一种客流动态引导方法、系统、电子设备及存储介质与流程

1.本技术涉及一种客流动态引导方法，尤其涉及一种客流动态引导方法、系统、电子设备及存储介质，属于客流引导技术领域。


背景技术：

2.综合交通枢纽作为综合交通运输体系的重要组成部分，集各种运输方式信息、设备和组织管理于一体，吸引着大量的客货流，带动和支撑区域经济的发展。综合交通枢纽的建设不断加强以客运为主的枢纽一体化衔接，将城市轨道交通、地面公共交通、市郊铁路、私人交通等设施与干线铁路、城际铁路、干线公路、机场等紧密衔接，努力实现“零距离换乘”，优化换乘流程，缩短换乘距离。
3.随着综合交通枢纽的快速发展，乘客的出行换乘更加方便快捷，由于综合交通枢纽衔接了多种运输方式，再加上高峰时期客流量较大，容易造成堵塞，引发安全问题。此外，乘客的路径选择也会对换乘距离产生影响，特别是当紧急情况发生时，路径选择行为直接影响着疏散能力，而现有的单一引导标志无法起到有效的引导作用，因此，通过设计一种动态引导标志，可以有效降低高峰时期的客流拥堵程度，提高紧急情况下枢纽的疏散能力。
4.公开号为cn113807026a的专利公开了一种地铁站内客流流线优化及动态引导指示牌系统及设计方法，涉及地铁客流疏散领域。系统包括乘客识别与定位单元、基于乘客拥挤度的随机用户均衡客流分配单元、站内乘客实时位置展示和路径推荐单元。设计方法包括：通过站内监控设备提取地铁站内各处画面；运用图像处理将画面中的乘客位置进行提取，得到整个地铁站内的乘客分布状况；基于乘客拥挤度的随机用户均衡客流分配模型，得到优化后的客流分配结果；将客流的实时分布情况与优化后的推荐路径展示于站内的动态引导指示牌上。此发明不仅可以用于正常运营模式下地铁站内乘客进站、出站、换乘、闸机选择等站内活动的路线推荐，还可实现突发事件下乘客逃生过程中疏散路线的推荐功能。
5.其中，实现乘客识别与定位时，运用的是高斯混合模型与卷积神经网络相结合的方法。首先，使用高斯混合模型对视频中乘客图形进行提取处理，读取所有完整乘客图形在视频中的位置信息；其次，使用卷积神经网络算法对视频中被遮挡的乘客图形进行下一帧的位置预测及识别，得到连续的乘客位置信息；最后，将乘客在视频中的位置转化为真实场景中的位置，从而得到各乘客在地铁站的实时位置信息及其轨迹。
6.该专利存在以下缺点：首先，该发明仅可适用于地铁站内特定的客流引导场景，无法适用于其它场景，具有一定的局限性。
7.其次，在实现乘客识别与定位时，虽然可以用高斯混合模型读取所有的乘客图形在视频中的信息位置，但使用卷积神经网络算法对视频中被遮挡的乘客图形进行下一帧的位置预测及识别时，存在一定的误差。此外，只获得乘客的位置信息，没有统计乘客的个数。
8.最后，采用基于乘客拥挤度的随机用户均衡客流分配模型，仅从用户个体角度达到均衡，没有从整个系统的角度考虑，使其状态达到最优。


技术实现要素：

9.在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
10.鉴于此，为解决现有技术中存在的客流疏散领域局限性大、目标设定单一无法适用复杂场景的技术问题，本发明提供一种客流动态引导方法、系统、电子设备及存储介质。
11.方案一：一种客流动态引导方法，包括以下步骤：s1.统计乘客人数；s2.获取乘客的位置信息；s3. 云处理器接收乘客人数及乘客位置信息，通过深度学习预测换乘点、楼梯口、电梯口地点的乘客人数；s4.根据系统最优分配模型，得到客流分配结果；s5.根据客流分配结果得出推荐路线；s6.展示推荐路线。
12.优选的，所述系统最优分配模型构建的具体方法是：构建关于乘客的行走距离与行走时间的线性最优目标函数z：构建约束条件：构建约束条件：其中：其中：其中，i为出发地编号，i=1,2,3
…
；j为目的地编号，j=1,2,3
…
；k为第k条最短路编号；l为路径选择编号；为第i个乘客是否选择第k条最短路径到达目的地j，选择为1，否则为0；为权重，取值为，由决策者根据突发事件的属性及枢纽受到威胁的严重程度规定；为所有乘客选择最短路径的总距离之和；为所有乘客按照系统最优分配模型到达目的地的时间；为若路径选择中包含路径l，取值为1，否则为0；
为路径的总长度；表示枢纽中的第i个乘客；为乘客选择路径l的通过时间；为乘客选择路径l的最小可能通过时间；为目的地j的容量。
13.优选的，所述深度学习预测换乘点、楼梯口、电梯口地点的乘客人数的具体方法是：包括以下步骤：a.获取已有的换乘点、楼梯口、电梯口的乘客人数和乘客位置信息的时间序列数据，形成数据库；b.使用数据库在深度学习系统中进行训练；c.使用训练好的深度学习系统，根据当前的换乘点、楼梯口、电梯口的乘客人数和乘客位置信息预测5分钟后该点的乘客人数及位置信息；具体的，所述深度学习系统采用循环神经网络（rnn）中的长短期记忆网络（lstm）。
14.使用已有的换乘点、楼梯口、电梯口的乘客人数和乘客位置信息时间序列数据，以当前时间节点的相关信息作为输入数据，使用lstm将其与下一个时间节点的乘客位置信息拼接训练。
15.lstm内部主要有三个阶段：1.忘记阶段。这个阶段主要是对上一个节点传进来的输入进行选择性忘记。
16.2.选择记忆阶段。这个阶段将输入节点有选择性地进行“记忆”。
17.3.输出阶段。这个阶段是根据上一阶段的结果对当前阶段进行输出，即5分钟后的换乘点、楼梯口、电梯口的乘客人数及对应于该点的乘客位置信息。
18.优选的，通过人数采集模块实现统计乘客人数；所述获取乘客的位置信息的具体方法是，通过定位模块实现获取乘客位置信息。
19.优选的，所述展示推荐路线的具体方法是，将推荐路线通过显示屏或语音播放或引导箭头或可变引导箭头方式展示。
20.优选的，所述系统最优分配模型包括乘客的行走距离和行走时间两个因素。
21.优选的，所述人数采集模块为激光计数器。
22.优选的，所述客流动态引导方法应用在车辆路径规划或停车场路径规划，或地铁人流疏散、换乘，或客运站人流疏散、换乘，或写字楼场景的紧急情况中，将目的地设置为枢纽出口或安全位置，通过s4所述的系统最优分配模型得到客流分配结果，从而得出快速疏散推荐路线。
23.方案二、一种客流动态引导系统，包括乘客信息采集装置、电子引导装置、通信单元和云处理器；所述乘客信息采集装置包括激光计数器、gps定位单元，所述激光计数器用于统计乘客人数，所述gps定位单元用于定位乘客位置的信息；所述电子引导显示器用于显示当前推荐的换乘路线；所述通信单元用于信息采集装置、电子引导显示器和云处理器的无线通信处理；所述云处理器用于接受激光计数器获取的乘客人数，得出系统推荐的换乘路线，并将推荐路线传送给电子引导显示器。
24.方案三：一种电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的
处理器执行所述计算机程序时实现方案一所述的一种客流动态引导方法的步骤。
25.方案四：一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现方案一所述的一种客流动态引导方法。
26.本发明的有益效果如下：（1）本发明不仅可以用于行人的路径选择，如紧急情况下公共场所的行人疏散问题；也可以用于车辆的路径规划，如停车场的路径规划等。
27.（2）本发明能同时应用于常态及疏散场景。
28.（3）本发明相比单一的目标设定，多目标模型更具有实用性，可以避免单一目标的设定在复杂的路网场景应用中引起拥堵等其他问题。
29.综上，本技术可以很好的解决现有技术中存在的客流疏散领域局限性大、目标设定单一无法适用复杂场景的技术问题。
附图说明
30.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1为方法流程示意图；图2为系统结构示意图；图3为路径选择示意图。
具体实施方式
31.为了使本技术实施例中的技术方案及优点更加清楚明白，以下结合附图对本技术的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本技术的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
32.实施例1、参照图1-图3说明本实施方式，一种客流动态引导方法，包括以下步骤：s1. 通过人数采集模块统计乘客人数；具体的，所述人数采集模块为激光计数器。
33.s2.通过定位模块实现获取乘客的位置信息；s3.云处理器接收乘客人数及乘客位置信息，通过深度学习预测换乘点、楼梯口、电梯口地点的乘客人数；包括以下步骤：a.获取已有的换乘点、楼梯口、电梯口的乘客人数和乘客位置信息的时间序列数据，形成数据库；b.使用数据库在深度学习系统中进行训练；c.使用训练好的深度学习系统，根据当前的换乘点、楼梯口、电梯口的乘客人数和乘客位置信息预测5分钟后该点的乘客人数及位置信息；本实施例给出另一种通过深度学习获得换乘点、楼梯口、电梯口地点的人员密度的方法，给定一张图像，用cnn来估计人数，一般有两种方案：一是输入图像，输出区域内估计的人员数量；二是输出人群密度图（每平方米多少人），然后再通过积分求总人数。
34.s4.根据系统最优分配模型，得到客流分配结果。
35.具体的，所述系统最优分配模型包括乘客的行走距离和行走时间两个因素。
36.在现实生活中，乘客在换乘时，通常会考虑换乘距离及换乘时间，因此，要使乘客的行走距离与行走时间最小化。构建关于乘客的行走距离与行走时间的线性最优目标函数z，求解该模型并寻找最优路径。在紧急情况下，决策者根据突发事件的属性及枢纽受到威胁的严重程度决定权值的大小，构建快速疏散模型，用于引导枢纽内乘客安全迅速地疏散到安全区域。
37.所述系统最优分配模型构建的具体方法是：构建关于乘客的行走距离与行走时间的线性最优目标函数z：构建约束条件：构建约束条件：其中：其中：其中，i为出发地编号，i=1,2,3
…
；j为目的地编号，j=1,2,3
…
；k为第k条最短路编号；l为路径选择编号；为第i个乘客是否选择第k条最短路径到达目的地j，选择为1，否则为0；为权重，取值为，由决策者根据突发事件的属性及枢纽受到威胁的严重程度规定；为所有乘客选择最短路径的总距离之和；为所有乘客按照系统最优分配模型到达目的地的时间；为若路径选择中包含路径l，取值为1，否则为0；为路径的总长度；表示枢纽中的第i个乘客；为乘客选择路径l的通过时间；为乘客选择路径l的最小可能通过时间；为目的地j的容量。
38.s5.根据客流分配结果得出推荐路线；s6.展示推荐路线，具体方法是，将推荐路线通过显示屏或语音播放或引导箭头或可变引导箭头方式展示。
39.具体的，所述的客流动态引导方法可以应用在车辆路径规划上；具体的，所述的客流动态引导方法可以应用停车场路径规划上；具体的，所述的客流动态引导方法可以应用在地铁人流疏散、换乘上；具体的，所述的客流动态引导方法可以应用在客运站人流疏散、换乘上；
具体的，所述的客流动态引导方法可以应用在写字楼场景的紧急情况中；将目的地设置为枢纽出口或安全位置，通过s4所述的系统最优分配模型得到客流分配结果，从而得出快速疏散推荐路线。
40.实施例2、参照图2说明本实施方式，一种客流动态引导系统，包括乘客信息采集装置、电子引导装置、通信单元和云处理器；所述乘客信息采集装置包括激光计数器、gps定位单元，所述激光计数器用于统计乘客人数，所述gps定位单元用于定位乘客位置的信息；所述电子引导显示器用于显示当前推荐的换乘路线；所述通信单元用于信息采集装置、电子引导显示器和云处理器的无线通信处理；所述云处理器用于接受激光计数器获取的乘客人数，得出系统推荐的换乘路线，并将推荐路线传送给电子引导显示器。
41.本发明可以应用在疏散场景下综合交通枢纽中的客流动态引导中。在此场景下，主要解决的是乘客的快速疏散问题，在模型中，出发地为当前乘客位置，目的地为枢纽的出口或安全位置，在紧急情况下，乘客可以通过电子引导显示器提供的推荐路线选择逃生路径，减少了乘客因对场地环境不熟悉造成的时间浪费及盲目跟从，提高了紧急情况下枢纽的疏散效率。
42.本发明同时考虑了乘客的行走距离及行走时间两个因素，可以避免单一目标的设定在复杂的路网场景应用中引起的拥堵问题，更加贴合实际，比单纯的模型更具有实用性。
43.本发明不仅可以用于行人的路径选择，如紧急情况下公共场所的行人疏散问题；也可以用于车辆的路径规划，如停车场的路径规划等。
44.实施例3、本发明的计算机装置可以是包括有处理器以及存储器等装置，例如包含中央处理器的单片机等。并且，处理器用于执行存储器中存储的计算机程序时实现上述的基于creo软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
45.所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列 (field-programmable gate array，fpga) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
46.所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（smart media card, smc），安全数字（secure digital, sd）卡，闪存卡（flash card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
47.实施例4、计算机可读存储介质实施例本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质，包括但不限于非易失性存储器、易失性存储器、铁电存储器等，计算机可读存储介质上存储有计算机程序，当计算机装置的处理器读取并执行存储器中所存储的计算机
程序时，可以实现上述的基于creo软件的可修改由关系驱动的建模数据的建模方法的步骤。
48.所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
49.尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。