CN106651730A - 基于客流密度与闸机通行时间的地铁客流预警***及方法 - Google Patents
基于客流密度与闸机通行时间的地铁客流预警***及方法 Download PDFInfo
- Publication number
- CN106651730A CN106651730A CN201611196852.8A CN201611196852A CN106651730A CN 106651730 A CN106651730 A CN 106651730A CN 201611196852 A CN201611196852 A CN 201611196852A CN 106651730 A CN106651730 A CN 106651730A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- gate
- intensity
- unit
- data
- 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 18
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000013316 zoning Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 238000013480 data collection Methods 0.000 abstract 2
- 238000001514 detection method Methods 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000926 separation method 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于客流密度与闸机通行时间的地铁客流预警***及方法,包括客流密度数据采集单元、闸机通过时间计算单元、客流动态分析单元与预警措施反馈单元,适用于城市地铁站内客流突发性增大情况下的客流预警,本发明设计的地铁预警***综合考虑了出口闸机处产生的行人拥堵行为和地铁内行人行走区域的正常行走行为,克服了目前仅仅以视频数据采集为基础,以密度为评价指标的简单定量方法,预警机制更为科学,反馈结果更加精确实用,仅需要对地铁站内客流密度和闸机部分进行客流密度检测和分析,计算简洁。
Description
技术领域
本发明涉及一种地铁站内客流预警***及方法,尤其涉及一种基于客流密度与闸机通行时间的地铁客流预警***及方法。
背景技术
地铁因其快捷准时的特性越来越受到城市出行者的青睐,随着地铁线网布局的进一步完善,地铁在城市公共交通体系中的分担率不断提高,客流也进一步加大。在带来经济效益的同时,也加剧了车站运载的负荷,减缓了客流速度,造成站厅拥挤。不仅降低了服务水平,影响乘客出行感受,同时也带来了安全隐患。因此,及时准确地掌握客流信息,了解运行状态,有针对性的对大客流进行预警,能够有效的改善车站环境,提高通行速度,缓解大客流带来的运输压力,保障出行安全。
地铁客流预警是根据观测到的情况和以往总结的规律,得到可能性的前兆,向相关部门发出紧急信号,报告危险情况,避免在不知情或准备不足的情况下发生危险,从而最大程度的减低损失。地铁客流预警主要包括对站厅服务设施进行调查与分析,对车站内的客流流动情况进行评估与预测,按影响程度和拥堵范围做出分级警示并提前发布预报,核心是对疏散范围内的行人密度的进行准确测算。
目前地铁客流预警通常以图像信息采集为基础,通过行人在空间移动是否顺畅进行判断是否需要预警,这种技术通常不考虑地铁站内行人疏散的时间问题,同时也没有考虑行人移动空间的差异性,简单的将闸机、电梯及其他空间等同处理,预警机制相对简单,不能满足日益增长的地铁客流需求。
发明内容
发明目的:针对以上问题,本发明提出一种基于客流密度与闸机通行时间的地铁客流预警***及方法。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种基于客流密度与闸机通行时间的地铁客流预警方法,包括以下步骤:
(1)采集和记录摄像机拍摄区域的环境数据和单位时间内的区域客流人数,并将采集到的数据存储到客流密度数据库;
(2)通过视频资料获得单位时间内到达和离去的乘客数量,并将数据存储到闸机通行时间数据库;
(3)从客流密度数据库内提取数据,计算区域客流密度;
(4)从闸机通行时间数据库内提取数据,计算闸机平均通过时间和闸机处排队乘客数;
(5)分析区域客流密度和闸机平均通过时间,若超过预警阈值,则进行报警,给出处理措施,对地铁内客流状态进行调整;
(6)重复上述过程,直到分析结果低于预警阈值。
步骤(1)中所述的环境数据为拍摄区域的面积;步骤(3)中区域客流密度的计算公式为:
D=P/A
其中,D为区域客流密度,P为单位时间内的区域客流人数,A为拍摄区域的面积。
步骤(4)中闸机平均通过时间的计算公式为:
闸机处排队乘客数的计算公式为:
其中,Ws为闸机平均通过时间,Ls为闸机处排队乘客数,λ为单位时间内单检票机新到达乘客的数量,μ为单位时间内单检票机服务能力,ρ为闸机服务强度,数值为λ与μ的比值。
一种基于客流密度与闸机通行时间的地铁客流预警***,包括客流密度数据采集单元、闸机通过时间计算单元、客流密度动态分析单元和预警措施反馈单元;客流密度数据采集单元,用于采集和记录地铁站内某区域的环境数据和单位时间内的区域客流人数;闸机通过时间计算单元,用于计算乘客通过闸机所需的必要时间;客流密度动态分析单元,用于计算乘客离开地铁站所需的时间;预警措施反馈单元,用于评价已实施的客流疏散方案,对疏散效率低的客流疏散方案进行优化。
有益效果:与现有技术相比,本发明充分考虑地铁客流在闸机处的疏散效率,并非简单考虑地铁内区域客流密度,将闸机处客流通过时间和客流等候人数也考虑在内,地铁区域客流预警机制更为准确,在不改变地铁运营管理成本的情况下,可以极大地减缓铁站内客流拥堵现象。
附图说明
图1是本发明的地铁客流预警方法的工作流程示意图;
图2是本发明的预警状态判别矩阵示意图;
图3是本发明的地铁站厅设施平面布局示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的基于客流密度与闸机通行时间的地铁客流预警***,包括客流密度数据采集单元、闸机通过时间计算单元、客流密度动态分析单元和预警措施反馈单元。
客流密度数据采集单元,用于采集和记录地铁站内行人在某区域内的环境数据和物理运动特性数据;闸机通过时间计算单元,用于计算乘客通过闸机所需的必要时间;客流密度动态分析单元,用于计算乘客离开地铁站所需时间的时序变化;预警措施反馈单元,用于评价已实施的客流疏散方案,对不满足疏散效率的客流疏散方案进行优化。
地铁客流预警方法的工作流程示意图如图1所示,包括以下步骤:
(1)采集和记录摄像机拍摄的区域环境数据,采集不同时间点上的区域客流人数,并将采集数据存储到客流密度数据库;
(2)通过视频数据获得单位时间内到达和离去的乘客数量,并将数据存储到闸机通行时间数据库;
(3)客流密度数据库内提取客流人数数据,并计算区域客流密度;
(4)从闸机通行时间数据库内提取单位时间内到达和离去的乘客数量,并计算闸机平均通过时间和闸机处排队的乘客数量;
(5)分析区域客流密度和闸机通行时间,若超过预警阈值,则进行报警,提醒地铁工作人员疏散客流,直到地铁站内客流密度动态分析单元中客流密度数值分析结果离开预警区域。
预警状态判别矩阵如图2所示,即在高客流密度、长闸机通过时间状态下需进行客流预警处理,具体预警阈值需通过各地铁站点长期运营数据确定。
步骤(1)中,根据每个摄像机的拍摄位置,采集和记录该摄像机拍摄区域内的交通环境数据和行人物理运动特性数据,需要记录的数据有摄像机拍摄区域的面积A(m2),和乘客人数P(人),从而计算客流密度D(人/m2),如式1所示。
D=P/A 1
步骤(2)中,根据乘客刷卡数据,获取单位时间内到达和离去乘客数量,从而计算得到闸机服务强度,依照式2和式3计算得到闸机平均通过时间Ws(s)和闸机处排队乘客数Ls(人)。
其中,λ为单位时间内单检票机新到达乘客的数量,μ为单位时间内单检票机服务能力,ρ为闸机服务强度,数值为λ与μ的比值。
利用客流密度数据采集单元中的客流密度数据,结合闸机通过时间计算单元中乘客疏散能力,定量化分析地铁站内各时刻客流密度,并将实时的客流密度数值输入到预警措施反馈单元,接收客流密度动态分析单元中客流密度实时数据,根据预置预警机制进行判断,若数值分析结果已进入预警区域,则按不同情况给出合适的反馈措施,对地铁内客流状态进行调整,重复上述过程,直到数值分析结果离开预警区域。
利用图像识别技术得到地铁区域内客流密度,根据排队论理论,以闸机服务强度作为反馈,分析地铁客流疏散效率,实时动态得到更为准确的地铁站内客流密度。由于图像识别技术和闸机服务强度具有一定的时差,所用的采集设备也有一定的误差,运用上述方法得到的客流密度会具有一定偏差,因此要根据实施效果进行反馈计算,从而获得满足地铁运营管理需要的客流预警机制。
下面结合图3和具体案例对本发明做进一步说明。
如图3所示是典型城市轨道交通车站站厅设施平面布局示意图,单侧通道式布局,包含两组进站闸机和两组出站闸机。
(1)采集和记录行人流信息数据
采集客流密度数据和闸机通行时间两大模块的核心数据,一般摄像机采集面积为20m2的矩形区域,按信号周期长度采集行人流信息数据,将数据存储在历史事故数据记录单元中,如表1所示,记录15分钟内客流数据。
表1
本预警***主要针对地铁站内乘客出站疏散预警,按目前地铁站内行人流线分离的实际情况,仅采集和存储出站乘客的客流数据。摄像机根据数据记录对象分为A型、B型;其中,A型录像机用于记录站厅层出站闸机区域的客流数据;B型录像机用于记录楼梯和自动扶梯区域的客流数据,记录站厅层中的楼楼扶梯区域以及站台和站厅的连接性楼楼扶梯区域。
(2)监控和计算区域客流密度及闸机通行时间
地铁客流伴随地铁列车进出站具有瞬时性和爆发性特征,因此客流出站疏散是否达到预警级别不能依据短时间的客流数据计算判别,可以设定判别统计时长为15分钟,即将客流数据库中15分钟数据作为判别基数。根据客流特征和预警疏散的实时调控要求,地铁站可对该统计时长进行调整。
监控统计时长内的区域客流密度,摄像监控区域平均客流人数B1为67人,B2为51人,则B1区域的客流密度为D=P/A=67/20=3.35人/m2,B2区域的客流密度为D=P/A=51/20=2.55人/m2。
根据《地铁设计规范》(GB 50157-20139.3.14),各类型检票机最大通过能力在1200~1800人/闸机·小时,计算闸机组服务能力时,取单检票机平均通过时间为2.5s/人,则通过能力为1440人/闸机·小时。计算统计时长内的闸机通行时间,A1、A2监控区域闸机组每组均开设4组闸机,根据监控数据库数据和公式1-3,两区域闸机通行时间计算如表2所示。
表2
(3)客流密度动态分析
根据《地铁设计规范》(GB 50157-2013),站台通道客流密度上限为0.33m2/人,即3人/m2,以此作为高密度客流判断的标准。以此判断,B1区域客流处于高密度,B2区域客流不处于高密度。
闸机通行时间判别根据实际运营数据进行标准设定,一般以历史数据中出现客流拥堵需疏散时的状态作为划分标准。A1区域闸机组服务强度达到0.90,平均通过时间为13.75s,平均排队人数为4.95人;A2区域闸机组服务强度达到0.75,平均通过时间为6.25s,平均排队人数为1.88人。以10s闸机平均通过时间作为长闸机通过时间判别标准,由此A1区域闸机进入长闸机通过时间范围,而A2区域闸机则不在此范围。
(4)预警状态判别
根据客流密度动态分析,得出A1区域处于高密度客流、长闸机通过时间状态,进入客流疏散预警区域,需采取相应措施;A2区域则处于高密度客流、一般闸机通过时间,未进入客流疏散预警区域,暂可不采取应对措施。
(5)处理措施与反馈
在客流预警状态下,车站行车值班员应实时向运营控制中心汇报车站的实际拥挤情况,运营控制中心值班调度员联系车厂调度员和在线列车司机,调整列车速度,控制到站时间,优化列车调度。同时结合车站布局,加强徘徊乘客道路指引信息服务,调整进出闸机比例等。
具体处理措施根据各地铁应急规范与手册有所不同,在此案例中,A1区域由于闸机组处于高负荷服务状态,因此增设闸机数量可有效降低闸机通过时间和排队人数。可考虑将现有A1区域的4个出站闸机增设为5个出站闸机。根据改进措施实施效果计算如表3所示,闸机通过时间降至5.8s,平均排队人数降至1.68人,离开了客流预警区域。
表3
Claims (4)
1.一种基于客流密度与闸机通行时间的地铁客流预警方法,其特征在于:包括以下步骤:
(1)采集和记录摄像机拍摄区域的环境数据和单位时间内的区域客流人数,并将采集到的数据存储到客流密度数据库;
(2)通过视频资料获得单位时间内到达和离去的乘客数量,并将数据存储到闸机通行时间数据库;
(3)从客流密度数据库内提取数据,计算区域客流密度;
(4)从闸机通行时间数据库内提取数据,计算闸机平均通过时间和闸机处排队乘客数;
(5)分析区域客流密度和闸机平均通过时间,若超过预警阈值,则进行报警,给出处理措施,对地铁内客流状态进行调整;
(6)重复步骤(1)-(5),直到分析结果低于预警阈值。
2.根据权利要求1所述的基于客流密度与闸机通行时间的地铁客流预警方法,其特征在于:步骤(1)中所述的环境数据为拍摄区域的面积;步骤(3)中区域客流密度的计算公式为:
D=P/A
其中,D为区域客流密度,P为单位时间内的区域客流人数,A为拍摄区域的面积。
3.根据权利要求1所述的基于客流密度与闸机通行时间的地铁客流预警方法,其特征在于:步骤(4)中闸机平均通过时间的计算公式为:
闸机处排队乘客数的计算公式为:
其中,Ws为闸机平均通过时间,Ls为闸机处排队乘客数,λ为单位时间内单检票机新到达乘客的数量,μ为单位时间内单检票机服务能力,ρ为闸机服务强度,数值为λ与μ的比值。
4.一种基于客流密度与闸机通行时间的地铁客流预警***,其特征在于:包括客流密度数据采集单元、闸机通过时间计算单元、客流密度动态分析单元和预警措施反馈单元;
客流密度数据采集单元,用于采集和记录地铁站内某区域的环境数据和单位时间内的区域客流人数;闸机通过时间计算单元,用于计算乘客通过闸机所需的必要时间;客流密度动态分析单元,用于计算乘客离开地铁站所需的时间;预警措施反馈单元,用于评价已实施的客流疏散方案,对疏散效率低的客流疏散方案进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611196852.8A CN106651730A (zh) | 2016-12-22 | 2016-12-22 | 基于客流密度与闸机通行时间的地铁客流预警***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611196852.8A CN106651730A (zh) | 2016-12-22 | 2016-12-22 | 基于客流密度与闸机通行时间的地铁客流预警***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106651730A true CN106651730A (zh) | 2017-05-10 |
Family
ID=58833923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611196852.8A Pending CN106651730A (zh) | 2016-12-22 | 2016-12-22 | 基于客流密度与闸机通行时间的地铁客流预警***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651730A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107331114A (zh) * | 2017-06-09 | 2017-11-07 | 安徽富煌科技股份有限公司 | 一种基于视频客流计数的人流量预警*** |
CN108182403A (zh) * | 2017-12-28 | 2018-06-19 | 河南辉煌城轨科技有限公司 | 基于图像的地铁列车客流统计方法 |
CN108449711A (zh) * | 2018-01-08 | 2018-08-24 | 上海元卓信息科技有限公司 | 一种基于手机信令数据和安检数据的大型场馆客流计算方法 |
CN109146308A (zh) * | 2018-09-05 | 2019-01-04 | 广东工业大学 | 能有效提高机场安检资源使用率的安检方法 |
CN111008545A (zh) * | 2018-10-08 | 2020-04-14 | 上海申通地铁集团有限公司 | 轨道交通***的客流的检测***和方法 |
CN111063190A (zh) * | 2019-12-10 | 2020-04-24 | 北京工业大学 | 城市轨道交通车站站台过饱和客流预控制方法及*** |
CN111797964A (zh) * | 2020-07-10 | 2020-10-20 | 杭州复兴地铁设备维护有限公司 | 城市轨道交通***客流量实时检测设备及方法 |
CN111860976A (zh) * | 2020-06-30 | 2020-10-30 | 广州地铁集团有限公司 | 一种闸机通行时间预测方法及装置 |
CN111986368A (zh) * | 2020-08-27 | 2020-11-24 | 景亮 | 城市轨道交通自动售检票***及其控制方法 |
CN113487763A (zh) * | 2021-05-20 | 2021-10-08 | 胡彦霞 | 一种城市轨道交通安全智能检测*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104092988A (zh) * | 2014-07-10 | 2014-10-08 | 深圳市中控生物识别技术有限公司 | 一种公共场合客流管理方法、装置及*** |
CN105404850A (zh) * | 2015-10-21 | 2016-03-16 | 中南大学 | 车站客流监测***、车站客流监测方法及车站客流管控***、车站客流管控方法 |
CN105719022A (zh) * | 2016-01-22 | 2016-06-29 | 上海工程技术大学 | 一种轨道交通客流实时预测及乘客引导*** |
-
2016
- 2016-12-22 CN CN201611196852.8A patent/CN106651730A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104092988A (zh) * | 2014-07-10 | 2014-10-08 | 深圳市中控生物识别技术有限公司 | 一种公共场合客流管理方法、装置及*** |
CN105404850A (zh) * | 2015-10-21 | 2016-03-16 | 中南大学 | 车站客流监测***、车站客流监测方法及车站客流管控***、车站客流管控方法 |
CN105719022A (zh) * | 2016-01-22 | 2016-06-29 | 上海工程技术大学 | 一种轨道交通客流实时预测及乘客引导*** |
Non-Patent Citations (4)
Title |
---|
REN GANG ET AL.: "Method of Generating Strategic Guidance Information for Driving Evacuation Flows to Approach Safety-Based System Optimal Dynamic Flows: Case Study of a Large Stadium", 《***科学与复杂性学报(英文版)》 * |
李曼 等: "城市轨道交通车站客流关联预警研究", 《中国安全科学学报》 * |
潘罗敏: "地铁短时客流量预测预警研究", 《中国优秀硕士论文全文数据库(电子期刊)》 * |
郭湘君: "基于排队论的地铁站自动检票机配置研究", 《电子测试》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107331114B (zh) * | 2017-06-09 | 2019-06-07 | 安徽富煌科技股份有限公司 | 一种基于视频客流计数的人流量预警*** |
CN107331114A (zh) * | 2017-06-09 | 2017-11-07 | 安徽富煌科技股份有限公司 | 一种基于视频客流计数的人流量预警*** |
CN108182403A (zh) * | 2017-12-28 | 2018-06-19 | 河南辉煌城轨科技有限公司 | 基于图像的地铁列车客流统计方法 |
CN108449711B (zh) * | 2018-01-08 | 2021-04-27 | 上海元卓信息科技有限公司 | 一种基于手机信令数据和安检数据的大型场馆客流计算方法 |
CN108449711A (zh) * | 2018-01-08 | 2018-08-24 | 上海元卓信息科技有限公司 | 一种基于手机信令数据和安检数据的大型场馆客流计算方法 |
CN109146308A (zh) * | 2018-09-05 | 2019-01-04 | 广东工业大学 | 能有效提高机场安检资源使用率的安检方法 |
CN109146308B (zh) * | 2018-09-05 | 2022-05-10 | 广东工业大学 | 能有效提高机场安检资源使用率的安检方法 |
CN111008545A (zh) * | 2018-10-08 | 2020-04-14 | 上海申通地铁集团有限公司 | 轨道交通***的客流的检测***和方法 |
CN111063190A (zh) * | 2019-12-10 | 2020-04-24 | 北京工业大学 | 城市轨道交通车站站台过饱和客流预控制方法及*** |
CN111860976A (zh) * | 2020-06-30 | 2020-10-30 | 广州地铁集团有限公司 | 一种闸机通行时间预测方法及装置 |
CN111860976B (zh) * | 2020-06-30 | 2024-04-30 | 广州地铁集团有限公司 | 一种闸机通行时间预测方法及装置 |
CN111797964A (zh) * | 2020-07-10 | 2020-10-20 | 杭州复兴地铁设备维护有限公司 | 城市轨道交通***客流量实时检测设备及方法 |
CN111986368A (zh) * | 2020-08-27 | 2020-11-24 | 景亮 | 城市轨道交通自动售检票***及其控制方法 |
CN113487763A (zh) * | 2021-05-20 | 2021-10-08 | 胡彦霞 | 一种城市轨道交通安全智能检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651730A (zh) | 基于客流密度与闸机通行时间的地铁客流预警***及方法 | |
CN110493816B (zh) | 一种用于轨交地铁车站客流量的实时预测方法 | |
WO2021159865A1 (zh) | 一种基于数据校准的公交路线预测方法及*** | |
CN109789885B (zh) | 交通***、调度表建议***以及车辆运行*** | |
CN108369645A (zh) | 一种出租车运营监测方法、设备、存储介质和*** | |
CN105404850B (zh) | 车站客流监测***、车站客流监测方法及车站客流管控***、车站客流管控方法 | |
CN103985182B (zh) | 一种公交客流自动计数方法及自动计数*** | |
CN108460497A (zh) | 一种机场候机楼排队信息提示方法 | |
CN108289203B (zh) | 一种用于轨道交通的视频监控*** | |
CN111144727B (zh) | 一种城市轨道交通进站客流韧性评估***及方法 | |
CN104732286A (zh) | 一种城市轨道交通车站安全态势感知方法 | |
CN112687099B (zh) | 一种超载嫌疑车辆判定方法和装置 | |
CN107610282A (zh) | 一种公交客流统计*** | |
KR102445068B1 (ko) | 미세먼지 농도 예측 시스템 | |
CN110481606B (zh) | 基于视觉识别技术的地铁客流引导***及方法 | |
US11009846B2 (en) | Evacuation controller | |
JP2008189180A (ja) | 列車運行管理システム | |
CN105957352B (zh) | 违章停车检测方法和装置 | |
Guo et al. | Computer vision-based approach for smart traffic condition assessment at the railroad grade crossing | |
CN113077084A (zh) | 一种旅游景点游客流量预警装置 | |
CN105608422A (zh) | 一种客车超载智能监控检测方法 | |
CN116911568A (zh) | 一种公共交通智慧运营管理方法及*** | |
CN112528867A (zh) | 一种地铁车站突发大客流预警方法及其应用 | |
Li et al. | Application research on gated recurrent unit deep learning prediction and graded early warning of emergency department visits based on meteorological environmental data | |
CN112488568A (zh) | 一种地铁车站大客流运营风险评价方法及其应用 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |