ的取值范围根据车站拥挤度分类表确定;
S24、设置站台乘客选择候车区的模糊规则库;
根据隶属度函数、模糊规则库,采用质心法去模糊化,得到乘客对各候车区的选择概率p*,确定乘客的目标候车区;
其中,X是输出变量p的模糊集合,μ(x)为p的隶属度函数。
S3、基于元胞自动机模型建立乘客在站台的运动模型,模拟得到站台乘客的分布,基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数,得到完整的地铁站台乘客分布预测模型;
S31、采用摩尔型元胞自动机模型描述站台乘客的运动,其中摩尔型元胞自动机模型的地板场由静态场和动态场共同构成;
设置初始状态下各元胞的动态场值D(i,j)=0;引入从众效应,动态场模型为
S33、基于建立的静态场模型和动态场模型,计算乘客下一步的移动概率Pij为:
Pij=Nexp(KSS(i,j))exp(KDD(i,j))(1-ηij)αij,
N={Σexp(KsS(i,j))exp(KDD(i,j))(1-ηij)αij}-1;
S34、根据乘客下一步的移动概率Pij,确定乘客下一步的移动位置;
S35、重复步骤S2和步骤S32-S34直到列车到达站台止,模拟得到候车乘客的分布;
S36、基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数,得到完整的地铁站台乘客分布预测模型。
S4、将实时采集的进入站台客流数据输入所构建的地铁站台乘客分布预测模型,模拟得到地铁站台乘客的分布预测结果,并将预测结果传输至乘客信息系统;
S5、站台乘客信息系统电子屏幕实时发布各候车区乘客密度预测信息,标识出建议候车区,为正确引导乘客选择合适的候车区提供参考,实现客流的监管调整。
一般来说,由于环境的异质性和人类思维的主观性,距离的“长”与“短”、密度的“大”与“小”没有明确的界限。本发明充分利用模糊逻辑理论的优点,将鲁棒性与基于生理的感知行为、乘客的经验知识和对周围环境的感知信息有效地结合到决策过程中来解决乘客候车区的选择问题,进而基于元胞自动机模型驱动乘客运动模拟乘客的找寻候车区的过程,能够更为准确地预测站台候车乘客的分布,为正确引导乘客选择合适的候车区提供参考。
与现有技术相比,本基于模糊逻辑理论的地铁站台乘客分布预测系统具有以下有益效果:
本发明在大量实地客流分布调研统计数据基础上,充分利用模糊逻辑理论处理模糊信息的能力,将模糊逻辑方法与乘客候车区选择的决策模糊性相结合,指导乘客的候车区选择,将元胞自动机模型动态场中引入从众效应,能够更为准确地预测站台候车乘客的分布,为正确引导乘客选择合适的候车区提供参考,实现客流的监管调整,为站台乘客分布的调整和基础设施布局的优化提供依据,提高乘客的出行效率,尤其对缓解高峰时段站台候车区乘客过度拥挤具有指导意义。
以下通过一个具体实施例来对本发明作进一步的说明,针对某地点地铁站站台乘客分布预测进行仿真说明。首先,采集站台客流数据,包括进入站台的乘客数量、进入位置、速度以及候车区内乘客数量、队列数量。分析、清洗、转换、分类存储所需的数据,图2所示为100名乘客的经处理后的速度数据统计结果。之后将客流属性数据导入由乘客候车区选择模型和元胞自动机模型共同构建的站台乘客分布预测模型中,仿真模拟得到站台乘客分布结果。将其与实际客流分布数据对比,如图3所示。利用t检验法进一步校验模型的参数,在置信水平为95%的前提下,P值0.624>0.05,检验结果证明了仿真数据与实际数据并不存在显著差异。因此,可得到有效的站台乘客分布预测模型。
其中,根据某地铁站站台实际物理结构、车站拥挤度分类表、客流属性确定的模糊逻辑系统输入变量的隶属度函数为:
在验证了本发明所建立模型的有效性后,将站台乘客分布预测结果传输至乘客信息系统,并通过站台乘客信息系统电子屏幕实时发布各候车区乘客密度预测信息,标识出建议候车区,为正确引导乘客选择合适的候车区提供参考,实现客流的监管调整。
综上所述,本发明充分利用模糊逻辑理论处理模糊信息的能力,将鲁棒性、基于生理的感知行为、乘客的经验知识和对周围环境的感知信息有效地结合到决策行为中,用以解决站台乘客候车区的选择问题。将乘客的从众效应引入摩尔型元胞自动机模型中,用以模拟站台乘客的运动过程。本发明所构建的地铁站台乘客分布预测模型能够更为准确地预测站台候车乘客的分布,可为乘客候车区的选择提供辅助信息,提高乘客的出行效率,对缓解高峰时段站台候车区乘客过度拥挤具有指导意义。
显然,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,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (5)
1.一种基于模糊逻辑理论的地铁站台乘客分布预测系统,其特征在于,包括以下步骤:
S1、在楼/扶梯口和升降梯口采集不同位置处进入地铁站台的客流数据,采集列车到达站台时各候车区的乘客分布数据,处理并存储为历史数据;
S2、输入进入地铁站台客流历史数据,基于模糊逻辑理论构建地铁站台乘客的候车区选择模型,计算得到乘客选择各候车区的概率值;
S3、基于元胞自动机模型建立乘客在站台的运动模型,模拟得到站台乘客的分布,基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数,得到完整的地铁站台乘客分布预测模型;
S4、将实时采集的进入站台客流数据输入所构建的地铁站台乘客分布预测模型,模拟得到地铁站台乘客的分布预测结果,并将预测结果传输至乘客信息系统;
S5、站台乘客信息系统电子屏幕实时发布各候车区乘客密度预测信息,标识出建议候车区,为正确引导乘客选择合适的候车区提供参考,实现客流的监管调整。
2.如权利要求1所述的基于模糊逻辑理论的地铁站台乘客分布预测系统,其特征在于,所述步骤S1中进入地铁站台的客流数据包括乘客的数量、进入位置及速度。
3.如权利要求1所述的基于模糊逻辑理论的地铁站台乘客分布预测系统,其特征在于,所述步骤S1中列车到达站台时各候车区的乘客分布数据包括候车区内乘客数量、队列数量。
4.如权利要求1所述的基于模糊逻辑理论的地铁站台乘客分布预测系统,其特征在于,所述步骤S2包括:
S21、输入不同位置处进入地铁站台的乘客历史位置、速度、流量数据,输入仿真模拟过程中乘客的基本属性;
S22、将影响乘客对候车区选择的量d、s、ρ进行模糊化,作为模糊逻辑系统的输入量,建立模糊集{Sd,Md,Ld}、{Ss,Ms,Ls}、{Sρ,Mρ,Lρ};其中,d表示候车区与乘客之间的距离,Sd、Md、Ld分别表示候车区与乘客之间的距离为短、中、长,s表示可用候车区的面积,Ss、Ms、Ls分别表示可用候车区的面积为小、中、大,ρ表示候车区乘客的密度,Sρ、Mρ、Lρ分别表示候车区乘客的密度为小、中、大;
将乘客选择候车区的概率p作为模糊逻辑的输出变量,并建立模糊集{Sp,Mp,Lp};其中Sp、Mp、Lp分别表示选择某个候车区的概率为低、中、高;
S23、基于高斯型隶属度函数设定模糊输入变量d、s、ρ和输出变量p的隶属度μ(d)、μ(s)、μ(ρ)、μ(p),其中d、s的变化范围是根据地铁站台的实际物理尺寸确定,ρ的取值范围根据车站拥挤度分类表确定;
S24、设置站台乘客选择候车区的模糊规则库;
根据隶属度函数、模糊规则库,采用质心法去模糊化,得到乘客对各候车区的选择概率p*,确定乘客的目标候车区;
其中,X是输出变量p的模糊集合,μ(x)为p的隶属度函数。
5.如权利要求1所述的基于模糊逻辑理论的地铁站台乘客分布预测系统,其特征在于,所述步骤S3包括:
S31、采用摩尔型元胞自动机模型描述站台乘客的运动,其中摩尔型元胞自动机模型的地板场由静态场和动态场共同构成;
设置初始状态下各元胞的动态场值D(i,j)=0;引入从众效应,所述动态场模型为
S33、基于建立的静态场模型和动态场模型,计算乘客下一步的移动概率Pij为:
Pij=Nexp(KSS(i,j))exp(KDD(i,j))(1-ηij)αij,
N={Σexp(KsS(i,j))exp(KDD(i,j))(1-ηij)αij}-1;
S34、根据乘客下一步的移动概率Pij,确定乘客下一步的移动位置;
S35、重复步骤S2和步骤S32-S34直到列车到达站台止,模拟得到候车乘客的分布;
S36、基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数,得到完整的地铁站台乘客分布预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189224.1A CN112862196A (zh) | 2021-02-19 | 2021-02-19 | 一种基于模糊逻辑理论的地铁站台乘客分布预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189224.1A CN112862196A (zh) | 2021-02-19 | 2021-02-19 | 一种基于模糊逻辑理论的地铁站台乘客分布预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112862196A true CN112862196A (zh) | 2021-05-28 |
Family
ID=75988180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110189224.1A Pending CN112862196A (zh) | 2021-02-19 | 2021-02-19 | 一种基于模糊逻辑理论的地铁站台乘客分布预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862196A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421424A (zh) * | 2021-06-23 | 2021-09-21 | 青岛科技大学 | 一种考虑公交车内不同占用率下的乘客分布模拟及上车时间预测方法 |
CN113792415A (zh) * | 2021-08-20 | 2021-12-14 | 北京工业大学 | 一种基于元胞自动机的地铁站台行人乘车决策仿真方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488751A (zh) * | 2015-06-12 | 2016-04-13 | 青岛智能产业技术研究院 | 一种地铁站客流微观统计与调度方法 |
CN205971372U (zh) * | 2016-08-29 | 2017-02-22 | 西南交通大学 | 地铁车厢乘客分布多模式检测及站台引导系统 |
CN106779194A (zh) * | 2016-12-05 | 2017-05-31 | 北京交通大学 | 一种城市轨道交通站台乘客的分布预测方法 |
CN206585649U (zh) * | 2017-03-02 | 2017-10-24 | 上海申通地铁集团有限公司 | 用于地铁车站的客流监控装置 |
CN110278409A (zh) * | 2019-05-13 | 2019-09-24 | 南京知常容信息技术有限公司 | 一种基于客流密度估计的地铁屏蔽门客流导引系统 |
CN110400462A (zh) * | 2019-07-26 | 2019-11-01 | 中国安全生产科学研究院 | 基于模糊理论的轨道交通客流监测预警方法及其系统 |
CN110481606A (zh) * | 2019-08-23 | 2019-11-22 | 上海电气自动化设计研究所有限公司 | 基于视觉识别技术的地铁客流引导系统及方法 |
CN210083199U (zh) * | 2019-04-10 | 2020-02-18 | 上海工程技术大学 | 一种地铁站台客流统计预警装置 |
CN111063190A (zh) * | 2019-12-10 | 2020-04-24 | 北京工业大学 | 城市轨道交通车站站台过饱和客流预控制方法及系统 |
CN210666868U (zh) * | 2019-10-23 | 2020-06-02 | 上海申通地铁集团有限公司 | 用于地铁车站的智能乘车诱导装置 |
CN111259714A (zh) * | 2019-09-27 | 2020-06-09 | 华南理工大学 | 一种地铁列车车厢客流检测与预测及站台候车诱导系统 |
-
2021
- 2021-02-19 CN CN202110189224.1A patent/CN112862196A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488751A (zh) * | 2015-06-12 | 2016-04-13 | 青岛智能产业技术研究院 | 一种地铁站客流微观统计与调度方法 |
CN205971372U (zh) * | 2016-08-29 | 2017-02-22 | 西南交通大学 | 地铁车厢乘客分布多模式检测及站台引导系统 |
CN106779194A (zh) * | 2016-12-05 | 2017-05-31 | 北京交通大学 | 一种城市轨道交通站台乘客的分布预测方法 |
CN206585649U (zh) * | 2017-03-02 | 2017-10-24 | 上海申通地铁集团有限公司 | 用于地铁车站的客流监控装置 |
CN210083199U (zh) * | 2019-04-10 | 2020-02-18 | 上海工程技术大学 | 一种地铁站台客流统计预警装置 |
CN110278409A (zh) * | 2019-05-13 | 2019-09-24 | 南京知常容信息技术有限公司 | 一种基于客流密度估计的地铁屏蔽门客流导引系统 |
CN110400462A (zh) * | 2019-07-26 | 2019-11-01 | 中国安全生产科学研究院 | 基于模糊理论的轨道交通客流监测预警方法及其系统 |
CN110481606A (zh) * | 2019-08-23 | 2019-11-22 | 上海电气自动化设计研究所有限公司 | 基于视觉识别技术的地铁客流引导系统及方法 |
CN111259714A (zh) * | 2019-09-27 | 2020-06-09 | 华南理工大学 | 一种地铁列车车厢客流检测与预测及站台候车诱导系统 |
CN210666868U (zh) * | 2019-10-23 | 2020-06-02 | 上海申通地铁集团有限公司 | 用于地铁车站的智能乘车诱导装置 |
CN111063190A (zh) * | 2019-12-10 | 2020-04-24 | 北京工业大学 | 城市轨道交通车站站台过饱和客流预控制方法及系统 |
Non-Patent Citations (4)
Title |
---|
周敏: ""基于ACP方法的城轨车站乘客行为分析及应急疏散研究"", 《基于ACP方法的城轨车站乘客行为分析及应急疏散研究》 * |
徐澄: ""基于元胞自动机人员疏散仿真的客船布置优化研究"", 《基于元胞自动机人员疏散仿真的客船布置优化研究》 * |
杨妍: ""高密度人群应急疏散模型构建与研究"", 《高密度人群应急疏散模型构建与研究》 * |
杨晓霞: ""基于社会力模型的地铁枢纽站行人流动态特性与疏散研究"", 《基于社会力模型的地铁枢纽站行人流动态特性与疏散研究》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421424A (zh) * | 2021-06-23 | 2021-09-21 | 青岛科技大学 | 一种考虑公交车内不同占用率下的乘客分布模拟及上车时间预测方法 |
CN113792415A (zh) * | 2021-08-20 | 2021-12-14 | 北京工业大学 | 一种基于元胞自动机的地铁站台行人乘车决策仿真方法 |
CN113792415B (zh) * | 2021-08-20 | 2024-03-22 | 北京工业大学 | 一种基于元胞自动机的地铁站台行人乘车决策仿真方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288212B (zh) | 基于改进的mopso的电动出租车新建充电站选址方法 | |
CN103984994B (zh) | 一种城市轨道交通客流高峰持续时间预测方法 | |
CN112862196A (zh) | 一种基于模糊逻辑理论的地铁站台乘客分布预测系统 | |
CN108597227A (zh) | 高速公路收费站下道交通流量预测方法 | |
CN111144281B (zh) | 基于机器学习的城市轨道交通od客流估计方法 | |
CN103280100A (zh) | 融合智能调度数据的公交ic卡乘客换乘站点判断方法 | |
CN103617147A (zh) | 一种矿井突水水源层识别方法 | |
Huang et al. | An energy-efficient train control framework for smart railway transportation | |
CN110796317B (zh) | 一种基于需求预测的城市出租车调度方法 | |
CN106707765A (zh) | 高速动车组跟踪运行实时优化控制方法 | |
CN109489679B (zh) | 一种导航路径中的到达时间计算方法 | |
CN103955135A (zh) | 一种基于双层模式曲线的机车优化操纵序列计算方法 | |
CN106327867B (zh) | 一种基于gps数据的公交准点预测方法 | |
CN109635914A (zh) | 基于混合智能遗传粒子群的优化极限学习机轨迹预测方法 | |
Bin et al. | Energy-efficient speed profile optimization for high-speed railway considering neutral sections | |
CN114742444A (zh) | 一种基于博弈组合赋权的城市低碳客运交通结构评价方法 | |
CN111626582A (zh) | 一种城市交通出行问题热点分级方法及装置 | |
CN111899511A (zh) | 一种共线线路avl数据的公交车到站时间预测方法 | |
Wang et al. | Electric vehicle charging load clustering and load forecasting based on long short term memory neural network | |
CN112580951A (zh) | 基于乘客出行的城市地面公交运行监测关键指标筛选方法 | |
CN110619422A (zh) | 一种智能车站客流状况预测方法和系统 | |
CN114390582B (zh) | 基站站址预测方法及装置 | |
CN113642162B (zh) | 一种城市道路交通应急预案仿真综合分析方法 | |
CN116205423A (zh) | 一种基于粒子群算法的垃圾收运车辆路径多目标优化方法 | |
CN115600855A (zh) | 基于gis的城市规划用地强度分区方法、系统及存储介质 |
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: 20210528 |
|
RJ01 | Rejection of invention patent application after publication |