CN112396835B - 一种基于大数据的地铁和公交客流分析*** - Google Patents

一种基于大数据的地铁和公交客流分析*** Download PDF

Info

Publication number
CN112396835B
CN112396835B CN202011226085.7A CN202011226085A CN112396835B CN 112396835 B CN112396835 B CN 112396835B CN 202011226085 A CN202011226085 A CN 202011226085A CN 112396835 B CN112396835 B CN 112396835B
Authority
CN
China
Prior art keywords
passenger flow
bus
subway
data
module
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
CN202011226085.7A
Other languages
English (en)
Other versions
CN112396835A (zh
Inventor
方玉喜
徐杰
刘敬
郭君元
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.)
Hangzhou Turam Technology Co ltd
Original Assignee
Hangzhou Turam 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 Hangzhou Turam Technology Co ltd filed Critical Hangzhou Turam Technology Co ltd
Priority to CN202011226085.7A priority Critical patent/CN112396835B/zh
Publication of CN112396835A publication Critical patent/CN112396835A/zh
Application granted granted Critical
Publication of CN112396835B publication Critical patent/CN112396835B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/20Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种基于大数据的地铁和公交客流分析***,包括处理器、数据存储模块、客流预警模块、地铁客流统计模块、公交客流统计模块和显示调度模块;本发明设置了地铁客流统计模块,该设置用于统计城市地铁的客流量,地铁客流统计模块根据长途交通工具的运载数据拟合了城市客流系数曲线,根据城市客流系数曲线计算出地铁客流数据,有助于对地铁客流量进行预估,避免了因客流量超过地铁承载能力导致的旅客滞留;本发明设置了公交客流统计模块,公交客流统计模块通过接收记录和长途交通工具的运载数据对公交客车的客流量进行预估,并根据预估结果进行实时调度,有助于提高乘客运载量,弹性调度,降低公交客车的运营成本。

Description

一种基于大数据的地铁和公交客流分析***
技术领域
本发明属于公共交通客流统计技术领域,具体是一种基于大数据的地铁和公交客流分析***。
背景技术
随着经济的快速发展,城镇化的进程不断加速,城市的面貌发生了翻天覆地的变化,城市公共交通配套设施也有了较大的发展。但是城市人口的急速增加,原有的交通配套设施越显不足,交通压力日渐显现,严重制约了城市的发展和影响了人民生活质量的提高,目前城市管理者面临很大的挑战。
公开号为CN111666879A的发明专利提供了一种基于大数据框架的公交客流分析与规划***和方法,所述***包括:图像采集模块,用于采集公交上车视频图像和下车视频图像;客流统计模块,用于根据所述的上车视频图像和下车视频图像对公交客流数据进行统计;数据传输模块,将所述客流统计模块统计的公交客流数据发送至后台的数据存储中心进行存储;公交决策模块,用于根据所述可楼统计模块统计的公交客流数据指定公交运营路线和调度计划。
上述方案克服了现有技术中公交***利用IC卡统计客流量的准确度较差的问题,能够更加精确地获取公交客流数据;但是上述方案只能针对公交***本身进行统计,数据源获取比较单一,无法提前对公交路线进行规划;因此,上述方案仍需进一步改进。
发明内容
为了解决上述方案存在的问题,本发明提供了一种基于大数据的地铁和公交客流分析***。
本发明的目的可以通过以下技术方案实现:一种基于大数据的地铁和公交客流分析***,包括处理器、数据存储模块、地铁客流统计模块、公交客流统计模块和显示调度模块;
所述地铁客流统计模块用于统计城市地铁的客流量,具体统计步骤为:
Z1:获取长途交通工具的运载数据,并根据长途交通工具的运载数据获取城市客流系数曲线nxi;并将长途交通工具的运载数据标记为CYS;
Z2:获取当前***时间,根据当前***时间获取当前时间系数,将当前时间系数代入到城市客流系数曲线中获取当前城市客流系数,并将当前城市客流系数标记为DCKX;
Z3:通过公式DKLS=β1×DCKX×CYS+β2获取地铁客流数据DKLS;其中β1为预设地铁乘车系数,所述地铁乘车系数存储于数据存储模块中;β2为预设比例系数,且β1和β2均大于0;
Z4:当地铁客流数据DKLS满足0<DKLS≤L1时,则判定地铁承载能力足够,通过处理器发送地铁承载能力充足信号至显示调度模块;当地铁客流数据DKLS满足L1<DKLS≤L2时,则判定地铁承载能力达到负荷最大值,通过处理器发送地铁承载能力满负荷信号至显示调度模块;当地铁客流数据DKLS满足L2<DKLS时,则判定地铁承载能力超过负荷值,通过处理器发送地铁承载能力超负荷信号至显示调度模块,同时,通过处理器发送公交客车分散信号至公交客流统计模块;其中L1和L2为预设地铁客流数据阈值;
Z5:通过处理器将地铁客流数据和地铁承载信号发送记录发送至数据存储模块进行存储。
优选的,所述公交客流统计模块用于统计城市公交客车的客流量,具体统计步骤为:
C1:公交客流统计模块将公交客车分散信号的接收记录标记为GKJL;其中接收记录GKJL的取值为1和0,当GKJL=1时,表示公交客流统计模块接收到了公交客车分散信号,当GKJL=0时,表示公交客流统计模块未接收到公交客车分散信号;
C2:通过公式GKLS=θ1×(GKJL×0.1+β3)×((0.9-DCKX)×CYS)获取公交客流数据GKLS;其中θ1和β3为预设比例系数,且0<β3<1,0<θ1;
C3:当公交客流数据GKLS满足0<GKLS≤L3时,则判定公交承载能力充足,通过处理器发送公交承载能力足够信号至显示调度模块;当公交客流数据GKLS满足L3<GKLS≤L4时,则判定公交承载能力达到最大负荷值,通过处理器发送公交承载能力满负荷信号至显示调度模块;当公交客流数据GKLS满足L4<GKLS时,则判定公交承载能力超过最大负荷值,通过处理器发送公交承载能力超负荷信号至显示调度模块;其中L3和L4为预设比例系数;
C4:通过处理器将接收记录、公交客流数据、公交承载能力足够信号发送记录、公交承载能力满负荷信号发送记录和公交承载能力超负荷信号发送记录发送至数据存储模块进行存储。
优选的,所述显示调度模块用于对地铁和公交进行调度;当显示调度模块接收到地铁承载能力满负荷信号时,通过处理器调度工作人员至地铁站维持秩序;当显示调度模块接收到地铁承载能力超负荷信号时,通过处理器调度工作人员至地铁站维持秩序,同时对地铁运行速度和列次进行调整;当显示调度模块接收到公交承载能力满负荷信号和公交承载能力超负荷信号时,通过处理器对公交车的发车时间进行调整,同时增加公交车的班次。
优选的,所述城市客流系数曲线nxi的具体获取步骤为:
X1:获取长途交通工具的运载数据;所述运载数据包括城市输入量和城市输出量之和,所述城市输入量为一天中流入城市的旅客总数,所述城市输出量为一天中流出城市的旅客总数;所述长途交通工具包括火车、长途客车和飞机;
X2:将每天平均分为若干时间段,通过时间段和时间段中的运载数据建立坐标点(i,xi);其中i表示第i个时间系数,xi表示第i个时间段的运载数据;
X3:将N天坐标点(i,xi)进行归一化之后得到客流系数坐标点(ni,nxi),对客流系数坐标点(ni,nxi)进行多元回归分析并获取回归曲线,将回归曲线标记为城市客流系数曲线nxi,其中nxi=α1×niτ1+α2×niτ2+α3;其中α1、α2和α3为预设比例系数,且α1、α2和α3均大于0;τ1和τ2为大于0的自然数;其中N>5,且N为整数;
X4:通过处理器将运载数据和城市客流系数曲线发送至数据存储模块进行存储。
优选的,所述时间系数i的获取公式为
Figure GDA0003214722980000041
其中SJ为每个时间段的分钟数,SJ为固定常数;SJ1为当前***时间与第i个时间系数对应时间段开始时间的差值;α4为预设比例系数,且0<α4<1。
与现有技术相比,本发明的有益效果是:
1、本发明设置了地铁客流统计模块,该设置用于统计城市地铁的客流量;通过公获取地铁客流数据DKLS;当地铁客流数据DKLS满足0<DKLS≤L1时,则判定地铁承载能力足够,通过处理器发送地铁承载能力充足信号至显示调度模块;当地铁客流数据DKLS满足L1<DKLS≤L2时,则判定地铁承载能力达到负荷最大值,通过处理器发送地铁承载能力满负荷信号至显示调度模块;当地铁客流数据DKLS满足L2<DKLS时,则判定地铁承载能力超过负荷值,通过处理器发送地铁承载能力超负荷信号至显示调度模块,同时,通过处理器发送公交客车分散信号至公交客流统计模块;地铁客流统计模块根据长途交通工具的运载数据拟合了城市客流系数曲线,根据城市客流系数曲线计算出地铁客流数据,有助于对地铁客流量进行预估,避免了因客流量超过地铁承载能力导致的旅客滞留;
2、本发明设置了公交客流统计模块,该设置用于统计城市公交客车的客流量;公交客流统计模块将公交客车分散信号的接收记录标记为GKJL;通过公式获取公交客流数据GKLS;当公交客流数据DKLS满足0<GKLS≤L3时,则判定公交承载能力充足,通过处理器发送公交承载能力足够信号至显示调度模块;当公交客流数据GKLS满足L3<GKLS≤L4时,则判定公交承载能力达到最大负荷值,通过处理器发送公交承载能力满负荷信号至显示调度模块;当公交客流数据GKLS满足L4<GKLS时,则判定公交承载能力超过最大负荷值,通过处理器发送公交承载能力超负荷信号至显示调度模块;公交客流统计模块通过接收记录和长途交通工具的运载数据对公交客车的客流量进行预估,并根据预估结果进行实时调度,有助于提高乘客运载量,弹性调度,降低公交客车的运营成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明的原理示意图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
请参阅图1,一种基于大数据的地铁和公交客流分析***,包括处理器、数据存储模块、客流预警模块、地铁客流统计模块、公交客流统计模块和显示调度模块;
所述地铁客流统计模块用于统计城市地铁的客流量,具体统计步骤为:
Z1:获取长途交通工具的运载数据,并根据长途交通工具的运载数据获取城市客流系数曲线nxi;并将长途交通工具的运载数据标记为CYS;
Z2:获取当前***时间,根据当前***时间获取当前时间系数,将当前时间系数代入到城市客流系数曲线中获取当前城市客流系数,并将当前城市客流系数标记为DCKX;
Z3:通过公式DKLS=β1×DCKX×CYS+β2获取地铁客流数据DKLS;其中β1为预设地铁乘车系数,所述地铁乘车系数存储于数据存储模块中;β2为预设比例系数,且β1和β2均大于0;
Z4:当地铁客流数据DKLS满足0<DKLS≤L1时,则判定地铁承载能力足够,通过处理器发送地铁承载能力充足信号至显示调度模块;当地铁客流数据DKLS满足L1<DKLS≤L2时,则判定地铁承载能力达到负荷最大值,通过处理器发送地铁承载能力满负荷信号至显示调度模块;当地铁客流数据DKLS满足L2<DKLS时,则判定地铁承载能力超过负荷值,通过处理器发送地铁承载能力超负荷信号至显示调度模块,同时,通过处理器发送公交客车分散信号至公交客流统计模块;其中L1和L2为预设地铁客流数据阈值;
Z5:通过处理器将地铁客流数据和地铁承载信号发送记录发送至数据存储模块进行存储。
进一步地,所述公交客流统计模块用于统计城市公交客车的客流量,具体统计步骤为:
C1:公交客流统计模块将公交客车分散信号的接收记录标记为GKJL;其中接收记录GKJL的取值为1和0,当GKJL=1时,表示公交客流统计模块接收到了公交客车分散信号,当GKJL=0时,表示公交客流统计模块未接收到公交客车分散信号;
C2:通过公式GKLS=θ1×(GKJL×0.1+β3)×((0.9-DCKX)×CYS)获取公交客流数据GKLS;其中θ1和β3为预设比例系数,且0<β3<1,0<θ1;
C3:当公交客流数据GKLS满足0<GKLS≤L3时,则判定公交承载能力充足,通过处理器发送公交承载能力足够信号至显示调度模块;当公交客流数据GKLS满足L3<GKLS≤L4时,则判定公交承载能力达到最大负荷值,通过处理器发送公交承载能力满负荷信号至显示调度模块;当公交客流数据GKLS满足L4<GKLS时,则判定公交承载能力超过最大负荷值,通过处理器发送公交承载能力超负荷信号至显示调度模块;其中L3和L4为预设比例系数;
C4:通过处理器将接收记录、公交客流数据、公交承载能力足够信号发送记录、公交承载能力满负荷信号发送记录和公交承载能力超负荷信号发送记录发送至数据存储模块进行存储。
进一步地,所述显示调度模块用于对地铁和公交进行调度;当显示调度模块接收到地铁承载能力满负荷信号时,通过处理器调度工作人员至地铁站维持秩序;当显示调度模块接收到地铁承载能力超负荷信号时,通过处理器调度工作人员至地铁站维持秩序,同时对地铁运行速度和列次进行调整;当显示调度模块接收到公交承载能力满负荷信号和公交承载能力超负荷信号时,通过处理器对公交车的发车时间进行调整,同时增加公交车的班次。
进一步地,所述城市客流系数曲线nxi的具体获取步骤为:
X1:获取长途交通工具的运载数据;所述运载数据包括城市输入量和城市输出量之和,所述城市输入量为一天中流入城市的旅客总数,所述城市输出量为一天中流出城市的旅客总数;所述长途交通工具包括火车、长途客车和飞机;
X2:将每天平均分为若干时间段,通过时间段和时间段中的运载数据建立坐标点(i,xi);其中i表示第i个时间系数,xi表示第i个时间段的运载数据;
X3:将N天坐标点(i,xi)进行归一化之后得到客流系数坐标点(ni,nxi),对客流系数坐标点(ni,nxi)进行多元回归分析并获取回归曲线,将回归曲线标记为城市客流系数曲线nxi,其中nxi=α1×niτ1+α2×niτ2+α3;其中α1、α2和α3为预设比例系数,且α1、α2和α3均大于0;τ1和τ2为大于0的自然数;其中N>5,且N为整数;
X4:通过处理器将运载数据和城市客流系数曲线发送至数据存储模块进行存储。
进一步地,所述时间系数i的获取公式为
Figure GDA0003214722980000081
其中SJ为每个时间段的分钟数,SJ为固定常数;SJ1为当前***时间与第i个时间系数对应时间段开始时间的差值;α4为预设比例系数,且0<α4<1。
进一步地,所述客流预警模块用于对乘客进行预警;当处理器接收到预警信号之后,通过客流预警模块将当前***时间的城市客流系数、地铁客流数据和公交客流数据发送至特定范围内预约乘客的智能终端;所述预警信号包括地铁承载能力满负荷信号、地铁承载能力超负荷信号、公交承载能力满负荷信号和公交承载能力超负荷信号;所述特定范围为地铁客流数据和公交客流数据对应地铁站和公交站方圆J1米范围内,所述J1为预设比例系数;所述智能终端包括智能手机、平板电脑和笔记本电脑;所述预约乘客是指开通消息提醒的乘客。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理:
获取长途交通工具的运载数据,并根据长途交通工具的运载数据获取城市客流系数曲线nxi;并将长途交通工具的运载数据标记为CYS;获取当前***时间,根据当前***时间获取当前时间系数,将当前时间系数代入到城市客流系数曲线中获取当前城市客流系数,并将当前城市客流系数标记为DCKX;通过公获取地铁客流数据DKLS;当地铁客流数据DKLS满足0<DKLS≤L1时,则判定地铁承载能力足够,通过处理器发送地铁承载能力充足信号至显示调度模块;当地铁客流数据DKLS满足L1<DKLS≤L2时,则判定地铁承载能力达到负荷最大值,通过处理器发送地铁承载能力满负荷信号至显示调度模块;当地铁客流数据DKLS满足L2<DKLS时,则判定地铁承载能力超过负荷值,通过处理器发送地铁承载能力超负荷信号至显示调度模块,同时,通过处理器发送公交客车分散信号至公交客流统计模块;
公交客流统计模块将公交客车分散信号的接收记录标记为GKJL;其中接收记录GKJL的取值为1和0,当GKJL=1时,表示公交客流统计模块接收到了公交客车分散信号,当GKJL=0时,表示公交客流统计模块未接收到公交客车分散信号;通过公式获取公交客流数据GKLS;当公交客流数据GKLS满足0<GKLS≤L3时,则判定公交承载能力充足,通过处理器发送公交承载能力足够信号至显示调度模块;当公交客流数据GKLS满足L3<GKLS≤L4时,则判定公交承载能力达到最大负荷值,通过处理器发送公交承载能力满负荷信号至显示调度模块;当公交客流数据GKLS满足L4<GKLS时,则判定公交承载能力超过最大负荷值,通过处理器发送公交承载能力超负荷信号至显示调度模块;
当显示调度模块接收到地铁承载能力满负荷信号时,通过处理器调度工作人员至地铁站维持秩序;当显示调度模块接收到地铁承载能力超负荷信号时,通过处理器调度工作人员至地铁站维持秩序,同时对地铁运行速度和列次进行调整;当显示调度模块接收到公交承载能力满负荷信号和公交承载能力超负荷信号时,通过处理器对公交车的发车时间进行调整,同时增加公交车的班次。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,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,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。

Claims (1)

1.一种基于大数据的地铁和公交客流分析***,其特征在于,包括处理器、数据存储模块、地铁客流统计模块、公交客流统计模块和显示调度模块;
所述地铁客流统计模块用于统计城市地铁的客流量,具体统计步骤为:
Z1:获取长途交通工具的运载数据,并根据长途交通工具的运载数据获取城市客流系数曲线nxi;并将长途交通工具的运载数据标记为CYS;所述城市客流系数曲线nxi的具体获取步骤为:
X1:获取长途交通工具的运载数据;所述运载数据包括城市输入量和城市输出量之和,所述城市输入量为一天中流入城市的旅客总数,所述城市输出量为一天中流出城市的旅客总数;所述长途交通工具包括火车、长途客车和飞机;
X2:将每天平均分为若干时间段,通过时间段和时间段中的运载数据建立坐标点(i,xi);其中i表示第i个时间系数,xi表示第i个时间段的运载数据;
X3:将N天坐标点(i,xi)进行归一化之后得到客流系数坐标点(ni,nxi),对客流系数坐标点(ni,nxi)进行多元回归分析并获取回归曲线,将回归曲线标记为城市客流系数曲线nxi,其中nxi=α1×niτ1+α2×niτ2+α3;其中α1、α2和α3为预设比例系数,且α1、α2和α3均大于0;τ1和τ2为大于0的自然数;其中N>5,且N为整数;
X4:通过处理器将运载数据和城市客流系数曲线发送至数据存储模块进行存储;
Z2:获取当前***时间,根据当前***时间获取当前时间系数,将当前时间系数代入到城市客流系数曲线中获取当前城市客流系数,并将当前城市客流系数标记为DCKX;
Z3:通过公式DKLS=β1×DCKX×CYS+β2获取地铁客流数据DKLS;其中β1为预设地铁乘车系数,所述地铁乘车系数存储于数据存储模块中;β2为预设比例系数,且β1和β2均大于0;
Z4:当地铁客流数据DKLS满足0<DKLS≤L1时,则判定地铁承载能力足够,通过处理器发送地铁承载能力充足信号至显示调度模块;当地铁客流数据DKLS满足L1<DKLS≤L2时,则判定地铁承载能力达到负荷最大值,通过处理器发送地铁承载能力满负荷信号至显示调度模块;当地铁客流数据DKLS满足L2<DKLS时,则判定地铁承载能力超过负荷值,通过处理器发送地铁能力超负荷信号至显示调度模块,同时,通过处理器发送公交客车分散信号至公交客流统计模块;其中L1和L2为预设地铁客流数据阈值;
Z5:通过处理器将地铁客流数据和地铁承载信号发送记录发送至数据存储模块进行存储;
所述公交客流统计模块用于统计城市公交客车的客流量,具体统计步骤为:
C1:公交客流统计模块将公交客车分散信号的接收记录标记为GKJL;其中接收记录GKJL的取值为1和0,当GKJL=1时,表示公交客流统计模块接收到了公交客车分散信号,当GKJL=0时,表示公交客流统计模块未接收到公交客车分散信号;
C2:通过公式GKLS=θ1×(GKJL×0.1+β3)×((0.9-DCKX)×CYS)获取公交客流数据GKLS;其中θ1和β3为预设比例系数,且0<β3<1,0<θ1;
C3:当公交客流数据GKLS满足0<GKLS≤L3时,则判定公交承载能力充足,通过处理器发送公交承载能力足够信号至显示调度模块;当公交客流数据GKLS满足L3<GKLS≤L4时,则判定公交承载能力达到最大负荷值,通过处理器发送公交承载能力满负荷信号至显示调度模块;当公交客流数据GKLS满足L4<GKLS时,则判定公交承载能力超过最大负荷值,通过处理器发送公交承载能力超负荷信号至显示调度模块;其中L3和L4为预设比例系数;
C4:通过处理器将接收记录、公交客流数据、公交承载能力足够信号发送记录、公交承载能力满负荷信号发送记录和公交承载能力超负荷信号发送记录发送至数据存储模块进行存储;
所述显示调度模块用于对地铁和公交进行调度;当显示调度模块接收到地铁承载能力满负荷信号时,通过处理器调度工作人员至地铁站维持秩序;当显示调度模块接收到地铁承载能力超负荷信号时,通过处理器调度工作人员至地铁站维持秩序,同时对地铁运行速度和列次进行调整;当显示调度模块接收到公交承载能力满负荷信号和公交承载能力超负荷信号时,通过处理器对公交车的发车时间进行调整,同时增加公交车的班次;
所述时间系数i的获取公式为
Figure FDA0003214722970000031
其中SJ为每个时间段的分钟数,SJ为固定常数;SJ1为当前***时间与第i个时间系数对应时间段开始时间的差值;α4为预设比例系数,且0<α4<1。
CN202011226085.7A 2020-11-05 2020-11-05 一种基于大数据的地铁和公交客流分析*** Active CN112396835B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011226085.7A CN112396835B (zh) 2020-11-05 2020-11-05 一种基于大数据的地铁和公交客流分析***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011226085.7A CN112396835B (zh) 2020-11-05 2020-11-05 一种基于大数据的地铁和公交客流分析***

Publications (2)

Publication Number Publication Date
CN112396835A CN112396835A (zh) 2021-02-23
CN112396835B true CN112396835B (zh) 2021-10-12

Family

ID=74598916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011226085.7A Active CN112396835B (zh) 2020-11-05 2020-11-05 一种基于大数据的地铁和公交客流分析***

Country Status (1)

Country Link
CN (1) CN112396835B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105718755A (zh) * 2016-04-14 2016-06-29 中南大学 基于客流动态分配的高铁网络能力适用性评价方法
EP3249555A1 (en) * 2016-03-29 2017-11-29 Southeast University Method for delineating metropolitan area based on regional inter-city flow intensity measuring model
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
EP3385139A1 (fr) * 2017-03-17 2018-10-10 ALSTOM Transport Technologies Voiture de véhicule ferroviaire à flux de passagers optimisé
CN111376954A (zh) * 2020-06-01 2020-07-07 北京全路通信信号研究设计院集团有限公司 一种列车自主调度方法和***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3249555A1 (en) * 2016-03-29 2017-11-29 Southeast University Method for delineating metropolitan area based on regional inter-city flow intensity measuring model
CN105718755A (zh) * 2016-04-14 2016-06-29 中南大学 基于客流动态分配的高铁网络能力适用性评价方法
EP3385139A1 (fr) * 2017-03-17 2018-10-10 ALSTOM Transport Technologies Voiture de véhicule ferroviaire à flux de passagers optimisé
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
CN111376954A (zh) * 2020-06-01 2020-07-07 北京全路通信信号研究设计院集团有限公司 一种列车自主调度方法和***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Energy-Efficient Subway Train Scheduling Design With Time-Dependent Demand Based on an Approximate Dynamic Programming Approach;Renming Liu .et.al;《IEEE Transactions on Systems, Man, and Cybernetics: Systems》;20181231;第50卷(第7期);2475-2490 *
城市轨道交通网络动态客流分布及协同流入控制理论与方法;姚向明;《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》;20150615;C033-14 *

Also Published As

Publication number Publication date
CN112396835A (zh) 2021-02-23

Similar Documents

Publication Publication Date Title
EP4030365A1 (en) Multi-mode multi-service rail transit analog simulation method and system
CN112598182B (zh) 一种轨道交通智能调度方法及***
CN110298516B (zh) 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器
CN109637134B (zh) 一种公交设备匹配方法
CN107067643A (zh) 景区游客数量超负荷广播***
CN107545724A (zh) 一种公交车的动态调度方法、装置与***
CN109903555B (zh) 一种基于大数据的公交乘客下车数据预测方法及***
CN110070718A (zh) 高速公路服务区服务质量动态评估方法、***及设备
CN113276913A (zh) 一种地铁车厢客流动态均衡的方法及***
CN114446076B (zh) 一种基于5g通信技术的智能调度控制***
CN112465213B (zh) 一种地铁乘客信息服务***的辅助装置及方法
CN111539565A (zh) 一种基于车辆和站点拥挤度的公交票价优惠方法
CN112381260A (zh) 基于进站比例的城市轨道交通客流管控优化方法
CN115860594A (zh) 一种应用于智能公交排班调度的仿真***及方法
CN111311950B (zh) 公交车高峰期智能调度方法及***
CN116013059A (zh) 一种营运车辆的调度方法、装置、电子设备及存储介质
CN111833476A (zh) 基于移动端固定线路运行的公交车辆司机绩效考勤方法
CN112396835B (zh) 一种基于大数据的地铁和公交客流分析***
CN111367900B (zh) 基于afc数据的城市轨道交通网络常态限流强度的计算方法
CN110555996A (zh) 一种公交运营分析***
CN111586654B (zh) 基于蓝牙嗅探装置检测地铁上下车客流量的方法及其应用
CN114827921A (zh) 一种基于信令大数据的高速出行应用方法及***
CN112418492A (zh) 一种基于人工智能的客流数据采集分析***
CN110427402B (zh) 一种轨道交通故障延误传播及波及范围推估***
CN113393355A (zh) 轨道交通相对客流分布计算方法、***、电子设备及介质

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