[发明专利]一种预测地铁站内瞬间返程大客流的方法

说明书

本发明公开了一种预测地铁站内瞬间返程大客流的方法，包括以下步骤：步骤一、每N分钟记录一次地铁站站点进出站人脸抓拍数据；步骤二、获取站点当日累积的当前流量与当前时间的历史流量；步骤三、计算当前流量与历史平均流量的比值，判断是否大于设置的阈值，若大于阈值则判断当前流量是否超过去年同期流量阈值，若大于同期流量阈值，判断为瞬间返程大客流预测有效数据。本发明有效且准确的预测地铁站内瞬间返程大客流，能够及时的防范瞬间返程大客流带来的隐患，减少由于人员密度过大带来的踩踏及其他安全事故发生。

技术领域

本发明涉及客流统计领域。更具体地说，本发明涉及一种预测地铁站内瞬间返程大客流的方法。

背景技术

在地铁运营过程中，如果地铁站附近出现集体活动，人群是分散的时间到达地铁站附近参加活动，活动结束以后，所有乘坐地铁的人是同一时间涌入地铁站返程即瞬间返程大客流。现有的预测瞬间大客流的方式，都是等相关通知或上级部门安排，有很多大型都会发布相应的通知，但是实际生活场景中，会出现越来越多的不确定性，有可能小活动吸引了大批人群，或者民众自发性参加活动等，然而地铁安保力量又没有办法每次都收到相关集体活动的通知，并不能每一次都能及时对瞬间返程大客流做出反应，有时候地铁里面已经聚集大量人群，相关的安保力量才做出反应和部署，此时隐患极大，因此需要有效且准确的预测方法，降低瞬间大客流的带来的隐患。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种预测地铁站内瞬间返程大客流的方法，能有效且准确的预测地铁站内瞬间返程大客流，能够及时的防范瞬间返程大客流带来的隐患，减少由于人员密度过大带来的踩踏及其他安全事故发生。

为了实现根据本发明的这些目的和其它优点，提供了一种预测地铁站内瞬间返程大客流的方法，包括以下步骤：

步骤一、每N分钟记录一次地铁站站点进出站人脸抓拍数据；

步骤二、获取站点当日累积的当前流量与当前时间的历史流量；当前流量每10分钟统计一次，当前流量的数据为当日零点到当前的流量总数X，统计当日前30天中的每一天的零点到当日当前时间的流量总数，分别记为Y₁、Y₂、Y₃、...、Y₃₀；

步骤三、计算当前流量与历史平均流量的比值，判断是否大于设置的阈值，若大于阈值则判断当前流量是否超过去年同期流量阈值，若大于同期流量阈值，判断为瞬间返程大客流预测有效数据；

历史平均流量的计算方法为：(Y₁+Y₂+Y₃+...+Y₃₀)/30；计算当前流量与历史平均流量的比值X/((Y₁+Y₂+Y₃+...+Y₃₀)/30)得到值M，若值M小于阈值1.5则表明流量正常，不进行下一步判断，若值M大于阈值1.5则表明流量有异常，但是还不能确定会有瞬间返程人流量高峰；

当值M大于阈值1.5时，再获取去年今日零点到去年今日当前时间的流量数Q，采用X除以Q得到K，将阈值设置为1.5，若K值大于阈值1.5，则预测为瞬间返程大客流现象。

优选的是，步骤一中人脸抓拍数据记录在elasticsearch数据库中，elasticsearch数据库中有设备编号deviceNo字段和抓拍时间captureTime字段，每个设备编号对应一个人脸抓拍设备，每个设备关联到其上一级站点，利用人脸抓拍设备抓拍将每一条人脸抓拍数据存于elasticsearch数据库中。

优选的是，每10分钟根据抓拍时间captureTime字段，查询elasticsearch数据库中前10分钟的流量总数，并将统计的流量总数存于mongodb中。