CN115099721B - 一种基于大数据分析的客车交通拥挤度评估系统及方法 - Google Patents
一种基于大数据分析的客车交通拥挤度评估系统及方法 Download PDFInfo
- Publication number
- CN115099721B CN115099721B CN202211015840.6A CN202211015840A CN115099721B CN 115099721 B CN115099721 B CN 115099721B CN 202211015840 A CN202211015840 A CN 202211015840A CN 115099721 B CN115099721 B CN 115099721B
- Authority
- CN
- China
- Prior art keywords
- congestion degree
- vehicle
- passenger
- information
- passenger car
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000007405 data analysis Methods 0.000 title claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 230000010354 integration Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 15
- 238000005206 flow analysis Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 7
- 238000013079 data visualisation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims 2
- 238000012986 modification Methods 0.000 claims 1
- 230000004048 modification Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的客车交通拥挤度评估系统及方法，包括车载终端、道路交通检测终端、客车运营服务器和客车交通拥挤度评估系统，车载终端用于检测目标车辆的实时行驶信息，道路交通检测终端用于检测站台的客流等候信息，客车交通拥挤度评估系统包括客流信息采集模块、融合分析模块、拥挤度评估模块和方案输出模块，针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案。本发明利用大数据分析，可实现对拥挤度进行多方位的融合分析，不仅提高了数据的准确性，并通过对数据的训练、整合以及对拥挤度的评估，可实时生成可靠的调度运行方案，提高智慧交通的高效智能化应用。
Description
技术领域
本发明涉及智慧交通技术领域，特别是一种基于大数据分析的客车交通拥挤度评估系统及方法。
背景技术
交通容量比(Traffic volume ratio)又称拥挤度或路网适应性。是指路网的总交通量与路网容许的总通行能力之比。交通组成是指交通流中各类车辆及步行所占的比例。其中机动车可分为大、小型客车，大、小型载货车和摩托车，公共汽(电)车等。拥挤度数据对于城市公共交通运营极为重要。
随着城市交通的发展，客车运营经久不衰，客车相比轨道交通具有站点多、灵活、运营覆盖面广等优点。然而现有技术中还没有对客车运营时，基于城市交通多个角度的实时分析拥挤度，客车运营在拥挤度实时分析这一方面存在空白，客车运营一般采用导入GIS地图分析数据，GIS数据常常被作为客车运营指标，虽然GIS数据技术发展迅速，但是对于客车交通来说其数据获取、判断过程较为单一，对于客车交通拥挤度的计算，只是单一的获取道路断面车流，是不够精细的，没有考虑站台上动态变化的客流以及不同的路径分配，所以对于后续客车运营动态优化效果一般。
发明内容
鉴于上述现有的智慧交通中存在的问题，提出了本发明。
因此，本发明的目的是提供一种基于大数据分析的客车交通拥挤度评估系统及方法，其利用大数据分析，可实现对拥挤度进行多方位的融合分析，不仅提高了数据的准确性，并通过对数据的训练、整合以及对拥挤度的评估，可实时生成可靠的调度运行方案，提高智慧交通的高效智能化应用。
为解决上述技术问题，本发明提供如下技术方案：包括车载终端、道路交通检测终端、客车运营服务器和客车交通拥挤度评估系统，所述车载终端用于检测目标车辆的实时行驶信息，所述道路交通检测终端用于检测站台的客流等候信息，且道路交通检测终端用于接收所述车载终端发送的实时行驶信息，并将检测的站台的客流等候信息和接收的实时行驶信息上传至客车运营服务器，通过客车运营服务器传输至客车交通拥挤度评估系统中，且客车运营服务器还连接用户挂载端，所述客车交通拥挤度评估系统连接数据可视化平台，所述客车交通拥挤度评估系统包括客流信息采集模块、融合分析模块、拥挤度评估模块和方案输出模块；
所述客流信息采集模块用于采集客车交通运行的客车交通拥挤度信息数据，包括目标车辆的车内客流拥挤度信息、目标线路的车流拥挤度信息、目标线路上各个站台的客流拥挤度信息和目标车辆所在部门的调度拥挤度信息；
所述融合分析模块用于对所述客流信息采集模块获取的客车交通拥挤度信息数据进行识别分类、融合分析处理以及训练样本，形成客车交通拥挤度数据库，同时进行客流的不均衡系数和车次满载率分析；
所述拥挤度评估模块用于根据目标车辆输入的实时行驶信息，以及基于客车交通拥挤度数据库进行准确评估，并图表化呈现目标车辆的评估数据，针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案；
所述方案输出模块用于输出目标车辆的评估数据和目标车辆的运行方案；
其中，所述客车交通拥挤度评估系统通过定时器启动任务，用于接收所述道路交通检测终端产生的每日实时行驶信息数据，并通过图表方式，绘制并可视化呈现每日实时行驶信息数据，同时存储到客车交通拥挤度数据库中，客车交通拥挤度评估系统连接数据可视化平台进行可视化呈现。
作为本发明的一种优选方案，其中：所述车载终端设于客车车内，用于检测目标车辆的实时行驶信息，所述实时行驶信息包括目标车辆的位置信息、速度信息和目标车辆的车内客流拥挤度信息；所述道路交通检测终端设于客车站台中，用于检测所述站台的客流等候信息，分析形成第一拥挤度信息数据，同时用于接收所述车载终端发送的实时行驶信息，并对接收的实时行驶信息进行分析形成第二拥挤度信息数据后，将第一拥挤度信息数据和第二拥挤度信息数据发送至客车运营服务器，所述第二拥挤度信息数据包括目标车辆的车内客流拥挤度信息和目标线路上的道路拥挤度信息；所述客车运营服务器用于接收所述道路交通检测终端发送的第一拥挤度信息数据和第二拥挤度信息数据，并进行缓存，且将缓存的第一拥挤度信息数据和第二拥挤度信息数据发送至客车交通拥挤度评估系统中进行处理，并形成历史平均拥挤度缓存至客车交通拥挤度数据库中，且周期性地更新客车交通拥挤度数据库；其中，所述客车交通拥挤度评估系统根据目标车辆在运行时产生的第一拥挤度信息数据和第二拥挤度信息数据，结合目标车辆所在部门的调度拥挤度信息，更新客车交通拥挤度数据库。
作为本发明的一种优选方案，其中：所述融合分析模块包括分类单元、分析单元和特征训练单元；所述分类单元将目标线路的定位数据按照相应的站台进行分类，获取不同车辆分别对应的站台定位数据，同时将各车辆所对应的站台定位数据，划分为不同时间单元下所述车辆的站台区间定位数据；所述分析单元根据所述车辆的站台区间定位数据，确定各车辆在不同时间单元下，在所述目标线路中的行驶时间，绘制各车辆与站台对应的等候时间曲线，并计算等候时间曲线的历史平均曲度；所述特征训练单元将各车辆对应的等候时间曲线的历史平均曲度中的曲线特征进行特征训练，得到目标线路中各车辆所对应站台的拥挤度预测模型；将所述目标线路中各站台等候人员分别对应的不同时间单元下的等候时间作为训练样本；将各训练样本分别输入至标准时间预测模型中进行训练；将训练结束后的标准时间预测模型，作为与所述目标线路相应站台的拥挤度预测模型。
作为本发明的一种优选方案，其中：所述拥挤度评估模块包括上客流评估单元、下客流评估单元、断面客流量评估单元和满载率评估单元。
作为本发明的一种优选方案，其中：所述分析单元还包括客流分析，所述客流分析基于第一拥挤度信息数据中的站台客流等候信息和第二拥挤度信息数据中的目标车辆的车内客流信息，并通过不均衡系数公式计算单向分时客流不均衡系数和车次满载率，形成历史客流的不均衡系数和车次满载率数据。
作为本发明的一种优选方案，其中：所述客车交通拥挤度评估系统还包括多路客流对比分析模块和线路站台时间段对比分析模块，所述多路客流对比分析模块用于目标线路中站台的多路客流对比分析，所述线路站台时间段对比分析模块用于目标线路中站台的不同时间段对比分析。
作为本发明的一种优选方案，其中：所述用户挂载端设有用于图表数据的处理应用单元，以及用于用户账户的登录、修改或存储的用户账号管理单元。
一种基于大数据分析的客车交通拥挤度评估方法，包括：
获取客车交通拥挤度数据，通过车载终端和道路交通检测终端检测目标车辆的客车交通拥挤度信息，并将客车交通拥挤度信息发送至客车运营服务器，具体地，通过车载终端检测目标车辆的实时行驶信息，以及通过道路交通检测终端检测站台的客流等候信息，分析形成第一拥挤度信息数据，同时用于接收所述车载终端发送的实时行驶信息，并对接收的实时行驶信息进行分析形成第二拥挤度信息数据后，将第一拥挤度信息数据和第二拥挤度信息数据发送至客车运营服务器；
分析处理客车交通拥挤度信息，通过客车交通拥挤度评估系统对客车交通拥挤度信息进行融合分析，具体地，通过分类单元将目标线路的定位数据按照相应的站台进行分类，获取不同车辆分别对应的站台定位数据，同时将各车辆所对应的站台定位数据，划分为不同时间单元下所述车辆的站台区间定位数据；通过分析单元根据所述车辆的站台区间定位数据，确定各车辆在不同时间单元下，在所述目标线路中的行驶时间；绘制各车辆与站台对应的等候时间曲线，并计算等候时间曲线的历史平均曲度；通过特征训练单元将各车辆对应的等候时间曲线的历史平均曲度中的曲线特征进行特征训练，得到目标线路中各车辆所对应站台的拥挤度预测模型；将所述目标线路中各站台等候人员分别对应的不同时间单元下的等候时间作为训练样本；将各训练样本分别输入至标准时间预测模型中进行训练；将训练结束后的标准时间预测模型，作为与所述目标线路相应站台的拥挤度预测模型；
基于实时的客车交通拥挤度信息进行拥挤度评估，在目标车辆运行时，则实时获取所述客车交通拥挤度信息，与客车交通拥挤度数据库中相关数据关联后进行拥挤度评估，具体地，通过拥挤度评估模块对目标车辆和目标线路上各站台的上客流、下客流、断面客流量和满载率进行评估后进行图表化呈现，并针对不同目标线路和站台进行相应方案的整合，形成目标车辆的运行方案；
方案整合输出，通过方案输出模块将所述上客流、下客流、断面客流量和满载率的评估数据传输至用户挂载端，并针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案。
在分析处理客车交通拥挤度信息中时，具体地如下：
将所获取的客车交通拥挤度信息数据存储到客车交通拥挤度数据库中的客流分
析目录链表L（
，
，
，
），其中，
为目标车辆所在目标线路上站台客流拥挤度，
为站台实际等候人数，
为站台预设等候人数，即
；
为目标车
辆的车内客流拥挤度，
为车辆实载人数，
为车辆荷载人数，即
；
为目标车辆所在目标线路上的线路车流拥挤度；
为目标车辆所在目标线路的被调度
车辆拥挤度；
将上述特征信息存储到曲度特征矩阵中，计算等候时间曲线的历史平均曲度；具
体地，通过曲线的半径公式（1）计算半径
，再通过公式（2）得到曲线的曲度
，再通过公
式（3）计算平均曲率
；公式如下：
根据历史平均曲度数据，输出各站台的上客流、下客流、断面客流量和满载率的评估数据，即基于目标车辆当前第一拥挤度信息数据和第二拥挤度信息数据，通过客车交通拥挤度评估系统对目标车辆和目标车辆和目标线路上各站台的上客流、下客流、断面客流量和满载率进行评估。
针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案，目标车辆的运行方案为客车车速、车次满载率和不同线路调度的调整方案；通过计算获取目标线路上站台的拥挤度预测模型，同时根据站台的拥挤度预测模型进行评估，基于当前客车交通拥挤度信息客车部门的调度方案，并通过客车运营服务器发送至车载终端和道路交通检测终端，用于提醒客车和站台人员。
本发明的有益效果：本发明可以实现在智能交通工作中，筛选多方面的客流相关信息，来对客车交通的拥挤度情况进行实时分析处理，可以得到准确的客车当前拥挤度信息，并通过对当前拥挤度信息与客流历史数据进行分析对比后进行评估，可评估出相应的目标车辆和各个站台的上客流、下客流、断面客流量和满载率的数据，客车运营部门或交管部门根据评估数据有利于后续的调度以及运营工作。综上所述，本发明利用大数据分析，可多方位的实现对拥挤度进行融合分析，不仅提高了数据的准确性，并通过对数据的训练、整合以及拥挤度的评估，可实时生成可靠的调度运行方案，提高智慧交通的高效智能化应用。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明的客车交通拥挤度评估系统的模块化结构示意图；
图2为本发明的客车交通拥挤度评估系统的运行示意图；
图3为本发明的基于大数据分析的客车交通拥挤度评估方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
由于在现有的智慧交通中，现阶段没有对于客车交通运行的拥挤度的计算，不仅数据的准确性较低，且难以根据实时的拥挤度进行有效的评估做出智能化方案；基于此，本发明提出了一种基于大数据分析的客车交通拥挤度评估系统及方法，其利用大数据分析，可实现对拥挤度进行多方位的融合分析，不仅提高了数据的准确性，并通过对数据的训练、整合以及对拥挤度的评估，可实时生成可靠的调度运行方案，提高智慧交通的高效智能化应用。
参照图1和图2，为本发明的一个实施例，该实施例提供了一种基于大数据分析的客车交通拥挤度评估系统，包括车载终端、道路交通检测终端、客车运营服务器和客车交通拥挤度评估系统，车载终端用于检测目标车辆的实时行驶信息，道路交通检测终端用于检测站台的客流等候信息，且道路交通检测终端用于接收车载终端发送的实时行驶信息，并将检测的站台的客流等候信息和接收的实时行驶信息上传至客车运营服务器，通过客车运营服务器传输至客车交通拥挤度评估系统中，且客车运营服务器还连接用户挂载端，客车交通拥挤度评估系统连接数据可视化平台，客车交通拥挤度评估系统包括客流信息采集模块、融合分析模块、拥挤度评估模块和方案输出模块；客流信息采集模块用于采集客车交通运行的客车交通拥挤度信息，包括目标车辆的车内客流拥挤度信息、目标线路的车流拥挤度信息、目标线路上各个站台的客流拥挤度信息和目标车辆所在部门的调度拥挤度信息；融合分析模块用于对客流信息采集模块获取的客车交通拥挤度信息进行识别分类、融合分析处理以及训练样本，形成客车交通拥挤度数据库，同时进行客流的不均衡系数和车次满载率分析，不均衡系数是指反映客流量总体内，某部分客流量的不均衡程度，可用总体内某部分的客流量除以总体平均客流量求得。常分为方向不均衡系数、断面不均衡系数和时间不均衡系数。方向不均衡系数是指某单向客流量与双向平均客流量之比值。断面不均衡系数是指某断面通过量与同一时间全程其他断面的平均通过量之比值。不均衡系数是指高峰小时客流量与全天平均小时客流量之比值。拥挤度评估模块用于根据目标车辆输入的实时行驶信息，以及基于客车交通拥挤度数据库进行准确评估，并图表化呈现目标车辆的评估数据，针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案；方案输出模块用于输出目标车辆的评估数据和目标车辆的运行方案；
其中，用户挂载端，可选地为交通管理部门或客车运营部门，交通管理部门或客车运营部门可通过客车交通拥挤度评估系统对客车交通的数据进行查看，以及合理化地监控本发明的基于交通拥挤度评估后的调度方案，此外，客车交通拥挤度评估系统通过定时器启动任务，用于接收道路交通检测终端产生的每日客车交通数据，并通过图表方式，绘制并可视化呈现每日客车交通数据，同时存储到客车交通拥挤度数据库中，客车交通拥挤度评估系统连接数据可视化平台进行可视化呈现。
本实施例进一步地，车载终端设于客车车内，用于检测目标车辆的实时行驶信息，实时行驶信息包括目标车辆的位置信息、速度信息和目标车辆的车内客流拥挤度信息；通过车载终端发送的信息，具体地为目标车辆位置、速度并结合电子地图，分析目标线路上道路拥挤度信息；道路交通检测终端设于客车站台中，用于检测站台的客流等候信息，分析形成第一拥挤度信息数据，同时用于接收车载终端发送的实时行驶信息，并对接收的实时行驶信息进行分析形成第二拥挤度信息数据后，将第一拥挤度信息数据和第二拥挤度信息数据发送至客车运营服务器，第二拥挤度信息数据包括目标车辆的车内客流拥挤度信息和目标线路上的道路拥挤度信息；客车运营服务器用于接收道路交通检测终端发送的第一拥挤度信息数据和第二拥挤度信息数据，并进行缓存，且将缓存的第一拥挤度信息数据和第二拥挤度信息数据发送至客车交通拥挤度评估系统中进行处理，并形成历史平均拥挤度缓存至客车交通拥挤度数据库中，且周期性地更新客车交通拥挤度数据库；其中，客车交通拥挤度评估系统根据目标车辆在运行时产生的第一拥挤度信息数据和第二拥挤度信息数据，结合目标车辆的目标车辆所在部门的调度拥挤度信息，更新客车交通拥挤度数据库。
本实施例具体地，融合分析模块包括分类单元、分析单元和特征训练单元；分类单元将目标线路的定位数据按照相应的站台进行分类，获取不同车辆分别对应的站台定位数据，同时将各车辆所对应的站台定位数据，划分为不同时间单元下车辆的站台区间定位数据；分析单元根据车辆的站台区间定位数据，确定各车辆在不同时间单元下，在目标线路中的行驶时间；绘制各车辆与站台对应的等候时间曲线，并计算等候时间曲线的历史平均曲度；特征训练单元将各车辆对应的等候时间曲线的历史平均曲度中的曲线特征进行特征训练，得到目标线路中各车辆所对应站台的拥挤度预测模型；将目标线路中各站台等候人员分别对应的不同时间单元下的等候时间作为训练样本；将各训练样本分别输入至标准时间预测模型中进行训练；将训练结束后的标准时间预测模型，作为与目标线路相应站台的拥挤度预测模型。
此外拥挤度评估模块包括上客流评估单元、下客流评估单元、断面客流量评估单元和满载率评估单元。
本实施例优选地，分析单元还包括客流分析，客流分析基于第一拥挤度信息数据和第二拥挤度信息数据中的客流信息，具体为站台客流等候信息和目标车辆的车内客流信息，并通过不均衡系数公式计算单向分时客流不均衡系数和车次满载率，形成历史客流的不均衡系数和车次满载率数据。
本实施进一步说明的，客车交通拥挤度评估系统还包括多路客流对比分析模块和线路站台时间段对比分析模块，多路客流对比分析模块用于目标线路中站台的多路客流对比分析，线路站台时间段对比分析模块用于目标线路中站台的不同时间段对比分析。用户挂载端设有用于图表数据的处理应用单元，以及用于用户账户的登录、修改或存储的用户账号管理单元。
参照图3，本实施例基于上述系统，还提出一种基于大数据分析的客车交通拥挤度评估方法，包括：
获取客车交通拥挤度数据，通过车载终端和道路交通检测终端检测目标车辆的客车交通拥挤度信息，并将客车交通拥挤度信息发送至客车运营服务器，具体地，通过车载终端检测目标车辆的实时行驶信息，以及通过道路交通检测终端检测站台的客流等候信息，分析形成第一拥挤度信息数据，同时用于接收车载终端发送的实时行驶信息，并对接收的实时行驶信息进行分析形成第二拥挤度信息数据后，将第一拥挤度信息数据和第二拥挤度信息数据发送至客车运营服务器；
分析处理客车交通拥挤度信息，通过客车交通拥挤度评估系统对客车交通拥挤度信息进行融合分析，具体地，通过分类单元将目标线路的定位数据按照相应的站台进行分类，获取不同车辆分别对应的站台定位数据，同时将各车辆所对应的站台定位数据，划分为不同时间单元下车辆的站台区间定位数据；通过分析单元根据车辆的站台区间定位数据，确定各车辆在不同时间单元下，在目标线路中的行驶时间；绘制各车辆与站台对应的等候时间曲线，并计算等候时间曲线的历史平均曲度；通过特征训练单元将各车辆对应的等候时间曲线的曲线特征进行特征训练，得到目标线路中各车辆所对应站台的拥挤度预测模型；将目标线路中各站台等候人员分别对应的不同时间单元下的等候时间作为训练样本；将各训练样本分别输入至标准时间预测模型中进行训练；将训练结束后的标准时间预测模型，作为与目标线路相应站台的拥挤度预测模型；
基于实时的客车交通拥挤度信息进行拥挤度评估，在目标车辆运行时，则实时获取客车交通拥挤度信息，与客车交通拥挤度数据库中相关数据关联后进行拥挤度评估，具体地，通过拥挤度评估模块对目标线路上各站台的上客流、下客流、断面客流量和满载率进行评估后进行图表化呈现，并针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案。
在分析处理客车交通拥挤度信息中进行分类特征处理时，具体地如下：
将所获取的客车交通拥挤度信息数据存储到客车交通拥挤度数据库中的客流分
析目录链表L（
，
，
，
），其中，
为目标车辆所在目标线路上的站台客流拥挤
度，
为站台实际等候人数，
为站台预设等候人数，即
；
为目标
车辆的车内客流拥挤度，
为车辆实载人数，
为车辆荷载人数，即
；
为目标车辆所在目标线路上的线路车流拥挤度；
为目标车辆所在
目标线路的被调度车辆拥挤度；
将上述特征信息存储到曲度特征矩阵中，计算等候时间曲线的历史平均曲度；具
体地通过曲线的半径公式（1）计算半径
，再通过公式（2）得到曲线的曲度
，再通过公式
（3）计算平均曲率
；公式如下：
根据历史平均曲度数据，输出各站台的上客流、下客流、断面客流量和满载率的评估数据，即基于目标车辆当前第一拥挤度信息数据和第二拥挤度信息数据，通过客车交通拥挤度评估系统对目标线路上各站台的上客流、下客流、断面客流量和满载率进行评估。
针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案，目标车辆的运行方案为客车车速、车次满载率和不同线路调度的调整方案，并通过客车运营服务器发送至车载终端和道路交通检测终端，用于提醒客车和站台人员。
基于上述实施例，需要举例说明的，例如常见的一般早、晚高峰人数较多，某些站点人数较多，某些重点线路上客车班次较多，对于客车交通来说，需要最大化的服务站点的等候人群，则各个客车在当前运行线路上，需要根据当前情况（客流拥挤度信息），进行迭代的动态规划，对各个站台等候的人员和车内的人员以及结合目标线路的拥挤度进行评估，评估出目标车辆和各个站台的预计人数。例如，某些重点线路或站点上的乘客上、下车频率较高，人数较多，此时，客车应调整合适的速度并结合当前拥挤度信息，以能够在合适的时间点到达该站点，保持最优最大化的承载较多的乘客，或增加该目标线路和站点的到站频率；反之，有些线路上的乘客较少，相应的进行客车车速、车次满载率和不同线路调度的调整方案的选择。
综上所述，本发明可以实现在智能交通工作中，筛选多方面的客流相关信息，来对客车交通的拥挤度情况进行实时分析处理，可以得到准确的客车当前拥挤度信息，并通过对当前拥挤度信息与客流历史数据进行分析对比后进行评估，可评估出相应的目标车辆和各个站台的上客流、下客流、断面客流量和满载率的数据，客车交通部门或交管部门根据评估数据有利于后续的调度以及运营工作。即本发明采用了利用大数据分析，可多方位的实现对拥挤度进行融合分析，不仅提高了数据的准确性，并通过对数据的训练、整合以及拥挤度的评估，可实时生成可靠的调度运行方案，提高智慧交通的高效智能化应用。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块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，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
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，可轻易想到其各种变化或替换，这些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以权利要求的保护范围为准。
Claims (9)
1.一种基于大数据分析的客车交通拥挤度评估系统，其特征在于，包括车载终端、道路交通检测终端、客车运营服务器和客车交通拥挤度评估系统，所述车载终端用于检测目标车辆的实时行驶信息，所述道路交通检测终端用于检测站台的客流等候信息，且道路交通检测终端用于接收所述车载终端发送的实时行驶信息，并将检测的站台的客流等候信息和接收的实时行驶信息上传至客车运营服务器，通过客车运营服务器传输至客车交通拥挤度评估系统中，且客车运营服务器还连接用户挂载端，所述客车交通拥挤度评估系统连接数据可视化平台，所述客车交通拥挤度评估系统包括客流信息采集模块、融合分析模块、拥挤度评估模块和方案输出模块；
所述客流信息采集模块用于采集客车交通运行的客车交通拥挤度信息数据，包括目标车辆的车内客流拥挤度信息、目标线路的车流拥挤度信息、目标线路上各个站台的客流拥挤度信息和目标车辆所在部门的调度拥挤度信息；
所述融合分析模块用于对所述客流信息采集模块获取的客车交通拥挤度信息数据进
行识别分类、融合分析处理以及训练样本，形成客车交通拥挤度数据库，同时进行客流的不
均衡系数和车次满载率分析，具体地将所获取的客车交通拥挤度信息数据存储到客车交通
拥挤度数据库中的客流分析目录链表L（
，
，
，
），其中，
为目标车辆所在目标
线路上的站台客流拥挤度，
为站台实际等候人数，
为站台预设等候人数，即
；
为目标车辆的车内客流拥挤度，
为车辆实载人数，
为车辆
荷载人数，即
；
为目标车辆所在目标线路上的线路车流拥挤度；
为
目标车辆所在目标线路的被调度车辆拥挤度；
将上述客流分析目录链表L（ 
，
，
，
）的信息传输至曲度特征矩阵中，计算
等候时间曲线的历史平均曲度；通过曲线的半径公式（1）计算半径
，通过公式（2）得到曲
线的曲度
，通过公式（3）计算平均曲率
；公式如下：
根据历史平均曲度数据，输出各站台的上客流、下客流、断面客流量和满载率的评估数据，即基于目标车辆当前第一拥挤度信息数据和第二拥挤度信息数据，通过客车交通拥挤度评估系统对目标线路上各站台的上客流、下客流、断面客流量和满载率进行评估；
所述拥挤度评估模块用于根据目标车辆输入的实时行驶信息，以及基于客车交通拥挤度数据库进行准确评估，并图表化呈现目标车辆的评估数据，针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案；
所述方案输出模块用于输出目标车辆的评估数据和目标车辆的运行方案；
其中，所述客车交通拥挤度评估系统通过定时器启动任务，用于接收所述道路交通检测终端产生的每日实时行驶信息数据，并通过图表方式进行绘制并可视化呈现每日实时行驶信息数据，同时存储到客车交通拥挤度数据库中，客车交通拥挤度评估系统连接数据可视化平台进行可视化呈现。
2.如权利要求1所述的一种基于大数据分析的客车交通拥挤度评估系统，其特征在于，所述车载终端设于客车车内，用于检测目标车辆的实时行驶信息，所述实时行驶信息包括目标车辆的位置信息、速度信息和目标车辆的车内客流拥挤度信息；
所述道路交通检测终端设于客车站台中，用于检测所述站台的客流等候信息，分析形成第一拥挤度信息数据，同时用于接收所述车载终端发送的实时行驶信息，并对接收的实时行驶信息进行分析形成第二拥挤度信息数据后，将第一拥挤度信息数据和第二拥挤度信息数据发送至客车运营服务器，所述第二拥挤度信息数据包括目标车辆的车内客流拥挤度信息和目标线路上的道路拥挤度信息；
所述客车运营服务器用于接收所述道路交通检测终端发送的第一拥挤度信息数据和第二拥挤度信息数据，并进行缓存，且将缓存的第一拥挤度信息数据和第二拥挤度信息数据发送至客车交通拥挤度评估系统中进行处理，并形成历史平均拥挤度缓存至客车交通拥挤度数据库中，且周期性地更新客车交通拥挤度数据库；其中，所述客车交通拥挤度评估系统根据目标车辆在运行时产生的第一拥挤度信息数据和第二拥挤度信息数据，结合目标车辆所在部门的调度拥挤度信息，更新客车交通拥挤度数据库。
3.如权利要求1所述的一种基于大数据分析的客车交通拥挤度评估系统，其特征在于，所述融合分析模块包括分类单元、分析单元和特征训练单元；
所述分类单元将目标线路的定位数据按照相应的站台进行分类，获取不同车辆分别对应的站台定位数据，同时将各车辆所对应的站台定位数据，划分为不同时间单元下所述车辆的站台区间定位数据；
所述分析单元根据所述车辆的站台区间定位数据，确定各车辆在不同时间单元下，在所述目标线路中的行驶时间，绘制各车辆与站台对应的等候时间曲线，并计算等候时间曲线的历史平均曲度；
所述特征训练单元将各车辆对应的等候时间曲线的历史平均曲度中的曲线特征进行特征训练，得到目标线路中各车辆所对应站台的拥挤度预测模型；将所述目标线路中各站台等候人员分别对应的不同时间单元下的等候时间作为训练样本；将各训练样本分别输入至标准时间预测模型中进行训练；将训练结束后的标准时间预测模型，作为与所述目标线路相应站台的拥挤度预测模型。
4.如权利要求3所述的一种基于大数据分析的客车交通拥挤度评估系统，其特征在于，所述拥挤度评估模块包括上客流评估单元、下客流评估单元、断面客流量评估单元和满载率评估单元。
5.如权利要求3所述的一种基于大数据分析的客车交通拥挤度评估系统，其特征在于，所述分析单元还包括客流分析，所述客流分析基于第一拥挤度信息数据中的站台客流等候信息和第二拥挤度信息数据中的目标车辆的车内客流信息，并通过不均衡系数公式计算单向分时客流不均衡系数和车次满载率，形成历史客流的不均衡系数和车次满载率数据。
6.如权利要求1所述的一种基于大数据分析的客车交通拥挤度评估系统，其特征在于，所述客车交通拥挤度评估系统还包括多路客流对比分析模块和线路站台时间段对比分析模块，所述多路客流对比分析模块用于目标线路中站台的多路客流对比分析，所述线路站台时间段对比分析模块用于目标线路中站台的不同时间段对比分析。
7.如权利要求1-6任意一项所述的一种基于大数据分析的客车交通拥挤度评估系统，其特征在于，所述用户挂载端设有用于图表数据的处理应用单元，以及用于用户账户的登录、修改或存储的用户账号管理单元。
8.一种基于大数据分析的客车交通拥挤度评估方法，应用于如权利要求2所述的基于大数据分析的客车交通拥挤度评估系统，其特征在于，包括：
获取客车交通拥挤度数据，通过车载终端和道路交通检测终端检测目标车辆的客车交通拥挤度信息，并将客车交通拥挤度信息发送至客车运营服务器，具体地，通过车载终端检测目标车辆的实时行驶信息，以及通过道路交通检测终端检测站台的客流等候信息，分析形成第一拥挤度信息数据，同时用于接收所述车载终端发送的实时行驶信息，并对接收的实时行驶信息进行分析形成第二拥挤度信息数据后，将第一拥挤度信息数据和第二拥挤度信息数据发送至客车运营服务器；
分析处理客车交通拥挤度信息，通过客车交通拥挤度评估系统对客车交通拥挤度信息进行融合分析，通过分类单元将目标线路的定位数据按照相应的站台进行分类，获取不同车辆分别对应的站台定位数据，同时将各车辆所对应的站台定位数据，划分为不同时间单元下所述车辆的站台区间定位数据；通过分析单元根据所述车辆的站台区间定位数据，确定各车辆在不同时间单元下，在所述目标线路中的行驶时间；绘制各车辆与站台对应的等候时间曲线，并计算等候时间曲线的历史平均曲度；通过特征训练单元将各车辆对应的等候时间曲线的历史平均曲度中的曲线特征进行特征训练，得到目标线路中各车辆所对应站台的拥挤度预测模型；将所述目标线路中各站台等候人员分别对应的不同时间单元下的等候时间作为训练样本；将各训练样本分别输入至标准时间预测模型中进行训练；将训练结束后的标准时间预测模型，作为与所述目标线路相应站台的拥挤度预测模型；
基于实时的客车交通拥挤度信息进行拥挤度评估，在目标车辆运行时，则实时获取所述客车交通拥挤度信息，与客车交通拥挤度数据库中相关数据关联后进行拥挤度评估，具体地，通过拥挤度评估模块对目标车辆和目标线路上各站台的上客流、下客流、断面客流量和满载率进行评估后进行图表化呈现，并针对不同目标线路和站台进行相应方案的整合，形成目标车辆的运行方案；
方案整合输出，通过方案输出模块将所述上客流、下客流、断面客流量和满载率的评估数据传输至用户挂载端，并针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案。
9.如权利要求8所述的一种基于大数据分析的客车交通拥挤度评估方法，其特征在于，针对不同目标线路和站台进行相应输出方案的整合，形成目标车辆的运行方案，目标车辆的运行方案为客车车速、车次满载率和不同线路调度的调整方案；
通过计算获取目标线路上站台的拥挤度预测模型，同时根据站台的拥挤度预测模型进行评估，基于当前客车交通拥挤度信息客车部门的调度方案，并通过客车运营服务器发送至车载终端和道路交通检测终端，用于提醒客车和站台人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211015840.6A CN115099721B (zh) | 2022-08-24 | 2022-08-24 | 一种基于大数据分析的客车交通拥挤度评估系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211015840.6A CN115099721B (zh) | 2022-08-24 | 2022-08-24 | 一种基于大数据分析的客车交通拥挤度评估系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115099721A CN115099721A (zh) | 2022-09-23 |
| CN115099721B true CN115099721B (zh) | 2022-11-04 |
Family
ID=83301149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211015840.6A Active CN115099721B (zh) | 2022-08-24 | 2022-08-24 | 一种基于大数据分析的客车交通拥挤度评估系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115099721B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115273480B (zh) * | 2022-09-28 | 2023-01-20 | 南京智慧交通信息股份有限公司 | 一种基于大数据分析的交通预警系统及其方法 |
| CN117592788B (zh) * | 2024-01-17 | 2024-04-16 | 北京工业大学 | 一种公交运行风险的识别方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103761874B (zh) * | 2014-02-18 | 2016-04-20 | 吉林大学 | 智能化公共交通信息交互与显示系统 |
| CN107507428A (zh) * | 2017-09-11 | 2017-12-22 | 安徽实运信息科技有限责任公司 | 一种用于道路交通拥挤度检测系统 |
| CN112598331B (zh) * | 2021-01-06 | 2024-01-23 | 株洲中车时代电气股份有限公司 | 轨道交通的动态调度方法、系统、计算机设备和存储介质 |
| CN114266010B (zh) * | 2022-03-01 | 2022-05-13 | 华东交通大学 | 一种区域多制式轨道交通区间拥挤系数计算方法及系统 |
| CN114743401B (zh) * | 2022-03-23 | 2023-05-09 | 华录智达科技股份有限公司 | 一种基于公交数字化转型的数据可视化公交调度管理平台 |
| CN114662801B (zh) * | 2022-05-20 | 2022-09-02 | 南京智慧交通信息股份有限公司 | 一种公交车辆的运营精准管理方法及其系统 |
-
2022
- 2022-08-24 CN CN202211015840.6A patent/CN115099721B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115099721A (zh) | 2022-09-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112598182B (zh) | 一种轨道交通智能调度方法及系统 | |
| CN115099721B (zh) | 一种基于大数据分析的客车交通拥挤度评估系统及方法 | |
| CN107784835B (zh) | 基于交通数据分析的交通状态模式预测系统及其预测方法 | |
| El‐Geneidy et al. | Analyzing transit service reliability using detailed data from automatic vehicular locator systems | |
| KR100820467B1 (ko) | 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법 | |
| WO2004061394A1 (ja) | 交通情報提供システム、交通情報表現方法及び装置 | |
| CN109387212A (zh) | 信息处理系统以及信息处理方法 | |
| CN109615887A (zh) | 智慧交通网络系统信号指引方法 | |
| CN109191845B (zh) | 一种公交车辆到站时间预测方法 | |
| KR20140128063A (ko) | 교통 상황 예측 시스템 | |
| US20220113146A1 (en) | Method and system for planning a journey | |
| CN114363316B (zh) | 一种跨区域道路基础设施智能联网监测与监管系统 | |
| CN112734242B (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
| JP2003281674A (ja) | 交通情報処理方法及び交通情報処理システム | |
| CN110363985A (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
| CN107918826B (zh) | 一种驾驶环境感知的司机评价与调度方法 | |
| CN104217591B (zh) | 动态路况检测方法及系统 | |
| CN107993441B (zh) | 一种货车常跑路线的预测方法及装置 | |
| JPH0477959B2 (zh) | ||
| Cohen et al. | Travel time estimation between loop detectors and FCD: A compatibility study on the Lille network, France | |
| CN115273480B (zh) | 一种基于大数据分析的交通预警系统及其方法 | |
| KR101572582B1 (ko) | 네비게이션 장치, 교통 예측 서비스 장치, 교통 예측 서비스 시스템 및 그 방법 | |
| JP4313457B2 (ja) | 移動時間予測システム、プログラム記録媒体、移動時間予測方法、情報提供装置、および情報入手装置 | |
| JP3748420B2 (ja) | ビーコンを用いたｆｃｄシステムと装置 | |
| CN117592788B (zh) | 一种公交运行风险的识别方法及装置 |
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 |