CN110070061A - 一种乘客数量推算方法及装置 - Google Patents
一种乘客数量推算方法及装置 Download PDFInfo
- Publication number
- CN110070061A CN110070061A CN201910347197.9A CN201910347197A CN110070061A CN 110070061 A CN110070061 A CN 110070061A CN 201910347197 A CN201910347197 A CN 201910347197A CN 110070061 A CN110070061 A CN 110070061A
- Authority
- CN
- China
- Prior art keywords
- platform
- image
- passengers
- bus
- passengers quantity
- 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 63
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002269 spontaneous effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008925 spontaneous activity Effects 0.000 description 1
- 238000010937 topological data analysis Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- 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
- 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
- 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
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Chemical & Material Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Analytical Chemistry (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)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例的目的在于提供一种乘客数量推算方法及装置,用于解决乘客人数多时乘客间相互遮挡以及广告牌等物体遮挡,图像获取装置不能全面获取站台乘客图像等原因造成站台乘客数量判断不准确的问题,该方法包括从移动设备中获取站台的图像;对站台图像进行分析,获得站台现有人员的数量和分布等信息;根据之前分析及训练得出的站台布局、类型、人员拥挤情况下的分布规律等参数,获取当前站台的乘客数量。另外,根据历史同类型天日的公交站台人数数据,分析当前出现异常客流的站点,基于客流OD分析得出的公交人群流向数据,获取其未来可能影响到的相应下车站点并根据预警规则予以预警。
Description
技术领域
本申请涉及交通管理技术领域,具体而言,涉及一种乘客数量推算方法及装置。
背景技术
目前判断站台乘客数量的方式一般通过在电子站牌上安装摄像头,通过摄像头拍摄站台图像后,根据图像识别技术来获得站台中的乘客数量,但是乘客人数过多时乘客之间相互遮挡,进而造成站台乘客数量判断不准确的问题。
发明内容
本申请实施例的目的在于提供一种乘客数量推算方法及装置,用于解决乘客人数过多时乘客之间相互遮挡,进而造成站台乘客数量判断不准确的问题。
为了实现上述目的,本申请提供了以下技术方案如下:
第一方面:本申请提供了一种乘客数量推算方法,所述方法包括:
获取站台的站台图像;
根据所述站台的站台图像推算所述站台的乘客数量。
在第一方面的可选实施方式中,所述根据所述站台的站台图像推算当前站台的乘客数量,包括:
根据所述站台图像确定所述站台图像中的乘客数量及分布,乘客分布包括乘客站位的稀疏程度;
对所述站台图像分析确定所述站台的布局及类型;
根据所述站台图像中的人数、乘客分布以及站台的布局及类型推算所述站台现有的乘客数量。
上述方案设计的方法,根据站台的布局分析该站台的乘客历史分布情况进而和获取的站台图像中的人数和乘客站位情况分析站台的乘客数量,解决了站台中有电子广告牌等遮挡物以及乘客相互遮挡造成的乘客数量推算不准确的问题,使得能够更加精准的推算站台的乘客数量。
在第一方面的可选实施方式中,所述站台图像包括所述站台对应的多张图片,每张所述图片对应一站台中乘客数量,所述多张图片中至少两张图片对应的乘客数量不同,所述根据所述站台的站台图像推算当前站台的乘客数量,包括:
根据神经网络模型和对应的参数对站台对应的多张图片进行深度学习训练,以使获得的训练模型对于所述站台图像的站台类型识别及乘客数量推算达到应用所需的准确度要求。
上述方案设计的方法,根据多种不同人数的图片与实时拍摄的站台图像进行相似度分析来推算该站台的乘客数量,解决了站台中有电子广告牌等遮挡物以及乘客相互遮挡造成的乘客数量推算不准确的问题,使得能够更加精准的推算站台的乘客数量。
在第一方面的可选实施方式中,对所述站台图像分析确定所述站台的布局及类型,包括:
对所述站台图像进行分析确定所述站台的几何形状、站台大小、站台内是否包含遮挡物。
上述方案设计的方法,根据遮挡物的情况确定站台的类型,再通过站台的类型确定站台的布局情况,进而为后续确定站台的乘客历史分布情况做好准备。
在第一方面的可选实施方式中,在所述根据所述站台图像和所述站台对应的图片推算所述站台的乘客数量之后,所述方法还包括:
根据公交路线上各个站台的乘客数量确定所述公交路线的客流量,并根据所述公交路线的客流量调整所述公交路线上运行的公交车数量。
上述方案设计的方法,推算站台的乘客数量之后分析该公交路线的客流量,进而根据客流量的情况适当的增加或减少公交车的数量,使得客流量大时能够及时将过多的乘客较快的进行疏散,客流量较小的减少公交车的数量,来减少资源浪费。
在第一方面的可选实施方式中,在所述根据公交路线上各个站台的乘客数量确定所述公交路线的客流量之后,所述方法还包括:
判断所述公交路线的客流量是否超过预设的报警阈值,所述预设的报警阈值基于所述公交路线的历史客流量设置;
若超过,则进行非正常的客流量报警。
上述方案设计的方法,进行非正常的客流量报警,使得过大的客流量能够被后台公交监控中心重视,进而快速找到解决措施,避免过大的客流量影响交通运行以及造成事故发生。
在第一方面的可选实施方式中,在所述根据所述站台的站台图像推算当前站台的乘客数量之后,所述方法还包括:
判断所述站台的乘客数量是否超过预设的阈值,所述预设的阈值基于所述站台的历史同类型天日的乘客数量设置;
若超过,则所述站台报警,并基于历史客流OD分析得出所述站台的此时段的后续客流走向及比例数据;
结合多个报警站点的数据,根据预警规则推算后续重要站点是否需要提前预警。
上述方案设计的方法,提前交通预警使得城市里一些大型集会或者自发集会活动能够被预知进而提前找出解决措施解决或者提前防备交通安全事故。
在第一方面的可选实施方式中,在所述获取站台的站台图像之前,所述方法还包括:
获取公交车位置信息和站台位置信息;
根据所述公交车位置信息和站台位置信息确定公交车与站台的直线距离,判断所述直线距离是否在预设的范围内;
若是,则开启设置在所述公交车上的摄像装置,并在所述公交车停止时截取所述摄像装置拍摄的视频信息,以获取站台的站台图像。
上述方案设计的方法,通过移动的公交车来拍摄站台的图像,使得站台的图像获取的时间更为及时,相对于设置在站台内部的摄像头,设置在公交车的摄像头拍摄的范围更加广阔。
在第一方面的可选实施方式中,在所述获取站台的站台图像之前,所述方法还包括:
获取多种站台图片,将站台图片与对应的站台进行关联;
将关联后的多种所述站台图片存储在数据库中。
第二方面:本申请提供一种乘客数量推算装置,所述装置包括:
获取模块,用于获取站台的站台图像;
推算模块,用于根据所述站台的站台图像图片推算所述站台的乘客数量。
上述方案设计的装置,根据站台图像和该站台对应的图片,解决了乘客相互遮挡造成的乘客数量推算不准确以及在站台中有电子广告牌等遮挡物时造成的乘客数量推算不准确的问题,使得能够更加精准的推算站台的乘客数量。
在第二方面的可选实施方式中,所述装置还包括确定模块和调整模块,在所述推算模块根据所述站台图像和所述站台对应的图片推算所述站台的乘客数量之后;
所述确定模块,用于根据公交路线上各个站台的乘客数量确定所述公交路线的客流量;
所述调整模块,用于根据所述公交路线的客流量调整所述公交路线上运行的公交车数量。
上述方案设计的装置,推算站台的乘客数量之后分析该公交路线的客流量,进而根据客流量的情况适当的增加或减少公交车的数量,使得客流量大时能够及时将过多的乘客较快的进行疏散,客流量较小的减少公交车的数量,来减少资源浪费。
在第二方面的可选实施方式中,所述装置还包括判断模块和报警模块,在所述确定模块根据公交路线上各个站台的乘客数量确定所述公交路线的客流量之后;
所述判断模块,用于判断所述公交路线的客流量是否超过预设的报警阈值,所述预设的报警阈值基于所述公交路线的历史客流量设置;
所述报警模块,用于在所述判断模块判断所述公交路线的客流量超过预设的报警阈值后,进行非正常的客流量报警。
上述方案设计的装置,进行非正常的客流量报警,使得过大的客流量能够被后台公交监控中心重视,进而快速找到解决措施,避免过大的客流量影响交通运行以及造成事故发生。
在第二方面的可选实施方式中,所述判断模块,还用于判断站台的乘客数量是否超过预设的阈值,预设的阈值基于站台的历史同类型天日的乘客数量设置;
所述报警模块,在判断多个公交路线的客流量同时超过预设的报警阈值之后,进行站台报警;
分析模块,用于基于历史客流OD分析得出所述站台的此时段的后续客流走向及比例数据;
所述报警模块,还用于结合多个报警站点的数据,根据预警规则推算后续重要站点是否需要提前预警。
上述方案设计的装置,城市安全报警使得城市里一些大型集会或者非法自发集会活动能够被预知进而找出解决措施及时解决。
在第二方面的可选实施方式中,所述装置还包括开启模块和截取模块,在所述获取模块获取站台的站台图像之前;
所述获取模块,还用于获取公交车位置信息和站台位置信息;
所述确定模块,还用于根据所述公交车位置信息和站台位置信息确定公交车与站台的直线距离;
所述判断模块,还用于判断所述直线距离是否在预设的范围内;
所述开启模块,用于在判断模块判断所述直线距离在预设的范围内时,开启设置在所述公交车上的摄像装置;
所述截取模块,用于在所述公交车停止时截取所述摄像装置拍摄的视频信息,以获取站台的站台图像。
上述方案设计的装置,通过移动的公交车来拍摄站台的图像,使得站台的图像获取的时间更为及时,相对于设置在站台内部的摄像头,设置在公交车的摄像头拍摄的范围更加广阔。
在第二方面的可选实施方式中,所述装置还包括关联模块以及存储模块,在所述获取模块获取站台的站台图像之前;
所述获取模块,用于获取多种站台图片;
所述关联模块,用于将所述站台图片与对应的站台进行关联;
所述存储模块,用于将关联后的多种所述站台图片存储在数据库中。
第三方面:本申请还提供一种电子设备,包括:处理器,以及分别与处理器连接的存储器和通信模块,所述存储器存储有所述处理器可执行的机器可读指令,所述通信模块用于与外部设备进行通信传输;当所述计算设备运行时,所述处理器执行所述机器可读指令,以执行时执行第一方面、第一方面的任一可选的实现方式中的所述方法。
第四方面:本申请提供一种非暂态计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行第一方面、第一方面的任一可选的实现方式中的所述方法。
第五方面:本申请提供一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行第一方面、第一方面的任一可选的实现方式中的所述方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请第一实施例提供的乘客数量推算方法的第一流程示意图;
图2为本申请第一实施例提供的乘客数量推算方法的第二流程示意图;
图3为本申请第一实施例提供的乘客数量推算方法的第三流程示意图;
图4为本申请第一实施例提供的乘客数量推算方法的第四流程示意图;
图5为本申请第一实施例提供的乘客数量推算方法的第五流程示意图;
图6为本申请第一实施例提供的乘客数量推算方法的第六流程示意图;
图7为本申请第一实施例提供的乘客数量推算方法的第七流程示意图;
图8为本申请第一实施例提供的乘客数量推算方法的第八流程示意图;
图9为本申请第二实施例提供的乘客数量推算装置的结构示意图;
图10为本申请第三实施例提供的电子设备的结构示意图。
具体实施方式
为了便于本领域技术人员理解,下面对本申请实施例中的词语进行解释和说明。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用于执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
另外,需要理解的是,在本申请实施例的描述中,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或者暗示相对重要性,也不能理解为指示或者暗示顺序。
第一实施例
如图1所示,本申请提供一种乘客数量推算方法,该方法包括:
步骤101:获取站台的站台图像,转到步骤103。
步骤103:根据站台的站台图像推算站台的乘客数量。
上述步骤中的站台的站台图像包括实时拍摄的公交站台的图像,进而根据实时拍摄的公交站台的图像获取实时的公交站台上等待乘车的乘客数量,该站台图像也可以包括之前采集的站台中有不同乘客的站台图像。
在步骤101中,获取站台图像的图像采集设备可以安装在车辆上,如公交车,我国的车辆是靠右行驶,那么站台一般也是在公交车行驶的右方,在公交车前车门外部的上方安装摄像头,进而拍摄站台的图像。其中,拍摄站台的图像也有多种方式:可使公交车外部摄像头一直持续打开,在公交车线路的全线行驶过程中全程录制视频,后续通过提取视频中的站台图像来获得对应站台的图像;也可以通过公交车在距离进站一定范围时打开公交车的外部摄像头进行视频录制,在公交车停止至乘客上车启动后停止拍摄,后续通过提取视频中的站台图像来获得对应站台的图像;还可以通过在公交车进站后至公交车完全停止时的这个时刻拍摄站台的图像来获取;还可以通过多辆公交车来获取,避免站台中公交车过多时造成互相遮挡问题。另外,这里还需要说明一点的是,站台图像可以为公交车在没有上乘客之前的站台图像,也可以是公交车离开站台之后拍摄的站台乘客的剩余量的图像。
除此之外,获取站台图像的图像采集设备可以安装在站台上,或者,安装在站台附近的公共设施上,如站牌、路灯等。再者,无论图像采集设备安装在公交车上,还是安装在站台上,图像采集设备的个数可以为一个或多个,在图像采集设备为多个时,步骤103中,可以先将多个图像采集设备采集的站台图像拼接,根据拼接后的站台图像推算站台的乘客数量。
在第一实施例的可选实施方式中,承接前述对步骤101的陈述,其中,站台图像包括每种类型站台对应的多张图片,每张图片对应一种不同乘客数量,该多张图片中至少两张图片对应的乘客数量不同,步骤103中的根据站台的站台图像推算站台的乘客数量,如图2所示,具体可包括以下步骤:
步骤1031:根据神经网络模型和对应的参数对站台对应的多张图片进行深度学习训练,以使获得的训练模型对于所述站台图像的站台类型识别及乘客数量推算达到应用所需的准确度要求。
以一种执行步骤1031的具体实施方式为例:多张图片包括了预先采集的该类型站台中没有乘客时的图像(也就是预先采集的该站台中有0个乘客时的图像)、预先采集的该类型站台中有1个乘客时的图像、预先采集的该类型站台中有2个乘客时的图像….预先采集的该类型站台中有10个乘客时的图像..预先采集的该类型站台中有100个人时的图像…预先采集的该类型站台中有200个人时的图像,预设该站台的历史乘客数量最多为300人,包括了预先采集的该站台中有300个人时的图像,并且预存有些时候该站台中包含的300~400人的图像;另外,这里需要说明的是,由于乘客分布不均会造成在人数相同的图片中也可能会包含多种不同的图像,例如,在人数为100的图片中,包括前排人数全部充满,并且前排能够容纳的人数为60,此时后排人数不多的图片;还可以包括前排人数没有充满,后排人数较多的图片。
在前述对多张图片的描述的基础上,对前述的获得的不同类型站台的多张图片用人工标注站台类型、乘客数量等参数后,进行深度学习训练,获得训练模型。在完成模型训练的基础上,将实时拍摄或拼接后的站台图像用此模型进行计算,进而获得本站台图像的乘客数量。一般情况下,不同类型的图片越多,标注越准确、算法参数选择越好,则深度学习的乘客数量推算越准确;在新增不同类型站台或站台布局发生改变后,还需采集新站台的图片,对以上深度学习模型进行重新及补充训练。
在本可选实施方式中,在前述对多张图片的描述的基础上,还可以执行以下步骤来获得站台图像的乘客数量,如图3所示,具体为:
步骤1035:根据站台图像确定站台的类型,转到步骤1037。
步骤1037:根据站台图像与对应类型的多张图片的相似度确定相似度最高的图片,转到步骤1039。
步骤1039:根据相似度最高的图片中的乘客数量推算当前站台的乘客数量。
在步骤1035中,根据人工智能识别将公交车拍摄的站台图像与多张图片进行相似度对比,确定相似度最高的图片,则说明公交车拍摄的站台图像中的人数具有较高可能性与相似度最高的图片中的人数一样,那么就将相似度最高的图片对应的乘客数量作为本次公交车拍摄的站台图像中的人数。
另外,还可以在根据人工智能识别将公交车拍摄的站台图像与多张图片进行相似度对比之后,找出两张与站台图像相似度最高的图片,在获得两张图片关联的实际人数之后,将两张图片中的实际人数进行平均,进而将平均后获得的实际人数作为本站台图像的乘客数量。
在确定了本站台图像的乘客数量之后,还可以判断该站台图像的乘客数量是否超过了历史乘客数量或者是超过历史乘客数量的一定数量(例如超出历史乘客数量的20%),那么可以进行站台乘客过多的提醒,以使监控中心可以调派周围的空闲公交车进行疏散,还可以通过监控中心调派或通过公交车实时向附近发出提醒信息,以提醒附近的值班人员进行乘客乘车秩序维持,以免发生事故。
在第一实施例的另一可选实施方式中,步骤103中的根据站台图像推算站台的乘客数量,如图4所示,具体还可包括以下步骤:
步骤1041:根据站台图像确定站台图像中的乘客数量及分布,乘客分布包括乘客站位的稀疏程度,转到步骤1043。
步骤1043:对该站台图像进行分析,确定该站台的布局及类型,转到步骤1045。
步骤1045:根据站台图像中的人数、乘客分布以及站台的布局及类型推算站台现有的乘客数量。
在步骤1041中,根据站台图像确定站台图像中的人数可通过图像识别算来进行,例如,根据传统的基于模式识别判断人数算法(如数人头、判断头肩三角灯)等,识别出的站台图像中的人数指的是拍摄的站台照片中的乘客数量,而该乘客数量不能体现出该站台全部乘客的数量。根据站台图像确定站台图像中的乘客站位的稀疏程度可通过密集度统计算法来实现,乘客站位的稀疏程度表示在站台图像中乘客之间的空间间隔大小或乘客的站位密集程度,是紧挨着还是间隔有一定距离。
在步骤1043中,对站台图像进行图像分析后获得该站台的布局及类型,通过该站台的布局可分析该站台有没有电子广告牌,电子广告牌有几个,电子广告牌遮挡空间大小,前排最多站的人数,站台最多站几排人等布局;站台的几何形状是为直线式车站、港湾式车站、凸出型车站等;站台大小是大型、中型还是小型;站台位于枢纽站内、是否为首末站等类型因素;对于某些特殊站台,或复杂客流聚集站台,通过连续图像分析无法获得以上站台布局及类型特性,则可以人工到现场进行标注和识别。进而步骤1045中根据站台图像中的人数、乘客站位的稀疏程度以及站台乘客历史分布,可理解为:根据站台图像确定站台类型。进而根据站台类型来确定该站台类型的布局,进而根据布局来确定该站台历史乘客的分布情况。其中识别站台类型的方式可通过图像识别的方式,其中,站台的类型表示为该公交路线上各个站点的站台。进而对各种类型的站点分析其布局参数,从而把现有图片可看见的人员放在站台布局上,推测出总共大致的人员数量。如果实时拍摄的站台图像中站台前排人数多,并且乘客之间间隔空间小,那么说明后排的人数也很多,如果该站台有广告牌,那么可以推算电子广告牌后面极有可能也站满了乘客;如果前排人数较多,乘客之间间隔空间大,较为稀疏,那么则可以推算后排或者电子广告牌后面没有乘客。
具体的,人员围绕站台的分布应该大致为弧形,不同布局的站台弧形曲度不一致,这样在前排的人员密度可推断出后排的大致层数,去掉广告牌和垃圾桶等的位置就可知道总人数,假设通过站台图像的分析得到站台图像中有60个乘客,并且这60个乘客站位比较紧密,通过没有乘客时的模型图像分析后获得该站台的布局图像,根据站台布局图像获得该站台没有电子广告牌,并且站台空间较大,那么则推算后排乘客人数为前排乘客人数的2倍,所以后排乘客人数为120人,该站台的总体乘客人数为180人;如果根据站台布局图像分析该站台没有电子广告牌,并且站台空间较小,那么则推算后排乘客人数为前排乘客人数的1.5倍,即为90人,那么该站台的总体乘客人数为150人;如果根据站台布局图像分析该站台有电子广告牌,并且站台空间较小,电子广告牌后面还需留出空间给路人行走,那么则推算后排乘客人数和电子广告牌后面的乘客人数为站台图像中乘客数量的1倍,即为60人,那么该站台的总体乘客人数为120人。在确定了本站台图像的乘客数量之后,还可以判断该站台图像的乘客数量是否超过了历史乘客数量或者是超过历史乘客数量的一定数量(例如超出历史乘客数量的20%),那么可以进行站台乘客过多的提醒。以使监控中心可以调派周围的空闲公交车进行疏散,或者调派附近的值班人员进行乘客乘车秩序维持,以免发生事故。
上述方案设计的方法,根据站台的布局进而分析历史乘客分布和拍摄的站台图像中的人数和乘客站位情况分析站台的乘客数量以及根据多种不同人数的图片与拍摄的站台图像进行相似度分析来推算该站台的乘客数量,解决了乘客相互遮挡造成的乘客数量推算不准确以及在站台中有电子广告牌等遮挡物时造成的乘客数量推算不准确的问题,使得能够更加精准的推算站台的乘客数量。
另外,在确定公交站台时还可以通过公交车车载定位***关联公交监控中心,根据公交车现有的报站***来确定当前公交站点,进而根据当前公交站点直接在数据库中获取该站点对应的图片,其中公交站点和该站点对应的图片在之前数据库存储时一一对应。
在第一实施例的可选实施方式中,有些站台是属于比较狭长类型的,一辆公交车拍摄的图像可能拍摄不完站台的全景图,这时可通过多辆公交车在一定时间段内拍摄的该站台的多张图像来进行拼接,最终获得该站台的全景图像。在第一实施例的可选实施方式中,如图5所示,在步骤103根据站台图像推算站台的乘客数量之后,该方法还包括:
步骤105:根据公交路线上各个站台的乘客数量确定公交路线的客流量,并根据公交路线的客流量调整公交路线上运行的公交车数量。
在步骤105中,对各个站台进行前述步骤101~103的分析后得到各个站台的乘客数量进而来确定该公交路线上的整体客流量。假设,该公交路线上的整体客流量较小,那么则不用增加该公交路线的公交车,继续按原来的公交排班发车就可以达到乘客的需求。假设,该公交路线上的整体客流量较大,之前的公交排班和发车频率不能够满足乘客的需求,不能在合理的时间范围之内将乘客进行疏散导致交通拥堵或者乘客的满意度降低,那么则根据客流量的大小来增加该公交路线的发车频率;再假设,该公交路线上的整体客流量超标,增加该公交线路的发车频率还不能够对乘客进行快速的疏散,可通过调派附近的其他线路的空闲公交车来进行紧急疏散;另外,如果该公交路线上的整体客流量偏低时就减少该公交线路的发车频率,起到资源合理利用不浪费的作用。
在第一实施例的可选实施方式中,如图6所示,在步骤105根据公交路线上各个站台的乘客数量确定公交路线的客流量,并根据公交路线的客流量调整公交路线上运行的公交车数量之后,该方法还包括:
步骤107:判断公交路线的客流量是否超过预设的报警阈值,预设的报警阈值基于公交路线的历史客流量设置,若超过,则转到步骤109。
步骤109:进行非正常的客流量报警。
上述步骤107~步骤109,如果该公交路线上的客流量太大超过了公交监控中心预设的报警阈值,该预设的报警阈值通过公交监控中心采集的该公交路线的历史平均客流量来设置,例如超过了平时该公交路线的平均客流量的30%以上,那么则进行非正常的客流量报警,进而通过报警来提醒公交监控中心调派公交车来进行乘客紧急疏散,其中,报警的具体方式可通过在监控中心进行语音提示等方式来进行,还可以通过将报警信息发送给监控中心负责人的终端,达到提醒的效果。
另外,在步骤105根据公交路线上各个站台的乘客数量确定公交路线的客流量之后,还可统计一天中各个时间段该公交路线的客流量,了解掌握一天中该公交路线的客流量波动情况,针对波动的起伏的时间段,提前对应增加和减少公交车的发车频率。
在第一实施例的可选实施方式中,如图7所示,在步骤103根据站台图像推算站台的乘客数量之后,该方法还包括:
步骤111:判断站台的乘客数量是否超过预设的阈值,预设的阈值基于站台的历史同类型天日的乘客数量设置,转到步骤113。
步骤113:若超过,则该站台报警,并基于历史客流OD分析得出站台的此时段的后续客流走向及比例数据,转到步骤115。
步骤115:结合多个报警站点的数据,根据预警规则推算后续重要站点是否需要提前预警。
前述步骤113中所说的基于历史客流OD分析得出站台的此时段的后续客流走向及比例数据,具体可这样来进行解释:例如本站台包括3条线路:线路1通向西面后续主要站点A、站点B,客流占比约20%;线路2通向北面后续主要站点C、站点D,客流占比50%;线路3通向东面后续主要站点E,占比10%;其它客流通向不重要<此处“不重要”指安全不关注或客流量小等因素>的站点;步骤115中预警规则可为预设的阈值比例。
上述步骤111~115中出现的场景包括一些大型的集会活动或一些自发的活动等,例如,重庆解放碑举行的元旦跨年活动或者歌手演唱会等,使得步骤113中的公交路线重合的公交站点的人数显著增加,进而造成一系列事故等。因此根据历史同类型天日的公交站台人数数据,分析当前出现异常客流的站点,基于客流OD分析得出的公交人群流向数据,获取其未来可能影响到的相应下车站点并予以预警,预警此类情况的出现,进而针对性的作出适当的安排,提前找出应对策略。
在第一实施例的可选实施方式中,如图8所示,在步骤101获取站台图像之前,该方法还包括:
步骤20:获取公交车位置信息和站台位置信息,转到步骤22。
步骤22:根据公交车位置信息和站台位置信息确定公交车与站台的直线距离,判断直线距离是否在预设的范围内,转到步骤24。
步骤24:若是,则开启设置在公交车上的摄像装置,并在公交车停止时截取摄像装置拍摄的视频信息,以获取站台的站台图像。
上述步骤20~24,其具体实现方式可为:
通过全球定位***获取公交车位置信息和站台位置信息,从定位上分析公交车与站台的直线距离,在公交车到达站台周围的一定范围内之后,此时预设的范围可为一般的站台为30米,较长的站台设为50米,则开启设置在公交车外部的摄像装置,使其拍摄站台的视频或者图像,并在公交车停稳后停止截取这段时间拍摄的视频信息,进而根据截取的视频信息获得站台的站台图像。判断公交车停稳的方式可为公交车速度为0时发送摄像装置关闭信号或者通过公交车司机手动关闭摄像头的方式。
在第一实施例的可选实施方式中,在步骤101获取站台图像之前,该方法还包括预先采集各类型站台的站台图片,将站台图片与该站台进行关联,并将关联后的站台图片存储在数据库中。
另外,这里需要说明的是,本方案中的执行主体可为多种,包括公交监控中心的服务器或设置在公交车上的处理器或设置在站台内部的处理器等,执行主体为公交监控中心的服务器时,步骤101获取站台的站台图像方式可以是接收公交车摄像头或者站台摄像头通过与监控中心服务器连接的通信设备上传的拍摄站台图像,进而在监控中心的服务器中执行后续的步骤103来推算站台中的乘客数量,执行步骤105根据客流量来实现公交车的调整,执行步骤107~109实现非正常的客流量报警,步骤111~115实现城市安全报警,以及执行步骤20~24来获取站台图像;当执行主体为公交车上的处理器时,处理器接收公交车摄像头或者站台摄像头拍摄的站台图像,通过通信模块调用服务器中数据库中的图片进而在处理器中执行步骤103,在处理器中执行步骤105根据客流量来实现公交车的调整之后,将调整方案上报到监控中心,在处理器中执行步骤107~109实现非正常的客流量报警之后,将非正常的客流量报警通过通信模块上报到公交监控中心服务器,在处理器中执行步骤111~115实现城市安全报警之后,将城市安全报警通过通信模块上报到公交监控中心服务器,在处理器中执行步骤20~24来获取站台图像;当执行主体为站台内部的处理器时与公交车上的处理器执行方式类似。
第二实施例
如图9所示,本申请提供一种乘客数量推算装置,该装置包括:
获取模块201,用于获取站台的站台图像;
推算模块202,用于根据站台图像推算站台的乘客数量。
上述方案设计的装置,对站台图像进行一系列处理,解决了乘客相互遮挡造成的乘客数量推算不准确以及在站台中有电子广告牌等遮挡物时造成的乘客数量推算不准确的问题,使得能够更加精准的推算站台的乘客数量。
在第二实施例的可选实施方式中,该装置还包括确定模块203和调整模块204,在推算模块202根据站台图像和站台对应的图片推算站台的乘客数量之后;
确定模块203,用于根据公交路线上各个站台的乘客数量确定公交路线的客流量;
调整模块204,用于根据公交路线的客流量调整公交路线上运行的公交车数量。
上述方案设计的装置,推算站台的乘客数量之后分析该公交路线的客流量,进而根据客流量的情况适当的增加或减少公交车的数量,使得客流量大时能够及时将过多的乘客较快的进行疏散,客流量较小的减少公交车的数量,来减少资源浪费。
在第二实施例的可选实施方式中,该装置还包括判断模块205和报警模块206,在确定模块203根据公交路线上各个站台的乘客数量确定公交路线的客流量之后;
判断模块205,用于判断公交路线的客流量是否超过预设的报警阈值,预设的报警阈值基于公交路线的历史客流量设置;
报警模块206,用于在判断模块205判断公交路线的客流量超过预设的报警阈值后,进行非正常的客流量报警。
上述方案设计的装置,进行非正常的客流量报警,使得过大的客流量能够被后台公交监控中心重视,进而快速找到解决措施,避免过大的客流量影响交通运行以及造成事故发生。
在第二实施例的可选实施方式中,判断模块205,还用于判断站台的乘客数量是否超过预设的阈值,预设的阈值基于站台的历史同类型天日的乘客数量设置;
报警模块206,在判断多个公交路线的客流量同时超过预设的报警阈值之后,进行站台报警;
分析模块207,用于基于历史客流OD分析得出所述站台的此时段的后续客流走向及比例数据;
报警模块206,还用于结合多个报警站点的数据,根据预警规则推算后续重要站点是否需要提前预警。
上述方案设计的装置,交通预警使得城市里一些大型集会或者非法自发集会活动能够被预知进而找出解决措施及时解决。
在第二实施例的可选实施方式中,该装置还包括开启模块208和截取模块209,在获取模块201获取站台的站台图像之前;
获取模块201,还用于获取公交车位置信息和站台位置信息;
确定模块203,还用于根据公交车位置信息和站台位置信息确定公交车与站台的直线距离;
判断模块205,还用于判断直线距离是否在预设的范围内;
开启模块208,用于在判断模块205判断直线距离在预设的范围内时,开启设置在公交车上的摄像装置;
截取模块209,用于在公交车停止时截取摄像装置拍摄的视频信息,以获取站台的站台图像。
上述方案设计的装置,通过移动的公交车来拍摄站台的图像,使得站台的图像获取的时间更为及时,相对于设置在站台内部的摄像头,设置在公交车的摄像头拍摄的范围更加广阔。
在第二实施例的可选实施方式中,该装置还包括关联模块210以及存储模块211,在获取模块201获取站台的站台图像之前;
获取模块201,用于获取多种站台图片;
关联模块210,用于将站台图片与对应的站台进行关联;
存储模块211,用于将关联后的多种所述站台图片存储在数据库中。
第三实施例
如图10所示,本申请提供一种电子设备,包括:处理器301,以及分别与处理器连接的存储器302和通信模块303,存储器302存储有处理器301可执行的机器可读指令,通信模块303用于与外部设备进行通信传输;当所述计算设备运行时,处理器301执行所述机器可读指令,以执行时执行第一实施例、第一实施例的任一可选的实现方式中的所述方法。
本申请提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行第一实施例、第一实施例的任一可选的实现方式中的所述方法。
其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
本申请提供一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行第一实施例、第一实施例的任一可选的实现方式中的所述方法置。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种乘客数量推算方法,其特征在于,所述方法包括:
获取站台的站台图像;
根据所述站台的站台图像推算当前站台的乘客数量。
2.根据权利要求1所述方法,其特征在于,所述根据所述站台的站台图像推算当前站台的乘客数量,包括:
根据所述站台图像确定所述站台图像中的乘客数量及分布,乘客分布包括乘客站位的稀疏程度;
对所述站台图像进行分析,确定所述站台的布局及类型;
根据所述站台图像中的人数、乘客分布以及站台的布局及类型推算所述站台现有的乘客数量。
3.根据权利要求2所述方法,其特征在于,所述对所述站台图像进行分析确定所述站台的布局及类型,包括:
对所述站台图像进行分析确定所述站台的几何形状、站台大小、站台内是否包含遮挡物。
4.根据权利要求1所述方法,其特征在于,所述站台图像包括站台对应的多张图片,每张所述图片对应一站台中乘客数量,所述多张图片中至少两张图片对应的乘客数量不同,所述根据所述站台的站台图像推算当前站台的乘客数量,包括:
根据神经网络模型和对应的参数对所述站台对应的多张图片进行深度学习训练,以使获得的训练模型对于所述站台图像的站台类型识别及乘客数量推算达到应用所需的准确度要求。
5.根据权利要求1所述方法,其特征在于,在所述根据所述站台的站台图像推算当前站台的乘客数量之后,所述方法还包括:
判断所述站台的乘客数量是否超过预设的阈值,所述预设的阈值基于所述站台的历史同类型天日的乘客数量设置;
若超过,则所述站台进行报警,并基于历史客流OD分析得出所述站台的此时段的后续客流走向及比例数据;
结合多个报警站点的数据,根据预警规则推算后续重要站点是否需要提前预警。
6.根据权利要求1所述方法,其特征在于,在所述根据所述站台的站台图像推算当前站台的乘客数量之后,所述方法还包括:
根据公交路线上各个站台的乘客数量确定所述公交路线的客流量,并根据所述公交路线的客流量调整所述公交路线上运行的公交车数量。
7.根据权利要求5所述方法,其特征在于,在所述根据公交路线上各个站台的乘客数量确定所述公交路线的客流量之后,所述方法还包括:
判断所述公交路线的客流量是否超过预设的报警阈值,所述预设的报警阈值基于所述公交路线的历史客流量设置;
若超过,则进行非正常的客流量报警。
8.根据权利要求1所述方法,其特征在于,在所述获取站台的站台图像之前,所述方法还包括:
获取公交车位置信息和站台位置信息;
根据所述公交车位置信息和站台位置信息确定公交车与站台的直线距离,判断所述直线距离是否在预设的范围内;
若是,则开启设置在所述公交车上的摄像装置,并在所述公交车停止时截取所述摄像装置拍摄的视频信息,以获取站台的站台图像。
9.根据权利要求4所述方法,其特征在于,在所述获取站台的站台图像之前,所述方法还包括:
获取多种站台图片,将所述站台图片与对应的站台进行关联;
将关联后的多种所述站台图片存储在数据库中。
10.一种乘客数量推算装置,其特征在于,所述装置包括:
获取模块,用于获取站台的站台图像;
推算模块,用于根据所述站台的站台图像推算所述站台的乘客数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910347197.9A CN110070061A (zh) | 2019-04-26 | 2019-04-26 | 一种乘客数量推算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910347197.9A CN110070061A (zh) | 2019-04-26 | 2019-04-26 | 一种乘客数量推算方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110070061A true CN110070061A (zh) | 2019-07-30 |
Family
ID=67369234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910347197.9A Pending CN110070061A (zh) | 2019-04-26 | 2019-04-26 | 一种乘客数量推算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070061A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110634315A (zh) * | 2019-08-27 | 2019-12-31 | 云手指智能科技(江苏)股份有限公司 | 一种城市公交的智能管理*** |
CN112364739A (zh) * | 2020-10-31 | 2021-02-12 | 成都新潮传媒集团有限公司 | 一种人数统计方法、装置及计算机可读存储介质 |
CN112419770A (zh) * | 2020-11-06 | 2021-02-26 | 杭州图软科技有限公司 | 一种公交站台一体式多媒体*** |
CN112884626A (zh) * | 2019-11-29 | 2021-06-01 | 比亚迪股份有限公司 | 轨道车辆的运行控制方法和控制*** |
CN113034890A (zh) * | 2021-03-15 | 2021-06-25 | 重庆交通开投科技发展有限公司 | 一种跨线运行情况下的公交圈次时间计算及预测方法 |
CN113822462A (zh) * | 2021-08-06 | 2021-12-21 | 上海申铁信息工程有限公司 | 一种车站应急指挥方法及装置 |
EP4270327A1 (en) | 2022-04-28 | 2023-11-01 | Hitachi, Ltd. | Method for counting passengers of a public transportation system, control apparatus and computer program product |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160313A (zh) * | 2014-09-15 | 2015-12-16 | 中国科学院重庆绿色智能技术研究院 | 视频监控中人群行为分析的方法及装置 |
CN106778632A (zh) * | 2016-12-22 | 2017-05-31 | 东南大学 | 轨道交通大客流识别预警***和方法 |
CN107038426A (zh) * | 2017-04-25 | 2017-08-11 | 广东兆邦智能科技有限公司 | 热图生成方法 |
CN107424170A (zh) * | 2017-06-17 | 2017-12-01 | 复旦大学 | 用于自动探测监控视频中局部异常行为的运动特征描述方法 |
CN109360311A (zh) * | 2018-10-12 | 2019-02-19 | 常熟理工学院 | 一种公共交通工具拥挤程度测量方法 |
-
2019
- 2019-04-26 CN CN201910347197.9A patent/CN110070061A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160313A (zh) * | 2014-09-15 | 2015-12-16 | 中国科学院重庆绿色智能技术研究院 | 视频监控中人群行为分析的方法及装置 |
CN106778632A (zh) * | 2016-12-22 | 2017-05-31 | 东南大学 | 轨道交通大客流识别预警***和方法 |
CN107038426A (zh) * | 2017-04-25 | 2017-08-11 | 广东兆邦智能科技有限公司 | 热图生成方法 |
CN107424170A (zh) * | 2017-06-17 | 2017-12-01 | 复旦大学 | 用于自动探测监控视频中局部异常行为的运动特征描述方法 |
CN109360311A (zh) * | 2018-10-12 | 2019-02-19 | 常熟理工学院 | 一种公共交通工具拥挤程度测量方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110634315A (zh) * | 2019-08-27 | 2019-12-31 | 云手指智能科技(江苏)股份有限公司 | 一种城市公交的智能管理*** |
CN112884626A (zh) * | 2019-11-29 | 2021-06-01 | 比亚迪股份有限公司 | 轨道车辆的运行控制方法和控制*** |
CN112884626B (zh) * | 2019-11-29 | 2023-09-05 | 比亚迪股份有限公司 | 轨道车辆的运行控制方法和控制*** |
CN112364739A (zh) * | 2020-10-31 | 2021-02-12 | 成都新潮传媒集团有限公司 | 一种人数统计方法、装置及计算机可读存储介质 |
CN112364739B (zh) * | 2020-10-31 | 2023-08-08 | 成都新潮传媒集团有限公司 | 一种人数统计方法、装置及计算机可读存储介质 |
CN112419770A (zh) * | 2020-11-06 | 2021-02-26 | 杭州图软科技有限公司 | 一种公交站台一体式多媒体*** |
CN112419770B (zh) * | 2020-11-06 | 2021-10-08 | 杭州图软科技有限公司 | 一种公交站台一体式多媒体*** |
CN113034890A (zh) * | 2021-03-15 | 2021-06-25 | 重庆交通开投科技发展有限公司 | 一种跨线运行情况下的公交圈次时间计算及预测方法 |
CN113822462A (zh) * | 2021-08-06 | 2021-12-21 | 上海申铁信息工程有限公司 | 一种车站应急指挥方法及装置 |
CN113822462B (zh) * | 2021-08-06 | 2023-10-13 | 上海申铁信息工程有限公司 | 一种车站应急指挥方法及装置 |
EP4270327A1 (en) | 2022-04-28 | 2023-11-01 | Hitachi, Ltd. | Method for counting passengers of a public transportation system, control apparatus and computer program product |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070061A (zh) | 一种乘客数量推算方法及装置 | |
CN110390262B (zh) | 视频分析方法、装置、服务器及存储介质 | |
KR102122859B1 (ko) | 교통 영상감시시스템의 멀티 표적 추적 방법 | |
CN109615864A (zh) | 基于视频结构化的车辆拥堵分析方法、***、终端及存储介质 | |
CN106384532A (zh) | 视频数据分析方法、装置以及停车位监控*** | |
CN109326124A (zh) | 一种基于机器视觉的城市环境停放车辆行为识别*** | |
CN110188807A (zh) | 基于级联超分辨率网络与改进Faster R-CNN的隧道行人目标检测方法 | |
CN107886055A (zh) | 一种用于车辆运动方向判定的逆行检测方法 | |
CN107885795A (zh) | 一种卡口数据的数据校验方法、***和装置 | |
CN109979197B (zh) | 基于融合数据的高速公路交通时间地图构建方法、*** | |
CN107067730A (zh) | 基于卡口设备的网约车人车不一致监测方法 | |
CN108765975A (zh) | 路侧垂直停车场管理***及方法 | |
CN112085953B (zh) | 一种交通指挥方法、装置及设备 | |
CN112991130A (zh) | 基于人工智能的城市治理事件处理方法及装置 | |
CN112380892B (zh) | 一种图像识别方法、装置、设备及介质 | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
CN109493606A (zh) | 一种高速公路上违停车辆的识别方法及*** | |
CN117037084A (zh) | 基于轨迹重建的收费站车辆异常行为识别方法及装置 | |
CN110263623A (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN109584579A (zh) | 基于人脸识别的交通信号灯控制方法及计算机设备 | |
CN111368626B (zh) | 车辆识别方法、装置、电子设备和存储介质 | |
WO2023246720A1 (zh) | 路侧停车检测方法、***及电子设备 | |
CN108364471A (zh) | 基于智能交通灯od信息检查的货运规划管理方法及*** | |
CN117765720A (zh) | 园区交通智慧适应疏导方法、***、设备以及存储介质 | |
CN117058774A (zh) | 基于多尺度监测的高速收费站管控方法、装置及设备 |
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: 20190730 |