CN115588298A - 一种基于机器视觉的城轨客流广播诱导方法 - Google Patents
一种基于机器视觉的城轨客流广播诱导方法 Download PDFInfo
- Publication number
- CN115588298A CN115588298A CN202211332846.6A CN202211332846A CN115588298A CN 115588298 A CN115588298 A CN 115588298A CN 202211332846 A CN202211332846 A CN 202211332846A CN 115588298 A CN115588298 A CN 115588298A
- Authority
- CN
- China
- Prior art keywords
- stations
- numbered
- induction
- broadcast
- urban rail
- 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
- 230000006698 induction Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 230000003370 grooming effect Effects 0.000 claims abstract description 24
- 239000006185 dispersion Substances 0.000 claims description 10
- 230000001939 inductive effect Effects 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/091—Traffic information broadcasting
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及城轨管理技术领域,具体公开了一种基于机器视觉的城轨客流广播诱导方法。本发明通过基于机器视觉进行车厢和站台的人数监测;对多个拥挤站台进行广播邻近疏导;标记多个诱导编号站台;进行进站监测和广播指引诱导;进行多个更新编号站台之间的广播诱导调整。能够进行车厢和站台的人数监测,进行车厢拥挤分析,标记对应的拥挤站台,进行广播邻近疏导,进行乘客进站监测,匹配对应的诱导编号站台,进行广播指引诱导,并在到站时间之前的到站时间进行广播诱导调整,从而能够使得目标城轨在到站之前,完成城轨客流的自动广播诱导,从而使得目标城轨的各个车厢中形成均匀不拥挤的状态,无需浪费大量工作人员的精力,且疏导效果更加理想。
Description
技术领域
本发明属于城轨管理技术领域,尤其涉及一种基于机器视觉的城轨客流广播诱导方法。
背景技术
城轨,是城际轨道交通和城市轨道交通的简称兼统称,指采用轨道结构进行承重和导向的车辆运输系统,依据城市交通总体规划的要求,设置全封闭或部分封闭的专用轨道线路,以列车或单车形式,运送相当规模客流量的公共交通方式。如市内的地铁或轻轨系统、有轨电车等。城际轨道交通,属于轨道交通的一个新兴类别,介于传统铁路交通和城市轨道交通之间,主要用于实现相邻城市或城市群间的快速联络。
传统的城轨行业的客流诱导方法,是依靠人工检查各站台的人员拥挤情况,通过车次循环时间,凭经验制定客流疏导方案,进行相应的人工客流诱导,不但需要浪费大量工作人员的精力,而且疏导效果不太理想。
发明内容
本发明实施例的目的在于提供一种基于机器视觉的城轨客流广播诱导方法,旨在解决背景技术中提出的问题。
为实现上述目的,本发明实施例提供如下技术方案:
一种基于机器视觉的城轨客流广播诱导方法,所述方法具体包括以下步骤:
基于机器视觉进行车厢和站台的人数监测,获取目标城轨在上一个站台启动时的多个编号车厢人数和多个编号站台人数;
根据多个所述编号车厢人数进行车厢拥挤分析,标记多个拥挤车厢和对应的拥挤站台,对多个所述拥挤站台进行广播邻近疏导;
根据多个所述编号站台人数,预测广播邻近疏导之后的多个更新编号站台人数,并进行诱导分析,标记多个诱导编号站台;
进行乘客进站监测,获取进站站口,按照所述进站站口匹配靠近的诱导编号站台,进行广播指引诱导;
获取目标城轨的到站时间,根据所述到站时间确定调整时间,在所述调整时间进行多个更新编号站台之间的广播诱导调整。
作为本发明实施例技术方案进一步的限定,所述基于机器视觉进行车厢和站台的人数监测,获取目标城轨在上一个站台启动时的多个编号车厢人数和多个编号站台人数具体包括以下步骤:
基于机器视觉进行车厢和站台的人数监测,生成车厢人数监测数据和站台人数监测数据;
接收目标城轨在上一个站台启动时发送的启动信号;
根据所述启动信号,对所述车厢人数监测数据进行人数分析,得到多个编号车厢人数;
根据所述启动信号,对所述站台人数监测数据进行人数分析,得到多个编号站台人数。
作为本发明实施例技术方案进一步的限定,所述根据多个所述编号车厢人数进行车厢拥挤分析,标记多个拥挤车厢和对应的拥挤站台,对多个所述拥挤站台进行广播邻近疏导具体包括以下步骤:
将多个所述编号车厢人数与预设的车厢拥挤人数进行比较,生成拥挤比较数据;
根据所述拥挤比较数据进行车厢拥挤判断,生成拥挤判断结果;
根据所述拥挤判断结果,标记多个拥挤车厢和对应的拥挤站台;
对多个所述拥挤站台进行广播邻近疏导。
作为本发明实施例技术方案进一步的限定,所述对多个所述拥挤站台进行广播邻近疏导具体包括以下步骤:
确定多个所述拥挤站台邻近的多个疏导站台;
在多个所述拥挤站台进行拥挤灯光提示;
在多个所述疏导站台进行疏导灯光提示;
进行多个所述拥挤站台向多个所述疏导站台的广播邻近疏导。
作为本发明实施例技术方案进一步的限定,所述根据多个所述编号站台人数,预测广播邻近疏导之后的多个更新编号站台人数,并进行诱导分析,标记多个诱导编号站台具体包括以下步骤:
根据多个所述编号站台人数,进行邻近疏导预测,生成多个更新编号站台对应的更新编号站台人数;
综合多个所述更新编号站台人数和对应的编号车厢人数,进行诱导分析,生成诱导分析结果;
根据所述诱导分析结果,标记多个诱导编号站台。
作为本发明实施例技术方案进一步的限定,所述进行乘客进站监测,获取进站站口,按照所述进站站口匹配靠近的诱导编号站台,进行广播指引诱导具体包括以下步骤:
进行乘客进站监测,生成进站监测数据;
对所述进站监测数据进行分析,确定进站站口;
根据所述进站站口,匹配靠近的诱导编号站台;
根据所述诱导编号站台,进行广播指引诱导。
作为本发明实施例技术方案进一步的限定,所述获取目标城轨的到站时间,根据所述到站时间确定调整时间,在所述调整时间进行多个更新编号站台之间的广播诱导调整具体包括以下步骤:
获取目标城轨的到站时间,并确定调整时间;
在所述调整时间进行诱导调整分析,生成调整分析结果;
按照所述调整分析结果,从多个所述更新编号站台中标记多个诱导调整站台;
在多个所述诱导调整站台进行诱导调整指引与广播诱导调整。
与现有技术相比,本发明的有益效果是:
本发明实施例通过基于机器视觉进行车厢和站台的人数监测,获取目标城轨的多个编号车厢人数和多个编号站台人数;对多个拥挤站台进行广播邻近疏导;标记多个诱导编号站台;进行进站监测和广播指引诱导;进行多个更新编号站台之间的广播诱导调整。能够进行车厢和站台的人数监测,进行车厢拥挤分析,标记对应的拥挤站台,进行广播邻近疏导,进行乘客进站监测,匹配对应的诱导编号站台,进行广播指引诱导,并在到站时间之前的到站时间进行广播诱导调整,从而能够使得目标城轨在到站之前,完成城轨客流的自动广播诱导,从而使得目标城轨的各个车厢中形成均匀不拥挤的状态,无需浪费大量工作人员的精力,且疏导效果更加理想。
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。
图1示出了本发明实施例提供的方法的流程图。
图2示出了本发明实施例提供的方法中车厢站台人数监测的流程图。
图3示出了本发明实施例提供的方法中拥挤分析邻近疏导的流程图。
图4示出了本发明实施例提供的方法中站台广播邻近疏导的流程图。
图5示出了本发明实施例提供的方法中人数预测诱导分析的流程图。
图6示出了本发明实施例提供的方法中进站监测指引诱导的流程图。
图7示出了本发明实施例提供的方法中站台广播诱导调整的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,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。
可以理解的是,传统的城轨行业的客流诱导方法,通常是依靠人工检查各站台的人员拥挤情况,通过车次循环时间,凭积累的经验制定客流疏导方案,进行相应的人工客流诱导,不但需要浪费大量工作人员的精力,而且疏导效果不太理想。
为解决上述问题,本发明实施例通过基于机器视觉进行车厢和站台的人数监测,获取目标城轨的多个编号车厢人数和多个编号站台人数;对多个拥挤站台进行广播邻近疏导;标记多个诱导编号站台;进行进站监测和广播指引诱导;进行多个更新编号站台之间的广播诱导调整。能够进行车厢和站台的人数监测,进行车厢拥挤分析,标记对应的拥挤站台,进行广播邻近疏导,进行乘客进站监测,匹配对应的诱导编号站台,进行广播指引诱导,并在到站时间之前的到站时间进行广播诱导调整,从而能够使得目标城轨在到站之前,完成城轨客流的自动广播诱导,从而使得目标城轨的各个车厢中形成均匀不拥挤的状态,无需浪费大量工作人员的精力,且疏导效果更加理想。
图1示出了本发明实施例提供的方法的流程图。
具体的,一种基于机器视觉的城轨客流广播诱导方法,所述方法具体包括以下步骤:
步骤S101,基于机器视觉进行车厢和站台的人数监测,获取目标城轨在上一个站台启动时的多个编号车厢人数和多个编号站台人数。
在本发明实施例中,基于机器视觉技术,在目标城轨的多个编号车厢和多个编号站台进行实时拍摄,分别得到车厢人数监测数据和站台人数监测数据,通过对目标城轨的运行进行实时监测,在目标城轨从上一个站台启动时,生成并发送启动信号,此时接收目标城轨发送的启动信号,在接收到启动信号之后,通过对车厢人数监测数据和站台人数监测数据进行人数分析,能够得到多个编号车厢分别对应的编号车厢人数,多个编号站台分别对应的编号站台人数。
具体的,图2示出了本发明实施例提供的方法中车厢站台人数监测的流程图。
其中,在本发明提供的优选实施方式中,所述基于机器视觉进行车厢和站台的人数监测,获取目标城轨在上一个站台启动时的多个编号车厢人数和多个编号站台人数具体包括以下步骤:
步骤S1011,基于机器视觉进行车厢和站台的人数监测,生成车厢人数监测数据和站台人数监测数据。
步骤S1012,接收目标城轨在上一个站台启动时发送的启动信号。
步骤S1013,根据所述启动信号,对所述车厢人数监测数据进行人数分析,得到多个编号车厢人数。
步骤S1014,根据所述启动信号,对所述站台人数监测数据进行人数分析,得到多个编号站台人数。
进一步的,所述基于机器视觉的城轨客流广播诱导方法还包括以下步骤:
步骤S102,根据多个所述编号车厢人数进行车厢拥挤分析,标记多个拥挤车厢和对应的拥挤站台,对多个所述拥挤站台进行广播邻近疏导。
在本发明实施例中,将多个编号车厢人数均与预设的车厢拥挤人数进行比较,进行拥挤比较记录,生成拥挤比较数据,通过根据拥挤比较数据进行车厢拥挤判断,生成拥挤判断结果,进而按照拥挤判断结果,确定多个编号车厢人数大于预设的车厢拥挤人数的编号车厢,将其均标记为拥挤车厢,并将多个拥挤车厢将要对应停靠的多个编号站台标记为拥挤站台,进而将多个拥挤站台邻近的非拥挤站台的编号站台标记为疏导站台,从而得到多个疏导站台,在多个拥挤站台和多个疏导站台上进行不同的灯光警示,并且进行广播邻近疏导,使得多个拥挤站台上的乘客向多个疏导站台转移。
可以理解的是,在多个拥挤站台和多个疏导站台上进行不同的灯光警示,可以是在拥挤站台进行红灯闪所,提示乘客此站台为拥挤站台;在疏导站台进行绿灯闪烁,向乘客进行转移指示。
具体的,图3示出了本发明实施例提供的方法中拥挤分析邻近疏导的流程图。
其中,在本发明提供的优选实施方式中,所述根据多个所述编号车厢人数进行车厢拥挤分析,标记多个拥挤车厢和对应的拥挤站台,对多个所述拥挤站台进行广播邻近疏导具体包括以下步骤:
步骤S1021,将多个所述编号车厢人数与预设的车厢拥挤人数进行比较,生成拥挤比较数据。
步骤S1022,根据所述拥挤比较数据进行车厢拥挤判断,生成拥挤判断结果。
步骤S1023,根据所述拥挤判断结果,标记多个拥挤车厢和对应的拥挤站台。
步骤S1024,对多个所述拥挤站台进行广播邻近疏导。
具体的,图4示出了本发明实施例提供的方法中站台广播邻近疏导的流程图。
其中,在本发明提供的优选实施方式中,所述对多个所述拥挤站台进行广播邻近疏导具体包括以下步骤:
步骤S10241,确定多个所述拥挤站台邻近的多个疏导站台。
步骤S10242,在多个所述拥挤站台进行拥挤灯光提示。
步骤S10243,在多个所述疏导站台进行疏导灯光提示。
步骤S10244,进行多个所述拥挤站台向多个所述疏导站台的广播邻近疏导。
进一步的,所述基于机器视觉的城轨客流广播诱导方法还包括以下步骤:
步骤S103,根据多个所述编号站台人数,预测广播邻近疏导之后的多个更新编号站台人数,并进行诱导分析,标记多个诱导编号站台。
在本发明实施例中,以多个编号站台人数为基础,对广播邻近疏导过程中,顾客的转移进行预测分析,预测除去多个拥挤站台之后,多个更新编号站台对应的更新编号站台人数,且通过综合多个更新编号站台人数和多个编号车厢人数进行诱导分析,生成诱导分析结果,进而按照诱导分析结果,标记多个站台人数相对较少的诱导编号站台。
可以理解的是,可以设置一个标准综合人数,将多个更新编号站台人数分别与对应的编号车厢人数相加,得到编号综合人数,通过将编号综合人数与标准综合人数进行对比,如果编号综合人数少于标准综合人数,则将对应的更新编号站台标记为诱导编号站台。
具体的,图5示出了本发明实施例提供的方法中人数预测诱导分析的流程图。
其中,在本发明提供的优选实施方式中,所述根据多个所述编号站台人数,预测广播邻近疏导之后的多个更新编号站台人数,并进行诱导分析,标记多个诱导编号站台具体包括以下步骤:
步骤S1031,根据多个所述编号站台人数,进行邻近疏导预测,生成多个更新编号站台对应的更新编号站台人数。
步骤S1032,综合多个所述更新编号站台人数和对应的编号车厢人数,进行诱导分析,生成诱导分析结果。
步骤S1033,根据所述诱导分析结果,标记多个诱导编号站台。
进一步的,所述基于机器视觉的城轨客流广播诱导方法还包括以下步骤:
步骤S104,进行乘客进站监测,获取进站站口,按照所述进站站口匹配靠近的诱导编号站台,进行广播指引诱导。
在本发明实施例中,在车站进出口处,对乘客进行进站监测,生成进站监测数据,按照进站监测数据,确定该乘客进站对应的进站站口,通过进站站口的位置,匹配与进站站口相靠近的诱导编号站台,以诱导编号站台为目标站台,向该乘客进行广播指引诱导。具体的,广播指引诱导,可以包括广播指引目标站台的位置和编号、灯光指引通往目标站台的路线。
具体的,图6示出了本发明实施例提供的方法中进站监测指引诱导的流程图。
其中,在本发明提供的优选实施方式中,所述进行乘客进站监测,获取进站站口,按照所述进站站口匹配靠近的诱导编号站台,进行广播指引诱导具体包括以下步骤:
步骤S1041,进行乘客进站监测,生成进站监测数据。
步骤S1042,对所述进站监测数据进行分析,确定进站站口。
步骤S1043,根据所述进站站口,匹配靠近的诱导编号站台。
步骤S1044,根据所述诱导编号站台,进行广播指引诱导。
进一步的,所述基于机器视觉的城轨客流广播诱导方法还包括以下步骤:
步骤S105,获取目标城轨的到站时间,根据所述到站时间确定调整时间,在所述调整时间进行多个更新编号站台之间的广播诱导调整。
在本发明实施例中,通过获取预先规划的目标城轨的到站时间,以预设的时间间隔,确定到站时间之前的调整时间,在调整时间进行诱导调整分析,生成调整分析结果,进而按照调整分析结果,从多个更新编号站台中标记多个诱导调整站台,以多个诱导调整站台为目标进行诱导调整指引和广播诱导调整,使得其他站台的部分乘客向多个诱导调整站台转移。
可以理解的是,在调整时间时,目标城轨进过预设的时间间隔就能到达车站内,此时通过综合多个更新编号站台人数和对应编号车厢人数,进行乘客上车之后的拥挤预测,按照拥挤预测的结果,对多个更新编号站台的等候人数进行最后的适应性调整,可以将多个预测上车之后,相对空旷的编号车厢对应的更新编号站台标记为诱导调整站台,且预测诱导调整的人数,可以在多个诱导调整站台进行黄灯闪所提醒,并通过广播提醒可以调整转移至诱导调整站台的人数,进行诱导调整指引与广播诱导调整。
具体的,图7示出了本发明实施例提供的方法中站台广播诱导调整的流程图。
其中,在本发明提供的优选实施方式中,所述获取目标城轨的到站时间,根据所述到站时间确定调整时间,在所述调整时间进行多个更新编号站台之间的广播诱导调整具体包括以下步骤:
步骤S1051,获取目标城轨的到站时间,并确定调整时间。
步骤S1052,在所述调整时间进行诱导调整分析,生成调整分析结果。
步骤S1053,按照所述调整分析结果,从多个所述更新编号站台中标记多个诱导调整站台。
步骤S1054,在多个所述诱导调整站台进行诱导调整指引与广播诱导调整。
综上所述,本发明实施例通过基于机器视觉进行车厢和站台的人数监测,获取目标城轨在上一个站台启动时的多个编号车厢人数和多个编号站台人数;根据多个所述编号车厢人数进行车厢拥挤分析,标记多个拥挤车厢和对应的拥挤站台,对多个所述拥挤站台进行广播邻近疏导;根据多个所述编号站台人数,预测广播邻近疏导之后的多个更新编号站台人数,并进行诱导分析,标记多个诱导编号站台;进行乘客进站监测,获取进站站口,按照所述进站站口匹配靠近的诱导编号站台,进行广播指引诱导;获取目标城轨的到站时间,根据所述到站时间确定调整时间,在所述调整时间进行多个更新编号站台之间的广播诱导调整。能够进行车厢和站台的人数监测,进行车厢拥挤分析,标记对应的拥挤站台,进行广播邻近疏导,进行乘客进站监测,匹配对应的诱导编号站台,进行广播指引诱导,并在到站时间之前的到站时间进行广播诱导调整,从而能够使得目标城轨在到站之前,完成城轨客流的自动广播诱导,从而使得目标城轨的各个车厢中形成均匀不拥挤的状态,无需浪费大量工作人员的精力,且疏导效果更加理想。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
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非易失性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,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
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 (7)
1.一种基于机器视觉的城轨客流广播诱导方法,其特征在于,所述方法具体包括以下步骤:
基于机器视觉进行车厢和站台的人数监测,获取目标城轨在上一个站台启动时的多个编号车厢人数和多个编号站台人数;
根据多个所述编号车厢人数进行车厢拥挤分析,标记多个拥挤车厢和对应的拥挤站台,对多个所述拥挤站台进行广播邻近疏导;
根据多个所述编号站台人数,预测广播邻近疏导之后的多个更新编号站台人数,并进行诱导分析,标记多个诱导编号站台;
进行乘客进站监测,获取进站站口,按照所述进站站口匹配靠近的诱导编号站台,进行广播指引诱导;
获取目标城轨的到站时间,根据所述到站时间确定调整时间,在所述调整时间进行多个更新编号站台之间的广播诱导调整。
2.根据权利要求1所述的基于机器视觉的城轨客流广播诱导方法,其特征在于,所述基于机器视觉进行车厢和站台的人数监测,获取目标城轨在上一个站台启动时的多个编号车厢人数和多个编号站台人数具体包括以下步骤:
基于机器视觉进行车厢和站台的人数监测,生成车厢人数监测数据和站台人数监测数据;
接收目标城轨在上一个站台启动时发送的启动信号;
根据所述启动信号,对所述车厢人数监测数据进行人数分析,得到多个编号车厢人数;
根据所述启动信号,对所述站台人数监测数据进行人数分析,得到多个编号站台人数。
3.根据权利要求1所述的基于机器视觉的城轨客流广播诱导方法,其特征在于,所述根据多个所述编号车厢人数进行车厢拥挤分析,标记多个拥挤车厢和对应的拥挤站台,对多个所述拥挤站台进行广播邻近疏导具体包括以下步骤:
将多个所述编号车厢人数与预设的车厢拥挤人数进行比较,生成拥挤比较数据;
根据所述拥挤比较数据进行车厢拥挤判断,生成拥挤判断结果;
根据所述拥挤判断结果,标记多个拥挤车厢和对应的拥挤站台;
对多个所述拥挤站台进行广播邻近疏导。
4.根据权利要求3所述的基于机器视觉的城轨客流广播诱导方法,其特征在于,所述对多个所述拥挤站台进行广播邻近疏导具体包括以下步骤:
确定多个所述拥挤站台邻近的多个疏导站台;
在多个所述拥挤站台进行拥挤灯光提示;
在多个所述疏导站台进行疏导灯光提示;
进行多个所述拥挤站台向多个所述疏导站台的广播邻近疏导。
5.根据权利要求1所述的基于机器视觉的城轨客流广播诱导方法,其特征在于,所述根据多个所述编号站台人数,预测广播邻近疏导之后的多个更新编号站台人数,并进行诱导分析,标记多个诱导编号站台具体包括以下步骤:
根据多个所述编号站台人数,进行邻近疏导预测,生成多个更新编号站台对应的更新编号站台人数;
综合多个所述更新编号站台人数和对应的编号车厢人数,进行诱导分析,生成诱导分析结果;
根据所述诱导分析结果,标记多个诱导编号站台。
6.根据权利要求1所述的基于机器视觉的城轨客流广播诱导方法,其特征在于,所述进行乘客进站监测,获取进站站口,按照所述进站站口匹配靠近的诱导编号站台,进行广播指引诱导具体包括以下步骤:
进行乘客进站监测,生成进站监测数据;
对所述进站监测数据进行分析,确定进站站口;
根据所述进站站口,匹配靠近的诱导编号站台;
根据所述诱导编号站台,进行广播指引诱导。
7.根据权利要求1所述的基于机器视觉的城轨客流广播诱导方法,其特征在于,所述获取目标城轨的到站时间,根据所述到站时间确定调整时间,在所述调整时间进行多个更新编号站台之间的广播诱导调整具体包括以下步骤:
获取目标城轨的到站时间,并确定调整时间;
在所述调整时间进行诱导调整分析,生成调整分析结果;
按照所述调整分析结果,从多个所述更新编号站台中标记多个诱导调整站台;
在多个所述诱导调整站台进行诱导调整指引与广播诱导调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211332846.6A CN115588298B (zh) | 2022-10-28 | 2022-10-28 | 一种基于机器视觉的城轨客流广播诱导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211332846.6A CN115588298B (zh) | 2022-10-28 | 2022-10-28 | 一种基于机器视觉的城轨客流广播诱导方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115588298A true CN115588298A (zh) | 2023-01-10 |
CN115588298B CN115588298B (zh) | 2023-12-29 |
Family
ID=84782180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211332846.6A Active CN115588298B (zh) | 2022-10-28 | 2022-10-28 | 一种基于机器视觉的城轨客流广播诱导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115588298B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273285A (zh) * | 2023-11-21 | 2023-12-22 | 北京市运输事业发展中心 | 基于轨道交通大客流站的客运数据采集系统 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010015105A (ja) * | 2008-07-07 | 2010-01-21 | Mitsubishi Electric Corp | 旅客案内装置 |
JP2012101640A (ja) * | 2010-11-09 | 2012-05-31 | Mitsubishi Electric Corp | 列車混雑情報サービスシステム |
CN105793889A (zh) * | 2013-12-04 | 2016-07-20 | 株式会社日立制作所 | 人流引导系统以及人流引导方法 |
CN106779194A (zh) * | 2016-12-05 | 2017-05-31 | 北京交通大学 | 一种城市轨道交通站台乘客的分布预测方法 |
US20170232976A1 (en) * | 2014-08-11 | 2017-08-17 | Init Innovative Informatikanwendungen In Transport Verkehrs- Und Leitsystemen Gmbh | Method for directing passengers of public means of transport |
CN107215363A (zh) * | 2017-06-12 | 2017-09-29 | 中国联合网络通信集团有限公司 | 一种地铁站内乘客排队引导方法和引导系统 |
CN108416315A (zh) * | 2018-03-16 | 2018-08-17 | 杜永波 | 一种地铁进站口客流疏导系统 |
CN207946850U (zh) * | 2018-01-15 | 2018-10-09 | 西南交通大学 | 地铁拥挤度控制系统 |
CN109598257A (zh) * | 2018-12-28 | 2019-04-09 | 福建工程学院 | 一种均衡地铁车厢载客量的引导方法及系统 |
JP2019077418A (ja) * | 2017-10-27 | 2019-05-23 | 株式会社日立製作所 | 旅客案内システムおよび旅客案内方法 |
CN109977927A (zh) * | 2019-04-25 | 2019-07-05 | 苏州雷格特智能设备股份有限公司 | 一种列车乘客拥挤度预警系统 |
CN110245377A (zh) * | 2019-05-08 | 2019-09-17 | 暨南大学 | 一种出行方案推荐方法及推荐系统 |
CN110481606A (zh) * | 2019-08-23 | 2019-11-22 | 上海电气自动化设计研究所有限公司 | 基于视觉识别技术的地铁客流引导系统及方法 |
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 |
CN112347864A (zh) * | 2020-10-21 | 2021-02-09 | 北京市地铁运营有限公司地铁运营技术研发中心 | 轨道交通客流感知及诱导方法、装置、设备和系统 |
CN113276913A (zh) * | 2021-05-25 | 2021-08-20 | 五邑大学 | 一种地铁车厢客流动态均衡的方法及系统 |
CN113505671A (zh) * | 2021-06-29 | 2021-10-15 | 广东交通职业技术学院 | 基于机器视觉的车厢拥挤度确定方法、系统、装置及介质 |
-
2022
- 2022-10-28 CN CN202211332846.6A patent/CN115588298B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010015105A (ja) * | 2008-07-07 | 2010-01-21 | Mitsubishi Electric Corp | 旅客案内装置 |
JP2012101640A (ja) * | 2010-11-09 | 2012-05-31 | Mitsubishi Electric Corp | 列車混雑情報サービスシステム |
CN105793889A (zh) * | 2013-12-04 | 2016-07-20 | 株式会社日立制作所 | 人流引导系统以及人流引导方法 |
US20170232976A1 (en) * | 2014-08-11 | 2017-08-17 | Init Innovative Informatikanwendungen In Transport Verkehrs- Und Leitsystemen Gmbh | Method for directing passengers of public means of transport |
CN106779194A (zh) * | 2016-12-05 | 2017-05-31 | 北京交通大学 | 一种城市轨道交通站台乘客的分布预测方法 |
CN107215363A (zh) * | 2017-06-12 | 2017-09-29 | 中国联合网络通信集团有限公司 | 一种地铁站内乘客排队引导方法和引导系统 |
JP2019077418A (ja) * | 2017-10-27 | 2019-05-23 | 株式会社日立製作所 | 旅客案内システムおよび旅客案内方法 |
CN207946850U (zh) * | 2018-01-15 | 2018-10-09 | 西南交通大学 | 地铁拥挤度控制系统 |
CN108416315A (zh) * | 2018-03-16 | 2018-08-17 | 杜永波 | 一种地铁进站口客流疏导系统 |
CN109598257A (zh) * | 2018-12-28 | 2019-04-09 | 福建工程学院 | 一种均衡地铁车厢载客量的引导方法及系统 |
CN109977927A (zh) * | 2019-04-25 | 2019-07-05 | 苏州雷格特智能设备股份有限公司 | 一种列车乘客拥挤度预警系统 |
CN110245377A (zh) * | 2019-05-08 | 2019-09-17 | 暨南大学 | 一种出行方案推荐方法及推荐系统 |
CN110481606A (zh) * | 2019-08-23 | 2019-11-22 | 上海电气自动化设计研究所有限公司 | 基于视觉识别技术的地铁客流引导系统及方法 |
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 |
CN112347864A (zh) * | 2020-10-21 | 2021-02-09 | 北京市地铁运营有限公司地铁运营技术研发中心 | 轨道交通客流感知及诱导方法、装置、设备和系统 |
CN113276913A (zh) * | 2021-05-25 | 2021-08-20 | 五邑大学 | 一种地铁车厢客流动态均衡的方法及系统 |
CN113505671A (zh) * | 2021-06-29 | 2021-10-15 | 广东交通职业技术学院 | 基于机器视觉的车厢拥挤度确定方法、系统、装置及介质 |
Non-Patent Citations (3)
Title |
---|
庞梦圆;杜彦君;厉超吉;刘鑫;薛健;: "基于图像采集技术的地铁站台客流引导系统研究", 都市快轨交通, no. 02, pages 37 - 41 * |
张立茂;刘梦洁;吴贤国;仲景冰;: "基于DEA的地铁站拥挤踩踏风险分析", 土木工程与管理学报, no. 04, pages 76 - 82 * |
张致炜;陈泓妤;郑少聪;: "基于机器视觉的均衡地铁客流量研究", 时代汽车, no. 13, pages 28 - 30 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273285A (zh) * | 2023-11-21 | 2023-12-22 | 北京市运输事业发展中心 | 基于轨道交通大客流站的客运数据采集系统 |
CN117273285B (zh) * | 2023-11-21 | 2024-02-02 | 北京市运输事业发展中心 | 基于轨道交通大客流站的客运数据采集系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115588298B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Efficient bilevel approach for urban rail transit operation with stop-skipping | |
CN104408908B (zh) | 公交车辆越站调度方法及系统 | |
CN105383526B (zh) | 一种列车冲突检查及解决方法和列车自动监控系统 | |
US10279818B2 (en) | Method for directing passengers of public means of transport | |
CN111079875A (zh) | 基于多源数据的公共交通客流监测方法、装置和存储介质 | |
EP2923913B1 (en) | Automatic train operation system | |
CN109887267B (zh) | 一种轨道交通共线段常规公交调整方法 | |
JP5174728B2 (ja) | 列車運行予測装置 | |
CN115588298A (zh) | 一种基于机器视觉的城轨客流广播诱导方法 | |
CN112214873B (zh) | 一种轨道交通故障下的客流分布仿真评估方法及系统 | |
CN109872536A (zh) | 一种客流引导系统及其控制方法 | |
CN110288829B (zh) | 一种港湾式公交停靠站停车泊位数量设置判别方法 | |
CN114707709A (zh) | 铁路综合客运枢纽安全预警方法及系统 | |
CN106379379B (zh) | 一种城市轨道交通乘客上下车时间的预测方法 | |
CN114037158A (zh) | 一种基于od路径的客流预测方法及应用方法 | |
CN116109081A (zh) | 一种基于物联网的动态公交调度优化方法和装置 | |
CN103903472B (zh) | 一种实时的brt车辆进站优化、站台客流引导系统及方法 | |
CN116258290A (zh) | 一种基于大数据的智慧出行系统 | |
CN115563761A (zh) | 基于时刻表的地铁枢纽站周围道路拥堵预测方法 | |
CN113780654B (zh) | 地铁站中对乘客行走指引的方法、装置、设备及存储介质 | |
Gašparík et al. | Capacity of corridor lines after modernization | |
WO2023035496A1 (zh) | 列车全天候运行方法、装置、电子设备及存储介质 | |
Pochet et al. | Supervision and rescheduling of a mixed CBTC traffic on a suburban railway line | |
JP2010100182A (ja) | 列車制御システム、車上設備、および地上設備 | |
CN105206037B (zh) | 公交线路分析方法和系统 |
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 |