CN113298061B - 一种精确计算换乘人次的方法 - Google Patents
一种精确计算换乘人次的方法 Download PDFInfo
- Publication number
- CN113298061B CN113298061B CN202110849636.3A CN202110849636A CN113298061B CN 113298061 B CN113298061 B CN 113298061B CN 202110849636 A CN202110849636 A CN 202110849636A CN 113298061 B CN113298061 B CN 113298061B
- Authority
- CN
- China
- Prior art keywords
- transfer
- station
- user
- face information
- effective
- 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
- 238000012546 transfer Methods 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- 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)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种精确计算换乘人次的方法,包括:获取线网站点信息,梳理其中的换乘关系;在换乘车站站台门使用视频监控设备,对换乘用户的人脸信息进行采集、分析和识别;获取用户进出闸机时被采集的人脸信息,与换乘采集的人脸信息做比较,根据比较结果匹配相同的人脸用户;结合车站换乘人脸信息和进出站过闸人脸信息两类数据,汇总每位乘客所有人脸数据,按照时间先后顺序排序获得用户乘车的轨迹顺序并划分出出行闭环;对每段行程的换乘路径进行有效换乘分析及换乘次数统计。本发明通过换乘车站站台门摄像设备采集乘车人脸,识别人脸,并结合人脸闸机进出站数据,还原乘客的换乘点位和进出站闭环,由此可实现精准换乘人次的统计。
Description
技术领域
本发明涉及轨道交通领域,尤其涉及一种用于地铁车站精确计算换乘人次的方法。
背景技术
随着世界经济和科技的不断发展,全球城市轨道交通已进入了新一轮发展阶段。在布局上,实现从“单线建设”,向多层次、立体化、综合性的“网络化”建设转变;在功能上,实现以了智能化、信息化为标志的大客流、大线网、大交易量的智能管理***。
城市轨道交通智能管理***的发达程度,不仅成为市民日常出行的重要交通工具先进性的表征,更是体现城市综合竞争力的基础,对国民经济的发展,乃至“和谐社会”的建设,将起着越来越大的作用。而研究轨道交通的出行特征对于指导轨道交通的建设、提供缓解城市拥堵的解决方案、指导城市与交通规划具有重大的意义。
轨道交通网络化运营后,由于换乘站的存在,线网中任何两个车站之间有多条换乘路径可供乘客选择。为了获得精确的轨道交通网络中的客流分布数据,便于后续客流统计、票务清分、运营管理分析和决策,客流清分是基础也是核心。目前各城市多采用多路径选择概率分配法,按照一定的规则将乘客的出行划分到不同的线路上来进行估算,但估算和实际情况必定存在偏差。
如申请号为CN111210624A的专利申请公开了一种公交车人流量统计的方法,公开了一种公交车人流量统计的方法,包括:A)车载终端***计算匹配公交车的到站信息,获取公交车的行程方向和当前站点信息,将公交车的当前GPS定位信息通过无线通讯模块上传到后台,后台进行轨迹分析;B)当公交车进站时,打开摄像头,对公交车的前后门进行录像;C)当公交车离开站点时,控制关闭摄像头,同时上传站点信息和录像视频到后台进行保存,统计上车的人数和下车的人数,统计每个站点的人流量。该方案虽然可以采集所有公交车的人流量数据,但是没有还原乘客的出行闭环,且没有判断乘客是否有换乘行为,不适用地铁场景的人流量统计。
发明内容
本发明的目的在于克服现有技术的不足,提供一种精确计算换乘人次的方法,通过换乘车站站台门摄像设备采集乘车人脸,识别人脸,并结合人脸闸机进出站数据,还原乘客的换乘点位和进出站闭环,由此可实现精准换乘人次的统计。
本发明的目的是通过以下技术方案来实现的:
一种精确计算换乘人次的方法,包括以下步骤:
步骤一:获取线网站点信息,梳理其中的换乘关系;
步骤二:在换乘车站站台门使用视频监控设备,对换乘用户的人脸信息进行采集、分析和识别;
步骤三:获取用户进出闸机时被采集的人脸信息,与换乘采集的人脸信息做比较,根据比较结果匹配相同的人脸用户;
步骤四:结合步骤二的车站换乘人脸信息和有效乘车数据组,以及步骤三的进出站过闸人脸信息和有效换乘数据组四组数据,汇总每位乘客所有人脸数据,按照时间先后顺序排序获得用户乘车的轨迹顺序并划分出出行闭环;
步骤五:对每段行程的换乘路径进行有效换乘分析及换乘次数统计。
具体的,步骤一具体包括:
从轨交网络中获取各个线网站点的运行信息,字母S表示车站,利用字母S和数字结合的方式分别对各条线路中的车站进行标记,并采集记录各个站点中的换乘关系。
具体的,步骤二具体包括以下子步骤:
S21,利用视频监控设备采集每个换乘车站站台门的视频,对每个换乘车站站台门的视频流进行人脸信息采集;
S22,然后将换乘过程中相同的人脸信息进行身份匹配,并用字母P对用户进行标注,以换乘车站S换、人物P、换乘时间T的格式梳理出换乘原始数据组,将换乘原始数据组标记为(S换,P,T);
S23,最后对换乘原始数据组中的数据进行初步清洗,将具有相同换乘车站S换和人物P,且换乘时间T相差在3分钟之内的不同原始数据组合并为一组有效换乘数据组。
具体的,步骤三具体包括以下子步骤:
S31,采集用户成功通过闸机时的进站人脸信息和出站人脸信息;
S32,将采集的用户进站人脸信息和出站人脸信息,并利用字母P对用户进行标注,以进出车站S、人物P、乘车时间T格式梳理出乘车原始数据组,将乘车原始数据组标记为(S进,P,T)和(S出,P,T);
S33,对乘车原始数据组中的数据进行初步清洗,将具有相同的进出车站S、人物P,且乘车时间T相差在1分钟之内的不同乘车原始数据组合并为一组有效乘车数据组。
具体的,步骤四具体包括:结合步骤二的车站换乘人脸信息和步骤三的进出站过闸人脸信息两类数据,并结合有效乘车数据组和有效换乘数据组,汇总每位乘客的所有人脸数据,按照乘客乘车过程中人脸信息采集时间先后顺序的方式对每个用户的有效乘车数据组和有效换乘数据组进行排序,根据排序结果从每个用户对应的有效乘车数据组和有效换乘数据组中获得每个用户对应的换乘车站和进出车站的顺序,并以一组完整的S进和S出作为闭环拆分节点,得出关于人物P的出行闭环。
具体的,步骤五具体包括:在每个用户的每组出行闭环中,进行有效换乘车站的筛查,筛查分三个方面:
1)排除起始站,当同一用户的换乘车站与进出车站相同是,则该换乘车站视为无效换乘被排除;
2)以同一用户的连续换乘车站是否为直达关系判断该用户的出行闭环是否有换乘点遗漏,若是直达关系则判断该用户的出行闭环没有换乘点遗漏,否则认为该用户换乘期间有遗漏换乘点,并采用线网中最短换乘路径对应的车站对该用户的出行闭环进行换乘车站补充;
3)判断换乘站是否发生了换乘,将换乘站前后两个站点分别与换乘站相联形成两条线段,判断两条线段是否在同一条线路之上,若在同一条线路上则认为未发生换乘,将该换乘站作为无效换乘车站被排除,否则将该换乘站作为有效换乘车站;
将剩下的有效换乘车站作为该乘客本次出行的换乘人次;最后将所有行程段的换乘人次相加求得线网换乘人次。
本发明的有益效果:
1.从数据方面,本发明通过换乘车站站台门摄像设备采集乘车人脸,识别人脸,并结合人脸闸机进出站数据,精准还原乘客的换乘及途径路线,以及进出站闭环,相较于传统按比例分配的清分方式,可实现精细的客流统计和清分,能够为票务收入清分、运营管理分析提供更准确的决策依据。
2.从乘客方面,本发明通过对人脸的利用,实现了对乘客个体行为的精准刻画,有利于对乘客出行的分析。日常情况下研究乘客出行时间段分布、出行车站、出行线路选择、出行次数、出行频率统计分析等;特殊情况下分析乘客在新线开通、重大活动、突发运营事件、重大公共卫生事件、极端天气等情况下的出行行为变化。
3.从车站方面,本发明通过对乘客换乘路径的精准计算,可得到车站的精准客流,有利于对车站属性进行分析。通过分析车站客流的组成、车站客流的来源去向、车站的出行时间特性、车站的客流来向及去向时空分布,有利于对车站客流属性、商业价值等进一步的明确和车站规划。
附图说明
图1是本发明的方法流程图。
图2是本发明的线网关系示例图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,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,所描述的实施例仅是本发明的一部分实施例,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作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。
本发明中,字母S表示车站,S进表示乘客(用户)乘车时的进站车站,S换表示乘客(用户)乘车时的换乘车站,S出表示乘客(用户)乘车时的出站车站,进出车站S表示进站车站S进和出站车站S出。
实施例一:
本实施例中,如图1所示,一种精确计算换乘人次的方法,包括以下步骤:
步骤一:获取线网站点信息,梳理其中的换乘关系;
步骤二:在换乘车站站台门使用视频监控设备,对换乘用户的人脸信息进行采集、分析和识别;
步骤三:获取用户进出闸机时被采集的人脸信息,与换乘采集的人脸信息做比较,根据比较结果匹配相同的人脸用户;
步骤四:结合步骤二的车站换乘人脸信息和步骤三的进出站过闸人脸信息两类数据,汇总每位乘客所有人脸数据,按照时间先后顺序排序获得用户乘车的轨迹顺序并划分出出行闭环;
步骤五:对每段行程的换乘路径进行有效换乘分析及换乘次数统计。
本实施例中,步骤一具体包括:从轨交网络中获取各个线网站点的运行信息,字母S表示车站,利用字母S和数字结合的方式分别对各条线路中的车站进行标记,并采集记录各个站点中的换乘关系。以图2所示线网关系为例,用字母对车站进行标号并观察其中的换乘关系,其中S2换、S3换、S5换是三座换乘车站。
本实施例中,步骤二具体包括以下子步骤:
S21,利用视频监控设备采集每个换乘车站站台门的视频,对每个换乘车站站台门的视频流进行人脸信息采集;
S22,然后将换乘过程中相同的人脸信息进行身份匹配,并用字母P对用户进行标注,以换乘车站S换、人物P、换乘时间T的格式梳理出换乘原始数据组,将换乘原始数据组标记为(S换,P,T),代表“人物P在T时刻出现在换乘车站S”;
S23,最后对换乘原始数据组中的数据进行初步清洗,将具有相同换乘车站S换和人物P,且换乘时间T相差在3分钟之内的不同原始数据组合并为一组有效换乘数据组。
若假设有6位乘客(p1~p6)在统计期内出现在换乘车站,则最终会得到每个换乘站出现的人脸有效数据如下表1所示。
表1 换乘站出现的人脸有效数据表
本实施例中,通过换乘车站站台门摄像设备采集乘车人脸,识别人脸,并结合人脸闸机进出站数据,精准还原乘客的换乘及途径路线,以及进出站闭环,相较于传统按比例分配的清分方式,可实现精细的客流统计和清分,能够为票务收入清分、运营管理分析提供更准确的决策依据。
本实施例中,步骤三具体包括以下子步骤:
S31,采集用户成功通过闸机时的进站人脸信息和出站人脸信息;
S32,将采集的用户进站人脸信息和出站人脸信息,与用户换乘过程中的人脸信息进行身份匹配,并利用字母P对身份匹配成功的用户进行标注,以进出车站S、人物P、乘车时间T格式梳理出乘车原始数据组,将乘车原始数据组标记为(S进,P,T)或(S出,P,T),分别代表“人物P在T时刻在S车站进站或出站”;
S33,对乘车原始数据组中的数据进行初步清洗,将具有相同的进出车站S、人物P,且乘车时间T相差在1分钟之内的不同乘车原始数据组合并为一组有效乘车数据组。若假设有6位乘客(p1-p6)在统计期内进出站,则最终会得到所有车站进出站有效数据组如下表2所示。
表2 车站进出站有效数据组表
本实施例中,步骤四具体包括:结合步骤二的车站换乘人脸信息和步骤三的进出站过闸人脸信息两类数据,并结合步骤三中的有效乘车数据组和步骤二中的有效换乘数据组,汇总每位乘客的所有人脸数据按照乘客乘车过程中人脸信息采集时间先后顺序的方式对每个用户的有效乘车数据组和有效换乘数据组进行排序,根据排序结果从每个用户对应的有效乘车数据组和有效换乘数据组中获得每个用户对应的换乘车站和进出车站的顺序,并以一组完整的S进和S出作为闭环拆分节点,得出关于人物P的出行闭环。以上述步骤二和步骤三的实验数据为例得出所有人的换乘顺序,如下表3所示。
表3 换乘顺序表
本实施例中,通过对人脸的利用,实现了对乘客个体行为的精准刻画,有利于对乘客出行的分析。日常情况下研究乘客出行时间段分布、出行车站、出行线路选择、出行次数、出行频率统计分析等;特殊情况下分析乘客在新线开通、重大活动、突发运营事件、重大公共卫生事件、极端天气等情况下的出行行为变化。
本实施例中,步骤五具体包括:在每个用户的每组出行闭环中,进行有效换乘车站的筛查,筛查分三个方面:
1)排除起始站,当同一用户的换乘车站与进出车站相同是,则该换乘车站视为无效换乘被排除;
2)以同一用户的连续换乘车站是否为直达关系判断该用户的出行闭环是否有换乘点遗漏,若是直达关系则判断该用户的出行闭环没有换乘点遗漏,否则认为该用户换乘期间有遗漏换乘点,并采用线网中最短换乘路径对应的车站对该用户的出行闭环进行换乘车站补充;
3)判断换乘站是否发生了换乘,将换乘站前后两个站点分别与换乘站相联形成两条线段,判断两条线段是否在同一条线路之上,若在同一条线路上则认为未发生换乘,将该换乘站作为无效换乘车站被排除,否则将该换乘站作为有效换乘车站;
将剩下的有效换乘车站作为该乘客本次出行的换乘人次;最后将所有行程段的换乘人次相加求得线网换乘人次,最后结果如下表4所示。
本实施例中,通过对乘客换乘路径的精准计算,可得到车站的精准客流,有利于对车站属性进行分析。通过分析车站客流的组成、车站客流的来源去向、车站的出行时间特性、车站的客流来向及去向时空分布,有利于对车站客流属性、商业价值等进一步的明确和车站规划。
表4 有效换乘数据表
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。
Claims (3)
1.一种精确计算换乘人次的方法,其特征在于,包括以下步骤:
步骤一:获取线网站点信息,梳理其中的换乘关系;
步骤二:在换乘车站站台门使用视频监控设备,对换乘用户的人脸信息进行采集、分析和识别;
步骤三:获取用户进出闸机时被采集的人脸信息,与换乘采集的人脸信息做比较,根据比较结果匹配相同的人脸用户;
步骤四:结合步骤二的车站换乘人脸信息和步骤三的进出站过闸人脸信息两类数据,汇总每位乘客所有人脸数据,按照时间先后顺序排序获得用户乘车的轨迹顺序并划分出出行闭环;
步骤五:对每段行程的换乘路径进行有效换乘分析及换乘次数统计;
所述步骤二具体包括以下子步骤:
S21,利用视频监控设备采集每个换乘车站站台门的视频,对每个换乘车站站台门的视频流进行人脸信息采集;
S22,然后将换乘过程中相同的人脸信息进行身份匹配,并用字母P对用户进行标注,以换乘车站S换、人物P、换乘时间T的格式梳理出换乘原始数据组,将换乘原始数据组标记为(S换,P,T);
S23,最后对换乘原始数据组中的数据进行初步清洗,将具有相同换乘车站S换和人物P,且换乘时间T相差在3分钟之内的不同原始数据组合并为一组有效换乘数据组;
所述步骤三具体包括以下子步骤:
S31,采集用户成功通过闸机时的进站人脸信息和出站人脸信息;
S32,将采集的用户进站人脸信息和出站人脸信息,并利用字母P对用户进行标注,以进出车站S、人物P、乘车时间T格式梳理出乘车原始数据组,将乘车原始数据组标记为(S进,P,T)和(S出,P,T);
S33,对乘车原始数据组中的数据进行初步清洗,将具有相同的进出车站S、人物P,且乘车时间T相差在1分钟之内的不同乘车原始数据组合并为一组有效乘车数据组;
所述步骤五具体包括:在每个用户的每组出行闭环中,进行有效换乘车站的筛查,筛查分三个方面:
1)排除起始站,当同一用户的换乘车站与进出车站相同时,则该换乘车站视为无效换乘被排除;
2)以同一用户的连续换乘车站是否为直达关系判断该用户的出行闭环是否有换乘点遗漏,若是直达关系则判断该用户的出行闭环没有换乘点遗漏,否则认为该用户换乘期间有遗漏换乘点,并采用线网中最短换乘路径对应的车站对该用户的出行闭环进行换乘车站补充;
3)判断换乘站是否发生了换乘,将换乘站前后两个站点分别与换乘站相联形成两条线段,判断两条线段是否在同一条线路之上,若在同一条线路上则认为未发生换乘,将该换乘站作为无效换乘车站被排除,否则将该换乘站作为有效换乘车站;
将剩下的有效换乘车站作为该乘客本次出行的换乘人次;最后将所有行程段的换乘人次相加求得线网换乘人次。
2.根据权利要求1所述的一种精确计算换乘人次的方法,其特征在于,所述步骤一具体包括:
从轨交网络中获取各个线网站点的运行信息,字母S表示车站,利用字母和数字结合的方式分别对各条线路中的车站进行标记,并采集记录各个站点中的换乘关系。
3.根据权利要求1所述的一种精确计算换乘人次的方法,其特征在于,所述步骤四具体包括:汇总所有用户的有效乘车数据组和有效换乘数据组,按照时间先后顺序的方式对每个用户的有效乘车数据组和有效换乘数据组进行排序,根据排序结果从每个用户对应的有效乘车数据组和有效换乘数据组中获得每个用户对应的换乘车站和进出车站的顺序,并以一组完整的S进和S出作为闭环拆分节点,得出关于人物P的出行闭环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110849636.3A CN113298061B (zh) | 2021-07-27 | 2021-07-27 | 一种精确计算换乘人次的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110849636.3A CN113298061B (zh) | 2021-07-27 | 2021-07-27 | 一种精确计算换乘人次的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298061A CN113298061A (zh) | 2021-08-24 |
CN113298061B true CN113298061B (zh) | 2021-10-19 |
Family
ID=77331177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110849636.3A Active CN113298061B (zh) | 2021-07-27 | 2021-07-27 | 一种精确计算换乘人次的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298061B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008225813A (ja) * | 2007-03-13 | 2008-09-25 | National Institute Of Advanced Industrial & Technology | Webブラウザ上で動作する顔認識方法及びそのプログラム |
CN105493135A (zh) * | 2013-09-06 | 2016-04-13 | 株式会社日立制作所 | 费用退还***及其方法 |
CN107578114A (zh) * | 2016-07-04 | 2018-01-12 | 高德软件有限公司 | 一种判定公交换乘对有效性的方法及装置 |
US10712738B2 (en) * | 2016-05-09 | 2020-07-14 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for industrial internet of things data collection for vibration sensitive equipment |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201936369U (zh) * | 2011-01-19 | 2011-08-17 | 北京中电兴发科技有限公司 | 城市轨道交通客流量精确统计*** |
CN111027929B (zh) * | 2019-12-03 | 2023-08-29 | 交控科技股份有限公司 | 地铁票务清分方法及装置 |
CN111368149A (zh) * | 2020-03-06 | 2020-07-03 | 成都智元汇信息技术股份有限公司 | 网络化运营条件下基于图论的行程可达性计算和展示方法、计算机设备及存储介质 |
CN112784689A (zh) * | 2020-12-31 | 2021-05-11 | 江苏铁锚玻璃股份有限公司 | 地铁侧窗集成ai摄像头结构及地铁票务清分方法 |
CN113158923B (zh) * | 2021-04-27 | 2022-09-06 | 华录智达科技股份有限公司 | 一种基于人脸识别的公交换乘提醒*** |
-
2021
- 2021-07-27 CN CN202110849636.3A patent/CN113298061B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008225813A (ja) * | 2007-03-13 | 2008-09-25 | National Institute Of Advanced Industrial & Technology | Webブラウザ上で動作する顔認識方法及びそのプログラム |
CN105493135A (zh) * | 2013-09-06 | 2016-04-13 | 株式会社日立制作所 | 费用退还***及其方法 |
US10712738B2 (en) * | 2016-05-09 | 2020-07-14 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for industrial internet of things data collection for vibration sensitive equipment |
CN107578114A (zh) * | 2016-07-04 | 2018-01-12 | 高德软件有限公司 | 一种判定公交换乘对有效性的方法及装置 |
Non-Patent Citations (1)
Title |
---|
《FACIAL RECOGNITION TECHNOLOGY Privacy and Accuracy Issues Related to Commercial Usescount》;GAO等;《Report to Congressional Requesters》;20200731;第1-65页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113298061A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108055645A (zh) | 一种基于手机信令数据的路径识别方法及*** | |
CN110149593B (zh) | 基于移动台信令的路网客流状态辨识方法 | |
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 | |
CN111476494B (zh) | 基于多源数据精准分析公交人口地理分布的方法 | |
US20210354731A1 (en) | Method and system for identifying traveling backward passengers and boarding trains in rail transit | |
CN110969861B (zh) | 一种车辆识别方法、装置、设备及计算机存储介质 | |
CN111581538B (zh) | 一种基于高速公路收费数据的高速交通流状态推断方法 | |
CN115168529B (zh) | 一种基于手机定位数据的枢纽客流溯源方法 | |
CN105447592A (zh) | 一种乘客路径选择的分析方法及装置 | |
CN114529032A (zh) | 一种基于lstm网络的地铁断面客流预测方法 | |
CN111931998A (zh) | 一种基于移动定位数据的个体出行模式预测方法及*** | |
Li et al. | Classifications of stations in urban rail transit based on the two-step cluster | |
CN109493601B (zh) | 一种公交支线设置方法 | |
Guo et al. | Exploring potential travel demand of customized bus using smartcard data | |
Liu et al. | Measures of accessibility incorporating time reliability for an urban rail transit network: A case study in Wuhan, China | |
Yoo | Transfer penalty estimation with transit trips from smartcard data in Seoul, Korea | |
CN113298061B (zh) | 一种精确计算换乘人次的方法 | |
Jiang et al. | A unified probabilistic framework for spatiotemporal passenger crowdedness inference within urban rail transit network | |
Zhang et al. | Understanding the roles of rail stations: Insights from network approaches in the London metropolitan area | |
CN116451867A (zh) | 一种基于时空出行路径标定的地铁短时客流预测方法 | |
Cheng et al. | A cooperative data mining approach for potential urban rail transit demand using probe vehicle trajectories | |
CN111931968B (zh) | 一种应用手机gps数据来优化公共自行车站点布局的方法 | |
CN113657672B (zh) | 一种基于动态规划的综合枢纽末班车衔接方法 | |
Toqué et al. | Forecasting of the Montreal subway smart card entry logs with event data | |
Pokusaev et al. | Anomalies in transport data |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method for accurately calculating the number of transfers Effective date of registration: 20231225 Granted publication date: 20211019 Pledgee: Shanghai Pudong Development Bank Co.,Ltd. Chengdu Branch Pledgor: CHENGDU ZHIYUANHUI INFORMATION TECHNOLOGY CO.,LTD. Registration number: Y2023980073782 |