CN114559980B - 一种列车信息的识别方法和识别*** - Google Patents

一种列车信息的识别方法和识别*** Download PDF

Info

Publication number
CN114559980B
CN114559980B CN202210010630.1A CN202210010630A CN114559980B CN 114559980 B CN114559980 B CN 114559980B CN 202210010630 A CN202210010630 A CN 202210010630A CN 114559980 B CN114559980 B CN 114559980B
Authority
CN
China
Prior art keywords
train
ticket
data
carriage
evasion
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
CN202210010630.1A
Other languages
English (en)
Other versions
CN114559980A (zh
Inventor
王卓
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.)
Chengde Petroleum College
Original Assignee
Chengde Petroleum College
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 Chengde Petroleum College filed Critical Chengde Petroleum College
Priority to CN202210010630.1A priority Critical patent/CN114559980B/zh
Publication of CN114559980A publication Critical patent/CN114559980A/zh
Application granted granted Critical
Publication of CN114559980B publication Critical patent/CN114559980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61LGUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0072On-board train data handling
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61CLOCOMOTIVES; MOTOR RAILCARS
    • B61C17/00Arrangement or disposition of parts; Details or accessories not otherwise provided for; Use of control gear and control systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明实施例涉及列车信息识别领域,具体公开了一种列车信息的识别方法和识别***。本发明实施例通过获取多个车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析列车购票信息和列车人数数据,计算列车中的预计逃票人数;综合分析预计逃票人数和人数差数据,生成每个车厢的逃票嫌疑指数;将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线。能够对各个车厢进行乘客识别,获取多个车厢人数数据,并根据列车购票信息进行综合分析,生成每个车厢的逃票嫌疑指数,进而进行查票路线规划,从而能够优先对可能存在逃票乘客最多的车厢进行优先检查,提高了逃票检查的效率,实现对逃票乘客的快速排查。

Description

一种列车信息的识别方法和识别***
技术领域
本发明属于列车信息识别领域,尤其涉及一种列车信息的识别方法和识别***。
背景技术
列车是人类历史上最重要的机械交通工具,早期称为蒸汽机车,也叫列车。有独立的轨道行驶。铁路列车按载荷物,可分为运货的货车和载客的客车;亦有两者一起的客货车。众多连续的车辆。一般指火车,尤指由牵引机车和运货或载客的车厢组成的连挂成列的火车。
在客运列车的运营过程中,由于列车在始发站和终点站之间设置有多个站点供乘客上下车,因此会有乘客存在购买与自己搭乘路线不一致的车票进行逃票。现有的对于列车乘客逃票的检查都是随机抽检,很难检查到逃票的乘客,因此需要一种列车信息的识别方法和识别***,对可能存在逃票乘客的车厢进行识别判断。
发明内容
本发明实施例的目的在于提供一种列车信息的识别方法和识别***,旨在解决背景技术中提出的问题。
为实现上述目的,本发明实施例提供如下技术方案:
一种列车信息的识别方法,所述方法具体包括以下步骤:
对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数;
对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数;
将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线。
作为本发明实施例技术方案进一步的限定,所述对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数具体包括以下步骤:
采集列车在两个站点之间启动之后两分钟的多个厢内人数数据和多个过道人数数据;
将相邻两个车厢之间过道的过道人数数据均分至相邻的两个车厢,得到多个车厢人数数据;
综合多个所述车厢人数数据,得到列车人数数据;
获取列车购票信息;
综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数。
作为本发明实施例技术方案进一步的限定,所述采集列车在两个站点之间启动之后两分钟的多个厢内人数数据和多个过道人数数据具体包括以下步骤:
获取列车多个车厢和过道的背景图像;
截取列车在两个站点之间启动之后两分钟的监控视频数据;
通过所述背景图像和所述监控视频数据进行人物识别,获取多个厢内人数数据和多个过道人数数据。
作为本发明实施例技术方案进一步的限定,所述对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数具体包括以下步骤:
对所述列车购票信息进行分析,得到多个车厢购票数据;
将多个所述车厢购票数据分别与多个相对的车厢人数数据进行比较,计算每个车厢的人数差数据;
综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数。
作为本发明实施例技术方案进一步的限定,所述综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数具体包括以下步骤:
计算多个所述人数差数据与所述预计逃票人数之间的第一人数比例;
计算多个所述人数差数据与所述车厢购票数据之间的第二人数比例;
综合所述第一人数比例和所述第二人数比例,生成多个车厢的逃票嫌疑指数。
作为本发明实施例技术方案进一步的限定,所述将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线具体包括以下步骤:
将多个逃票嫌疑指数进行排列,并根据排列顺序进行排列标号;
根据多个排列标号进行查票路线规划,生成排除式查票路线。
一种列车信息的识别***,所述***包括列车乘客识别单元、嫌疑指数生成单元和查票路线规划单元,其中:
列车乘客识别单元,用于对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数;
嫌疑指数生成单元,用于对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数;
查票路线规划单元,用于将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线。
作为本发明实施例技术方案进一步的限定,所述列车乘客识别单元具体包括:
人数数据获取模块,用于采集列车在两个站点之间启动之后两分钟的多个厢内人数数据和多个过道人数数据;
人数数据均分模块,用于将相邻两个车厢之间过道的过道人数数据均分至相邻的两个车厢,得到多个车厢人数数据;
列车人数获取模块,用于综合多个所述车厢人数数据,得到列车人数数据;
购票信息获取模块,用于获取列车购票信息;
逃票人数计算模块,用于综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数。
作为本发明实施例技术方案进一步的限定,所述嫌疑指数生成单元具体包括:
购票信息分析模块,用于对所述列车购票信息进行分析,得到多个车厢购票数据;
人数数据比较模块,用于将多个所述车厢购票数据分别与多个相对的车厢人数数据进行比较,计算每个车厢的人数差数据;
嫌疑指数生成模块,用于综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数。
作为本发明实施例技术方案进一步的限定,所述查票路线规划单元具体包括:
排列标号生成模块,用于将多个逃票嫌疑指数进行排列,并根据排列顺序进行排列标号;
查票路线生成模块,用于根据多个排列标号进行查票路线规划,生成排除式查票路线。
与现有技术相比,本发明的有益效果是:
本发明实施例通过获取多个车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析列车购票信息和列车人数数据,计算列车中的预计逃票人数;综合分析预计逃票人数和人数差数据,生成每个车厢的逃票嫌疑指数;将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线。能够对各个车厢进行乘客识别,获取多个车厢人数数据,并根据列车购票信息进行综合分析,生成每个车厢的逃票嫌疑指数,进而进行查票路线规划,从而能够优先对可能存在逃票乘客最多的车厢进行优先检查,提高了逃票检查的效率,实现对逃票乘客的快速排查。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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。
图1示出了本发明实施例提供的方法的流程图。
图2示出了本发明实施例提供的方法中计算预计逃票人数的流程图。
图3示出了本发明实施例提供的方法中厢内人数数据和过道人数数据获取的流程图。
图4示出了本发明实施例提供的方法中车厢人数数据综合分析的流程图。
图5示出了本发明实施例提供的方法中逃票嫌疑指数生成的流程图。
图6示出了本发明实施例提供的方法中查票路线规划的流程图。
图7示出了本发明实施例提供的***的应用架构图。
图8示出了本发明实施例提供的***中列车乘客识别单元的结构框图。
图9示出了本发明实施例提供的***中嫌疑指数生成单元的结构框图。
图10示出了本发明实施例提供的***中查票路线规划单元的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解的是,在现有技术中,对于列车乘客逃票的检查都是随机抽检,很难检查到逃票的乘客,因此需要一种列车信息的识别方法和识别***,对可能存在逃票乘客的车厢进行识别判断。
为解决上述问题,本发明实施例通过获取多个车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析列车购票信息和列车人数数据,计算列车中的预计逃票人数;综合分析预计逃票人数和人数差数据,生成每个车厢的逃票嫌疑指数;将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线。能够对各个车厢进行乘客识别,获取多个车厢人数数据,并根据列车购票信息进行综合分析,生成每个车厢的逃票嫌疑指数,进而进行查票路线规划,从而能够优先对可能存在逃票乘客最多的车厢进行优先检查,提高了逃票检查的效率,实现对逃票乘客的快速排查。
图1示出了本发明实施例提供的方法的流程图。
具体的,一种列车信息的识别方法,所述方法具体包括以下步骤:
步骤S101,对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数。
在本发明实施例中,对列车的多个列车车厢和列车车厢之间的车厢过道进行视频监控,获取多个列车车厢和多个车厢过道的监控视频,通过对监控视频的分析处理,识别各个列车车厢和各个车厢过道的乘客数量,得到多个车厢人数数据,并将多个车厢人数数据进行综合,得到列车人数数据,并获取列车购票信息,将列车购票信息与列车人数数据进行综合比较分析,计算列车中的预计逃票人数。
具体的,图2示出了本发明实施例提供的方法中计算预计逃票人数的流程图。
其中,在本发明提供的优选实施方式中,所述对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数具体包括以下步骤:
步骤S1011,采集列车在两个站点之间启动之后两分钟的多个厢内人数数据和多个过道人数数据。
在本发明实施例中,对列车车厢及车厢过道进行视频监控,并通过截取列车在两个站点之间启动之后两分钟内的监控视频,对监控视频进行乘客数量识别,得到多个厢内人数数据和多个过道人数数据。
可以理解的是,列车在两个站点之间刚启动时,由于列车上的卫生间等私密空间暂时关闭,列车上的乘客都暴露能够被监控摄像拍摄的地方,从而截取采集列车在两个站点之间启动之后两分钟的视频监控,能够从视频监控中识别出全部的乘客数量。
具体的,图3示出了本发明实施例提供的方法中厢内人数数据和过道人数数据获取的流程图。
其中,在本发明提供的优选实施方式中,所述采集列车在两个站点之间启动之后两分钟的多个厢内人数数据和多个过道人数数据具体包括以下步骤:
步骤S10111,获取列车多个车厢和过道的背景图像。
在本发明实施例中,获取列车中没有乘客和工作人员时的多个车厢和过道的背景图像。
步骤S10112,截取列车在两个站点之间启动之后两分钟的监控视频数据。
步骤S10113,通过所述背景图像和所述监控视频数据进行人物识别,获取多个厢内人数数据和多个过道人数数据。
进一步的,所述对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数还包括以下步骤:
步骤S1012,将相邻两个车厢之间过道的过道人数数据均分至相邻的两个车厢,得到多个车厢人数数据。
在本发明实施例中,对于相邻两个车厢之间过道的乘客,可将过道的乘客总数均分至过道两侧的车厢中,得到多个车厢人数数据。
步骤S1013,综合多个所述车厢人数数据,得到列车人数数据。
在本发明实施例中,将多个车厢人数数据进行综合计算,并减去列车中工作人员的人数,得到列车中乘客的列车人数数据。
步骤S1014,获取列车购票信息。
在本发明实施例中,导入列车购票***中的列车购票信息。
步骤S1015,综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数。
在本发明实施例中,将列车人数数据与列车购票信息中的购票人数进行比较计算,得到该列车中的预计逃票人数。
进一步的,所述列车信息的识别方法还包括以下步骤:
步骤S102,对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数。
在本发明实施例中,通过对列车购票信息进行分析,获取每个列车车厢中购票的人数,并将每个列车车厢中购票的人数与采集的对应的车厢人数数据进行对比,计算每个车厢实际人数与购票人数的人数差数据,并将预计逃票人数和人数差数据进行综合分析,对每个车厢进行逃票嫌疑评价,生成每个车厢的逃票嫌疑指数。
具体的,图4示出了本发明实施例提供的方法中车厢人数数据综合分析的流程图。
其中,在本发明提供的优选实施方式中,所述对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数具体包括以下步骤:
步骤S1021,对所述列车购票信息进行分析,得到多个车厢购票数据。
在本发明实施例中,通过对列车购票信息进行分析处理,获取每个车厢购票人数的多个车厢购票数据。
步骤S1022,将多个所述车厢购票数据分别与多个相对的车厢人数数据进行比较,计算每个车厢的人数差数据。
在本发明实施例中,通过将多个车厢购票数据与对应的车厢人数数据进行对比分析,计算每个列车车厢中购票人数与实际车厢人数之间的人数差数据。
步骤S1023,综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数。
在本发明实施例中,根据比较人数差数据与预计逃票人数、人数差数据与车厢购票数据之间的比例关系,对每个车厢的逃票嫌疑进行综合分析判断,得到每个车厢对应的逃票嫌疑指数。
具体的,图5示出了本发明实施例提供的方法中逃票嫌疑指数生成的流程图。
其中,在本发明提供的优选实施方式中,所述综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数具体包括以下步骤:
步骤S10231,计算多个所述人数差数据与所述预计逃票人数之间的第一人数比例。
步骤S10232,计算多个所述人数差数据与所述车厢购票数据之间的第二人数比例。
步骤S10233,综合所述第一人数比例和所述第二人数比例,生成多个车厢的逃票嫌疑指数。
在本发明实施例中,第一人数比例是每个车厢中可能逃票人数与列车中总的可能逃票人数之间的比例,第二人数比例是每个车厢中可能逃票人数与对应车厢在购票人数的比例,通过综合分析第一人数比例和第二人数比例进行逃票嫌疑指数确定,能够综合考虑车厢中的实际人数,使得逃票嫌疑指数不仅仅和可能逃票的人数有关,还和可能逃票的人数与车厢购票人数之间的比例有关。
可以理解的是,逃票嫌疑指数与第一人数比例和第二人数比例的综合有关,从而使得车厢人数少且逃票人数少,但是逃票人数与车厢人数比例高的车厢逃票嫌疑指数也高,优先对这种车厢进行逃票检查,能够提高检查的效率。
进一步的,所述列车信息的识别方法还包括以下步骤:
步骤S103,将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线。
在本发明实施例中,根据逃票嫌疑指数的数值大小,将多个逃票嫌疑指数进行排列,得到排列结果,并根据排列结果进行查票路线规划,得到指导逃票检查工作人员进行逃票检查的排除式查票路线,不同于随机检查的方式,通过排除式查票路线进行逃票检查,能够优先最有逃票乘客可能和逃票乘客最多的车厢,从而提高逃票检查的效率,实现对逃票乘客的快速排查。
具体的,图6示出了本发明实施例提供的方法中查票路线规划的流程图。
其中,在本发明提供的优选实施方式中,所述将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线具体包括以下步骤:
步骤S1031,将多个逃票嫌疑指数进行排列,并根据排列顺序进行排列标号。
步骤S1032,根据多个排列标号进行查票路线规划,生成排除式查票路线。
进一步的,图7示出了本发明实施例提供的***的应用架构图。
其中,在本发明提供的又一个优选实施方式中,一种列车信息的识别***,包括:
列车乘客识别单元101,用于对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数。
在本发明实施例中,对列车的多个列车车厢和列车车厢之间的车厢过道进行视频监控,列车乘客识别单元101获取多个列车车厢和多个车厢过道的监控视频,通过对监控视频的分析处理,识别各个列车车厢和各个车厢过道的乘客数量,得到多个车厢人数数据,并将多个车厢人数数据进行综合,得到列车人数数据,并获取列车购票信息,将列车购票信息与列车人数数据进行综合比较分析,计算列车中的预计逃票人数。
具体的,图8示出了本发明实施例提供的***中列车乘客识别单元101的结构框图。
其中,在本发明提供的优选实施方式中,所述列车乘客识别单元101具体包括:
人数数据获取模块1011,用于采集列车在两个站点之间启动之后两分钟的多个厢内人数数据和多个过道人数数据。
在本发明实施例中,对列车车厢及车厢过道进行视频监控,并通过人数数据获取模块1011截取列车在两个站点之间启动之后两分钟内的监控视频,对监控视频进行乘客数量识别,得到多个厢内人数数据和多个过道人数数据。
人数数据均分模块1012,用于将相邻两个车厢之间过道的过道人数数据均分至相邻的两个车厢,得到多个车厢人数数据。
在本发明实施例中,对于相邻两个车厢之间过道的乘客,人数数据均分模块1012将过道的乘客总数均分至过道两侧的车厢中,得到多个车厢人数数据。
列车人数获取模块1013,用于综合多个所述车厢人数数据,得到列车人数数据。
在本发明实施例中,列车人数获取模块1013将多个车厢人数数据进行综合计算,并减去列车中工作人员的人数,得到列车中乘客的列车人数数据。
购票信息获取模块1014,用于获取列车购票信息。
在本发明实施例中,购票信息获取模块1014与列车购票***联网,导入列车购票***中的列车购票信息。
逃票人数计算模块1015,用于综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数。
在本发明实施例中,逃票人数计算模块1015将列车人数数据与列车购票信息中的购票人数进行比较计算,得到该列车中的预计逃票人数。
进一步的,所述列车信息的识别***还包括:
嫌疑指数生成单元102,用于对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数。
在本发明实施例中,嫌疑指数生成单元102通过对列车购票信息进行分析,获取每个列车车厢中购票的人数,并将每个列车车厢中购票的人数与采集的对应的车厢人数数据进行对比,计算每个车厢实际人数与购票人数的人数差数据,并将预计逃票人数和人数差数据进行综合分析,对每个车厢进行逃票嫌疑评价,生成每个车厢的逃票嫌疑指数。
具体的,图9示出了本发明实施例提供的***中嫌疑指数生成单元102的结构框图。
其中,在本发明提供的优选实施方式中,所述嫌疑指数生成单元102具体包括:
购票信息分析模块1021,用于对所述列车购票信息进行分析,得到多个车厢购票数据。
在本发明实施例中,购票信息分析模块1021通过对列车购票信息进行分析处理,获取每个车厢购票人数的多个车厢购票数据。
人数数据比较模块1022,用于将多个所述车厢购票数据分别与多个相对的车厢人数数据进行比较,计算每个车厢的人数差数据。
在本发明实施例中,人数数据比较模块1022通过将多个车厢购票数据与对应的车厢人数数据进行对比分析,计算每个列车车厢中购票人数与实际车厢人数之间的人数差数据。
嫌疑指数生成模块1023,用于综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数。
在本发明实施例中,嫌疑指数生成模块1023根据比较人数差数据与预计逃票人数、人数差数据与车厢购票数据之间的比例关系,对每个车厢的逃票嫌疑进行综合分析判断,得到每个车厢对应的逃票嫌疑指数。
进一步的,所述列车信息的识别***还包括:
查票路线规划单元103,用于将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线。
在本发明实施例中,查票路线规划单元103根据逃票嫌疑指数的数值大小,将多个逃票嫌疑指数进行排列,得到排列结果,并根据排列结果进行查票路线规划,得到指导逃票检查工作人员进行逃票检查的排除式查票路线,不同于随机检查的方式,通过排除式查票路线进行逃票检查,能够优先最有逃票乘客可能和逃票乘客最多的车厢,从而提高逃票检查的效率,实现对逃票乘客的快速排查。
具体的,图10示出了本发明实施例提供的***中查票路线规划单元103的结构框图。
其中,在本发明提供的优选实施方式中,所述查票路线规划单元103具体包括:
排列标号生成模块1031,用于将多个逃票嫌疑指数进行排列,并根据排列顺序进行排列标号。
查票路线生成模块1032,用于根据多个排列标号进行查票路线规划,生成排除式查票路线。
综上所述,本发明实施例能够对各个车厢进行乘客识别,获取多个车厢人数数据,并根据列车购票信息进行综合分析,生成每个车厢的逃票嫌疑指数,进而进行查票路线规划,从而能够优先对可能存在逃票乘客最多的车厢进行优先检查,提高了逃票检查的效率,实现对逃票乘客的快速排查。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (5)

1.一种列车信息的识别方法,其特征在于,所述方法具体包括以下步骤:
对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数;
对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数;
将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线;
所述对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数具体包括以下步骤:
对所述列车购票信息进行分析,得到多个车厢购票数据;
将多个所述车厢购票数据分别与多个相对的车厢人数数据进行比较,计算每个车厢的人数差数据;
综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数;
所述综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数具体包括以下步骤:
计算多个所述人数差数据与所述预计逃票人数之间的第一人数比例;
计算多个所述人数差数据与所述车厢购票数据之间的第二人数比例;
综合所述第一人数比例和所述第二人数比例,生成多个车厢的逃票嫌疑指数;
所述将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线具体包括以下步骤:
将多个逃票嫌疑指数进行排列,并根据排列顺序进行排列标号;
根据多个排列标号进行查票路线规划,生成排除式查票路线。
2.根据权利要求1所述的列车信息的识别方法,其特征在于,所述对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数具体包括以下步骤:
采集列车在两个站点之间启动之后两分钟的多个厢内人数数据和多个过道人数数据;
将相邻两个车厢之间过道的过道人数数据均分至相邻的两个车厢,得到多个车厢人数数据;
综合多个所述车厢人数数据,得到列车人数数据;
获取列车购票信息;
综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数。
3.根据权利要求2所述的列车信息的识别方法,其特征在于,所述采集列车在两个站点之间启动之后两分钟的多个厢内人数数据和多个过道人数数据具体包括以下步骤:
获取列车多个车厢和过道的背景图像;
截取列车在两个站点之间启动之后两分钟的监控视频数据;
通过所述背景图像和所述监控视频数据进行人物识别,获取多个厢内人数数据和多个过道人数数据。
4.一种列车信息的识别***,其特征在于,所述***包括列车乘客识别单元、嫌疑指数生成单元和查票路线规划单元,其中:
列车乘客识别单元,用于对多个列车车厢进行乘客识别,获取多个车厢人数数据,综合多个所述车厢人数数据,得到列车人数数据,获取列车购票信息,并综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数;
嫌疑指数生成单元,用于对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数;
查票路线规划单元,用于将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线;
所述对所述列车购票信息和多个所述车厢人数数据进行综合分析,计算每个车厢的人数差数据,并综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数具体包括以下步骤:
对所述列车购票信息进行分析,得到多个车厢购票数据;
将多个所述车厢购票数据分别与多个相对的车厢人数数据进行比较,计算每个车厢的人数差数据;
综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数;
所述综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数具体包括以下步骤:
计算多个所述人数差数据与所述预计逃票人数之间的第一人数比例;
计算多个所述人数差数据与所述车厢购票数据之间的第二人数比例;
综合所述第一人数比例和所述第二人数比例,生成多个车厢的逃票嫌疑指数;
所述将多个逃票嫌疑指数进行排列,根据排列结果进行查票路线规划,生成排除式查票路线具体包括以下步骤:
将多个逃票嫌疑指数进行排列,并根据排列顺序进行排列标号;
根据多个排列标号进行查票路线规划,生成排除式查票路线;
所述嫌疑指数生成单元具体包括:
购票信息分析模块,用于对所述列车购票信息进行分析,得到多个车厢购票数据;
人数数据比较模块,用于将多个所述车厢购票数据分别与多个相对的车厢人数数据进行比较,计算每个车厢的人数差数据;
嫌疑指数生成模块,用于综合分析所述预计逃票人数和所述人数差数据,生成每个车厢的逃票嫌疑指数;
所述查票路线规划单元具体包括:
排列标号生成模块,用于将多个逃票嫌疑指数进行排列,并根据排列顺序进行排列标号;
查票路线生成模块,用于根据多个排列标号进行查票路线规划,生成排除式查票路线。
5.根据权利要求4所述的列车信息的识别***,其特征在于,所述列车乘客识别单元具体包括:
人数数据获取模块,用于采集列车在两个站点之间启动之后两分钟的多个厢内人数数据和多个过道人数数据;
人数数据均分模块,用于将相邻两个车厢之间过道的过道人数数据均分至相邻的两个车厢,得到多个车厢人数数据;
列车人数获取模块,用于综合多个所述车厢人数数据,得到列车人数数据;
购票信息获取模块,用于获取列车购票信息;
逃票人数计算模块,用于综合分析所述列车购票信息和所述列车人数数据,计算列车中的预计逃票人数。
CN202210010630.1A 2022-01-06 2022-01-06 一种列车信息的识别方法和识别*** Active CN114559980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210010630.1A CN114559980B (zh) 2022-01-06 2022-01-06 一种列车信息的识别方法和识别***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210010630.1A CN114559980B (zh) 2022-01-06 2022-01-06 一种列车信息的识别方法和识别***

Publications (2)

Publication Number Publication Date
CN114559980A CN114559980A (zh) 2022-05-31
CN114559980B true CN114559980B (zh) 2024-01-12

Family

ID=81711592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210010630.1A Active CN114559980B (zh) 2022-01-06 2022-01-06 一种列车信息的识别方法和识别***

Country Status (1)

Country Link
CN (1) CN114559980B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1670773A (zh) * 2005-03-16 2005-09-21 石家庄市风云网络***有限公司 长途客运票款智能管理方法
CN2804966Y (zh) * 2005-03-16 2006-08-09 石家庄市风云网络***有限公司 一种车载长途客运票款智能管理装置
JP2009217322A (ja) * 2008-03-07 2009-09-24 Railway Technical Res Inst 車内改札支援方法及び車内改札支援システム
CN104917085A (zh) * 2015-06-17 2015-09-16 云南电网有限责任公司昆明供电局 一种优化可靠性与经济性的变压器检修决策方法
CN105554452A (zh) * 2015-12-11 2016-05-04 芜湖乐锐思信息咨询有限公司 一种火车车厢协作***
CN107122387A (zh) * 2017-02-28 2017-09-01 广州地理研究所 公共交通扫码验票数据的处理方法、装置和***
CN107527386A (zh) * 2017-09-05 2017-12-29 肇庆高新区长光智能技术开发有限公司 一种查票***及查票方法
CN111798127A (zh) * 2020-07-02 2020-10-20 北京石油化工学院 基于动态火灾风险智能评估的化工园区巡检机器人路径优化***
CN111797661A (zh) * 2019-05-07 2020-10-20 王青雷 基于大数据解析的无线通知方法
CN112506207A (zh) * 2020-12-28 2021-03-16 中国计量大学 一种巡检机器人及其路径规划方法
CN113505671A (zh) * 2021-06-29 2021-10-15 广东交通职业技术学院 基于机器视觉的车厢拥挤度确定方法、***、装置及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108765588B (zh) * 2018-04-25 2024-03-08 京东方科技集团股份有限公司 验票装置和验票方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1670773A (zh) * 2005-03-16 2005-09-21 石家庄市风云网络***有限公司 长途客运票款智能管理方法
CN2804966Y (zh) * 2005-03-16 2006-08-09 石家庄市风云网络***有限公司 一种车载长途客运票款智能管理装置
JP2009217322A (ja) * 2008-03-07 2009-09-24 Railway Technical Res Inst 車内改札支援方法及び車内改札支援システム
CN104917085A (zh) * 2015-06-17 2015-09-16 云南电网有限责任公司昆明供电局 一种优化可靠性与经济性的变压器检修决策方法
CN105554452A (zh) * 2015-12-11 2016-05-04 芜湖乐锐思信息咨询有限公司 一种火车车厢协作***
CN107122387A (zh) * 2017-02-28 2017-09-01 广州地理研究所 公共交通扫码验票数据的处理方法、装置和***
CN107527386A (zh) * 2017-09-05 2017-12-29 肇庆高新区长光智能技术开发有限公司 一种查票***及查票方法
CN111797661A (zh) * 2019-05-07 2020-10-20 王青雷 基于大数据解析的无线通知方法
CN111798127A (zh) * 2020-07-02 2020-10-20 北京石油化工学院 基于动态火灾风险智能评估的化工园区巡检机器人路径优化***
CN112506207A (zh) * 2020-12-28 2021-03-16 中国计量大学 一种巡检机器人及其路径规划方法
CN113505671A (zh) * 2021-06-29 2021-10-15 广东交通职业技术学院 基于机器视觉的车厢拥挤度确定方法、***、装置及介质

Also Published As

Publication number Publication date
CN114559980A (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
JP4839416B1 (ja) 移動過程予測システム、移動過程予測方法、移動過程予測装置及びコンピュータプログラム
CN110942198B (zh) 一种用于轨道交通运营的乘客路径识别方法和***
CN109165541B (zh) 用于智能识别轨道交通车辆图像中车辆零部件的编码方法
Zang et al. Methods for fault diagnosis of high-speed railways: A review
Stenström et al. Measuring and monitoring operational availability of rail infrastructure
Sun et al. A hybrid method for life prediction of railway relays based on multi-layer decomposition and RBFNN
RymARz et al. Comparison of operational availability of public city buses by analysis of variance
CN109471389A (zh) 基于大数据的铁路运输监控***
CN111402241A (zh) 接触网数据的处理方法、装置、计算机设备和存储介质
Britton et al. Analysis of train derailment cause and outcome in Victoria, Australia, between 2007 and 2013: Implications for regulation
CN114559980B (zh) 一种列车信息的识别方法和识别***
Barmada et al. Clustering techniques applied to a high-speed train pantograph–catenary subsystem for electric arc detection and classification
KR20110075787A (ko) 교통수단별 온실가스 및 대기오염물질 저감효과 분석 시스템
Zeng et al. Risk assessment of wheel polygonization on high-speed trains based on Bayesian networks
CN110263718A (zh) 车辆出入段检测方法及检测***
Sun et al. Identifying public transit commuters based on both the smartcard data and survey data: a case study in xiamen, China
CN117115562A (zh) 一种基于深度学习的进站铁路货运列车车厢计数方法
Min et al. Mining missing train logs from Smart Card data
Chen et al. Research on the classification of urban rail transit stations-taking Shanghai metro as an example
CN114936724B (zh) 一种基于大数据的路线预测推荐方法和***
Moosavi et al. Simulation-based sensitivity analysis for evaluating factors affecting bus service reliability: a big and smart data implementation
CN112307846A (zh) 乘务违规分析方法
CN109117904A (zh) 一种逃票检测方法及终端
Asekun et al. Selection of a decision model for rolling stock maintenance scheduling
Han et al. Modeling System-Wide Urban Rail Transit Energy Consumption: A Case Study of Boston

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