本发明涉及智能交通领域，尤其涉及实时交通工具到达时间和负载估算方法和装置。
背景技术：
公交车、地铁、火车等公共交通工具是很多人出门首选的交通工具。公共交通虽然线路固定，但是也会有一些特殊情况发生。例如，公交车在城市道路上行驶，沿途经过路口的多个红绿灯，还会发生堵车、故障、事故等特殊情况，使得其每个站头的到达时间无法预估。乘客只能知晓公交车大概到达每个站头的时间，而无法实时得知公交车的运行情况。此外，如果乘客能够实时掌握公交车上的负载情况，更能对乘坐何种交通工具做出正确判断。
因此，业内需要一种能够实时评估交通工具的到达时间和负载的机制，方便乘客对交通工具的乘坐做出正确判断，并有利于节省公共资源。
技术实现要素：
本发明第一方面提供了实时交通工具到达时间和负载估算方法，其中，包括如下步骤：预估步骤，基于一交通工具当前距离第一站点的站点数、每个站点的平均等待时间、每两个站点之间的距离和该交通工具的平均速度，预估该交通工具到达该第一站点的时间；获取步骤，获取乘坐所述第一站点前面至少一站的所述交通工具的乘客复数个图像；扫描步骤，基于人脸的特征样本用扫描窗口扫描所述复数个图像，以判断该交通工具负载的乘客数量。本发明提供的实时交通工具到达时间和负载估算机制精确、安全、可靠，能够实时预测交通工具到达时间和负载，以便乘客对交通工具选择和换乘做出正确选择，提高效率。
进一步地，所述人脸的特征样本包括一个具有黑色矩形形状和白色矩形形状的图像。
进一步地，所述人脸的特征样本为正面人脸的特征样本。
进一步地，所述扫描步骤还包括如下步骤：
计算所述特征样本的黑色矩形形状和白色矩形形状的像素值差值，并基于所述差值用扫描窗口扫描复数个图像。
进一步地，所述交通工具包括以下任一项：
-公交车；
-轨道交通。
进一步地，当所述交通工具为公交车时，所述预估步骤还包括如下步骤：基于交通信号灯的平均等待时间预估该公交车到达该第一站点的时间。
进一步地，所述预估步骤还包括如下步骤：当发生交通拥堵、交通事故或者车辆故障时，发送一个暂停信号暂停对该公交车到达该第一站点的时间预估，待恢复正常之后继续该公交车到达该第一站点的时间预估。
本发明第二方面提供了实时交通工具到达时间和负载估算装置，其中，包括：预估装置，其用于基于一交通工具当前距离第一站点的站点数、每个站点的平均等待时间、每两个站点之间的距离和该交通工具的平均速度，预估该交通工具到达该第一站点的时间；获取装置，其用于获取乘坐所述第一站点前面至少一站的所述交通工具的乘客复数个图像；扫描装置，其用于基于人脸的特征样本用扫描窗口扫描所述复数个图像，以判断该交通工具负载的乘客数量。本发明提供的实时交通工具到达时间和负载估算机制精确、安全、可靠，能够实时预测交通工具到达时间和负载，以便乘客对交通工具选择和换乘做出正确选择，提高效率。
进一步地，所述人脸的特征样本包括一个具有黑色矩形形状和白色矩形形状的图像。
进一步地，所述人脸的特征样本为正面人脸的特征样本。
进一步地，所述扫描装置还用于：计算所述特征样本的黑色矩形形状和白色矩形形状的像素值差值，并基于所述差值用扫描窗口扫描复数个图像。
进一步地，所述交通工具包括以下任一项：
-公交车；
-轨道交通。
进一步地，当所述交通工具为公交车时，所述预估装置还用于：基于交通信号灯的平均等待时间预估该公交车到达该第一站点的时间。
进一步地，所述预估装置还用于：当发生交通拥堵、交通事故或者车辆故障时，发送一个暂停信号暂停对该公交车到达该第一站点的时间预估，待恢复正常之后继续该公交车到达该第一站点的时间预估。
附图说明
图1是根据本发明一个具体实施例的实时交通工具到达时间和负载估算方法的步骤流程图；
图2示例性地示出了根据本发明的一个具体实施例的特征样本的示意图；
图3示例性地示出了根据本发明一个具体实施例的特征样本的黑色矩形和白色矩形的像素差的计算示意图。
具体实施方式
以下结合附图，对本发明的具体实施方式进行说明。
本发明能提供的实时交通工具到达时间和负载估算机制，能够实时地通过交通工具的行驶路线和负载情况，提供给乘客选择出行方式的参考。并且，本发明还充分考虑到了交通拥堵、交通事故或者车辆故障等特殊情况。本发明适用于公交车、轨道交通等交通工具。
本发明第一方面提供了实时交通工具到达时间和负载估算方法，其中，主要包括实时交通工具到达时间估算步骤和负载估算步骤两部分。下文结合先执行交通工具到达时间估算步骤再执行负载估算步骤的顺序进行说明。
首先执行预估步骤s1，基于一交通工具当前距离第一站点的站点数、每个站点的平均等待时间、每两个站点之间的距离和该交通工具的平均速度，预估该交通工具到达该第一站点的时间。以公交车为例，假设乘客现在在870路公交车周家嘴路江浦路站等候，距离最近的一辆870路公交车正在商城路东方路站和东方路乳山路之间行驶。870路公交车的始发站是陆家嘴站，陆家嘴站距离商城路东方路站5站，距离东方路乳山路站6站。距离最近的一辆870路公交车距离乘客候车所在的周家嘴路江浦路站5站路。假设870路公交车每个站点的平均等候时间为0.5分钟，870路公交车距离东方路乳山路还有800米，东方路乳山路站和大连路长阳路站之间距离2000米，大连路长阳路站和周家嘴路荆州路之间距离1200米，周家嘴路荆州路站和周家嘴路许昌路站距离650米，周家嘴路许昌路站和周家嘴路江浦路站距离850米，因此现在870路公交车距离乘客候车所在的总距离为800+2000+1200+650+850＝5500米。假设870路公交车的平均行驶速度为25km/h，因此870路公交车除去每个站点的平均等候时间的行驶时间为13.2min。
进一步地，当所述交通工具为公交车时，所述预估步骤还包括如下步骤：基于交通信号灯的平均等待时间预估该公交车到达该第一站点的时间。因此，按照本实施例，再假设870路公交车从现在的位置到周家嘴路江浦路站需要经过10个路口，平均可能会经过5个红绿灯，每个红绿灯的平均等候时间为45秒。因此，距离最近的870路公交车开到候车乘客所在的周家嘴路江浦路站的时间＝公交车行驶时间+公交车的平均等候时间+交通信号灯的平均等候时间＝13.2min+0.5×4min+0.75×5＝18.95min。因此候车乘客可以根据870路的到达时间判断自己是否可以继续等候，还是换成其他交通工具。
当交通工具为公交车时，所述预估步骤还包括如下步骤：当发生交通拥堵、交通事故或者车辆故障时，发送一个暂停信号暂停对该公交车到达该第一站点的时间预估，待恢复正常之后继续该公交车到达该第一站点的时间预估。
然后执行交通工具的负载估算相关步骤，其主要是利用了人脸识别理论。其中，交通工具的负载估算步骤主要包括获取步骤s2和扫描步骤s3。
首先执行获取步骤s2，获取乘坐所述第一站点前面至少一站的所述交通工具的乘客复数个图像。其中，根据本发明的一个优选实施例，可以在交通工具的车门附近设置监控装置，例如摄像机或者不停快速拍照的照相机连续获取将要通过该车门搭乘该交通工具的多个乘客的大量图像。另外，监控装置的拍摄角度可以进行调整，优选地为乘客行进方向正视图。当监控装置为摄像机时，获取乘坐所述第一站点前面至少一站的所述交通工具的乘客复数个图像之后还要将所述行驶视频分解为复数个图像。例如，将监控视频实时地按照一定步进速度(例如10个像素的步进速度)连续分解，以获得大量图像。
然后执行扫描步骤s3，基于人脸的特征样本用扫描窗口扫描所述复数个图像，以判断该交通工具负载的乘客数量。特别地，在本实施例中所述目标车辆典型地为公交车，所述特征样本则是人脸的特征，利用人脸的特征样本用扫描窗口依次扫描从获取步骤获得的大量图像中的搭乘公交车的人脸的特征，一旦确认某经过物体的特征为人脸的正面特征样本则判断为乘客。需要说明的是，一张图像中可以确定一个或多个正面人脸，其中，多个人脸在图像中的大小远近可以不同，通过调整特征样本的精确度依然可以通过本发明的方法扫描并确定。
进一步地，如图2示意性地示出，所述人脸的特征样本包括一个具有黑色矩形形状和白色矩形形状的图像，进一步地，所述人脸的特征样本包括正面人脸的特征样本。其中，典型地，图2中的a、b、c、d、e分别表示由不同黑色矩形形状和白色矩形形状组合、排序的图像。其中，图像a中的黑色矩形和白色矩形是左右组合的方式；图像b中黑色矩形和白色矩形是上下组合的方式；图像c中的一个黑色矩形和两个白色矩形从左至右组合在一起；图像d中的两个黑色矩形和两个白色矩形是2×2的排列方式组合在一起；图像e的黑色矩形和白色矩形充满整个空间并且图形e整个呈倾斜角度。
因此，特征样本的黑色矩形和白色矩形的位置关系可以上下左右任意组合，每个矩形的位置、大小、角度和长宽也可以根据人脸的外形特征来进行调整。
典型地，如图2所示，图像f和g指示了本发明的优选实施例中正面人脸的特征样本。图像f包括一个黑色矩形和两个白色矩形，上述黑色矩形位于整个图像的上部区域，白色矩形位于整个图像的下部区域。其中，一个黑色矩形b1指示正面人脸的嘴唇部位，白色矩形w1和w2指示正面人脸的左右两个脸颊部位。其中，按照成像规律或者人眼视觉感受，人的嘴唇部位颜色较暗，因此在本发明的公交车特征样本中用黑色小矩形b1表示，人脸的脸颊部位相较于嘴唇部位显得颜色更明亮，因此用白色矩形w1和w2表示。图像g由一个白色矩形和两个黑色矩形上下排列而成，其中，白色矩形w3指示正面人脸的额头部位，两个黑色矩形b2和b3指示正面人脸的眼睛部分，其中，按照成像规律或者人眼视觉感受，正面人脸的额头部位颜色较明亮，因此在本发明的公交车特征样本中用白色矩形w3表示，正面人脸的眼睛部分相较于额头部位显得颜色更暗，因此用两个黑色矩形b2和b3表示。
具体地，当基于正面人脸的特征样本用扫描窗口扫描复数个图像时，扫描窗口典型地为一矩形形窗口，从图像的左上角从上到下从左到右依次和多次扫描。例如，扫描窗口用图2的正面人脸的特征样本f或g扫描经过乘客的图像时，先用尺寸较小的扫描窗口基于相同大小的特征样本f或g扫描，一旦照片中有差不多大小的人脸的嘴唇和脸颊部位被图像f匹配，或眼睛和额头部位被图像g匹配，则判断该物体为正面人脸。然后，根据一定比例放大扫描窗口，仍然用图形f或g来扫描图像中的乘客，以便在图像中扫描出和扫描窗口大小相匹配的正面人脸。同理，可以继续放大扫描窗口继续对图像中的车辆进行扫描，一直到扫描窗口放大到和图像一样大的极端情况。本领域技术人员应当理解，相对较大的扫描窗口能够扫描图像中较大的正面人脸，相对较小的扫描窗口扫描并匹配到的是图像中较小的正面人脸，通过调整扫描窗口的大小并每一次都严格按照从图像的左上角从上到下从左到右依次扫描，可以防止错误和遗漏。
进一步地，所述扫描步骤还包括如下步骤：计算所述特征样本的黑色矩形形状和白色矩形形状的像素值差值，并基于所述差值用扫描窗口扫描复数个图像。我们可以利用电脑来快速对图形的矩形像素进行计算，电脑会通过一种被称为积分图像(integralimage)的中间表示(intermediaterepresentation)来进行计算。例如，如图3所示，样本特征h左上角具有一个矩形，矩形右下角的点a坐标为(x,y)，因此，点a处的积分图像包括矩形部分的像素值(像素和)：
ii(x,y)＝∑i(x′，y′)
其中，x′≤x,y′≤y，ii(x,y)是像素值，i(x,y)是图像h的初始图形(originalimage)。
图像h在整个图像中并非处于中间位置，而当黑白矩形处于中间位置时像素计算方法有所不同。如图3所示的图像i由i1、i2、i3、i4四个矩形以2×2的方式排列组合而成，电脑可以利用数组引用(arrayreference)的方式求矩形i4的像素，点1所在位置的积分图像值为矩形i1的像素值，点2所在位置的积分图像值为矩形i1和i2的像素值，点3所在位置的积分图像值为矩形i1和i3的像素值，因此，矩形i4的像素值可以由矩形i4和矩形i1的像素和分别减去i1和i3的像素值来获得。
因此，通过上文所述的方法可以求得所述特征样本中的白色矩形图形的像素值和黑色矩形图形的像素值的差值。
本发明第二方面提供了实时交通工具到达时间和负载估算装置，其中，其可为在后台运行的中央管理平台(centralizedmanagementplatform)，其耦合于复数个交通工具，并耦合于复数个交通工具的站点。以公交车为例，中央管理平台在后台运行并通过与复数个公交车通讯完成实时到达时间和负载估算，然后在复数个交通工具的站点通过显示屏等装置进行展示，乘客可以通过阅读显示屏上的信息进行换乘或者选择。其中，每个公交车可选地设置有gps模块，其能够将实时位置发送给中央管理平台。所述实时交通工具到达时间和负载估算装置包括：
预估装置，其用于基于一交通工具当前距离第一站点的站点数、每个站点的平均等待时间、每两个站点之间的距离和该交通工具的平均速度，预估该交通工具到达该第一站点的时间；
获取装置，其用于获取乘坐所述第一站点前面至少一站的所述交通工具的乘客复数个图像；
扫描装置，其用于基于人脸的特征样本用扫描窗口扫描所述复数个图像，以判断该交通工具负载的乘客数量。
进一步地，所述人脸的特征样本包括一个具有黑色矩形形状和白色矩形形状的图像。
进一步地，所述人脸的特征样本为正面人脸的特征样本。
进一步地，所述扫描装置还用于：计算所述特征样本的黑色矩形形状和白色矩形形状的像素值差值，并基于所述差值用扫描窗口扫描复数个图像。
进一步地，所述交通工具包括以下任一项：
-公交车；
-轨道交通。
进一步地，当所述交通工具为公交车时，所述预估装置还用于：基于交通信号灯的平均等待时间预估该公交车到达该第一站点的时间。
进一步地，所述预估装置还用于：当发生交通拥堵、交通事故或者车辆故障时，发送一个暂停信号暂停对该公交车到达该第一站点的时间预估，待恢复正常之后继续该公交车到达该第一站点的时间预估。
本发明提供的实时交通工具到达时间和负载估算机制精确、安全、可靠，能够实时预测交通工具到达时间和负载，以便乘客对交通工具选择和换乘做出正确选择，提高效率。
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。此外，不应将权利要求中的任何附图标记视为限制所涉及的权利要求；“包括”一词不排除其它权利要求或说明书中未列出的装置或步骤；“第一”、“第二”等词语仅用来表示名称，而并不表示任何特定的顺序。