CN114446039B - 客流分析方法及相关设备 - Google Patents

客流分析方法及相关设备 Download PDF

Info

Publication number
CN114446039B
CN114446039B CN202111667334.0A CN202111667334A CN114446039B CN 114446039 B CN114446039 B CN 114446039B CN 202111667334 A CN202111667334 A CN 202111667334A CN 114446039 B CN114446039 B CN 114446039B
Authority
CN
China
Prior art keywords
time
information
event
station
site
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.)
Active
Application number
CN202111667334.0A
Other languages
English (en)
Other versions
CN114446039A (zh
Inventor
刘士洋
王�义
尹鹏
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.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
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 Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN202111667334.0A priority Critical patent/CN114446039B/zh
Publication of CN114446039A publication Critical patent/CN114446039A/zh
Application granted granted Critical
Publication of CN114446039B publication Critical patent/CN114446039B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种客流分析方法，包括：获取目标车辆的调度信息和事件信息，所述调度信息包括站点的调度信息，所述事件信息包括基于乘客上下车事件的事件时间；根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中；通过各个站点的站点信息计算得到各个站点的客流数据。通过事件的时间维度并结合公交调度数据，来自动分析各个站点的客流数据，相较于传统的人工问卷调查、IC卡数据推算客流等算法，大大降低了人工成本以及数据差异带来的误差，提高了客流分析的准确度。

Description

客流分析方法及相关设备
技术领域
本发明涉及智能交通领域，尤其涉及一种客流分析方法及相关设备。
背景技术
随着城市公共交通的快速发展公交智能化信息化技术的广泛应用，近年来以IC卡刷卡数据以及公交GPS数据为基础公交客流OD推导算法研究广泛落地。目前主流的公交客流分析方案包括人工调查法、公交客流OD反推法以及基于公交IC卡刷卡等数据的推导算法人工调查法等，这些方法都是通过组织大量人员随车调查客流情况的方法该方法费时力难以保证数据全面性与数据质量难以做到经常性系统性的数据分析，客流分析的准确度不高。
发明内容
本发明实施例提供一种客流分析方法及相关设备，通过事件的时间维度并结合公交调度数据，来自动分析各个站点的客流数据，相较于传统的人工问卷调查、IC卡数据推算客流等算法，大大降低了人工成本以及数据差异带来的误差，提高了客流分析的准确度。
第一方面，本发明实施例提供一种客流分析方法，所述方法包括：
获取目标车辆的调度信息和事件信息，所述调度信息包括站点的调度信息，所述事件信息包括基于乘客上下车事件的事件时间；
根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中；
通过各个站点的站点信息计算得到各个站点的客流数据。
可选的，所述获取目标车辆的调度信息，包括：
根据目标车辆GIS数据和目标车辆实时调度数据，获取调度时间内各个站点的调度信息。
可选的，所述目标车辆GIS数据包括目标车辆在各个站点的到站时间和离站时间，所述根据目标车辆GIS数据和目标车辆实时调度数据，获取调度时间内各个站点的调度信息，包括：
当存在站点信息缺失时，获取目标车辆在各个站点的到站时间和离站时间；
将所述目标车辆在各个站点的到站时间和离站时间输入到预设的时序数据生成器中进行时间预测，得到缺失站点的预测站点信息，所述预测站点信息包括预测的到站时间和离站时间。
可选的，所述站点的调度信息包括目标车辆的到站时间和离站时间，所述根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中，包括：
根据所述到站时间、所述离站时间以及所述事件时间，将对应的事件信息添加对应站点的站点信息中。
可选的，所述根据所述站时间、所述离站时间以及所述事件时间，将对应的事件信息添加到对应站点的站点信息中，包括：
对于一个待分析站点，若存在所述事件时间大于所述到站时间，且小于所述离站时间，则将所述事件时间对应的所述事件信息添加到所述待分析站点的站点信息中。
可选的，所述根据所述站时间、所述离站时间以及所述事件时间，将对应的事件信息添加到对应站点的站点信息中，包括：
若存在所述事件时间大于所述离站时间，或者小于所述到站时间，则对所述事件时间进行时间缩放，基于时间缩放的结果将所述事件信息补加到对应站点的站点信息中。
可选的，所述获取目标车辆的事件信息，包括：
获取目标车辆的监控图像；
根据所述监控图像，提取乘客上下车事件的事件时间。
第二方面，本发明实施例提供一种客流分析装置，所述装置包括：
获取模块，用于获取目标车辆的调度信息和事件信息，所述调度信息包括站点的调度信息，所述事件信息包括基于乘客上下车事件的事件时间；
添加模块，用于根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中；
计算模块，用于通过各个站点的站点信息计算得到各个站点的客流数据。
第三方面，本发明实施例提供一种电子设备，包括：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，所述处理器执行所述计算机程序时实现本发明实施例提供的客流分析方法中的步骤。
第四方面，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上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的客流分析方法中的步骤。
本发明实施例中，获取目标车辆的调度信息和事件信息，所述调度信息包括站点的调度信息，所述事件信息包括基于乘客上下车事件的事件时间；根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中；通过各个站点的站点信息计算得到各个站点的客流数据。通过事件的时间维度并结合公交调度数据，来自动分析各个站点的客流数据，相较于传统的人工问卷调查、IC卡数据推算客流等算法，大大降低了人工成本以及数据差异带来的误差，提高了客流分析的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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是本发明实施例提供的一种客流分析方法的流程图；
图2是本发明实施例提供的一种调度信息的数据格式示意图；
图3是本发明实施例提供的一种事件信息的数据格式示意图；
图4是本发明实施例提供的一种站点信息缺失的数据格式示意图；
图5是本发明实施例提供的另一种客流分析方法的流程图；
图6是本发明实施例提供的一种缺失数据补充方法的流程图；
图7是本发明实施例提供的一种缺失数据补充后的数据格式示意图；
图8是本发明实施例提供的一种客流分析装置的结构示意图；
图9是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，图1是本发明实施例提供的一种客流分析方法的流程图，如图1所示，该客流分析方法包括以下步骤：
101、获取目标车辆的调度信息和事件信息。
在本发明实施例中，上述目标车辆为公交车，上述调度信息包括站点的调度信息，上述事件信息包括基于乘客上下车事件的事件时间。
具体的，上述的事件指的是乘客上下车的行为，一次上车可以作为一个事件，一次下车也可以作为一个事件。上述调度指一辆公交车一个班次的从开始运行到结束运行的过程。上述调度信息可以包括调度开始时间以及调度结束时间，上述高度信息还包括各个站点的到站时间和离站时间。具体的来说，上述调度信息为调度时间内每一站点的到站时间和离站时间。
具体的，请参考图2，图2是本发明实施例提供的一种调度信息的数据格式示意图，上述调度信息可以包括目标车辆车牌号、调度序号、站点名称、到站时间和离站时间等，调度信息的数据格式可以如图2所示。
请继续参考图3，图3是本发明实施例提供的一种事件信息的数据格式示意图，上述事件信息可以包括车牌号、事件时间、特征值等，事件信息的数据格式可以如图3所示。
可选的，在获取目标车辆的调度信息的步骤中，可以根据目标车辆GIS数据和目标车辆实时调度数据，获取调度时间内各个站点的调度信息。
上述GIS数据为地理信息系统(Geographic Information System或Geo-Information system，GIS)，可以通过GIS获取目标车辆的实时GIS数据，上述GIS数据可以包括目标车辆的到站时间和离站时间。
上述上载车辆实时调度数据为公交公司对目标车辆进行实时调度产生的调度数据。车辆实时调度数据包括调度开始时间以及调度结束时间。
将上述GIS数据和车辆实时调度数据汇总，得到目标车辆的具体的调度信息，上述调度信息也可以称为调度详情，上述调度详情可以是调度时间内每一站点的到站信息和离站信息，上述到站信息可以是到站时间，上述离站信息可以是离站时间。
可选的，可以获取目标车辆的监控图像；根据监控图像，提取乘客上下车事件的事件时间。
具体的，可以通过目标车辆内的监控摄像头对车辆内的乘客进行监控，得到监控图像，通过对目标车辆的监控图像进行目标跟踪，从而得到乘客的轨迹信息，根据乘客的轨迹信息判断乘客是上车还是下车。将乘客的一次上车行为记为一个事件信息，将乘客的一次下车行为也记为一个事件信息。
需要说明的是，上述事件信息包括事件时间，上述事件时间通过监控摄像头在乘客产生上车行为和下车行为时进行记录。
请参考图4，图4是本发明实施例提供的一种站点信息缺失的数据格式示意图，当存在站点信息缺失时，获取目标车辆在各个站点的到站时间和离站时间；将目标车辆在各个站点的到站时间和离站时间输入到预设的时序数据生成器中进行时间预测，得到缺失站点的预测站点信息，所述预测站点信息包括预测的到站时间和离站时间。
需要说明的是，在公交实际运行过程中，对于同一个调度而言到离数据可视为时序数据，但在项目实际运行过程中由于GPS设备卡顿、网络延迟会造成到离数据漏传异常情况，会造成对账(指的是将对应的事件分类归纳到对应的站点中)失败或对账错误，将上下车事件归纳到错误的站点，造成调度客流分析异常。如图4所示，由于实际客观因素造成到离站时间缺失，在系统中是不可避免的，因此针对到离数据这种时序数据缺失问题，项目中采用生成模型对缺失的到离数据进行补充，作为对遗漏数据的补充，从而避免整个调度的错误对账。
具体的，可以参考图5，图5是本发明实施例提供的另一种客流分析的流程示意图，如图5所示，可以将公交GIS到离数据输入到HMM时序数据生成器中，通过生成模型补充缺失数据后的到离数据，上述到离数据也可以称为到站数据和离站数据，将将补充缺失数据后的到离数据与公交实时调度数据进行汇聚，得到调度信息，将调度信息与事件时间进行实时对账和补账，生成站点客流数据。
上述补充缺失数据的核心是时序数据生成器，可将缺失数据通过算法进行补充，请参考图6，图6是本发明实施例提供的一种缺失数据补充方法的流程图，如图6所示具体的，S1初始化生成器得到状态s1；S2将到离数据输入生成器，通过动态规划得到T时刻之前各个时间节点的局部状态以及转移状态得到状态s2；S3根据S2得到的各个时刻局部状态以及转移状态得到T时刻状态序列出现的概率以及最大隐藏状态，得到状态s3；S4和S5通过S3获取到整个序列所有的转移状态，通过回溯得到最终的时序序列。
通过对缺失数据进行补充后，得到的调度信息的数据格式如图7所示，图7是本发明实施例提供的一种缺失数据补充后的数据格式示意图。
102、根据事件时间和站点的调度信息，将对应的事件信息添加到对应站点的站点信息中。
在本发明实施例中，目标车辆每次调度，都会经过多个站点，在站点会触发事件的发生，比如，在站点乘客下车或乘客上车都会记录为一次事件，得到对应的事件信息。因此，事件信息具有站点属性。
可以根据事件时间和站点的调度信息，事件时间表示乘客上下车的时间，站点的调度信息表示目标车辆到站和离站的信息，因此，可以通过事件时间和站点的调度信息进行时间匹配，从而将对应的事件信息添加到对应站点的站点信息中。
可选的，可以根据到站时间、离站时间以及事件时间，将对应的事件信息添加对应站点的站点信息中。当事件时间落在到站时间、离站时间之间时，可以将对应的事件信息添加对应站点的站点信息中。
具体的，对于一个待分析站点，若存在事件时间大于到站时间，且小于离站时间，则将事件时间对应的事件信息添加到待分析站点的站点信息中。
具体的，可以通过下述伪代码执行将事件时间对应的事件信息添加到待分析站点的站点信息中的步骤：
Figure BDA0003451466980000061
可选的，若存在事件时间大于离站时间，或者小于到站时间，则对事件时间进行时间缩放，基于时间缩放的结果将事件信息补加到对应站点的站点信息中。
当事件时间大于离站时间，则说明摄像头存在延时，会导致事件无法添加到准确的站点。当事件时间小于到站时间，则说明GIS延时，同样会导致事件无法添加到准确的站点。
将事件信息补加到对应站点的站点信息中也可以称为补账，补账是由于网络以及硬件设备造成的数据延期上传，则要将补传的数据进行归类，最大程度减少数据缺失对准确度的影响，补账核心公式(repairReconciliation)如下：
ti＝tp-Δtn-1
其中：ti表示事件p经过n次时间缩放后的事件时间，tp表示事件p的时间，Δt时间间隔，n表示循环次数
补帐伪代码如下：
Figure BDA0003451466980000071
通过将补传的数据进行归类，可以最大程度减少数据缺失对准确度的影响，提高客流分析的准确度。
103、通过各个站点的站点信息计算得到各个站点的客流数据。
在本发明实施例中，可以计算各个站点的站点信息中，事件信息的数量，将事件信息的数量作为各个站点的客流数据。上述客流数据可以用客流分析。
本发明实施例中，获取目标车辆的调度信息和事件信息，所述调度信息包括站点的调度信息，所述事件信息包括基于乘客上下车事件的事件时间；根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中；通过各个站点的站点信息计算得到各个站点的客流数据。通过事件的时间维度并结合公交调度数据，来自动分析各个站点的客流数据，相较于传统的人工问卷调查、IC卡数据推算客流等算法，大大降低了人工成本以及数据差异带来的误差，提高了客流分析的准确度。
需要说明的是，本发明实施例提供的客流分析方法可以应用于可以进行客流分析方法的智能手机、电脑、服务器等设备。
可选的，请参见图8，图8是本发明实施例提供的一种客流分析装置的结构示意图，如图8所示，所述装置包括：
获取模块801，用于获取目标车辆的调度信息和事件信息，所述调度信息包括站点的调度信息，所述事件信息包括基于乘客上下车事件的事件时间；
添加模块802，用于根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中；
计算模块803，用于通过各个站点的站点信息计算得到各个站点的客流数据。
可选的，获取模块801，包括：
第一获取子模块，用于根据目标车辆GIS数据和目标车辆实时调度数据，获取调度时间内各个站点的调度信息。
可选的，所述目标车辆GIS数据包括目标车辆在各个站点的到站时间和离站时间，第一获取子模块，包括：
获取单元，用于当存在站点信息缺失时，获取目标车辆在各个站点的到站时间和离站时间；
预测单元，用于将所述目标车辆在各个站点的到站时间和离站时间输入到预设的时序数据生成器中进行时间预测，得到缺失站点的预测站点信息，所述预测站点信息包括预测的到站时间和离站时间。
可选的，所述站点的调度信息包括目标车辆的到站时间和离站时间，添加模块802，包括：
添加子模块，用于根据所述到站时间、所述离站时间以及所述事件时间，将对应的事件信息添加对应站点的站点信息中。
可选的，添加子模块，包括：
添加单元，用于对于一个待分析站点，若存在所述事件时间大于所述到站时间，且小于所述离站时间，则将所述事件时间对应的所述事件信息添加到所述待分析站点的站点信息中。
可选的，添加子模块，包括：
补加单元，用于若存在所述事件时间大于所述离站时间，或者小于所述到站时间，则对所述事件时间进行时间缩放，基于时间缩放的结果将所述事件信息补加到对应站点的站点信息中。
可选的，获取模块801，包括：
第二获取子模块，用于获取目标车辆的监控图像；
提取子模块，用于根据所述监控图像，提取乘客上下车事件的事件时间。
需要说明的是，本发明实施例提供的客流分析装置可以应用于可以进行客流分析方法的智能手机、电脑、服务器等设备。
本发明实施例提供的客流分析装置能够实现上述方法实施例中客流分析方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
参见图9，图9是本发明实施例提供的一种电子设备的结构示意图，如图9所示，包括：存储器902、处理器901及存储在所述存储器902上并可在所述处理器901上运行的客流分析方法的计算机程序，其中：
处理器901用于调用存储器902存储的计算机程序，执行如下步骤：
获取目标车辆的调度信息和事件信息，所述调度信息包括站点的调度信息，所述事件信息包括基于乘客上下车事件的事件时间；
根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中；
通过各个站点的站点信息计算得到各个站点的客流数据。
可选的，处理器901执行的所述获取目标车辆的调度信息，包括：
根据目标车辆GIS数据和目标车辆实时调度数据，获取调度时间内各个站点的调度信息。
可选的，所述目标车辆GIS数据包括目标车辆在各个站点的到站时间和离站时间，处理器901执行的所述根据目标车辆GIS数据和目标车辆实时调度数据，获取调度时间内各个站点的调度信息，包括：
当存在站点信息缺失时，获取目标车辆在各个站点的到站时间和离站时间；
将所述目标车辆在各个站点的到站时间和离站时间输入到预设的时序数据生成器中进行时间预测，得到缺失站点的预测站点信息，所述预测站点信息包括预测的到站时间和离站时间。
可选的，所述站点的调度信息包括目标车辆的到站时间和离站时间，处理器901执行的所述根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中，包括：
根据所述到站时间、所述离站时间以及所述事件时间，将对应的事件信息添加对应站点的站点信息中。
可选的，处理器901执行的所述根据所述站时间、所述离站时间以及所述事件时间，将对应的事件信息添加到对应站点的站点信息中，包括：
对于一个待分析站点，若存在所述事件时间大于所述到站时间，且小于所述离站时间，则将所述事件时间对应的所述事件信息添加到所述待分析站点的站点信息中。
可选的，处理器901执行的所述根据所述站时间、所述离站时间以及所述事件时间，将对应的事件信息添加到对应站点的站点信息中，包括：
若存在所述事件时间大于所述离站时间，或者小于所述到站时间，则对所述事件时间进行时间缩放，基于时间缩放的结果将所述事件信息补加到对应站点的站点信息中。
可选的，处理器901执行的所述获取目标车辆的事件信息，包括：
获取目标车辆的监控图像；
根据所述监控图像，提取乘客上下车事件的事件时间。
本发明实施例提供的电子设备能够实现上述方法实施例中客流分析方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的客流分析方法或应用端客流分析方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (8)

1.一种客流分析方法，其特征在于，包括以下步骤：
获取目标车辆的调度信息和事件信息，所述调度信息包括站点的调度信息，所述事件信息包括基于乘客上下车事件的事件时间；
所述获取目标车辆的调度信息，包括：根据目标车辆GIS数据和目标车辆实时调度数据，获取调度时间内各个站点的调度信息，所述目标车辆GIS数据包括目标车辆在各个站点的到站时间和离站时间；当存在站点信息缺失时，获取目标车辆在各个站点的到站时间和离站时间；将所述目标车辆在各个站点的到站时间和离站时间输入到预设的时序数据生成器中进行时间预测，得到缺失站点的预测站点信息，所述预测站点信息包括预测的到站时间和离站时间；
根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中；
通过各个站点的站点信息计算得到各个站点的客流数据。
2.如权利要求1所述的方法，其特征在于，所述站点的调度信息包括目标车辆的到站时间和离站时间，所述根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中，包括：
根据所述到站时间、所述离站时间以及所述事件时间，将对应的事件信息添加对应站点的站点信息中。
3.如权利要求2所述的方法，其特征在于，所述根据所述到站时间、所述离站时间以及所述事件时间，将对应的事件信息添加到对应站点的站点信息中，包括：
对于一个待分析站点，若存在所述事件时间大于所述到站时间，且小于所述离站时间，则将所述事件时间对应的所述事件信息添加到所述待分析站点的站点信息中。
4.如权利要求2所述的方法，其特征在于，所述根据所述到站时间、所述离站时间以及所述事件时间，将对应的事件信息添加到对应站点的站点信息中，包括：
若存在所述事件时间大于所述离站时间，或者小于所述到站时间，则对所述事件时间进行时间缩放，基于时间缩放的结果将所述事件信息补加到对应站点的站点信息中。
5.如权利要求1所述的方法，其特征在于，所述获取目标车辆的事件信息，包括：
获取目标车辆的监控图像；
根据所述监控图像，提取乘客上下车事件的事件时间。
6.一种客流分析装置，其特征在于，所述装置包括：
获取模块，用于获取目标车辆的调度信息和事件信息，所述调度信息包括站点的调度信息，所述事件信息包括基于乘客上下车事件的事件时间；所述获取目标车辆的调度信息，包括：根据目标车辆GIS数据和目标车辆实时调度数据，获取调度时间内各个站点的调度信息，所述目标车辆GIS数据包括目标车辆在各个站点的到站时间和离站时间；当存在站点信息缺失时，获取目标车辆在各个站点的到站时间和离站时间；将所述目标车辆在各个站点的到站时间和离站时间输入到预设的时序数据生成器中进行时间预测，得到缺失站点的预测站点信息，所述预测站点信息包括预测的到站时间和离站时间；
添加模块，用于根据所述事件时间和所述站点的调度信息，将对应的事件信息添加到对应站点的站点信息中；
计算模块，用于通过各个站点的站点信息计算得到各个站点的客流数据。
7.一种电子设备，其特征在于，包括：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，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的客流分析方法中的步骤。
8.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的客流分析方法中的步骤。
CN202111667334.0A 2021-12-31 2021-12-31 客流分析方法及相关设备 Active CN114446039B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111667334.0A CN114446039B (zh) 2021-12-31 2021-12-31 客流分析方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111667334.0A CN114446039B (zh) 2021-12-31 2021-12-31 客流分析方法及相关设备

Publications (2)

Publication Number Publication Date
CN114446039A CN114446039A (zh) 2022-05-06
CN114446039B true CN114446039B (zh) 2023-05-19

Family

ID=81365306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111667334.0A Active CN114446039B (zh) 2021-12-31 2021-12-31 客流分析方法及相关设备

Country Status (1)

Country Link
CN (1) CN114446039B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060087067A (ko) * 2005-01-28 2006-08-02 주식회사 아이컨택트 실시간 버스 정보를 이용한 승객 하차 지점 알림 서비스 제공 시스템 및 방법
CN109584552A (zh) * 2018-11-28 2019-04-05 青岛大学 一种基于网络向量自回归模型的公交到站时间预测方法
CN109859459A (zh) * 2019-02-22 2019-06-07 北京航空航天大学 一种自动驾驶公交调度优化方法
CN112363999A (zh) * 2020-10-13 2021-02-12 厦门市交通研究中心 一种公共交通的客流分析方法、装置、设备、存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090273489A1 (en) * 2008-05-02 2009-11-05 Jeffery Khuong Lu System and method for transportation vehicle tracking
CN106504516B (zh) * 2016-10-24 2019-03-12 东南大学 一种基于公交站点信息化的多形式公交动态调度方法
CN107358319A (zh) * 2017-06-29 2017-11-17 深圳北斗应用技术研究院有限公司 城市轨道交通客流预测方法、装置、存储介质和计算机设备
KR20190018091A (ko) * 2017-08-11 2019-02-21 계명대학교 산학협력단 버스 하차 안내 시스템 및 방법
CN107798869B (zh) * 2017-10-24 2020-09-11 东南大学 基于站点WiFi和车载GPS的公交乘客客流采集与分析方法
CN108132913B (zh) * 2017-12-11 2021-10-29 深圳先进技术研究院 一种轨道交通客流移动估计方法、系统及电子设备
CN111932925B (zh) * 2020-07-09 2023-06-09 中咨数据有限公司 一种公共交通站点的出行客流的确定方法、装置及系统
CN112183815B (zh) * 2020-08-28 2023-04-07 浙江众合科技股份有限公司 基于规则推荐算法的精准短时客流预测模型
CN112896242B (zh) * 2021-02-26 2022-05-03 佳都科技集团股份有限公司 一种轨道交通的乘客乘车行为状态更新方法及装置
CN113299106B (zh) * 2021-04-27 2022-07-08 华录智达科技股份有限公司 一种基于物联网的公交到站时间预测系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060087067A (ko) * 2005-01-28 2006-08-02 주식회사 아이컨택트 실시간 버스 정보를 이용한 승객 하차 지점 알림 서비스 제공 시스템 및 방법
CN109584552A (zh) * 2018-11-28 2019-04-05 青岛大学 一种基于网络向量自回归模型的公交到站时间预测方法
CN109859459A (zh) * 2019-02-22 2019-06-07 北京航空航天大学 一种自动驾驶公交调度优化方法
CN112363999A (zh) * 2020-10-13 2021-02-12 厦门市交通研究中心 一种公共交通的客流分析方法、装置、设备、存储介质

Also Published As

Publication number Publication date
CN114446039A (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN110390262B (zh) 视频分析方法、装置、服务器及存储介质
CN111310994A (zh) 一种基于数据校准的公交路线预测方法及系统
EP3637310A1 (en) Method and apparatus for generating vehicle damage information
US20150348068A1 (en) Predicting waiting passenger count and evaluation
CN110570678B (zh) 一种公交车辆从起点到终点总行驶时间预测方法及装置
US20200160708A1 (en) Method and apparatus for adaptively managing a vehicle
CN105589939A (zh) 识别群体运动轨迹方法和装置
CN111311467A (zh) 一种基于人脸识别的公交路线预测方法及系统
CN111723728A (zh) 基于双向交互网络的行人搜索方法、系统、装置
CN112434566B (zh) 客流统计方法、装置、电子设备及存储介质
DE112019002896T5 (de) Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren und programm
CN112233428B (zh) 车流量预测方法、装置、存储介质及设备
CN111400550A (zh) 一种目标运动轨迹构建方法、设备以及计算机存储介质
Takimoto et al. Predicting traffic accidents with event recorder data
CN114446039B (zh) 客流分析方法及相关设备
CN113284337A (zh) 基于车辆轨迹多维数据的od矩阵计算方法及装置
CN110796003B (zh) 车道线检测方法、装置及电子设备
EP3425606B1 (en) Traffic situation estimation system and traffic situation estimation method
CN111368626A (zh) 车辆识别方法、装置、电子设备和存储介质
Guo et al. A new anomalous travel demand prediction method combining Markov model and complex network model
CN111210150A (zh) 一种基于边缘计算的智慧园区系统
CN113837977B (zh) 对象跟踪方法、多目标跟踪模型训练方法及相关设备
CN111310652B (zh) 基于分类回归双域模型的流量识别方法和系统
CN114896482A (zh) 一种模型训练和补能意图识别方法、装置、设备及介质
CN113408587A (zh) 一种公交车乘客od匹配方法、装置和电子设备

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