CN114283386A - 一种基于大数据的分析适应密集场景人流实时监测系统 - Google Patents
一种基于大数据的分析适应密集场景人流实时监测系统 Download PDFInfo
- Publication number
- CN114283386A CN114283386A CN202210110482.0A CN202210110482A CN114283386A CN 114283386 A CN114283386 A CN 114283386A CN 202210110482 A CN202210110482 A CN 202210110482A CN 114283386 A CN114283386 A CN 114283386A
- Authority
- CN
- China
- Prior art keywords
- people
- data
- mode
- time
- scene
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 230000006978 adaptation Effects 0.000 title claims description 3
- 238000006243 chemical reaction Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 12
- 230000004308 accommodation Effects 0.000 claims description 10
- 238000009960 carding Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 102100036790 Tubulin beta-3 chain Human genes 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 102100036788 Tubulin beta-4A chain Human genes 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Alarm Systems (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于大数据的分析适应密集场景人流实时监测系统，通过基础采集单元的设置，能够对目标场景或者一些人流量大的场景下的人员情况进行数据获取，获取之后借助基础梳理单元能够梳理处对应场景下人员具体数量，是否达到一个设定阈值；根据核向分析单元能够同步核实进入人员的转化率，是否有进入目标场景的意向，真实的预测统计目标场景外的进入人数，并且根据实时的人数判定是否在目标场景的承载范围内，根据不同的承载范围，利用综合处理器处理，得到不同的应对方式；适应性解决人流大，难以靠人工疏导的难题；同时对目标场景内的实际人员进行分析，判定是否存在秩序扰乱人员出现，智能化的判定人员情况。
Description
技术领域
本发明属于人流分析领域，具体是一种基于大数据的分析适应密集场景人流实时监测系统。
背景技术
公开号为CN111291652A的专利提供了一种基于蜡烛图的景区内人流量统计分析系统，包括景区内前端采集系统、大数据平台和移动客户端，景区内前端采集系统对景区内所有出入口的人流量进行实时采集，并把采集的视频流数据上传到大数据平台；大数据平台把收集到的视频流数据进行统计分析，为移动客户端提供单位时间内开始时的人流量数据、结束时的人流量数据、人流量最多时和人流量最少时的数据；移动客户端根据获取的数据绘制蜡烛图统计图，本发明还公开了一种基于蜡烛图的景区内人流量统计分析系统的统计分析方法，本发明可以很容易观察到单位时间(日、周、小时或分钟)景区内的人流量的变化情况，便于用户制定更合理、详细的出行规划。
但是，基于某些流动性较大的公共场所，如何精准界定人员，并对人员情况做出提前预警，同时还能对人员的秩序情况进行监控，缺乏一种方案，基于此，提供一种解决方案。
发明内容
本发明提供了一种基于大数据的分析适应密集场景人流实时监测系统。
本发明的目的可以通过以下技术方案实现：一种基于大数据的分析适应密集场景人流实时监测系统，
包括基础采集单元、基础梳理单元、综合处理器、数据库和管理单元；
基础采集单元，利用目标场景所在处的高清影像监控设施获取人流影像数据，并将其传输到数据库内存储；
基础梳理单元，用于每T1时间对数据库内存储的标的影像数据进行梳理统计，T1为预设时间数值，具体的梳理统计过程为：
步骤S1：从数据库中提取标的影像数据，且提取出的标的影像数据为前半小时内采集的，人流影像序列按照时间顺序进行排列，每一个人流影像序列中包含的三组人流影像数据也按照时间顺序进行排列，将获取影像的点位分别标记为A、B、C等英文字符；
步骤S2：对于A点位，将三个时间节点获取的人流影像数据进行比对识别，并对三个影像中的每一个人物进行匹配，用同一记号对同一个任务进行标记，从而依照时间节点的不同以及对应人物所处位置的变化，判断对应人物前进的方向是否朝向目标场景，若是，则将其标记为意向对象，计数器增加一，若不是，不进行任何处理；
步骤S3：其余点位与步骤S2中的A点位的梳理统计方式相同，从而对计数器的示数进行累加得到意向对象人数并添加时间戳；
步骤S4：从数据库中提取站内人流影像数据，其中，获取其中前二十五分钟目标场景入口区域的进站人流影像，并统计该时间段内进入目标场景入口区域的人数，将该人数与意向对象人数进行比例计算，得到对应时间戳的意向转化系数，同时，采集对应时间戳的天气数据，并将其与时间戳、意向转化系数进行绑定得到转化因素绑定数据；
步骤S5：分别统计目标场景入口区域、等候区域以及对应实际进入区域的人数，且通过AI自主面部识别功能判别每个区域内的每位乘客的年龄数据，将年龄数据分为如下阶段，分别为：1-8岁、9-18岁、19-50岁、50-65岁、65岁以上，各区域内的乘客人数按照不同年龄阶段进行计数，将不同年龄阶段的乘客人数与该区域内的乘客总数进行比值计算，得到年龄分布比例数据；此处的场景入口区域如果是地铁则指代地铁口，实际进入区域则是指代某一线路的候车点；等候区域为安检或者候车厅等区域；
步骤S6：在标的对象载具到达之后，实际进入区域的监控设施获取上、下车的人流影像数据并统计相应人数，且在标的对象载具的门侧设置人数显示器，人数显示器能够实时显示对应车厢段的最大承载人数和实际承载人数。
进一步地，基础采集单元获取人流影响数据具体方式为：
目标场景处：每一次进行采集时获取各个监控点位的三组人流影像数据，且三组人流影像数据分别在预设时间间隔下的时间节点进行采集，将采集到的人流影像数据标记为人流影像序列，并将若干人流影像序列作为标的影像数据存储至数据库中。
进一步地，还包括核向分析单元；
所述基础梳理单元将梳理统计的数据传输至核向分析单元进行预警分析，预警分析将天气、时间、乘客年龄纳入考量范围进行分析，具体为：
步骤SS1：根据天气不同、时间不同将预警模式分为晴天模式、雨雪模式、早晚高峰模式以及假期模式，且天气的模式与时间的模式进行两两组合；
步骤SS2：从基础梳理单元中获取转化因素绑定数据，根据其内的天气数据与时间戳所处的时间区间确定当前预警模式为晴天模式与早晚高峰模式、晴天模式与假期模式、雨雪模式与早晚高峰模式或雨雪模式与假期模式四种模式组合中的一种，不同模式组合下的设定的人流限值均不同，且会根据年龄分布比例数据进行修正；
步骤SS3：从数据库中筛选出一个月内或者以往同期时模式组合相同情况下的意向转化系数，并求出其转化系数均值，将当前的意向转化系数与转化系数均值进行计算，若当前获取的意向转化系数超出转化系数均值的百分之十，则判定当前站外乘车意向密度大，反之则判定当前站外乘车意向密度小；
步骤SS4：根据目标场景内的等候区域、实际进入区域以及出场区域的人流影像数据，计算出标的对象载具进站和出站期间的目标场景的吞吐量数据以及目标场景内实际容纳人流量，当吞吐量数据为正值，从数据库中提取与当前模式组合匹配的预先设定的该模式下目标场景的容纳限值，当吞吐量为负值时，不进行任何处理；出场区域即为离开目标场景的区域，可以为出站口等地方；
步骤SS5：根据目标场景入口区域、等候区域以及对应实际进入区域的人数以及年龄分布比例数据计算得出整个目标场景内的总体年龄分布比例，将步骤SS4中的提取的对应预警模式下的容纳限值与总体年龄分布比例代入到计算式中进行修正运算，计算式为：修正容纳值＝容纳限值*修正系数，其中，修正系数＝∑某年龄阶段的年龄分布比例*对应的预设年龄影响系数，且1-8岁与65岁以上的年龄区间对应的预设年龄影响系数最大，9-18岁与50-65岁对应的预设年龄影响系数次之，19-50岁对应的预设年龄影响系数最小；
步骤SS6：将实际容纳人流量与修正容纳限值进行比较，若超出修正容纳限值，则生成人流密度警报信号，若未超出修正容纳限值，则根据实际容纳人流量与修正容纳限值的差值和吞吐量数据预测达到修正容纳限值的时间，并将该时间标记为预警时刻数据然后发送至综合处理器进行调度；
步骤SS7：在标的对象载具内设置的人数显示器停靠后，显示最大承载人数和实际承载人数，其中，最大承载人数为与当前预警模式匹配的设定值，当实际承载人数超过最大承载人数，生成超载警报信号，当实际承载人数小于最大承载人数时，不进行任何处理，人数显示器的示数值随着对应标的对象载具内人数的变化而变化。
进一步地，还包括综合处理器；
核向分析单元用于将产生的信号和数据全部传输到综合处理器；所述综合处理器接收从核向分析单元传输的信号或数据，经识别后采取对应措施进行管控，具体为:
当判定当前站外乘车意向密度大时，若此时实际容纳量与匹配对应预警模式下的容纳限值直接进行比值运算，若比值超过百分之六十，则判定有高峰乘车人流；若比值未超过百分之六十，则不进行任何处理；
当识别到人流密度警报信号时，控制目标场景入口区域的人流量输入和等候区域的通过速度，同时通过基站通信发送提示短信至对应目标场景3km内的意向对象的移动设备终端；
当接收到预警时刻数据时，通知管理人员处理。
进一步地，还包括管理单元；
管理单元与综合处理器通信连接，用于录入所有的预设数值。
与现有技术相比，本发明的有益效果是：
本发明通过基础采集单元的设置，能够对目标场景或者一些人流量大的场景下的人员情况进行数据获取，获取之后借助基础梳理单元能够梳理处对应场景下人员具体数量，是否达到一个设定阈值；根据核向分析单元能够同步核实进入人员的转化率，是否有进入目标场景的意向，真实的预测统计目标场景外的进入人数，并且根据实时的人数判定是否在目标场景的承载范围内，根据不同的承载范围，利用综合处理器处理，得到不同的应对方式；适应性解决人流大，难以靠人工疏导的难题；
同时对目标场景内的实际人员进行分析，判定是否存在秩序扰乱人员出现，智能化的判定人员情况，并根据实际情况当出现扰乱人员时可让现场管理人员迅速处理，而不至于造成更大的影响；本发明简单有效，且易于实用。
附图说明
图1为本发明的系统框图。
具体实施方式
如图1所示，一种基于大数据的分析适应密集场景人流实时监测系统，
包括基础采集单元、基础梳理单元、核向分析单元、综合处理器、数据库和管理单元；
本系统应对地铁、公交车或者短途车站等人流量密集的场景，该场景同步满足人流量大；后续本申请中统一将其称为目标场景；
基础采集单元，利用目标场景所在处的高清影像监控设施获取人流影像数据，具体为：
目标场景处：每一次进行采集时获取各个监控点位的三组人流影像数据，且三组人流影像数据分别在预设时间间隔下的时间节点进行采集，将采集到的人流影像数据标记为人流影像序列，并将若干人流影像序列作为标的影像数据存储至数据库中；
基础梳理单元每T1时间对数据库内存储的标的影像数据进行梳理统计，T1为预设时间数值，具体的梳理统计过程为：
步骤S1：从数据库中提取标的影像数据，且提取出的标的影像数据为前半小时内采集的，人流影像序列按照时间顺序进行排列，每一个人流影像序列中包含的三组人流影像数据也按照时间顺序进行排列，将获取影像的点位分别标记为A、B、C等英文字符；
步骤S2：对于A点位，将三个时间节点获取的人流影像数据进行比对识别，并对三个影像中的每一个人物进行匹配，用同一记号对同一个任务进行标记，从而依照时间节点的不同以及对应人物所处位置的变化，判断对应人物前进的方向是否朝向目标场景，若是，则将其标记为意向对象，计数器增加一，若不是，不进行任何处理；
步骤S3：其余点位与步骤S2中的A点位的梳理统计方式相同，从而对计数器的示数进行累加得到意向对象人数并添加时间戳；
步骤S4：从数据库中提取站内人流影像数据，其中，获取其中前二十五分钟目标场景入口区域的进站人流影像，并统计该时间段内进入目标场景入口区域的人数，将该人数与意向对象人数进行比例计算，得到对应时间戳的意向转化系数，同时，采集对应时间戳的天气数据，并将其与时间戳、意向转化系数进行绑定得到转化因素绑定数据；
步骤S5：分别统计目标场景入口区域、等候区域以及对应实际进入区域的人数，且通过AI自主面部识别功能判别每个区域内的每位乘客的年龄数据，将年龄数据分为如下阶段，分别为：1-8岁、9-18岁、19-50岁、50-65岁、65岁以上，各区域内的乘客人数按照不同年龄阶段进行计数，将不同年龄阶段的乘客人数与该区域内的乘客总数进行比值计算，得到年龄分布比例数据；此处的场景入口区域如果是地铁则指代地铁口，实际进入区域则是指代某一线路的候车点；等候区域为安检或者候车厅等区域；
步骤S6：在标的对象载具到达之后，实际进入区域的监控设施获取上、下车的人流影像数据并统计相应人数，且在标的对象载具的门侧设置人数显示器，人数显示器能够实时显示对应车厢段的最大承载人数和实际承载人数。
基础梳理单元将梳理统计的数据传输至核向分析单元进行预警分析，预警分析将天气、时间、乘客年龄等条件纳入考量范围进行分析，具体为：
步骤SS1：根据天气不同、时间不同将预警模式分为晴天模式、雨雪模式、早晚高峰模式以及假期模式，且天气的模式与时间的模式进行两两组合；
步骤SS2：从基础梳理单元中获取转化因素绑定数据，根据其内的天气数据与时间戳所处的时间区间确定当前预警模式为晴天模式与早晚高峰模式、晴天模式与假期模式、雨雪模式与早晚高峰模式或雨雪模式与假期模式四种模式组合中的一种，不同模式组合下的设定的人流限值均不同，且会根据年龄分布比例数据进行修正；
步骤SS3：从数据库中筛选出一个月内或者以往同期(如法定长假)时模式组合相同情况下的意向转化系数，并求出其转化系数均值，将当前的意向转化系数与转化系数均值进行计算，若当前获取的意向转化系数超出转化系数均值的百分之十，则判定当前站外乘车意向密度大，反之则判定当前站外乘车意向密度小；
步骤SS4：根据目标场景内的等候区域、实际进入区域以及出场区域的人流影像数据，计算出标的对象载具进站和出站期间的目标场景的吞吐量数据以及目标场景内实际容纳人流量，当吞吐量数据为正值，从数据库中提取与当前模式组合匹配的预先设定的该模式下目标场景的容纳限值，当吞吐量为负值时，不进行任何处理；出场区域即为离开目标场景的区域，可以为出站口等地方；
步骤SS5：根据目标场景入口区域、等候区域以及对应实际进入区域的人数以及年龄分布比例数据计算得出整个目标场景内的总体年龄分布比例，将步骤SS4中的提取的对应预警模式下的容纳限值与总体年龄分布比例代入到计算式中进行修正运算，计算式为：修正容纳值＝容纳限值*修正系数，其中，修正系数＝∑某年龄阶段的年龄分布比例*对应的预设年龄影响系数，且1-8岁与65岁以上的年龄区间对应的预设年龄影响系数最大，9-18岁与50-65岁对应的预设年龄影响系数次之，19-50岁对应的预设年龄影响系数最小；
步骤SS6：将实际容纳人流量与修正容纳限值进行比较，若超出修正容纳限值，则生成人流密度警报信号，若未超出修正容纳限值，则根据实际容纳人流量与修正容纳限值的差值和吞吐量数据预测达到修正容纳限值的时间，并将该时间标记为预警时刻数据然后发送至综合处理器进行调度；
步骤SS7：在标的对象载具内设置的人数显示器停靠后，显示最大承载人数和实际承载人数，其中，最大承载人数为与当前预警模式匹配的设定值，当实际承载人数超过最大承载人数，生成超载警报信号，当实际承载人数小于最大承载人数时，不进行任何处理，人数显示器的示数值随着对应标的对象载具内人数的变化而变化。
综合处理器接收从核向分析单元传输的信号或数据，经识别后采取对应措施进行管控，具体为:
当判定当前站外乘车意向密度大时，若此时实际容纳量与匹配对应预警模式下的容纳限值直接进行比值运算，若比值超过百分之六十，则判定有高峰乘车人流，提前布置U型栅栏，并增派工作人员进行秩序维护，若比值未超过百分之六十，则不进行任何处理；
当识别到人流密度警报信号时，控制目标场景入口区域的人流量输入和等候区域的通过速度，同时通过基站通信发送提示短信至对应目标场景3km内的意向对象的移动设备终端，引导意向对象更换其他交通方式；
当接收到预警时刻数据时，提前在进站节点、出站节点和换乘节点进行乘客引导，节省乘客在目标场景内逗留的时间，减低目标场景内的实际容纳量；
综合处理器还用于对数据库内的人流影像数据进行人脸识别分析，人脸识别分析具体为：
步骤一：自动提取到人流影响数据内实际进入区域的排队人员的所有的面部信息，将面部信息标记为Mi，i＝1...n；
步骤二：自动提取数据库传输的身份信息，将身份信息标记为Si，i＝1...n，且Mi与Si一一对应；
步骤三：以目标场景的指定位置为原点，建立直角坐标系；
步骤四：读取每个人的位置信息，将位置信息标记为Fi,用直角坐标系表示为Fi＝(Xj,Yj)；
步骤三：读取每一列最后一位的位置信息，提取每一列最后一位的位置信息的Yj项，同时将Yj设置为该队列的长度；
步骤四：检测模块在对队列长度检测的同时检测队列人数信息，将队列人数信息标记为Ri，i＝1...n；
步骤五：自动对每个面部信息进行及时，得到计时信息Ti，i＝1...n；Ti与Mi一一对应；
步骤二：将检测模块检测到的队列的长度与队列的人数信息带入到公式内，计算出平均每个人所占的长度Ln＝Yj/Ri；
步骤三：计算出每个人的占地长度之后，每有一个排队人员进入后便会使得队伍缩短一定的距离，除却进入人员之外，队列中的每个人均向着标的对象载具缩减距离，对应的直角坐标系也会随之变化；
步骤四：一段时间后，摄像头再次对队列信息进行摄像并获取影像信息，通过计算可以得出队列中每个人的动向；
步骤五：设一段时间为T；
步骤六：将一段时间T、计时信息Ti和平均每个人所占的长度Ln带入到计算式中，得出队列的运动长度L＝T/Ti*Ln；
步骤七：当一段时间后，当对应的人脸信息Mi的位置与移动的位置不相符时，会根据不同的情况进行判断：
S1：首先会根据影像信息判断出现位置错误的人脸信息，并将该人脸信息标记为P；
S2：根据步骤六中计算的队列运动信息带入到队列，比对出P前方是多了其他的人脸信息还是少了人脸信息：
SS1：当P前方多出了某些人脸信息后，将原有的识别数据与新的识别数据信息比较，判断出多出的人脸信息，并将该人脸信息对应的人员标记为扰乱人员；
SS2：当P前方少了某些员工过后，先查看影像信息中P员工前面的员工是否出现中途离开的人脸信息，当没有发现有中途离开的人脸信息后，则判定该人脸信息P为扰乱人员。
管理单元与综合处理器通信连接，用于录入所有的预设数值。
上述公式中的数据均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种基于大数据的分析适应密集场景人流实时监测系统，其特征在于，包括基础采集单元、基础梳理单元、综合处理器、数据库和管理单元；
基础采集单元，利用目标场景所在处的高清影像监控设施获取人流影像数据，并将其传输到数据库内存储；
基础梳理单元，用于每T1时间对数据库内存储的标的影像数据进行梳理统计，T1为预设时间数值，具体的梳理统计过程为：
步骤S1：从数据库中提取标的影像数据，且提取出的标的影像数据为前半小时内采集的，人流影像序列按照时间顺序进行排列，每一个人流影像序列中包含的三组人流影像数据也按照时间顺序进行排列，将获取影像的点位分别标记为A、B、C；
步骤S2：对于A点位，将三个时间节点获取的人流影像数据进行比对识别，并对三个影像中的每一个人物进行匹配，用同一记号对同一个任务进行标记，从而依照时间节点的不同以及对应人物所处位置的变化，判断对应人物前进的方向是否朝向目标场景，若是，则将其标记为意向对象，计数器增加一，若不是，不进行任何处理；
步骤S3：其余点位与步骤S2中的A点位的梳理统计方式相同，从而对计数器的示数进行累加得到意向对象人数并添加时间戳；
步骤S4：从数据库中提取站内人流影像数据，其中，获取其中前二十五分钟目标场景入口区域的进站人流影像，并统计该时间段内进入目标场景入口区域的人数，将该人数与意向对象人数进行比例计算，得到对应时间戳的意向转化系数，同时，采集对应时间戳的天气数据，并将其与时间戳、意向转化系数进行绑定得到转化因素绑定数据；
步骤S5：分别统计目标场景入口区域、等候区域以及对应实际进入区域的人数，且通过AI自主面部识别功能判别每个区域内的每位乘客的年龄数据，将年龄数据分为如下阶段，分别为：1-8岁、9-18岁、19-50岁、50-65岁、65岁以上，各区域内的乘客人数按照不同年龄阶段进行计数，将不同年龄阶段的乘客人数与该区域内的乘客总数进行比值计算，得到年龄分布比例数据；此处的场景入口区域如果是地铁则指代地铁口，实际进入区域则是指代某一线路的候车点；等候区域为安检或者候车厅等区域；
步骤S6：在标的对象载具到达之后，实际进入区域的监控设施获取上、下车的人流影像数据并统计相应人数，且在标的对象载具的门侧设置人数显示器，人数显示器能够实时显示对应车厢段的最大承载人数和实际承载人数。
2.根据权利要求1所述的一种基于大数据的分析适应密集场景人流实时监测系统，其特征在于，基础采集单元获取人流影响数据具体方式为：
目标场景处：每一次进行采集时获取各个监控点位的三组人流影像数据，且三组人流影像数据分别在预设时间间隔下的时间节点进行采集，将采集到的人流影像数据标记为人流影像序列，并将若干人流影像序列作为标的影像数据存储至数据库中。
3.根据权利要求1所述的一种基于大数据的分析适应密集场景人流实时监测系统，其特征在于，还包括核向分析单元；
所述基础梳理单元将梳理统计的数据传输至核向分析单元进行预警分析，预警分析将天气、时间、乘客年龄纳入考量范围进行分析，具体为：
步骤SS1：根据天气不同、时间不同将预警模式分为晴天模式、雨雪模式、早晚高峰模式以及假期模式，且天气的模式与时间的模式进行两两组合；
步骤SS2：从基础梳理单元中获取转化因素绑定数据，根据其内的天气数据与时间戳所处的时间区间确定当前预警模式为晴天模式与早晚高峰模式、晴天模式与假期模式、雨雪模式与早晚高峰模式或雨雪模式与假期模式四种模式组合中的一种，不同模式组合下的设定的人流限值均不同，且会根据年龄分布比例数据进行修正；
步骤SS3：从数据库中筛选出一个月内或者以往同期时模式组合相同情况下的意向转化系数，并求出其转化系数均值，将当前的意向转化系数与转化系数均值进行计算，若当前获取的意向转化系数超出转化系数均值的百分之十，则判定当前站外乘车意向密度大，反之则判定当前站外乘车意向密度小；
步骤SS4：根据目标场景内的等候区域、实际进入区域以及出场区域的人流影像数据，计算出标的对象载具进站和出站期间的目标场景的吞吐量数据以及目标场景内实际容纳人流量，当吞吐量数据为正值，从数据库中提取与当前模式组合匹配的预先设定的该模式下目标场景的容纳限值，当吞吐量为负值时，不进行任何处理；出场区域即为离开目标场景的区域，可以为出站口等地方；
步骤SS5：根据目标场景入口区域、等候区域以及对应实际进入区域的人数以及年龄分布比例数据计算得出整个目标场景内的总体年龄分布比例，将步骤SS4中的提取的对应预警模式下的容纳限值与总体年龄分布比例代入到计算式中进行修正运算，计算式为：修正容纳值＝容纳限值*修正系数，其中，修正系数＝∑某年龄阶段的年龄分布比例*对应的预设年龄影响系数，且1-8岁与65岁以上的年龄区间对应的预设年龄影响系数最大，9-18岁与50-65岁对应的预设年龄影响系数次之，19-50岁对应的预设年龄影响系数最小；
步骤SS6：将实际容纳人流量与修正容纳限值进行比较，若超出修正容纳限值，则生成人流密度警报信号，若未超出修正容纳限值，则根据实际容纳人流量与修正容纳限值的差值和吞吐量数据预测达到修正容纳限值的时间，并将该时间标记为预警时刻数据然后发送至综合处理器进行调度；
步骤SS7：在标的对象载具内设置的人数显示器停靠后，显示最大承载人数和实际承载人数，其中，最大承载人数为与当前预警模式匹配的设定值，当实际承载人数超过最大承载人数，生成超载警报信号，当实际承载人数小于最大承载人数时，不进行任何处理，人数显示器的示数值随着对应标的对象载具内人数的变化而变化。
4.根据权利要求3所述的一种基于大数据的分析适应密集场景人流实时监测系统，其特征在于，还包括综合处理器；核向分析单元用于将产生的信号和数据全部传输到综合处理器。
5.根据权利要求4所述的一种基于大数据的分析适应密集场景人流实时监测系统，其特征在于，所述综合处理器接收从核向分析单元传输的信号或数据，经识别后采取对应措施进行管控，具体为:
当判定当前站外乘车意向密度大时，若此时实际容纳量与匹配对应预警模式下的容纳限值直接进行比值运算，若比值超过百分之六十，则判定有高峰乘车人流；若比值未超过百分之六十，则不进行任何处理。
6.根据权利要求4所述的一种基于大数据的分析适应密集场景人流实时监测系统，其特征在于，当综合处理器识别到人流密度警报信号时，控制目标场景入口区域的人流量输入和等候区域的通过速度，同时通过基站通信发送提示短信至对应目标场景3km内的意向对象的移动设备终端。
7.根据权利要求4所述的一种基于大数据的分析适应密集场景人流实时监测系统，其特征在于，当综合处理器接收到预警时刻数据时，通知管理人员处理。
8.根据权利要求1所述的一种基于大数据的分析适应密集场景人流实时监测系统，其特征在于，还包括管理单元；
管理单元与综合处理器通信连接，用于录入所有的预设数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210110482.0A CN114283386B (zh) | 2022-01-28 | 2022-01-28 | 一种基于大数据的分析适应密集场景人流实时监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210110482.0A CN114283386B (zh) | 2022-01-28 | 2022-01-28 | 一种基于大数据的分析适应密集场景人流实时监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114283386A true CN114283386A (zh) | 2022-04-05 |
| CN114283386B CN114283386B (zh) | 2024-06-21 |
Family
ID=80881701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210110482.0A Active CN114283386B (zh) | 2022-01-28 | 2022-01-28 | 一种基于大数据的分析适应密集场景人流实时监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114283386B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116471340A (zh) * | 2023-04-23 | 2023-07-21 | 黑龙江省电子商务总部基地有限公司 | 一种基于大数据的数据传输监测系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069429A (zh) * | 2015-07-29 | 2015-11-18 | 中国科学技术大学先进技术研究院 | 一种基于大数据平台的人流量分析统计方法和系统 |
| WO2018032938A1 (zh) * | 2016-08-19 | 2018-02-22 | 深圳奇迹智慧网络有限公司 | 基于探针的人流预警分析方法和系统 |
| CN109101888A (zh) * | 2018-07-11 | 2018-12-28 | 南京农业大学 | 一种游客人流量监控预警方法 |
| JP2019177760A (ja) * | 2018-03-30 | 2019-10-17 | 株式会社日立製作所 | 輸送機関混雑予測システム及び混雑予測方法 |
| CN111950499A (zh) * | 2020-08-21 | 2020-11-17 | 湖北民族大学 | 一种检测车载人员统计信息的方法 |
| WO2021130926A1 (ja) * | 2019-12-25 | 2021-07-01 | 日本電信電話株式会社 | 人流予測装置、人流予測方法、及び人流予測プログラム |
| CN113628432A (zh) * | 2021-10-13 | 2021-11-09 | 中通服建设有限公司 | 地铁人流限流的智能预警系统 |
-
2022
- 2022-01-28 CN CN202210110482.0A patent/CN114283386B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069429A (zh) * | 2015-07-29 | 2015-11-18 | 中国科学技术大学先进技术研究院 | 一种基于大数据平台的人流量分析统计方法和系统 |
| WO2018032938A1 (zh) * | 2016-08-19 | 2018-02-22 | 深圳奇迹智慧网络有限公司 | 基于探针的人流预警分析方法和系统 |
| JP2019177760A (ja) * | 2018-03-30 | 2019-10-17 | 株式会社日立製作所 | 輸送機関混雑予測システム及び混雑予測方法 |
| CN109101888A (zh) * | 2018-07-11 | 2018-12-28 | 南京农业大学 | 一种游客人流量监控预警方法 |
| WO2021130926A1 (ja) * | 2019-12-25 | 2021-07-01 | 日本電信電話株式会社 | 人流予測装置、人流予測方法、及び人流予測プログラム |
| CN111950499A (zh) * | 2020-08-21 | 2020-11-17 | 湖北民族大学 | 一种检测车载人员统计信息的方法 |
| CN113628432A (zh) * | 2021-10-13 | 2021-11-09 | 中通服建设有限公司 | 地铁人流限流的智能预警系统 |
Non-Patent Citations (1)
| Title |
|---|
| 周珂;郑阳;付冬梅;: "一种基于轮廓规则的人流量统计系统设计", 新技术新工艺, no. 03, 25 March 2020 (2020-03-25) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116471340A (zh) * | 2023-04-23 | 2023-07-21 | 黑龙江省电子商务总部基地有限公司 | 一种基于大数据的数据传输监测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114283386B (zh) | 2024-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111310994B (zh) | 一种基于数据校准的公交路线预测方法及系统 | |
| CN110493816B (zh) | 一种用于轨交地铁车站客流量的实时预测方法 | |
| CN104732205B (zh) | 一种高速公路逃费稽查的系统 | |
| CN113628432B (zh) | 地铁人流限流的智能预警系统 | |
| CN108509914B (zh) | 基于tof摄像机的公交客流统计分析系统及方法 | |
| CN108710827B (zh) | 一种社区微警务巡查和信息自动分析系统及方法 | |
| CN108320582B (zh) | 一种具备剩余车位统计功能的停车管理系统 | |
| CN110481606B (zh) | 基于视觉识别技术的地铁客流引导系统及方法 | |
| CN108960133A (zh) | 乘客流量监控的方法、电子设备、系统以及存储介质 | |
| CN110457993A (zh) | 基于人脸识别的客流统计方法及装置 | |
| CN110263658A (zh) | 一种基于脸部识别的地铁收费平台及其方法 | |
| CN114283386A (zh) | 一种基于大数据的分析适应密集场景人流实时监测系统 | |
| CN112528867B (zh) | 一种地铁车站突发大客流预警方法及其应用 | |
| CN105933463A (zh) | 基于智能设备标识信息的城市人员进出城监测方法与系统 | |
| CN110046535B (zh) | 基于机器学习的智能出行时间预测系统、方法及存储介质 | |
| CN115577968B (zh) | 一种基于企业违章管理和自动违规判定的积分系统及方法 | |
| CN111003621A (zh) | 一种基于互联网的电梯安全监控系统 | |
| CN115410113A (zh) | 基于计算机视觉的跌倒检测方法、装置及存储介质 | |
| CN114333320B (zh) | 基于rfid的车辆驾驶行为风险评估系统 | |
| CN115909580A (zh) | 一种基于物联网的智慧办公方法和系统 | |
| CN115393995A (zh) | 一种智慧防疫监控系统及其监控方法 | |
| CN110717352B (zh) | 一种站台客流量的统计方法、服务器及图像采集设备 | |
| CN112488568A (zh) | 一种地铁车站大客流运营风险评价方法及其应用 | |
| CN113793503B (zh) | 一种基于互联网技术的公交站台管理系统 | |
| CN113928947B (zh) | 电梯维保过程检测方法及装置 |
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 |