CN113297903A - 一种地铁客流数据获取方法、存储介质及计算机设备 - Google Patents
一种地铁客流数据获取方法、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN113297903A CN113297903A CN202110409780.5A CN202110409780A CN113297903A CN 113297903 A CN113297903 A CN 113297903A CN 202110409780 A CN202110409780 A CN 202110409780A CN 113297903 A CN113297903 A CN 113297903A
- Authority
- CN
- China
- Prior art keywords
- line
- passenger flow
- station
- subway
- platform
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012546 transfer Methods 0.000 claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 230000001174 ascending effect Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种地铁客流数据获取方法、存储介质及计算机设备，所述方法包括：使用若干客流统计摄像机获取地铁车站上行站台和下行站台的上下车客流数据；其中，所述客流统计摄像机设置在地铁列车的车门处；若地铁车站为换乘站，则通过行人重识别算法获取地铁车站上行站台和下行站台的换乘上下车客流数据；其中，换乘上下车客流数据包括换乘上车客流和换乘下车客流；本发明提供更为有效的地铁客流数据获取方法。
Description
技术领域
本发明属于地铁技术领域，具体涉及一种地铁客流数据获取方法、存储介质及计算机设备。
背景技术
目前，随着智能大数据技术的不断发展，各地新建地铁线路逐步配置智能分析技术，主要包括客流密度分析技术与视觉智能分析技术。
其中，客流密度分析是指通过基于深度学习的客流密度算法分析出相应区域内的客流量和客流密度。包括客流数据处理、电子地图、数据看板及数据查询四项功能。该功能设备要求低，普及性高，局限性在于仅可测量固定区域乘客流进、流出及站立数据，无法完成远距离个体检索及重复筛查工作。
视觉智能分析技术是指检索跨摄像头的视频序列中是否存在特定行人的技术，可弥补固定的摄像头的视觉局限，该功能局限在于网络重，计算大，速度慢，设备成本高。
《地铁设计规范》GB50157-2013为地铁设计、运营的基础指导文件，其中，所有专业计算均基于预测的初期、近期和远期的客流量。客流密度与视觉智能分析数据均非《地铁设计规范》中所采用的客流数据，无法进行运营实测数据与理论数据的对比，也无法开展相关设计验算工作。
发明内容
为了克服上述技术缺陷，本发明提供一种地铁客流数据获取方法、存储介质及计算机设备，旨在提供一种更为有效的地铁客流数据获取方法。
为了解决上述问题，本发明按以下技术方案予以实现的：
第一方面，本发明提供的一种地铁客流数据获取方法，所述方法包括：
使用若干客流统计摄像机获取地铁车站上行站台和下行站台的上下车客流数据；其中，所述客流统计摄像机设置在地铁列车的车门处；
若地铁车站为换乘站，则通过行人重识别算法获取地铁车站上行站台和下行站台的换乘上下车客流数据；其中，换乘上下车客流数据包括换乘上车客流和换乘下车客流。
进一步的，所述地铁包括交汇的第一线路和第二线路，所述第一线路和第二线路交汇的地铁站为交汇站；
所述通过行人重识别算法获取地铁车站上行站台和下行站台的换乘上下车客流数据的步骤，包括：
通过分析行人由第二线路的楼扶梯走向第一线路内交汇站的上行站台或下行站台的路径，和分析行人由第一线路交汇站的上行站台或下行站台走向第二线路的楼扶梯的路径，分别确定第一线路和第二线路上行站台和下行站台的换乘上下车客流数据。
进一步的，所述地铁包括交汇的第一线路和第二线路，所述第一线路和第二线路交汇的地铁站为交汇站；
所述通过行人重识别算法获取地铁车站上行站台和下行站台的换乘上下车客流数据的步骤，包括：
预先获取交汇站进站闸机的进闸数据；
通过分析行人由进站闸机走向第一线路、第二线路的交汇站的上行站台或下行站台的路径和所述进闸数据，确定第一线路和第二线路上地铁车站上行站台和下行站台的换乘上下车客流数据。
进一步的，使用若干客流统计摄像机获取第一线路的上行站台和下行站台的上下车客流数据和第一线路的楼扶梯的第一线路进出站客流量；
使用若干客流统计摄像机获取第二线路的上行站台和下行站台的上下车客流数据和第二线路的楼扶梯的第二线路进出站客流量；
获取交汇站进站闸机和出站闸机的进出闸数据；
根据第一线路进出站客流量、第二线路进出站客流量、进出站台方向客流量和进出闸数据，确定第一线路和第二线路的地铁客流数据。
进一步的，获取交汇站进站闸机和出站闸机的进出闸数据；
获取行人由进站闸机走向第一线路、第二线路的交汇站的上行站台或下行站台的路径；
获取行人由第一线路的上行站台走向第二线路的楼扶梯，或者行人由第二线路的上行站台走向第一线路的楼扶梯，并确定第一线路和第二线路的地铁客流数据。
第二方面，本发明提供的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如第一方面所述的地铁客流数据获取方法。
第三方面，本发明提供的一种计算机设备，包括处理器与存储器；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如第一方面所述的地铁客流数据获取方法。
相对于现有技术，本发明的有益效果为：
本发明公开了一种地铁客流数据获取方法、存储介质及计算机设备；其中，地铁客流数据获取方法中，通过客流统计摄像机获取地铁车站上行站台和下行站台的上下车客流数据，确定地铁车站中的上下车客流数据，充分利用客流统计摄像机低成本的优势；对于换乘站，通过视觉智能数据定位人员位置，端到端检索人员路径，确定上行站台和下行站台的换乘上下车客流数据。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本实施例1中地铁客流数据获取方法的流程图；
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本实施例中，客流密度分析是指通过基于深度学习的客流密度算法分析出相应区域内的客流量和客流密度，包括客流数据处理、电子地图、数据看板及数据查询四项功能。该功能设备要求低，普及性高，局限性在于仅可测量固定区域乘客流进、流出及站立数据，无法完成远距离个体检索及重复筛查工作。本实施例通过客流统计摄像机实现客流密度分析，需要说明的是，客流密度分析为现有技术，本处不再赘述。
视觉智能分析技术是指检索跨摄像头的视频序列中是否存在特定行人的技术，可弥补固定的摄像头的视觉局限，但该功能局限在于网络重，计算大，速度慢，设备成本高。视觉智能数据可自动化人体建档，不需人脸库，即可通过人体特征，定位人员位置、端到端检索人员路径。因此，可以实现各数据搜集功能，但其对设备要求较高，需控制使用量，减少工程成本。行人重识别算法ReID作为一种视觉智能分析技术，本实施例以行人重识别算法获取换乘上下车客流数据。
实施例1
本实施例提供了一种地铁客流数据获取方法，结合下述表格、附图对本发明的应用原理作进一步描述。
表格如下，其中地铁包括交汇的第一线路A线和第二线路B线。
上述数据存在以下逻辑关系：
1)X1+X2＝B3(A线上行上车客流＝A线上行进站上车客流+A线上行换乘上车客流)
2)X3+X4＝B4(A线上行下车客流＝A线上行出站下车客流+A线上行换乘下车客流)
3)X5+X6＝B5(A线下行上车客流＝A线下行进站上车客流+A线下行换乘上车客流)
4)X7+X8＝B6(A线下行下车客流＝A线下行出站下车客流+A线下行换乘下车客流)
5)X9+X10＝B11(B线上行上车客流＝B线上行进站上车客流+B线上行换乘上车客流)
6)X11+X12＝B12(B线上行下车客流＝B线上行出站下车客流+B线上行换乘下车客流)
7)X13+X14＝B13(B线下行上车客流＝B线下行进站上车客流+B线下行换乘上车客流)
8)X15+X16＝B14(B线下行下车客流＝B线下行出站下车客流+B线下行换乘下车客流)
9)X1+X5+X9+X13＝Q1(A线上行进站上车客流+A线下行进站上车客流+B线上行进站上车客流+B线下行进站上车客流＝进站检票客流量)
10)X3+X7+X11+X15＝Q2(A线上行出站下车车客流+A线下行出站下车客流+B线上行出站下车客流+B线下行出站下车客流＝出站检票客流量)
11)X1+X2+X5+X6＝B2+B8(A线上行进站上车客流+A线上行换乘上车客流+A线下行进站上车客流+A线下行换乘上车客流＝A线厅台扶梯进站台方向客流+换乘梯口(b-a)向线向客流)
12)X3+X4+X7+X8＝B1+B7(A线上行出站下车客流+A线上行换乘下车客流+A线下行出站下车客流+A线下行换乘下车客流＝A线厅台扶梯离站台方向客流+换乘梯口(a-b)向客流)
13)X9+X10+X13+X14＝B10+B7(B线上行进站上车客流+B线上行换乘上车客流+B线下行进站上车客流+B线下行换乘上车客流＝B线厅台扶梯进站台方向客流+换乘梯口(a-b)向线向客流)
14)X11+X12+X15+X16＝B11+B8(B线上行出站下车客流+B线上行换乘下车客流+B线下行出站下车客流+B线下行换乘下车客流＝B线厅台扶梯离站台方向客流+换乘梯口(b-a)向客流)
15)X4+X8＝X10+X14(A线上行换乘下车客流+A线下行换乘下车客流＝B线上行换乘上车客流+B线下行换乘上车客流)
16)X2+X6＝X12+X16(A线上行换乘上车客流+A线下行换乘上车客流＝B线上行换乘下车客流+B线下行换乘下车客流)
参考图1，所述方法包括以下步骤：
S10、使用若干客流统计摄像机获取地铁车站上行站台和下行站台的上下车客流数据；其中，所述客流统计摄像机设置在地铁列车的车门处，用于获取列车门处的上车客流和下车客流；
具体的，以第一线路A线为例，使用客流统计摄像机对A线上行站台和下行站台的上下车客流数据进行分析，得到表格中的A线中上行方向的上车客流B3、A线上行方向下车客流B4、A线下行方向上车客流B5、A线下行方向上车客流B6，即确定了地铁车站的上下车客流数据。
S20、若地铁车站为换乘站，则通过行人重识别算法获取地铁车站上行站台和下行站台的换乘上下车客流数据；其中，换乘上下车客流数据包括换乘上车客流和换乘下车客流。
在一些实施例中，所述地铁包括交汇的第一线路和第二线路，所述第一线路和第二线路交汇的地铁站为交汇站；通过分析行人由第二线路的楼扶梯走向第一线路内交汇站的上行站台或下行站台的路径，和分析行人由第一线路交汇站的上行站台或下行站台走向第二线路的楼扶梯的路径，分别确定第一线路和第二线路上行站台和下行站台的换乘上下车客流数据。
具体的，通过行人重识别算法，获取A线的X2、X4、X6、X8，或者B线的X10、X12、X14、X16，得到A线换B线的换乘上车客流＝X4+X8＝X10+X14，B线换A线的换乘上车客流＝X2+X6＝X12+16。
在一些实施例中，所述通过行人重识别算法获取地铁车站上行站台和下行站台的换乘上下车客流数据的步骤，包括：
预先获取交汇站进站闸机的进闸数据；
通过分析行人由进站闸机走向第一线路、第二线路的交汇站的上行站台或下行站台的路径和所述进闸数据，确定第一线路和第二线路上地铁车站上行站台和下行站台的换乘上下车客流数据。
具体的，通过测量X1、X5、X9，求得X2+X6之和与X10+X14之和，即为换乘客流值。
在一些实施例中，还包括：
使用若干客流统计摄像机获取第一线路的上行站台和下行站台的上下车客流数据B3、B4、B5、B6和第一线路的楼扶梯的第一线路进出站客流量B1、B2；
使用若干客流统计摄像机获取第二线路的上行站台和下行站台的上下车客流数据和第二线路的楼扶梯的第二线路进出站客流量B9、B10；
获取交汇站进站闸机和出站闸机的进出闸数据Q1、Q2；
根据第一线路进出站客流量、第二线路进出站客流量、进出站台方向客流量和进出闸数据，确定第一线路和第二线路的地铁客流数据。
具体的，设B1-B16为已知数，X2、X4、X6、X8为已知数，
因为X1+X2＝B3，所以X1＝B3-X2；
因为X3+X4＝B4，所以X3＝B4-X4；
因为X5+X6＝B5，所以X5＝B5-X6；
因为X7+X8＝B6，所以X7＝B6-X8；
因为X1+X5+X9+X13＝Q1，X3+X7+X11+X15＝Q2
所以，测量X9或X13，X11或X15中任一组数据，即可求出另一组。
设X9、X11为已知数
因为X1+X5+X9+X13＝Q1，所以X13＝Q1-(X1+X5+X9)；
因为X3+X7+X11+X15＝Q2，所以X15＝Q2-(X3+X7+X11)；
因为X9+X10＝B11，所以X10＝B11-X9；
因为X11+X12＝B12，所以X12＝B12-X11；
因为X13+X14＝B13，所以X14＝B13-X13；
因为X15+X16＝B14，所以X16＝B14-X15；
同理可证，获得方程中特定6个X值，即可获得其余X值，确定第一线路和第二线路的地铁客流数据。
在一些实施例中，获取交汇站进站闸机和出站闸机的进出闸数据Q1、Q2；
获取行人由进站闸机走向第一线路、第二线路的交汇站的上行站台或下行站台的路径；
获取行人由第一线路的上行站台走向第二线路的楼扶梯，或者行人由第二线路的上行站台走向第一线路的楼扶梯，并确定第一线路和第二线路的地铁客流数据。
具体的，测量X1、X5、X9，可知X13＝Q1-X1-X5-X9；因此：
X2＝B3-X1
X6＝B5-X5
X10＝B11-X9
X14＝B13-X13
由式15)、16)可知，需测量X4,X12，可继续求解
X8＝X14+X10-X8
X16＝X2+X6-X12
X9＝B11-X10
X11＝B12-X12
X13＝B13-X14
X15＝B14-X16
X3＝B4-X4
X7＝Q2-X3-X11-X15
由此可知，通过视觉智能数据测量X1、X4、X5、X9、X12五值，可组合客流密度数据Q1、Q2，计算出其余X值，可有效减少图像处理数据量。
本实施例中，将客流密度与视觉智能分析数据转换为地铁规范客流对应数据，并与原始设计输入对比后，可有效指导车站运营、行车调度及设计整改。
本实施例中，不采用两线下车客流与上车客流直接进行比对的原因，是当站台较为拥挤时，下车客流受到遮挡较多，且迅速离开摄像范围，准确率较低。
实施例2
本发明实施例提供一种计算机设备，包括处理器与存储器，所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现本发明实施例1提供的地铁客流数据获取方法。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
实施例3
本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，使所述处理器实现本发明实施例1提供的地铁客流数据获取方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读存储介质上，计算机可读存储介质可以包括计算机可读存储介质(或非暂时性介质)和通信介质(或暂时性介质)。
如本领域普通技术人员公知的，术语计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种地铁客流数据获取方法，其特征在于，所述方法包括：
使用若干客流统计摄像机获取地铁车站上行站台和下行站台的上下车客流数据；其中，所述客流统计摄像机设置在地铁列车的车门处；
若地铁车站为换乘站，则通过行人重识别算法获取地铁车站上行站台和下行站台的换乘上下车客流数据；其中，换乘上下车客流数据包括换乘上车客流和换乘下车客流。
2.根据权利要求1所述的地铁客流数据获取方法，其特征在于，所述地铁包括交汇的第一线路和第二线路，所述第一线路和第二线路交汇的地铁站为交汇站；
所述通过行人重识别算法获取地铁车站上行站台和下行站台的换乘上下车客流数据的步骤，包括：
通过分析行人由第二线路的楼扶梯走向第一线路内交汇站的上行站台或下行站台的路径，和分析行人由第一线路交汇站的上行站台或下行站台走向第二线路的楼扶梯的路径，分别确定第一线路和第二线路上行站台和下行站台的换乘上下车客流数据。
3.根据权利要求1所述的地铁客流数据获取方法，其特征在于，所述地铁包括交汇的第一线路和第二线路，所述第一线路和第二线路交汇的地铁站为交汇站；
所述通过行人重识别算法获取地铁车站上行站台和下行站台的换乘上下车客流数据的步骤，包括：
预先获取交汇站进站闸机的进闸数据；
通过分析行人由进站闸机走向第一线路、第二线路的交汇站的上行站台或下行站台的路径和所述进闸数据，确定第一线路和第二线路上地铁车站上行站台和下行站台的换乘上下车客流数据。
4.根据权利要求2所述的地铁客流数据获取方法，其特征在于，
使用若干客流统计摄像机获取第一线路的上行站台和下行站台的上下车客流数据和第一线路的楼扶梯的第一线路进出站客流量；
使用若干客流统计摄像机获取第二线路的上行站台和下行站台的上下车客流数据和第二线路的楼扶梯的第二线路进出站客流量；
获取交汇站进站闸机和出站闸机的进出闸数据；
根据第一线路进出站客流量、第二线路进出站客流量、进出站台方向客流量和进出闸数据，确定第一线路和第二线路的地铁客流数据。
5.根据权利要求2所述的地铁客流数据获取方法，其特征在于，
获取交汇站进站闸机和出站闸机的进出闸数据；
获取行人由进站闸机走向第一线路、第二线路的交汇站的上行站台或下行站台的路径；
获取行人由第一线路的上行站台走向第二线路的楼扶梯，或者行人由第二线路的上行站台走向第一线路的楼扶梯，并确定第一线路和第二线路的地铁客流数据。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1-5中任一项所述的地铁客流数据获取方法。
7.一种计算机设备，其特征在于，包括处理器与存储器；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1-5中任一项所述的地铁客流数据获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110409780.5A CN113297903B (zh) | 2021-04-16 | 一种地铁客流数据获取方法、存储介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110409780.5A CN113297903B (zh) | 2021-04-16 | 一种地铁客流数据获取方法、存储介质及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113297903A true CN113297903A (zh) | 2021-08-24 |
| CN113297903B CN113297903B (zh) | 2024-06-28 |
Family
ID=
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108229400A (zh) * | 2018-01-04 | 2018-06-29 | 东南大学 | 地铁车站大客流识别预警方法及系统 |
| CN108819991A (zh) * | 2018-07-27 | 2018-11-16 | 上海市城市建设设计研究总院（集团）有限公司 | 地铁站台用客流及载客量饱和度的检测装置及其运行方法 |
| CN209132807U (zh) * | 2019-01-30 | 2019-07-19 | 成都智元汇信息技术股份有限公司 | 一种地铁站点的客流信息侦测系统 |
| CN111079986A (zh) * | 2019-11-26 | 2020-04-28 | 广州地铁设计研究院股份有限公司 | 一种换乘车站运输能力的匹配方法及系统 |
| CN111079875A (zh) * | 2019-12-17 | 2020-04-28 | 广州交通信息化建设投资营运有限公司 | 基于多源数据的公共交通客流监测方法、装置和存储介质 |
| CN111586654A (zh) * | 2020-04-23 | 2020-08-25 | 上海工程技术大学 | 基于蓝牙嗅探装置检测地铁上下车客流量的方法及其应用 |
| CN111860282A (zh) * | 2020-07-15 | 2020-10-30 | 中国电子科技集团公司第三十八研究所 | 地铁断面客流量统计和行人逆行检测方法及系统 |
| CN112560765A (zh) * | 2020-12-24 | 2021-03-26 | 上海明略人工智能(集团)有限公司 | 基于行人重识别的人流统计方法、系统、设备及存储介质 |
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108229400A (zh) * | 2018-01-04 | 2018-06-29 | 东南大学 | 地铁车站大客流识别预警方法及系统 |
| CN108819991A (zh) * | 2018-07-27 | 2018-11-16 | 上海市城市建设设计研究总院（集团）有限公司 | 地铁站台用客流及载客量饱和度的检测装置及其运行方法 |
| CN209132807U (zh) * | 2019-01-30 | 2019-07-19 | 成都智元汇信息技术股份有限公司 | 一种地铁站点的客流信息侦测系统 |
| CN111079986A (zh) * | 2019-11-26 | 2020-04-28 | 广州地铁设计研究院股份有限公司 | 一种换乘车站运输能力的匹配方法及系统 |
| CN111079875A (zh) * | 2019-12-17 | 2020-04-28 | 广州交通信息化建设投资营运有限公司 | 基于多源数据的公共交通客流监测方法、装置和存储介质 |
| CN111586654A (zh) * | 2020-04-23 | 2020-08-25 | 上海工程技术大学 | 基于蓝牙嗅探装置检测地铁上下车客流量的方法及其应用 |
| CN111860282A (zh) * | 2020-07-15 | 2020-10-30 | 中国电子科技集团公司第三十八研究所 | 地铁断面客流量统计和行人逆行检测方法及系统 |
| CN112560765A (zh) * | 2020-12-24 | 2021-03-26 | 上海明略人工智能(集团)有限公司 | 基于行人重识别的人流统计方法、系统、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107851372B (zh) | 驾驶计划装置、行驶辅助装置、驾驶计划方法 | |
| DE60010993T2 (de) | Routenführungsvorrichtung | |
| JP7371157B2 (ja) | 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム | |
| KR101582283B1 (ko) | 전철 네트워크의 승객 이동경로 추정 방법 | |
| CN113034912A (zh) | 场景评估装置、行驶辅助装置、场景评估方法 | |
| CN101025766A (zh) | 城市轨道交通线路折返能力的分析方法 | |
| CN112537705B (zh) | 机器人乘梯调度方法、装置、终端设备及存储介质 | |
| CN104742914B (zh) | 地铁人流疏导装置及系统、方法 | |
| CN111665845A (zh) | 用于规划路径的方法、装置、设备以及存储介质 | |
| CN111366166B (zh) | 一种导航路径规划方法及装置 | |
| JP2018002037A (ja) | 混雑率予想システム及び方法 | |
| CN114612860A (zh) | 基于计算机视觉的轨道交通站内客流识别与预测方法 | |
| CN106504589A (zh) | 基于管制规则库与决策树的多机冲突探测与解脱方法 | |
| CN111243319A (zh) | 一种下车提醒方法、装置及计算机可读存储介质 | |
| CN115273512A (zh) | 自动驾驶车辆的防碰撞辅助方法、装置、设备及介质 | |
| CN113407871B (zh) | 上车点推荐方法、装置、电子设备和可读存储介质 | |
| CN113297903A (zh) | 一种地铁客流数据获取方法、存储介质及计算机设备 | |
| CN113297903B (zh) | 一种地铁客流数据获取方法、存储介质及计算机设备 | |
| Lee et al. | A framework for detecting vehicle occupancy based on the occupant labeling method | |
| CN113408587B (zh) | 一种公交车乘客od匹配方法、装置和电子设备 | |
| CN114724414A (zh) | 城市空中交通分担率的确定方法、装置、电子设备及介质 | |
| CN113297294A (zh) | 一种基于大数据和云计算的高速公路监控管理方法及云监控管理平台 | |
| CN109961166B (zh) | 狭窄空间人流变化预测方法、装置、计算设备及存储介质 | |
| CN107622664B (zh) | 基于积木拼接的交通流量检测器布设方法、服务器及系统 | |
| CN112837528B (zh) | 一种检测闯红灯事件的方法、装置及存储介质 |
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 | ||
| GR01 | Patent grant |