CN116611672B - 一种基于物联网的轨道交通信息分析管理系统 - Google Patents

一种基于物联网的轨道交通信息分析管理系统 Download PDF

Info

Publication number
CN116611672B
CN116611672B CN202310889850.0A CN202310889850A CN116611672B CN 116611672 B CN116611672 B CN 116611672B CN 202310889850 A CN202310889850 A CN 202310889850A CN 116611672 B CN116611672 B CN 116611672B
Authority
CN
China
Prior art keywords
subway
passengers
passenger
stop
time
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
CN202310889850.0A
Other languages
English (en)
Other versions
CN116611672A (zh
Inventor
毛新德
刘英杰
张澎
狄金山
李健
李昊宸
肖淞
任振彬
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.)
Shandong Traffic Control Technology Co ltd
Original Assignee
Shandong Traffic Control Technology 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 Shandong Traffic Control Technology Co ltd filed Critical Shandong Traffic Control Technology Co ltd
Priority to CN202310889850.0A priority Critical patent/CN116611672B/zh
Publication of CN116611672A publication Critical patent/CN116611672A/zh
Application granted granted Critical
Publication of CN116611672B publication Critical patent/CN116611672B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • 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
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/40—Transportation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Accounting & Taxation (AREA)
  • Biomedical Technology (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明属于轨道交通信息分析管理技术领域，具体公开提供的一种基于物联网的轨道交通信息分析管理系统，该系统包括地铁站点数据提取模块、地铁停靠时间预估模块、站点乘客数据采集模块、地铁停靠时间评定确认模块、地铁运营信息库和地铁停靠时间反馈控制终端；本发明有效解决了当前固定停站时间或者通过地铁调度员根据乘客流量进行调整车门开关时间存在的局限性，规避了当前停站灵活不足的缺陷，降低了停站时间过长或者停站时间过短的概率，提高了停站时间设定的适配性和可靠性，从而满足了乘客的换乘需求，并且还确保了乘客的体验感以及地铁的出站效率，满足了地铁乘客停靠时长动态的需求和变化。

Description

一种基于物联网的轨道交通信息分析管理系统
技术领域
本发明属于轨道交通信息分析管理技术领域，涉及到一种基于物联网的轨道交通信息分析管理系统。
背景技术
地铁作为现代城市轨道交通的重要组成部分，为大量乘客提供快速、便捷的出行方式。通过对地铁运营时间进行分析管理，可以优化列车运营方案，提高运输效率，缩短乘客等待时间，减少拥堵和延误，由此凸显了地铁运行车次时间分析管理的重要性和必要性。
当前对地铁运营时间层面的管理主要侧重于发车班次层面的管理，对地铁的停站时间管理还存在一点的欠缺，当前地铁停站时间管理大多数采用固定停站时间或者通过地铁调度员根据乘客流量进行调整车门开关时间，很显然，当前这种地铁停站时间管理还存在以下几个方面的问题：1、停站灵活性不足，存在停站时间过长或者停站时间过短的可能，无法满足乘客换乘需求，进而无法确保乘客的体验感，同时还无法确保地铁的出站效率。
2、停站时间考虑要素较为单一，主要依赖于乘客流量，未对乘客的上下车速度层面进行考量，使得停靠时间评估的参考依据不足，进而使得停靠时间评估的合理性、参考性以及精准性均得不到保障，且对地铁停靠时间的针对性不强，不仅不利于节能环保，还对乘客出行体验带来负面影响。
3、停靠时间变动评估的可靠性和效率不强，通过调度员进行人工停靠时间变动判断容易受到主观性和个人经验的影响，可能导致停靠时间的不准确性，同时人工确认停靠变动判断通常一段时间的观察和记录，然后进行整理和决策，存在一定的时间延迟，无法及时反应乘客需求的变化和实时的交通状况，存在一定的局限性。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于物联网的轨道交通信息分析管理系统。
本发明的目的可以通过以下技术方案实现：本发明提供一种基于物联网的轨道交通信息分析管理系统，该系统包括：地铁站点数据提取模块，用于提取指定地铁当前搭载的乘客信息以及下一停靠站点的位置和站点类型，其中，站点类型包括换乘站点和普通站点。
地铁停靠时间预估模块，用于提取指定地铁当前的行车速度以及位置，将指定地铁下一停靠站点的位置与其当前位置之间的距离记为剩余行驶距离，通过公式预测指定地铁对应下一停靠站点的预计抵达时间点。
站点乘客数据采集模块，用于当指定地铁抵达下一停靠点时，采集该停靠点内待上车的乘客信息。
地铁停靠时间评定确认模块，用于对指定地铁在下一停靠站点的停靠时间进行更改评定，得到更改评定结果，据此确认指定地铁在下一停靠站点的目标停靠时长。
地铁运营信息库，用于存储指定地铁对应历史各运营日在各停靠站点对应各运营时段内的搭载乘客数目、上车乘客数目、下车乘客数目和驶离偏差时长，并存储指定地铁对应各停靠站点的位置、各设定抵达时间点和设定停靠时长。
地铁停靠时间反馈控制终端，用于将指定地铁在下一停靠站点的目标停靠时长反馈至停靠控制终端，进而进行停靠时长控制。
优选地，所述乘客信息包括乘客数目、各乘客对应的年龄区间、携带物品数目以及各携带物品的携带方式和三维轮廓。
优选地，所述对指定地铁在下一停靠站点的停靠时间进行更改评定，包括：根据指定地铁对应下一停靠站点的位置，从地铁运营信息库中提取指定地铁对应下一停靠点的各设定抵达时间点，将距离当前最近的设定抵达时间点作为指定地铁对应下一停靠站点的目标抵达时间点。
将指定地铁对应下一停靠站点的预计抵达时间点与其目标抵达时间点进行对比，得到抵达偏差时长。
若抵达偏差时长大于设定允许抵达偏差时长，则将更改作为指定地铁在下一停靠站点的停靠时间更改评定结果，反之则从地铁运营信息库中提取指定地铁对应历史各运营日在下一停靠站点对应当前所处运营时间段内的搭载乘客数目、上车乘客数目、下车乘客数目和驶离偏差时长。
若历史某运营日在下一停靠站点对应当前所处运营时间段内的驶离偏差时长小于或者等于设定允许驶离偏差时长，则将该运营日记为参照运营日。
统计参照运营日数目，并统计指定地铁与各参照运营日对应乘客相似度，t表示参照运营日编号，/>。
若，将更改作为指定地铁在下一停靠站点的停靠时间更改评定结果，/>为设定乘客相似度阈值。
若，将不更改作为指定地铁在下一停靠站点的停靠时间更改评定结果，u表示参照运营日数目。
优选地，所述统计指定地铁与各参照运营日对应乘客相似度，包括：从所述待上车的乘客信息中提取乘客数目，记为。
从所述当前搭载的乘客信息中提取乘客数目，记为，将其与历史各运营日在下一停靠站点对应当前所处运营时间段内的搭载乘客数目进行作差，将差值小于设定搭载乘客数目差的历史各运营日记为历史各相似运营日。
将历史各相似运营日在下一停靠点对应当前所处运营时间段内的下车乘客数目进行均值计算，将计算结果作为指定地铁在下一停靠点的预计下车乘客数目，记为。
将各参照运营日在下一停靠点对应当前所处运营时间段内的搭载乘客、上车乘客数目和下车乘客数目分别记为、/>和/>。
统计指定地铁与各参照运营日对应乘客相似度， 分别为设定参照的搭载乘客数目差、上车乘客数目差、下车乘客数目差，/>为设定的乘客相似评估修正因子。
优选地，所述确认指定地铁在下一停靠站点的目标停靠时长的确认过程为：当更改评定结果为不更改时，从地铁运营信息库中提取指定地铁在下一停靠站点的设定停靠时长，作为其目标停靠时长。
当更改评定结果为更改时，提取指定地铁的抵达偏差时长，记为，若/>，则判断指定地铁提前到站，将/>作为提前到站时长。
从所述待上车的乘客信息中提取乘客数目，并提取各乘客对应的年龄区间、携带物品数目以及各携带物品的携带方式和三维轮廓，设定上车速度层面停靠时间影响因子。
根据所述搭载的乘客信息，设定下车速度层面停靠时间影响因子。
提取指定地铁下一停靠站点的站点类型，设定停靠延时需求权重因子，/>取值为0或者1。
统计指定地铁的停靠时长适配度，进而统计提前到站情况下指定地铁在下一停靠站点的目标停靠时长/>，/>，/>为设定的普通站点、换乘站点的浮动停靠时长，/>为设定的参照停靠时长适配度。
若，则判断指定地铁准时到站，提取指定地铁的停靠时长适配度/>，统计准时到站情况下指定地铁行在下一停靠站点的目标停靠时长/>。
若，则判断指定地铁延迟到站，提取指定地铁的停靠时长适配度/>，统计延迟到站情况下指定地铁行在下一停靠站点的目标停靠时长/>，，/>表示向下取整符号，以此确认指定地铁在下一停靠站点的目标停靠时长。
优选地，所述设定上车速度层面停靠时间影响因子，具体设定过程为：基于待上车的各乘客对应的年龄区间，统计位于老龄区间和幼龄区间内待上车的乘客数目，分别记为和/>。
从待上车的各乘客对应携带物品数目中统计出携带物品数目不为0的乘客数目，记为。
设定待上车的各乘客对应携带物品干扰因子，i表示待上车乘客编号，，统计携带物品干扰因子大于参考携带物品干扰因子的乘客数目/>。
统计上车速度层面停靠时间影响因子，/>，、/>、/>分别为设定的参照老幼乘客数目占比、携带物品乘客数目占比、干扰携带物品乘客数目占，e为自然常数。
优选地，所述设定待上车的各乘客对应携带物品干扰因子，包括：将待上车的各乘客对应携带物品的数目记为。
根据待上车的各乘客对应各携带物品的携带方式，设定携带方式的干扰权重因子，并从中提取最大干扰权重因子作为待上车的各乘客对应携带方式的干扰权重因子。
根据待上车的各乘客对应各携带物品的三维轮廓，得到各携带物品的体积，并从中提取最大体积，作为待上车的各乘客对应携带物品体积。
设定待上车的各乘客对应携带物品干扰因子，/>，分别为设定参照的携带物品数目差、携带方式干扰权重因子差、携带物品体积，/>为设定的携带物品干扰评估修正因子。
优选地，所述设定下车速度层面停靠时间影响因子，包括：提取指定地铁在下一停靠点的预计下车乘客数目和指定地铁当前搭载的乘客数目/>，作比得到流动乘客占比。
从当前搭载的乘客信息中提取各乘客的携带物品数目、年龄区间以及各携带物品的携带方式和三维轮廓，统计当前搭载的携带物品乘客占比、老龄搭载乘客占比、幼搭载乘客占比和干扰携带物品乘客占比，分别记为、/>、/>和/>。
统计下车速度层面停靠时间影响因子，/>，为设定的参照的流动乘客占比差。
优选地，所述指定地铁的停靠时长适配度的统计公式为：，分别为设定许可的上车速度层面停靠时间影响因子、下车速度层面停靠时间影响因子。
优选地，所述准时到站情况下指定地铁行在下一停靠站点的目标停靠时长的具体统计公式为。
相较于现有技术，本发明的有益效果如下：（1）本发明通过对指定地铁的预计抵达时间进行预估，并根据当前搭载的乘客信息以及待上车的乘客信息，进行停靠时间更改评定，进而确认目标停靠时长，有效解决了当前固定停站时间或者通过地铁调度员根据乘客流量进行调整车门开关时间存在的局限性，规避了当前停站灵活不足的缺陷，降低了停站时间过长或者停站时间过短的概率，提高了停站时间设定的适配性和可靠性，从而满足了乘客的换乘需求，并且还确保了乘客的体验感以及地铁的出站效率。
（2）本发明在进行停靠时间更改评定时，通过根据地铁抵达偏差情况进行上、下车乘客数目与地铁历史运营的相似情况进行分析，实现了地铁停靠时长更改的自动化评定，解决了当前停靠时间变动评估的可靠性和效率不强的问题，避免了人工停靠时间变动判断中的主观性和个人经验的影响，同时还减少了调度员的人工观察整理与决策中的误差性和繁琐性，降低后续停靠时间设定不准确的概率，从而及时乘客需求的变化和实时的交通状况，满足了地铁乘客停靠时长动态的需求和变化，并且还确保了停靠时间更改评定结果的合理性。
（3）本发明通过对搭载乘客信息和待上车乘客信息进行分析，设定上车速度层面、下车停靠时间影响因子，同时根据下一停靠站点类型设定停靠延时需求权重因子，并指定地铁的抵达时长偏差情况进行分类确认，实现了地铁各抵达情况对应停靠时长的针对性设定，打破了当前单一要素停站时间设定的局限性，实现了乘客的上下车速度影响的深度分析，拓展了地铁停靠时间评估的参考依据，从而确保了地铁停靠时长设定的合理性、参考性、精准性以及针对性，不仅为节能环保的提供便利，还降低了乘客出行体验的负面影响。
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为本发明系统各模块连接示意图。
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做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。
请参阅图1所示，本发明提供了一种基于物联网的轨道交通信息分析管理系统，该系统包括地铁站点数据提取模块、地铁停靠时间预估模块、站点乘客数据采集模块、地铁停靠时间评定确认模块、地铁运营信息库和地铁停靠时间反馈控制终端。
上述中，地铁停靠时间评定确认模块分别与地铁站点数据提取模块、地铁停靠时间预估模块、站点乘客数据采集模块、地铁运营信息库和地铁停靠时间反馈控制终端连接，铁停靠时间预估模块分别与地铁站点数据提取模块与地铁运营信息库连接。
所述地铁站点数据提取模块，用于提取指定地铁当前搭载的乘客信息以及下一停靠站点的位置和站点类型，其中，站点类型包括换乘站点和普通站点。
具体地，当前搭载的乘客信息通过地铁各车厢内安置的摄像头采集得到，乘客信息包括乘客数目、各乘客对应的年龄区间、携带物品数目以及各携带物品的携带方式和三维轮廓。
其中，乘客年龄区间通过将乘客图像与设定各年龄区间图像匹配对比的得到，其具体匹配对比方式为现有较为成熟技术，在此不进行赘述。
在一个具体实施例中，乘客携带物品的种类和数量以及携带方式的不同，都会对车辆停靠时长产生影响。如果乘客携带的物品过多或携带方式不便利，需要花费更长的时间上下车，而老年人或者幼童属于行动不便的行列，需要更多的时间来上下车。因此需要对乘客的年龄区间以及乘车携带物品情况进行分析，从而为后续停靠时长设定提供参照依据。
所述地铁停靠时间预估模块，用于提取指定地铁当前的行车速度以及位置，将指定地铁下一停靠站点的位置与其当前位置之间的距离记为剩余行驶距离，通过公式预测指定地铁对应下一停靠站点的预计抵达时间点。
所述站点乘客数据采集模块，用于当指定地铁抵达下一停靠点时，通过下一停靠点对应等候区域安置的摄像头采集该停靠点内待上车的乘客信息。
所述地铁停靠时间评定确认模块，用于对指定地铁在下一停靠站点的停靠时间进行更改评定，得到更改评定结果，据此确认指定地铁在下一停靠站点的目标停靠时长。
具体地，对指定地铁在下一停靠站点的停靠时间进行更改评定，包括：A1、根据指定地铁对应下一停靠站点的位置，从地铁运营信息库中提取指定地铁对应下一停靠点的各设定抵达时间点，将距离当前最近的设定抵达时间点作为指定地铁对应下一停靠站点的目标抵达时间点。
A2、将指定地铁对应下一停靠站点的预计抵达时间点与其目标抵达时间点进行对比，得到抵达偏差时长。
A3、若抵达偏差时长大于设定允许抵达偏差时长，则将更改作为指定地铁在下一停靠站点的停靠时间更改评定结果，反之则从地铁运营信息库中提取指定地铁对应历史各运营日在下一停靠站点对应当前所处运营时间段内的搭载乘客数目、上车乘客数目、下车乘客数目和驶离偏差时长。
A4、若历史某运营日在下一停靠站点对应当前所处运营时间段内的驶离偏差时长小于或者等于设定允许驶离偏差时长，则将该运营日记为参照运营日。
A5、统计参照运营日数目，并统计指定地铁与各参照运营日对应乘客相似度，t表示参照运营日编号，/>。
可理解地，统计指定地铁与各参照运营日对应乘客相似度，包括：A5-1、从所述待上车的乘客信息中提取乘客数目，记为。
A5-2、从所述当前搭载的乘客信息中提取乘客数目，记为，将其与历史各运营日在下一停靠站点对应当前所处运营时间段内的搭载乘客数目进行作差，将差值小于设定搭载乘客数目差的历史各运营日记为历史各相似运营日。
A5-3、将历史各相似运营日在下一停靠点对应当前所处运营时间段内的下车乘客数目进行均值计算，将计算结果作为指定地铁在下一停靠点的预计下车乘客数目，记为。
A5-4、将各参照运营日在下一停靠点对应当前所处运营时间段内的搭载乘客、上车乘客数目和下车乘客数目分别记为、/>和/>。
A5-5、统计指定地铁与各参照运营日对应乘客相似度， 分别为设定参照的搭载乘客数目差、上车乘客数目差、下车乘客数目差，/>为设定的乘客相似评估修正因子。
A6、若，将更改作为指定地铁在下一停靠站点的停靠时间更改评定结果，/>为设定乘客相似度阈值，/>表示指定地铁与各参照运营日对应乘客相似度中的最大值。
A7、若，将不更改作为指定地铁在下一停靠站点的停靠时间更改评定结果，u表示参照运营日数目。
本发明实施例在进行停靠时间更改评定时，通过根据地铁抵达偏差情况进行上、下车乘客数目与地铁历史运营的相似情况进行分析，实现了地铁停靠时长更改的自动化评定，解决了当前停靠时间变动评估的可靠性和效率不强的问题，避免了人工停靠时间变动判断中的主观性和个人经验的影响，同时还减少了调度员的人工观察整理与决策中的误差性和繁琐性，降低后续停靠时间设定不准确的概率，从而及时乘客需求的变化和实时的交通状况，满足了地铁乘客停靠时长动态的需求和变化，并且还确保了停靠时间更改评定结果的合理性。
进一步地，确认指定地铁在下一停靠站点的目标停靠时长的确认过程为：B1、当更改评定结果为不更改时，从地铁运营信息库中提取指定地铁在下一停靠站点的设定停靠时长，作为其目标停靠时长。
B2、当更改评定结果为更改时，提取指定地铁的抵达偏差时长，记为，若，则判断指定地铁提前到站，将/>作为提前到站时长。
B3、从所述待上车的乘客信息中提取乘客数目，并提取各乘客对应的年龄区间、携带物品数目以及各携带物品的携带方式和三维轮廓，设定上车速度层面停靠时间影响因子/>。
可理解地，设定上车速度层面停靠时间影响因子，具体设定过程为：B3-1、基于待上车的各乘客对应的年龄区间，将待上车的各乘客对应的年龄区间进行相互对比，得到各年龄区间对应待上车的乘客数目，进而统计位于老龄区间和幼龄区间内待上车的乘客数目，分别记为和/>。
B3-2、从待上车的各乘客对应携带物品数目中统计出携带物品数目不为0的乘客数目，记为。
B3-3、设定待上车的各乘客对应携带物品干扰因子，i表示待上车乘客编号，，统计携带物品干扰因子大于参考携带物品干扰因子的乘客数目/>。
进一步地，设定待上车的各乘客对应携带物品干扰因子，包括：将待上车的各乘客对应携带物品的数目记为。
根据待上车的各乘客对应各携带物品的携带方式，设定携带方式的干扰权重因子，并从中提取最大干扰权重因子作为待上车的各乘客对应携带方式的干扰权重因子。
需要说明的是，携带方式包括手提、背负、抱持和拖拉，且在一个具体实施例中，可以设定手提携带方式的干扰权重因子为0.5、背负携带方式的干扰权重因子为0.6，抱持携带方式的干扰权重因子为0.7，拖拉携带方式的干扰权重因子为0.8。
根据待上车的各乘客对应各携带物品的三维轮廓，得到各携带物品的体积，并从中提取最大体积，作为待上车的各乘客对应携带物品体积。
设定待上车的各乘客对应携带物品干扰因子，/>，分别为设定参照的携带物品数目差、携带方式干扰权重因子差、携带物品体积，/>为设定的携带物品干扰评估修正因子。
需要说明的是，设定的携带物品干扰评估修正因子具体修正过程为：将各乘客对应各携带物品的三维轮廓与设定的各便携物品三维轮廓进行重合对比，得到各乘客对应各携带物品三维轮廓与设定各便携物品三维轮廓的重合体积。
将各便携物品三维轮廓体积与各乘客对应各携带物品三维轮廓与设定各便携物品三维轮廓的重合体积进行对应作差，若某便携物品三维轮廓体积与某乘客对应某携带物品三维轮廓体积与该便携物品三维轮廓体积的重合体积差在设定体积差范围内，则判断该乘客对应该携带物品为便携物品。
统计各乘客对应的便携物品数目，通过公式。
B3-4、统计上车速度层面停靠时间影响因子，/>，、/>、/>分别为设定的参照老幼乘客数目占比、携带物品乘客数目占比、干扰携带物品乘客数目占，e为自然常数。
B4、根据所述搭载的乘客信息，设定下车速度层面停靠时间影响因子。
可理解地，设定下车速度层面停靠时间影响因子，包括：提取指定地铁在下一停靠点的预计下车乘客数目和指定地铁当前搭载的乘客数目/>，作比得到流动乘客占比。
从当前搭载的乘客信息中提取各乘客的携带物品数目、年龄区间以及各携带物品的携带方式和三维轮廓，统计当前搭载的携带物品乘客占比、老龄搭载乘客占比、幼搭载乘客占比和干扰携带物品乘客占比，分别记为、/>、/>和/>。
需要说明的是，携带物品乘客占比为携带物品数目不为0的搭载乘客数目与当前搭载的乘客数目之比，老龄搭载乘客占比指位于老龄区间内搭载的乘客数目与当前搭载的乘客数目之比，幼搭载乘客占比指位于幼龄区间内搭载的乘客数目与当前搭载的乘客数目之比。
还需要说明的是，干扰携带物品乘客占比的统计方式为：按照待上车的各乘客对应携带物品干扰因子的设定方式同理设定当前搭载的各乘客对应携带物品干扰因子，由此统计携带物品干扰因子大于参考携带物品干扰因子的搭载乘客数目，进而与当前搭载的乘客数目进行作比，得到干扰携带物品乘客占比。
统计下车速度层面停靠时间影响因子，/>，为设定的参照的流动乘客占比差，/>表示/>、/>和/>之和、中取最大值。
B5、提取指定地铁下一停靠站点的站点类型，设定停靠延时需求权重因子，/>取值为0或者1。
需要说明的是，当站点类型为普通站点时，停靠延时需求权重因子取值为0，当站点类型为换乘站点时，停靠延时需求权重因子/>取值为1。
B6、统计指定地铁的停靠时长适配度，进而统计提前到站情况下指定地铁在下一停靠站点的目标停靠时长/>，/>，/>为设定的普通站点、换乘站点的浮动停靠时长，/>为设定的参照停靠时长适配度。
具体地，指定地铁的停靠时长适配度的统计公式为：，/>分别为设定许可的上车速度层面停靠时间影响因子、下车速度层面停靠时间影响因子。
B7、若，则判断指定地铁准时到站，提取指定地铁的停靠时长适配度，统计准时到站情况下指定地铁行在下一停靠站点的目标停靠时长/>，。
B8、若，则判断指定地铁延迟到站，提取指定地铁的停靠时长适配度/>，统计延迟到站情况下指定地铁行在下一停靠站点的目标停靠时长/>，，/>表示向下取整符号，以此确认指定地铁在下一停靠站点的目标停靠时长。
本发明通过对搭载乘客信息和待上车乘客信息进行分析，设定上车速度层面、下车停靠时间影响因子，同时根据下一停靠站点类型设定停靠延时需求权重因子，并指定地铁的抵达时长偏差情况进行分类确认，实现了地铁各抵达情况对应停靠时长的针对性设定，打破了当前单一要素停站时间设定的局限性，实现了乘客的上下车速度影响的深度分析，拓展了地铁停靠时间评估的参考依据，从而确保了地铁停靠时长设定的合理性、参考性、精准性以及针对性，不仅为节能环保的提供便利，还降低了乘客出行体验的负面影响。
所述地铁运营信息库，用于存储指定地铁对应历史各运营日在各停靠站点对应各运营时段内的搭载乘客数目、上车乘客数目、下车乘客数目和驶离偏差时长，并存储指定地铁对应各停靠站点的位置、各设定抵达时间点和设定停靠时长。
所述地铁停靠时间反馈控制终端，用于将指定地铁在下一停靠站点的目标停靠时长反馈至停靠控制终端，进而进行停靠时长控制。
本发明实施例通过对指定地铁的预计抵达时间进行预估，并根据当前搭载的乘客信息以及待上车的乘客信息，进行停靠时间更改评定，进而确认目标停靠时长，有效解决了当前固定停站时间或者通过地铁调度员根据乘客流量进行调整车门开关时间存在的局限性，规避了当前停站灵活不足的缺陷，降低了停站时间过长或者停站时间过短的概率，提高了停站时间设定的适配性和可靠性，从而满足了乘客的换乘需求，并且还确保了乘客的体验感以及地铁的出站效率。
以上内容仅仅是对本发明的构思所作的举例和说明，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，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于物联网的轨道交通信息分析管理系统，其特征在于：该系统包括：
地铁站点数据提取模块，用于提取指定地铁当前搭载的乘客信息以及下一停靠站点的位置和站点类型，其中，站点类型包括换乘站点和普通站点；
地铁停靠时间预估模块，用于提取指定地铁当前的行车速度以及位置，将指定地铁下一停靠站点的位置与其当前位置之间的距离记为剩余行驶距离，通过公式预测指定地铁对应下一停靠站点的预计抵达时间点；
站点乘客数据采集模块，用于当指定地铁抵达下一停靠点时，采集该停靠点内待上车的乘客信息；
地铁停靠时间评定确认模块，用于对指定地铁在下一停靠站点的停靠时间进行更改评定，得到更改评定结果，据此确认指定地铁在下一停靠站点的目标停靠时长；
所述对指定地铁在下一停靠站点的停靠时间进行更改评定，包括：
根据指定地铁对应下一停靠站点的位置，从地铁运营信息库中提取指定地铁对应下一停靠点的各设定抵达时间点，将距离当前最近的设定抵达时间点作为指定地铁对应下一停靠站点的目标抵达时间点；
将指定地铁对应下一停靠站点的预计抵达时间点与其目标抵达时间点进行对比，得到抵达偏差时长；
若抵达偏差时长大于设定允许抵达偏差时长，则将更改作为指定地铁在下一停靠站点的停靠时间更改评定结果,反之则从地铁运营信息库中提取指定地铁对应历史各运营日在下一停靠站点对应当前所处运营时间段内的搭载乘客数目、上车乘客数目、下车乘客数目和驶离偏差时长；
若历史某运营日在下一停靠站点对应当前所处运营时间段内的驶离偏差时长小于或者等于设定允许驶离偏差时长，则将该运营日记为参照运营日；
统计参照运营日数目，并统计指定地铁与各参照运营日对应乘客相似度，t表示参照运营日编号，/>；
若，将更改作为指定地铁在下一停靠站点的停靠时间更改评定结果，为设定乘客相似度阈值；
若，将不更改作为指定地铁在下一停靠站点的停靠时间更改评定结果，u表示参照运营日数目；
所述确认指定地铁在下一停靠站点的目标停靠时长的确认过程为：
当更改评定结果为不更改时，从地铁运营信息库中提取指定地铁在下一停靠站点的设定停靠时长，作为其目标停靠时长；
当更改评定结果为更改时，提取指定地铁的抵达偏差时长，记为，若/>，则判断指定地铁提前到站，将/>作为提前到站时长；
从所述待上车的乘客信息中提取乘客数目，并提取各乘客对应的年龄区间、携带物品数目以及各携带物品的携带方式和三维轮廓，设定上车速度层面停靠时间影响因子/>；
根据所述搭载的乘客信息，设定下车速度层面停靠时间影响因子；
提取指定地铁下一停靠站点的站点类型，设定停靠延时需求权重因子，/>取值为0或者1；
统计指定地铁的停靠时长适配度，进而统计提前到站情况下指定地铁在下一停靠站点的目标停靠时长/>，/>,/>为设定的普通站点、换乘站点的浮动停靠时长，/>为设定的参照停靠时长适配度；
若，则判断指定地铁准时到站，提取指定地铁的停靠时长适配度/>，统计准时到站情况下指定地铁行在下一停靠站点的目标停靠时长/>；
若，则判断指定地铁延迟到站，提取指定地铁的停靠时长适配度/>，统计延迟到站情况下指定地铁行在下一停靠站点的目标停靠时长/>，，/>表示向下取整符号，以此确认指定地铁在下一停靠站点的目标停靠时长；
地铁运营信息库，用于存储指定地铁对应历史各运营日在各停靠站点对应各运营时段内的搭载乘客数目、上车乘客数目、下车乘客数目和驶离偏差时长，并存储指定地铁对应各停靠站点的位置、各设定抵达时间点和设定停靠时长；
地铁停靠时间反馈控制终端，用于将指定地铁在下一停靠站点的目标停靠时长反馈至停靠控制终端，进而进行停靠时长控制。
2.如权利要求1所述的一种基于物联网的轨道交通信息分析管理系统，其特征在于：所述乘客信息包括乘客数目、各乘客对应的年龄区间、携带物品数目以及各携带物品的携带方式和三维轮廓。
3.如权利要求1所述的一种基于物联网的轨道交通信息分析管理系统，其特征在于：所述统计指定地铁与各参照运营日对应乘客相似度，包括：
从所述待上车的乘客信息中提取乘客数目，记为；
从所述当前搭载的乘客信息中提取乘客数目，记为，将其与历史各运营日在下一停靠站点对应当前所处运营时间段内的搭载乘客数目进行作差，将差值小于设定搭载乘客数目差的历史各运营日记为历史各相似运营日；
将历史各相似运营日在下一停靠点对应当前所处运营时间段内的下车乘客数目进行均值计算，将计算结果作为指定地铁在下一停靠点的预计下车乘客数目，记为；
将各参照运营日在下一停靠点对应当前所处运营时间段内的搭载乘客、上车乘客数目和下车乘客数目分别记为、/>和/>；
统计指定地铁与各参照运营日对应乘客相似度， 分别为设定参照的搭载乘客数目差、上车乘客数目差、下车乘客数目差，/>为设定的乘客相似评估修正因子。
4.如权利要求1所述的一种基于物联网的轨道交通信息分析管理系统，其特征在于：所述设定上车速度层面停靠时间影响因子，具体设定过程为：
基于待上车的各乘客对应的年龄区间，统计位于老龄区间和幼龄区间内待上车的乘客数目，分别记为和/>；
从待上车的各乘客对应携带物品数目中统计出携带物品数目不为0的乘客数目，记为；
设定待上车的各乘客对应携带物品干扰因子，i表示待上车乘客编号，/>，统计携带物品干扰因子大于参考携带物品干扰因子的乘客数目/>；
统计上车速度层面停靠时间影响因子，/>，、/>、/>分别为设定的参照老幼乘客数目占比、携带物品乘客数目占比、干扰携带物品乘客数目占，e为自然常数。
5.如权利要求1所述的一种基于物联网的轨道交通信息分析管理系统，其特征在于：所述设定待上车的各乘客对应携带物品干扰因子，包括：
将待上车的各乘客对应携带物品的数目记为；
根据待上车的各乘客对应各携带物品的携带方式，设定携带方式的干扰权重因子，并从中提取最大干扰权重因子作为待上车的各乘客对应携带方式的干扰权重因子；
根据待上车的各乘客对应各携带物品的三维轮廓，得到各携带物品的体积，并从中提取最大体积，作为待上车的各乘客对应携带物品体积；
设定待上车的各乘客对应携带物品干扰因子，/>，分别为设定参照的携带物品数目差、携带方式干扰权重因子差、携带物品体积，/>为设定的携带物品干扰评估修正因子。
6.如权利要求4所述的一种基于物联网的轨道交通信息分析管理系统，其特征在于：所述设定下车速度层面停靠时间影响因子，包括：
提取指定地铁在下一停靠点的预计下车乘客数目和指定地铁当前搭载的乘客数目，作比得到流动乘客占比/>；
从当前搭载的乘客信息中提取各乘客的携带物品数目、年龄区间以及各携带物品的携带方式和三维轮廓，统计当前搭载的携带物品乘客占比、老龄搭载乘客占比、幼搭载乘客占比和干扰携带物品乘客占比，分别记为、/>、/>和/>；
统计下车速度层面停靠时间影响因子，/>，为设定的参照的流动乘客占比差。
7.如权利要求1所述的一种基于物联网的轨道交通信息分析管理系统，其特征在于：所述指定地铁的停靠时长适配度的统计公式为：，/>分别为设定许可的上车速度层面停靠时间影响因子、下车速度层面停靠时间影响因子。
8.如权利要求1所述的一种基于物联网的轨道交通信息分析管理系统，其特征在于：所述准时到站情况下指定地铁行在下一停靠站点的目标停靠时长的具体统计公式为。
CN202310889850.0A 2023-07-20 2023-07-20 一种基于物联网的轨道交通信息分析管理系统 Active CN116611672B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310889850.0A CN116611672B (zh) 2023-07-20 2023-07-20 一种基于物联网的轨道交通信息分析管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310889850.0A CN116611672B (zh) 2023-07-20 2023-07-20 一种基于物联网的轨道交通信息分析管理系统

Publications (2)

Publication Number Publication Date
CN116611672A CN116611672A (zh) 2023-08-18
CN116611672B true CN116611672B (zh) 2023-10-10

Family

ID=87683971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310889850.0A Active CN116611672B (zh) 2023-07-20 2023-07-20 一种基于物联网的轨道交通信息分析管理系统

Country Status (1)

Country Link
CN (1) CN116611672B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11339190A (ja) * 1998-05-25 1999-12-10 Casio Comput Co Ltd 車両運行管理システム
CN111031493A (zh) * 2019-12-02 2020-04-17 腾讯科技（深圳）有限公司 运行时刻信息传输方法、装置、电子设备及存储介质
CN113628473A (zh) * 2021-07-02 2021-11-09 东南大学 一种智能公交车辆响应式停站计划与动态调度系统
CN115423220A (zh) * 2022-11-03 2022-12-02 南京国电南自轨道交通工程有限公司 一种基于地铁轨道交通车辆运维监控系统
WO2023018939A1 (en) * 2021-08-13 2023-02-16 University Of Cincinnati Systems and methods for predicting airport passenger flow

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11339190A (ja) * 1998-05-25 1999-12-10 Casio Comput Co Ltd 車両運行管理システム
CN111031493A (zh) * 2019-12-02 2020-04-17 腾讯科技（深圳）有限公司 运行时刻信息传输方法、装置、电子设备及存储介质
CN113628473A (zh) * 2021-07-02 2021-11-09 东南大学 一种智能公交车辆响应式停站计划与动态调度系统
WO2023018939A1 (en) * 2021-08-13 2023-02-16 University Of Cincinnati Systems and methods for predicting airport passenger flow
CN115423220A (zh) * 2022-11-03 2022-12-02 南京国电南自轨道交通工程有限公司 一种基于地铁轨道交通车辆运维监控系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
公交网络中的乘客需求预测系统和方法;周春姐;张志旺;唐文静;;计算机科学(第S1期);全文 *
城市轨道交通停站时间建模研究;张碧纯;卢弋;;交通与运输(学术版)(第02期);全文 *

Also Published As

Publication number Publication date
CN116611672A (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
WO2021159865A1 (zh) 一种基于数据校准的公交路线预测方法及系统
Hansen et al. Online train delay recognition and running time prediction
CN109272168A (zh) 一种城市轨道交通客流变化趋势预测方法
CN112130168B (zh) 一种用于折返控制的列车位置状态检测方法及系统
CN109903555B (zh) 一种基于大数据的公交乘客下车数据预测方法及系统
Cornet et al. Methods for quantitative assessment of passenger flow influence on train dwell time in dense traffic areas
CN109887292B (zh) 车辆类型的识别方法及系统
CN108010339B (zh) 基于公交车停靠时间的交叉路口信号灯控制方法
CN108615391A (zh) 一种公交智能调度方法、系统及介质
CN101356089A (zh) 鉴于有轨车厢参数优化火车运行的系统、方法和计算机软件代码
CN111016979A (zh) 基于实时客流的城市轨道交通列车自动调整方法
CN104766199A (zh) 一种列车乘车免换票与自动提醒装置
CN108364464A (zh) 一种基于概率模型的公交车辆旅行时间建模方法
CN116611672B (zh) 一种基于物联网的轨道交通信息分析管理系统
CN113658433B (zh) 一种基于公交刷卡扫码数据提取客流特征的方法
CN117115562B (zh) 一种基于深度学习的进站铁路货运列车车厢计数方法
CN109308539A (zh) 实时估算轨道交通线网中换乘站的乘客滞留状态的方法
CN109760717B (zh) 一种电力机车智能驾驶系统
CN115641722B (zh) 一种基于动态等待时间的班车出行服务系统及方法
CN108549953B (zh) 一种单侧开门城市轨道交通停站时间规划的方法
CN115817587A (zh) 用于解决列车运行延时的实时重调度方法和装置
CN116109081A (zh) 一种基于物联网的动态公交调度优化方法和装置
CN110570677A (zh) 一种基于uwb的站内监控公交调度方法
CN112270450B (zh) 物联网支撑下的实时公交调度与预测系统
CN113971467A (zh) 一种基于bp神经网络的车辆信号设备智能运维方法

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
GR01 Patent grant
GR01 Patent grant