CN117273285B - 基于轨道交通大客流站的客运数据采集系统 - Google Patents
基于轨道交通大客流站的客运数据采集系统 Download PDFInfo
- Publication number
- CN117273285B CN117273285B CN202311549074.6A CN202311549074A CN117273285B CN 117273285 B CN117273285 B CN 117273285B CN 202311549074 A CN202311549074 A CN 202311549074A CN 117273285 B CN117273285 B CN 117273285B
- Authority
- CN
- China
- Prior art keywords
- passenger
- station
- unit
- subunit
- 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
Links
- 238000004364 calculation method Methods 0.000 claims description 42
- 238000005070 sampling Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 14
- 230000037237 body shape Effects 0.000 claims description 11
- 238000010191 image analysis Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 5
- 108010001267 Protein Subunits Proteins 0.000 claims 6
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及交通运输技术领域,尤其涉及一种基于轨道交通大客流站的客运数据采集系统,该系统包括:站口选择模块通过定位系统获取乘客实时位置信息,绘制运动轨迹图确定初始目标站口;采集模块采集红外图像分析客流分布,获取亮度值和目标人物移动速度,计算第一时段;比较更新模块采集其他站口红外图像,选择最小亮度值对应的站口为第二站口,计算第二时段并与第一时段比较,判断是否更新初始目标站口;闸口选择模块采集乘客图像,分析轮廓特征选择目标闸口。本发明提高轨道交通客运管理的效率。
Description
技术领域
本发明涉及交通运输技术领域,尤其涉及一种基于轨道交通大客流站的客运数据采集系统。
背景技术
随着全球城市化进程的加速,越来越多的人涌入城市,导致城市人口不断增长。这使得城市客运交通需求迅速增加,推动了城市客运交通技术的发展。近年来,信息技术、通信技术、人工智能等领域的技术不断进步,为城市客运交通技术的发展提供了有力支持。
中国专利公开号为CN112819316A的专利文献公开了一种综合客运枢纽轨道交通系统的枢纽运能识别方法,该方法包括:S1、根据综合客运枢纽的列车时刻表计算枢纽站铁路的旅客到达能力和旅客出发能力;S2、采用RP调查和SP调查相结合的方法提取乘客换乘意向数据,并采用TOPSIS法计算综合客运枢纽客流分担率;S3、根据步骤S2得到的综合客运枢纽客流分担率计算枢纽站城轨的线路疏散能力;S4、获取综合客运枢纽内各设施设备参数,计算设施设备最终通过能力;S5、根据步骤S1得到的枢纽站铁路的旅客到达能力和旅客出发能力、步骤S3得到的枢纽站城轨的线路疏散能力及步骤S4得到的设施设备最终通过能力分别计算线路疏散能力匹配度和枢纽设施设备能力匹配度;S6、根据步骤S5得到的线路疏散能力匹配度和枢纽设施设备能力匹配度识别枢纽运能协同高峰期和运能瓶颈所在位置。
现有技术中对于高峰期站口的客流密度无法准确地预测和应对,导致乘客乘坐客运交通效率低,从而造成乘客的体验不佳。
发明内容
为此,本发明提供一种基于轨道交通大客流站的客运数据采集系统,通过对初始目标站口采集红外图像以通过红外图像判断初始目标站口的客流密度,若初始目标站口客流密度大,则采集其他站口的客流密度,选择客流密度最小的站口为第二站口,比较通过初始目标站口的时间和到达第二站口的时间,选择更快捷的站口可以解决乘客乘坐客运交通效率低问题。
为实现上述目的,本发明提供一种基于轨道交通大客流站的客运数据采集系统,该系统包括:
站口选择模块,通过定位系统获取乘客的实时位置信息,当所述乘客进入任意站台的站台区域时,采集预设时段内乘客的位置信息并基于所述位置信息绘制运动轨迹图,以确定乘客的初始目标站口;
采集模块,与所述站口选择模块连接,用以对所述初始目标站口采集包含客流分布的红外图像,对所述红外图像进行分析,获取若干亮度值,当若干所述亮度值中最小亮度值大于等于预设亮度值时,采集所述初始目标站口的目标人物的移动速度,将根据所述移动速度计算乘客通过初始目标站口的时间作为第一时段;
比较更新模块,与所述采集模块连接,用以采集所述站台区域内的其他站口的红外图像,选择红外图像中颜色亮度值最小的红外图像对应的站口为第二站口,根据乘客的行走速度计算到达所述第二站口的时间为第二时段,将所述第一时段与所述第二时段进行比较,根据比较结果判断是否对所述初始目标站口进行更新,以确定乘客的最终目标站口;
闸口选择模块,根据图像采集设备采集乘客由所述最终目标站口进入,且距闸口第一距离的乘客图像,对所述乘客图像进行分析,获取乘客轮廓特征并对所述乘客轮廓特征进行分析,根据分析结果对目标闸口的预设开启时间进行调整,获取实际通过时间。
进一步地,所述站口选择模块包括位置获取单元、判断单元、绘制单元和推荐单元,其中,
所述位置获取单元用以根据所述定位系统获取乘客的实时位置信息;
所述判断单元,与所述位置获取单元连接,用以计算所述实时位置信息与任意所述站台的中心位置信息的直线距离,获取第一距离,将所述第一距离与所述站台区域的区域半径进行比较,若所述第一距离小于等于所述区域半径,则乘客进入所述站台区域;
所述绘制单元,与所述判断单元连接,用以在所述乘客进入所述站台区域时,采集预设时段内乘客的位置信息,并将相邻时刻的位置信息进行连接以绘制运动轨迹图;
所述推荐单元,与所述绘制单元连接,用以计算所述运动轨迹图的终点位置信息与任意所述站台的位置信息间的直线距离,选取距离值最小对应的所述站台为所述初始目标站口。
进一步地,所述采集模块包括红外采集单元、比较单元、速度采集单元和时间采集单元,其中,
所述红外采集单元用以根据红外热成像仪对所述初始目标站口中的客流进行图像采集,获取红外图像;
所述比较单元,与所述红外采集单元连接,用以对所述红外图像中的亮度值进行检测,获取若干亮度值,将若干所述亮度值中最小亮度值与预设亮度值进行比较,获取比较结果;
所述速度采集单元,与所述比较单元连接,用以当所述最小亮度值大于等于预设亮度值时,通过图像采集设备采集包含目标人物和目标物体的若干图像,对若干所述图像进行分析,获取若干所述图像中的若干目标人物轮廓和若干目标物体轮廓,根据若干所述目标人物轮廓和若干所述目标物体轮廓计算所述目标人物的移动速度;
所述时间采集单元,与所述速度采集单元连接,用以根据所述移动速度获取乘客由所述初始目标站口的初始位置到通过所述初始目标站口的终点位置的时间为第一时段。
进一步地,所述比较单元包括转换子单元和比较子单元,其中,
所述转换子单元用以将所述红外图像转化为灰度图像,将所述灰度图像的水平方向和竖直方向按照一定间距划分为若干区域,通过图像处理软件检测若干所述区域的像素值,将其作为所述亮度值;
所述比较子单元,与所述转换子单元连接,用以提取若干所述亮度值中的最小亮度值,并将所述最小亮度值与所述预设亮度值进行比较。
进一步地,所述速度采集单元包括识别子单元、标记子单元、获取子单元和速度计算子单元,其中,
所述识别子单元用以通过边缘检测算法标记若干所述图像中的边缘轮廓;
所述标记子单元,与所述识别子单元连接,用以将若干所述边缘轮廓分别与预设目标人物边缘轮廓和预设目标物体边缘轮廓进行相似度匹配,获取相似度匹配结果中的相似度值大于预设相似度值的若干目标人物边缘轮廓和若干目标物体边缘轮廓,并对若干所述目标人物边缘轮廓和若干所述目标物体边缘轮廓进行标记;
所述获取子单元,与所述标记子单元连接,将若干所述图像按照预设长度和预设宽度进行划分,获取若干像素块,选择所述目标人物边缘轮廓的几何中心为人物参照点,选择所述目标物体边缘轮廓的几何中心为物体参照点,计算所述人物参照点和所述物体参照点间的所述像素块的数目为第一数值,且获取与所述第一数值对应图像的相邻时刻的所述图像中的所述人物参照点和所述物体参照点间的所述像素块的数目为第二数值;
所述速度计算子单元,与所述获取子单元,用以将所述第一数值与所述第二数值的差值除以相邻时刻的时间间隔,获取所述目标人物的移动速度。
进一步地,所述时间采集单元包括数值获取子单元和时段计算子单元,其中,
所述数值获取子单元用以根据红外热成像仪对所述初始目标站口进行图像采集,获取初始目标站口红外图像,将所述初始目标站口红外图像按照预设长度和预设宽度进行划分,获取若干像素块,获取所述初始目标站口的起始位置到所述初始目标站口的终点位置间的像素块数目为第三数值;
所述时段计算子单元,与所述数值获取子单元连接,用以将所述第三数值除以所述移动速度获取所述乘客由初始位置到通过所述初始目标站口的时间为第一时段。
进一步地,所述比较更新模块包括距离获取单元、速度获取单元、时段计算单元和比较更新单元,其中,
所述距离获取单元,用以将乘客的位置信息与所述第二站口的位置信息进行直线距离的计算,获取第二站口间距;
所述速度获取单元,用以通过定位系统采集单位时间内乘客实时位置信息变化的情况,并计算所述实时位置信息变化的直线间距,将所述直线间距除以单位时间,获取所述乘客的行走速度;
所述时段计算单元,与所述距离获取单元和所述速度获取单元连接,用以将所述第二站口间距除以所述行走速度以获取第二时段;
所述比较更新单元,与所述时段计算单元连接,用以将所述第一时段与所述第二时段进行对比,若所述第二时段小于所述第一时段,则将所述第二站口作为乘客的最终目标站口。
进一步地,所述闸口选择模块包括图像采集单元、获取单元、图像分析单元和闸口调整单元,其中,
所述图像采集单元用以通过所述图像采集设备采集乘客由所述最终目标站口进入,且距闸口第一距离的乘客图像;
所述获取单元,与所述图像采集单元连接,用以根据像素对比法确定所述乘客图像中乘客的体型边缘轮廓,获取体型边缘轮廓特征;
所述图像分析单元,与所述获取单元连接,用以采集所述体形边缘轮廓特征的最大曲率值,将所述最大曲率值对应的曲线段与预设曲线段进行相似度比对,获取比对结果;
所述闸口调整单元,与所述图像分析单元连接,用以当所述曲线段与所述预设曲线段比对结果为相似时,通过所述最大曲率值与预设曲线段的预设曲率值进行计算,获取计算结果为闸口调整系数,根据所述闸口调整系数对目标闸口的预设开启时间进行调整,获取实际通过时间。
进一步地,所述图像分析单元包括采样子单元、拟合子单元、曲率计算子单元、提取子单元和比对子单元,其中,
所述采样子单元用以根据第一间隔距离在所述体形边缘轮廓特征上采集若干采样点;
所述拟合子单元,与所述采样子单元连接,用以最小二乘法对若干所述采样点进行曲线拟合,获取若干曲线;
所述曲率计算子单元,与所述拟合子单元连接,用以根据曲率公式对若干所述曲线进行曲率计算,获取若干实际曲率值;
所述提取子单元,与所述曲率计算子单元连接,用以提取若干所述实际曲率值中最大曲率值;
所述比对子单元,与所述提取子单元连接,用以根据相似度算法计算所述最大曲率值对应的曲线段与预设曲线段的相似度值,若所述相似度值大于预设相似度值,则所述曲线段与所述预设曲线段比对结果为相似。
进一步地,所述闸口调整单元包括系数计算子单元和调整子单元,其中,
所述系数计算子单元,用以将所述最大曲率值与所述预设曲率值进行相除获取闸口调整系数;
所述调整子单元,与所述计算子单元连接,用以将所述闸口调整系数与所述预设开启时间相乘,获取实际通过时间。
与现有技术相比,本发明的有益效果在于通过设置所述站口选择模块通过定位系统获取乘客的实时位置信息,能够准确地判断乘客的位置和并绘制准确的移动轨迹图,为所述乘客的初始目标站口选择提供准确的基础数据,通过设置所述采集模块采集红外图像并分析亮度值,在红外图像中,亮度值越大代表该区域的热辐射越强,表示有更多的人员存在,能够准确地判断初始目标站口的人员密集度,从而为后续的站口选择提供更加准确的数据支持,进一步提高站口选择的准确性和可靠性,通过计算人员通过时段为后续判断所述乘客选择所述初始目标站口和选择所述第二站口作为最终目标站口提供判断的数据基础,提高了乘客选择站口的便捷性和准确性,通过设置所述比较更新模块通过采集其他站口的红外图像,并选择颜色亮度值最小的红外图像对应的站口为第二站口,更加全面地考虑不同站口的人员密集度和通行情况,从而优化站口选择的结果,提高乘客通行的效率和便捷性,根据乘客的行走速度和到达第二站口的时间,将第一时段与第二时段进行比较,根据比较结果判断是否更新初始目标站口,实现站口的动态更新,更加灵活地应对不同的客流情况和变化,提高站口选择的准确性和可靠性,通过设置所述闸口选择模块计算通过图像采集设备采集乘客的图像并分析乘客特征,能够实现对乘客特征进行准确识别,为乘客选择闸口提供数据基础,进一步提高闸口选择的准确性和可靠性。
尤其,通过设置所述位置获取单元精确地获取乘客的实时位置信息,为后续的判断和计算提供准确的基础数据,通过设置所述判断单元根据实时位置信息和站台中心位置信息的直线距离,判断乘客是否进入站台区域,提高了判断的准确性和效率,通过设置所述绘制单元根据乘客第一时段内若干位置信息,绘制出乘客的运动轨迹图,直观地展示了乘客的行动路径和趋势,通过设置所述推荐单元根据运动轨迹图的终点位置信息和各个站台的位置信息,计算直线距离,选取距离值最小的站台作为为乘客推荐的初始目标站口,提高了推荐的准确性和个性化程度,使得乘客初始目标站口的选择更加便捷,符合乘客的运动轨迹。
尤其,通过设置所述红外采集单元能够准确地采集初始目标站口中的客流红外图像,对所述初始目标站口的人员密度直观地了解,为后续提供了准确的数据基础,通过设置所述比较单元对红外图像中的亮度值进行检测和比较,从而判断出是否存在满足预设亮度值要求的目标人物,为后续的速度采集和时间采集提供了触发条件,通过设置所述速度采集单元通过图像采集设备采集包含目标人物和目标物体的若干图像,对图像进行分析,获取目标人物的移动速度,为后续的时间采集提供了准确的数据基础,通过设置所述时间采集单元根据目标人物的移动速度,准确地计算乘客由初始目标站口的初始位置到通过初始目标站口的终点位置的时间,为后续的站口比较更新提供了准确的时间信息。
尤其,通过设置所述识别子单元通过边缘检测算法精确标记红外图像中物体的边缘轮廓,为后续的边缘轮廓匹配和移动速度计算提供准确的基础数据,通过设置所述标记子单元将边缘轮廓与预设目标人物边缘轮廓和预设目标物体边缘轮廓进行相似度匹配,并选择相似度值大于预设相似度值的边缘轮廓进行标记,从而准确地识别出目标人物和目标物体,通过设置所述获取子单元将图像按照预设长度和预设宽度进行划分,获取若干像素块,并选择目标人物和目标物体的几何中心作为参照点,计算出参照点间的像素块数目,为后续的速度计算提供了准确的数据基础,通过设置所述速度计算子单元根据相邻时刻的参照点间的像素块数目的差值和时间间隔,准确地计算出目标人物的移动速度,为后续的处理和分析提供了准确的速度信息。
尤其,通过设置所述距离获取单元获得乘客位置信息与第二站口的位置信息,通过计算两个位置信息间的间距确定乘客与第二站口的距离,为后续的行走速度计算和时段计算提供数据基础,通过设置所述速度获取单元采集乘客在单位时间内的实时位置变化间距,并除以单位时间,得到乘客的行走速度,为后续的时段计算提供了准确的数据基础,通过设置所述时段计算单元计算出第二时段的持续时间,为后续比较过程提供了准确的数据基础,通过设置所述比较更新单元将第一时段和第二时段进行对比,如果第二时段小于第一时段,则说明乘客从当前位置到第二站口的时间更短,将第二站口作为乘客的最终目标站口,提高乘客的出行效率。
尤其,通过设置所述图像采集单元准确地采集乘客由最终目标站口进入且距闸口第一距离的乘客图像,为后续的分析提供了准确的数据基础,通过像素对比法确定乘客图像中的体形边缘轮廓,准确地获取体形边缘轮廓特征,为后续的分析提供了可靠的数据基础,通过设置图像分析单元采集体形边缘轮廓特征的最大曲率值,并与预设曲线段进行相似度比对,从而得到更为精确的闸口调整系数,使得闸口的开启时间更加符合乘客的实际需求,有助于提高乘客的满意度和舒适度。
附图说明
图1为本发明实施例提供的基于轨道交通大客流站的客运数据采集系统的第一种结构框图;
图2为本发明实施例提供的基于轨道交通大客流站的客运数据采集系统的第二种结构框图;
图3为本发明实施例提供的基于轨道交通大客流站的客运数据采集系统的第三种结构框图;
图4为本发明实施例提供的基于轨道交通大客流站的客运数据采集系统的第四种结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,本发明实施例提供一种基于轨道交通大客流站的客运数据采集系统,该系统包括:
站口选择模块10,通过定位系统获取乘客的实时位置信息,当所述乘客进入任意站台的站台区域时,采集预设时段内乘客的位置信息并基于所述位置信息绘制运动轨迹图,以确定乘客的初始目标站口;
采集模块20,与所述站口选择模块10连接,用以对所述初始目标站口采集包含客流分布的红外图像,对所述红外图像进行分析,获取若干亮度值,当若干所述亮度值中最小亮度值大于等于预设亮度值时,采集所述初始目标站口的目标人物的移动速度,将根据所述移动速度计算乘客通过初始目标站口的时间作为第一时段;
比较更新模块30,与所述采集模块20连接,用以采集所述站台区域内的其他站口的红外图像,选择红外图像中颜色亮度值最小的红外图像对应的站口为第二站口,根据乘客的行走速度计算到达所述第二站口的时间为第二时段,将所述第一时段与所述第二时段进行比较,根据比较结果判断是否对所述初始目标站口进行更新,以确定乘客的最终目标站口;
闸口选择模块40,根据图像采集设备采集乘客由所述最终目标站口进入,且距闸口第一距离的乘客图像,对所述乘客图像进行分析,获取乘客轮廓特征并对所述乘客轮廓特征进行分析,根据分析结果对目标闸口的预设开启时间进行调整,获取实际通过时间。
具体而言,定位系统使用接收器装置(如手机、智能手环、GPS定位器等)接收卫星发射的GPS信号,并记录下乘客特定时间点的位置坐标数据,以获取乘客的实时位置信息。
具体而言,本发明实施例通过设置所述站口选择模块10通过定位系统获取乘客的实时位置信息,能够准确地判断乘客的位置和并绘制准确的移动轨迹图,为所述乘客的初始目标站口选择提供准确的基础数据,通过设置所述采集模块20采集红外图像并分析亮度值,在红外图像中,亮度值越大代表该区域的热辐射越强,表示有更多的人员存在,能够准确地判断初始目标站口的人员密集度,从而为后续的站口选择提供更加准确的数据支持,进一步提高站口选择的准确性和可靠性,通过计算人员通过时段为后续判断所述乘客选择所述初始目标站口和选择所述第二站口作为最终目标站口提供判断的数据基础,提高了乘客选择站口的便捷性和准确性,通过设置所述比较更新模块30通过采集其他站口的红外图像,并选择颜色亮度值最小的红外图像对应的站口为第二站口,更加全面地考虑不同站口的人员密集度和通行情况,从而优化站口选择的结果,提高乘客通行的效率和便捷性,根据乘客的行走速度和到达第二站口的时间,将第一时段与第二时段进行比较,根据比较结果判断是否更新初始目标站口,实现站口的动态更新,更加灵活地应对不同的客流情况和变化,提高站口选择的准确性和可靠性,通过设置所述闸口选择模块40计算通过图像采集设备采集乘客的图像并分析乘客特征,能够实现对乘客特征进行准确识别,为乘客选择闸口提供数据基础,进一步提高闸口选择的准确性和可靠性。
参阅图2所示,所述站口选择模块10包括位置获取单元11、判断单元12、绘制单元13和推荐单元14,其中,
所述位置获取单元11用以根据所述定位系统获取乘客的实时位置信息;
所述判断单元12,与所述位置获取单元11连接,用以计算所述实时位置信息与任意所述站台的中心位置信息的直线距离,获取第一距离,将所述第一距离与所述站台区域的区域半径进行比较,若所述第一距离小于等于所述区域半径,则乘客进入所述站台区域;
所述绘制单元13,与所述判断单元12连接,用以在所述乘客进入所述站台区域时,采集预设时段内乘客的位置信息,并将相邻时刻的位置信息进行连接以绘制运动轨迹图;
所述推荐单元14,与所述绘制单元13连接,用以计算所述运动轨迹图的终点位置信息与任意所述站台的位置信息间的直线距离,选取距离值最小对应的所述站台为所述初始目标站口。
具体而言,计算所述实时位置信息与任意站台中心位置信息的直线距离为:设所述实时位置信息为(x1,y1),任意所述站台中心位置信息为(x2,y2),则所述第一距离D1为。
具体而言,本发明实施例通过设置所述位置获取单元11精确地获取乘客的实时位置信息,为后续的判断和计算提供准确的基础数据,通过设置所述判断单元12根据实时位置信息和站台中心位置信息的直线距离,判断乘客是否进入站台区域,提高了判断的准确性和效率,通过设置所述绘制单元13根据乘客第一时段内若干位置信息,绘制出乘客的运动轨迹图,直观地展示了乘客的行动路径和趋势,通过设置所述推荐单元14根据运动轨迹图的终点位置信息和各个站台的位置信息,计算直线距离,选取距离值最小的站台作为为乘客推荐的初始目标站口,提高了推荐的准确性和个性化程度,使得乘客初始目标站口的选择更加便捷,符合乘客的运动轨迹。
参阅图3所示,所述采集模块20包括红外采集单元21、比较单元22、速度采集单元23和时间采集单元24,其中,
所述红外采集单元21用以根据红外热成像仪对所述初始目标站口中的客流进行图像采集,获取红外图像;
所述比较单元22,与所述红外采集单元21连接,用以对所述红外图像中的亮度值进行检测,获取若干亮度值,将若干所述亮度值中最小亮度值与预设亮度值进行比较,获取比较结果;
所述速度采集单元23,与所述比较单元22连接,用以当所述最小亮度值大于等于预设亮度值时,通过图像采集设备采集包含目标人物和目标物体的若干图像,对若干所述图像进行分析,获取若干所述图像中的若干目标人物轮廓和若干目标物体轮廓,根据若干所述目标人物轮廓和若干所述目标物体轮廓计算所述目标人物的移动速度;
所述时间采集单元24,与所述速度采集单元23连接,用以根据所述移动速度获取乘客由所述初始目标站口的初始位置到通过所述初始目标站口的终点位置的时间为第一时段。
具体而言,所述图像采集设备可以为摄像机。
具体而言,本发明实施例通过设置所述红外采集单元21能够准确地采集初始目标站口中的客流红外图像,对所述初始目标站口的人员密度直观地了解,为后续提供了准确的数据基础,通过设置所述比较单元22对红外图像中的亮度值进行检测和比较,从而判断出是否存在满足预设亮度值要求的目标人物,为后续的速度采集和时间采集提供了触发条件,通过设置所述速度采集单元23通过图像采集设备采集包含目标人物和目标物体的若干图像,对图像进行分析,获取目标人物的移动速度,为后续的时间采集提供了准确的数据基础,通过设置所述时间采集单元24根据目标人物的移动速度,准确地计算乘客由初始目标站口的初始位置到通过初始目标站口的终点位置的时间,为后续的站口比较更新提供了准确的时间信息。
具体而言,所述比较单元22包括转换子单元和比较子单元,其中,
所述转换子单元用以将所述红外图像转化为灰度图像,将所述灰度图像的水平方向和竖直方向按照一定间距划分为若干区域,通过图像处理软件检测若干所述区域的像素值,将其作为所述亮度值;
所述比较子单元,与所述转换子单元连接,用以提取若干所述亮度值中的最小亮度值,并将所述最小亮度值与所述预设亮度值进行比较。
具体而言,所述一定间距为5cm,所述预设亮度值为150。
具体而言,所述速度采集单元23包括识别子单元、标记子单元、获取子单元和速度计算子单元,其中,
所述识别子单元用以通过边缘检测算法标记若干所述图像中的边缘轮廓;
所述标记子单元,与所述识别子单元连接,用以将若干所述边缘轮廓分别与预设目标人物边缘轮廓和预设目标物体边缘轮廓进行相似度匹配,获取相似度匹配结果中的相似度值大于预设相似度值的若干目标人物边缘轮廓和若干目标物体边缘轮廓,并对若干所述目标人物边缘轮廓和若干所述目标物体边缘轮廓进行标记;
所述获取子单元,与所述标记子单元连接,将若干所述图像按照预设长度和预设宽度进行划分,获取若干像素块,选择所述目标人物边缘轮廓的几何中心为人物参照点,选择所述目标物体边缘轮廓的几何中心为物体参照点,计算所述人物参照点和所述物体参照点间的所述像素块的数目为第一数值,且获取与所述第一数值对应图像的相邻时刻的所述图像中的所述人物参照点和所述物体参照点间的所述像素块的数目为第二数值;
所述速度计算子单元,与所述获取子单元,用以将所述第一数值与所述第二数值的差值除以相邻时刻的时间间隔,获取所述目标人物的移动速度。
具体而言,本发明实施例通过设置所述识别子单元通过边缘检测算法精确标记红外图像中物体的边缘轮廓,为后续的边缘轮廓匹配和移动速度计算提供准确的基础数据,通过设置所述标记子单元将边缘轮廓与预设目标人物边缘轮廓和预设目标物体边缘轮廓进行相似度匹配,并选择相似度值大于预设相似度值的边缘轮廓进行标记,从而准确地识别出目标人物和目标物体,通过设置所述获取子单元将图像按照预设长度和预设宽度进行划分,获取若干像素块,并选择目标人物和目标物体的几何中心作为参照点,计算出参照点间的像素块数目,为后续的速度计算提供了准确的数据基础,通过设置所述速度计算子单元根据相邻时刻的参照点间的像素块数目的差值和时间间隔,准确地计算出目标人物的移动速度,为后续的处理和分析提供了准确的速度信息。
具体而言,所述时间采集单元24包括数值获取子单元和时段计算子单元,其中,
所述数值获取子单元用以根据红外热成像仪对所述初始目标站口进行图像采集,获取初始目标站口红外图像,将所述初始目标站口红外图像按照预设长度和预设宽度进行划分,获取若干像素块,获取所述初始目标站口的起始位置到所述初始目标站口的终点位置间的像素块数目为第三数值;
所述时段计算子单元,与所述数值获取子单元连接,用以将所述第三数值除以所述移动速度获取所述乘客由初始位置到通过所述初始目标站口的时间为第一时段。
具体而言,所述预设长度为10cm,所述预设宽度为10cm。
具体而言,本发明实施例通过设置所述数值获取子单元根据红外热成像仪对初始目标站口进行图像采集,获取初始目标站口红外图像,并将红外图像按照预设长度和预设宽度进行划分,精确获取起始位置到终点位置间的像素块数目,为后续的时间计算提供准确的参数,通过设置所述时段计算子单元将像素块数目除以移动速度,合理计算乘客由初始位置到通过初始目标站口的时间为第一时段,为后续的判断和计算提供准确的时间数据。
参阅图4所示,所述比较更新模块30包括距离获取单元31、速度获取单元32、时段计算单元33和比较更新单元34,其中,
所述距离获取单元31,用以将乘客的位置信息与所述第二站口的位置信息进行直线距离的计算,获取第二站口间距;
所述速度获取单元32,用以通过定位系统采集单位时间内乘客实时位置信息变化的情况,并计算所述实时位置信息变化的直线间距,将所述直线间距除以单位时间,获取所述乘客的行走速度;
所述时段计算单元33,与所述距离获取单元31和所述速度获取单元32连接,用以将所述第二站口间距除以所述行走速度以获取第二时段;
所述比较更新单元34,与所述时段计算单元33连接,用以将所述第一时段与所述第二时段进行对比,若所述第二时段小于所述第一时段,则将所述第二站口作为乘客的最终目标站口。
具体而言,本发明实施例通过设置所述距离获取单元31获得乘客位置信息与第二站口的位置信息,通过计算两个位置信息间的间距确定乘客与第二站口的距离,为后续的行走速度计算和时段计算提供数据基础,通过设置所述速度获取单元32采集乘客在单位时间内的实时位置变化间距,并除以单位时间,得到乘客的行走速度,为后续的时段计算提供了准确的数据基础,通过设置所述时段计算单元33计算出第二时段的持续时间,为后续比较过程提供了准确的数据基础,通过设置所述比较更新单元34将第一时段和第二时段进行对比,如果第二时段小于第一时段,则说明乘客从当前位置到第二站口的时间更短,将第二站口作为乘客的最终目标站口,提高乘客的出行效率。
具体而言,所述闸口选择模块40包括图像采集单元、获取单元、图像分析单元和闸口调整单元,其中,
所述图像采集单元用以通过所述图像采集设备采集乘客由所述最终目标站口进入,且距闸口第一距离的乘客图像;
所述获取单元,与所述图像采集单元连接,用以根据像素对比法确定所述乘客图像中乘客的体型边缘轮廓,获取体型边缘轮廓特征;
所述图像分析单元,与所述获取单元连接,用以采集所述体形边缘轮廓特征的最大曲率值,将所述最大曲率值对应的曲线段与预设曲线段进行相似度比对,获取比对结果;
所述闸口调整单元,与所述图像分析单元连接,用以当所述曲线段与所述预设曲线段比对结果为相似时,通过所述最大曲率值与预设曲线段的预设曲率值进行计算,获取计算结果为闸口调整系数,根据所述闸口调整系数对目标闸口的预设开启时间进行调整,获取实际通过时间。
具体而言,所述第一距离为3m。
具体而言,本发明实施例通过设置所述图像采集单元准确地采集乘客由最终目标站口进入且距闸口第一距离的乘客图像,为后续的分析提供了准确的数据基础,通过像素对比法确定乘客图像中的体形边缘轮廓,准确地获取体形边缘轮廓特征,为后续的分析提供了可靠的数据基础,通过设置图像分析单元采集体形边缘轮廓特征的最大曲率值,并与预设曲线段进行相似度比对,从而得到更为精确的闸口调整系数,使得闸口的开启时间更加符合乘客的实际需求,有助于提高乘客的满意度和舒适度。
具体而言,所述图像分析单元包括采样子单元、拟合子单元、曲率计算子单元、提取子单元和比对子单元,其中,
所述采样子单元用以根据第一间隔距离在所述体形边缘轮廓特征上采集若干采样点;
所述拟合子单元,与所述采样子单元连接,用以最小二乘法对若干所述采样点进行曲线拟合,获取若干曲线;
所述曲率计算子单元,与所述拟合子单元连接,用以根据曲率公式对若干所述曲线进行曲率计算,获取若干实际曲率值;
所述提取子单元,与所述曲率计算子单元连接,用以提取若干所述实际曲率值中最大曲率值;
所述比对子单元,与所述提取子单元连接,用以根据相似度算法计算所述最大曲率值对应的曲线段与预设曲线段的相似度值,若所述相似度值大于预设相似度值,则所述曲线段与所述预设曲线段比对结果为相似。
具体而言,若所述曲线段拟合对应的函数为二次函数y=ax^2+bx+c,则其对应的曲率可以通过公式:曲率k=1/(2a)计算;所述预设相似度值为90%。
具体而言,所述闸口调整单元包括系数计算子单元和调整子单元,其中,
所述系数计算子单元,用以将所述最大曲率值与所述预设曲率值进行相除获取闸口调整系数;
所述调整子单元,与所述计算子单元连接,用以将所述闸口调整系数与所述预设开启时间相乘,获取实际通过时间。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。 凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于轨道交通大客流站的客运数据采集系统,其特征在于,包括:
站口选择模块,通过定位系统获取乘客的实时位置信息,当所述乘客进入任意站台的站台区域时,采集预设时段内乘客的位置信息并基于所述位置信息绘制运动轨迹图,以确定乘客的初始目标站口;
采集模块,与所述站口选择模块连接,用以对所述初始目标站口采集包含客流分布的红外图像,对所述红外图像进行分析,获取若干亮度值,当若干所述亮度值中最小亮度值大于等于预设亮度值时,采集所述初始目标站口的目标人物的移动速度,将根据所述移动速度计算乘客通过初始目标站口的时间作为第一时段;
比较更新模块,与所述采集模块连接,用以采集所述站台区域内的其他站口的红外图像,选择红外图像中颜色亮度值最小的红外图像对应的站口为第二站口,根据乘客的行走速度计算到达所述第二站口的时间为第二时段,将所述第一时段与所述第二时段进行比较,根据比较结果判断是否对所述初始目标站口进行更新,以确定乘客的最终目标站口;
闸口选择模块,根据图像采集设备采集乘客由所述最终目标站口进入,且距闸口第一距离的乘客图像,对所述乘客图像进行分析,获取乘客的体形边缘轮廓特征并对所述体形边缘轮廓特征进行分析,根据分析结果对目标闸口的预设开启时间进行调整,获取实际通过时间。
2.根据权利要求1所述的基于轨道交通大客流站的客运数据采集系统,其特征在于,所述站口选择模块包括位置获取单元、判断单元、绘制单元和推荐单元,其中,
所述位置获取单元用以根据所述定位系统获取乘客的实时位置信息;
所述判断单元,与所述位置获取单元连接,用以计算所述实时位置信息与任意所述站台的中心位置信息的直线距离,获取第一距离,将所述第一距离与所述站台区域的区域半径进行比较,若所述第一距离小于等于所述区域半径,则乘客进入所述站台区域;
所述绘制单元,与所述判断单元连接,用以在所述乘客进入所述站台区域时,采集预设时段内乘客的位置信息,并将相邻时刻的位置信息进行连接以绘制运动轨迹图;
所述推荐单元,与所述绘制单元连接,用以计算所述运动轨迹图的终点位置信息与任意所述站台的位置信息间的直线距离,选取距离值最小对应的所述站台为所述初始目标站口。
3.根据权利要求2所述的基于轨道交通大客流站的客运数据采集系统,其特征在于,所述采集模块包括红外采集单元、比较单元、速度采集单元和时间采集单元,其中,
所述红外采集单元用以根据红外热成像仪对所述初始目标站口中的客流进行图像采集,获取红外图像;
所述比较单元,与所述红外采集单元连接,用以对所述红外图像中的亮度值进行检测,获取若干亮度值,将若干所述亮度值中最小亮度值与预设亮度值进行比较,获取比较结果;
所述速度采集单元,与所述比较单元连接,用以当所述最小亮度值大于等于预设亮度值时,通过图像采集设备采集包含目标人物和目标物体的若干图像,对若干所述图像进行分析,获取若干所述图像中的若干目标人物轮廓和若干目标物体轮廓,根据若干所述目标人物轮廓和若干所述目标物体轮廓计算所述目标人物的移动速度;
所述时间采集单元,与所述速度采集单元连接,用以根据所述移动速度获取乘客由所述初始目标站口的初始位置到通过所述初始目标站口的终点位置的时间为第一时段。
4.根据权利要求3所述的基于轨道交通大客流站的客运数据采集系统,其特征在于,所述比较单元包括转换子单元和比较子单元,其中,
所述转换子单元用以将所述红外图像转化为灰度图像,将所述灰度图像的水平方向和竖直方向按照一定间距划分为若干区域,通过图像处理软件检测若干所述区域的像素值,将其作为所述亮度值;
所述比较子单元,与所述转换子单元连接,用以提取若干所述亮度值中的最小亮度值,并将所述最小亮度值与所述预设亮度值进行比较。
5.根据权利要求4所述的基于轨道交通大客流站的客运数据采集系统,其特征在于,所述速度采集单元包括识别子单元、标记子单元、获取子单元和速度计算子单元,其中,
所述识别子单元用以通过边缘检测算法标记若干所述图像中的边缘轮廓;
所述标记子单元,与所述识别子单元连接,用以将若干所述边缘轮廓分别与预设目标人物边缘轮廓和预设目标物体边缘轮廓进行相似度匹配,获取相似度匹配结果中的相似度值大于预设相似度值的若干目标人物边缘轮廓和若干目标物体边缘轮廓,并对若干所述目标人物边缘轮廓和若干所述目标物体边缘轮廓进行标记;
所述获取子单元,与所述标记子单元连接,将若干所述图像按照预设长度和预设宽度进行划分,获取若干像素块,选择所述目标人物边缘轮廓的几何中心为人物参照点,选择所述目标物体边缘轮廓的几何中心为物体参照点,计算所述人物参照点和所述物体参照点间的所述像素块的数目为第一数值,且获取与所述第一数值对应图像的相邻时刻的所述图像中的所述人物参照点和所述物体参照点间的所述像素块的数目为第二数值;
所述速度计算子单元,与所述获取子单元,用以将所述第一数值与所述第二数值的差值除以相邻时刻的时间间隔,获取所述目标人物的移动速度。
6.根据权利要求5所述的基于轨道交通大客流站的客运数据采集系统,其特征在于,所述时间采集单元包括数值获取子单元和时段计算子单元,其中,
所述数值获取子单元用以根据红外热成像仪对所述初始目标站口进行图像采集,获取初始目标站口红外图像,将所述初始目标站口红外图像按照预设长度和预设宽度进行划分,获取若干像素块,获取所述初始目标站口的起始位置到所述初始目标站口的终点位置间的像素块数目为第三数值;
所述时段计算子单元,与所述数值获取子单元连接,用以将所述第三数值除以所述移动速度获取所述乘客由初始位置到通过所述初始目标站口的时间为第一时段。
7.根据权利要求6所述的基于轨道交通大客流站的客运数据采集系统,其特征在于,所述比较更新模块包括距离获取单元、速度获取单元、时段计算单元和比较更新单元,其中,
所述距离获取单元,用以将乘客的位置信息与所述第二站口的位置信息进行直线距离的计算,获取第二站口间距;
所述速度获取单元,用以通过定位系统采集单位时间内乘客实时位置信息变化的情况,并计算所述实时位置信息变化的直线间距,将所述直线间距除以单位时间,获取所述乘客的行走速度;
所述时段计算单元,与所述距离获取单元和所述速度获取单元连接,用以将所述第二站口间距除以所述行走速度以获取第二时段;
所述比较更新单元,与所述时段计算单元连接,用以将所述第一时段与所述第二时段进行对比,若所述第二时段小于所述第一时段,则将所述第二站口作为乘客的最终目标站口。
8.根据权利要求7所述的基于轨道交通大客流站的客运数据采集系统,其特征在于,所述闸口选择模块包括图像采集单元、获取单元、图像分析单元和闸口调整单元,其中,
所述图像采集单元用以通过所述图像采集设备采集乘客由所述最终目标站口进入,且距闸口第一距离的乘客图像;
所述获取单元,与所述图像采集单元连接,用以根据像素对比法确定所述乘客图像中乘客的体型边缘轮廓,获取体型边缘轮廓特征;
所述图像分析单元,与所述获取单元连接,用以采集所述体形边缘轮廓特征的最大曲率值,将所述最大曲率值对应的曲线段与预设曲线段进行相似度比对,获取比对结果;
所述闸口调整单元,与所述图像分析单元连接,用以当所述曲线段与所述预设曲线段比对结果为相似时,通过所述最大曲率值与预设曲线段的预设曲率值进行计算,获取计算结果为闸口调整系数,根据所述闸口调整系数对目标闸口的预设开启时间进行调整,获取实际通过时间。
9.根据权利要求8所述的基于轨道交通大客流站的客运数据采集系统,其特征在于,所述图像分析单元包括采样子单元、拟合子单元、曲率计算子单元、提取子单元和比对子单元,其中,
所述采样子单元用以根据第一间隔距离在所述体形边缘轮廓特征上采集若干采样点;
所述拟合子单元,与所述采样子单元连接,用以最小二乘法对若干所述采样点进行曲线拟合,获取若干曲线;
所述曲率计算子单元,与所述拟合子单元连接,用以根据曲率公式对若干所述曲线进行曲率计算,获取若干实际曲率值;
所述提取子单元,与所述曲率计算子单元连接,用以提取若干所述实际曲率值中最大曲率值;
所述比对子单元,与所述提取子单元连接,用以根据相似度算法计算所述最大曲率值对应的曲线段与预设曲线段的相似度值,若所述相似度值大于预设相似度值,则所述曲线段与所述预设曲线段比对结果为相似。
10.根据权利要求9所述的基于轨道交通大客流站的客运数据采集系统,其特征在于,所述闸口调整单元包括系数计算子单元和调整子单元,其中,
所述系数计算子单元,用以将所述最大曲率值与所述预设曲率值进行相除获取闸口调整系数;
所述调整子单元,与所述计算子单元连接,用以将所述闸口调整系数与所述预设开启时间相乘,获取实际通过时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311549074.6A CN117273285B (zh) | 2023-11-21 | 2023-11-21 | 基于轨道交通大客流站的客运数据采集系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311549074.6A CN117273285B (zh) | 2023-11-21 | 2023-11-21 | 基于轨道交通大客流站的客运数据采集系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117273285A CN117273285A (zh) | 2023-12-22 |
CN117273285B true CN117273285B (zh) | 2024-02-02 |
Family
ID=89202949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311549074.6A Active CN117273285B (zh) | 2023-11-21 | 2023-11-21 | 基于轨道交通大客流站的客运数据采集系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273285B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101321269A (zh) * | 2007-06-05 | 2008-12-10 | 同济大学 | 基于计算机视觉的客流量检测方法及系统 |
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 |
CN111814648A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 一种站口拥堵情况确定方法、装置、设备及存储介质 |
CN113780654A (zh) * | 2021-09-08 | 2021-12-10 | 佳都科技集团股份有限公司 | 地铁站中对乘客行走指引的方法、装置、设备及存储介质 |
WO2022126669A1 (zh) * | 2020-12-16 | 2022-06-23 | 中电海康集团有限公司 | 一种基于视频行人识别的地铁人流网络融合方法及人流预测方法 |
CN115588298A (zh) * | 2022-10-28 | 2023-01-10 | 广州地铁集团有限公司 | 一种基于机器视觉的城轨客流广播诱导方法 |
CN116631176A (zh) * | 2023-05-31 | 2023-08-22 | 河南海融软件有限公司 | 站点客流分布状态的控制方法及系统 |
CN116739160A (zh) * | 2023-06-06 | 2023-09-12 | 天津市政工程设计研究总院有限公司 | 一种面向全域的枢纽客流时空智能管控方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108622142A (zh) * | 2018-03-30 | 2018-10-09 | 卡斯柯信号有限公司 | 一种基于实时客流的列车智能运行调整系统及方法 |
-
2023
- 2023-11-21 CN CN202311549074.6A patent/CN117273285B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101321269A (zh) * | 2007-06-05 | 2008-12-10 | 同济大学 | 基于计算机视觉的客流量检测方法及系统 |
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 |
CN111814648A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 一种站口拥堵情况确定方法、装置、设备及存储介质 |
WO2022126669A1 (zh) * | 2020-12-16 | 2022-06-23 | 中电海康集团有限公司 | 一种基于视频行人识别的地铁人流网络融合方法及人流预测方法 |
CN113780654A (zh) * | 2021-09-08 | 2021-12-10 | 佳都科技集团股份有限公司 | 地铁站中对乘客行走指引的方法、装置、设备及存储介质 |
CN115588298A (zh) * | 2022-10-28 | 2023-01-10 | 广州地铁集团有限公司 | 一种基于机器视觉的城轨客流广播诱导方法 |
CN116631176A (zh) * | 2023-05-31 | 2023-08-22 | 河南海融软件有限公司 | 站点客流分布状态的控制方法及系统 |
CN116739160A (zh) * | 2023-06-06 | 2023-09-12 | 天津市政工程设计研究总院有限公司 | 一种面向全域的枢纽客流时空智能管控方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于"互联网+"常规公交动态调度系统;宋雨;彭勇;李睿;周欣;袁发涛;王欢;;科技传播(第16期);94-95 * |
Also Published As
Publication number | Publication date |
---|---|
CN117273285A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111310994B (zh) | 一种基于数据校准的公交路线预测方法及系统 | |
Hoogendoorn et al. | Extracting microscopic pedestrian characteristics from video data | |
CN107888877B (zh) | 车辆追踪及道路交通信息采集的方法及其系统 | |
CN101847206B (zh) | 基于交通监控设施的行人流量统计方法与系统 | |
CN106541968B (zh) | 基于视觉分析的地铁车厢实时提示系统的识别方法 | |
EP2397995B1 (en) | Anti fare evasion system | |
CN103593974B (zh) | 一种基于定位信息的公交载客量采集方法 | |
US20130195364A1 (en) | Situation determining apparatus, situation determining method, situation determining program, abnormality determining apparatus, abnormality determining method, abnormality determining program, and congestion estimating apparatus | |
CN104021605A (zh) | 一种公交客流实时统计系统及其统计方法 | |
CN109325404A (zh) | 一种公交场景下的人数统计方法 | |
CN109544946A (zh) | 基于车流量大数据的隧道实时监控管理系统及其实现方法 | |
CN109934127A (zh) | 基于视频图像与无线信号的行人识别与跟踪方法 | |
CN113256866B (zh) | 城市轨道交通无障碍通行系统及其实施方法 | |
CN111582227A (zh) | 基于红外热成像的信息识别方法、设备、存储介质和系统 | |
CN108345878B (zh) | 基于视频的公共交通工具客流量监测方法及系统 | |
CN117273285B (zh) | 基于轨道交通大客流站的客运数据采集系统 | |
CN112700473B (zh) | 一种基于图像识别进行车厢拥挤度判断系统 | |
CN110321982A (zh) | 一种轨道交通断面客流量实时计算方法 | |
CN114022448A (zh) | 一种隧道壁裂缝与鼓包检测方法及多功能巡检系统 | |
CN114325573A (zh) | 变电站运维人员身份及位置信息快速检测方法 | |
KR20080011758A (ko) | 이동체 움직임 추적 시스템 및 그 제어방법 | |
Sumalee et al. | Probabilistic fusion of vehicle features for reidentification and travel time estimation using video image data | |
KR100851900B1 (ko) | 이동식 교통정보 검지 시스템 | |
CN110490030B (zh) | 一种基于雷达的通道人数统计方法及系统 | |
CN112001232B (zh) | 含个体特征的机场客流出行链精准感知装置 |
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 |