一种地铁乘客信息服务系统的辅助装置及方法与流程

1.本发明涉及新媒体技术领域，特别涉及一种地铁乘客信息服务系统的辅助装置及方法。


背景技术：

2.目前，乘客信息服务系统(以下简称pis系统)是整个地铁运营系统中重要的组成部分，依托多媒体网络技术，以计算机系统为核心，通过地铁站台的信息显示屏，让乘客及时准确地了解列车运营信息和公共媒体信息的多媒体综合信息系统。其视频信息显示系统以多媒体播放的形式向乘客提供即将进站的列车时刻信息及列车终点站方向。为在站台等待的乘客确认自己需要乘坐的列车班次及乘车预计时间提供便利。
3.然而，乘客目前只能从站台的显示终端获取列车的到站预计时间及终点站等基本运营信息。对于即将进站的列车车厢人员分布情况，在站台候车的乘客几乎无法获知，导致在某些站台门处盲目聚集候车，最终可能出现列车开门上下客人流对冲、拥挤踩踏、肢体冲突等严重安全事故，这也是现在高峰期地铁到站上下车效率低导致运营延误晚点的根本因素之一。


技术实现要素：

4.本发明的目的在于提供的一种地铁乘客信息服务系统的辅助装置及方法，以实现让候车乘客能实时获取到当前列车在下客完成后各节车厢的拥挤度情况，使其能在站台上有序并均衡分布排队候车，提升乘客乘坐地铁的舒适度及满意度的目的。
5.为了实现以上目的，本发明通过以下技术方案实现：
6.一种地铁乘客信息服务系统的辅助装置，包括：若干个称重数据采集单元，每一所述称重数据采集单元对应设置在列车的相应车厢内；每一所述称重数据采集单元用于实时采集相应的车厢内的负载重量信息。
7.若干个温度数据采集单元，每一所述温度数据采集单元对应设置在列车的相应车厢内；每一所述温度数据采集单元用于实时采集相应的车厢内的温度信息。
8.列车控制管理系统，其分别与所有所述称重数据采集单元和所有所述温度数据采集单元连接；所述列车控制管理系统用于接收并转发所有的所述负载重量信息和所述温度信息。
9.车载控制管理子系统，其与所述列车控制管理系统连接，所述车载控制管理子系统用于周期性的汇总所有的所述负载重量信息和所述温度信息。
10.列车自动监控系统，其与所述车载控制管理子系统连接，所述列车自动监控系统用于接收所述汇总的所述负载重量信息和所述温度信息，并汇总列车的关键信息得到列车运行总信息。
11.舒适度计算装置，其与所述列车自动监控系统连接，所述舒适度计算装置用于将接收到的所述列车运行总信息进行解析处理后，得出当前列车各车厢的实时乘客分布数
据，其中以实时乘客分布数据作为基础数据，结合当前站台当前时间点上下客预先统计的历史数据及趋势预测算法，计算出当前列车到站下客后各节车厢的拥挤度预测值。
12.乘客信息服务系统，与所述舒适度计算装置连接，所述乘客信息服务系统用于将所述列车的关键信息及列车各节车厢的拥挤度预测值，按站台号及运营方向输出至各站台上的显示终端进行显示。
13.优选地，所述列车的关键信息包括：列车进站时间信息，列车基本信息及列车预告运营信息。
14.优选地，还包括：通信前置机，用于接收所述列车自动监控系统发送的列车运行总信息并转发给所述舒适度计算装置。
15.优选地，所述舒适度计算装置包括：数据预测计算模块和舒适度计算模块；
16.所述舒适度计算模块用于按照通信协议内容对接收到的所述列车运行总信息进行解析，得到当前所有列车的每节车厢的负载重量信息，将所有列车的每节车厢的负载重量信息写入数据库，并通知所述数据预测计算模块进行数据更新；
17.所述数据预测计算模块用于收到数据更新事件后，首先调用机器学习的接口，重新修正预测误差，优化预测算法中的各个参数；然后根据所述数据库中最新的列车的每节车厢负载重量信息、列车即将停靠站台以及当前系统时间计算出当前列车的每节车厢在下一站台停站下客后的称重预测值，返回给所述舒适度计算模块；
18.所述舒适度计算模块还用于根据接收到所述称重预测值和当前列车的相应车厢额定满载值，将所述称重预测值转换为列车的每节车厢的所述拥挤度预测值。
19.另一方面，本发明还提供一种地铁乘客信息服务系统的辅助方法，包括：
20.获取数据包，并判断所述数据包的消息类型。
21.若所述数据包的消息类型为列车车厢称重信息时，则按照通信协议内容解析出当前所有列车的每节车厢的负载重量信息，将所有列车的每节车厢的负载重量信息写入数据库。
22.调用机器学习的接口，修正预测误差，优化预测算法中的各个参数；然后根据所述数据库中最新的列车的每节车厢负载重量信息、列车即将停靠站台以及当前系统时间计算出当前列车的每节车厢在下一站台停站下客后的称重预测值。
23.根据当前列车的每节车厢额定满载值，将当前周期的所有列车的每节车厢的所述称重预测值转换为当前列车的每节车厢的拥挤度预测值，并与上一周期的当前列车的每节车厢的拥挤度预测值作对比，如有变化，则将当前周期的当前列车的每节车厢的拥挤度预测值发送至乘客信息服务系统并显示。
24.优选地，还包括：若所述数据包的消息类型为站台列车进站信息时，则按照通信协议内容对所述数据包进行解析，得到当前周期的每个站台即将进站的列车车组号，并将所述即将进站的列车车组号与上一周期该站台的列车进站信息作对比，如有变化，则组织站台列车进站信息变化报文发往乘客信息服务系统并显示。
25.优选地，还包括：若所述数据包的消息类型为列车车厢温度信息时，则按照通信协议内容对所述数据包进行解析，得到当前周期内的所有列车的每节车厢的温度信息，并与上一周期相应列车的每节车厢的温度信息作对比，如有变化，则组织相应列车的车厢温度信息变化报文发往乘客信息服务系统并显示。
26.优选地，所述预测算法为预先训练好的神经网络算法。
27.优选地，当前站台门对应列车车厢近一个月停车上下客称重变化值δy采用如下公式进行计算：
28.δy＝λ1x1+λ2x2+λ3x3+λ4x429.式中，x1表示列车停站时间因素，x2表示当天列车计划运行间隔，x3表示当天天气因素，x4表示地铁站周边大型活动举办因素；λ1、λ2、λ3和λ4分别对应表示列车停站时间因素x1、当天列车计划运行间隔因素x2、当天天气因素x3和地铁站周边大型活动举办因素x4的权重值，且λ1+λ2+λ3+λ4＝1；求解当前站台门对应列车车厢近一个月停车上下客称重变化值δy得出各权重值λ1、λ2、λ3和λ4线性最优解，构成所述训练集；
30.采用所述训练集对所述预测算法进行训练。
31.优选地，将当前周期内的相应列车车厢内的负载重量信息作为测试集，将所述测试集作为所述预测算法的输入，由此得到所述当前列车的每节车厢在下一站台停站下客后的称重预测值。
32.本发明至少具有以下优点之一：
33.1、本发明将进站列车的各车厢预测拥挤度及温度等舒适度衡量信息用直观的方式，实时显示在乘客信息服务系统的显示终端上，使乘客能提前根据车辆内乘客分布情况选择候车位置，避免上下车拥堵，提升上下客效率。
34.2、本发明将列车的实时数据采集与历史数据统计相结合，利用机器学习和客流预测技术，不断提升列车上下客流的趋势预测算法，更为准确的呈现车厢拥挤度，大幅提高了拥挤度信息发布的准确性，提高了运营安全性和乘客出行满意度。
附图说明
35.图1为本发明一实施例提供的一种地铁乘客信息服务系统的辅助装置的主要结构框图；
36.图2为本发明一实施例提供的一种地铁乘客信息服务系统的辅助方法的流程示意图；
37.图3为本发明一实施例提供的一种地铁乘客信息服务系统的辅助方法中的预测算法的流程示意图。
具体实施方式
38.以下结合附图和具体实施方式对本发明提出的一种地铁乘客信息服务系统的辅助装置及方法作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
39.如图1所述，本实施例提供的一种地铁乘客信息服务系统的辅助装置，包括：若干
个称重数据采集单元(车厢负载采集单元)101，每一所述称重数据采集单元101对应设置在列车的相应车厢内；每一所述称重数据采集单元101用于实时采集相应的车厢内的负载重量信息。每个列车设有的车厢数量为6或8节。
40.若干个温度数据采集单元102，每一所述温度数据采集单元102对应设置在列车的相应车厢内；每一所述温度数据采集单元102用于实时采集相应的车厢内的温度信息。
41.每一所述称重数据采集单元101和每一温度数据采集单元102周期性将采集到的数据通过车辆总线输出至列车控制管理系统201内。
42.列车控制管理系统(tcms)201，其分别与所有所述称重数据采集单元101和所有所述温度数据采集单元102连接；所述列车控制管理系统201用于接收并转发所有的所述负载重量信息和所述温度信息。
43.车载控制管理子系统(车载cc子系统)202，其与所述列车控制管理系统201连接，所述车载控制管理子系统202用于周期性的汇总所有的所述负载重量信息和所述温度信息。即车载cc子系统202经由车地无线通信网络将整列车的采集数据(所有的所述负载重量信息和所述温度信息)落地，并由地面设备最终发往ats系统203。
44.列车自动监控系统(ats系统)203，其与所述车载控制管理子系统202连接，所述列车自动监控系统203用于接收所述汇总的所述负载重量信息和所述温度信息，并汇总列车的关键信息得到列车运行总信息。
45.舒适度计算装置300，其与所述列车自动监控系统203连接，所述舒适度计算装置300用于将接收到的所述列车运行总信息进行解析处理后，得出当前列车各车厢的实时乘客分布数据，其中以实时乘客分布数据作为基础数据，结合当前站台当前时间点上下客预先统计的历史数据及趋势预测算法，计算出当前列车到站下客后各节车厢的拥挤度预测值。
46.乘客信息服务系统(pis系统)400，与所述舒适度计算装置300连接，所述乘客信息服务系统400用于将所述列车的关键信息及列车各节车厢的拥挤度预测值，按站台号及运营方向输出至各站台上的显示终端(站台pis显示终端)401进行显示。
47.所述列车的关键信息包括：列车进站时间信息，列车基本信息及列车预告运营信息。
48.本实施例还包括：通信前置机(fep)204，用于接收所述列车自动监控系统203发送的列车运行总信息并转发给所述舒适度计算装置300。即机房内的通信前置机从ats系统203中获取到上述列车运行总信息并结合所有站台的列车进站信息一同以接口通信方式发往列车舒适度计算装置300统一解析处理。
49.所述舒适度计算装置300包括：数据预测计算模块和舒适度计算模块。
50.所述舒适度计算模块用于按照通信协议内容对接收到的所述列车运行总信息进行解析，得到当前所有列车的每节车厢的负载重量信息，将所有列车的每节车厢的负载重量信息写入数据库，并通知所述数据预测计算模块进行数据更新。
51.所述数据预测计算模块用于收到数据更新事件后，首先调用机器学习的接口，重新修正预测误差，优化预测算法中的各个参数；然后根据所述数据库中最新的列车的每节车厢负载重量信息、列车即将停靠站台以及当前系统时间计算出当前列车的每节车厢在下一站台停站下客后的称重预测值，返回给所述舒适度计算模块。
52.所述舒适度计算模块还用于根据接收到所述称重预测值和当前列车的相应车厢额定满载值，将所述称重预测值转换为列车的每节车厢的所述拥挤度预测值。
53.pis系统400中的pis服务器根据收到的数据包解析出每个站台的列车进站信息及该列车的称重预测值与车厢内的温度实时值(温度信息)，并根据站台静态配置将数据(每个站台的列车进站信息及该列车的称重预测值与车厢内的温度实时值)同步至每个站台的pis系统400中的pis终端401进行显示。
54.如图2和图3所示，本实施例还提供一种地铁乘客信息服务系统的辅助方法，包括：
55.获取数据包(列车运行总信息)，并判断所述数据包的消息类型。
56.若所述数据包的消息类型为列车车厢称重信息时，则按照通信协议内容解析出当前所有列车的每节车厢的负载重量信息，将所有列车的每节车厢的负载重量信息写入数据库。
57.调用机器学习的接口，修正预测误差，优化预测算法中的各个参数；然后根据所述数据库中最新的列车的每节车厢负载重量信息、列车即将停靠站台以及当前系统时间计算出当前列车的每节车厢在下一站台停站下客后的称重预测值。
58.根据当前列车的每节车厢额定满载值，将当前周期的所有列车的每节车厢的所述称重预测值转换为当前列车的每节车厢的拥挤度预测值，并与上一周期的当前列车的每节车厢的拥挤度预测值作对比，如有变化，则将当前周期的当前列车的每节车厢的拥挤度预测值发送至乘客信息服务系统并显示。
59.还包括：若所述数据包的消息类型为站台列车进站信息时，则按照通信协议内容对所述数据包进行解析，得到当前周期的每个站台即将进站的列车车组号(最多4辆车)，并将所述即将进站的列车车组号与上一周期该站台的列车进站信息作对比，如有变化，则组织站台列车进站信息变化报文发往乘客信息服务系统并显示。
60.还包括：若所述数据包的消息类型为列车车厢温度信息时，则按照通信协议内容对所述数据包进行解析，得到当前周期内的所有列车的每节车厢的温度信息，并与上一周期相应列车的每节车厢的温度信息作对比，如有变化，则组织相应列车的车厢温度信息变化报文发往乘客信息服务系统并显示。
61.所述预测算法为预先训练好的神经网络算法。
62.在本实施例中，还包括：在获取所述数据包之前，加载集中站、车站、站台等静态配置数据，完成对象创建及初始化，为数据通信封装解析及预测算法计算提供基本关系数据。从所述ats系统203的通信前置机204接收到所述数据包后，比对所述数据包中对应消息类型id，判断是哪种通信信息。
63.在本实施例中，还包括：当通信线程接收到退出事件通知后，销毁所有对象并释放内存空间后退出进程。即结束上述的辅助过程。
64.如图3所示，所述预测算法的训练和计算包括以下过程：数据预测计算模块从历史数据库(历史数据库存储有历史数据样本)中获取一个月以内本站台对应各列车车厢进站前称重数据y以及列车出站后称重数据y',则该站台门对应列车车厢近一个月停车上下客称重变化为：
65.δy＝y'-y
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
66.因为影响车厢上下客的因素有很多，将这些因素定义为变量数据x，乘以特征值权
重λ，得到公式：
67.δy＝λ1x1+λ2x2+...+λ
n
x
n
+c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
68.其中，c为常量，λ∈[λ1,λ2,
···
,λ
n
]，x∈[x1,x2,
···
,x
n
]。
[0069]
例如站台门对应电扶梯口的距离是不变的，本实施例暂时选取四个因素作为预测变量—列车停站时间因素x1，当天列车计划运行间隔因素x2，当天天气因素x3，地铁站周边大型活动举办因素x4，即公式可简化为：
[0070]
δy＝λ1x1+λ2x2+λ3x3+λ4x4ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0071]
式中，λ1、λ2、λ3和λ4分别对应表示列车停站时间因素x1、当天列车计划运行间隔因素x2、当天天气因素x3和地铁站周边大型活动举办因素x4的权重值，且λ1+λ2+λ3+λ4＝1。
[0072]
通过将最近一个月的称重变化数据δy及各变量数据x代入公式，求解公式(3)得出各特征值权重(权重值)λ1、λ2、λ3和λ4线性最优解，构成机器学习的训练集(预测算法的训练集)。
[0073]
数据预测计算模块读取列车进站前各车厢称重数据(负载重量信息)z以及当前预测变量值(即x1～x4)，代入公式获取得到列车出站后各车厢称重预测值：
[0074]
z'＝z+δz＝z+λ1x1+λ2x2+λ3x3+λ4x4ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0075]
式中，z'表示列车关门后车厢的称重预测值，δz表示车厢在该站台上下客前后的称重变化值。
[0076]
采用所述训练集对所述预测算法进行训练。
[0077]
将当前周期内的相应列车车厢内的负载重量信息作为测试集，将所述测试集作为所述预测算法的输入，由此得到所述当前列车的每节车厢在下一站台停站下客后的称重预测值。
[0078]
本实施例至少具有以下优点之一：
[0079]
1、本实施例将进站列车的各车厢预测拥挤度及温度等舒适度衡量信息用直观的方式，实时显示在乘客信息服务系统的显示终端上，使乘客能提前根据车辆内乘客分布情况选择候车位置，避免上下车拥堵，提升上下客效率。
[0080]
2、本实施例将列车的实时数据采集与历史数据统计相结合，利用机器学习和客流预测技术，不断提升列车上下客流的趋势预测算法，更为准确的呈现车厢拥挤度，大幅提高了拥挤度信息发布的准确性，提高了运营安全性和乘客出行满意度。
[0081]
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0082]
应当注意的是，在本文的实施方式中所揭露的装置和方法，也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的，例如，附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指
令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用于执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0083]
另外，在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0084]
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。