CN113971853A - 一种基于效用模型的地铁站台排队乘客的分流方法 - Google Patents

一种基于效用模型的地铁站台排队乘客的分流方法 Download PDF

Info

Publication number
CN113971853A
CN113971853A CN202111160627.XA CN202111160627A CN113971853A CN 113971853 A CN113971853 A CN 113971853A CN 202111160627 A CN202111160627 A CN 202111160627A CN 113971853 A CN113971853 A CN 113971853A
Authority
CN
China
Prior art keywords
queue
area
queuing
passengers
queue area
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
CN202111160627.XA
Other languages
English (en)
Other versions
CN113971853B (zh
Inventor
程琳
张晨皓
杜明洋
李昭璇
翟榕真
李岩
郑文
章国梁
雷凌云
牟进超
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202111160627.XA priority Critical patent/CN113971853B/zh
Publication of CN113971853A publication Critical patent/CN113971853A/zh
Application granted granted Critical
Publication of CN113971853B publication Critical patent/CN113971853B/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
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • 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
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • G07C2011/04—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere related to queuing systems
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本申请涉及一种基于效用模型的地铁站台排队乘客的分流方法。该方法包括：获取当前站台各队列区域的乘客数量和各队列区域的各排队位置的排队情况；根据各队列区域的乘客数量，确定各队列区域的第一密度等级；根据各队列区域中各乘客的排队情况，确定各队列区域的各排队位置的位置等级差；根据各队列区域对应的第一密度等级和各排队位置的位置等级差，采用预先构建的换队二项Logit模型进行分析，确定各队列区域的各排队位置的信号强度等级；根据各队列区域中各排队位置的信号强度等级，控制信号展示装置进行提醒信号展示；在间隔预设时间后，获取当前站台各队列区域的乘客数量进行分析，调整提醒信号，提高城市轨道交通系统的时空资源利用率。

Description

一种基于效用模型的地铁站台排队乘客的分流方法
技术领域
本申请涉及交通运输规划技术领域，特别是涉及一种基于效用模型的地铁站台排队乘客的分流方法。
背景技术
截至2019年底，中国共计40个城市运营了轨道交通，线路总里程达到6730.3公里，同比2018年增长16.8％。城市轨道交通的快速发展极大地推动了中国的城市建设、提高了居民出行的便利性，但同时也产生了一系列的问题。限制城市轨道交通进一步发展的关键因素逐渐从建设规模转变为运营效率和服务品质。在客流高峰期，优化列车运营调度的关键因素在于缩短列车的停站时间以实现列车运行图的加密，然而，站台乘客在各车厢位置排队候车时分布不均匀，进一步影响着乘客在车厢内的分布情况，会导致以下问题：
1.降低列车运行效率，造成时空资源浪费：乘客在站台排队不均衡，针对排队乘客较多的区域，其上下客的时间显著大于排队乘客较少的区域，这延长了列车的停站时间，进而增加了列车运行时间，降低了列车运行效率；针对排队乘客较少的区域，其上下客流量小且客流交换快，会出现时空资源的闲置与浪费。
2.影响乘客出行体验，容易引发安全事故：乘客在站台排队密度较大的区域上下车较为费时费力，同时所乘坐的车厢内部环境十分拥挤，会导致乘客出行体验的下降；在排队密度较大的区域上下车还会导致客流流线冲突较为明显，乘客之间的受力较大，极易产生摩擦、拥挤、碰撞和踩踏等安全事故。
现有的城市轨道交通在站台排队乘客的分流和诱导方面存在较大短板，一些分流、诱导的方法和装置较为缺乏，手段和途径非常原始。如人工诱导和半人工诱导，相关手段的针对性不强且往往需要花费大量的成本，取得的效果较为一般。目前尚无有针对性的、从效用出发的、通过自动诱导来实现的站台排队乘客分流方法，使得城市轨道交通系统的时空资源利用率低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高城市轨道交通系统的时空资源利用率的基于效用模型的地铁站台排队乘客的分流方法。
一种基于效用模型的地铁站台排队乘客的分流方法，其特征在于，所述方法包括：
获取当前站台各队列区域的乘客数量和各所述队列区域的各排队位置的排队情况；
根据各所述队列区域的乘客数量进行分析，确定各所述队列区域的第一密度等级；
根据各所述队列区域中各乘客的排队情况，对各所述队列区域的各排队位置进行分析，确定各所述队列区域的各排队位置的位置等级差；
根据各所述队列区域对应的第一密度等级和各排队位置的位置等级差，采用预先构建的换队二项Logit模型对各所述队列区域的提醒信号的信号强度进行分析，确定各所述队列区域的各排队位置的信号强度等级；
根据各所述队列区域中各排队位置的信号强度等级，控制信号展示装置进行提醒信号展示；
在间隔预设时间后，再次获取当前站台各所述队列区域的乘客数量进行分析，根据获得的分析结果对所述信号展示装置展示的提醒信号进行调整。
在其中一个实施例中，所述换队二项Logit模型的构建方式包括：
根据目标站台的站台深度、地铁屏蔽门的宽度和相邻地铁屏蔽门之间的间隔，对目标站台的排队区域进行队列区域划分，确定所述目标站台的各队列区域；
根据到地铁屏蔽门的距离，将每一个队列区域划分出预设个数的排队位置，并定义出各排队位置的位置等级；
根据排队人数与目标站台人群密度共同影响下的个人空间数值简易查询表，定义出队列区域的密度等级；
根据CIE_1931色度图量化互补颜色，确定不同颜色组合的信号提示强度等级；
构建初步换队二项Logit模型；
根据所述密度等级、所述位置等级和所述信号提示强度等级，设计问卷进行SP调查，获取调查数据；
利用SPSS对调查数据对初步换队二项Logit模型进行回归处理，获得换队二项Logit模型。
在其中一个实施例中，所述初步换队二项Logit模型为：
Figure BDA0003290065520000031
其中，LogitP为换队二项Logit模型，pa为换队概率，θ0为常数项，xan为乘客选择换队的第n个影响因素，θan为乘客选择换队的第n个影响因素的系数，N为影响乘客换队的因素总数，n是影响乘客换队的因素编号。
在其中一个实施中，所述换队二项Logit模型为：
Figure BDA0003290065520000032
式中，x1为密度等级，x2为位置等级差，x3为信号强度等级。
在其中一个实施例中，获取当前站台各队列区域的乘客数量和各所述队列区域的各排队位置的排队情况的步骤，包括：
获取当前站台监控系统的视频数据；
将所述视频数据输入YOLOv3进行分析，获取当前站台各队列区域的乘客数量和各所述队列区域的各排队位置的排队情况。
在其中一个实施例中，所述根据各所述队列区域的乘客数量进行分析，确定各所述队列区域的第一密度等级的步骤，包括：
获取各所述队列区域的面积；
根据各所述队列区域的乘客数量和面积，采用人群密度分析公式进行分析，获得各所述队列区域的人群密度，所述人群密度分析公式为：
Figure BDA0003290065520000041
其中，Di为第i个队列区域的人群密度，ni为第i个队列区域的乘客数量，S为第i个队列区域的面积，为第i个队列区域的长L与宽W的乘积；
根据各所述队列区域的人群密度所属的密度等级，确定各所述队列区域的第一密度等级。
在其中一个实施例中，所述根据各所述队列区域中各乘客的排队情况，对各所述队列区域的各排队位置进行分析，确定各所述队列区域的各排队位置的位置等级差的步骤，包括：
根据各所述队列区域中各乘客的排队情况，确定各所述队列区域的队尾所在的位置等级；
将各所述队列区域分别作为目标队列区域，根据目标队列区域的各排队位置和相邻的队列区域的队尾所在的位置等级，确定目标队列区域的各排队位置的位置等级差。
在其中一个实施例中，所述在间隔预设时间后，再次获取当前站台各所述队列区域的乘客数量进行分析，根据获得的分析结果对所述信号展示装置展示的提醒信号进行调整的步骤，包括：
在间隔预设时间后，获取当前站台各所述队列区域的乘客数量进行分析，获得各所述队列区域的第二密度等级；
判断各所述队列区域的第二密度等级与相邻的队列区域的密度等级差的绝对值是否小于等于预设值；
若各所述队列区域都小于等于预设值，则控制所述信号展示装置关闭展示的提醒信号；
若存在大于预设值的队列区域，则将大于预设值的队列区域的各排队位置的信号强度等级提高一个等级，若存在已经到达信号强度等级上限的排队位置，则不调整；
根据大于预设值的队列区域的各排队位置调整后的信号强度等级，调整所述信号展示装置展示的提醒信号；
返回所述在间隔预设时间后，获取当前站台各所述队列区域的乘客数量进行分析，获得各所述队列区域的第二密度等级的步骤，直至各所述队列区域都小于等于预设值。
在其中一个实施例中，当前站台上各队列区域的各排队位置处对应铺设有所述信号展示装置，所述信号展示装置为两个信号灯，两个信号灯根据对应的信号强度等级分别显示不同颜色。
上述基于效用模型的地铁站台排队乘客的分流方法，通过获取当前站台各队列区域的乘客数量和各所述队列区域的各排队位置的排队情况；根据各所述队列区域的乘客数量进行分析，确定各所述队列区域的第一密度等级；根据各所述队列区域中各乘客的排队情况，对各所述队列区域的各排队位置进行分析，确定各所述队列区域的各排队位置的位置等级差；根据各所述队列区域对应的第一密度等级和各排队位置的位置等级差，采用预先构建的换队二项Logit模型对各所述队列区域的提醒信号的信号强度进行分析，确定各所述队列区域的各排队位置的信号强度等级；根据各所述队列区域中各排队位置的信号强度等级，控制信号展示装置进行提醒信号展示；在间隔预设时间后，再次获取当前站台各所述队列区域的乘客数量进行分析，根据获得的分析结果对所述信号展示装置展示的提醒信号进行调整。进而实现排队乘客的自动诱导分流，提高了城市轨道交通系统的时空资源利用率。
附图说明
图1为一个实施例中基于效用模型的地铁站台排队乘客的分流方法的流程示意图；
图2为一个实施例中地铁站台队列区域划分图；
图3为一个实施例中地铁站台队列区域内排队位置划分图；
图4为一个实施例中信号展示装置布设示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于效用模型的地铁站台排队乘客的分流方法，包括以下步骤：
步骤S220，获取当前站台各队列区域的乘客数量和各队列区域的各排队位置的排队情况。
在一个实施例中，获取当前站台各队列区域的乘客数量和各队列区域的各排队位置的排队情况的步骤，包括：获取当前站台监控系统的视频数据；将视频数据输入YOLOv3进行分析，获取当前站台各队列区域的乘客数量和各队列区域的各排队位置的排队情况。
其中，将当前站台监控系统的图像或视频数据输入YOLOv3，即可对图像或视频中的站台乘客进行识别，进而输出队列区域i的乘客数量ni，以及各队列区域的各排队位置的排队情况，该排队情况至少包括各队列区域的队尾所在的排队位置。
步骤S240，根据各队列区域的乘客数量进行分析，确定各队列区域的第一密度等级。
根据各队列区域的乘客数量进行分析，确定各队列区域的第一密度等级的步骤，包括：获取各队列区域的面积；根据各队列区域的乘客数量和面积，采用人群密度分析公式进行分析，获得各队列区域的人群密度，人群密度分析公式为：
Figure BDA0003290065520000071
其中，Di为第i个队列区域的人群密度，ni为第i个队列区域的乘客数量，S为第i个队列区域的面积，为第i个队列区域的长L与宽W的乘积；
根据各队列区域的人群密度所属的密度等级，确定各队列区域的第一密度等级。
其中，预先根据排队人数与目标站台人群密度共同影响下的个人空间数值简易查询表，将队列区域的人群密度划分为多个密度等级，每个密度等级对应一个人群密度范围，根据各队列区域的人群密度落入的人群密度范围，确定各队列区域的第一密度等级。
步骤S260，根据各队列区域中各乘客的排队情况，对各队列区域的各排队位置进行分析，确定各队列区域的各排队位置的位置等级差。
在一个实施例中，根据各队列区域中各乘客的排队情况，对各队列区域的各排队位置进行分析，确定各队列区域的各排队位置的位置等级差的步骤，包括：根据各队列区域中各乘客的排队情况，确定各队列区域的队尾所在的位置等级；将各队列区域分别作为目标队列区域，根据目标队列区域的各排队位置和相邻的队列区域的队尾所在的位置等级，确定目标队列区域的各排队位置的位置等级差。
其中，预先根据队列区域中各排队位置到该队列区域的地铁屏蔽门的距离，将各排队位置定义相应的位置等级，每个排队位置对应一个位置等级。以队列区域中的排队位置有6个为例，这6个排队位置到该队列区域的地铁屏蔽门的距离，按从小到大的顺序，将队列区域的排队位置划分为6个等级，到该队列区域的地铁屏蔽门的距离最近的排队位置的位置等级为1级，以此类推，到该队列区域的地铁屏蔽门的距离最远的排队位置的位置等级为6级。位置等级差根据的当前排队位置的位置等级和相邻的队列区域的队尾所在的位置等级确定，目标队列区域相邻的队列区域有可能为一个，也有可能为两个，目标队列区域相邻的队列区域为一个时，当前排队位置的位置等级—相邻的队列区域的队尾所在的位置等级＝位置等级差，目标队列区域相邻的队列区域为两个时，当前排队位置的位置等级—相邻的各队列区域中队尾所在的位置等级最大的位置等级＝位置等级差。
步骤S280，根据各队列区域对应的第一密度等级和各排队位置的位置等级差，采用预先构建的换队二项Logit模型对各队列区域的提醒信号的信号强度进行分析，确定各队列区域的各排队位置的信号强度等级。
其中，信号强度等级为分流信号的提示强度等级。效用模型即换队二项Logit模型，依据换队二项Logit模型的拟合结果，确定在队列区域的排队队列不同排队位置的信号强度等级。依据换队二项Logit模型的拟合结果，以刚好等于0的结果作为依据，目标为使得换队二项Logit模型的计算结果刚好大于0，进而确定在队列区域的排队队列不同排队位置的分流信号提示强度等级。换队二项Logit模型为：
Figure BDA0003290065520000081
式中，LogitP为换队二项Logit模型，pa为换队概率，x1为密度等级，x2为位置等级差，x3为信号强度等级。
换队二项Logit模型通过输入的位置等级差和密度等级，调整信号强度等级，使换队二项Logit模型的结果大于0。
在一个实施例中，换队二项Logit模型的构建方式包括：
根据目标站台的站台深度、地铁屏蔽门的宽度和相邻地铁屏蔽门之间的间隔，对目标站台的排队区域进行队列区域划分，确定目标站台的各队列区域；根据到地铁屏蔽门的距离，将每一个队列区域划分出预设个数的排队位置，并定义出各排队位置的位置等级；根据排队人数与目标站台人群密度共同影响下的个人空间数值简易查询表，定义出队列区域的密度等级；根据CIE_1931色度图量化互补颜色，确定不同颜色组合的信号提示强度等级；构建初步换队二项Logit模型；根据密度等级、位置等级和信号提示强度等级，设计问卷进行SP调查，获取调查数据；利用SPSS对调查数据对初步换队二项Logit模型进行回归处理，获得换队二项Logit模型。
其中，目标站台指的是需要构建换队二项Logit模型来实现基于Logit模型的地铁站台排队乘客的分流方法的站台。根据目标站台的站台深度、地铁屏蔽门的宽度和相邻地铁屏蔽门之间的间隔，对目标站台的排队区域进行队列区域划分，确定目标站台的各队列区域，具体地：以南京地铁3号线的东大九龙湖校区地铁站为例，以该站点某部分站台为研究对象，选取站台的真实布局情况，根据目标站台的站台深度、地铁屏蔽门的宽度和相邻地铁屏蔽门之间的间隔，将站台划分为若干个队列区域，如图2所示，因列车车门宽度与间距固定，因此以站台深度为区域长L，选取一个地铁屏蔽门宽度加两侧与另一地铁屏蔽门的间距的一半为宽W，所构成的矩形范围作为站台排队队列区域，从而队列区域的面积S＝L×W。对于岛式站台(即用于等待两个行驶方向的地铁的站台为同一站台，区别在于排队等待对应方向的队列背对着)，站台深度此处认为是从屏蔽门到立柱中点的距离；对于侧式站台(该站台仅用于等待一个行驶方向的地铁)，站台深度认为是站台宽度。用符号i来表示队列区域，其中i＝1，2，3……。
根据到地铁屏蔽门的距离，将每一个队列区域划分出预设个数的排队位置，并定义出各排队位置的位置等级，具体地：以南京地铁3号线的东大九龙湖校区地铁站划分的若干个队列区域为例，根据到地铁屏蔽门的距离，将每一个队列区域划分为6个子区域，每个子区域即为一个排队位置，定义6个位置等级，按从小到大的顺序，将队列区域的排队位置划分为6个等级，分别为1级、2级、3级、4级、5级和6级。如图3所示，子区域可按照队列区域的排队方向为长度方向，将队列区域等比例划分为6个子区域，子区域的宽为队列区域的宽，子区域的长为队列区域长的六分之一。位置等级表示为：
Figure BDA0003290065520000101
其中，Zr为位置等级，l为子区域的长度范围，以地铁屏蔽门处为0，队列区域长为L。
根据排队人数与目标站台人群密度共同影响下的个人空间数值简易查询表，定义出队列区域的密度等级，如：从1级到6级分别为0～0.15人/㎡、0.15～0.25人/㎡、0.25～0.35人/㎡、0.35～0.45人/㎡、0.45～0.55人/㎡、0.55～0.65人/㎡，密度更大的情况统一设置为等级6。排队人数与目标站台人群密度共同影响下的个人空间数值简易查询表见表1：
表1排队人数与站台人群密度共同影响下的个人空间数值简易查询表单位：m
Figure BDA0003290065520000102
Figure BDA0003290065520000111
划分的队列区域的密度等级表示为：
Figure BDA0003290065520000112
其中，Dir为队列区域的密度等级，Di为第i个队列区域的人群密度。
根据CIE_1931色度图量化互补颜色，确定不同颜色组合的信号提示强度等级，具体地：依据CIE_1931色度图量化互补颜色，用坐标对的形式将互补颜色进行表示。通过问卷调查结果，得到不同互补颜色下的信号提示强度的效用相对大小，根据效用相对大小确定不同互补颜色组合下的信号提示强度等级。考虑便于研究以及实际情况，将信号提示强度按照效用相对大小划分为6个等级，从低到高分别为1级、2级、3级、4级、5级和6级。符号表述为Cr＝1，2，……，6。
其中，根据CIE_1931色度图量化互补颜色，实施例将颜色分为22种，序号从1到22其坐标分别为(0.05，0.3)、(0.03，0.4)、(0.075，0.2)、(0.02，0.5)、(0.1，0.1)、(0.01，0.7)、(0.12，0.075)、(0.04，0.8)、(0.13，0.05)、(0.3，0.7)、(0.2，0.025)、(0.4，0.6)、(0.25，0.05)、(0.45，0.55)、(0.375，0.1)、(0.5，0.5)、(0.475，0.15)、(0.6，0.4)、(0.575，0.2)、(0.7，0.3)、(0.7，0.25)、(0.725，0.275)。根据调查问卷结果，确定不同颜色组合的信号提示强度从低到高依次为：(0.3，0.7)和(0.4，0.6)、(0.04，0.8)和(0.45，0.55)、(0.01，0.7)和(0.5，0.5)、(0.02，0.5)和(0.6，0.4)、(0.03，0.4)和(0.7，0.3)。
在一个实施例中，初步换队二项Logit模型为：
Figure BDA0003290065520000121
其中，LogitP为换队二项Logit模型，pa为换队概率，θ0为常数项，xan为乘客选择换队的第n个影响因素，θan为乘客选择换队的第n个影响因素的系数，N为影响乘客换队的因素总数，n是影响乘客换队的因素编号。
在一个实施例中，换队二项Logit模型为：
Figure BDA0003290065520000122
式中，x1为密度等级，x2为位置等级差，x3为信号强度等级。
其中，以密度等级、位置等级差和信号强度等级为自变量，设计问卷进行SP调查，在前述三类项目的不同等级下，研究排队乘客换队或不换队的意向；Logit模型即，对换队概率和不换队概率之比求自然对数，之后利用问卷数据标定的线性回归式，若换队概率大于不换队概率则对数结果大于0，若换队概率小于不换队概率则对数结果小于0。基于6种队列区域人群密度等级、10种排队位置等级差和6种信号强度等级，设计并发放乘客的换队意向SP调查问卷，利用SPSS对问卷调查数据进行二项logit回归，拟合标定基于密度等级、位置等级差和信号强度等级的初步换队二项Logit模型。利用SPSS对720份问卷的调查数据进行初步换队logit模型进行回归，以密度等级、位置等级差和强度等级的模型为连续自变量，标定模型参数，得到换队logit模型，换队logit模型中的变量参数检验表如表2。
表2换队logit模型中的变量参数检验表
B 标准误差 瓦尔德 自由度 显著性 Exp(B)
密度等级 -.486 .092 27.638 1 .000 .615
位置等级差 1.466 .123 142.768 1 .000 4.333
信号强度等级 1.230 .133 85.950 1 .000 3.420
常量 -2.917 .484 36.372 1 .000 .054
步骤S300，根据各队列区域中各排队位置的信号强度等级，控制信号展示装置进行提醒信号展示。
其中，根据不同信号强度等级所对应的互补颜色，以光信号的形式控制信号提示装置在对应排队位置进行提示，实现引导排队乘客的分流。各队列区域的不同排队位置对应的范围内各有1个站台信号提示装置铺设于站台上，1个站台信号提示装置由2部分LED灯拼接而成，LED灯可展现出不同的颜色从而实现分流，根据各队列区域中各排队位置的信号强度等级，显示对应的颜色，。
在一个实施例中，铺设于当前站台上各队列区域的各排队位置处对应铺设有信号展示装置，信号展示装置为两个信号灯，两个信号灯根据对应的信号强度等级分别显示不同颜色。
其中，信号提示装置铺设情况如图4所示。
步骤S320，在间隔预设时间后，再次获取当前站台各队列区域的乘客数量进行分析，根据获得的分析结果对信号展示装置展示的提醒信号进行调整。
在一个实施例中，在间隔预设时间后，再次获取当前站台各队列区域的乘客数量进行分析，根据获得的分析结果对信号展示装置展示的提醒信号进行调整的步骤，包括：在间隔预设时间后，获取当前站台各队列区域的乘客数量进行分析，获得各队列区域的第二密度等级；判断各队列区域的第二密度等级与相邻的队列区域的密度等级差的绝对值是否小于等于预设值；若各队列区域都小于等于预设值，则控制信号展示装置关闭展示的提醒信号；若存在大于预设值的队列区域，则将大于预设值的队列区域的各排队位置的信号强度等级提高一个等级，若存在已经到达信号强度等级上限的排队位置，则不调整；根据大于预设值的队列区域的各排队位置调整后的信号强度等级，调整信号展示装置展示的提醒信号；返回在间隔预设时间后，获取当前站台各队列区域的乘客数量进行分析，获得各队列区域的第二密度等级的步骤，直至各队列区域都小于等于预设值。
上述基于效用模型的地铁站台排队乘客的分流方法，通过获取当前站台各队列区域的乘客数量和各队列区域的各排队位置的排队情况；根据各队列区域的乘客数量进行分析，确定各队列区域的第一密度等级；根据各队列区域中各乘客的排队情况，对各队列区域的各排队位置进行分析，确定各队列区域的各排队位置的位置等级差；根据各队列区域对应的第一密度等级和各排队位置的位置等级差，采用预先构建的换队二项Logit模型对各队列区域的提醒信号的信号强度进行分析，确定各队列区域的各排队位置的信号强度等级；根据各队列区域中各排队位置的信号强度等级，控制信号展示装置进行提醒信号展示；在间隔预设时间后，再次获取当前站台各队列区域的乘客数量进行分析，根据获得的分析结果对信号展示装置展示的提醒信号进行调整。进而实现排队乘客的自动诱导分流，提高城市轨道交通系统的时空资源利用率。
进一步地，基于Logit模型对地铁站台排队乘客进行自动诱导分流，依托真实的站台环境和数据建立数学模型，为站台排队乘客分流提供了相应的方法支撑，具有科学性、准确性、合理性和有效性；对站台区域和区域的不同位置均进行了划分，对于不同的位置有的放矢、有针对性地对排队乘客进行分流，为解决相关问题提供了借鉴思路；通过调整信号展示装置的光信息来调整对乘客的刺激强弱，进而实现排队乘客的自动诱导分流，较于人工诱导和半自动诱导成本低，更加科学、直观、智能；能够实现列车上下客和乘坐环境的改善，满足乘客对城市轨道交通系统的可用、可靠、舒适和便捷的需求，同时提高整个城市轨道交通系统的时空资源利用率和服务品质。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种基于效用模型的地铁站台排队乘客的分流方法，其特征在于，所述方法包括：
获取当前站台各队列区域的乘客数量和各所述队列区域的各排队位置的排队情况；
根据各所述队列区域的乘客数量进行分析，确定各所述队列区域的第一密度等级；
根据各所述队列区域中各乘客的排队情况，对各所述队列区域的各排队位置进行分析，确定各所述队列区域的各排队位置的位置等级差；
根据各所述队列区域对应的第一密度等级和各排队位置的位置等级差，采用预先构建的换队二项Logit模型对各所述队列区域的提醒信号的信号强度进行分析，确定各所述队列区域的各排队位置的信号强度等级；
根据各所述队列区域中各排队位置的信号强度等级，控制信号展示装置进行提醒信号展示；
在间隔预设时间后，再次获取当前站台各所述队列区域的乘客数量进行分析，根据获得的分析结果对所述信号展示装置展示的提醒信号进行调整。
2.根据权利要求1所述的方法，其特征在于，所述换队二项Logit模型的构建方式包括：
根据目标站台的站台深度、地铁屏蔽门的宽度和相邻地铁屏蔽门之间的间隔，对目标站台的排队区域进行队列区域划分，确定所述目标站台的各队列区域；
根据到地铁屏蔽门的距离，将每一个队列区域划分出预设个数的排队位置，并定义出各排队位置的位置等级；
根据排队人数与目标站台人群密度共同影响下的个人空间数值简易查询表，定义出队列区域的密度等级；
根据CIE_1931色度图量化互补颜色，确定不同颜色组合的信号提示强度等级；
构建初步换队二项Logit模型；
根据所述密度等级、所述位置等级和所述信号提示强度等级，设计问卷进行SP调查，获取调查数据；
利用SPSS对调查数据对初步换队二项Logit模型进行回归处理，获得换队二项Logit模型。
3.根据权利要求2所述的方法，其特征在于，所述初步换队二项Logit模型为：
Figure RE-FDA0003396552010000021
其中，LogitP为换队二项Logit模型，pa为换队概率，θ0为常数项，xan为乘客选择换队的第n个影响因素，θan为乘客选择换队的第n个影响因素的系数，N为影响乘客换队的因素总数，n是影响乘客换队的因素编号。
4.根据权利要求3所述的方法，其特征在于，所述换队二项Logit模型为：
Figure RE-FDA0003396552010000022
式中，x1为密度等级，x2为位置等级差，x3为信号强度等级。
5.根据权利要求1所述的方法，其特征在于，获取当前站台各队列区域的乘客数量和各所述队列区域的各排队位置的排队情况的步骤，包括：
获取当前站台监控系统的视频数据；
将所述视频数据输入YOLOv3进行分析，获取当前站台各队列区域的乘客数量和各所述队列区域的各排队位置的排队情况。
6.根据权利要求1所述的方法，其特征在于，所述根据各所述队列区域的乘客数量进行分析，确定各所述队列区域的第一密度等级的步骤，包括：
获取各所述队列区域的面积；
根据各所述队列区域的乘客数量和面积，采用人群密度分析公式进行分析，获得各所述队列区域的人群密度，所述人群密度分析公式为：
Figure RE-FDA0003396552010000031
其中，Di为第i个队列区域的人群密度，ni为第i个队列区域的乘客数量，S为第i个队列区域的面积，为第i个队列区域的长L与宽W的乘积；
根据各所述队列区域的人群密度所属的密度等级，确定各所述队列区域的第一密度等级。
7.根据权利要求1所述的方法，其特征在于，所述根据各所述队列区域中各乘客的排队情况，对各所述队列区域的各排队位置进行分析，确定各所述队列区域的各排队位置的位置等级差的步骤，包括：
根据各所述队列区域中各乘客的排队情况，确定各所述队列区域的队尾所在的位置等级；
将各所述队列区域分别作为目标队列区域，根据目标队列区域的各排队位置和相邻的队列区域的队尾所在的位置等级，确定目标队列区域的各排队位置的位置等级差。
8.根据权利要求1所述的方法，其特征在于，所述在间隔预设时间后，再次获取当前站台各所述队列区域的乘客数量进行分析，根据获得的分析结果对所述信号展示装置展示的提醒信号进行调整的步骤，包括：
在间隔预设时间后，获取当前站台各所述队列区域的乘客数量进行分析，获得各所述队列区域的第二密度等级；
判断各所述队列区域的第二密度等级与相邻的队列区域的密度等级差的绝对值是否小于等于预设值；
若各所述队列区域都小于等于预设值，则控制所述信号展示装置关闭展示的提醒信号；
若存在大于预设值的队列区域，则将大于预设值的队列区域的各排队位置的信号强度等级提高一个等级，若存在已经到达信号强度等级上限的排队位置，则不调整；
根据大于预设值的队列区域的各排队位置调整后的信号强度等级，调整所述信号展示装置展示的提醒信号；
返回所述在间隔预设时间后，获取当前站台各所述队列区域的乘客数量进行分析，获得各所述队列区域的第二密度等级的步骤，直至各所述队列区域都小于等于预设值。
9.根据权利要求1所述的方法，其特征在于，当前站台上各队列区域的各排队位置处对应铺设有所述信号展示装置，所述信号展示装置为两个信号灯，两个信号灯根据对应的信号强度等级分别显示不同颜色。
CN202111160627.XA 2021-09-30 2021-09-30 一种基于效用模型的地铁站台排队乘客的分流方法 Active CN113971853B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111160627.XA CN113971853B (zh) 2021-09-30 2021-09-30 一种基于效用模型的地铁站台排队乘客的分流方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111160627.XA CN113971853B (zh) 2021-09-30 2021-09-30 一种基于效用模型的地铁站台排队乘客的分流方法

Publications (2)

Publication Number Publication Date
CN113971853A true CN113971853A (zh) 2022-01-25
CN113971853B CN113971853B (zh) 2023-09-08

Family

ID=79587139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111160627.XA Active CN113971853B (zh) 2021-09-30 2021-09-30 一种基于效用模型的地铁站台排队乘客的分流方法

Country Status (1)

Country Link
CN (1) CN113971853B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750826A (zh) * 2012-06-26 2012-10-24 浙江大学 一种用于群体诱导信息下驾驶员响应行为的辨识方法
CN105577958A (zh) * 2014-10-15 2016-05-11 阿里巴巴集团控股有限公司 用于调整分流策略和分流用户请求的方法、装置及系统
CN109003384A (zh) * 2018-07-22 2018-12-14 薛永芳 一种用于医院挂号的排队引导装置
CN110827452A (zh) * 2019-11-13 2020-02-21 公安部第一研究所 一种针对机场旅检的旅客智能分流方法
CN112906179A (zh) * 2020-11-27 2021-06-04 西南交通大学 一种基于流体排队网络的城市轨道交通客流控制优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750826A (zh) * 2012-06-26 2012-10-24 浙江大学 一种用于群体诱导信息下驾驶员响应行为的辨识方法
CN105577958A (zh) * 2014-10-15 2016-05-11 阿里巴巴集团控股有限公司 用于调整分流策略和分流用户请求的方法、装置及系统
CN109003384A (zh) * 2018-07-22 2018-12-14 薛永芳 一种用于医院挂号的排队引导装置
CN110827452A (zh) * 2019-11-13 2020-02-21 公安部第一研究所 一种针对机场旅检的旅客智能分流方法
CN112906179A (zh) * 2020-11-27 2021-06-04 西南交通大学 一种基于流体排队网络的城市轨道交通客流控制优化方法

Also Published As

Publication number Publication date
CN113971853B (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
Fernández Modelling public transport stops by microscopic simulation
Li et al. Intersection management for autonomous vehicles with vehicle-to-infrastructure communication
Hassannayebi et al. Timetable optimization models and methods for minimizing passenger waiting time at public transit terminals
CN107767011B (zh) 一种轨道车站行人特性采集系统和服务水平动态评价方法
CN113554263B (zh) 基于交通仿真的高速公路施工组织方案交通影响评估方法
Asadi et al. A systematic literature review of vehicle speed assistance in intelligent transportation system
Cardaliaguet et al. From heterogeneous microscopic traffic flow models to macroscopic models
CN111882097A (zh) 一种车辆维护人员调度方法和系统
Li et al. How can connected and automated vehicles improve merging efficiency at freeway on-ramps?
Yang et al. Capacity Model of Exclusive Right‐Turn Lane at Signalized Intersection considering Pedestrian‐Vehicle Interaction
Barzilai et al. Traffic control in a smart intersection by an algorithm with social priorities
Ramirez-Polo et al. Simulation and optimization of traffic lights for vehicles flow in high traffic areas
CN113971853A (zh) 一种基于效用模型的地铁站台排队乘客的分流方法
Gu et al. School bus transport service strategies’ policy-making mechanism–An evolutionary game approach
Peñabaena-Niebles et al. Impact of transition between signal timing plans in social cost based in delay, fuel consumption and air emissions
Alam et al. Network-wide traffic and environmental impacts of acceleration and deceleration among Eco-Driving Vehicles in different road configurations
Ma et al. Traffic guidance self-organization method for neighbor weaving segments based on self-organized critical state
Wang et al. Conditions for Setting Exclusive Pedestrian Phases at Two‐Phase Signalized Intersections considering Pedestrian‐Vehicle Interaction
Wang et al. Simulation analysis and improvement of the vehicle queuing system on intersections based on MATLAB
US11237008B2 (en) System and method for controlling vehicular pollution concentration and providing maximum traffic flow throughput
Samaras et al. Quantification of the effect of ITS on CO2 emissions from road transportation
CN104063613A (zh) 多模式公交网络的效能评估方法
Balint et al. How does business intelligence solutions can streamline and influence transport networks?
CN114739418B (zh) 一种网约车用户出行方式选择方法及系统
Ma et al. Self‐organizing traffic control using carrying capacity modelling in adjacent weaving sections

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