CN114283577A - 基于实时称重的客流密度和客流载重指数计算方法 - Google Patents
基于实时称重的客流密度和客流载重指数计算方法 Download PDFInfo
- Publication number
- CN114283577A CN114283577A CN202111324304.XA CN202111324304A CN114283577A CN 114283577 A CN114283577 A CN 114283577A CN 202111324304 A CN202111324304 A CN 202111324304A CN 114283577 A CN114283577 A CN 114283577A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- train
- time
- load index
- station
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 238000005303 weighing Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims description 38
- 238000012546 transfer Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005206 flow analysis Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了基于实时称重的客流密度和客流载重指数计算方法,实时获取列车行驶过程中的列车车厢载重数据,计算列车行驶过程中的站间客流密度;计算一段时间范围内指定空间范围的客流载重指数。简单快捷地计算出实时的站间客流密度,为乘客选择车厢提供预告,均衡站间客流密度,提升地铁的服务质量,做到对大客流的实时预警,支持地铁管理调度人员做好客流应急工作,实现运营价值的最大化。
Description
技术领域
本发明涉及基于实时称重的客流密度和客流载重指数计算方法,属于客流分析技术领域。
背景技术
随着我国城市交通运输压力的不断增加,地铁成为人们出行的首选交通工具,地铁的客流量也越来越大。客流量是城市轨道交通规划、设计、建设及运营各环节的基本依据,客流分析和客流预测是城市轨道交通建设的一个重要环节,是各项设计工作的基础,客流分析结果的可靠与否直接关系到城市轨道交通的建设投资、运营效率和经资效益。
目前地铁站采用的进出口闸机,只能统计地铁站进出站人数,由于车站存在人员滞留和其他线路换乘客流等因素影响,进出站人数并不直接等于本线路的实际运输客流人数;另一方面,采用图像识别计数和安装车门踏板计算器等方式,也存在着监控死角和人流干扰等影响因素,只能做到粗略的评估,这些因素综合导致统计结果准确度不高。
发明内容
本发明所要解决是克服现有技术中存在的地铁闸机方式无法快速、准确勾勒客流动向,无法实时显示分布式客流热度的问题,本发明提供一种基于地铁列车实时称重的客流密度和客流载重指数计算方法,更加便捷、精确度高,采用分布式显示客流密度的技术。
为达到上述目的,本发明提供基于实时称重的客流密度和客流载重指数计算方法,包括:
实时获取列车行驶过程中的列车车厢载重数据,计算列车行驶过程中的站间客流密度;
计算一段时间范围内指定空间范围的客流载重指数。
优先地,计算列车行驶过程中的站间客流密度,包括:
站间客流密度计算公式如下:
式中,P为单日内单趟次列车的单个车站的站间客流密度;i为列车车厢编号,n为单个列车车厢总节数;M i 为第i个列车车厢载重数据;a=成年人平均体重×车厢地面面积, a为常量。
优先地,计算指定时间范围内的指定空间范围的客流载重指数,包括:
客流载重指数的计算公式如下:
式中,R为一条地铁线路的一段时间范围内指定空间范围内的客流载重指数;P LS 为单日内单趟次列车的单个车站的站间客流密度;L为列车车次号,不同车次号对应不同发车时间;S为一条地铁线路上车站的编号;c为指定时间范围内经过的第一个列车的车次号;b为指定时间范围内的最后一个列车的车次号;x为经过指定空间范围的第一个车站的编号,y为经过指定空间范围内的最后一个车站的编号。
优先地,基于站间客流密度,绘制单地铁线路中单趟次列车的客流密度热力图或客流载重指数热力图,横坐标为列车距离起始站的相对位置,纵坐标为时间。
优先地,将所有单趟次列车的站间客流密度叠加,绘制一条地铁线路中多趟次列车的客流密度热力图或客流载重指数热力图,横坐标为列车距离起始站的相对位置,纵坐标为时间。
优先地,基于一条地铁线路中多趟次列车的客流密度热力图或客流载重指数热力图,以换乘站为中心,绘制多条地铁线路叠加后的客流载重指数热力图,横坐标为指定的列车距离换乘站的相对位置,纵坐标为时间。
优先地,根据计算的客流载重指数,绘制指定行车区间内的“客流载重指数-时间”分布图,横坐标为时间,纵坐标为客流载重指数。
优先地,根据计算的客流载重指数,绘制地铁线路的一段时间内“客流载重指数-位置”的分布图,横坐标为列车距离起始站的相对位置,纵坐标为客流载重指数。
优先地,获取列车行驶过程中的列车车厢载重数据,包括:
通过地铁综合监控系统实时获取TCMS子系统上传的列车车厢载重数据,将列车车厢载重数据、对应的列车车厢载重数据采集时间t和对应的当前列车位置S存入ISCS系统的历史数据库中;
从历史数据库中获取从列车的发车时间开始20-25秒时段内的各列车车厢载重数据M i ,i∈[0,n],n为正整数。
优先地,采用安装在列车上的重量传感器采集列车车厢载重数据并上传到TCMS子系统中,列车车厢载重数据为减去列车车厢自重的车厢载重。
本发明所达到的有益效果:
一种基于地铁列车实时称重的客流密度和客流载重指数计算方法,利用地铁内现有的列车车厢载重数据,简单快捷地计算出实时的站间客流密度,为乘客选择车厢提供预告,均衡站间客流密度,提升地铁的服务质量,做到对大客流的实时预警,支持地铁管理调度人员做好客流应急工作,实现运营价值的最大化;同时通过对各车站各行车区间内的客流热度进行计算,能够为地铁长期规划和设计提供决策支持。
本发明对地铁客流进行快速便捷、分布式和准确的统计,使地铁运营人员能够直观掌握客流分布和客流动向,且地铁站管理人员随时查询任意时间段、区间的客流数据变化,为地铁运营计划调整优化提供数据支撑。
附图说明
图1为本发明中某条地铁线路中多趟次列车行车区间-客流载重指数或客流密度的热力图;
图2为本发明中某条地铁线路中某行车区间内客流载重指数-时间的分布图;
图3为本发明中某单地铁线路的一段时间内客流载重指数-位置的分布图;
图4为本发明中应用在典型SCADA系统中的原理框图。
具体实施方式
以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
一种基于列车实时称重的地铁客流密度计算方法包括以下步骤:
(1)、实时采集列车行驶过程中的列车车厢载重数据。
通过地铁综合监控系统(简称ISCS系统)获取列车控制和管理子系统(简称TCMS子系统)上传的列车车厢载重数据,并将列车车厢载重数据存入ISCS系统的历史数据库中。具体地,在地铁列车行驶过程中,采用列车生产商安装在列车上的重量传感器采集列车车厢载重数据并上传到TCMS子系统中,然后传输至ISCS系统,并存储在ISCS系统的历史数据库中。
列车车厢载重数据不包含列车车厢自身重量。传感器每隔5秒钟将采集的列车车厢载重数据、对应的列车车厢载重数据采集时刻t和对应的当前列车位置S,并保存在ISCS系统的历史数据库中。
(2)、实时计算列车行驶过程中的站间客流密度;
从ISCS系统的历史数据库中取列车从车站出发后20-25秒时段内采集的列车各列车车厢载重数据M i ,i∈[0,n] ,n为正整数。然后按照下公式计算地铁列车在每个车站的站间(即行驶过程中)客流密度,计算公式如下:
其中,P为单日内单趟次列车的单个车站的站间客流密度,单位为:人/㎡;i为列车车厢编号,n为单个列车车厢总节数;M i 为第i个列车车厢减去列车车厢自重的车厢载重;a=成年人平均体重60kg×车厢地面面积(㎡),对特定列车,a为常量。
按照上述计算方法,可以计算并绘制同一条线路单行车区间(比如:上行区间、下行区间)上、多趟次列车的全线客流密度分布示意图,见图1。
(3)、计算一段时间范围内指定空间范围的客流载重指数;
将经由步骤(1)采集、步骤(2)计算得到的相关数据存入实时数据库,相关数据包括同一地铁线路上所有列车的位置S、对应的时刻t、列车车次号及对应的每个车站的站间客流密度,用于实时客流密度显示和预警;实时显示后将相关数据存入历史数据库,用于客流载重指数计算。客流载重指数的计算公式如下:
其中,R为一条地铁线路的指定时间内的指定空间范围内的客流载重指数。
P LS 为单日内单趟次列车的单个车站的站间客流密度;L为列车车次号,不同车次号对应不同发车时间,L对应一段时间;S为一条地铁线路上车站的编号,对应指定空间范围。
c为指定时间范围内经过的第一个列车的车次号;b为指定时间范围内的最后一个列车的车次号;x为经过指定空间范围的第一个车站的编号,y为经过指定空间范围内的最后一个车站的编号。
(4)、客流分析展示。
如图1所示,横坐标为区间1,区间2,…,区间10,区间为行车区间,行车区间为列车距离起始站的相对位置,区间越大代表距离起始站越远;每个行车区间的最小单位是站间,站间即两个相邻车站客流密度计算点之间的距离,也可以是多个相邻车站之间的距离;绘制同一地铁线路多趟次列车的客流载重指数热力分布图,图中使用小长方形的颜色深浅表示当前列车在当前区间内的客流密度或客流载重指数大小,并显示给地铁调度员,参见图1,图中色块的颜色深浅表示该区间的客流载重指数或站间客流密度的大小,颜色越深表示客流载重指数或站间客流密度越大,乘客越密集。
基于一条地铁线路中多趟次列车的客流密度热力图或客流载重指数热力图,以换乘站为中心,绘制多条地铁线路叠加后的客流密度热力图或客流载重指数热力图,横坐标为指定的列车距离换乘站的相对位置,纵坐标为时间;该客流密度热力图或客流载重指数热力图中可以用大色块的颜色深浅表示一个换乘站周边的客流载重指数大小,颜色越深表示客流载重指数越大,乘客越密集。
根据步骤(3)计算的客流载重指数,绘制行车区间为第3个车站到第6个车站的“客流载重指数-时间”分布示意图;参见图2,绘制早高峰7-8点“客流载重指数-位置”分布示意图,参见图3。
附图4展示了一个典型的单机SCADA系统。系统通过采集装置3、…、N分别从下层设备3-1、3-2、…、3-m中实时采集列车车厢载重数据M,通过局域网或硬接线上传至至TCMS子系统通讯管理机3,然后通过以太网将通讯管理机3中的数据批量传入SCADA服务器1。
系统在在服务器1中运行本发明所描述的客流密度计算方法,计算获得客流载重指数,然后被上送至SCADA系统人机界面,通过客流载重指数热力图的形式,在工作站2上实时显示,供运行人员参考决策。
本发明采集列车在运行过程中的列车车厢载重数据,并从当日地铁运营图中获取到列车在各区间的运行时间。计算当日每趟次列车在每个站间之间的客流载重指数。最后将客流载重指数数据通过热力图方式叠加显示在列车运营图上,能够快速并且直观的展示每日运营过程中的列车客流的分布。
以南京地铁1号线为例进行说明,南京地铁有27个站,首站为迈皋桥站,尾站为中国药科大学站。假设:上行区间从迈皋桥站发车,开往中国药科大学站,第一趟列车发车时间为每日早晨6:30,每隔10分钟发一趟车。每两个车站之间需要运行150秒-200秒。
列车发车后,由列车车厢上的车厢载重传感器每隔5秒采集一次列车各车厢重量,并经由TCMS子系统上传至ISCS系统历史数据库中。每隔一段时间或者调度管理员打开列车运行图画面时,从ISCS系统历史数据库中获取相关数据,然后自动计算画面上指定时间范围内比如早高峰7-9点、指定空间范围比如从3号车站南京站至16号车站南京南站之间的客流载重指数,并以热力图的形式叠加显示在列车运行图上,该画面可以每隔10秒钟刷新一次,使铁调度人员更加直观地看到客流的移动。其他线路的列车及客流载重热力图也可以显示在画面上。
同理,由于南京南站有地铁1号线、3号线、S1号线三条地铁线路叠加,以南京南站为圆心,画一个圆圈,圈内所有地铁站范围三条线路的在指定时间段(如早高峰7:00am-9:00am)的客流载重指数都可以进行加权,以热力图形式叠加展示在列车运行图上。可以更好地进行大客流预警。
本发明提出了单趟次列车的指定时间内指定空间范围内的客流载重指数的计算方法,使分析结果更加具象化,且便于不同列车的不同区间(空间范围)之间的数据对比。
本发明的有益效果在于:能够对地铁客流进行快速便捷、分布式且准确的统计,使地铁运营人员能够直观地掌握客流分布和客流动向,且地铁站管理人员随时查询任意时间段的任意区间的客流数据变化,为地铁运营计划调整优化提供数据支撑。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.基于实时称重的客流密度和客流载重指数计算方法,其特征在于,包括:
实时获取列车行驶过程中的列车车厢载重数据,计算列车行驶过程中的站间客流密度;
计算一段时间范围内指定空间范围的客流载重指数。
4.根据权利要求1所述的基于实时称重的客流密度和客流载重指数计算方法,其特征在于,
基于站间客流密度,绘制单地铁线路中单趟次列车的客流密度热力图或客流载重指数热力图,横坐标为列车距离起始站的相对位置,纵坐标为时间。
5.根据权利要求4所述的基于实时称重的客流密度和客流载重指数计算方法,其特征在于,
将所有单趟次列车的站间客流密度叠加,绘制一条地铁线路中多趟次列车的客流密度热力图或客流载重指数热力图,横坐标为列车距离起始站的相对位置,纵坐标为时间。
6.根据权利要求5所述的基于实时称重的客流密度和客流载重指数计算方法,其特征在于,
基于一条地铁线路中多趟次列车的客流密度热力图或客流载重指数热力图,以换乘站为中心,绘制多条地铁线路叠加后的客流载重指数热力图,横坐标为指定的列车距离换乘站的相对位置,纵坐标为时间。
7.根据权利要求1所述的基于实时称重的客流密度和客流载重指数计算方法,其特征在于,
根据计算的客流载重指数,绘制指定行车区间内的“客流载重指数-时间”分布图,横坐标为时间,纵坐标为客流载重指数。
8.根据权利要求1所述的基于实时称重的客流密度和客流载重指数计算方法,其特征在于,
根据计算的客流载重指数,绘制地铁线路的一段时间内“客流载重指数-位置”的分布图,横坐标为列车距离起始站的相对位置,纵坐标为客流载重指数。
9.根据权利要求1所述的基于实时称重的客流密度和客流载重指数计算方法,其特征在于,
获取列车行驶过程中的列车车厢载重数据,包括:
通过地铁综合监控系统实时获取TCMS子系统上传的列车车厢载重数据,将列车车厢载重数据、对应的列车车厢载重数据采集时间t和对应的当前列车位置S存入ISCS系统的历史数据库中;
从历史数据库中获取从列车的发车时间开始20-25秒时段内的各列车车厢载重数据M i ,i∈[0,n],n为正整数。
10.根据权利要求9所述的基于实时称重的客流密度和客流载重指数计算方法,其特征在于,
采用安装在列车上的重量传感器采集列车车厢载重数据并上传到TCMS子系统中,列车车厢载重数据为减去列车车厢自重的车厢载重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111324304.XA CN114283577A (zh) | 2021-11-10 | 2021-11-10 | 基于实时称重的客流密度和客流载重指数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111324304.XA CN114283577A (zh) | 2021-11-10 | 2021-11-10 | 基于实时称重的客流密度和客流载重指数计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114283577A true CN114283577A (zh) | 2022-04-05 |
Family
ID=80868933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111324304.XA Pending CN114283577A (zh) | 2021-11-10 | 2021-11-10 | 基于实时称重的客流密度和客流载重指数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114283577A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104765974A (zh) * | 2015-04-24 | 2015-07-08 | 北京城建设计发展集团股份有限公司 | 城市轨道交通客流密集度指数计算方法 |
CN106447586A (zh) * | 2016-09-27 | 2017-02-22 | 南京国电南自轨道交通工程有限公司 | 一种地铁车站付费区实时客流计算方法 |
CN108068846A (zh) * | 2017-11-24 | 2018-05-25 | 维沃移动通信有限公司 | 一种地铁乘车调度方法及移动终端 |
CN108423036A (zh) * | 2018-03-21 | 2018-08-21 | 山东理工大学 | 一种基于压力传感器阵列的地铁站台客流诱导系统 |
CN111259714A (zh) * | 2019-09-27 | 2020-06-09 | 华南理工大学 | 一种地铁列车车厢客流检测与预测及站台候车诱导系统 |
CN112287045A (zh) * | 2020-03-04 | 2021-01-29 | 南京行者易智能交通科技有限公司 | 一种od客流热力图的提供方法及装置 |
-
2021
- 2021-11-10 CN CN202111324304.XA patent/CN114283577A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104765974A (zh) * | 2015-04-24 | 2015-07-08 | 北京城建设计发展集团股份有限公司 | 城市轨道交通客流密集度指数计算方法 |
CN106447586A (zh) * | 2016-09-27 | 2017-02-22 | 南京国电南自轨道交通工程有限公司 | 一种地铁车站付费区实时客流计算方法 |
CN108068846A (zh) * | 2017-11-24 | 2018-05-25 | 维沃移动通信有限公司 | 一种地铁乘车调度方法及移动终端 |
CN108423036A (zh) * | 2018-03-21 | 2018-08-21 | 山东理工大学 | 一种基于压力传感器阵列的地铁站台客流诱导系统 |
CN111259714A (zh) * | 2019-09-27 | 2020-06-09 | 华南理工大学 | 一种地铁列车车厢客流检测与预测及站台候车诱导系统 |
CN112287045A (zh) * | 2020-03-04 | 2021-01-29 | 南京行者易智能交通科技有限公司 | 一种od客流热力图的提供方法及装置 |
Non-Patent Citations (1)
Title |
---|
汪晓臣等: "基于视频图像和轴重分析的地铁客流密度显示系统", 《现代城市轨道交通》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022134692A1 (zh) | 一种轨道交通智能调度方法及系统 | |
CN111259714B (zh) | 一种地铁列车车厢客流检测与预测及站台候车诱导系统 | |
EP4030365A1 (en) | Multi-mode multi-service rail transit analog simulation method and system | |
CN108242149B (zh) | 一种基于交通数据的大数据分析方法 | |
US20190228358A1 (en) | Transportation System, Schedule Proposal System, and Train Operations System | |
CN102521965B (zh) | 基于车牌识别数据的交通需求管理措施效果评价方法 | |
EP4270296A2 (en) | Capacity prediction for public transport vehicles | |
CN105404850A (zh) | 车站客流监测系统、车站客流监测方法及车站客流管控系统、车站客流管控方法 | |
CN106778632A (zh) | 轨道交通大客流识别预警系统和方法 | |
CN108289203B (zh) | 一种用于轨道交通的视频监控系统 | |
CN110751366A (zh) | 一种干线铁路与城市轨道交通运能匹配度计算方法 | |
Mitra et al. | Estimation of railroad capacity using parametric methods | |
CN114446076B (zh) | 一种基于5g通信技术的智能调度控制系统 | |
CN113159393A (zh) | 客运站大客流感知预警方法、装置、电子设备和存储介质 | |
CN112633740B (zh) | 一种城市轨道交通线网安全测评方法 | |
JP2008189180A (ja) | 列車運行管理システム | |
CN114781712A (zh) | 一种基于多源数据融合的地铁车站客流引导系统 | |
JP2015193359A (ja) | 鉄道車両保守計画解析システム | |
CN109409563B (zh) | 一种公交运营车辆实时人数的分析方法、系统和存储介质 | |
CN110321982A (zh) | 一种轨道交通断面客流量实时计算方法 | |
CN114707709A (zh) | 铁路综合客运枢纽安全预警方法及系统 | |
Celiński et al. | A DYNAMIC MANAGEMENT OF A PUBLIC TRANSPORTATION FLEET. | |
CN116542404B (zh) | 一种客运枢纽场站抵站旅客接续换乘时间的预测方法 | |
CN114283577A (zh) | 基于实时称重的客流密度和客流载重指数计算方法 | |
WO2016188699A1 (fr) | Procédé et système de détermination d'une information de niveau de confort d'un véhicule ferroviaire |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220405 |
|
RJ01 | Rejection of invention patent application after publication |