城市轨道交通换乘通道客流检测方法与流程

1.本发明属于轨道交通运输地铁智能化技术领域，具体涉及一种城市轨道交通换乘通道客流检测方法。


背景技术：

2.随着经济的高速发展，轨道交通在城市中的运输优势日趋显著。国内轨道交通正进入高速发展时期，我国城市轨道交通也向着多线网状运营方向迅速发展，这对城市地铁的运营管理提出更高要求。
3.客流量作为城市轨道交通运营管理的一个重要参数，对车站运营、安全管理有重要的影响。作为连接多条线路的换乘车站，一直存在着客流量大、换乘客流量大的情况，在缺少实时性强的客流监测手段，以及缺乏针对性的客流组织情况下，容易出现换乘效率低下、衔接水平低、服务水平低等问题，严重时还可能因大客流的聚集产生一些安全隐患，尤其换乘通道作为轨道交通换乘站的重要设施，其客流状态也是换乘站客流的重要组成部分，对车站的运营和工作起着极大的作用。因此，利用一种城市轨道交通换乘通道客流检测方法，掌握换乘通道的客流状态，以便调整城市轨道交通运营方调整客流组织方式、提高换乘效率、增加轨道交通的服务水平，就变的尤为重要了。


技术实现要素：

4.本发明正是针对现有技术中的问题，提供了市轨道交通换乘通道客流检测方法，通过蓝牙智能通信工具，接收n个蓝牙信标的信号，根据信号强度和蓝牙空间位置信息，得出乘客的蓝牙位置；然后按固定的时间间隔，采集加速度计、地磁传感器和陀螺仪传感器的数据，利用陀螺仪输出的角速度实现对乘客行径轨迹水平和竖直朝向角的预判；对加速度数据和角速度数据做傅里叶变换，得到乘客行径的步频；根据加速度的值，实现对乘客步长的计算；最后根据蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，得到乘客的位置，对设定时间内多个乘客的速度求平均值、中位数等统计量，进而检测判断换乘通道内的客流量和拥挤程度，掌握换乘通道的客流量，为车站的运营工作提前做好安排和规划。
5.为了实现上述目的，本发明采用的技术方案是：城市轨道交通换乘通道客流检测方法，包括如下步骤：s1，通过蓝牙智能通信工具，接收n个蓝牙信标的信号，根据信号强度和蓝牙空间位置信息，得出乘客的蓝牙位置；s2，按固定的时间间隔，采集加速度计、地磁传感器和陀螺仪传感器的数据，利用陀螺仪输出的角速度实现对乘客行径轨迹水平和竖直朝向角的预判；对加速度数据和角速度数据做傅里叶变换，得到乘客行径的步频；根据加速度的值，实现对乘客步长l的计算；s3，根据蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，
得到乘客的位置，所述步骤进一步包括：s31，对乘客位置进行建模，其状态矩阵xk为：其中，表示乘客行径了k步后的位置坐标；表示乘客行径了k步后的朝向；表示第k步的步长；表示乘客行径了第k步时的水平方向的朝向角的变化量；表示乘客行径了第k步时的竖直方向的朝向角的变化量；为系统过程噪声变量；其量测方程为：其中，表示通过蓝牙智能通信工具得到的乘客空间坐标；表示通过传感器预估得到的乘客步长；表示传感器中得出的朝向角数据；表示朝向角的变化量；表示系统观测噪声变量，设定系统的状态方程和量测方程为：表示系统观测噪声变量，设定系统的状态方程和量测方程为：s32，标称轨迹方程的线性化:将状态方程中的非线性函数在的邻域做一阶泰勒级数展开，得到线性化的状态方程，然后将将状态方程带入即可得状态转移矩阵；对将观测方程中的非线性函数在的邻域做一阶泰勒级数展开，得到线性化的量测方程，然后将量测方程带入即可得量测矩阵；s33，根据经典卡尔曼滤波的方法对步骤s3得到的状态转移矩阵和可得量侧矩阵进行状态的最优估计，得到最优的状态估计值；s4，结合服务器中存储的换乘通道布局信息，对乘客位置进行修正，得到最终的乘客位置；s5，根据乘客在设定时间内的行走轨迹，计算出其行走的距离，所述行走距离为：其中，表示乘客在设定时间内走过的距离，表示设定时间内乘客行走的步数，表示乘客行走第步后所在的位置，即步骤s4得到的位置；
进而计算其行走速度： ；s6，针对多名乘客重复实行步骤s1-s4，获取设定时间内换乘通道里多个乘客的行走速度，对所有待测乘客的行走速度求取平均值和中位数，基于此检测判断换乘通道内的客流量和拥挤程度。
6.作为本案的一种改进，所述步骤s6中换成通道内的客流量为：其中，表示换乘通道的客流量，为客流量函数，表示换乘通道的特性，表示设定时间内的乘客速度状态，为参数值；所述换乘通道内的拥挤程度为：其中，表示换乘通道设计的最大换乘量，表示换乘通道的应拥挤程度；所述拥挤程度分为1-7级，级别越高表明该通道越拥挤：作为本案的一种改进，步骤s1进一步包括：s11,通过蓝牙智能通信工具接收n个蓝牙信标的信号，其强度为；s12，在n个的蓝牙信号中选择强度最大的四个s13，根据蓝牙信号的衰减模型，利用信号强度值a以及路径损耗因子n分别计算四个信号强度对应的距离，计算方法为：s14，根据四个蓝牙信标的mac地址，获取对应的四个信标的空间位置；s15，将四个蓝牙信标每三个分为一组，一共可以形成4组，每组中的三个蓝牙信标位置和距离则确定乘客的位置，得出四个空间位置坐标；s16，根据四个距离对坐标进行加权，得出乘客的蓝牙位置，加权方法为：。
7.作为本案的另一种改进，所述步骤s2进一步包括：s21，通过智能通信工具对加速度计、地磁传感器和陀螺仪传感器按固定的时间间隔采集原始数据；s22，对步骤s21采集到的原始数据进行滤波处理；s23，利用陀螺仪输出的角速度，解算出智能通信工具的姿态，将其坐标系转换为真实世界的坐标系；s24，利用陀螺仪输出的角速度实现对乘客行径时水平和竖直朝向角的预判；s25，对加速度数据和角速度数据做傅里叶变换，得到乘客走行的步频f；s26，根据加速度的值，实现对乘客步长l的估计。
8.与现有技术相比，本发明提出了城市轨道交通换乘通道客流检测方法，根据换乘通道的情况布置蓝牙信标，通过乘客智能手机内的app对扫描蓝牙信号，计算粗略的位置；利用加速度传感器、地磁传感器等获取乘客当前的步频、步长、走行方向等；通过扩展卡尔曼滤波技术对蓝牙信息和传感器信息进行融合，提高定位精度，计算出的乘客位置坐标；结合车站换乘通道设备的布置情结合相应的行走速度，对设定时间内多个乘客的速度求平均值、中位数等统计量，进而检测判断换乘通道内的客流量和拥挤程度，以便调整城市轨道交通运营方调整客流组织方式、提高换乘效率、增加轨道交通的服务水平。
9.附图说明
10.图1为本发明城市轨道交通换乘通道客流检测方法步骤示意图；图2为本发明城市轨道交通换乘通道客流检测方法中步骤s15蓝牙三点定位的示意图。
11.具体实施方式
12.以下将结合附图和实施例，对本发明进行较为详细的说明。
13.实施例1s1，在车站换乘通道内布置无源蓝牙信标模块，一般区域的信标间距控制在5-8m，确保展厅内各点与至少三个信标的距离不大于8m，特殊区域如自动检票机附近的信标间距可以缩小为2-3m左右；s2，在车站内建立三维的空间坐标系，根据蓝牙信标模块所处的位置以及换乘通道通道、设备等的布置情况，建立蓝牙信标数据库与换乘通道布局数据库，将其存储与服务器模块中；蓝牙信标数据库中包括：蓝牙信标的mac地址、蓝牙信标的空间坐标、蓝牙信标所在的换乘通道区域和楼层等；换乘通道布局数据库中包括通道的起点、终点、走向、宽度等。
14.s3，乘客带着智能手机从列车上走下站台，进入换乘通道时，app自动与安装于换乘通道内的蓝牙信标进行通信，获取信号强度，得到乘客的蓝牙位置；s31，手机在换乘通道内收到n个蓝牙信标的信号，强度为；
s32，在n个的蓝牙信号中选择强度最大的四个；s33，根据蓝牙信号的衰减模型，利用参考距离为1米时接收的信号强度值以及路径损耗因子分别计算四个信号强度对应的距离，计算方法为：s34，根据四个蓝牙信标的mac地址，获取对应的四个信标的空间位置；s35，将四个蓝牙信标每三个分为一组，一共可以形成4组，每组中的三个蓝牙信标位置和距离就可以确定一个乘客的位置，这样一共可以计算出四个空间位置坐标；s36，根据四个距离对坐标进行加权，得出乘客的蓝牙位置，加权方法为：s4，乘客带着智能手机进入车站时，app按固定的时间间隔获取加速度、地磁、陀螺仪等传感器的数据，分析计算出乘客的行走的朝向、步频、步长等信息；s41，手机app定时采集加速度计、地磁传感器、陀螺仪传感器的数据；s42，对采集到的传感器原始数据进行滤波处理；s43，利用陀螺仪输出的角速度，解算出智能手机的姿态，将智能手机的坐标系转换为真实世界的坐标系；s44，利用陀螺仪输出的角速度实现对乘客行走水平和竖直朝向角的估计；s45，对加速度和角速度数据做傅里叶变换，得到乘客走行的步频；s46，在预先设定的行人运动速度等级规定下，根据加速度的值选择速度等级，进而实现对乘客步长的估计。
15.s5，结合蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，得到乘客的位置；s51，对系统进行建模，状态矩阵：其中，表示乘客走了步后的位置坐标，表示乘客走了步后的朝向，表示第步的步长，表示乘客走了第步时的水平方向的朝向角的变化量，表示乘客走了第步时的竖直方向的朝向角的变化量，为系统过程噪声变量；
量测方程为：其中表示通过蓝牙定位得到的乘客的空间坐标，表示通过传感器估计得到的乘客的步长，也是传感器数据中估计出的朝向角，则时朝向角的变化量，是系统观测噪声变量。设定系统的状态方程和量测方程为：是系统观测噪声变量。设定系统的状态方程和量测方程为：s52，标称轨迹方程的线性化，主要包含两个部分：将状态方程中的非线性函数在的邻域做一阶泰勒级数展开，得到线性化的状态方程：其中，为时刻到时刻的状态转移矩阵。时刻的状态转移矩阵。
16.将状态方程带入即可得状态转移矩阵：同样的，对将观测方程中的非线性函数在的邻域做一阶泰勒级数展开，得到线性化的量测方程：其中，为时刻的量测矩阵：时刻的量测矩阵：将量测方程带入即可得量测矩阵：
s53，根据经典卡尔曼滤波的方法进行状态的最优估计：状态最优估计首先需要做的是状态一步预测：其中，为时刻的待测物状态值，其初始值为，是将代入线性化后的状态方程得到的时刻的待测物状态预测值，即乘客的坐标信息；接下来需要计算几个中间值：接下来需要计算几个中间值：接下来需要计算几个中间值：其中，为均方误差的预测值，为均方误差的最优估计值，初值为，为卡尔曼滤波增益，为系统过程噪声的协方差矩阵，表示系统观测噪声的协方差矩阵，表示单位矩阵。
17.最后，依据最后，依据时刻的待测物状态值和卡尔曼滤波增益即可得到最优的状态估计值：s54，返回s52，继续下一时刻的计算。
18.s6，结合服务器中存储的换乘通道布局信息，将s5中得到的乘客位置与换乘通道内可行走的区域进行对比，如果发现位置位于不可进入的区域（如穿墙到了墙的另一侧等），则将其位置进行修正为可达区域内的距离位置最近的点。
19.s7，根据乘客在一段时间内的行走轨迹，计算出其行走的距离，进而计算其走行的速度：速度：其中，表示乘客在一段时间内走过的距离，表示这段时间内乘客行走的步数，表示乘客行走第步后所在的位置，即步骤s6得到的位置，表示计算其行走的速
度；s8，服务器模块定时对一段时间内的换乘通道内的乘客的速度求取平均值、中位数等统计量，并基于此估计换乘通道内的客流量和拥挤程度：流量和拥挤程度：其中，表示换乘通道的客流量，表示换乘通道的特性，其包含的元素包括但不限于通道长度、通道宽度、通道含有的楼梯数量等，表示所求取的一段时间内的乘客速度状态，其包含的元素包括但不限于平均值、中位数等统计量，为参数值，可根据经验或者历史数据确定，为客流量函数，具体形式可以是多项式或者神经网络等；按照拥挤程度的大小不同，设定拥挤等级1-7，级别越高表明该通道越拥挤：按照拥挤程度，掌握换乘通道内的客流量，以便调整城市轨道交通运营方调整客流组织方式、提高换乘效率、增加轨道交通的服务水平。
20.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，本发明不受上述实例的限制，上述实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。本发明要求保护范围由所附的权利要求书及其等同物界定。