本發(fā)明涉及智能交通領域，特別涉及一種地鐵站內(nèi)乘客排隊引導方法和引導系統(tǒng)。

背景技術：

隨著我國城市化進程的加快，越來越多的城市選擇修建地鐵，以提高城市的交通質(zhì)量。由于地鐵載運量大、不堵車等優(yōu)點，越來越多的乘客在出行時選擇乘坐地鐵。一趟地鐵有多節(jié)車廂，在哪節(jié)車廂排隊等候地鐵可以更安全容易的登上地鐵，這也成了乘客們共同面對的問題。

同一趟地鐵里各車廂擁擠程度不同，有的車廂乘客多，有的車廂乘客少。當?shù)罔F到站開門以后，在較擁擠的車廂門口等待的部分乘客無法順利的登上車廂，如果該部分乘客發(fā)現(xiàn)附近的其他車廂不擁擠時，往往就會試圖去登上其他的車廂，這樣就容易造成乘客的不安全和降低地鐵的運行效率。

造成上述現(xiàn)象的原因在于，在等候地鐵的乘客無法預知各車廂的擁擠情況，無法選擇合適的等待隊伍進行排隊。

技術實現(xiàn)要素：

本發(fā)明旨在至少解決現(xiàn)有技術中存在的技術問題之一，提出了一種地鐵站內(nèi)乘客排隊引導方法和引導系統(tǒng)。

為實現(xiàn)上述目的，本發(fā)明提供了一種地鐵站內(nèi)乘客排隊引導方法，用于引導乘客選擇合適的車廂進行排隊，包括：

步驟s1、檢測模塊獲取即將進站的列車的各車廂內(nèi)的當前擁擠程度系數(shù)；

步驟s2、第一預測模塊根據(jù)當天最近經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，以及位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，預測出即將進站的列車的各車廂的下車人數(shù)比例；

步驟s3、第二預測模塊根據(jù)所述第一預測模塊預測出的即將進站的列車的各車廂的下車人數(shù)比例和即將進站的列車的各車廂的所述當前擁擠程度系數(shù)，預測出即將進站的列車到站且下車乘客完成下車后的各車廂的理論擁擠程度系數(shù)；

步驟s4、生成模塊根據(jù)各車廂的理論擁擠程度系數(shù)生成針對各車廂的排隊建議信息，并發(fā)送至播放模塊；

步驟s5、播放模塊將所述排隊建議信息進行播放，以供乘客選擇合適的車廂進行排隊。

可選地，所述第一預測模塊包括：第一查詢單元、第二查詢單元和計算單元；

所述步驟s2包括：

步驟s201、第一查詢單元從歷史數(shù)據(jù)庫中查詢出當天最近經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例；

步驟s202、第二查詢單元從歷史數(shù)據(jù)庫中查詢出位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例；

步驟s203、計算單元根據(jù)如下公式預測出即將進站的列車的各車廂的下車人數(shù)比例：

βi＝αi*βi'+(1-αi)*βi”

βi'＝(ci_1+ci_2+…+ci_n)/n

βi”＝(di_1+di_2+…+di_m)/m

其中，βi為即將進站的列車的第i節(jié)車廂的下車人數(shù)比例，αi為針對即將進站的列車的第i節(jié)車廂預先設置的平滑系數(shù)，ci_1、ci_2……ci_n為從歷史數(shù)據(jù)庫中查詢出當天最近經(jīng)過該地鐵站的n趟列車的第i節(jié)車廂的下車人數(shù)比例，di_1、di_2……di_m為從歷史數(shù)據(jù)庫中查詢出位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的m趟列車的第i節(jié)車廂的下車人數(shù)比例。

可選地，所述步驟s3具體包括：

第二預測模塊采用如下公式預測出即將進站的列車到站且下車乘客完成下車后的各車廂的理論擁擠程度系數(shù)：

yi＝y(tǒng)i'*(1-βi)

其中，yi為即將進站的列車到站且下車乘客完成下車后的第i節(jié)車廂的理論擁擠程度系數(shù)，yi'為步驟s1獲取到的即將進站的列車第i節(jié)車廂內(nèi)的當前擁擠程度系數(shù)，βi為步驟s2預測出即將進站的列車的第i節(jié)車廂的下車人數(shù)比例。

可選地，所述檢測模塊包括：光源發(fā)射單元、光源接收單元和處理單元，所述光源發(fā)射單元置于車廂內(nèi)的頂部，光源接收單元置于車廂內(nèi)的底部；

所述步驟s1包括：

步驟s101、光源發(fā)射單元向下發(fā)射檢測光線；

步驟s102、光源接收單元接收檢測光線；

步驟s103、處理單元根據(jù)光源接收單元接收到的檢測光線的光通量，計算車廂內(nèi)的當前擁擠程度系數(shù)。

可選地，步驟s103具體包括：

處理單元根據(jù)如下公式計算即將進站的列車的各車廂內(nèi)的當前擁擠程度系數(shù)：

其中，yi'為即將進站的列車第i節(jié)車廂內(nèi)的當前擁擠程度系數(shù)，li_0為通過預先實驗獲取到的即將進站的列車的第i車廂內(nèi)沒有乘客時光源接收單元接收到的檢測光線的光通量，為即將進站的列車的第i車廂內(nèi)的光源接收單元接收到s次檢測光線的光通量的平均值，li_k為即將進站的列車的第i車廂內(nèi)的光源接收單元第k次接收到檢測光線的光通量，1≤k≤s。

為實現(xiàn)上述目的，本發(fā)明提供了一種地鐵站內(nèi)乘客排隊引導系統(tǒng)，用于引導乘客選擇合適的車廂進行排隊，包括：

檢測模塊，用于獲取即將進站的列車的各車廂內(nèi)的當前擁擠程度系數(shù)；

第一預測模塊，用于根據(jù)當天最近經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，以及位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，預測出即將進站的列車的各車廂的下車人數(shù)比例；

第二預測模塊，用于根據(jù)所述第一預測模塊預測出的即將進站的列車的各車廂的下車人數(shù)比例和即將進站的列車的各車廂的所述當前擁擠程度系數(shù)，預測出即將進站的列車到站且下車乘客完成下車后的各車廂的理論擁擠程度系數(shù)；

生成模塊，用于根據(jù)各車廂的理論擁擠程度系數(shù)生成針對各車廂的排隊建議信息，并發(fā)送至播放模塊；

播放模塊，用于將所述排隊建議信息進行播放，以供乘客選擇合適的車廂進行排隊。

可選地，所述第一預測模塊包括：

第一查詢單元，用于從歷史數(shù)據(jù)庫中查詢出當天最近經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例；

第二查詢單元，用于從歷史數(shù)據(jù)庫中查詢出位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例；

計算單元，用于根據(jù)如下公式預測出即將進站的列車的各車廂的下車人數(shù)比例：

βi＝αi*βi'+(1-αi)*βi”

βi'＝(ci_1+ci_2+…+ci_n)/n

βi”＝(di_1+di_2+…+di_m)/m

其中，βi為即將進站的列車的第i節(jié)車廂的下車人數(shù)比例，αi為針對即將進站的列車的第i節(jié)車廂預先設置的平滑系數(shù)，ci_1、ci_2……ci_n為從歷史數(shù)據(jù)庫中查詢出當天最近經(jīng)過該地鐵站的n趟列車的第i節(jié)車廂的下車人數(shù)比例，di_1、di_2……di_m為從歷史數(shù)據(jù)庫中查詢出位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的m趟列車的第i節(jié)車廂的下車人數(shù)比例。

可選地，所述第二預測模塊具體采用如下公式預測出即將進站的列車到站且下車乘客完成下車后的各車廂的理論擁擠程度系數(shù)：

yi＝y(tǒng)i'*(1-βi)

其中，yi為即將進站的列車到站且下車乘客完成下車后的第i節(jié)車廂的理論擁擠程度系數(shù)，yi'為檢測模塊獲取到的即將進站的列車第i節(jié)車廂內(nèi)的當前擁擠程度系數(shù)，βi為第一預測模塊預測出即將進站的列車的第i節(jié)車廂的下車人數(shù)比例。

可選地，所述檢測模塊包括：

光源發(fā)射單元，設置于車廂內(nèi)的頂部，用于向下發(fā)射檢測光線；

光源接收單元，設置于車廂內(nèi)的底部，用于接收檢測光線；

處理單元，用于根據(jù)光源接收單元接收到的檢測光線的光通量，計算車廂內(nèi)的當前擁擠程度系數(shù)。

可選地，所述處理單元具體用于根據(jù)如下公式計算即將進站的列車的各車廂內(nèi)的當前擁擠程度系數(shù)：

其中，yi'為即將進站的列車第i節(jié)車廂內(nèi)的當前擁擠程度系數(shù)，li_0為通過預先實驗獲取到的即將進站的列車的第i車廂內(nèi)沒有乘客時光源接收單元接收到的檢測光線的光通量，為即將進站的列車的第i車廂內(nèi)的光源接收單元接收到s次檢測光線的光通量的平均值，li_k為即將進站的列車的第i車廂內(nèi)的光源接收單元第k次接收到檢測光線的光通量，1≤k≤s。

本發(fā)明具有以下有益效果：

本發(fā)明提供了一種地鐵站內(nèi)乘客排隊引導方法和引導系統(tǒng)，其中該引導方法包括：步驟s1、檢測模塊獲取即將進站的列車的各車廂內(nèi)的當前擁擠程度系數(shù)；步驟s2、第一預測模塊根據(jù)當天最近經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，以及位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，預測出即將進站的列車的下車人數(shù)比例；步驟s3、第二預測模塊根據(jù)第一預測模塊預測出的即將進站的列車的各車廂的下車人數(shù)比例和當前擁擠程度系數(shù)，預測出即將進站的列車到站且下車乘客完成下車后的各車廂的理論擁擠程度系數(shù)；步驟s4、生成模塊根據(jù)各車廂的理論擁擠程度系數(shù)生成針對各車廂的排隊建議信息，并發(fā)送至播放模塊；步驟s5、播放模塊將排隊建議信息進行播放，以供乘客選擇合適的車廂進行排隊。本發(fā)明的技術方案通過結(jié)合各車廂的當前擁擠程度系數(shù)、天氣狀況、時間段、當天數(shù)據(jù)、歷史數(shù)據(jù)等因素，可有效、準確的對即將進站的列車到站且下車乘客完成下車后的各車廂內(nèi)的理論擁擠程度系數(shù)進行預測，并生成相應的排隊建議信息，以供乘客選擇合適的車廂排隊口進行排隊，以達到引導乘客排隊的目的。

附圖說明

圖1為本發(fā)明實施例一提供的一種地鐵站內(nèi)乘客排隊引導方法的流程圖；

圖2為本發(fā)明實施例二提供的一種地鐵站內(nèi)乘客排隊引導系統(tǒng)的結(jié)構(gòu)示意圖。

具體實施方式

為使本領域的技術人員更好地理解本發(fā)明的技術方案，下面結(jié)合附圖對本發(fā)明提供的一種地鐵站內(nèi)乘客排隊引導方法和引導系統(tǒng)進行詳細描述。

圖1為本發(fā)明實施例一提供的一種地鐵站內(nèi)乘客排隊引導方法的流程圖，如圖1所示，該引導方法用于引導乘客選擇合適的車廂進行排隊，該引導方法基于相應的引導系統(tǒng)，該引導系統(tǒng)包括：檢測模塊、第一預測模塊、第二預測模塊、生成模塊和播放模塊，該引導方法包括：

步驟s1、檢測模塊獲取即將進站的列車的各車廂內(nèi)的當前擁擠程度系數(shù)。

可選地，檢測模塊包括：光源發(fā)射單元、光源接收單元和處理單元，光源發(fā)射單元置于車廂內(nèi)的頂部，光源接收單元置于車廂內(nèi)的底部；步驟s1具體包括：

步驟s101、光源發(fā)射單元向下發(fā)射檢測光線。

光源發(fā)射單元向下發(fā)射具有預設光強的檢測光線，當車廂內(nèi)乘客較多時，則大部分光學會被乘客擋住，僅少部分光線會經(jīng)過乘客件的空隙射向車廂內(nèi)的底面。

步驟s102、光源接收單元接收檢測光線。

為較好的進行檢測，光源接收單元可覆蓋整個車廂內(nèi)的底面，光源接收單元接收射向車廂內(nèi)的底面的檢測光線，并得到相應的光通量。需要說明的是，本發(fā)明中的光通量是指光源接收單元在單元面積內(nèi)接收到的檢測光線的光強(射向車廂內(nèi)的底面的檢測光線越多，光源接收單元能接收到檢測光線的面積越大，光源接收單元在單元面積內(nèi)接收到的檢測光線的光強越大)。

步驟s103、處理單元根據(jù)光源接收單元接收到的檢測光線的光通量，計算車廂內(nèi)的當前擁擠程度系數(shù)。

可選地，在步驟s103中，處理單元根據(jù)如下公式計算即將進站的列車的各車廂內(nèi)的當前擁擠程度系數(shù)：

其中，yi'為即將進站的列車第i節(jié)車廂內(nèi)的當前擁擠程度系數(shù)，li_0為通過預先實驗獲取到的即將進站的列車的第i車廂內(nèi)沒有乘客時光源接收單元接收到的檢測光線的光通量，為即將進站的列車的第i車廂內(nèi)的光源接收單元接收到s次檢測光線的光通量的平均值，li_k為即將進站的列車的第i車廂內(nèi)的光源接收單元第k次接收到檢測光線的光通量，1≤k≤s。其中，當前擁擠程度系數(shù)y的取值范圍為[1，+∞)，當前擁擠程度系數(shù)y的取值越大，表明車廂內(nèi)越擁擠。

需要說明的是，上述根據(jù)光源接收單元接收到s次檢測光線的光通量的平均值來計算當前擁擠程度系數(shù)的算法僅為本發(fā)明中的優(yōu)選方案，可有效的減小偶然誤差，其不會對本發(fā)明技術方案產(chǎn)生限制。

此外，在步驟s1中還可以采用其他算法來獲取到車廂內(nèi)的當前擁擠程度系數(shù)，具體算法此處不再一一描述。

在各車廂內(nèi)設置檢測模塊，并通過上述步驟s101～步驟s103，即可計算出各車廂內(nèi)的當前擁擠程度系數(shù)。

步驟s2、第一預測模塊根據(jù)當天最近經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，以及位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，預測出即將進站的列車的各車廂的下車人數(shù)比例。

可選地，第一預測模塊包括：第一查詢單元、第二查詢單元和計算單元。步驟s2包括：

步驟s201、第一查詢單元從歷史數(shù)據(jù)庫中查詢出當天最近經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例。

歷史數(shù)據(jù)庫為一地鐵站經(jīng)停列車信息表，其中存儲有當天以及之前各天經(jīng)過該地鐵站的各趟列車的相關記錄，該地鐵站經(jīng)停列車信息表的結(jié)構(gòu)如下表1所示。

表1.地鐵站經(jīng)停列車信息表

該地鐵站經(jīng)停列車信息表中記載有該地鐵站的站名、日期、經(jīng)過該地鐵站的各趟列車的列車編號、經(jīng)停時間、各車廂號、各車廂的下車人數(shù)比例和對應的天氣狀況。其中，各車廂的下車人數(shù)比例等于該車廂的下車人數(shù)與該車廂內(nèi)總?cè)藬?shù)的比值，該下車人數(shù)比例可通過預先統(tǒng)計、計算得到。

為便于本領域技術人員對本發(fā)明的技術方案進行理解，下面將進行示例性描述。假定，當天日期為2017-5-19，當前時刻為13：22：50，當前天氣狀態(tài)為晴天，以預測即將進站的列車的第i節(jié)車廂的下車人數(shù)比例為例。

在步驟s201中，從地鐵站經(jīng)停列車信息表中查詢出日期為2017-5-19，且距離13：22：50最近的n趟列車的第i節(jié)車廂的下車人數(shù)比例。需要說明的是，n的取值可根據(jù)實際需要進行相應設定、調(diào)整。

在步驟s201中查詢出的當天最近經(jīng)過該地鐵站的若干趟列車的第i節(jié)車廂的下車人數(shù)比例記為ci_1、ci_2……ci_n。

步驟s202、第二查詢單元從歷史數(shù)據(jù)庫中查詢出位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例。

本實施例中，假定由當前時刻的前10分鐘起至當前時刻的后10分鐘止為當前時間段，即當前時間段為13：12：50～13：32：50，則在步驟s202中，從地鐵站經(jīng)停列車信息表中查詢出天氣狀況為晴天，且經(jīng)停時間處于13：12：50～13：32：50內(nèi)的m趟列車的第i節(jié)車廂的下車人數(shù)比例。其中，m是由實際查詢結(jié)果來確定的，當然若查詢出的滿足上述查詢條件的記錄較多時，可從查詢結(jié)果中選取少量的值用于后續(xù)的計算。

在步驟s202中查詢出的位于當前之前的、天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的第i節(jié)車廂的下車人數(shù)比例記為di_1、di_2……di_m。

需要說明的是，上述當前時間段跨越20分鐘(由當前時刻的前10分鐘起至當前時刻的后10分鐘止)的情況僅起到示例性作用，在實際應用中，可根據(jù)實際需要對“當前時間段”的定義進行相應調(diào)整。

步驟s203、計算單元根據(jù)如下公式預測出即將進站的列車的各車廂的下車人數(shù)比例：

βi＝αi*βi'+(1-αi)*βi”

βi'＝(ci_1+ci_2+…+ci_n)/n

βi”＝(di_1+di_2+…+di_m)/m

其中，βi為即將進站的列車的第i節(jié)車廂的下車人數(shù)比例，αi為針對即將進站的列車的第i節(jié)車廂預先設置的平滑系數(shù)，αi的取值范圍為[0，1]，αi的取值可根據(jù)實際需要進行相應的設定、調(diào)整。當αi趨近于1時，則表明即將進站的列車的下車人數(shù)比例是以當天最近經(jīng)過該地鐵站的若干趟列車的該車廂的下車人數(shù)比例作為主要參考；當αi趨近于0時，則表明即將進站的列車的下車人數(shù)比例是以位于當前之前的、天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的該車廂的下車人數(shù)比例作為主要參考。

本實施例中，通過當天最近經(jīng)過該地鐵站的若干趟列車的下車人數(shù)比例，以及位于當前之前的、天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，來預測即將進站的列車的各車廂的下車人數(shù)比例，其綜合考慮了天氣狀況、時間段、當天數(shù)據(jù)、歷史數(shù)據(jù)等因素，可有效提升預測精準度。

需要說明的是，本發(fā)明中還可以基于當天最近經(jīng)過該地鐵站的若干趟列車的下車人數(shù)比例，以及位于當前之前的、天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，并采用其他算法來預測將進站的列車的各車廂的下車人數(shù)比例，具體情況此處不進行詳細描述。

步驟s3、第二預測模塊根據(jù)第一預測模塊預測出的即將進站的列車的各車廂的下車人數(shù)比例和當前擁擠程度系數(shù)，預測出即將進站的列車到站且下車乘客完成下車后的各車廂的理論擁擠程度系數(shù)。

可選地，在步驟s3中，第二預測模塊采用如下公式預測出即將進站的列車到站且下車乘客完成下車后的車廂的理論擁擠程度系數(shù)：

yi＝y(tǒng)i'*(1-βi)

其中，yi為即將進站的列車到站且下車乘客完成下車后的第i節(jié)車廂的理論擁擠程度系數(shù)，理論擁擠程度系數(shù)yi的取值范圍為[1，+∞)，理論擁擠程度系數(shù)yi的取值越大，表明車廂內(nèi)越擁擠；yi'為檢測模塊獲取到的即將進站的列車第i節(jié)車廂內(nèi)的當前擁擠程度系數(shù)，當前擁擠程度系數(shù)yi'的取值范圍為[1，+∞)，當前擁擠程度系數(shù)yi'的取值越大，表明車廂內(nèi)越擁擠；βi為第一預測模塊預測出即將進站的列車的第i節(jié)車廂的下車人數(shù)比例。

通過步驟s3，即可預測出即將進站的列車到站且下車乘客完成下車后的各車廂內(nèi)的理論擁擠程度系數(shù)。

步驟s4、生成模塊根據(jù)各車廂的理論擁擠程度系數(shù)生成針對各車廂的排隊建議信息，并發(fā)送至播放模塊。

在步驟s4中，可根據(jù)預先設置一擁擠程度參考系數(shù)y0，通過將步驟s3預測出的各車廂的理論擁擠程度系數(shù)yi與擁擠程度參考系數(shù)y0進行比較；若理論擁擠程度系數(shù)yi大于擁擠程度參考系數(shù)y0，則表明該車廂內(nèi)相對擁擠，則生成不建議乘客在該車廂對應的排隊口進行排隊的排隊建議信息；反之，則生成建議乘客在該車廂對應的排隊口進行排隊的排隊建議信息。

當然，還可以針對理論擁擠程度系數(shù)劃分為若干個不同等級，針對各等級的理論擁擠程度系數(shù)生成對應的排隊建議信息。表2為理論擁擠程度系數(shù)與排隊建議信息的對應關系表，如下表2所示：

表2.理論擁擠程度系數(shù)與排隊建議信息的對應關系表

需要說明的是，對于表2中理論擁擠程度系數(shù)劃分為4個不同等級的情況，僅起到示例性作用，其不會對本發(fā)明的技術方案產(chǎn)生限制。本發(fā)明中還可以基于理論擁擠程度系數(shù)采用其他算法來生成相應的排隊建議信息，此處不再一一舉例說明。本領域技術人員應該知曉的是，但凡根據(jù)預測出的理論擁擠程度系數(shù)來生成排隊建議信息的技術手段，均應屬于本發(fā)明的保護范圍。

步驟s5、播放模塊將排隊建議信息進行播放，以供乘客選擇合適的車廂進行排隊。

本發(fā)明中的播放模塊可以為音頻播放設備(廣播、音響等)也可以為視頻播放設備(平板、電視機等)。具體地，可在各車廂對應的排隊口的安全門上設置播放設備，該播放設備可每隔預設時間播放對應車廂的排隊建議信息，以供乘客選擇合適的車廂排隊口進行排隊。

本發(fā)明實施例一提供了一種地鐵站內(nèi)乘客排隊引導方法，本發(fā)明的技術方案通過結(jié)合各車廂的當前擁擠程度系數(shù)、天氣狀況、時間段、當天數(shù)據(jù)、歷史數(shù)據(jù)等因素，可有效、準確的對即將進站的列車到站且下車乘客完成下車后的各車廂內(nèi)的理論擁擠程度系數(shù)進行預測，并生成相應的排隊建議信息，以供乘客選擇合適的車廂排隊口進行排隊，以達到引導乘客排隊的目的。

實施例二

圖2為本發(fā)明實施例二提供的一種地鐵站內(nèi)乘客排隊引導系統(tǒng)的結(jié)構(gòu)示意圖，如圖2所示，該引導系統(tǒng)執(zhí)行上述實施例一提供的引導方法，用于引導乘客選擇合適的車廂進行排隊，該引導系統(tǒng)包括：

檢測模塊1，用于獲取即將進站的列車的各車廂內(nèi)的當前擁擠程度系數(shù)。

第一預測模塊2，用于根據(jù)當天最近經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，以及位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例，預測出即將進站的列車的各車廂的下車人數(shù)比例。

第二預測模塊3，用于根據(jù)所述第一預測模塊預測出的即將進站的列車的各車廂的下車人數(shù)比例和即將進站的列車的各車廂的所述當前擁擠程度系數(shù)，預測出即將進站的列車到站且下車乘客完成下車后的各車廂的理論擁擠程度系數(shù)。

生成模塊4，用于根據(jù)各車廂的理論擁擠程度系數(shù)生成針對各車廂的排隊建議信息，并發(fā)送至播放模塊。

播放模塊5，用于將排隊建議信息進行播放，以供乘客選擇合適的車廂進行排隊。

需要說明的是，本實施例中的檢測模塊1用于執(zhí)行上述實施例一中的步驟s1，第一預測模塊2用于執(zhí)行上述實施例一中的步驟s2，第二預測模塊3用于執(zhí)行上述實施例一中的步驟s3，生成模塊4用于執(zhí)行上述實施例一中的步驟s4，播放模塊5用于執(zhí)行上述實施例一中的步驟s5。對于各模塊的描述，可參見上述實施例一中相應步驟，此處不再贅述。

可選地，第一預測模塊2包括：

第一查詢單元201，用于從歷史數(shù)據(jù)庫中查詢出當天最近經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例。

第二查詢單元202，用于從歷史數(shù)據(jù)庫中查詢出位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的若干趟列車的各車廂的下車人數(shù)比例。

計算單元203，用于根據(jù)如下公式預測出即將進站的列車的各車廂的下車人數(shù)比例：

βi＝αi*βi'+(1-αi)*βi”

βi'＝(ci_1+ci_2+…+ci_n)/n

βi”＝(di_1+di_2+…+di_m)/m

其中，βi為即將進站的列車的第i節(jié)車廂的下車人數(shù)比例，αi為針對即將進站的列車的第i節(jié)車廂預先設置的平滑系數(shù)，ci_1、ci_2……ci_n為從歷史數(shù)據(jù)庫中查詢出當天最近經(jīng)過該地鐵站的n趟列車的第i節(jié)車廂的下車人數(shù)比例，di_1、di_2……di_m為從歷史數(shù)據(jù)庫中查詢出位于當前之前的天氣狀況與當前天氣狀況相同且在當前時間段經(jīng)過該地鐵站的m趟列車的第i節(jié)車廂的下車人數(shù)比例。

需要說明的是，本實施例中的第一查詢單元201用于執(zhí)行上述實施例一中的步驟s201，第二查詢單元202用于執(zhí)行上述實施例一中的步驟s202，計算單元203用于執(zhí)行上述實施例一中的步驟s203。對于各單元的描述，可參見上述實施例一中相應步驟，此處不再贅述。

可選地，第二預測模塊3具體采用如下公式預測出即將進站的列車到站且下車乘客完成下車后的車廂的理論擁擠程度系數(shù)：

yi＝y(tǒng)i'*(1-βi)

其中，yi為即將進站的列車到站且下車乘客完成下車后的第i節(jié)車廂的理論擁擠程度系數(shù)，yi'為檢測模塊獲取到的即將進站的列車第i節(jié)車廂內(nèi)的當前擁擠程度系數(shù)，βi為第一預測模塊預測出即將進站的列車的第i節(jié)車廂的下車人數(shù)比例。

可選地，檢測模塊1包括：

光源發(fā)射單元101，設置于車廂內(nèi)的頂部，用于向下發(fā)射檢測光線。

光源接收單元102，設置于車廂內(nèi)的底部，用于接收檢測光線；

處理單元103，用于根據(jù)光源接收單元接收到的檢測光線的光通量，計算車廂內(nèi)的當前擁擠程度系數(shù)。

可選地，處理單元103具體用于根據(jù)如下公式計算即將進站的列車的各車廂內(nèi)的當前擁擠程度系數(shù)：

其中，yi'為即將進站的列車第i節(jié)車廂內(nèi)的當前擁擠程度系數(shù)，li_0為通過預先實驗獲取到的即將進站的列車的第i車廂內(nèi)沒有乘客時光源接收單元接收到的檢測光線的光通量，為即將進站的列車的第i車廂內(nèi)的光源接收單元接收到s次檢測光線的光通量的平均值，li_k為即將進站的列車的第i車廂內(nèi)的光源接收單元第k次接收到檢測光線的光通量，1≤k≤s。

需要說明的是，本實施例中的光源發(fā)射單元101用于執(zhí)行上述實施例一中的步驟s101，光源接收單元102用于執(zhí)行上述實施例一中的步驟s102，處理單元103用于執(zhí)行上述實施例一中的步驟s103。對于各單元的描述，可參見上述實施例一中相應步驟，此處不再贅述。

本發(fā)明實施例二提供了一種地鐵站內(nèi)乘客排隊引導系統(tǒng)，本發(fā)明的技術方案通過結(jié)合各車廂的當前擁擠程度系數(shù)、天氣狀況、時間段、當天數(shù)據(jù)、歷史數(shù)據(jù)等因素，可有效、準確的對即將進站的列車到站且下車乘客完成下車后的各車廂內(nèi)的理論擁擠程度系數(shù)進行預測，并生成相應的排隊建議信息，以供乘客選擇合適的車廂排隊口進行排隊，以達到引導乘客排隊的目的。

可以理解的是，以上實施方式僅僅是為了說明本發(fā)明的原理而采用的示例性實施方式，然而本發(fā)明并不局限于此。對于本領域內(nèi)的普通技術人員而言，在不脫離本發(fā)明的精神和實質(zhì)的情況下，可以做出各種變型和改進，這些變型和改進也視為本發(fā)明的保護范圍。