CN113038382B - 一种数据处理方法、装置及电子设备 - Google Patents
一种数据处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113038382B CN113038382B CN201911251941.1A CN201911251941A CN113038382B CN 113038382 B CN113038382 B CN 113038382B CN 201911251941 A CN201911251941 A CN 201911251941A CN 113038382 B CN113038382 B CN 113038382B
- Authority
- CN
- China
- Prior art keywords
- monitoring point
- time slice
- determining
- monitoring
- congestion
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 237
- 238000005070 sampling Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 28
- 238000010295 mobile communication Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012806 monitoring device Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 11
- 238000011144 upstream manufacturing Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Alarm Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种数据处理方法、装置及电子设备，该方法包括：通过设置在预设区域内的第一信息采集设备，获取目标时间片内经过所处监控点的全量对象流量；通过设置在预设区域内的多个第二信息采集设备获取目标时间片内的采样对象轨迹；根据目标时间片内的采样对象轨迹和全量对象流量，确定每个监控点在未来时间片内的预测拥堵指标；根据预测拥堵指标确定未来时间片内拥堵的监控点，并进行预警。
Description
技术领域
本发明涉及监控预警技术领域，更具体地，涉及一种数据处理方法、一种数据处理装置、一种电子设备、及一种计算机可读存储介质。
背景技术
随着社会的发展，越来越多的人在出行时会选择地铁、轻轨、高铁等公共交通方式。
地铁、轻轨、高铁等轨交站点是大量乘客聚集换乘的场所，客流密度大且有较长排队等情况，是事故易发地点。目前，车站管理人员只能通过人工切换调览视频监控或站内工作人员手持设备(例如对讲机)等手段，监控站内的客流情况。这种监控方式无法提前预测客流信息进行拥堵预警，容易造成安全隐患。
发明内容
本发明实施例的一个目的是提供一种能够对拥堵监控点进行预警的新技术方案。
根据本发明的第一方面，提供了一种数据处理方法，包括：
通过设置在预设区域内的第一信息采集设备，获取目标时间片内经过所处监控点的全量对象流量；
通过设置在所述预设区域内的多个第二信息采集设备，获取所述目标时间片内的采样对象轨迹；
根据所述目标时间片内的所述采样对象轨迹和所述全量对象流量，确定每个监控点在未来时间片内的预测拥堵指标；
根据所述预测拥堵指标确定所述未来时间片内拥堵的监控点，并进行预警。
可选的，所述第二信息采集设备至少包括无线接入点和/或移动通信基站。
可选的，所述确定所述目标时间片内的采样对象轨迹包括：
获取所述预设区域的地图、及每个第二信息采集设备在所述地图中的位置；
根据所述第二信息采集设备采集的无线数据，确定在所述目标时间片内出现在所述预设区域内的无线设备、及每个无线设备在所述目标时间片内出入对应第二信息采集设备的通信范围的时间；
根据所述地图、每个第二信息采集设备在所述地图中的位置、及每个无线设备在所述目标时间片内出入对应第二信息采集设备的通信范围的时间，确定所述目标时间片内的采样对象轨迹。
可选的，所述预测拥堵指标包括预测对象密度和/或预测对象流量。
可选的，所述预测拥堵指标包括预测对象流量；
所述确定每个监控点在未来时间片内的预测拥堵指标包括：
根据每个监控点在所述地图中的位置、和所述目标时间片内的采样对象轨迹，确定监控点在所述未来时间片内的时空关联关系，其中，所述时空关联关系表示在所述未来时间片内任意两个监控点之间的通行时长；
根据所述目标时间片内的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例；
根据所述时空关联关系、每两个相邻的监控点间的所述对象去向比例和和每个监控点的所述全量对象流量，确定每个监控点的预测对象流量。
可选的，所述确定监控点之间的时空关联关系包括：
根据每个监控点在所述地图中的位置，确定每两个监控点之间的通道距离；
根据所述目标时间片内的采样对象轨迹，确定每个监控点对应的目标对象速度；
根据每两个监控点之间的通道距离、和每个监控点对应的目标对象速度，确定所述时空关联关系。
可选的，所述确定每个监控点在所述目标时间片内的目标对象速度包括：
根据所述地图、及每个无线设备在所述目标时间片内出入对应第二信息采集设备的通信区域的时间，确定所述预设区域内每一通道在所述目标时间片内的对象速度；
根据每个监控点在所述地图中所对应的通道、及每一通道在所述目标时间片内的对象速度，确定每个监控点在所述目标时间片内的目标对象速度。
可选的，所述根据所述目标时间片内的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例包括：
根据每个监控点在所述地图中的位置，确定经过每个监控点的采样对象轨迹；
根据经过每个监控点的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例。
可选的，所述预测拥堵指标包括预测对象密度；
所述确定每个监控点在未来时间片内的预测拥堵指标还包括：
获取每个监控点的监控面积；
分别根据每个监控点的监控面积和所述预测对象流量，确定对应监控点在所述未来时间片内的预测对象密度。
可选的，所述方法还包括：
根据所述预测拥堵指标确定每个监控点在未来时间片内的拥堵等级，根据每个拥堵等级所对应的颜色展示对应的监控点，以进行拥堵预警。
可选的，所述根据所述预测拥堵指标确定所述未来时间片内拥堵的监控点包括：
获取每个监控点在多个历史时间片内的历史拥堵指标；
根据每个监控点的历史拥堵指标确定对应监控点的拥堵阈值；
将预测拥堵指标超过所述拥堵阈值的监控点，作为所述拥堵的监控点。
可选的，所述第一信息采集设备至少包括闸机和/或视频监控设备。
可选的，所述预设区域包括以下任一种：地铁站、轻轨站、火车站、机场、汽车站、港口、物流中转站、活动场所。
可选的，所述对象包括以下任一种：人、机动车、物流车、船只、飞行器、电动车、自行车。
根据本发明的第二方面，提供了一种数据处理装置，包括：
全量对象获取模块，用于通过设置在预设区域内的第一信息采集设备，获取目标时间片内经过所处监控点的全量对象流量；
采样轨迹确定模块，用于通过设置在所述预设区域内的多个第二信息采集设备，获取所述目标时间片内的采样对象轨迹；
预测指标确定模块，用于根据所述目标时间片内的所述采样对象轨迹和所述全量对象流量，确定每个监控点在未来时间片内的预测拥堵指标；
拥堵预警模块，用于根据所述预测拥堵指标确定所述未来时间片内拥堵的监控点，并进行预警。
根据本发明的第三方面，提供了一种电子设备，包括根据本发明第二方面所述的装置；或者，包括处理器和存储器，所述存储器用于存储可执行的指令，所述指令用于控制所述处理器执行根据本发明第一方面所述的方法。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如本发明第一方面所述的方法。
在本发明的实施例中，融合目标时间片内通过第一信息采集设备获取到的全量对象流量、与通过第二信息采集设备所获取到的采样对象轨迹，可以预测每个监控点在未来时间片内的预测拥堵指标，提前对拥堵的监控点进行拥堵预警，可以便于监控对象或站内工作人员根据预警进行分流，可以避免因拥堵所造成的安全隐患。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1是可用于实现本发明任意实施例的对象监控系统的示意图。
图2示出了本发明的实施例的数据处理方法的流程图。
图3为本发明实施例的地图的示意图。
图4示出了本发明的实施例的数据处理过程的示意图。
图5示出了本发明的实施例的数据处理装置的框图。
图6示出了本发明的实施例的电子设备的框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是可用于实现本发明任意实施例的对象监控系统的示意图。
如图1所示，对象监控系统100包括服务器1000、第二信息采集设备2000、无线设备3000、第一信息采集设备4000和网络5000。
服务器1000提供处理、数据库、通讯设施的业务点。服务器1000可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的，例如但不限于，网络服务器，新闻服务器，邮件服务器，消息服务器，广告服务器，文件服务器，应用服务器，交互服务器，数据库服务器，或代理服务器。在一些实施例中，每个服务器可以包括硬件，软件，或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如，服务器例如刀片服务器、云端服务器等，或者可以是由多台服务器组成的服务器群组，可以包括上述类型的服务器中的一种或多种等等。
在一个例子中，服务器1000可以如图1所示，包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600。尽管服务器也可以包括扬声器、麦克风等等，但是，这些部件与本发明的是合理无关，故在此省略。
其中，处理器1100例如可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、串行接口、红外接口等。通信装置1400例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1160例如可以包括触摸屏、键盘等。
在本发明的实施例中，第二信息采集设备2000包括无线接入点(Wireless AccessPoint，无线AP)和移动通信基站。无线接入点是移动计算机用户进入有线网络的接入点。可以用于无线网络的无线交换机，也是无线网络的核心。移动通信基站是移动通信网络的核心设备，移动通信基站的设置较为密集，可在轨交站内起到与无线AP相同的作用。
在本实施例中，无线设备3000是具有无线通信功能的电子设备。无线设备3000可以是移动终端，例如手机、便携式电脑、平板电脑、掌上电脑等等。在一个例子中，无线设备3000是具有上网功能的设备。
如图1所示，无线设备3000可以包括处理器3100、存储器3200、接口装置3300、通信装置3400、显示装置3500、输入装置3600、扬声器3700、麦克风3800，等等。其中，处理器3100可以是中央处理器CPU、微处理器MCU等。存储器3200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置3300例如包括USB接口、耳机接口等。通信装置3400例如能够进行有线或无线通信。显示装置3500例如是液晶显示屏、触摸显示屏等。输入装置3600例如可以包括触摸屏、键盘等。用户可以通过扬声器3700和麦克风3800输入/输出语音信息。
在本实施例中，第二信息采集设备2000可以监控到处于自身通信范围内的无线设备3000。具体的，第二信息采集设备2000还可以监控无线设备3000接入或移出自身通信范围的时间。
在本实施例中，第一信息采集设备4000可以是视频监控设备、闸机等设备，可以用于监控经过自身所部署位置的对象流量。
网络5000可以是无线通信网络也可以是有线通信网络，可以是局域网也可以是广域网。在图1所示的对象监控系统中，第二信息采集设备2000与服务器1000、第一信息采集设备4000与服务器1000，可以通过网络5000进行通信。此外，第二信息采集设备2000与服务器1000、第一信息采集设备4000与服务器1000通信所基于的网络5000可以是同一个，也可以是不同的。
应当理解的是，尽管图1仅示出一个服务器1000、第二信息采集设备2000、无线设备3000和第一信息采集设备4000，但不意味着限制对应的数目，对象监控系统100中可以包含多个服务器1000、第二信息采集设备2000、无线设备3000和第一信息采集设备4000。
图1所示的对象监控系统100仅是解释性的，并且决不是为了要限制本发明、其应用或用途。
应用于本发明的实施例中，服务器1000的所述存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的数据处理方法。
尽管在图1中对服务器1000示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，服务器1000只涉及存储器1200和处理器1100。
应用于本发明的实施例中，无线设备3000的所述存储器3200用于存储指令，所述指令用于控制所述处理器3100运行无线设备3000执行本发明实施例提供的数据处理方法。
尽管在图1中对无线设备3000示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，无线设备3000只涉及存储器3200和处理器3100。
在上述描述中，技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
<方法实施例>
图2为根据本发明实施例的数据处理方法的示意性流程图。
在一个例子中，图2所示的数据处理方法可以是由电子设备实施，该电子设备可以是服务器。在一个实施例中，服务器可以是如图1所示的服务器1000。
如图2所示，本实施例的数据处理方法包括如下步骤S1000～S4000：
步骤S1000，通过设置在预设区域的第一信息采集设备，获取目标时间片内经过所处监控点的全量对象流量。
在一个实施例中，预设区域可以是预先根据应用场景或具体需求所设置的区域，可以是一个监控对象聚集的场所。例如，该预设区域可以是地铁站、轻轨站、火车站等轨道交通站点，还可以是机场、汽车站、港口、物流中转站、或活动场所。其中，活动场所可以是室内或室外用于举办展会、表演、展销、比赛等大型活动的场所，例如可以是体育馆、展览馆等。
本实施例中的对象，可以是如图1所示的对象监控系统的监控对象。该对象例如可以是以下任意一种：人、机动车、物流车、船只、飞行器、电动车、自行车等。
在一个实施例中，可以是根据应用场景或具体需求，将每个统计周期拆分为多个时间片。例如，每个统计周期可以是1天，可以将每1天拆分为时间长度相等的144个时间片，每个时间片的时间长度为10分钟。
目标时间片可以是根据应用场景或具体需求所选取的其中一个时间片，可以是任一历史时间片，也可以是当前时刻所对应的时间片。
预设区域中可以预先设置有多个第一信息采集设备，该第一信息采集设备可以用于监控经过其所处监控点的全量对象流量。该监控点具体可以是对应第一信息采集设备的监控范围、或监控位置。
例如，该第一信息采集设备可以是闸机。闸机是一种通道阻挡装置(通道管理设备)，用于管理人流并规范行人出入，主要应用于地铁闸机系统、收费检票闸机系统。其最基本最核心的功能是实现一次只通过一个对象，可用于各种收费、门禁场合的入口和/或出口通道处。因此，通过本实施例中的闸机可以获取每个时间片内的刷卡次数，即全量对象流量。
再例如，该第一信息采集设备可以是视频监控设备。视频监控设备可以包括相机，用于采集监控视频。基于预设的视频对象识别算法，可以识别出在每个时间片内全量对象流量。在一个实施例中，第一信息采集设备可以是设置在通道的出入口处、多个通道的岔口处、上下楼梯处等对象较为密集的区域。
步骤S2000，通过设置在预设区域内的多个第二信息采集设备，获取目标时间片内的采样对象轨迹。
在一个实施例中，第二信息采集设备可以包括无线接入点(Wireless AccessPoint，无线AP)和/或移动通信基站。无线接入点是移动计算机用户进入有线网络的接入点，可以用于无线网络的无线交换机，也是无线网络的核心。移动通信基站是移动通信网络的核心设备，移动通信基站的设置较为密集，可在轨交站内起到与无线AP相同的作用。
在一个实施例中，无线设备是具有无线通信功能的电子设备。例如可以是手机、便携式电脑、平板电脑、掌上电脑等等。
在本实施例中，第二信息采集设备可以监控到处于自身通信范围内的无线设备。具体的，第二信息采集设备还可以监控每个无线设备接入或移出自身通信范围的时间。
在一个实施例中，为了保证通过第二信息采集设备可以得到采样对象轨迹，需要在预设区域内设置多个第二信息采集设备，且任意两个相邻的第二信息采集设备的通信范围有重叠部分。
在本实施例中，第二信息采集设备所采集的无线数据中，可以包括无线设备的唯一设备标识，及每个唯一设备标识接入和移出对应第二信息采集设备的通信范围的时间。根据无线数据中所唯一设备标识接入和移出对应第二信息采集设备的通信范围的时间，可以确定对象轨迹。
具体的，每个无线设备具有唯一设备标识，该设备标识可以是无线设备的媒体存取控制位址(Media Access Control Address，MAC地址)、移动设备识别码(MobileEquipment Identifier，MEID)、或国际移动设备识别码(International MobileEquipment Identity，IMEI)。
在一个实施例中，确定目标时间片内的采样对象轨迹可以包括如下所示的步骤S2100～S2300：
步骤S2100，获取预设区域的地图、及每个第二信息采集设备在地图中的位置。
在本发明的一个实施例中，地图中的通道，可以是对象能够通行的通道。该地图和每个第二信息采集设备在地图中的位置可以是预先设置好的。
步骤S2200，根据第二信息采集设备采集的无线数据，确定目标时间片内出现在预设区域内的所有无线设备、及每个无线设备在目标时间片内出入对应第二信息采集设备的通信范围的时间。
步骤S2300，根据地图、每个第二信息采集设备在地图中的位置、及每个无线设备在目标时间片内出入对应第二信息采集设备的通信范围的时间，确定目标时间片内的采样对象轨迹。
具体的，可以是分别根据每个无线设备在预设区域内出入多个第二信息采集设备的通信范围的时间，就能够得到对应无线设备的轨迹。
例如，在如图3所示的地图中，可以是设置有第二信息采集设备2000-1～2000-6，每个第二信息采集设备周围的虚线圈可以表示其通信范围。那么，如果得到无线设备A接入第二信息采集设备2000-1的时间为08:00:00，移出第二信息采集设备2000-1的时间为08:02:00，接入第二信息采集设备2000-2的时间为08:01:30，移出第二信息采集设备2000-2的时间为08:03:30，接入第二信息采集设备2000-3的时间为08:03:00，移出第二信息采集设备2000-3的时间为08:05:00，接入第二信息采集设备2000-4的时间为08:04:30，移出第二信息采集设备2000-4的时间为08:06:30，那么，可以确定无线设备A对应的对象轨迹为A→O→B。如果得到无线设备A接入第二信息采集设备2000-4的时间为08:00:00，移出第二信息采集设备2000-4的时间为08:02:00，接入第二信息采集设备2000-3的时间为08:01:30，移出第二信息采集设备2000-3的时间为08:03:30，接入第二信息采集设备2000-5的时间为08:03:00，移出第二信息采集设备2000-5的时间为08:05:00，接入第二信息采集设备2000-6的时间为08:04:30，移出第二信息采集设备2000-6的时间为08:06:30，那么，可以确定无线设备A对应的对象轨迹为B→O→C。
由于不是所有对象在预设区域内均会使用对应的无线设备上网，因此，根据目标时间片内的无线数据所得到的采样对象轨迹也不是全量的轨迹，而是采样的轨迹。
步骤S3000，根据目标时间片内的采样对象轨迹和全量对象流量，确定每个监控点在未来时间片内的预测拥堵指标。
在本发明的实施例中，未来时间片可以是相对于目标时间片而言的，即未来时间片可以是目标时间片之后的时间片。
在一个实施例中，预测拥堵指标可以包括预测对象密度和/或预测对象流量。
在预测拥堵指标包括预测对象流量的实施例中，确定每个监控点在未来时间片内的预测拥堵指标可以包括如下所示的步骤S3100～S3300：
步骤S3100，根据每个监控点在地图中的位置、和目标时间片内的采样对象轨迹，确定多个监控点在未来时间片内的时空关联关系。
其中，该时空关联关系表示未来时间片内任意两个监控点之间的通行时长。
在一个实施例中，确定多个监控点在未来时间片内的时空关联关系可以包括如下所示的步骤S3110～S3130：
步骤S3110，根据每个监控点在地图中的位置，确定每两个监控点之间的通道距离。
具体的，该通道距离可以是对象在通道内的从一个监控点到另一个监控点所需行走的距离。
例如，在如图3所示的例子中，如果监控点是在通道的A、O、B、C处，那么，A处的监控点和C处的监控点的通道距离可以包括A处到O处的距离、与O处到C处的距离之和。
步骤S3120，根据目标时间片内的采样对象轨迹，确定每个监控点对应的目标对象速度。
在本发明的一个实施例中，确定每个监控点对应的目标对象速度的方式可以包括：
根据地图、及每个无线设备在目标时间片内出入对应第二信息采集设备的通信区域的时间，确定预设区域内每一通道在目标时间片内的对象速度；根据每个监控点在地图中所对应的通道、及每一通道在目标时间片内的对象速度，确定每个监控点在目标时间片内的目标对象速度。
步骤S3130，根据每两个监控点之间的通道距离和每个监控点对应的目标对象速度，确定多个监控点在未来时间片内的时空关联关系。
在一个实施例中，可以是预先根据多个历史时间片的历史对象轨迹确定每个监控点在对应历史时间片的历史对象速度(确定历史对象速度的方式可以参照确定目标对象速度的方式，在此不再赘述)，再根据每两个监控点之间的通道距离、每个监控点对应的历史对象速度和对应历史时间片内实际的时空关联关系作为样本，对预设的机器学习算法进行训练，得到用于预测时空关联关系的第一模型。将每个监控点对应的目标对象速度输入该第一模型，就可以得到多个监控点在未来时间片内的时空关联关系。
步骤S3200，根据目标时间片内的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例。
在本发明的一个实施例中，确定每两个相邻的监控点间的对象去向比例包括：
根据每个监控点在地图中的位置，确定经过每个监控点的采样对象轨迹；根据经过每个监控点的采样对象轨迹的比例，确定每两个相邻的监控点间的对象去向比例。
在本实施中，经过监控点的采样对象轨迹，具体是行进方向与设置在该监控点的第一信息采集设备的监控方向相对应、且经过该监控点所在通道的轨迹。
例如，在如图3所示的例子中，可以是在O处设置有一个第一信息采集设备，分别监控O→A、O→B、O→C、A→O、B→O、C→O六个方向的对象流量。
由于每个监控点所监控到的是从对应方向过来的所有对象流量，而每个监控点的上游和/或下游可以有多个监控点，因此，根据采样对象轨迹，可以确定从上游监控点到对应的每个下游监控点的轨迹数量，进而可以得到上游监控点到每个下游监控点的对象去向比例。本实施例中的上游和下游是相对于监控方向而言的，随着方向的改变，监控点之间上游和下游的关系也可能会发生改变。
在如图3所示的例子中，如果从上游监控点A处到下游监控点O处的对象轨迹的数量为N1，从上游监控点O处到下游监控点B处的对象轨迹的数量为N2，从上游监控点O处到下游监控点C处的对象轨迹的数量为N3，那么，可以得到监控点A处到监控点O处的对象去向比例为100％，监控点O处到监控点B处的对象去向比例为N2/N1，监控点O处到监控点C处的对象去向比例为N3/N1。
步骤S3300，根据该时空关联关系、每两个相邻的监控点间的对象去向比例和每个监控点的全量对象流量，确定每个监控点的预测对象流量。
在一个实施例中，可以预先根据多个历史时间片的时空关联关系、多个历史时间片内每个监控点的历史全量对象流量、多个历史时间片内每两个相邻的监控点间的历史对象去向比例作为训练样本，对预设的机器学习算法进行训练，得到第二模型。将未来时间片内的时空关联关系、在目标时间片内每两个相邻的监控点间的对象去向比例和在目标时间片内每个监控点的全量对象流量输入到第二模型中，就可以得到每个监控点在未来时间片的预测对象流量。
在预测拥堵指标包括预测对象密度的实施例中，确定每个监控点在未来时间片内的预测拥堵指标的方式在包括上述步骤S3100～S3300的基础上，还可以包括如下所示的步骤S3400～S3500：
步骤S3400，获取每个监控点的监控面积。
具体的，每个监控点的监控面积是在安装第一信息采集设备时就确定并预先存储好的，因此，可以直接获取每个监控点的监控面积。
步骤S3500，分别根据每个监控点的监控面积和预测对象流量，确定对应监控点在未来时间片内的预测对象密度。
对于每个监控点而言，对应的预测对象密度可以是预测对象流量与监控面积的商。
步骤S4000，根据预测拥堵指标确定未来时间片内拥堵的监控点，并进行预警。
在本发明的一个实施例中，可以是预先根据每个监控点的建筑类型确定对应监控点的拥堵阈值；将预测拥堵指标超过拥堵阈值的监控点，作为拥堵的监控点。建筑类型可以包括楼梯、通道、出口、入口等。
在本发明的一个实施例中，根据预测拥堵指标确定未来时间片内拥堵的监控点可以包括：获取每个监控点在多个历史时间片内的历史拥堵指标；根据每个监控点的历史拥堵指标确定对应监控点的拥堵阈值；将预测拥堵指标超过拥堵阈值的监控点，作为拥堵的监控点。历史拥堵指标与预测拥堵指标相对应，例如可以均是对象流量，还可以均是对象密度，也可以均包括对象流量和对象密度。
例如，对于每个监控点，可以是将历史统计周期内(例如可以是过去一年内)的所有时间片的历史拥堵指标按照从大到小的顺序进行排序，并确定每个时间片的排序值，将指定排序值的时间片内的历史拥堵指标作为拥堵阈值。
该指定排序值可以是具体数值，例如100，那么可以是将排序值为100的时间片内的历史拥堵指标作为拥堵阈值。
该指定排序值也可以是指定比例所对应的数字，例如10％，那么，在历史统计周期内的时间片的数量为10000的情况下，可以是将排序值为1000的时间片内的历史拥堵指标作为拥堵阈值。
在预测拥堵指标包括预测对象流量和预测对象密度的实施例中，可以是预先根据每个监控点的建筑类型或历史对象流量来设置对应监控点的对象流量阈值，根据每个监控点的建筑类型或历史对象密度来设置对应监控点的对象密度阈值，将预测对象流量和/或预测对象密度超过该对象密度阈值的监控点作为拥堵的监控点。
在确定拥堵的监控点之后，可以在用于展示预设区域对象情况的显示屏上，高亮展示拥堵的监控点，以进行拥堵预警。
在本发明的一个实施例中，该可以根据每个监控点的预测拥堵指标，查找预设的反映拥堵指标与拥堵等级之间对应关系的对照表，确定每个监控点的预测拥堵等级，并根据每个拥堵等级所对应的颜色对每个监控点的对象状况进行展示。例如，可以通过可视化屏幕在站内地图上实时展现站内的对象状况热力图，供车站管理人员掌握车站整体对象状况，以便于对监控对象进行疏通。
根据本发明的实施例，融合目标时间片内通过第一信息采集设备获取到的全量对象流量、与通过第二信息采集设备获取到的采样对象轨迹，可以预测每个监控点在未来时间片内的预测拥堵指标，提前对拥堵的监控点进行拥堵预警，可以便于监控对象或站内工作人员根据预警进行分流，可以避免因拥堵所造成的安全隐患。
<例子1>
下面以一个具体的例子来说明本发明实施例中数据处理方法实施的过程。
如图4所示，第二信息采集设备向服务器发送目标时间片内采集的无线数据。第一信息采集设备向服务器发送目标时间片内经过其所处监控点的全量对象流量。服务器根据无线数据确定目标时间片内的采样对象轨迹；根据目标时间片内的采样对象轨迹和全量对象流量，确定每个监控点在未来时间片内的预测拥堵指标；根据预测拥堵指标确定未来时间片内的拥堵的监控点。通过显示屏展示拥堵的监控点进行预警。
<装置>
在本实施例中，提供一种数据处理装置5000。如图5所示，该处理装置5000可以包括全量对象获取模块5100、采样轨迹确定模块5200、预测指标确定模块5300和拥堵预警模块5400。该全量对象获取模块5100用于通过设置在预设区域内的第一信息采集设备，获取目标时间片内经过所处监控点的全量对象流量；该采样轨迹确定模块5200用于通过设置在预设区域内的多个第二信息采集设备获取目标时间片内的采样对象轨迹；该预测指标确定模块5300用于根据目标时间片内的采样对象轨迹和全量对象流量，确定每个监控点在未来时间片内的预测拥堵指标；该拥堵预警模块5400用于根据预测拥堵指标确定未来时间片内拥堵的监控点，并进行预警。
在本发明的一个实施例中，采样轨迹确定模块5200还可以用于：
获取预设区域的地图、及每个第二信息采集设备在地图中的位置；
根据第二信息采集设备采集到的无线数据，确定在目标时间片内出现在预设区域内的无线设备、及每个无线设备在目标时间片内出入对应第二信息采集设备的通信范围的时间；
根据地图、每个第二信息采集设备在地图中的位置、及每个无线设备在目标时间片内出入对应第二信息采集设备的通信范围的时间，确定目标时间片内的采样对象轨迹。
在本发明的一个实施例中，预测拥堵指标包括预测对象密度和/或预测对象流量。
在本发明的一个实施例中，预测拥堵指标包括预测对象流量；
预测指标确定模块5300还可以用于：
根据每个监控点在地图中的位置、和目标时间片内的采样对象轨迹，确定监控点在未来时间片内的时空关联关系，其中，时空关联关系表示在未来时间片内任意两个监控点之间的通行时长；
根据目标时间片内的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例；
根据时空关联关系、每两个相邻的监控点间的对象去向比例和每个监控点的全量对象流量，确定每个监控点的预测对象流量。
在本发明的一个实施例中，确定监控点之间的时空关联关系包括：
根据每个监控点在地图中的位置，确定每两个监控点之间的通道距离；
根据目标时间片内的采样对象轨迹，确定每个监控点对应的目标对象速度；
根据每两个监控点之间的通道距离、和每个监控点对应的目标对象速度，确定时空关联关系。
在本发明的一个实施例中，确定每个监控点在目标时间片内的目标对象速度包括：
根据地图、及每个无线设备在目标时间片内出入对应第二信息采集设备的通信区域的时间，确定预设区域内每一通道在目标时间片内的对象速度；
根据每个监控点在地图中所对应的通道、及每一通道在目标时间片内的对象速度，确定每个监控点在目标时间片内的目标对象速度。
在本发明的一个实施例中，根据目标时间片内的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例包括：
根据每个监控点在地图中的位置，确定经过每个监控点的采样对象轨迹；
根据经过每个监控点的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例。
在本发明的一个实施例中，预测拥堵指标包括预测对象密度；
预测指标确定模块5300还可以用于：
获取每个监控点的监控面积；
分别根据每个监控点的监控面积和预测对象流量，确定对应监控点在未来时间片内的预测对象密度。
在本发明的一个实施例中，该数据处理装置5000还可以包括：
用于根据预测拥堵指标确定每个监控点在未来时间片内的拥堵等级，根据每个拥堵等级所对应的颜色展示对应的监控点，以进行拥堵预警的模块。
在本发明的一个实施例中，根据预测拥堵指标确定未来时间片内拥堵的监控点包括：
获取每个监控点在多个历史时间片内的历史拥堵指标；
根据每个监控点的历史拥堵指标确定对应监控点的拥堵阈值；
将预测拥堵指标超过拥堵阈值的监控点，作为拥堵的监控点。
在本发明的一个实施例中，第一信息采集设备至少包括闸机和/或视频监控设备。
在本发明的一个实施例中，第二信息采集设备至少包括无线接入点和/或移动通信基站。
在本发明的一个实施例中，预设区域包括以下任一种：地铁站、轻轨站、火车站、机场、汽车站、码头港口、物流站点、大型活动或演唱会的举办场地。
在本发明的一个实施例中，对象包括以下任一种：人流、机动车流、物流车、船只、飞行器、电动车、自行车。
本领域技术人员应当明白，可以通过各种方式来实现数据处理装置6000。例如，可以通过指令配置处理器来实现数据处理装置6000。例如，可以将指令存储在ROM中，并且当启动设备时，将指令从ROM读取到可编程器件中来实现数据处理装置6000。例如，可以将数据处理装置6000固化到专用器件(例如ASIC)中。可以将数据处理装置6000分成相互独立的单元，或者可以将它们合并在一起实现。数据处理装置6000可以通过上述各种实现方式中的一种来实现，或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
在本实施例中，数据处理装置6000可以具有多种实现形式，例如，数据处理装置6000可以是任何的提供数据处理功能的软件产品或者应用程序中运行的功能模块，或者是这些软件产品或者应用程序的外设嵌入件、插件、补丁件等，还可以是这些软件产品或者应用程序本身。
<电子设备>
在本实施例中，还提供一种电子设备6000。该电子设备6000也可以是如图1所示的服务器1000。
在一方面，该电子设备6000可以包括前述的数据处理装置5000，用于实施本发明任意实施例的数据处理方法。
在另一方面，如图6所示，电子设备6000还可以包括处理器6100和存储器6200，该存储器6200用于存储可执行的指令；该处理器6100用于根据指令的控制运行电子设备6000执行根据本发明任意实施例的数据处理方法。
<计算机可读存储介质>
在本实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序在被处理器执行时实现如本发明任意实施例的数据处理方法。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (17)
1.一种数据处理方法，包括：
通过设置在预设区域内的第一信息采集设备，获取目标时间片内经过所处监控点的全量对象流量；
通过设置在所述预设区域内的多个第二信息采集设备，获取所述目标时间片内的采样对象轨迹；
根据所述目标时间片内的所述采样对象轨迹和所述全量对象流量，确定每个监控点在未来时间片内的预测拥堵指标；
根据所述预测拥堵指标确定所述未来时间片内拥堵的监控点，并进行预警。
2.根据权利要求1所述的方法，所述第二信息采集设备至少包括无线接入点和/或移动通信基站。
3.根据权利要求2所述的方法，其中，所述确定所述目标时间片内的采样对象轨迹包括：
获取所述预设区域的地图、及每个第二信息采集设备在所述地图中的位置；
根据所述第二信息采集设备采集的无线数据，确定在所述目标时间片内出现在所述预设区域内的无线设备、及每个无线设备在所述目标时间片内出入对应第二信息采集设备的通信范围的时间；
根据所述地图、每个第二信息采集设备在所述地图中的位置、及每个无线设备在所述目标时间片内出入对应第二信息采集设备的通信范围的时间，确定所述目标时间片内的采样对象轨迹。
4.根据权利要求3所述的方法，所述预测拥堵指标包括预测对象密度和/或预测对象流量。
5.根据权利要求4所述的方法，其中，所述预测拥堵指标包括预测对象流量；
所述确定每个监控点在未来时间片内的预测拥堵指标包括：
根据每个监控点在所述地图中的位置、和所述目标时间片内的采样对象轨迹，确定监控点在所述未来时间片内的时空关联关系，其中，所述时空关联关系表示在所述未来时间片内任意两个监控点之间的通行时长；
根据所述目标时间片内的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例；
根据所述时空关联关系、每两个相邻的监控点间的所述对象去向比例和和每个监控点的所述全量对象流量，确定每个监控点的预测对象流量。
6.根据权利要求5所述的方法，其中，所述确定监控点之间的时空关联关系包括：
根据每个监控点在所述地图中的位置，确定每两个监控点之间的通道距离；
根据所述目标时间片内的采样对象轨迹，确定每个监控点对应的目标对象速度；
根据每两个监控点之间的通道距离、和每个监控点对应的目标对象速度，确定所述时空关联关系。
7.根据权利要求6所述的方法，其中，所述确定每个监控点在所述目标时间片内的目标对象速度包括：
根据所述地图、及每个无线设备在所述目标时间片内出入对应第二信息采集设备的通信区域的时间，确定所述预设区域内每一通道在所述目标时间片内的对象速度；
根据每个监控点在所述地图中所对应的通道、及每一通道在所述目标时间片内的对象速度，确定每个监控点在所述目标时间片内的目标对象速度。
8.根据权利要求5所述的方法，其中，所述根据所述目标时间片内的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例包括：
根据每个监控点在所述地图中的位置，确定经过每个监控点的采样对象轨迹；
根据经过每个监控点的采样对象轨迹，确定每两个相邻的监控点间的对象去向比例。
9.根据权利要求5所述的方法，其中，所述预测拥堵指标包括预测对象密度；
所述确定每个监控点在未来时间片内的预测拥堵指标还包括：
获取每个监控点的监控面积；
分别根据每个监控点的监控面积和所述预测对象流量，确定对应监控点在所述未来时间片内的预测对象密度。
10.根据权利要求1所述的方法，还包括：
根据所述预测拥堵指标确定每个监控点在未来时间片内的拥堵等级，根据每个拥堵等级所对应的颜色展示对应的监控点，以进行拥堵预警。
11.根据权利要求1所述的方法，其中，所述根据所述预测拥堵指标确定所述未来时间片内拥堵的监控点包括：
获取每个监控点在多个历史时间片内的历史拥堵指标；
根据每个监控点的历史拥堵指标确定对应监控点的拥堵阈值；
将预测拥堵指标超过所述拥堵阈值的监控点，作为所述拥堵的监控点。
12.根据权利要求1所述的方法，所述第一信息采集设备至少包括闸机和/或视频监控设备。
13.根据权利要求1所述的方法，所述预设区域包括以下任一种：地铁站、轻轨站、火车站、机场、汽车站、港口、物流中转站、活动场所。
14.根据权利要求1所述的方法，所述对象包括以下任一种：人、机动车、物流车、船只、飞行器、电动车、自行车。
15.一种数据处理装置，包括：
全量对象获取模块，用于通过设置在预设区域内的第一信息采集设备，获取目标时间片内经过所处监控点的全量对象流量；
采样轨迹确定模块，用于通过设置在所述预设区域内的多个第二信息采集设备，获取所述目标时间片内的采样对象轨迹；
预测指标确定模块，用于根据所述目标时间片内的所述采样对象轨迹和所述全量对象流量，确定每个监控点在未来时间片内的预测拥堵指标；
拥堵预警模块，用于根据所述预测拥堵指标确定所述未来时间片内拥堵的监控点，并进行预警。
16.一种电子设备，其中，包括根据权利要求15所述的装置；或者，包括处理器和存储器，所述存储器用于存储可执行的指令，所述指令用于控制所述处理器执行如权利要求1至14中任一项所述的方法。
17.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如权利要求1至14中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911251941.1A CN113038382B (zh) | 2019-12-09 | 2019-12-09 | 一种数据处理方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911251941.1A CN113038382B (zh) | 2019-12-09 | 2019-12-09 | 一种数据处理方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113038382A CN113038382A (zh) | 2021-06-25 |
| CN113038382B true CN113038382B (zh) | 2024-05-03 |
Family
ID=76451886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911251941.1A Active CN113038382B (zh) | 2019-12-09 | 2019-12-09 | 一种数据处理方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113038382B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113838308B (zh) * | 2021-11-24 | 2022-02-15 | 亿海蓝（北京）数据技术股份公司 | 港口阻塞度衡量方法和系统、船舶、港口管理系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005172702A (ja) * | 2003-12-12 | 2005-06-30 | Edia:Kk | 道路交通情報提供システム |
| JP2010061435A (ja) * | 2008-09-04 | 2010-03-18 | Sumitomo Electric Ind Ltd | 感知器異常検出システム |
| CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
| CN107315755A (zh) * | 2016-04-27 | 2017-11-03 | 杭州海康威视数字技术股份有限公司 | 查询对象的轨迹生成方法及装置 |
| CN109615864A (zh) * | 2018-12-29 | 2019-04-12 | 深圳英飞拓科技股份有限公司 | 基于视频结构化的车辆拥堵分析方法、系统、终端及存储介质 |
| CN109816976A (zh) * | 2019-01-21 | 2019-05-28 | 平安科技（深圳）有限公司 | 一种交通管理方法及系统 |
| CN109872536A (zh) * | 2019-04-10 | 2019-06-11 | 义乌市腾飞汽车代驾服务有限公司 | 一种客流引导系统及其控制方法 |
| WO2019163412A1 (ja) * | 2018-02-22 | 2019-08-29 | パナソニックＩｐマネジメント株式会社 | ナビゲーション方法、ナビゲーションシステム、移動体、及び、ナビゲーションプログラム |
| JP2019169028A (ja) * | 2018-03-26 | 2019-10-03 | 東日本高速道路株式会社 | 渋滞予測システム、渋滞予測方法、学習装置、予測装置、プログラム、および学習済みモデル |
| JP2019185228A (ja) * | 2018-04-04 | 2019-10-24 | Ｊｆｅエンジニアリング株式会社 | 交通流管理システムおよび交通流管理方法 |
| CN110493816A (zh) * | 2019-08-21 | 2019-11-22 | 上海工程技术大学 | 一种用于轨交地铁车站客流量的实时预测方法 |
-
2019
- 2019-12-09 CN CN201911251941.1A patent/CN113038382B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005172702A (ja) * | 2003-12-12 | 2005-06-30 | Edia:Kk | 道路交通情報提供システム |
| JP2010061435A (ja) * | 2008-09-04 | 2010-03-18 | Sumitomo Electric Ind Ltd | 感知器異常検出システム |
| CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
| CN107315755A (zh) * | 2016-04-27 | 2017-11-03 | 杭州海康威视数字技术股份有限公司 | 查询对象的轨迹生成方法及装置 |
| WO2019163412A1 (ja) * | 2018-02-22 | 2019-08-29 | パナソニックＩｐマネジメント株式会社 | ナビゲーション方法、ナビゲーションシステム、移動体、及び、ナビゲーションプログラム |
| JP2019169028A (ja) * | 2018-03-26 | 2019-10-03 | 東日本高速道路株式会社 | 渋滞予測システム、渋滞予測方法、学習装置、予測装置、プログラム、および学習済みモデル |
| JP2019185228A (ja) * | 2018-04-04 | 2019-10-24 | Ｊｆｅエンジニアリング株式会社 | 交通流管理システムおよび交通流管理方法 |
| CN109615864A (zh) * | 2018-12-29 | 2019-04-12 | 深圳英飞拓科技股份有限公司 | 基于视频结构化的车辆拥堵分析方法、系统、终端及存储介质 |
| CN109816976A (zh) * | 2019-01-21 | 2019-05-28 | 平安科技（深圳）有限公司 | 一种交通管理方法及系统 |
| CN109872536A (zh) * | 2019-04-10 | 2019-06-11 | 义乌市腾飞汽车代驾服务有限公司 | 一种客流引导系统及其控制方法 |
| CN110493816A (zh) * | 2019-08-21 | 2019-11-22 | 上海工程技术大学 | 一种用于轨交地铁车站客流量的实时预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 姜彦 ; 张文韬 ; .西安地铁客流监控预警信息系统可行性研究及分析.都市快轨交通.2018,(第02期), * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113038382A (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10527433B2 (en) | Automated vehicle parking space recommendation | |
| Petrovska et al. | Traffic congestion analysis visualisation tool | |
| JP6322048B2 (ja) | 混雑予測装置及び混雑予測方法 | |
| Boukerche et al. | Crowd management: The overlooked component of smart transportation systems | |
| JP3952826B2 (ja) | 移動体誘導システム | |
| CN106251578A (zh) | 基于探针的人流预警分析方法和系统 | |
| CN111376253B (zh) | 一种机器人路线规划方法、装置、机器人及安全管理 | |
| Foell et al. | Micro-navigation for urban bus passengers: Using the internet of things to improve the public transport experience | |
| CN111341099B (zh) | 一种数据处理方法、装置及电子设备 | |
| CN110555381A (zh) | 人员疏导系统及人员疏导方法 | |
| KR102211855B1 (ko) | 지하철 객실 혼잡도 제공을 위한 지하철 객실 ＩｏＴ 단말, 지하철 혼잡도 제공 시스템 | |
| Anedda et al. | A social smart city for public and private mobility: A real case study | |
| CN113038382B (zh) | 一种数据处理方法、装置及电子设备 | |
| JP2019099069A (ja) | 情報処理システム、情報処理プログラム、情報処理装置および情報処理方法 | |
| Kinane et al. | Intelligent synthesis and real-time response using massive streaming of heterogeneous data (insight) and its anticipated effect on intelligent transport systems (its) in dublin city, ireland | |
| Jaafar et al. | Intelligent guidance parking system using modified Dijkstra’s algorithm | |
| CN111757272A (zh) | 地铁拥堵程度的预测方法、模型训练方法和装置 | |
| KR101773171B1 (ko) | 버스정보 안내장치를 이용한 버스정보 안내 시스템 | |
| Chen | Application of GNN in urban computing | |
| Wang et al. | Early warning of city-scale unusual social event on public transportation smartcard data | |
| Shi et al. | [Retracted]“Intelligent” Technical Guidelines for Chongqing East Railway Station Building and Supporting Hub Area | |
| CN111754770A (zh) | 一种交通控制方法、装置及电子设备 | |
| Kloeckl | The City as a Digital Public Space–Notes for the Design of Live Urban Data Platforms | |
| Nagpal | Urban Computing: Key Challenges and Issues of Traffic Management System | |
| CN111932872B (zh) | 一种交通控制方法、装置及电子设备 |
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 |