CN114141020B

CN114141020B - 一种基于轨道交通的行人仿真方法、系统及电子设备

Info

Publication number: CN114141020B
Application number: CN202210117131.2A
Authority: CN
Inventors: 李金龙; 刘迁; 曲鸣川; 张方冰; 赵素杰
Original assignee: Beijing Urban Construction Design and Development Group Co Ltd
Current assignee: Beijing Urban Construction Design and Development Group Co Ltd
Priority date: 2022-02-08
Filing date: 2022-02-08
Publication date: 2022-09-16
Anticipated expiration: 2042-02-08
Also published as: CN114141020A

Abstract

本发明提供的一种基于轨道交通的行人仿真方法、系统及电子设备，其中该方法包括：获取车站内待仿真区域的客流信息；对客流信息进行特征提取得到每一行人的信息；行人的信息包括行人的行走状态信息和行人的身体状态信息；根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件。本发明通过利用行人仿真模型不仅使行人出行更加方便，而且可以在危机的情况下提前预知客流动态，使得工作人员尽快完成行人的疏散。

Description

一种基于轨道交通的行人仿真方法、系统及电子设备

技术领域

本发明属于轨道交通运营监测技术领域，更具体地说，是涉及一种基于轨道交通的行人仿真方法、系统及电子设备。

背景技术

随着城市交通的不断发展，越来越多的人选择坐车出行。然而，目前的交通系统存在一个严重的问题：某些线路特别拥挤，而另外一些线路基本上是空载，这造成了资源的浪费。

客流量是影响交通运行效率的重要因素，车站可以根据客流量的变化情况最优地调度车辆，节省运营成本，市民也可以参考线路客流量信息制定出行计划，从而节省出行时间。目前车站员工通常根据工作经验来预测客流量，但是仅凭经验预测客流量通常不太准确。因此，对于如何对轨道交通中的行人进行准确的客流预测或者如何根据客流信息进行事件的仿真仍是亟需解决的问题。

发明内容

本发明的目的在于提供一种基于轨道交通的行人仿真方法、系统及电子设备，旨在解决目前无法及时准确预测客流量的问题。

为实现上述目的，本发明采用的技术方案是：

一种基于轨道交通的行人仿真方法，包括以下步骤：

步骤1：获取车站内待仿真区域的客流信息；

步骤2：对所述客流信息进行特征提取得到每一行人的信息；所述行人的信息包括行人的行走状态信息和行人的身体状态信息；

步骤3：根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件。

优选的，在所述步骤3：根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件之前，还包括：

步骤2.1：获取历史时刻的每一行人的信息以及相应时刻的客流信息；

步骤2.2：根据所述历史时刻的每一行人的信息确定历史时刻的个体行为结果；

步骤2.3：获取待训练的行人仿真模型；

步骤2.4：以历史时刻的个体行为结果以及相应时刻的客流信息为输入，以下一时刻的客流数据以及相应时刻发生的事件为输出对所述待训练的行人仿真模型进行训练得到训练完成的行人仿真模型。

优选的，还包括：

根据下一时刻的客流数据对待仿真区域的设备进行调控，并将所述相应时刻发生的事件进行显示。

优选的，所述步骤2：对所述客流信息进行特征提取得到每一行人的信息，包括：

将特征提取后的客流信息进行划分，确定每一行人的信息；所述行人的身体状态信息包括逻辑行为参数影响因素；其中，所述逻辑行为参数影响因素包括：年龄、体型、性别、隐私间距、携带系数、转弯缓和曲线、残障比例、是否观看手机、目的地以及是否紧急任意一种或者多种；所述行人的行走状态信息包括参数影响因素、次级行为参数影响因素以及行人底层行为影响因素；其中，所述参数影响因素包括一人行走、双人结伴、多人结伴以及行走是否有序任意一种或多种；所述次级行为参数影响因素包括步长、步频、路径、避障策略以及反应时间任意一种或多种；所述行人底层行为影响因素包括行走速度、行走方向以及行为持续周期任意一种或多种。

本发明还提供了一种基于轨道交通的行人仿真系统，包括：

客流信息获取模块，用于获取车站内待仿真区域的客流信息；

行人的信息确定模块，用于对所述客流信息进行特征提取得到每一行人的信息；所述行人的信息包括行人的行走状态信息和行人的身体状态信息；

行人仿真模块，用于根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件。

优选的，还包括：

历史时刻客流数据获取模块，用于获取历史时刻的每一行人的信息以及相应时刻的客流信息；

个体行为结果确定模块，用于根据所述历史时刻的每一行人的信息确定历史时刻的个体行为结果；

仿真模型获取模块，用于获取待训练的行人仿真模型；

行人仿真模型训练模块，用于以历史时刻的个体行为结果以及相应时刻的客流信息为输入，以下一时刻的客流数据以及相应时刻发生的事件为输出对所述待训练的行人仿真模型进行训练得到训练完成的行人仿真模型。

优选的，还包括：

设备调控模块，用于根据下一时刻的客流数据对待仿真区域的设备进行调控，并将所述相应时刻发生的事件进行显示。

优选的，所述行人的信息确定模块，包括：

行人的信息确定单元，用于将特征提取后的客流信息进行划分，确定每一行人的信息；所述行人的身体状态信息包括逻辑行为参数影响因素；其中，所述逻辑行为参数影响因素包括：年龄、体型、性别、隐私间距、携带系数、转弯缓和曲线、残障比例、是否观看手机、目的地以及是否紧急任意一种或者多种；所述行人的行走状态信息包括参数影响因素、次级行为参数影响因素以及行人底层行为影响因素；其中，所述参数影响因素包括一人行走、双人结伴、多人结伴以及行走是否有序任意一种或多种；所述次级行为参数影响因素包括步长、步频、路径、避障策略以及反应时间任意一种或多种；所述行人底层行为影响因素包括行走速度、行走方向以及行为持续周期任意一种或多种。

本发明还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述的一种基于轨道交通的行人仿真方法中的步骤。

本发明还提供了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，所述计算机程序被处理器执行时实现上述的一种基于轨道交通的行人仿真方法中的步骤。

本发明提供的一种基于轨道交通的行人仿真方法、系统及电子设备的有益效果在于：与现有技术相比，本发明的一种基于轨道交通的行人仿真方法，包括：获取车站内待仿真区域的客流信息；对客流信息进行特征提取得到每一行人的信息；行人的信息包括行人的行走状态信息和行人的身体状态信息；根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件。本发明通过利用行人仿真模型不仅使行人出行更加方便，而且可以在危机的情况下提前预知客流动态，使得工作人员尽快完成行人的疏散。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明所提供的一种基于轨道交通的行人仿真方法流程示意图；

图2为个人行为结果确定示意图；

图3为本发明所提供的一种基于轨道交通的行人仿真系统结构示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，为实现上述目的，一种基于轨道交通的行人仿真方法，包括以下步骤：

S1：获取车站内待仿真区域的客流信息；客流信息包括：不同时刻的客流图像以及发生的事件。发生的事件可包括人员聚集，发生口角等；

进一步的，本发明可利用城市轨道交通售检票系统获取行人刷卡记录数据以及通过摄像设备记录行人的视频数据。

S2：对客流信息进行特征提取得到每一行人的信息；行人的信息包括行人的行走状态信息和行人的身体状态信息；行人的身体状态信息包括逻辑行为参数影响因素；其中，逻辑行为参数影响因素包括：年龄、体型、性别、隐私间距、携带系数、转弯缓和曲线、残障比例、是否观看手机、目的地以及是否紧急任意一种或者多种；行人的行走状态信息包括参数影响因素、次级行为参数影响因素以及行人底层行为影响因素；其中，参数影响因素包括一人行走、双人结伴、多人结伴以及行走是否有序任意一种或多种；次级行为参数影响因素包括步长、步频、路径、避障策略以及反应时间任意一种或多种；行人底层行为影响因素包括行走速度、行走方向以及行为持续周期任意一种或多种。

在实际应用中，提取特征之前还包括：对客流信息进行数据清洗、归一化处理以及数据聚类；

将特征提取后的客流信息进行划分，确定参数影响因素、逻辑行为参数影响因素、次级行为参数影响因素以及行人底层行为影响因素。

如图2所示，影响因素的确定过程为：

第一步：行人底层行为影响因素A

个体行为仿真的最终结果由影响因素A确定

行人模型的基本动作要素A构成:

{

要素A1:行走速度

要素A2:行走方向

要素A3:行为持续周期

....

}；

第二步：次级行为参数影响因素B

个体行为影响因素A由影响因素B确定

行人模型的基本动作要素B构成:

{

要素B1:步长影响方式:B1=xA1(其中x为0~1间的影响系数)

要素B2:步频影响方式:B2=xA1+yA3(其中x,y为0~1间的影响系数)

要素B3:路径影响方式:B3=xA2(其中x为0~1间的方向系数)

要素B4:避障策略影响方式:B4=xA2+yA3(其中x为0~1间的方向系数,y为0~1间的影响系数)

要素B5:反应时间影响方式:B5=xA3(其中x为0~1间的影响系数)

....

}

第三步：逻辑行为参数影响因素C

个体行为影响因素B由影响因素C确定

行人模型的基本动作要素C构成:

{

要素C1:年龄影响方式:C1=xB2+yB4+zB5(其中x,y,z为0~1间的影响系数)

要素C2:体型影响方式:C2=xB1(其中x为0~1间的影响系数)

要素C3:性别影响方式:C3=xB1+yB2+zB3(其中x,y,z为0~1间的影响系数)

要素C4:隐私间距影响方式:C4=xB3(其中x为0~1间的方向系数)

要素C5:携带系数影响方式:C5=xB1+yB2+zB4(其中x为0~1间的方向系数,y,z为0~1间的影响系数)

要素C6:转弯缓和曲线影响方式:C6=xB3(其中x为0~1间的影响系数)

要素C7:残障比例影响方式:C7=xB1+yB2+zB3...(其中x为0~1间的影响系数)

要素C8:观看手机影响方式:C8=xB2+yB4+zB5(其中x为0~1间的影响系数)

要素C9:目的地影响方式:C9=xB3(其中x为0~1间的路径选择系数)

要素C10:是否紧急影响方式:C10=xB1+yB2+zB4(其中x,y,z为0~1间的影响系数)

....

}

第四步：宏观为参数影响因素D

个体行为影响因素C由影响因素D确定

行人模型的基本动作要素D构成:

{

要素D1:一人行走影响方式:D1=xC4+yB6+zB8(其中x,y,z为0~1间的影响系数)

要素D2:双人结伴影响方式:D2=xC4+yB6+zB8(其中x,y,z为0~1间的影响系数)

要素D3:多人结伴影响方式:D3=xC4+yB6+zB8(其中x,y,z为0~1间的影响系数)

要素D4:紧急有序影响方式:D4=xC4+yC10+zC9(其中x,y,z为0~1间的方向系数)

要素D5:紧急无序影响方式:D5=xC4+yC10+zC9(其中x,y,z为0~1间的方向系数,y,z为0~1间的影响系数)。

S3：根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件。

在本发明中，在S3之前，还包括：

S2.1：获取历史时刻的每一行人的信息以及相应时刻的客流信息；

S2.2：根据历史时刻的每一行人的信息确定历史时刻的个体行为结果；

S2.3：获取待训练的行人仿真模型；

S2.4：以历史时刻的个体行为结果以及相应时刻的客流信息为输入，以下一时刻的客流数据以及相应时刻发生的事件为输出对待训练的行人仿真模型进行训练得到训练完成的行人仿真模型。需要说明的是，仿真模型用于根据当前时刻的每一行人的信息确定客流数据；仿真模型还用于根据当前时刻的每一行人的信息以及相应时刻的客流信息中的发生的事件的结果进行仿真。

进一步的，在确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件之后，还包括：

根据下一时刻的客流数据对待仿真区域的设备进行调控，并将相应时刻发生的事件进行显示，例如，在客流数多的位置，开启多个相应设备；设备包括：扶梯、照明灯以及空调。

本发明所提供的一种基于轨道交通的行人仿真方法，包括：车站内待仿真区域的客流信息确定每一行人的信息；根据每一行人的信息以及行人仿真模型确定待仿真区域下一时刻的客流数据以及仿真相应时刻发生的事件。本发明通过利用行人仿真模型不仅可以在危机的情况下提前预知客流动态，使得工作人员尽快完成行人的疏散，也可使车站中的设备实时根据客流动态进行运转，使行人的出行更加方便。

请参阅图3，本发明还提供了一种基于轨道交通的行人仿真系统，包括：

客流信息获取模块301，用于获取车站内待仿真区域的客流信息；

行人的信息确定模块302，用于对客流信息进行特征提取得到每一行人的信息；行人的信息包括行人的行走状态信息和行人的身体状态信息；

行人仿真模块303，用于根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件。

优选的，还包括：

个体行为结果确定模块，用于根据历史时刻的每一行人的信息确定历史时刻的个体行为结果；

仿真模型获取模块，用于获取待训练的行人仿真模型；

行人仿真模型训练模块，用于以历史时刻的个体行为结果以及相应时刻的客流信息为输入，以下一时刻的客流数据以及相应时刻发生的事件为输出对待训练的行人仿真模型进行训练得到训练完成的行人仿真模型。

优选的，还包括：

设备调控模块，用于根据下一时刻的客流数据对待仿真区域的设备进行调控，并将相应时刻发生的事件进行显示。

优选的，行人的信息确定模块301，包括：

行人的信息确定单元，用于将特征提取后的客流信息进行划分，确定每一行人的信息；行人的身体状态信息包括逻辑行为参数影响因素；其中，逻辑行为参数影响因素包括：年龄、体型、性别、隐私间距、携带系数、转弯缓和曲线、残障比例、是否观看手机、目的地以及是否紧急任意一种或者多种；行人的行走状态信息包括参数影响因素、次级行为参数影响因素以及行人底层行为影响因素；其中，参数影响因素包括一人行走、双人结伴、多人结伴以及行走是否有序任意一种或多种；次级行为参数影响因素包括步长、步频、路径、避障策略以及反应时间任意一种或多种；行人底层行为影响因素包括行走速度、行走方向以及行为持续周期任意一种或多种。

本发明公开了一种基于轨道交通的行人仿真方法和系统，其中该方法，包括：获取车站内待仿真区域的客流信息；对客流信息进行特征提取得到每一行人的信息；行人的信息包括行人的行走状态信息和行人的身体状态信息；根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件。本发明通过利用行人仿真模型不仅使行人出行更加方便，而且可以在危机的情况下提前预知客流动态，使得工作人员尽快完成行人的疏散。

本发明还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，收发器、存储器和处理器通过总线相连，计算机程序被处理器执行时实现上述一种基于轨道交通的行人仿真方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明还提供了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，计算机程序被处理器执行时实现上述的一种基于轨道交通的行人仿真方法中的步骤，计算机程序被处理器执行时实现上述一种基于轨道交通的行人仿真方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于轨道交通的行人仿真方法，其特征在于，包括以下步骤：

步骤1：获取车站内待仿真区域的客流信息；

所述步骤2：对所述客流信息进行特征提取得到每一行人的信息，包括：

将特征提取后的客流信息进行划分，确定每一行人的信息；所述行人的身体状态信息包括逻辑行为参数影响因素；其中，所述逻辑行为参数影响因素包括：年龄、体型、性别、隐私间距、携带系数、转弯缓和曲线、残障比例、是否观看手机、目的地以及是否紧急任意一种或者多种；所述行人的行走状态信息包括宏观行为参数影响因素、次级行为参数影响因素以及行人底层行为影响因素；其中，所述宏观行为参数影响因素包括一人行走、双人结伴、多人结伴以及行走是否有序任意一种或多种；所述次级行为参数影响因素包括步长、步频、路径、避障策略以及反应时间任意一种或多种；所述行人底层行为影响因素包括行走速度、行走方向以及行为持续周期任意一种或多种；

其中，影响因素的确定过程为：

第一步：行人底层行为影响因素A

个体行为仿真的最终结果由影响因素A确定

行人底层行为影响因素A构成:

{

要素A1:行走速度

要素A2:行走方向

要素A3:行为持续周期

}；

第二步：次级行为参数影响因素B

行人底层行为影响因素A由影响因素B确定

次级行为参数影响因素B构成:

{

要素B1:步长影响方式:B1＝xA1，其中x为0～1间的影响系数；

要素B2:步频影响方式:B2＝xA1+yA3，其中x,y为0～1间的影响系数；

要素B3:路径影响方式:B3＝xA2，其中x为0～1间的方向系数；

要素B4:避障策略影响方式:B4＝xA2+yA3，其中x为0～1间的方向系数,y为0～1间的影响系数；

要素B5:反应时间影响方式:B5＝xA3，其中x为0～1间的影响系数；

}

第三步：逻辑行为参数影响因素C

次级行为参数影响因素B由影响因素C确定

逻辑行为参数影响因素C构成:

{

要素C1:年龄影响方式:C1＝xB2+yB4+zB5，其中x,y,z为0～1间的影响系数；

要素C2:体型影响方式:C2＝xB1，其中x为0～1间的影响系数；

要素C3:性别影响方式:C3＝xB1+yB2+zB3，其中x,y,z为0～1间的影响系数；

要素C4:隐私间距影响方式:C4＝xB3，其中x为0～1间的方向系数；

要素C5:携带系数影响方式:C5＝xB1+yB2+zB4，其中x为0～1间的方向系数,y,z为0～1间的影响系数；

要素C6:转弯缓和曲线影响方式:C6＝xB3，其中x为0～1间的影响系数；

要素C7:残障比例影响方式:C7＝xB1+yB2+zB3，其中x为0～1间的影响系数；

要素C8:观看手机影响方式:C8＝xB2+yB4+zB5，其中x为0～1间的影响系数；

要素C9:目的地影响方式:C9＝xB3，其中x为0～1间的路径选择系数；

要素C10:是否紧急影响方式:C10＝xB1+yB2+zB4，其中x,y,z为0～1间的影响系数；

}

第四步：宏观行为参数影响因素D

逻辑行为参数影响因素C由影响因素D确定

宏观行为参数影响因素D构成:

{

要素D1:一人行走影响方式:D1＝xC4+yC6+zC8，其中x,y,z为0～1间的影响系数；

要素D2:双人结伴影响方式:D2＝xC4+yC6+zC8，其中x,y,z为0～1间的影响系数；

要素D3:多人结伴影响方式:D3＝xC4+yC6+zC8，其中x,y,z为0～1间的影响系数；

要素D4:紧急有序影响方式:D4＝xC4+yC10+zC9，其中x,y,z为0～1间的方向系数；

要素D5:紧急无序影响方式:D5＝xC4+yC10+zC9，其中x,y,z为0～1间的方向系数；

2.如权利要求1所述的一种基于轨道交通的行人仿真方法，其特征在于，在所述步骤3：根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件之前，还包括：

步骤2.3：获取待训练的行人仿真模型；

3.如权利要求1所述的一种基于轨道交通的行人仿真方法，其特征在于，在所述步骤3：根据当前时刻的每一行人的信息以及相应时刻的客流信息，采用行人仿真模型，确定待仿真区域下一时刻的客流数据以及相应时刻发生的事件之后，还包括：

4.一种基于轨道交通的行人仿真系统，其特征在于，包括：

所述行人的信息确定模块，包括：

行人的信息确定单元，用于将特征提取后的客流信息进行划分，确定每一行人的信息；所述行人的身体状态信息包括逻辑行为参数影响因素；其中，所述逻辑行为参数影响因素包括：年龄、体型、性别、隐私间距、携带系数、转弯缓和曲线、残障比例、是否观看手机、目的地以及是否紧急任意一种或者多种；所述行人的行走状态信息包括宏观行为参数影响因素、次级行为参数影响因素以及行人底层行为影响因素；其中，所述宏观行为参数影响因素因素包括一人行走、双人结伴、多人结伴以及行走是否有序任意一种或多种；所述次级行为参数影响因素包括步长、步频、路径、避障策略以及反应时间任意一种或多种；所述行人底层行为影响因素包括行走速度、行走方向以及行为持续周期任意一种或多种；

其中，影响因素的确定过程为：

第一步：行人底层行为影响因素A

个体行为仿真的最终结果由影响因素A确定

行人底层行为影响因素A构成:

{

要素A1:行走速度

要素A2:行走方向

要素A3:行为持续周期

}；

第二步：次级行为参数影响因素B

行人底层行为影响因素A由影响因素B确定

次级行为参数影响因素B构成:

{

要素B1:步长影响方式:B1＝xA1，其中x为0～1间的影响系数；

要素B3:路径影响方式:B3＝xA2，其中x为0～1间的方向系数；

}

第三步：逻辑行为参数影响因素C

次级行为参数影响因素B由影响因素C确定

逻辑行为参数影响因素C构成:

{

要素C2:体型影响方式:C2＝xB1，其中x为0～1间的影响系数；

}

第四步：宏观行为参数影响因素D

逻辑行为参数影响因素C由影响因素D确定

宏观行为参数影响因素D构成:

{

5.如权利要求4所述的一种基于轨道交通的行人仿真系统，其特征在于，还包括：

仿真模型获取模块，用于获取待训练的行人仿真模型；

6.如权利要求4所述的一种基于轨道交通的行人仿真系统，其特征在于，还包括：

7.一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的一种基于轨道交通的行人仿真方法中的步骤。

8.一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，所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的一种基于轨道交通的行人仿真方法中的步骤。