论文部分内容阅读
摘 要：受城市化进程加快的影响，我国城市交通压力越来越大，严重拥堵情况已经极大影响到了人们日常出行，为此，政府大力提倡公共交通出行。以公交为代表的公共交通工具能够大大缓解城市交通压力，有效减少拥堵现象，继而营造良好和谐的城市生活环境。公交的优势加上政府的倡导，公交出行已经成为当下人们青睐的出行方式。然而，在公交受到大众追捧的同时，其中的缺陷和不足也逐渐显现出来，其中最为明显的就是公交出行的信息处理方面仍旧不够完备。公交管理相关管理部门无法对各线路的公交负载率進行及时准确了解，本文所设计的系统借助视频识别技术和LBS服务等技术，对车内的乘客密度进行实时监控，车内的摄像头在收集信息后及时反馈给后台，管理部门根据信息建立相关模型并对客流进行预测。
关键词：视频分析;客流统计;数据分析
中图分类号：TP391.41 文献标识码：A
0 引言
交通拥堵已成为城市化建设中最突出的问题之一。虽然政府希望通过提倡公共交通出行来缓解交通压力，但公共交通出行仍然存在一些问题。目前，公共交通信息处理还不完善，优化调度也相对滞后。因此，我们需要大力倡导公共交通出行，不断提高公共交通实时数据处理能力。实现这一目标的有效途径是设计一个具有实时信息采集和处理功能的智能交通系统。本文收集了不同时期不同公交线路和站点的客流，并利用系统对这些数据进行分析，从而实现客流调度和短期客流的准确预测。
通过科学地建立分析客流特征的模型，借助摄像机采集人群信息，将采集到的数据实时传回后台，并使用改进算法计算出更准确的人数，从而有效改善公共交通的缺陷，促进城市化更好的发展[1]。
1 系统概述
本文设计的系统功能主要通过移动终端的行程记录数据和摄像机的定点数据反馈采集来实现。后台数据库在处理科室接收到的数据时，主要分为两种方式：轨道网和数据网。轨道网络是个人发散，数据网络是平台反馈。乘客和公共汽车站是系统主要观察和审查的主要对象。在此，选择一个行程记录作为记录元素（如图1）。
2 系统功能
系统记录的数据来自移动终端的旅行记录。通过对乘客上下车的车站进行实时监控，当用户查找路线或查看到站信息时，系统会自动标记用户的地理信息、站台路线等一系列基本信息，并在此基础上在后续工作中对区域断面数据进行更好的整理和统计。总的来说，该系统的主要功能包括三个方面：到达提醒、地图导航和poi检索以及拥堵显示[2]。
2.1 到站提醒
目前的移动导航主要包括GPS定位和基站定位。前者主要通过GPS卫星锁定采集芯片来确定位置。这种定位方法的精度非常高。理论上，其误差可以控制在一米以内。就目前的科技发展水平而言，基本上所有的软件都可以使用GPS导航。此外，顾名思义，基站定位就是借助基站进行定位。其实现方法主要是通过手机激活数据获取周边基站，从而在此基础上锁定乘客位置。与GPS定位相比，基站定位精度较低，往往产生较大的误差。因此，为了保证系统的精度，本文设计的系统采用GPS进行导航。该系统将不同形式的公交线路抽象为一条线路，并将线路上的公交站点视为节点。当乘客位置接近公共汽车站时，这是一个阈值范围。此时，信息由移动广播推送。
本文设计的系统需要开发与服务器交互的应用程度。在开发程序的过程中，经常需要在服务器上获取数据。采集方式一般分为两种：一种是采用周期拉取方式，每隔一段时间主动在服务器上获取以下信息，以实现对更新信息的及时掌握;第二种方法是使用push方法，即服务器主动将新信息推送到客户端。此时，客户端可以自动接收更新的消息。
2.2 地图导航和poi检索
对于用户来说，poi检索可以帮助快速找到目的地，极大地方便了用户的出行。一般来说，区域检索的实现主要包括以下步骤：首先，根据点的坐标信息，将点划分为国家的区县行政区划;其次，利用不同行政区划的点数据，以行政区划多边形和点集为对象，建立Voronoi图;第三种方法是将建立的Voronoi图中最小面积对应的点识别为重要性最低的点;最后，删除从分析中获得的重要性最低的点，并再次建立Voronoi图。以上步骤只是根据重要性对所有点元素数据进行框显和排序，然后根据重要性将其删除，最后得到重要性最高的点，即用户要到达的目的地。
与上面讨论的区域检索相比，导航过程显然要简单得多。它只需要获取用户出发点和目的地的经纬度信息，然后将两点之间的距离视为路线，将两点视为路线的两个节点。将两个节点添加到同一个节点集合中，那么该节点集合就完全类似于路线规划侦听接口类。此时，接受节点集的接口类将根据内部路径算法将每个路径的节点添加到节点集。如果重复上述操作，将确定不同点的重要性信息。总体而言，其建设过程可分为三个步骤：启动路线、启动导航和成功规划路线[3]。
第一步是启动路线。该步骤主要包括设置路线的起点、焦点和偏好，确定是否模拟导航等参数，然后在回调函数中设置跳转和引导;第二个是开始导航。在导航之前，需要创建诱导视图并接收回调事件，然后调用活动生命周期中诱导BNRouteGuiderManager对应的生命周期函数，其核心代码为：
@Override
protected void onCreate（Bundle savedInstanceState）{
super.onCreate（savedInstanceState）;
createHandler（）;
if（Build.VERSION.SDK_INT>=Build.VERSION_CODES.HONEYCOMB）{}
View view=BNRouteGuideManager.getInstance（）.onCreate（this，new OnNavigationListener（）{ @Override
public void onNaviGuideEnd（）{
finish（）;
}
@Override
public void notifyOtherAction（int actionType，int arg1，int arg2，Object obj）{
}
}）;
设置广播模式时，表示路线规划成功。
2.3 交通挤塞情况介绍
拥堵表示功能基于乘客起点的地理位置。简而言之，这是公交车站拥堵的表现。通过周围一定范围内公交线路的信息轮换，根据信号点的位置和大小进行排列，传统的红黄道路提示拥堵程度。数据的实时采集意味着有必要对客流进行准确的统计。主要依靠车载摄像头的實时分析，在站台视频画面中监控客流，作为判断车载拥堵的依据。拥挤的判断是否准确主要取决于摄像机识别的人数是否与实际人数相符。其测量包括三个步骤：目标检测和跟踪，以及乘客行为分析。其中，目标检测是所有步骤中最关键的一步。目标检测主要基于目标的位置和距离。检测过程主要包括五个部分：图像数据、预处理、特征提取、分类器训练和目标检测。这个过程与模式识别非常相似。需要指出的是，在检测的五个部分中，特征提取和分类器训练是影响精度的主要因素。因此，为了保证精度，需要对算法进行改进。
以公交车为例，在公交车的前后位置安装了一组摄像头。考虑到乘客身体部位容易因拥堵而被遮挡，选择乘客头部和肩部进行特征提取，可以有效降低噪声和阴影的影响。为了进一步增强相机的抗干扰能力，计算当前帧的边缘图像与背景边缘图像之间的差值。然后利用圆检测进行轮廓识别和有效目标检测。与其他方法相比，该方法操作简单，识别率高，为客流统计系统提供了有力的基础。
3 数据分析
记录分子提供了必要的数据基础，在此基础上对结果进行统计分析。PC终端提供了用户数据、平台数据、迁移路径等数据和信息的可视化分析功能，为管理方案的提出奠定了基础。一般来说，公交客流容易受到多种因素的影响。因此，客流特征的随机性和不可预测性往往随预测周期的长短而变化。一般来说，预测周期越长，客流特征越强。因此，我们需要找出短期客流变化的隐藏因素，并将其作为行为预测的依据，以确保预测结果的准确性，降低预测压力[4]。
4 结论
基于上述相关讨论，公交出行信息处理尚不完善。为了促进公共交通更好的发展，本文从视频分析的角度对公交客流统计系统进行了研究。本文设计的系统借助视频识别技术和LBS服务技术，对车内乘客密度进行实时监控。车内摄像头采集信息后及时反馈到背景。管理部门根据信息建立相关模型，预测客流。本文的系统设计主要是以采集到的客流数据作为可视化统计的基础，对视频客流分析的发展具有一定的参考价值。
参考文献：
[1]赵倩.基于视频分析的公交客流统计技术研究与实现[D].重庆：重庆大学，2016.
[2]舒国辉.基于数据挖掘的公交客流规律研究[D].北京：北京交通大学，2009.
[3]尹婷婷.基于大数据的公交调度规则研究[D].北京：北京交通大学，2015.
[4]Moxa AWK-3121在公交车无线车载视频监控系统的应用[J].软件，2010（5）：32-33.
关键词：视频分析;客流统计;数据分析
中图分类号：TP391.41 文献标识码：A
0 引言
交通拥堵已成为城市化建设中最突出的问题之一。虽然政府希望通过提倡公共交通出行来缓解交通压力，但公共交通出行仍然存在一些问题。目前，公共交通信息处理还不完善，优化调度也相对滞后。因此，我们需要大力倡导公共交通出行，不断提高公共交通实时数据处理能力。实现这一目标的有效途径是设计一个具有实时信息采集和处理功能的智能交通系统。本文收集了不同时期不同公交线路和站点的客流，并利用系统对这些数据进行分析，从而实现客流调度和短期客流的准确预测。
通过科学地建立分析客流特征的模型，借助摄像机采集人群信息，将采集到的数据实时传回后台，并使用改进算法计算出更准确的人数，从而有效改善公共交通的缺陷，促进城市化更好的发展[1]。
1 系统概述
本文设计的系统功能主要通过移动终端的行程记录数据和摄像机的定点数据反馈采集来实现。后台数据库在处理科室接收到的数据时，主要分为两种方式：轨道网和数据网。轨道网络是个人发散，数据网络是平台反馈。乘客和公共汽车站是系统主要观察和审查的主要对象。在此，选择一个行程记录作为记录元素（如图1）。
2 系统功能
系统记录的数据来自移动终端的旅行记录。通过对乘客上下车的车站进行实时监控，当用户查找路线或查看到站信息时，系统会自动标记用户的地理信息、站台路线等一系列基本信息，并在此基础上在后续工作中对区域断面数据进行更好的整理和统计。总的来说，该系统的主要功能包括三个方面：到达提醒、地图导航和poi检索以及拥堵显示[2]。
2.1 到站提醒
目前的移动导航主要包括GPS定位和基站定位。前者主要通过GPS卫星锁定采集芯片来确定位置。这种定位方法的精度非常高。理论上，其误差可以控制在一米以内。就目前的科技发展水平而言，基本上所有的软件都可以使用GPS导航。此外，顾名思义，基站定位就是借助基站进行定位。其实现方法主要是通过手机激活数据获取周边基站，从而在此基础上锁定乘客位置。与GPS定位相比，基站定位精度较低，往往产生较大的误差。因此，为了保证系统的精度，本文设计的系统采用GPS进行导航。该系统将不同形式的公交线路抽象为一条线路，并将线路上的公交站点视为节点。当乘客位置接近公共汽车站时，这是一个阈值范围。此时，信息由移动广播推送。
本文设计的系统需要开发与服务器交互的应用程度。在开发程序的过程中，经常需要在服务器上获取数据。采集方式一般分为两种：一种是采用周期拉取方式，每隔一段时间主动在服务器上获取以下信息，以实现对更新信息的及时掌握;第二种方法是使用push方法，即服务器主动将新信息推送到客户端。此时，客户端可以自动接收更新的消息。
2.2 地图导航和poi检索
对于用户来说，poi检索可以帮助快速找到目的地，极大地方便了用户的出行。一般来说，区域检索的实现主要包括以下步骤：首先，根据点的坐标信息，将点划分为国家的区县行政区划;其次，利用不同行政区划的点数据，以行政区划多边形和点集为对象，建立Voronoi图;第三种方法是将建立的Voronoi图中最小面积对应的点识别为重要性最低的点;最后，删除从分析中获得的重要性最低的点，并再次建立Voronoi图。以上步骤只是根据重要性对所有点元素数据进行框显和排序，然后根据重要性将其删除，最后得到重要性最高的点，即用户要到达的目的地。
与上面讨论的区域检索相比，导航过程显然要简单得多。它只需要获取用户出发点和目的地的经纬度信息，然后将两点之间的距离视为路线，将两点视为路线的两个节点。将两个节点添加到同一个节点集合中，那么该节点集合就完全类似于路线规划侦听接口类。此时，接受节点集的接口类将根据内部路径算法将每个路径的节点添加到节点集。如果重复上述操作，将确定不同点的重要性信息。总体而言，其建设过程可分为三个步骤：启动路线、启动导航和成功规划路线[3]。
第一步是启动路线。该步骤主要包括设置路线的起点、焦点和偏好，确定是否模拟导航等参数，然后在回调函数中设置跳转和引导;第二个是开始导航。在导航之前，需要创建诱导视图并接收回调事件，然后调用活动生命周期中诱导BNRouteGuiderManager对应的生命周期函数，其核心代码为：
@Override
protected void onCreate（Bundle savedInstanceState）{
super.onCreate（savedInstanceState）;
createHandler（）;
if（Build.VERSION.SDK_INT>=Build.VERSION_CODES.HONEYCOMB）{}
View view=BNRouteGuideManager.getInstance（）.onCreate（this，new OnNavigationListener（）{ @Override
public void onNaviGuideEnd（）{
finish（）;
}
@Override
public void notifyOtherAction（int actionType，int arg1，int arg2，Object obj）{
}
}）;
设置广播模式时，表示路线规划成功。
2.3 交通挤塞情况介绍
拥堵表示功能基于乘客起点的地理位置。简而言之，这是公交车站拥堵的表现。通过周围一定范围内公交线路的信息轮换，根据信号点的位置和大小进行排列，传统的红黄道路提示拥堵程度。数据的实时采集意味着有必要对客流进行准确的统计。主要依靠车载摄像头的實时分析，在站台视频画面中监控客流，作为判断车载拥堵的依据。拥挤的判断是否准确主要取决于摄像机识别的人数是否与实际人数相符。其测量包括三个步骤：目标检测和跟踪，以及乘客行为分析。其中，目标检测是所有步骤中最关键的一步。目标检测主要基于目标的位置和距离。检测过程主要包括五个部分：图像数据、预处理、特征提取、分类器训练和目标检测。这个过程与模式识别非常相似。需要指出的是，在检测的五个部分中，特征提取和分类器训练是影响精度的主要因素。因此，为了保证精度，需要对算法进行改进。
以公交车为例，在公交车的前后位置安装了一组摄像头。考虑到乘客身体部位容易因拥堵而被遮挡，选择乘客头部和肩部进行特征提取，可以有效降低噪声和阴影的影响。为了进一步增强相机的抗干扰能力，计算当前帧的边缘图像与背景边缘图像之间的差值。然后利用圆检测进行轮廓识别和有效目标检测。与其他方法相比，该方法操作简单，识别率高，为客流统计系统提供了有力的基础。
3 数据分析
记录分子提供了必要的数据基础，在此基础上对结果进行统计分析。PC终端提供了用户数据、平台数据、迁移路径等数据和信息的可视化分析功能，为管理方案的提出奠定了基础。一般来说，公交客流容易受到多种因素的影响。因此，客流特征的随机性和不可预测性往往随预测周期的长短而变化。一般来说，预测周期越长，客流特征越强。因此，我们需要找出短期客流变化的隐藏因素，并将其作为行为预测的依据，以确保预测结果的准确性，降低预测压力[4]。
4 结论
基于上述相关讨论，公交出行信息处理尚不完善。为了促进公共交通更好的发展，本文从视频分析的角度对公交客流统计系统进行了研究。本文设计的系统借助视频识别技术和LBS服务技术，对车内乘客密度进行实时监控。车内摄像头采集信息后及时反馈到背景。管理部门根据信息建立相关模型，预测客流。本文的系统设计主要是以采集到的客流数据作为可视化统计的基础，对视频客流分析的发展具有一定的参考价值。
参考文献：
[1]赵倩.基于视频分析的公交客流统计技术研究与实现[D].重庆：重庆大学，2016.
[2]舒国辉.基于数据挖掘的公交客流规律研究[D].北京：北京交通大学，2009.
[3]尹婷婷.基于大数据的公交调度规则研究[D].北京：北京交通大学，2015.
[4]Moxa AWK-3121在公交车无线车载视频监控系统的应用[J].软件，2010（5）：32-33.