CN112880697B - 路径规划的方法、闸机、可读存储介质及车站管理系统 - Google Patents
路径规划的方法、闸机、可读存储介质及车站管理系统 Download PDFInfo
- Publication number
- CN112880697B CN112880697B CN201911206758.XA CN201911206758A CN112880697B CN 112880697 B CN112880697 B CN 112880697B CN 201911206758 A CN201911206758 A CN 201911206758A CN 112880697 B CN112880697 B CN 112880697B
- Authority
- CN
- China
- Prior art keywords
- gate
- optimal path
- target
- accident
- passenger
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Abstract
本公开涉及一种路径规划的方法、装置、可读存储介质及车站管理系统。方法应用于第一闸机,包括:在检测到紧急事故时,获取发生紧急事故的事故位置,根据事故位置、第一闸机的位置、以及与该第一闸机位于同一车站的各第二闸机的位置,确定从事故位置到第一闸机的最优路径,向车站管理系统发送最优路径,并接收车站管理系统发送的反馈信息,输出提示信息。如此,每一闸机只需计算从事故位置到该闸机的最优路径即可,极大地降低了闸机的计算工作量,提高了确定最优路径的效率,进而在发生紧急事故时可以及时确定出目标最优路径,进而实现及时疏散乘客的目的。并且,在确定出目标最优路径后,闸机还可以输出提示信息,节省了乘客选择出站闸机的时间。
Description
技术领域
本公开涉及路径规划技术领域,具体地,涉及一种路径规划的方法、闸机、可读存储介质及车站管理系统备。
背景技术
在许多领域都会遇到最优路径的确定问题。例如:经典的旅行商问题(TravellingSalesman Problem,TSP)旅行商人要拜访n个城市,他必须选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。路径的选择目标是要求规划的路径为所有路径之中长度最短的路径。又例如:在车站发生紧急事故(例如:火灾、水灾,等等)时,为了尽快疏散位于车站内的乘客,需要为乘客规划最优路径,以便于乘客尽快从车站内疏散出去。在众多疏散算法中,蚁群算法中的蚂蚁之间的信息互通与车站人员紧急疏散时,乘客相互协作出站的行为很具有相似性,能够更加根据车站出、入口分布情况,引导人流进行正确疏散,因此,多是基于蚁群算法为乘客规划最优路径。
在现有技术中,有些车站虽然实现了基于蚁群算法紧急疏散乘客的方案,但该蚁群算法运算都是放在线路级的服务器中,例如(针对地铁1号线,该地铁1号线的服务器运行蚁群算法),然后服务器将计算结果下发到各站的工作人员,工作人员进行分析后,再指引乘客疏导工作。这样,由于线路级的服务器需要对同一车站的不同出口均执行利用蚁群算法计算最优路径的过程,导致线路级的服务器需要计算的工作量较大。此外,服务器还需要将根据蚁群算法所得到的结果下发至车站,然后还需要工作人员对该结果进行分析,如此,大大增加了不确定性与延迟性,使得规划最优路径的响应时间延长,导致最优路径的规划效率较低。
发明内容
本公开的目的是提供一种路径规划的方法、闸机、可读存储介质及车站管理系统,以解决现有技术中存在的问题。
为了实现上述目的,本公开提供一种路径规划的方法,应用于第一闸机,所述方法包括:
在检测到紧急事故时,获取发生所述紧急事故的事故位置;
根据所述事故位置、所述第一闸机的位置、以及与所述第一闸机位于同一车站的各第二闸机的位置,确定从所述事故位置到所述第一闸机的最优路径;
向车站管理系统发送所述最优路径,以使所述车站管理系统根据所述第一闸机和各所述第二闸机发送的所述最优路径,确定疏散乘客的目标最优路径;
接收所述车站管理系统发送的反馈信息,所述反馈信息包括所述目标最优路径对应的目标闸机标识;
输出提示信息,所述提示信息用于提示位于所述事故位置的预设范围内的乘客从所述目标闸机标识对应的目标闸机疏散。
可选地,所述根据所述事故位置、所述第一闸机的位置、以及与所述第一闸机位于同一车站的各第二闸机的位置,确定从所述事故位置到所述第一闸机的最优路径,包括:
依次模拟在每一乘客按照转移概率公式选择待转移的下一所述第二闸机或所述第一闸机,直至每一乘客遍历完各所述第二闸机后到达所述第一闸机;
输出从所述事故位置到所述第一闸机的最优路径。
可选地,所述转移概率公式为:
其中,表征乘客k从当前位置i转移到所述下一闸机的位置j的转移概率,k为整数,取值范围为[1,m],m为位于所述事故位置的预设范围内的乘客总数量,i为整数,取值范围为[0,n],0表征所述当前位置为所述事故位置,j为整数,取值范围为[1,n],i≠j,n为所述车站内闸机的数量;allowk表征乘客k待转移的闸机的集合;τij(t)表征在t时刻所述当前位置i与所述下一闸机的位置j之间的信息素浓度,τis(t)表征在t时刻所述当前位置i与下一闸机s之间的信息素浓度,α表征信息素因子;ηij(t)为启发函数,表征乘客从所述当前位置i转移到所述下一闸机的位置j的期望程度,ηis(t)为启发函数,表征乘客从所述当前位置i转移到下一闸机s的期望程度,dij表征所述当前位置i到所述下一闸机的位置j的距离,β表征启发函数因子;s表征乘客k未遍历的闸机。
可选地,所述方法还包括:
在疏散乘客的过程中,统计预设时长内通过所述第一闸机的乘客数量;
根据所述乘客数量,确定乘客k在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度值Δτk ij;
根据所述信息素浓度值Δτk ij,对所述当前位置i与所述下一闸机的位置j之间的信息素浓度τij(t)执行更新过程,获得更新后的信息素浓度τij(t+1),其中,所述更新过程包括:
根据所述信息素浓度值Δτk ij和如下公式,确定位于所述事故位置的预设范围内的所有乘客在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度之和Δτij:
通过如下公式,获得更新后的信息素浓度τij(t+1):
τij(t+1)=(1-ρ)τij(t)+Δτij
其中,ρ表征信息素挥发因子;
根据更新后的信息素浓度τij(t+1)和所述转移概率公式,确定从所述事故位置到所述第一闸机的更新后的最优路径;
向所述车站管理系统发送所述更新后的最优路径,以使所述车站管理系统根据所述第一闸机和所述第二闸机更新后的最优路径确定更新后的疏散乘客的目标最优路径。
可选地,所述根据所述乘客数量,确定乘客k在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度值Δτk ij,包括:
确定乘客k遍历完所述第一闸机和所述第二闸机后所经过的路径总长度;
根据所述乘客数量,确定权重因子;
根据所述路径总长度、所述权重因子和预设的信息素常数,通过如下公式确定乘客k在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度值Δτk ij:
其中,Q表征预设的信息素常数,δ表征所述权重因子,Lk表征乘客k遍历完所述第一闸机和所述第二闸机后所经过的路径总长度。
可选地,所述方法还包括:
在正常运行期间,轮询检测车站内是否发生所述紧急事故。
可选地,所述方法还包括:
获取各检测装置检测的环境信息;
确定用于指示发生所述紧急事故的环境信息对应的目标检测装置;
将所述目标检测装置的位置确定为发生所述紧急事故的事故位置;或者
接收用户输入的表征事故位置的位置坐标。
本公开第二方面还提供一种闸机,所述闸机包括:
第一获取模块,用于在检测到紧急事故时,获取发生所述紧急事故的事故位置;
第一确定模块,用于根据所述事故位置、所述第一闸机的位置、以及与所述第一闸机位于同一车站的各第二闸机的位置,确定从所述事故位置到所述第一闸机的最优路径;
第一发送模块,用于向车站管理系统发送所述最优路径,以使所述车站管理系统根据所述第一闸机和各所述第二闸机发送的所述最优路径,确定疏散乘客的目标最优路径;
第一接收模块,用于接收所述车站管理系统发送的反馈信息,所述反馈信息包括所述目标最优路径对应的目标闸机标识;
输出模块,用于输出提示信息,所述提示信息用于提示位于所述事故位置的预设范围内的乘客从所述目标闸机标识对应的目标闸机疏散。
可选地,所述第一确定模块,还用于依次模拟每一乘客按照转移概率公式选择待转移的下一所述第二闸机或所述第一闸机,直至每一乘客遍历完各所述第二闸机后到达所述第一闸机;输出从所述事故位置到所述第一闸机的最优路径。
可选地,所述转移概率公式为:
其中,表征乘客k从当前位置i转移到所述下一闸机的位置j的转移概率,k为整数,取值范围为[1,m],m为位于所述事故位置的预设范围内的乘客总数量,i为整数,取值范围为[0,n],0表征所述当前位置为所述事故位置,j为整数,取值范围为[1,n],i≠j,n为所述车站内闸机的的数量;allowk表征乘客k待转移的闸机的集合;τij(t)表征在t时刻所述当前位置i与所述下一闸机的位置j之间的信息素浓度,τis(t)表征在t时刻所述当前位置i与下一闸机s之间的信息素浓度,α表征信息素因子;ηij(t)为启发函数,表征乘客从所述当前位置i转移到所述下一闸机的位置j的期望程度,ηis(t)为启发函数,表征乘客从所述当前位置i转移到下一闸机s的期望程度,dij表征所述当前位置i到所述下一闸机的位置j的距离,β表征启发函数因子;s表征乘客k未遍历的闸机。
可选地,所述闸机还包括:
统计模块,用于在疏散乘客的过程中,统计预设时长内通过所述第一闸机的乘客数量;
第二确定模块,用于根据所述乘客数量,确定乘客k在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度值Δτk ij;
第二获取模块,用于根据所述信息素浓度值Δτk ij,对所述当前位置i与所述下一闸机的位置j之间的信息素浓度τij(t)执行更新过程,获得更新后的信息素浓度τij(t+1),其中,所述更新过程包括:
根据所述信息素浓度值Δτk ij和如下公式,确定位于所述事故位置的预设范围内的所有乘客在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度之和Δτij:
通过如下公式,获得更新后的信息素浓度τij(t+1):
τij(t+1)=(1-ρ)τij(t)+Δτij
其中,ρ表征信息素挥发因子;
第三确定模块,用于根据更新后的信息素浓度τij(t+1)和所述转移概率公式,确定从所述事故位置到所述第一闸机的更新后的最优路径;
第二发送模块,用于向所述车站管理系统发送所述更新后的最优路径,以使所述车站管理系统根据所述第一闸机和所述第二闸机更新后的最优路径确定更新后的疏散乘客的目标最优路径。
可选地,所述第二确定模块包括:
第一确定子模块,用于确定乘客k遍历完所述第一闸机和所述第二闸机后所经过的路径总长度;
第二确定子模块,用于根据所述乘客数量,确定权重因子;
第三确定子模块,用于根据所述路径总长度、所述权重因子和预设的信息素常数,通过如下公式确定乘客k在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度值Δτk ij:
其中,Q表征预设的信息素常数,δ表征所述权重因子,Lk表征乘客k遍历完所述第一闸机和所述第二闸机后所经过的路径总长度。
可选地,所述闸机还包括:
检测模块,用于在正常运行期间,轮询检测车站内是否发生所述紧急事故。
可选地,所述闸机还包括:
第三获取模块,用于获取各检测装置检测的环境信息;
第四确定模块,用于确定用于指示发生所述紧急事故的环境信息对应的目标检测装置;
第五确定模块,用于将所述目标检测装置的位置确定为发生所述紧急事故的事故位置;或者
第二接收模块,用于接收用户输入的表征事故位置的位置坐标。
本公开第三方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开第一方面所提供的所述方法的步骤。
本公开第四方面还提供一种车站管理系统,包括:处理器,所述处理器与本公开第二方面所提供的闸机相连;
所述处理器,用于接收每一闸机发送的最优路径,并将最短的所述最优路径确定为目标最优路径,之后,向每一闸机发送反馈信息,其中,所述反馈信息中包括所述目标最优路径对应的目标闸机标识。
可选地,所述处理器,还用于在所述目标最优路径的长度大于预设的最优路径的长度时,向各闸机发送表征再次确定最优路径的反馈信息。
采用上述技术方案,第一闸机在检测到紧急事故时,获取发生紧急事故的事故位置,接着,根据事故位置、该第一闸机的位置、以及与与该第一闸机位于同一车站的第二闸机的位置,确定从事故位置到第一闸机的最优路径,然后,向车站管理系统发送最优路径,并接收车站管理系统发送的反馈信息,最后,输出提示信息,以提示乘客从目标最优路径对应的目标闸机疏散。如此,利用各闸机确定从事故位置到该该闸机的最优路径,即,每一闸机只需计算从事故位置到该该闸机的最优路径即可,极大地降低了每一闸机的计算工作量,提高了确定最优路径的效率,进而在车站发生紧急事故时可以及时确定出疏散乘客的目标最优路径,进而实现及时疏散乘客的目的。并且,在确定出目标最优路径后,闸机还可以输出提示信息提示乘客从目标最优路径对应的目标闸机出站,节省了乘客选择出站闸机的时间,同时也大大减轻了车站管理人员疏导乘客的压力。
本公开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。
附图说明
附图是用来提供对本公开的进一步理解,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公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种路径规划的方法的流程图。
图2是根据另一示例性实施例示出的一种路径规划的方法的流程图。
图3是根据一示例性实施例示出的一种闸机的框图。
图4是根据一示例性实施例示出的一种车站管理系统的框图。
具体实施方式
以下结合附图对本公开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公开,并不用于限制本公开。
首先,对本公开所提供的路径规划的方法适用的实施场景进行说明。通常情况下,车站设置有多个车站出口,例如,地铁站会设有车站出口A、车站出口B、车站出口C和车站出口D,等等,其中,每一车站出口可以设置有多个闸机,便于乘客刷卡出站。
本公开是基于闸机边缘计算方法为乘客规划最优路径的,因此,首先需要对闸机边缘计算进行部署。具体地,将闸机作为边缘设备结点,该结点主要用来处理数据,并将处理结果在本地进行响应,同时还可以将处理结果通过边缘网关(例如,路由器)发送至车站管理系统,以使车站管理系统对处理结果进行分析。通常情况下,闸机主要是基于Ubuntu操作系统通过系统边缘计算开发平台,把闸机添加到终端结点域。为了提高设备安全性,在该系统边缘计算开发平台中还可以绑定闸机的MAC地址(Media Access Control Address,媒体存取控制位址),其中,该MAC地址可以是闸机中的工控机的MAC地址。闸机连接边缘网关设备,并配置相关网络参数设置,如此,可以让闸机加入边缘计算网络域,实现网络自动化转发、运维、实时连接及网络安全等多项功能。
下面对本公开所提供的路径规划的方法进行说明。图1是根据一示例性实施例示出的一种路径规划的方法的流程图,该路径规划的方法可以应用于第一闸机。如图1所示,该方法可以包括以下步骤。
在步骤11中,在检测到紧急事故时,获取发生紧急事故的事故位置。
在一种实施例中,车站内安装有紧急按钮,在发生紧急事故时,车站内的管理人员可以手动按下该紧急按钮,第一闸机在检测到紧急按钮被按下时,即可检测到车站内发生紧急事故。在该实施例中,管理人员还可以手动输入表征事故位置的位置坐标。如此,第一闸机可以在检测到发生紧急事故时,可以获取用户手动输入的表征事故位置的位置坐标。
在另一种实施例中,车站内的不同区域中均设置有检测装置,该检测装置用于检测环境信息,检测装置可以例如为:烟雾传感器、水位传感器和温度传感器等等。第一闸机与检测装置相连,获取各检测装置的环境信息,并基于该环境信息,确定用于指示发生紧急事故的环境信息对应的目标检测装置。具体地,第一闸机与上述烟雾传感器、水位传感器和温度传感器相连,并基于烟雾传感器、水位传感器和温度传感器的检测结果检测是否发生紧急事故。示例地,在烟雾传感器检测到烟雾浓度大于预设浓度时,第一闸机可检测到发生火灾事件,在水位传感器检测到水位大于预设水位时,第一闸机可检测到发生水灾时间等等。在该实施例中,第一闸机可以将检测到烟雾浓度大于预设浓度的烟雾传感器的位置,或者,检测到水位大于预设水位的水位传感器的位置,确定为发生紧急事故的事故位置。
需要说明的是,第一闸机还可以通过干接点来检测是否发生紧急事故,如此,可以提高检测紧急事故的效率和准确度。
此外,在检测到发生紧急事故时,闸机还可以控制车站的广播系统进行广播,以告知乘客车站内发生紧急事故,以及发生紧急事故的事故位置,等等。此外,在检测到发生紧急事故时,第一闸机还可以控制第一闸机上的扇门打开,便于乘客迅速出站。
在步骤12中,根据事故位置、第一闸机的位置、以及与该第一闸机位于同一车站的各第二闸机的位置,确定从事故位置到第一闸机的最优路径。
需要说明的是,车站内的每一闸机中会预先存储有该闸机对应的车站出口的位置,以及与该车站的其他闸机的位置。示例地,某一车站包括四个车站出口,分别为:车站出口A、车站出口B、车站出口C和车站出口D,以第一闸机为车站出口A的闸机a,第二闸机为车站出口B的闸机b、车站出口C的闸机c和车站出口D的闸机d为例,闸机a中预先存储有闸机a、闸机b、闸机c和闸机d的位置。
此外,在实际应用中,从事故位置到闸机a会存在多种不同的路径,示例地,将事故位置标记为节点O,则从节点O到闸机a可能的路径有:O→a,O→b→a,O→c→a,O→d→a,O→b→c→d→a,等等。为了使乘客可以尽快出站,需要从上述多条路径中,找到最短路径。因此,在本公开中,闸机a在获取到事故位置之后,该闸机a可以基于该事故位置以及闸机b、闸机c、闸机d的位置,利用蚁群算法从多条路径中选出长度最短的路径,并将该路径确定为事故位置到闸机a的最优路径。其中,基于如何基于蚁群算法从多条路径中选出长度最短的路径,属于现有技术此处不再赘述。
同样地,闸机b、闸机c以及闸机d也可以按照同样的方法,分别计算出事故位置到闸机b的最优路径、事故位置到闸机c的最优路径以及事故位置到闸机d的最优路径。
在步骤13中,向车站管理系统发送最优路径,以使该车站管理系统根据第一闸机和各第二闸机发送的最优路径,确定疏散乘客的目标最优路径。
如上所述,第二闸机也可以分别计算出从事故位置到该第二闸机的最优路径,并向车站管理系统发送其计算得到的最优路径,以使该车站管理系统根据该车站内每一闸机发送的最优路径,确定疏散乘客的目标最优路径。示例地,车站管理系统可以从闸机a确定的最优路径、闸机b确定的最优路径、闸机c确定的最优路径以及闸机d确定的最优路径中,确定出最短的最优路径,并将该最短的最优路径确定为疏散乘客的最优路径。
在步骤14中,接收车站管理系统发送的反馈信息。
车站管理系统在确定出疏散乘客的目标最优路径时,还可以进一步确定出该目标最优路径对应的目标闸机标识。例如,若闸机a对应的最优路径的长度最短,则将该最优路径确定为疏散乘客的目标最优路径,并且,可进一步确定出闸机a的标识即为目标闸机标识。车站管理系统在确定出目标闸机标识后,可以向车站内的各闸机下发反馈信息,该反馈信息可以包括目标最优路径对应的目标闸机标识,如此,各闸机在接收到该反馈信息之后,可以解析该反馈信息并获得目标闸机标识。
在步骤15中,输出提示信息,该提示信息用于提示位于事故位置的预设范围内的乘客从目标闸机标识对应的目标闸机疏散。
在本公开中,各闸机具有播报消息的功能,闸机在接收到车站管理系统发送的反馈信息后,从该反馈信息中解析出目标闸机标识,进而输出提示信息,该提示信息用于提示位于事故位置的预设范围内的乘客从该目标闸机标识对应的目标闸机疏散。示例地,若目标闸机标识为闸机a的标识,则该提示信息可以是“请从闸机a出站”,等等。
此外,在一种可能的实施例中,车站管理系统中存储有预设的最优路径的长度,若所接收到的多个最优路径中最短路径的长度仍大于该预设的最优路径长度,则车站管理系统还可以向各闸机下发再次确定算最优路径的反馈信息。如此,各闸机在接收到该反馈信息时,会再次利用蚁群算法确定从事故位置到该闸机的最优路径,直到车站管理系统接收到的多个最优路径中最短路径的长度小于或等于该预设的最优路径的长度为止。
采用上述技术方案,第一闸机在检测到紧急事故时,获取发生紧急事故的事故位置,接着,根据事故位置、该第一闸机的位置、以及与与该第一闸机位于同一车站的第二闸机的位置,确定从事故位置到第一闸机的最优路径,然后,向车站管理系统发送最优路径,并接收车站管理系统发送的反馈信息,最后,输出提示信息,以提示乘客从目标最优路径对应的目标闸机疏散。如此,利用各闸机确定从事故位置到该该闸机的最优路径,即,每一闸机只需计算从事故位置到该该闸机的最优路径即可,极大地降低了每一闸机的计算工作量,提高了确定最优路径的效率,进而在车站发生紧急事故时可以及时确定出疏散乘客的目标最优路径,进而实现及时疏散乘客的目的。并且,在确定出目标最优路径后,闸机还可以输出提示信息提示乘客从目标最优路径对应的目标闸机出站,节省了乘客选择出站闸机的时间,同时也大大减轻了车站管理人员疏导乘客的压力。
下面以一个完整的实施例对本公开所提供的路径规划的方法进行说明。
如图2所示,在步骤16中,在正常运行期间,轮询检测车站内是否发生紧急事故。示例地,第一闸机在正常运行期间,可以启动该第一闸机内的时间调度器轮询检测车站内是否发生紧急事故。其中,利用时间调度器轮询检测技术属于现有技术,此处不再赘述。
在步骤11中,在检测到紧急事故时,获取发生紧急事故的事故位置。
在步骤121中,依次模拟每一乘客按照转移概率公式选择待转移的下一第二闸机或第一闸机,直至每一乘客遍历完各第二闸机后到达第一闸机。
在步骤122中,输出从事故位置到第一闸机的最优路径。
具体地,该转移概率公式为:
其中,表征乘客k从当前位置i转移到下一闸机的位置j的转移概率,k为整数,取值范围为[1,m]的整数,m为位于事故位置的预设范围内的乘客总数量,i为整数,取值范围为[0,n]之间的整数,0表征当前位置为事故位置,j为整数,取值范围为[1,n]之间的整数,i≠j,n为车站内闸机的数量;allowk表征乘客k待转移的闸机的集合,随着时间推移,allowk中闸机越来越少,直到为空表示遍历完所有闸机;τij(t)表征在t时刻当前位置i与下一闸机的位置j之间的信息素浓度,τis(t)表征在t时刻所述当前位置i与所述下一闸机s之间的信息素浓度,α表征信息素因子;ηij(t)为启发函数,表征乘客从当前位置i转移到下一闸机的位置j的期望程度,ηis(t)为启发函数,表征乘客从所述当前位置i转移到所述下一闸机s的期望程度,dij表征当前位置i到下一闸机的位置j之间的距离,β表征启发函数因子;s表征乘客k未遍历的闸机。
其中,上述中的α表征信息素重要程度因子,即,乘客在疏散过程中所积累的信息量在指导其他乘客确定待转移的下一闸机的重要程度。该值越大,表示信息素在乘客转移过程中发挥的作用越大,后续乘客选择该闸机的可能性就越大,搜索的随机性就降低;但其值越小,收敛速度变快,则会使乘客搜索过早限于局部优化,经过模拟测试,一般α的取值范围[1.0,2.0]。上述β表征启发函数因子,其值越大,启发函数在转移中的作用越大,即,乘客可以以大概率转移到距离最短的闸机;进一步解释,β大小反映了寻找最短路径的先验性、确定性因素的作用强度,其值越大,则在某个局部点上选择局部最优路径可能性越大,但搜索随机性降低,容易导致局部最优。β值越小,会让搜索进入更大的随机搜索,最终很难找到最优路径,经过模拟测试,一般β的取值范围可以为[4.0,6.0]。
另外,τij(t)的初始值可以取为4,也可以取其他数值,本公开对此并不作具体限定。
需要说明的是,可以在各闸机内预先设定迭代次数,该迭代次数可以为1000,并在迭代次数达到该预设迭代次数时输出从事故位置到该闸机的最优路径,这样,可以得到较为稳定的最优路径。
在相关技术中,在乘客遍历完所有闸机后,会对当前位置i与下一闸机的位置j之间的信息素浓度τij(t)执行更新过程,以得到t+1时刻的当前位置i与下一闸机的位置j之间的信息素浓度τij(t+1)。其中,该更新过程可以包括以下公式:
其中,ρ表征信息素挥发因子,其反映了各闸机之间的信息素的挥发速度;其值较大时,未被选中的路径信息素迅速衰退,使搜索范围变小,算法陷入局部最优可能性增加,但算法收敛性提高。其值较小时,会出现陷入局部最优可能性减少,但收敛变得很困难。经过模拟测试,ρ一般取值范围为[0.5,0.8]。Q表征预设的信息素常数,即为每一乘客遍历完一遍第一闸机和第二闸机后所释放的信息素总数,在实验中,其值通常设为1000,Lk表征乘客k遍历完第一闸机和第二闸机后所经过的路径总长度。
在按照上述公式更新当前位置i与下一闸机的位置j之间的信息素浓度后,根据更新后的当前位置i与下一闸机的位置j之间的信息素浓度,计算乘客从当前位置转移到下一闸机的位置的概率,进而再次迭代确定出事故位置到第一闸机的最优路径。按照该方式,直至迭代次数达到预设迭代次数时输出从事故位置到第一闸机的最优路径。
然而,根据上述公式可知,所确定的乘客去某个闸机的概率是基于当前位置到该闸机的距离无障碍这一假设计算得到的,而在实际动态的紧急疏散中,可能会出现在去往某个闸机的路径中存在障碍物,导致实际路线发生了变化,因此,若仍基于上述公式确定最优路径,将无法得到较为准确的最优路径。
或者,大量乘客从某一个闸机疏散,会在该闸机处引起排队拥堵,严重影响疏散进度,此时,车站管理人员可能会强制引导部分乘客从该目标闸机相邻的闸机疏散。
有鉴于此,本公开提出一种基于通过该闸机的乘客数量对τij(t)进行更新的方式。具体地,如图2所示,该方法还可以包括以下步骤。
在步骤17中,在疏散乘客的过程中,统计预设时长内通过第一闸机的乘客数量;
其中,该预设时长可以为5s、10s等等,本公开对此不作具体限定。
在步骤18中,根据乘客数量,确定乘客k在当前位置i与下一闸机的位置j之间释放的信息素浓度值Δτk ij。
具体地,首先,模拟确定乘客k遍历完第一闸机和第二闸机时所经过的路径总长度,接着,根据乘客数量,确定权重因子,其中,该权重因子可以用δ表示,δ表示某闸机处的乘客可以顺利疏散期望值的倒数,其中,该期望值可以指该闸机默认的正常疏散乘客的平均能力,也就是说,该闸机每分钟内疏散的乘客数量,因此,δ越小表示该闸机实际疏散乘客承受力越大,δ值越大表示该闸机实际疏散乘客能力越低。
然后,根据路径总长度Lk、权重因子δ和预设的信息素常数Q,通过如下公式确定乘客k在当前位置i与下一闸机的位置j之间释放的信息素浓度值Δτk ij:
在步骤19中,根据信息素浓度值Δτk ij,对当前位置i与下一闸机的位置j之间的信息素浓度τij(t)执行更新过程,获得更新后的信息素浓度τij(t+1)。
具体地,将根据公式(4)计算的Δτk ij,代入公式(2)中,获得更新后的信息素浓度τij(t+1)。
在步骤20中,根据更新后的信息素浓度τij(t+1)和转移概率公式,确定从事故位置到第一闸机的更新后的最优路径。
确定从事故位置到第一闸机的更新后的最优路径的具体方式与图1中的步骤12相似,此处不再赘述。
在步骤21中,向车站管理系统发送更新后的最优路径,以使车站管理系统根据第一闸机和各第二闸机更新后的最优路径确定更新后的疏散乘客的目标最优路径。
向车站管理系统发送更新后的最优路径,以使车站管理系统根据更新后的最优路径确定更新后的疏散乘客的目标最优路径的方式如图1中的步骤13相似,此处不再赘述。
在步骤14中,接收车站管理系统发送的反馈信息,该反馈信息中可以包括本次确定的目标最优路径的对应的目标闸机标识,和/或,上一次确定的目标最优路径对应的目标闸机标识。
在步骤15中,输出提示信息,该提示信息用于提示乘客从次确定的目标最优路径对应的目标闸机和上一次确定的目标最优路径对应的目标闸机疏散。
车站管理系统在确定出更新后的目标最优路径后,若本次确定的目标最优路径对应的目标闸机,和上一次确定的目标最优路径对应的目标闸机不同,且本次确定的目标最优路径与上一次确定的目标最优路径的差值小于预设阈值,则车站管理系统可以将本次确定的目标最优路径对应的目标闸机和上一次确定的目标最优路径对应的目标闸机同时作为当前的目标闸机,如此,闸机可以输出提示乘客从本次确定的目标闸机或上一次确定的目标闸机疏散的提示信息。
示例地,假设上一次确定的目标最优路径对应的目标闸机为闸机a,本次确定的目标最优路径对应的目标闸机为闸机b,则各闸机可以输出“请乘客从闸机a,或闸机b疏散”的提示信息,以便于乘客自行选择从闸机a,或闸机b出站。
采用上述技术方案,在疏散乘客的过程中,还可以根据通过第一闸机出的乘客数量,确定乘客k遍历完第一闸机和第二闸机后所经过的路径总长度的权重因子,然后重新运行蚁群算法,如此,在疏散乘客的过程中,各闸机可以根据该闸机通过的乘客数量,灵活地确定出疏散乘客的最优路径,以使车站管理系统准确地确定出目标最优路径对应的目标闸机,从而闸机可准确地引导乘客疏散。
基于同一发明构思,本公开还提供一种闸机。图3是根据一示例性实施例示出的一种闸机的框图。如图3所示,该闸机可以包括:
第一获取模块31,用于在检测到紧急事故时,获取发生所述紧急事故的事故位置;
第一确定模块32,用于根据所述事故位置、所述第一闸机的位置、以及与所述第一闸机位于同一车站的各第二闸机的位置,确定从所述事故位置到所述第一闸机的最优路径;
第一发送模块33,用于向车站管理系统发送所述最优路径,以使所述车站管理系统根据所述第一闸机和各所述第二闸机发送的所述最优路径,确定疏散乘客的目标最优路径;
第一接收模块34,用于接收所述车站管理系统发送的反馈信息,所述反馈信息包括所述疏散乘客的目标最优路径对应的目标闸机标识;
输出模块35,用于输出提示信息,所述提示信息用于提示位于所述事故位置的预设范围内的从所述目标闸机标识对应的目标闸机疏散。
可选地,所述第一确定模块32,还可以用于依次模拟每一乘客按照转移概率公式选择待转移的下一所述第二闸机或所述第一闸机,直至每一乘客遍历完各所述第二闸机后到达所述第一闸机;输出从所述事故位置到所述第一闸机的最优路径。
可选地,所述转移概率公式为:
其中,表征乘客k从当前位置i转移到所述下一闸机的位置j的转移概率,k为整数,取值范围为[1,m],m为位于所述事故位置的预设范围内的乘客总数量,i为整数,取值范围为[0,n],0表征所述当前位置为所述事故位置,j为整数,取值范围为[1,n],i≠j,n为所述车站内闸机的的数量;allowk表征乘客k待转移的闸机的集合;τij(t)表征在t时刻所述当前位置i与所述下一闸机的位置j之间的信息素浓度,τis(t)表征在t时刻所述当前位置i与所述下一闸机s之间的信息素浓度,α表征信息素因子;ηij(t)为启发函数,表征乘客从所述当前位置i转移到所述下一闸机的位置j的期望程度,ηis(t)为启发函数,表征乘客从所述当前位置i转移到所述下一闸机s的期望程度,dij表征所述当前位置i到所述下一闸机的位置j的距离,β表征启发函数因子;s表征乘客k未遍历的闸机。
可选地,所述闸机还可以包括:
统计模块,用于在疏散乘客的过程中,统计预设时长内通过所述第一闸机的乘客数量;
第二确定模块,用于根据所述乘客数量,确定乘客k在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度值Δτk ij;
第二获取模块,用于根据所述信息素浓度值Δτk ij,对所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度值Δτk ij;
第二获取模块,用于根据所述信息素浓度值Δτk ij,对所述当前位置i与所述下一闸机的位置j之间的信息素浓度τij(t)执行更新过程,获得更新后的信息素浓度τij(t+1),其中,所述更新过程包括:
根据所述信息素浓度值Δτk ij和如下公式,确定位于所述事故位置的预设范围内的所有乘客在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度之和Δτij:
通过如下公式,获得更新后的信息素浓度τij(t+1):
τij(t+1)=(1-ρ)τij(t)+Δτij
其中,ρ表征信息素挥发因子;
第三确定模块,用于根据更新后的信息素浓度τij(t+1)和所述转移概率公式,确定从所述事故位置到所述第一闸机的更新后的最优路径;
第二发送模块,用于向所述车站管理系统发送所述更新后的最优路径,以使所述车站管理系统根据所述第一闸机和所述第二闸机更新后的最优路径确定更新后的疏散乘客的目标最优路径。
可选地,所述第二确定模块可以包括:
第一确定子模块,用于确定乘客k遍历完所述第一闸机和所述第二闸机后所经过的路径总长度;
第二确定子模块,用于根据所述乘客数量,确定权重因子;
第三确定子模块,用于根据所述路径总长度、所述权重因子和预设的信息素常数,通过如下公式确定乘客k在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度值Δτk ij:
其中,Q表征预设的信息素常数,δ表征所述权重因子,Lk表征乘客k遍历完所述第一闸机和所述第二闸机后所经过的路径总长度。
可选地,所述闸机还可以包括:
检测模块,用于在正常运行期间,轮询检测车站内是否发生所述紧急事故。
可选地,所述闸机还可以包括:
第三获取模块,用于获取各检测装置检测的环境信息;
第四确定模块,用于确定用于指示发生所述紧急事故的环境信息对应的目标检测装置;
第五确定模块,用于将所述目标检测装置的位置确定为发生所述紧急事故的事故位置;或者
第二接收模块,用于接收用户输入的表征事故位置的位置坐标。
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。
基于同一发明构思,本公开还提供一种车站管理系统。图4是根据一示例性实施例示出的一种车站管理系统的框图。如图4所示,该车站管理系统可以包括:处理器,所述处理器与本公开提供的闸机相连;
所述处理器,用于接收每一闸机发送的最优路径,并将最短的所述最优路径确定为目标最优路径,之后,向每一闸机发送反馈信息,其中,所述反馈信息中包括所述目标最优路径对应的目标闸机标识。
可选地,所述处理器,还用于在所述目标最优路径的长度大于预设的最优路径的长度时,向各闸机发送表征再次确定最优路径的反馈信息。
关于上述实施例中的车站管理系统所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。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的最优路径规划方法的步骤。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的最优路径规划方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
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,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (10)
1.一种路径规划的方法,其特征在于,应用于第一闸机,所述方法包括:
在检测到紧急事故时,获取发生所述紧急事故的事故位置;
根据所述事故位置、所述第一闸机的位置、以及与所述第一闸机位于同一车站的各第二闸机的位置,确定从所述事故位置到所述第一闸机的最优路径;
向车站管理系统发送所述最优路径,以使所述车站管理系统根据所述第一闸机和各所述第二闸机发送的所述最优路径,确定疏散乘客的目标最优路径;
接收所述车站管理系统发送的反馈信息,所述反馈信息包括所述目标最优路径对应的目标闸机标识;
输出提示信息,所述提示信息用于提示位于所述事故位置的预设范围内的乘客从所述目标闸机标识对应的目标闸机疏散,其中,所述目标闸机为在所述第一闸机和所述第二闸机中选取的与目标最优路径对应的闸机。
2.根据权利要求1所述的方法,其特征在于,所述根据所述事故位置、所述第一闸机的位置、以及与所述第一闸机位于同一车站的各第二闸机的位置,确定从所述事故位置到所述第一闸机的最优路径,包括:
依次模拟每一乘客按照转移概率公式选择待转移的下一所述第二闸机或所述第一闸机,直至每一乘客遍历完各所述第二闸机后到达所述第一闸机;
输出从所述事故位置到所述第一闸机的最优路径。
3.根据权利要求2所述的方法,其特征在于,所述转移概率公式为:
其中,表征乘客k从当前位置i转移到下一闸机的位置j的转移概率,k为整数,取值范围为[1,m],m为位于所述事故位置的预设范围内的乘客总数量,i为整数,取值范围为[0,n],0表征所述当前位置为所述事故位置,j为整数,取值范围为[1,n],i≠j,n为所述车站内闸机的数量;allowk表征乘客k待转移的闸机的集合;τij(t)表征在t时刻所述当前位置i与所述下一闸机的位置j之间的信息素浓度,τis(t)表征在t时刻所述当前位置i与下一闸机s之间的信息素浓度,α表征信息素因子;ηij(t)为启发函数,表征乘客从所述当前位置i转移到所述下一闸机的位置j的期望程度,ηis(t)为启发函数,表征乘客从所述当前位置i转移到下一闸机s的期望程度,dij表征所述当前位置i到所述下一闸机的位置j的距离,β表征启发函数因子;s表征乘客k未遍历的闸机。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在疏散乘客的过程中,统计预设时长内通过所述第一闸机的乘客数量;
根据所述乘客数量,确定乘客k在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度值Δτk ij;
根据所述信息素浓度值Δτk ij,对所述当前位置i与所述下一闸机的位置j之间的信息素浓度τij(t)执行更新过程,获得更新后的信息素浓度τij(t+1),其中,所述更新过程包括:
根据所述信息素浓度值Δτk ij和如下公式,确定位于所述事故位置的预设范围内的所有乘客在所述当前位置i与所述下一闸机的位置j之间释放的信息素浓度之和Δτij:
通过如下公式,获得更新后的信息素浓度τij(t+1):
τij(t+1)=(1-ρ)τij(t)+Δτij
其中,ρ表征信息素挥发因子;
根据更新后的信息素浓度τij(t+1)和所述转移概率公式,确定从所述事故位置到所述第一闸机的更新后的最优路径;
向所述车站管理系统发送所述更新后的最优路径,以使所述车站管理系统根据所述第一闸机和各所述第二闸机更新后的最优路径确定更新后的疏散乘客的目标最优路径。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述方法还包括:
在正常运行期间,轮询检测车站内是否发生所述紧急事故。
7.根据权利要求1-5中任一项所述的方法,其特征在于,所述方法还包括:
获取各检测装置检测的环境信息;
确定用于指示发生所述紧急事故的环境信息对应的目标检测装置;
将所述目标检测装置的位置确定为发生所述紧急事故的事故位置;或者
接收用户输入的表征事故位置的位置坐标。
8.一种闸机,其特征在于,所述闸机包括:
第一获取模块,用于在检测到紧急事故时,获取发生所述紧急事故的事故位置;
第一确定模块,用于根据所述事故位置、第一闸机的位置、以及与所述第一闸机位于同一车站的各第二闸机的位置,确定从所述事故位置到所述第一闸机的最优路径;
第一发送模块,用于向车站管理系统发送所述最优路径,以使所述车站管理系统根据所述第一闸机和各所述第二闸机发送的所述最优路径,确定疏散乘客的目标最优路径;
第一接收模块,用于接收所述车站管理系统发送的反馈信息,所述反馈信息包括所述疏散乘客的目标最优路径对应的目标闸机标识;
输出模块,用于输出提示信息,所述提示信息用于提示位于所述事故位置的预设范围内的从所述目标闸机标识对应的目标闸机疏散,其中,所述目标闸机为在所述第一闸机和所述第二闸机中选取的与目标最优路径对应的闸机。
9.一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权利要求1-7中任一项所述方法的步骤。
10.一种车站管理系统,其特征在于,包括:处理器,所述处理器与权利要求8所述的闸机相连;
所述处理器,用于接收每一闸机发送的最优路径,并将最短的所述最优路径确定为目标最优路径,之后,向每一闸机发送反馈信息,其中,所述反馈信息中包括所述目标最优路径对应的目标闸机标识,其中,所述目标闸机为在所述第一闸机和所述第二闸机中选取的与目标最优路径对应的闸机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911206758.XA CN112880697B (zh) | 2019-11-29 | 2019-11-29 | 路径规划的方法、闸机、可读存储介质及车站管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911206758.XA CN112880697B (zh) | 2019-11-29 | 2019-11-29 | 路径规划的方法、闸机、可读存储介质及车站管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112880697A CN112880697A (zh) | 2021-06-01 |
CN112880697B true CN112880697B (zh) | 2022-09-09 |
Family
ID=76039120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911206758.XA Active CN112880697B (zh) | 2019-11-29 | 2019-11-29 | 路径规划的方法、闸机、可读存储介质及车站管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112880697B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116401941B (zh) * | 2023-03-27 | 2024-02-02 | 青岛理工大学 | 一种地铁站闸机疏散能力的预测方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101927777B (zh) * | 2010-09-03 | 2012-03-14 | 中铁上海设计院集团有限公司 | 轨道交通中设备故障后的系统联动方法 |
CN102354380A (zh) * | 2011-10-14 | 2012-02-15 | 东南大学 | 地铁枢纽人员疏散的路径分配方法 |
CN102815324B (zh) * | 2012-08-24 | 2015-10-28 | 青岛海信网络科技股份有限公司 | 轨道交通应急疏散路线的生成方法及系统 |
CN102908727B (zh) * | 2012-09-30 | 2015-07-15 | 安科智慧城市技术(中国)有限公司 | 一种楼宇火灾逃生安全路径计算系统及其方法 |
CN103336999B (zh) * | 2013-06-07 | 2016-08-10 | 同济大学 | 一种基于多蚁群的组合交通疏散优化方法 |
CN103523058B (zh) * | 2013-10-15 | 2015-12-23 | 广州杰赛科技股份有限公司 | 地铁响应处理设备的调节方法及系统 |
CN103927591A (zh) * | 2014-03-24 | 2014-07-16 | 北京交通大学 | 一种城市轨道交通应急疏散优化方法及系统 |
CN104239726B (zh) * | 2014-09-22 | 2019-02-26 | 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 |
CN104717291B (zh) * | 2015-03-20 | 2017-11-14 | 武汉大学 | 基于传感器实时监测网络的地铁火灾逃生系统及方法 |
CN104913779B (zh) * | 2015-05-07 | 2018-02-16 | 广东欧珀移动通信有限公司 | 一种紧急撤离的导航方法和装置 |
CN105631555B (zh) * | 2016-02-23 | 2019-04-05 | 北京邮电大学 | 一种疏散路径的推送方法及装置 |
CN107131886A (zh) * | 2017-07-07 | 2017-09-05 | 四川云图瑞科技有限公司 | 基于三维模型的地铁车站火灾安全疏散引导的监测系统 |
CN108596382B (zh) * | 2018-04-18 | 2021-11-23 | 中国地质大学(武汉) | 基于多起点、多待救援点、多个终点的救援路径规划方法 |
CN109269517B (zh) * | 2018-08-30 | 2019-07-26 | 中铁第四勘察设计院集团有限公司 | 一种用于高速铁路站台的应急疏导仿真方法及系统 |
CN109583734A (zh) * | 2018-11-21 | 2019-04-05 | 北京交通大学 | 枢纽机场旅客捷运系统的车站和线路运营安全评价方法 |
-
2019
- 2019-11-29 CN CN201911206758.XA patent/CN112880697B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112880697A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Myrvoll et al. | Counting public transport passenger using WiFi signatures of mobile devices | |
US10333854B2 (en) | Method and apparatus for detecting type of network data flow | |
Lau et al. | Probabilistic fault detector for wireless sensor network | |
US20170111377A1 (en) | NETWORK CAPABLE OF DETECTING DoS ATTACKS AND METHOD OF CONTROLLING THE SAME, GATEWAY AND MANAGING SERVER INCLUDED IN THE NETWORK | |
Ai et al. | Occupancy estimation for smart buildings by an auto-regressive hidden Markov model | |
US9397904B2 (en) | System for identifying, monitoring and ranking incidents from social media | |
Fujihara et al. | Disaster evacuation guidance using opportunistic communication: The potential for opportunity-based service | |
CN110874668B (zh) | 一种轨道交通od客流预测方法、系统及电子设备 | |
Akinwande et al. | Managing crowds in hazards with dynamic grouping | |
Goodwin et al. | Escape planning in realistic fire scenarios with Ant Colony Optimisation | |
CN108696453B (zh) | 轻量级的电力通信网sdn业务流感知方法及系统 | |
KR101726040B1 (ko) | 경로 안내 방법, 서버 및 시스템 | |
CN112204903A (zh) | 用于确定房间占用的系统和方法 | |
CN112880697B (zh) | 路径规划的方法、闸机、可读存储介质及车站管理系统 | |
Huang et al. | Distributed-neuron-network based machine learning on smart-gateway network towards real-time indoor data analytics | |
Balboa et al. | Testing a real-time intelligent evacuation guiding system for complex buildings | |
Bai | Uniqueness of Nash equilibrium in vaccination games | |
CN114689058A (zh) | 基于深度学习和混合遗传算法的火灾疏散路径规划方法 | |
Jacquemart et al. | Adaptive interacting particle system algorithm for aircraft conflict probability estimation | |
KR102223800B1 (ko) | 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법 | |
Demirkol et al. | The impact of a realistic packet traffic model on the performance of surveillance wireless sensor networks | |
CN114743333B (zh) | 一种智能楼宇消防安全控制系统 | |
JP6587974B2 (ja) | 人流制御システムおよび人流制御方法 | |
Sauer et al. | Mobility models for the industrial peer-to-peer context based on empirical investigation | |
Alshami et al. | A light WLAN radio map for floor detection in multi-floor environment localization |
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 |