CN113256866A - 城市轨道交通无障碍通行系统及其实施方法 - Google Patents

城市轨道交通无障碍通行系统及其实施方法 Download PDF

Info

Publication number
CN113256866A
CN113256866A CN202110658185.5A CN202110658185A CN113256866A CN 113256866 A CN113256866 A CN 113256866A CN 202110658185 A CN202110658185 A CN 202110658185A CN 113256866 A CN113256866 A CN 113256866A
Authority
CN
China
Prior art keywords
bluetooth
passed
measured
information
data
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
CN202110658185.5A
Other languages
English (en)
Other versions
CN113256866B (zh
Inventor
张宁
汪理
林磊
陆赛杰
徐文
徐健洲
李道全
王宏博
何铁军
温龙辉
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.)
Nanjing Metro Construction Co ltd
Nanjing Gaomeiji Transportation Technology Co ltd
Beijing Urban Construction Design and Development Group Co Ltd
Original Assignee
Nanjing Metro Construction Co ltd
Nanjing Gaomeiji Transportation Technology Co ltd
Beijing Urban Construction Design and Development Group 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 Nanjing Metro Construction Co ltd, Nanjing Gaomeiji Transportation Technology Co ltd, Beijing Urban Construction Design and Development Group Co Ltd filed Critical Nanjing Metro Construction Co ltd
Priority to CN202110658185.5A priority Critical patent/CN113256866B/zh
Publication of CN113256866A publication Critical patent/CN113256866A/zh
Application granted granted Critical
Publication of CN113256866B publication Critical patent/CN113256866B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/38—Individual registration on entry or exit not involving the use of a pass with central registration

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Navigation (AREA)

Abstract

本发明公开了城市轨道交通无障碍通行系统及其实施方法，通过蓝牙智能通信工具，接收蓝牙信号，根据信号强度和蓝牙空间位置信息，得出待通过体的蓝牙位置；再采集加速度计、地磁传感器和陀螺仪传感器的数据，实现对待通过体行径轨迹水平和竖直朝向角的预判，得到待通过体行径的步频，实现对待通过体步长的计算；最后根据蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，得到待通过体的位置，当待通过体位置进入人脸识别模块的工作范围内时，利用人脸识别模块获取及对比信息，验证通过后控制闸门打开，实现轨道交通楼宇内的无障碍通行，特别适用于轨道交通楼宇内的工作人员、合作伙伴等临时进入的特定人群，操作便捷，安全无忧。

Description

城市轨道交通无障碍通行系统及其实施方法
技术领域
本发明属于轨道交通运输智能化技术领域，具体涉及一种城市轨道交通无障碍通行系统及其实施方法。
背景技术
近年来，具有运量大、速度快、效率高、能耗低等诸多优势的轨道交通受到越来越多的城市的青睐，国内城市轨道交通进入高速发展时期，不少城市已形成网络化运营格局。随着城市轨道交通线网规模的扩大，城市轨道交通运营管理所需要的工作人员也不可避免地在增加，大量的工作人员分布与城市轨道交通线网的车站、车辆段、办公楼宇等设施内，这些建筑设施的不同区域由门禁或者闸机分隔开，工作人员如若想要经过不同的区域，则需要刷卡，验证成功才能通行，进入其他的区域。然而，无论是闸机的刷卡还是门禁系统的刷卡，目前的距离均限制在10cm以内，刷卡过程需要靠近刷卡机器，这会浪费一定的时间，效率有待提高。而且，刷卡系统均认卡不认人，无法确保卡主与刷卡人是同一人，不利于城市轨道交通的运营管理。此外，除了城市轨道交通的工作人员，当上级部门的领导来视察或者是同级其他部门的领导来交流时，采用的方法一般是由工作人员统一刷卡，系统无法精确识别每一个通过人员，这一点也有待改进。
发明内容
本发明正是针对现有技术中的问题，提供了城市轨道交通无障碍通行系统及其实施方法，通过蓝牙智能通信工具，接收n个蓝牙信标的信号，根据信号强度和蓝牙空间位置信息，得出待通过体的蓝牙位置；然后按固定的时间间隔，采集加速度计、地磁传感器和陀螺仪传感器的数据，利用陀螺仪输出的角速度实现对待通过体行径轨迹水平和竖直朝向角的预判；对加速度数据和角速度数据做傅里叶变换，得到待通过体行径的步频；根据加速度的值，实现对待通过体步长的计算；最后根据蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，得到待通过体的位置，当待通过体位置进入人脸识别模块的工作范围内时，人脸识别模块获取待通过体的人脸信息，上传至服务器并进行对比，验证通过后控制闸门打开，在低成本高效率的前提下，实现轨道交通楼宇内的无障碍通行，特别适用于轨道交通楼宇内的工作人员、视察的上级部门领导、交流和工作上的合作伙伴等特定人群，操作便捷，安全无忧。
为了实现上述目的，本发明采用的技术方案是：城市轨道交通无障碍通行系统，其特征在于包括：
蓝牙信标模块，所述蓝牙信标模块用于发送和接收蓝牙信标信号，提供待通过体的蓝牙位置；
用户智能通信模块，所述用户智能通信模块至少包括加速度计、地磁传感器和陀螺仪传感器，分析计算待通过行径信息；
人脸识别模块，所述人脸识别模块至少包括识别模块和控制模块，识别模块用于人脸数据信息的检测、获取、上传和匹配；
服务器模块，所述服务器模块根据蓝牙信标模块提供的蓝牙位置与用户智能通信模块获悉的传感器信息，利用扩展的卡尔曼滤波器对数据进行融合，得到待测体的位置，当待通过体进入人脸识别模块的工作范围内时，结合人脸识别模块的识别结果，控制闸门的开关。
为了实现上述目的，本发明还采用的技术方案是：城市轨道交通无障碍通行系统的实施方法，包括如下步骤：
S1，通过蓝牙智能通信工具，接收n个蓝牙信标的信号，根据信号强度和蓝牙空间位置信息，得出待通过体的蓝牙位置
Figure 672634DEST_PATH_IMAGE001
；
S2，按固定的时间间隔，采集加速度计、地磁传感器和陀螺仪传感器的数据，利用陀螺仪输出的角速度实现对待测体行径轨迹水平和竖直朝向角
Figure 871666DEST_PATH_IMAGE002
的预判；对加速度数据和角速度数据做傅里叶变换，得到待测体行径的步频
Figure 916982DEST_PATH_IMAGE003
；根据加速度的值，实现对待测体步长l的计算；
S3，根据蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，得到待测体的位置
Figure 843350DEST_PATH_IMAGE004
，所述步骤进一步包括：
S31，对待测体位置进行建模，其状态矩阵xk为：
Figure 234886DEST_PATH_IMAGE005
其中，
Figure 588507DEST_PATH_IMAGE006
表示待测体行径了k步后的位置坐标；
Figure 121119DEST_PATH_IMAGE007
表示待测体行径了k步后的朝向；
Figure 851178DEST_PATH_IMAGE008
表示第k步的步长；
Figure 801947DEST_PATH_IMAGE009
表示待测体行径了第k步时的水平方向的朝向角的变化量；
Figure 123207DEST_PATH_IMAGE010
表示待测体行径了第k步时的竖直方向的朝向角的变化量；
Figure 408695DEST_PATH_IMAGE011
为系统过程噪声变量；
其量测方程为：
Figure 660554DEST_PATH_IMAGE013
其中，
Figure 715097DEST_PATH_IMAGE006
表示通过蓝牙智能通信工具得到的待测体空间坐标；
Figure 472838DEST_PATH_IMAGE008
表示通过传感器预估得到的待测体步长；
Figure 996354DEST_PATH_IMAGE014
表示传感器中得出的朝向角数据；
Figure 802636DEST_PATH_IMAGE015
表示朝向角的变化量；
Figure 711686DEST_PATH_IMAGE016
表示系统观测噪声变量，设定系统的状态方程和量测方程为：
Figure 578011DEST_PATH_IMAGE017
Figure 87359DEST_PATH_IMAGE018
S32，标称轨迹方程的线性化，主要包含两个部分：
S321，将状态方程中的非线性函数
Figure 697332DEST_PATH_IMAGE019
在
Figure 523205DEST_PATH_IMAGE020
的邻域做一阶泰勒级数展开，得到线性化的状态方程：
Figure 576743DEST_PATH_IMAGE021
其中，
Figure 792961DEST_PATH_IMAGE022
为
Figure 206625DEST_PATH_IMAGE023
时刻到
Figure 90267DEST_PATH_IMAGE024
时刻的状态转移矩阵。
Figure 633416DEST_PATH_IMAGE025
Figure 602509DEST_PATH_IMAGE026
将状态方程带入即可得状态转移矩阵：
Figure 288706DEST_PATH_IMAGE028
S322，对将观测方程中的非线性函数
Figure 43166DEST_PATH_IMAGE029
在
Figure 687774DEST_PATH_IMAGE030
的邻域做一阶泰勒级数展开，得到线性化的量测方程：
Figure 940901DEST_PATH_IMAGE031
其中，
Figure 945635DEST_PATH_IMAGE032
为
Figure 538290DEST_PATH_IMAGE024
时刻的量测矩阵：
Figure 88220DEST_PATH_IMAGE033
Figure 31905DEST_PATH_IMAGE034
将量测方程带入即可得量测矩阵：
Figure 341795DEST_PATH_IMAGE035
S33，根据经典卡尔曼滤波的方法进行状态的最优估计：
S331，状态最优估计首先需要做的是状态一步预测：
Figure 851274DEST_PATH_IMAGE036
其中，
Figure 572105DEST_PATH_IMAGE037
为
Figure 252354DEST_PATH_IMAGE023
时刻的待测物状态值，其初始值为
Figure 84044DEST_PATH_IMAGE038
，
Figure 916871DEST_PATH_IMAGE030
是将
Figure 808603DEST_PATH_IMAGE037
代入线性化后的状态方程得到的
Figure 477613DEST_PATH_IMAGE024
时刻的待测物状态预测值，即乘客的坐标信息；
S332，接下来需要计算几个中间值：
Figure 175311DEST_PATH_IMAGE039
Figure 597065DEST_PATH_IMAGE040
Figure 908966DEST_PATH_IMAGE041
其中，
Figure 48961DEST_PATH_IMAGE042
为均方误差的预测值，
Figure 550349DEST_PATH_IMAGE043
为均方误差的最优估计值，初值为
Figure 842921DEST_PATH_IMAGE044
，
Figure 76457DEST_PATH_IMAGE045
为卡尔曼滤波增益，
Figure 703747DEST_PATH_IMAGE046
为系统过程噪声
Figure 946510DEST_PATH_IMAGE011
的协方差矩阵，
Figure 388861DEST_PATH_IMAGE047
表示系统观测噪声
Figure 58877DEST_PATH_IMAGE016
的协方差矩阵，
Figure 173463DEST_PATH_IMAGE048
表示单位矩阵。
S333，最后，依据
Figure 439491DEST_PATH_IMAGE037
Figure 955923DEST_PATH_IMAGE023
时刻的待测物状态值
Figure 593578DEST_PATH_IMAGE037
和
Figure 444728DEST_PATH_IMAGE045
卡尔曼滤波增益
Figure 29293DEST_PATH_IMAGE045
即可得到最优的状态估计值：
Figure 400231DEST_PATH_IMAGE049
S4，经过步骤S3卡尔曼滤波后的位置
Figure 146470DEST_PATH_IMAGE050
与可运动区域进行对比，若位置
Figure 720802DEST_PATH_IMAGE050
位于不可进入的区域，则将其位置修正为可运动区域内距离位置
Figure 905796DEST_PATH_IMAGE050
最近的点
Figure 131241DEST_PATH_IMAGE051
；
S5，当待通过体位置进入人脸识别模块的工作范围内时，人脸识别模块获取待通过体的人脸信息，上传至服务器并进行对比，验证通过后控制闸门打开
作为本案的一种改进，步骤S1进一步包括：
S11,通过蓝牙智能通信工具接收n个蓝牙信标的信号，其强度为
Figure 563228DEST_PATH_IMAGE052
；
S12，在n个的蓝牙信号中选择强度最大的四个
Figure 874124DEST_PATH_IMAGE053
S13，根据蓝牙信号的衰减模型，利用信号强度值A以及路径损耗因子n分别计算四个信号强度对应的距离
Figure 800492DEST_PATH_IMAGE054
，计算方法为：
Figure 880443DEST_PATH_IMAGE055
S14，根据四个蓝牙信标的MAC地址，获取对应的四个信标的空间位置
Figure 47113DEST_PATH_IMAGE056
；
S15，将四个蓝牙信标每三个分为一组，一共可以形成4组，每组中的三个蓝牙信标位置和距离则确定待测体的位置，得出四个空间位置坐标
Figure 845305DEST_PATH_IMAGE057
；
S16，根据四个距离对坐标进行加权，得出待测体的蓝牙位置
Figure 575364DEST_PATH_IMAGE058
，加权方法为：
Figure 493510DEST_PATH_IMAGE059
。
作为本案的另一种改进，所述步骤S2进一步包括：
S21，通过智能通信工具对加速度计、地磁传感器和陀螺仪传感器按固定的时间间隔采集原始数据；
S22，对步骤S21采集到的原始数据进行滤波处理；
S23，利用陀螺仪输出的角速度，解算出智能通信工具的姿态，将其坐标系转换为真实世界的坐标系；
S24，利用陀螺仪输出的角速度实现对待测体行径时水平和竖直朝向角
Figure 283611DEST_PATH_IMAGE014
的预判；
S25，对加速度数据和角速度数据做傅里叶变换，得到乘客走行的步频f；
S26，根据加速度的值，实现对乘客步长l的估计。
为了实现上述目的，本发明还采用的技术方案是：城市轨道交通无障碍通行系统的实施方法，包括：
S1，在城市轨道交通楼宇内布置无源蓝牙信标模块；
S2，在楼宇设施内建立三维的空间坐标系，根据蓝牙信标模块所处的位置以及设备的布置情况，建立蓝牙信标数据库与楼宇设施布局数据库，将其存储与服务器模块中；
S3，当待通过体带着智能通信工具进入楼宇设施后，智能通信工具自动与安装于楼宇内的蓝牙信标进行通信，获取信号强度，得到乘客的蓝牙位置
Figure 365837DEST_PATH_IMAGE058
；
S4，智能通信工具按固定的时间间隔至少获取加速度、地磁、陀螺仪传感器的数据，分析计算出待通过体行径的朝向
Figure 384740DEST_PATH_IMAGE014
、步频
Figure 439283DEST_PATH_IMAGE060
和步长
Figure 134707DEST_PATH_IMAGE061
信息；
S5，结合蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对步骤S4得到的数据进行融合，得到待通过体的位置
Figure 641912DEST_PATH_IMAGE050
；
S6，结合步骤S2中服务器存储的楼宇设施布局数据，对待通过体位置进行修正，得到最终的位置
Figure 759778DEST_PATH_IMAGE051
，智能通信工具将位置上传到服务器中；
S7，服务器模块根据待通过体的位置、速度、方向信息，预判即将要经过的人脸识别模块，同时，将该人物的人脸信息提前从人脸识别模块中的数据库提取出来，形成小型的人脸库；
S8，当待通过体位置
Figure 934407DEST_PATH_IMAGE051
进入人脸识别模块的工作范围内时，人脸识别模块获取待通过体人脸信息，并将其上传至服务器，服务器与步骤S7的小型人脸库进行比对，验证通过后闸门打开。
作为本发明的更进一步改进，所述步骤S7中小型人脸库定期清理，将不符合要求的人脸信息剔除。
与现有技术相比，本发明提出了城市轨道交通无障碍通行系统及其实施方法，在传统的门禁系统、AFC刷卡系统效率低下、无法精确到人的情况下，根据楼宇设施情况布置蓝牙信标，通过特定人群智能通信设备中的蓝牙信号，计算蓝牙位置；利用加速度传感器、地磁传感器等获取当前的步频、步长、走行方向等；通过扩展卡尔曼滤波技术对蓝牙信息和传感器信息进行融合，提高定位精度，计算出的位置坐标；再结合楼宇设备的布置情况，对位置坐标进行修正；服务器根据修正后的位置、步频、步长、走行方向等信息，提前将其人脸信息提取出来，缩小人脸信息库，并进行数据对比，实现快速的人脸识别，从而控制闸门的关闭和开启，既满足城市轨道交通特定人群的无障碍通行，符合实际需求，也节约了人力物力，工作效率更高。
附图说明
图1为本发明城市轨道交通无障碍通行系统的实施方法的示意图；
图2为本发明城市轨道交通无障碍通行系统的实施方法中步骤S15蓝牙三点定位的示意图。
具体实施方式
以下将结合附图和实施例，对本发明进行较为详细的说明。
实施例1
城市轨道交通无障碍通行系统的实施方法，本实施例主要用于轨道交通地铁楼宇或站厅内，实施的方法流程如图1所示，具体包括如下步骤：
S1，在轨道交通楼宇内布置无源蓝牙信标模块，一般区域的信标间距控制在5-8m，确保楼内站厅内各点与至少三个信标的距离不大于8m，特殊区域如自动检票机附近的信标间距可以缩小为2-3m左右。
S2，在车站内建立三维的空间坐标系，根据蓝牙信标模块所处的位置以及站厅通道、设备等的布置情况，建立蓝牙信标数据库与站厅布局数据库，将其存储与服务器模块中；蓝牙信标数据库中包括：蓝牙信标的MAC地址、蓝牙信标的空间坐标、蓝牙信标所在的站厅区域和楼层等；站厅布局数据库中包括通道的起点、终点、走向、宽度，站厅区域的范围，栏杆的位置等。
S3，当轨道交通楼宇内的工作人员、合作伙伴等临时进入的特定人群带着智能手机进入车站时，App自动与安装于站厅内的蓝牙信标进行通信，获取信号强度，得到特定人物的蓝牙位置
Figure 800732DEST_PATH_IMAGE058
；
S31，手机在站厅内收到n个蓝牙信标的信号，强度为
Figure 811545DEST_PATH_IMAGE062
；
S32，在n个的蓝牙信号中选择强度最大的四个
Figure 155938DEST_PATH_IMAGE053
；
S33，根据蓝牙信号的衰减模型，利用参考距离为1米时接收的信号强度值
Figure 185074DEST_PATH_IMAGE063
以及路径损耗因子
Figure 268306DEST_PATH_IMAGE064
分别计算四个信号强度对应的距离
Figure 15682DEST_PATH_IMAGE054
，计算方法为：
Figure 429346DEST_PATH_IMAGE065
S34，根据四个蓝牙信标的MAC地址，获取对应的四个信标的空间位置
Figure 47409DEST_PATH_IMAGE056
；
S35，将四个蓝牙信标每三个分为一组，一共可以形成4组，每组中的三个蓝牙信标位置和距离就可以确定一个位置，这样一共可以计算出四个空间位置坐标
Figure 271848DEST_PATH_IMAGE057
，如附图2所示；
S36，根据四个距离对坐标进行加权，得出特定人物的蓝牙位置
Figure 240941DEST_PATH_IMAGE058
，加权方法为：
Figure 989454DEST_PATH_IMAGE066
S4，特定人群带着智能手机进入车站时，App按固定的时间间隔获取加速度、地磁、陀螺仪等传感器的数据，分析计算出行走的朝向
Figure 242450DEST_PATH_IMAGE014
、步频
Figure 355899DEST_PATH_IMAGE060
、步长
Figure 812288DEST_PATH_IMAGE061
等信息；
S41，手机App定时采集加速度计、地磁传感器、陀螺仪传感器的数据；
S42，对采集到的传感器原始数据进行滤波处理；
S43，利用陀螺仪输出的角速度，解算出智能手机的姿态，将智能手机的坐标系转换为真实世界的坐标系；
S44，利用陀螺仪输出的角速度实现对行走水平和竖直朝向角
Figure 567755DEST_PATH_IMAGE014
的估计；
S45，对加速度和角速度数据做傅里叶变换，得到走行的步频
Figure 176722DEST_PATH_IMAGE060
；
S46，在预先设定的行人运动速度等级规定下，根据加速度的值选择速度等级，进而实现对步长
Figure 788969DEST_PATH_IMAGE061
的估计。
S5，结合蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，得到特定人物的位置
Figure 732654DEST_PATH_IMAGE050
；
S51，对系统进行建模，状态矩阵：
Figure 275500DEST_PATH_IMAGE067
其中，
Figure 722661DEST_PATH_IMAGE006
表示走了
Figure 709072DEST_PATH_IMAGE068
步后的位置坐标，
Figure 687523DEST_PATH_IMAGE007
表示走了
Figure 784792DEST_PATH_IMAGE068
步后的朝向，
Figure 352040DEST_PATH_IMAGE008
表示第
Figure 243773DEST_PATH_IMAGE068
步的步长，
Figure 411318DEST_PATH_IMAGE009
表示走了第
Figure 46698DEST_PATH_IMAGE068
步时的水平方向的朝向角的变化量，
Figure 734032DEST_PATH_IMAGE010
表示走了第
Figure 609715DEST_PATH_IMAGE068
步时的竖直方向的朝向角的变化量，
Figure 749709DEST_PATH_IMAGE011
为系统过程噪声变量；
量测方程为：
Figure 188781DEST_PATH_IMAGE069
其中
Figure 730621DEST_PATH_IMAGE006
表示通过蓝牙定位得到的空间坐标，
Figure 479003DEST_PATH_IMAGE008
表示通过传感器估计得到的步长，
Figure 903031DEST_PATH_IMAGE014
也是传感器数据中估计出的朝向角，
Figure 880214DEST_PATH_IMAGE015
则时朝向角的变化量，
Figure 292872DEST_PATH_IMAGE016
是系统观测噪声变量。设定系统的状态方程和量测方程为：
Figure 697308DEST_PATH_IMAGE070
Figure 811895DEST_PATH_IMAGE071
S52，标称轨迹方程的线性化，主要包含两个部分：
将状态方程中的非线性函数
Figure 592769DEST_PATH_IMAGE019
在
Figure 155206DEST_PATH_IMAGE020
的邻域做一阶泰勒级数展开，得到线性化的状态方程：
Figure 996123DEST_PATH_IMAGE072
其中，
Figure 332427DEST_PATH_IMAGE022
为
Figure 667724DEST_PATH_IMAGE023
时刻到
Figure 38663DEST_PATH_IMAGE024
时刻的状态转移矩阵。
Figure 847219DEST_PATH_IMAGE073
Figure 920086DEST_PATH_IMAGE074
将状态方程带入即可得状态转移矩阵：
Figure 308342DEST_PATH_IMAGE075
同样的，对将观测方程中的非线性函数
Figure 268208DEST_PATH_IMAGE029
在
Figure 450927DEST_PATH_IMAGE030
的邻域做一阶泰勒级数展开，得到线性化的量测方程：
Figure 778135DEST_PATH_IMAGE076
其中，
Figure 501240DEST_PATH_IMAGE032
为
Figure 581191DEST_PATH_IMAGE024
时刻的量测矩阵：
Figure 473097DEST_PATH_IMAGE077
Figure 5709DEST_PATH_IMAGE078
将量测方程带入即可得量测矩阵：
Figure DEST_PATH_IMAGE079
S53，根据经典卡尔曼滤波的方法进行状态的最优估计：
状态最优估计首先需要做的是状态一步预测：
Figure 1347DEST_PATH_IMAGE080
其中，
Figure 748854DEST_PATH_IMAGE037
为
Figure 538956DEST_PATH_IMAGE023
时刻的待测物状态值，其初始值为
Figure 293285DEST_PATH_IMAGE038
，
Figure 76302DEST_PATH_IMAGE030
是将
Figure 130846DEST_PATH_IMAGE037
代入线性化后的状态方程得到的
Figure 826270DEST_PATH_IMAGE024
时刻的待测物状态预测值，即乘客的坐标信息；
接下来需要计算几个中间值：
Figure 146524DEST_PATH_IMAGE081
Figure 218385DEST_PATH_IMAGE082
Figure 127435DEST_PATH_IMAGE083
其中，
Figure 993760DEST_PATH_IMAGE042
为均方误差的预测值，
Figure 237528DEST_PATH_IMAGE043
为均方误差的最优估计值，初值为
Figure 909818DEST_PATH_IMAGE044
，
Figure 938954DEST_PATH_IMAGE045
为卡尔曼滤波增益，
Figure 726912DEST_PATH_IMAGE046
为系统过程噪声
Figure 208709DEST_PATH_IMAGE011
的协方差矩阵，
Figure 622373DEST_PATH_IMAGE047
表示系统观测噪声
Figure 506015DEST_PATH_IMAGE016
的协方差矩阵，
Figure 760148DEST_PATH_IMAGE048
表示单位矩阵。
最后，依据
Figure 729241DEST_PATH_IMAGE037
Figure 681017DEST_PATH_IMAGE023
时刻的待测物状态值
Figure 169898DEST_PATH_IMAGE037
和
Figure 814506DEST_PATH_IMAGE045
卡尔曼滤波增益
Figure 67633DEST_PATH_IMAGE045
即可得到最优的状态估计值：
Figure 72367DEST_PATH_IMAGE084
S54，返回S52，继续下一时刻的计算。
S6，结合服务器中存储的站厅布局信息，将S5中得到的特定人物位置
Figure 930601DEST_PATH_IMAGE050
与站厅内可行走的区域进行对比，如果发现位置位于不可进入的区域（如穿墙到了墙的另一侧等），则将其位置进行修正为可达区域内的距离位置
Figure 480531DEST_PATH_IMAGE050
最近的点
Figure 158637DEST_PATH_IMAGE051
。
S7，服务器模块根据位置、速度、方向等信息，预判一下其即将要经过的人脸识别模块，同时，将该人物的人脸信息提前从人脸数据库中提取出来形成小型的人脸库；
S8，当其行走到人脸模块的摄像头的有效覆盖范围时，人脸模块从中摄像头中提取人脸特征，并将其上传至服务器，服务器与小型数据库进行比对，验证通过后即可通知人脸模块将门或者闸机打开；
S9，服务器模型需要实时对小型数据库进行清理，将不不需要比对的人脸信息剔除，以提高人脸比对效率。
实施例2
城市轨道交通无障碍通行系统，包括：
蓝牙信标模块，所述蓝牙信标模块用于发送和接收蓝牙信标信号，提供待通过体的蓝牙位置，该蓝牙信标模块分布于地铁站厅中相对空旷的区域，对于重要的节点，如自动检票机附近、通道分叉附近等，可以密集布置蓝牙信标；其余区域可布置地相对稀疏；
用户智能通信模块，所述用户智能通信模块至少包括加速度计、地磁传感器和陀螺仪传感器，还可以包括用户智能手机上的蓝牙、传感器蓝牙等硬件设备以及适配的软件，用于感知用户所处的环境信息，分析计算待通过行径信息；
人脸识别模块，所述人脸识别模块至少包括识别模块和控制模块，还可以包含摄像机、处理器、网络设备、门禁控制器或者闸机控制器，分布于地铁站厅内的闸机处或者其他楼宇设施的门口处，用于人脸数据信息的检测、获取、上传和匹配；
服务器模块，所述服务器模块根据蓝牙信标模块提供的蓝牙位置与用户智能通信模块获悉的传感器信息，利用扩展的卡尔曼滤波器对数据进行融合，得到待测体的位置，当待通过体进入人脸识别模块的工作范围内时，结合人脸识别模块的识别结果，控制闸门的开关。
该城市轨道无障碍通行系统，可设置于地铁、车站等站厅内，通过蓝牙智能通信工具，接收n个蓝牙信标的信号，根据信号强度和蓝牙空间位置信息，得出待通过体的蓝牙位置；然后按固定的时间间隔，采集加速度计、地磁传感器和陀螺仪传感器的数据，利用陀螺仪输出的角速度实现对待通过体行径轨迹水平和竖直朝向角的预判；对加速度数据和角速度数据做傅里叶变换，得到待通过体行径的步频；根据加速度的值，实现对待通过体步长的计算；最后根据蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，得到待通过体的位置，当待通过体位置进入人脸识别模块的工作范围内时，人脸识别模块获取待通过体的人脸信息，上传至服务器并进行对比，验证通过后控制闸门打开，在低成本高效率的前提下，实现轨道交通楼宇内的无障碍通行，特别适用于轨道交通楼宇内的工作人员、视察的上级部门领导、交流和工作上的合作伙伴等临时进入站厅的特定人群使用，更加符合地铁和车站人流量很大的使用环境，操作便捷，安全无忧。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.城市轨道交通无障碍通行系统，其特征在于包括：
蓝牙信标模块，所述蓝牙信标模块用于发送和接收蓝牙信标信号，提供待通过体的蓝牙位置；
用户智能通信模块，所述用户智能通信模块至少包括加速度计、地磁传感器和陀螺仪传感器，分析计算待通过体行径信息；
人脸识别模块，所述人脸识别模块至少包括识别模块和控制模块，识别模块用于人脸数据信息的检测、获取、上传和匹配，控制模块根据人脸识别结果控制闸机或通道的开放与关闭；
服务器模块，所述服务器模块根据蓝牙信标模块提供的蓝牙位置与用户智能通信模块获悉的传感器信息，利用扩展的卡尔曼滤波器对数据进行融合，得到待测体的位置，当待通过体进入人脸识别模块的工作范围内时，结合人脸识别模块的识别结果，控制闸门的开关。
2.一种城市轨道交通无障碍通行系统的实施方法，其特征在于，包括如下步骤：
S1，通过蓝牙智能通信工具，接收n个蓝牙信标的信号，根据信号强度和蓝牙空间位置信息，得出待通过体的蓝牙位置
Figure 640713DEST_PATH_IMAGE001
；
S2，按固定的时间间隔，采集加速度计、地磁传感器和陀螺仪传感器的数据，利用陀螺仪输出的角速度实现对待测体行径轨迹水平和竖直朝向角
Figure 213646DEST_PATH_IMAGE002
的预判；对加速度数据和角速度数据做傅里叶变换，得到待测体行径的步频
Figure 524541DEST_PATH_IMAGE003
；根据加速度的值，实现对待测体步长l的计算；
S3，根据蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，得到待测体的位置
Figure 654171DEST_PATH_IMAGE004
，所述步骤进一步包括：
S31，对待测体位置进行建模，其状态矩阵xk为：
Figure 671806DEST_PATH_IMAGE005
其中，
Figure 228689DEST_PATH_IMAGE006
表示待测体行径了k步后的位置坐标；
Figure 154444DEST_PATH_IMAGE007
表示待测体行径了k步后的朝向；
Figure 884503DEST_PATH_IMAGE008
表示第k步的步长；
Figure 959906DEST_PATH_IMAGE009
表示待测体行径了第k步时的水平方向的朝向角的变化量；
Figure 484429DEST_PATH_IMAGE010
表示待测体行径了第k步时的竖直方向的朝向角的变化量；
Figure 894550DEST_PATH_IMAGE011
为系统过程噪声变量；
其量测方程为：
Figure 162720DEST_PATH_IMAGE012
其中，
Figure 92630DEST_PATH_IMAGE006
表示通过蓝牙智能通信工具得到的待测体空间坐标；
Figure 53633DEST_PATH_IMAGE008
表示通过传感器预估得到的待测体步长；
Figure 951051DEST_PATH_IMAGE002
表示传感器中得出的朝向角数据；
Figure 757333DEST_PATH_IMAGE013
表示朝向角的变化量；
Figure 807328DEST_PATH_IMAGE014
表示系统观测噪声变量，设定系统的状态方程和量测方程为：
Figure 673653DEST_PATH_IMAGE015
Figure 58367DEST_PATH_IMAGE016
S32，标称轨迹方程的线性化：
S321，将步骤S31中状态方程里的非线性函数
Figure 668340DEST_PATH_IMAGE017
在
Figure 572842DEST_PATH_IMAGE018
的邻域做一阶泰勒级数展开，得到线性化的状态方程，再将状态方程带入即可得状态转移矩阵：
Figure 875647DEST_PATH_IMAGE019
S322，,将步骤S31中观测方程里的非线性函数
Figure 473289DEST_PATH_IMAGE020
在
Figure 886953DEST_PATH_IMAGE021
的邻域做一阶泰勒级数展开，得到线性化的量测方程，再将量测方程带入即可得量测矩阵：
Figure 911541DEST_PATH_IMAGE022
S33，根据经典卡尔曼滤波的方法进行状态的最优估计：
S331，状态一步预测：
Figure 385247DEST_PATH_IMAGE023
其中，
Figure 478974DEST_PATH_IMAGE024
为
Figure 165170DEST_PATH_IMAGE025
时刻的待测物状态值，其初始值为
Figure 44265DEST_PATH_IMAGE026
，
Figure 688873DEST_PATH_IMAGE021
是将
Figure 535475DEST_PATH_IMAGE024
代入线性化后的状态方程得到的
Figure 25362DEST_PATH_IMAGE027
时刻的待测物状态预测值，即乘客的坐标信息；
S332，中间值计算：
Figure 493384DEST_PATH_IMAGE028
Figure 308893DEST_PATH_IMAGE029
Figure 377212DEST_PATH_IMAGE030
其中，
Figure 936369DEST_PATH_IMAGE031
为均方误差的预测值，
Figure 524476DEST_PATH_IMAGE032
为均方误差的最优估计值，初值为
Figure 245308DEST_PATH_IMAGE033
，
Figure 803853DEST_PATH_IMAGE034
为卡尔曼滤波增益，
Figure 901122DEST_PATH_IMAGE035
为系统过程噪声
Figure 874894DEST_PATH_IMAGE011
的协方差矩阵，
Figure 766626DEST_PATH_IMAGE036
表示系统观测噪声
Figure 809538DEST_PATH_IMAGE014
的协方差矩阵，
Figure 710498DEST_PATH_IMAGE037
表示单位矩阵；
S333，依据
Figure 7618DEST_PATH_IMAGE025
时刻的待测物状态值
Figure 335831DEST_PATH_IMAGE024
和卡尔曼滤波增益
Figure 600459DEST_PATH_IMAGE034
得到最优的状态估计值：
Figure 305110DEST_PATH_IMAGE038
S4，经过步骤S3卡尔曼滤波后的位置
Figure 722316DEST_PATH_IMAGE004
与可运动区域进行对比，若位置
Figure 221430DEST_PATH_IMAGE004
位于不可进入的区域，则将其位置修正为可运动区域内距离位置
Figure 973355DEST_PATH_IMAGE004
最近的点
Figure 216117DEST_PATH_IMAGE039
；
S5，当待通过体位置进入人脸识别模块的工作范围内时，人脸识别模块获取待通过体的人脸信息，上传至服务器并进行对比，验证通过后控制闸门打开。
3.如权利要求2所述的城市轨道交通无障碍通行系统的实施方法，其特征在于步骤S1进一步包括：
S11,通过蓝牙智能通信工具接收n个蓝牙信标的信号，其强度为
Figure 815726DEST_PATH_IMAGE040
；
S12，在n个的蓝牙信号中选择强度最大的四个
Figure 361108DEST_PATH_IMAGE041
；
S13，根据蓝牙信号的衰减模型，利用信号强度值A以及路径损耗因子n分别计算四个信号强度对应的距离
Figure 475694DEST_PATH_IMAGE042
，计算方法为：
Figure 180870DEST_PATH_IMAGE043
；
S14，根据四个蓝牙信标的MAC地址，获取对应的四个信标的空间位置
Figure 572668DEST_PATH_IMAGE044
；
S15，将四个蓝牙信标每三个分为一组，一共可以形成4组，每组中的三个蓝牙信标位置和距离则确定待测体的位置，得出四个空间位置坐标
Figure 413585DEST_PATH_IMAGE045
；
S16，根据四个距离对坐标进行加权，得出待测体的蓝牙位置
Figure 140101DEST_PATH_IMAGE001
，加权方法为：
Figure 724666DEST_PATH_IMAGE046
。
4.如权利要求2或3所述的城市轨道交通无障碍通行系统的实施方法，其特征在于所述步骤S2进一步包括：
S21，通过智能通信工具对加速度计、地磁传感器和陀螺仪传感器按固定的时间间隔采集原始数据；
S22，对步骤S21采集到的原始数据进行滤波处理；
S23，利用陀螺仪输出的角速度，解算出智能通信工具的姿态，将其坐标系转换为真实世界的坐标系；
S24，利用陀螺仪输出的角速度实现对待测体行径时水平和竖直朝向角
Figure 970971DEST_PATH_IMAGE002
的预判；
S25，对加速度数据和角速度数据做傅里叶变换，得到乘客走行的步频f；
S26，根据加速度的值，实现对乘客步
Figure 982789DEST_PATH_IMAGE047
的估计。
5.如权利要求2所述的城市轨道交通无障碍通行系统的实施方法，其特征在于包括如下步骤：
S1，在城市轨道交通楼宇内布置无源蓝牙信标模块；
S2，在楼宇设施内建立三维的空间坐标系，根据蓝牙信标模块所处的位置以及设备的布置情况，建立蓝牙信标数据库与楼宇设施布局数据库，将其存储与服务器模块中；
S3，当待通过体带着智能通信工具进入楼宇设施后，智能通信工具自动与安装于楼宇内的蓝牙信标进行通信，获取信号强度，得到乘客的蓝牙位置
Figure 931023DEST_PATH_IMAGE001
；
S4，智能通信工具按固定的时间间隔至少获取加速度、地磁、陀螺仪传感器的数据，分析计算出待通过体行径的朝向
Figure 319279DEST_PATH_IMAGE002
、步频
Figure 420090DEST_PATH_IMAGE003
和步长
Figure 602810DEST_PATH_IMAGE047
信息；
S5，结合蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对步骤S4得到的数据进行融合，得到待通过体的位置
Figure 303918DEST_PATH_IMAGE004
；
S6，结合步骤S2中服务器存储的楼宇设施布局数据，对待通过体位置进行修正，得到最终的位置
Figure 230286DEST_PATH_IMAGE039
，智能通信工具将位置上传到服务器中；
S7，服务器模块根据待通过体的位置、速度、方向信息，预判即将要经过的人脸识别模块，同时，将该人物的人脸信息提前从人脸识别模块中的数据库提取出来，形成小型的人脸库；
S8，当待通过体位置
Figure 185604DEST_PATH_IMAGE039
进入人脸识别模块的工作范围内时，人脸识别模块获取待通过体人脸信息，并将其上传至服务器，服务器与步骤S7的小型人脸库进行比对，验证通过后闸门打开。
6.如权利要求5所述的城市轨道交通无障碍通行系统的实施方法，其特征在于所述步骤S7中小型人脸库定期清理，将不符合要求的人脸信息剔除。
CN202110658185.5A 2021-06-15 2021-06-15 城市轨道交通无障碍通行系统及其实施方法 Active CN113256866B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110658185.5A CN113256866B (zh) 2021-06-15 2021-06-15 城市轨道交通无障碍通行系统及其实施方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110658185.5A CN113256866B (zh) 2021-06-15 2021-06-15 城市轨道交通无障碍通行系统及其实施方法

Publications (2)

Publication Number Publication Date
CN113256866A true CN113256866A (zh) 2021-08-13
CN113256866B CN113256866B (zh) 2021-09-24

Family

ID=77188102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110658185.5A Active CN113256866B (zh) 2021-06-15 2021-06-15 城市轨道交通无障碍通行系统及其实施方法

Country Status (1)

Country Link
CN (1) CN113256866B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035620A (zh) * 2022-06-08 2022-09-09 千眼云(重庆)科技有限公司 一种基于共享物联网技术的智能路内占道停车系统
CN115131906A (zh) * 2022-06-29 2022-09-30 中铁第四勘察设计院集团有限公司 一种轨道交通的安检方法、系统、计算机设备及可读介质
CN115484307A (zh) * 2021-06-15 2022-12-16 南京高美吉交通科技有限公司 城市轨道交通换乘通道客流检测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105588566A (zh) * 2016-01-08 2016-05-18 重庆邮电大学 一种基于蓝牙与mems融合的室内定位系统及方法
CN108230465A (zh) * 2018-01-26 2018-06-29 深圳卡通新技术有限公司 基于移动终端的闸机快速通行控制方法
CN109061215A (zh) * 2018-07-04 2018-12-21 四川斐讯信息技术有限公司 一种基于可穿戴设备的速度检测方法及可穿戴设备
CN109215139A (zh) * 2018-08-25 2019-01-15 咪付（广州）网络科技有限公司 一种基于人脸识别的检票装置及方法
CN109211229A (zh) * 2018-08-26 2019-01-15 桂林电子科技大学 一种基于手机传感器及WiFi特征的人员室内定位方法
CN110602647A (zh) * 2019-09-11 2019-12-20 江南大学 基于扩展卡尔曼滤波和粒子滤波的室内融合定位方法
CN111044050A (zh) * 2019-12-30 2020-04-21 中电海康集团有限公司 一种基于粒子滤波和卡尔曼滤波的蓝牙定位方法
CN111795691A (zh) * 2019-04-08 2020-10-20 上海申通地铁集团有限公司 定位导航方法及系统
CN112906584A (zh) * 2021-02-26 2021-06-04 武汉卓鹰世纪科技有限公司 一种利用动态库加速地铁人脸识别的系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105588566A (zh) * 2016-01-08 2016-05-18 重庆邮电大学 一种基于蓝牙与mems融合的室内定位系统及方法
CN108230465A (zh) * 2018-01-26 2018-06-29 深圳卡通新技术有限公司 基于移动终端的闸机快速通行控制方法
CN109061215A (zh) * 2018-07-04 2018-12-21 四川斐讯信息技术有限公司 一种基于可穿戴设备的速度检测方法及可穿戴设备
CN109215139A (zh) * 2018-08-25 2019-01-15 咪付（广州）网络科技有限公司 一种基于人脸识别的检票装置及方法
CN109211229A (zh) * 2018-08-26 2019-01-15 桂林电子科技大学 一种基于手机传感器及WiFi特征的人员室内定位方法
CN111795691A (zh) * 2019-04-08 2020-10-20 上海申通地铁集团有限公司 定位导航方法及系统
CN110602647A (zh) * 2019-09-11 2019-12-20 江南大学 基于扩展卡尔曼滤波和粒子滤波的室内融合定位方法
CN111044050A (zh) * 2019-12-30 2020-04-21 中电海康集团有限公司 一种基于粒子滤波和卡尔曼滤波的蓝牙定位方法
CN112906584A (zh) * 2021-02-26 2021-06-04 武汉卓鹰世纪科技有限公司 一种利用动态库加速地铁人脸识别的系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115484307A (zh) * 2021-06-15 2022-12-16 南京高美吉交通科技有限公司 城市轨道交通换乘通道客流检测方法
CN115484307B (zh) * 2021-06-15 2024-05-31 南京高美吉交通科技有限公司 城市轨道交通换乘通道客流检测方法
CN115035620A (zh) * 2022-06-08 2022-09-09 千眼云(重庆)科技有限公司 一种基于共享物联网技术的智能路内占道停车系统
CN115131906A (zh) * 2022-06-29 2022-09-30 中铁第四勘察设计院集团有限公司 一种轨道交通的安检方法、系统、计算机设备及可读介质
CN115131906B (zh) * 2022-06-29 2023-11-28 中铁第四勘察设计院集团有限公司 一种轨道交通的安检方法、系统、计算机设备及可读介质

Also Published As

Publication number Publication date
CN113256866B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN113256866B (zh) 城市轨道交通无障碍通行系统及其实施方法
CN107230351B (zh) 一种基于深度学习的短时交通流预测方法
CN111491367B (zh) 一种基于群智感知和多融合技术的室内定位方法
CN105809292B (zh) 公交ic卡乘客下车站点推算方法
CN108109423B (zh) 基于WiFi室内定位的地下停车场智能导航方法及系统
CN103327091A (zh) 一种获取乘客轨迹及行为参数的系统与方法
CN105636201B (zh) 基于稀疏信号指纹数据库的室内定位方法
CN106144797A (zh) 用于乘客运输的通行列表产生
CN106144861A (zh) 用于乘客运输控制的基于深度传感器的乘客感测
CN106144801A (zh) 用于特殊乘客运输负载状况的基于深度传感器的感测
CN106144798A (zh) 用于乘客运输控制的传感器融合
CN106144862A (zh) 用于乘客运输门控制的基于深度传感器的乘客感测
CN105843228A (zh) 一种清洁机器人的地图共享方法及系统
CN106017476B (zh) 一种生成室内定位导航图模型的方法
CN205354375U (zh) 一种基于手机蓝牙的泊车诱导系统
CN105654764B (zh) 一种室内停车场定位方法
CN115879582B (zh) 基于人脸识别的酒店智能入住管理系统
Nguyen et al. Smartphone-based indoor tracking in multiple-floor scenarios
CN108629295A (zh) 转角地标识别模型训练方法、转角地标识别方法及装置
CN110364016B (zh) 一种无人机诱导停车方法
CN113566820A (zh) 一种基于位置指纹和pdr算法的融合人行定位方法
KR101621839B1 (ko) 이동 패턴 데이터베이스를 이용한 측위 방법 및 시스템
CN112990759B (zh) 基于数字孪生的数据处理系统
Ma et al. Subway station real-time indoor positioning system for cell phones
CN116823572B (zh) 人口流动数据的获取方法、装置及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant