CN115222267A - 城轨线网客流风险评估方法及系统 - Google Patents
城轨线网客流风险评估方法及系统 Download PDFInfo
- Publication number
- CN115222267A CN115222267A CN202210872737.7A CN202210872737A CN115222267A CN 115222267 A CN115222267 A CN 115222267A CN 202210872737 A CN202210872737 A CN 202210872737A CN 115222267 A CN115222267 A CN 115222267A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- index
- carriage
- area
- early warning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012502 risk assessment Methods 0.000 title claims description 17
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004590 computer program Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000007499 fusion processing Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 235000006679 Mentha X verticillata Nutrition 0.000 description 2
- 235000002899 Mentha suaveolens Nutrition 0.000 description 2
- 235000001636 Mentha x rotundifolia Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种城轨线网客流风险评估方法及系统,属于城市轨道交通运用维护技术领域,包括:获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。本发明利用客流速度、客流密度与拥挤持续时间客流状态数据,对“车站‑区间‑线网”三级客流风险进行评估,评估指标更加全面,评估机制更为科学。
Description
技术领域
本发明涉及城市轨道交通运营维护技术领域,具体涉及一种城轨线网客流风险评估方法及系统。
背景技术
城市轨道交通系统在吸引大量乘客的同时,已有的设施设备越来越难以满足人们的出行需求,拥挤已成为乘客感受最深切、也极易造成安全隐患的显著问题。这不仅严重影响了城轨网络的运营效率,而且大大降低了城轨网络的运营安全性。
目前,对城轨线网运营大规模客流风险辨识与评估的研究相对较少,对车站和列车客流风险量化的研究尚不成熟,且没有构建出完善的以城轨线网为研究对象的宏观客流风险辨识评估方法。然而,为了更好应对大客流引发的运营和安全问题,需要及时准确地量化车站、线路区间及线网的客流风险状态。
发明内容
本发明的目的在于提供一种城轨线网客流风险评估方法及系统,以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的,本发明采取了如下技术方案:
一方面,本发明提供一种城轨线网客流风险评估方法,包括:
获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;
计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;
根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;
当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。
优选的,根据所述需检测区域的客流密度、拥挤持续时间以及客流速度,确定区域客流风险指数及预警等级,并通过区域权重对各区域客流风险指数进行加权得到车站客流风险指数及预警等级;根据所述车厢满载率和列车发车间隔确定车厢客流风险指数及预警等级,通过车厢权重对各车厢客流风险指数进行加权得到列车客流风险指数及预警等级,并通过列车权重对各列车客流风险指数进行加权得到区间客流风险指数及预警等级;通过重要度权重对线网中各车站、区间的风险指数进行加权求和得到线网客流风险指数与预警等级。
优选的,根据监控摄像机采集到的不同区域的视频图像信息获取所述不同区域的客流信息,包括:获取所述监控摄像机采集的视频图像;通过运用计算机视觉算法对所述视频图像进行处理,获取各个区域的客流量与客流速度;通过运用视频行人检测技术对每个区域的视频图像进行处理,获取每一组乘客在对应区域的拥挤持续时间。
优选的,根据单位时间内所述区域的客流状态指标,计算所述区域的客流风险指数与等级,包括对客流密度、客流速度进行如下归一化处理:对于等待区和扶梯,密度指标无量纲化处理结果即为客流拥挤指数值;对于水平走行区和楼梯,拥挤指数综合考虑客流密度指数和客流速度指数,取二者平均值作为客流拥挤指数值;基于区域客流拥挤程度和拥挤持续时间,计算所述区域客流风险指数。
优选的,根据单位时间内所述各区域的客流风险指数,计算所述车站的客流风险指数与预警等级,包括:综合考虑区域通行能力、发生风险事件的概率与后果严重程度等因素,计算水平走行区、楼梯、等待区与扶梯的权重;基于上述各区域的客流风险指数与权重,通过线性加权的方式推算车站客流风险指数;
根据单位时间内所述车厢的客流状态指标,计算所述车厢的客流风险指数与预警等级,包括:对车厢满载率进行无量纲化处理可得到车厢拥挤指数;对列车发车间隔属性值进行归一化处理得到发车间隔当量;基于车厢客流拥挤程度和列车发车间隔,计算车厢客流风险指数;
根据单位时间内所述各车厢的客流风险指数,计算所述列车与区间的客流风险指数与预警等级,包括:
以车厢满载率作为权重计算的依据,对车厢客流风险指数进行线性加权,计算列车客流风险指数;对通过该区间列车的客流风险指数进行线性加权得到,权重体现列车对区间客流风险的贡献率,采用列车满载率作为权重计算的依据,列车满载率越高,权重越大。
优选的,基于节点流量度、节点流量介数、节点流量中心度、边流量介数四个指标计算所述重要度权重:
节点流量度按照如下公式计算:
Fdi(Δt)=∑Pfl(Δt)
其中,Fdi(Δt)为统计期Δt内节点i的流量度,Pfl(Δt)为统计期Δt内与节点i相连的边l上的客流量;
节点流量介数按照如下公式计算:
节点流量中心度按照如下公式计算:
考虑边流量介数按照如下公式计算:
基于指标计算结果,根据以下公式对重要度指标进行处理:
车站重要度权重为三种指标重要度做加权求和,计算公式如下:
其中,γ1,γ2,γ3为三种指标的权重,γ1+γ2+γ3=1;
区间重要度权重即区间的流量介数经处理后得到的值,区间重要度权重公式如下:
第二方面,本发明提供一种城轨线网客流风险评估系统,包括:
获取模块,用于获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;
融合处理模块,用于计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;
监测预警模块,用于根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;
信息发布模块,用于当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。
第三方面,本发明提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如上所述的城轨线网客流风险评估方法。
第四方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如上所述的城轨线网客流风险评估方法。
第五方面,本发明提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如上所述的城轨线网客流风险评估方法的指令。
本发明有益效果:利用客流速度、客流密度与拥挤持续时间客流状态数据,对“车站-区间-线网”三级客流风险进行评估,评估指标更加全面,评估机制更为科学。
本发明附加方面的优点,将在下述的描述部分中更加明显的给出,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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为本发明实施例所述的城轨线网客流风险评估方法的实现流程图。
图2为本发明实施例所述的城轨线网客流风险评估系统的组成结构示意图。
图3为本发明实施例所述的应用城轨线网客流风险评估系统进行大客流评估预警的实施流程图。
图4为本发明实施例所述的风险指数与等级变化示意图。
具体实施方式
下面详细叙述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明,下面结合附图以具体实施例对本发明作进一步解释说明,且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解,附图只是实施例的示意图,附图中的部件并不一定是实施本发明所必须的。
实施例1
本实施例1提供一种城轨线网客流风险评估系统,该系统包括:
获取模块,用于获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;
融合处理模块,用于计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;
监测预警模块,用于根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;
信息发布模块,用于当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。
本实施例1中,利用上述的系统实现了城轨线网客流风险评估方法,包括:
利用获取模块,获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;
利用融合处理模块,计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;
利用监测预警模块,根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;
利用信息发布模块,当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。
其中,根据所述需检测区域的客流密度、拥挤持续时间以及客流速度,确定区域客流风险指数及预警等级,并通过区域权重对各区域客流风险指数进行加权得到车站客流风险指数及预警等级;根据所述车厢满载率和列车发车间隔确定车厢客流风险指数及预警等级,通过车厢权重对各车厢客流风险指数进行加权得到列车客流风险指数及预警等级,并通过列车权重对各列车客流风险指数进行加权得到区间客流风险指数及预警等级;通过重要度权重对线网中各车站、区间的风险指数进行加权求和得到线网客流风险指数与预警等级。
根据监控摄像机采集到的不同区域的视频图像信息获取所述不同区域的客流信息,包括:获取所述监控摄像机采集的视频图像;通过运用计算机视觉算法对所述视频图像进行处理,获取各个区域的客流量与客流速度;通过运用视频行人检测技术对每个区域的视频图像进行处理,获取每一组乘客在对应区域的拥挤持续时间。
根据单位时间内所述区域的客流状态指标,计算所述区域的客流风险指数与等级,包括对客流密度、客流速度进行如下归一化处理:对于等待区和扶梯,密度指标无量纲化处理结果即为客流拥挤指数值;对于水平走行区和楼梯,拥挤指数综合考虑客流密度指数和客流速度指数,取二者平均值作为客流拥挤指数值;基于区域客流拥挤程度和拥挤持续时间,计算所述区域客流风险指数。
根据单位时间内所述各区域的客流风险指数,计算所述车站的客流风险指数与预警等级,包括:综合考虑区域通行能力、发生风险事件的概率与后果严重程度等因素,计算水平走行区、楼梯、等待区与扶梯的权重;基于上述各区域的客流风险指数与权重,通过线性加权的方式推算车站客流风险指数;
根据单位时间内所述车厢的客流状态指标,计算所述车厢的客流风险指数与预警等级,包括:对车厢满载率进行无量纲化处理可得到车厢拥挤指数;对列车发车间隔属性值进行归一化处理得到发车间隔当量;基于车厢客流拥挤程度和列车发车间隔,计算车厢客流风险指数;
根据单位时间内所述各车厢的客流风险指数,计算所述列车与区间的客流风险指数与预警等级,包括:
以车厢满载率作为权重计算的依据,对车厢客流风险指数进行线性加权,计算列车客流风险指数;对通过该区间列车的客流风险指数进行线性加权得到,权重体现列车对区间客流风险的贡献率,采用列车满载率作为权重计算的依据,列车满载率越高,权重越大。
基于节点流量度、节点流量介数、节点流量中心度、边流量介数四个指标计算所述重要度权重:
节点流量度按照如下公式计算:
Fdi(Δt)=∑Pfl(Δt)
其中,Fdi(Δt)为统计期Δt内节点i的流量度,Pfl(Δt)为统计期Δt内与节点i相连的边l上的客流量;
节点流量介数按照如下公式计算:
节点流量中心度按照如下公式计算:
考虑边流量介数按照如下公式计算:
基于指标计算结果,根据以下公式对重要度指标进行处理:
车站重要度权重为三种指标重要度做加权求和,计算公式如下:
其中,γ1,γ2,γ3为三种指标的权重,γ1+γ2+γ3=1;
区间重要度权重即区间的流量介数经处理后得到的值,区间重要度权重公式如下:
实施例2
如图1至图3所示,本实施例2中,首先提供了一种城轨线网客流风险评估系统,该系统包括:
数据获取单元,用于根据所述监控摄像机采集到的不同区域的视频图像信息获取所述不同区域的客流信息,所述不同区域包括所述车站水平走行区、等待区、楼梯、扶梯与列车车厢;
数据处理融合单元,用于根据单位时间内所述车站区域、列车车厢的客流信息,计算所述车站、区间与线网的客流风险指数;
监测预警单元,用于根据所述车站、区间与线网的客流风险指数确定客流预等级。
预警信息发布单元,用于在所述大客流预警等级超过设定的等级阈值时,发布所述大客流预警等级信息并确定相应的处理措施。
本实施例2中,基于上述的系统实现了一种城轨线网客流风险评估方法,以科学、全面地进行城轨线网客流风险评估。
所述方法包括:确定车站内需检测的水平走行区、楼梯、等待区、扶梯的面积,确定列车与车厢的额定载客量;根据监控摄像机采集到的车站不同区域、列车不同车厢的视频图像信息获取不同区域的客流信息;计算走行区、楼梯、等待区、扶梯的客流密度和拥挤持续时间,走行区、楼梯的客流速度,以及车厢满载率;根据车站各区域客流密度、(客流速度、)拥挤持续时间等指标确定区域客流风险指数及预警等级,并通过区域权重对各区域客流风险指数进行加权得到车站客流风险指数及预警等级;根据车厢满载率和列车发车间隔确定车厢客流风险指数及预警等级,通过车厢权重对各车厢客流风险指数进行加权得到列车客流风险指数及预警等级,并通过列车权重对各列车客流风险指数进行加权得到区间客流风险指数及预警等级;通过重要度权重对线网中各车站、区间的风险指数进行加权求和得到线网客流风险指数与预警等级。
其中,所述根据监控摄像机采集到的不同区域的视频图像信息获取所述不同区域的客流信息,包括:获取所述监控摄像机采集的视频图像;通过运用计算机视觉算法对所述视频图像进行处理,获取各个区域的客流量与客流速度;通过运用视频行人检测技术对每个区域的视频图像进行处理,获取每一组乘客在对应区域的拥挤持续时间。
所述车站不同区域、列车不同车厢的客流信息,包括走行区、楼梯、等待区、扶梯的客流密度和拥挤持续时间,走行区、楼梯的客流速度,以及车厢满载率。
所述根据单位时间内所述区域的客流信息,计算所述区域的客流密度、客流速度、拥挤持续时间及车厢满载率,包括:
基于各视频摄像机所拍到客流人数,根据以下公式计算实时客流密度:
其中,ρi(Δt)为统计期Δt内区域i的客流密度,Ni(Δt)为统计期Δt内区域i的聚集人数,Si为乘客聚集区域i的有效面积。
基于各视频摄像机所拍到客流行进途中经过某区域时使用的时间,根据以下公式计算实时客流速度:
其中,vi为乘客通过某区域i的客流速度,li为通过水平长度,t为通过时间。
基于车站内不同区域发生客流聚集时在特定拥挤状态下持续的时间计算客流拥挤持续时间。
基于各视频摄像机所拍到车厢客流人数,根据以下公式计算实时车厢满载率:
其中,γc(Δt)为车厢满载率,Nc(Δt)为统计时间Δt内车厢实际承载的乘客人数,Ned为车厢额定载客量。
所述根据单位时间内所述区域的客流状态指标,计算所述区域的客流风险指数与等级:
对密度、速度采用如下方法进行归一化处理:
对于等待区和扶梯,密度指标无量纲化处理结果即为客流拥挤指数值,计算公式如下:
对于水平走行区和楼梯,拥挤指数综合考虑客流密度指数和客流速度指数,取二者平均值作为客流拥挤指数值,计算公式如下:
基于区域客流拥挤程度和拥挤持续时间,根据以下公式计算区域客流风险指数:
其中,为区域客流风险指数,maxRIar是最大风险指数,值为10,minRIar是最小风险指数,值为1;为区域拥挤指数,maxIar是区域拥挤指数最大值,值为1,minIar是区域拥挤指数最小值,值为0;为拥挤持续时间计算值,maxt*是拥挤持续时间当量的最大值,值为1,mint*是拥挤持续时间当量的最小值,值为0。故上式可化简为:
所述根据单位时间内所述各区域的客流风险指数,计算所述车站的客流风险指数与等级:
综合考虑区域通行能力、发生风险事件的概率与后果严重程度等因素,采用如下公式计算水平走行区、楼梯、等待区与扶梯的权重:
基于上述各区域的客流风险指数与权重,通过线性加权的方式推算车站客流风险指数,计算公式如下:
所述根据单位时间内所述车厢的客流状态指标,计算所述车厢的客流风险指数与等级:
对车厢满载率进行无量纲化处理可得到车厢拥挤指数;对列车发车间隔属性值进行归一化处理得到发车间隔当量,处理方法如下:
其中,T为发车间隔属性值,T*为发车间隔当量,取值范围为[0-1]。
基于车厢客流拥挤程度和列车发车间隔,根据以下公式计算车厢客流风险指数:
其中,为车厢客流风险指数,其区间为[1,10],maxRIca是最大风险指数,值为10,minRIca是最小风险指数,值为1;为车厢拥挤指数,maxIca是最大拥挤指数,值为1,minIca是最小拥挤指数,值为0;Ti *为列车发车间隔当量,maxT*、minT*分别为1、0。故上式可化简为:
所述根据单位时间内所述各车厢的客流风险指数,计算所述列车与区间的客流风险指数与等级:
以车厢满载率作为权重计算的依据,对车厢客流风险指数进行线性加权,通过如下公式计算列车客流风险指数:
对通过该区间列车的客流风险指数进行线性加权得到,权重体现列车对区间客流风险的贡献率,采用列车满载率作为权重计算的依据,列车满载率越高,权重越大,计算公式如下:
所述车站、区间重要度权重,基于节点流量度、节点流量介数、节点流量中心度、边流量介数四个指标计算:
基于指标计算结果,根据以下公式对重要度指标进行处理:
其中,为第k个指标处理后的值,k=1,2,3,4;Fdi(Δt)、为车站i流量度、路网车站最小流量度;Fbi(Δt)、为车站i流量介数、路网车站最小流量介数;Ci(Δt)、为车站i流量中心度、路网车站最小流量中心度;Fbl(Δt)、为区间i流量介数、路网区间最小流量介数。
车站重要度权重为三种指标重要度做加权求和,计算公式如下:
其中,γ1,γ2,γ3为三种指标的权重,γ1+γ2+γ3=1。
为统一车站重要度权重的变化范围,需要对重要度权重指标进行处理,使得处理后的重要度权重值越大,重要度越高,计算公式如下:
区间重要度权重即区间的流量介数经处理后得到的值,区间重要度权重公式如下:
所述根据单位时间内所述各车站和区间的客流风险指数、重要度权重,计算所述线网的客流风险指数与等级:
线网客流风险指数是车站单元客流风险和线路区间客流风险的综合性描述指标,能够综合反映城轨线网中车站、区间的客流风险水平。由于处理后得到的车站、区间重要度权重之和分别为1,又考虑到车站与区间对整个线网客流风险水平的贡献是以车站与区间整体风险的形式,提出线网风险指数计算公式如下:
实施例3
本实施例3中,选取站内的水平走行区域、楼梯、站台等待区域、扶梯作为研究对象,对实施例2所述的方法进行了说明。结合图像处理与人工计数法对监控视频进行处理,获取乘客通过各区域的密度、速度与等待时间数据,
根据所述各区域速度、密度分级,计算得到区域客流拥挤指数各级阈值如下表1所示:
表1
结合所述拥挤持续时间分级与不同区域拥挤指数分级,计算得到不同区域客流风险指数阈值如下表2所示:
表2
以上述结果作为车站客流风险等级计算的基础数据,对四个区域风险指数加权求和,得到车站客流风险指数与客流等级变化。
特殊地,当α=β=γ=δ=0.25时,得到车站客流风险指数阈值标定结果如下表3所示:
表3
选取通过区间的列车车厢作为研究对象,结合图像处理与人工计数法对监控视频进行处理,获取车厢满载率。
对所述车厢满载率进行无量纲化处理可得到车厢拥挤指数,基于车厢满载率的拥挤程度阈值如下表4所示:
表4
以上述结果作为车站客流风险等级计算的基础数据,对车厢客流风险指数加权求和,得到列车客流风险指数与客流等级变化;对列车客流风险指数加权求和,得到区间客流风险指数与客流等级变化。
根据所述区间阈值标定方法,可得到区间客流风险指数阈值标定结果如下表5所示:
表5
根据前文所述方法,特殊地,当σ1=0.8,σ2=0.2时,根据前文所述方法可得到线网客流风险指数阈值标定结果如下表6所示:
表6
基于前文所述方法,根据专家经验采用σ1=0.8,σ2=0.2进行计算。结合线网中各车站、区间客流风险指数与重要度权重,求解得到风险指数与等级变化如图4所示。
实施例4
本发明实施例4提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现城轨线网客流风险评估方法,该方法包括:
获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;
计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;
根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;
当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。
实施例5
本发明实施例5提供一种计算机程序(产品),包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现城轨线网客流风险评估方法,该方法包括:
获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;
计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;
根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;
当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。
实施例6
本发明实施例6提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现城轨线网客流风险评估方法的指令,该方法包括:
获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;
计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;
根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;
当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明公开的技术方案的基础上,本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种城轨线网客流风险评估方法,其特征在于,包括:
获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;
计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;
根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;
当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。
2.根据权利要求1所述的城轨线网客流风险评估方法,其特征在于,根据所述需检测区域的客流密度、拥挤持续时间以及客流速度,确定区域客流风险指数及预警等级,并通过区域权重对各区域客流风险指数进行加权得到车站客流风险指数及预警等级;根据所述车厢满载率和列车发车间隔确定车厢客流风险指数及预警等级,通过车厢权重对各车厢客流风险指数进行加权得到列车客流风险指数及预警等级,并通过列车权重对各列车客流风险指数进行加权得到区间客流风险指数及预警等级;通过重要度权重对线网中各车站、区间的风险指数进行加权求和得到线网客流风险指数与预警等级。
3.根据权利要求2所述的城轨线网客流风险评估方法,其特征在于,根据监控摄像机采集到的不同区域的视频图像信息获取所述不同区域的客流信息,包括:获取所述监控摄像机采集的视频图像;通过运用计算机视觉算法对所述视频图像进行处理,获取各个区域的客流量与客流速度;通过运用视频行人检测技术对每个区域的视频图像进行处理,获取每一组乘客在对应区域的拥挤持续时间。
4.根据权利要求2所述的城轨线网客流风险评估方法,其特征在于,根据单位时间内所述区域的客流状态指标,计算所述区域的客流风险指数与等级,包括对客流密度、客流速度进行如下归一化处理:对于等待区和扶梯,密度指标无量纲化处理结果即为客流拥挤指数值;对于水平走行区和楼梯,拥挤指数综合考虑客流密度指数和客流速度指数,取二者平均值作为客流拥挤指数值;基于区域客流拥挤程度和拥挤持续时间,计算所述区域客流风险指数。
5.根据权利要求2所述的城轨线网客流风险评估方法,其特征在于:
根据单位时间内所述各区域的客流风险指数,计算所述车站的客流风险指数与预警等级,包括:综合考虑区域通行能力、发生风险事件的概率与后果严重程度等因素,计算水平走行区、楼梯、等待区与扶梯的权重;基于上述各区域的客流风险指数与权重,通过线性加权的方式推算车站客流风险指数;
根据单位时间内所述车厢的客流状态指标,计算所述车厢的客流风险指数与预警等级,包括:对车厢满载率进行无量纲化处理可得到车厢拥挤指数;对列车发车间隔属性值进行归一化处理得到发车间隔当量;基于车厢客流拥挤程度和列车发车间隔,计算车厢客流风险指数;
根据单位时间内所述各车厢的客流风险指数,计算所述列车与区间的客流风险指数与预警等级,包括:
以车厢满载率作为权重计算的依据,对车厢客流风险指数进行线性加权,计算列车客流风险指数;对通过该区间列车的客流风险指数进行线性加权得到,权重体现列车对区间客流风险的贡献率,采用列车满载率作为权重计算的依据,列车满载率越高,权重越大。
6.根据权利要求5所述的城轨线网客流风险评估方法,其特征在于,基于节点流量度、节点流量介数、节点流量中心度、边流量介数四个指标计算所述重要度权重:
节点流量度按照如下公式计算:
Fdi(Δt)=∑Pfl(Δt)
其中,Fdi(Δt)为统计期Δt内节点i的流量度,Pfl(Δt)为统计期Δt内与节点i相连的边l上的客流量;
节点流量介数按照如下公式计算:
节点流量中心度按照如下公式计算:
考虑边流量介数按照如下公式计算:
基于指标计算结果,根据以下公式对重要度指标进行处理:
车站重要度权重为三种指标重要度做加权求和,计算公式如下:
其中,γ1,γ2,γ3为三种指标的权重,γ1+γ2+γ3=1;
区间重要度权重即区间的流量介数经处理后得到的值,区间重要度权重公式如下:
7.一种城轨线网客流风险评估系统,其特征在于,包括:
获取模块,用于获取车站内需检测区域的面积、列车与车厢的额定载客量以及实际客流信息;
融合处理模块,用于计算所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率;
监测预警模块,用于根据所述需检测区域的客流密度、拥挤持续时间、客流速度以及车厢满载率,结合重要度权重,计算线网客流风险指数与预警等级;
信息发布模块,用于当客流预警等级超过设定的等级阈值时,发布预警等级信息并确定相应的处理措施。
8.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1-6任一项所述的城轨线网客流风险评估方法。
9.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如权利要求1-6任一项所述的城轨线网客流风险评估方法。
10.一种电子设备,其特征在于,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如权利要求1-6任一项所述的城轨线网客流风险评估方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210872737.7A CN115222267A (zh) | 2022-07-21 | 2022-07-21 | 城轨线网客流风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210872737.7A CN115222267A (zh) | 2022-07-21 | 2022-07-21 | 城轨线网客流风险评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115222267A true CN115222267A (zh) | 2022-10-21 |
Family
ID=83612947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210872737.7A Pending CN115222267A (zh) | 2022-07-21 | 2022-07-21 | 城轨线网客流风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222267A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592788A (zh) * | 2024-01-17 | 2024-02-23 | 北京工业大学 | 一种公交运行风险的识别方法及装置 |
-
2022
- 2022-07-21 CN CN202210872737.7A patent/CN115222267A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592788A (zh) * | 2024-01-17 | 2024-02-23 | 北京工业大学 | 一种公交运行风险的识别方法及装置 |
CN117592788B (zh) * | 2024-01-17 | 2024-04-16 | 北京工业大学 | 一种公交运行风险的识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105225500B (zh) | 一种交通控制辅助决策方法及装置 | |
CN110197588B (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
CN106503840B (zh) | 停车场可用车位预测方法及系统 | |
CN104408925B (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN115240431B (zh) | 高速公路收费站交通流量实时在线仿真系统及仿真方法 | |
CN106297285B (zh) | 基于动态权重的高速公路交通运行状态模糊综合评价方法 | |
CN108285071A (zh) | 一种基于贝叶斯网络的电梯健康诊断方法 | |
CN108091132B (zh) | 一种交通流量预测方法及装置 | |
CN104464307B (zh) | 一种基于视频的隧道交通拥堵事件自动检测方法 | |
CN112687099B (zh) | 一种超载嫌疑车辆判定方法和装置 | |
CN107886718B (zh) | 一种路况分析方法、装置及网络系统 | |
CN115222267A (zh) | 城轨线网客流风险评估方法及系统 | |
CN113436432A (zh) | 一种利用路侧观测数据进行路段短时交通风险预测的方法 | |
CN103678924A (zh) | 轨道交通车辆关键部件故障模式风险优先数的确定方法 | |
CN111145544A (zh) | 一种基于拥堵蔓延消散模型的行程时间及路径预测方法 | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
CN114596700A (zh) | 一种基于门架数据的高速公路路段实时流量估计方法 | |
CN101075377A (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN107730882B (zh) | 基于人工智能的道路拥堵预测系统及方法 | |
CN114627643B (zh) | 一种高速公路事故风险预测方法、装置、设备及介质 | |
CN110853164B (zh) | 基于路网损伤的通行收费方法、系统、介质及收费设备 | |
CN112071069A (zh) | 一种长下坡路段货运车辆制动失效诊断方法 | |
JP2003303390A (ja) | 旅行時間予測方法、装置及びプログラム | |
CN113297294B (zh) | 一种基于大数据和云计算的高速公路监控管理方法及云监控管理平台 | |
CN113780682B (zh) | 基于故障标志物的轨道交通系统业务故障预测方法 |
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 |