一种基于客流量的公交车调配方法、系统、设备及介质与流程

1.本发明涉及一种公交车技术领域，尤其涉及一种基于客流量的公交车调配方法、系统、设备及介质。


背景技术：

2.目前的城市公交站中，大多由传统公交站亭及简易站牌形式组成，均未配备信息化设备。同时，公交站台所在区域，容易有大量候车人员聚集，特别是早晚高峰，容易造成拥挤的现象。而公交站台一般在机动车道与非机动车道之间，来往公交车辆与非机动车辆较多，再加上候车乘客数量大，存在很大的安全隐患。当站台人员拥挤时，交通监管部门无法实时获取站台拥挤信息，从而有效的对公交车进行指挥调度，疏散人群。


技术实现要素：

3.本发明的目的在于提供一种基于客流量的公交车调配方法、系统、设备及介质，结合预测算法和实时检测技术，能够有效地监控城市中不同公交站台繁忙程度，从而实现公交线路中公交车辆的高效调配，以解决上述现有问题的至少之一。
4.本发明提供了一种基于客流量的公交车调配方法，所述方法应用于数字公交运营管理系统，所述系统具体包括：公交站台模块，所述公交站台模块包括公交电子站牌、广告电子屏和第一监控单元；公交车载模块，所述公车车载模块包括车辆定位单元和第二监控单元；远程管理模块，所述远程管理模块包括客流统计单元、数据管理单元和公交到站预报单元，所述公交到站预报单元用于为即将到站的公交车内的乘客进行预报；所述方法具体包括：
5.为所述客流统计单元配置客流统计模型；
6.基于所述客流统计单元，根据所述第一监控单元确定第一公交站台集合的客流量；
7.基于所述车辆定位单元、所述客流统计单元和所述第二监控单元获取所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量；
8.根据所述第一公交站台集合的客流量和所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量，确定各个公交线路的客流量程度，然后对不同公交线路的公交车的车辆数进行调配。
9.进一步的，所述为所述客流统计单元配置客流统计模型，具体包括：
10.从所述数据管理单元获取分别通过所述第一监控单元和所述第二监控单元得到的第一训练样本集和第二训练样本集；
11.确定预训练完毕的神经网络模型，将所述第一训练样本集和所述第二训练样本集分别输入所述神经网络模型进行训练；
12.采用检测框标注所述第一训练样本集中和所述第二训练样本集中的每个图像的人体头部，获得第一目标检测模型和第二目标检测模型；
13.根据目标跟踪算法对所述第一目标检测模型和所述第二目标检测模型进行处理，生成客流统计模型，为所述客流统计单元配置所述客流统计模型。
14.更进一步的，所述检测框的标注方法满足(x，y，w，h，confidence)，所述confidence满足，其中，x、y、w和h分别表示所述检测框的中心位置的二维坐标、宽度和高度，表示检测框内是否包含人体头部，表示预测框和实际框之间的交集。
15.进一步的，所述根据所述第一公交站台集合的客流量和所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量，确定各个公交线路的客流量程度，然后对各个公交线路的公交车的车辆数进行调配，具体包括：
16.从所述数据管理单元获取第一公交站台的客流量；
17.从所述数据管理单元获取预设到站时间内到达所述第一公交站台的所有公交车的车辆数和客流量，并根据预设到站时间内到达所述第一公交站台的所有公交车的车辆数和客流量确定第一空闲乘客量；
18.根据客流量预测模型确定预设到站时间内到达所述第一公交站台的所有公交车的预测上下车客流量，并结合所述第一公交站台的客流量和所述第一空闲乘客量对各个公交线路的公交车的车辆数进行调配。
19.更进一步的，所述根据客流量预测模型确定预设到站时间内到达所述第一公交站台的所有公交车的预测上下车客流量，并结合所述第一公交站台的客流量和所述第一空闲乘客量对各个公交线路的公交车的车辆数进行调配，具体包括：
20.根据客流量预测模型确定第一预测上下车客流量和第二预测上下车客流量，所述第一预测上下车客流量为每个工作日内不同时间段每辆公交车在所述第一公交站台上下车的预测客流量，所述第二预测上下车客流量为每个节假日内不同时间段每辆公交车在所述第一公交站台上下车的预测客流量；
21.根据所述第一公交站台的客流量、所述第一空闲乘客量、所述第一预测上下车客流量和所述第二预测上下车客流量，判断预设到站时间内到达所述第一公交站台的所有公交车是否能处理所述第一公交站台的客流量，若判断为否，将所述第一公交站台确定为忙碌公交站台；
22.根据各个公交线路的所述忙碌公交站台的数量，对各个公交线路的公交车的车辆数进行实时调配。
23.更进一步的，所述根据客流量预测模型确定第一预测上下车客流量和第二预测上下车客流量，具体包括：
24.获取所述第一公交站台的历史客流量数据，根据日期因素划分所述历史客流量数据，获得第一历史客流量数据和第二历史客流量数据，所述第一历史客流量数据为所述第一公交站台在工作日期间的历史客流量数据，所述第二历史客流量数据为所述第一公交站台在节假日期间的历史客流量数据；
25.基于lstm神经网络训练所述第一历史客流量数据和所述第二历史客流量数据，获得客流量预测模型；
26.根据所述客流量预测模型确定第一预测上下车客流量和第二预测上下车客流量。
27.更进一步的，所述基于lstm神经网络训练所述第一历史客流量数据和所述第二历史客流量数据，获得客流量预测模型，具体包括：
28.根据所述第一历史客流量数据和所述第二历史客流量数据，利用差分法获得第一时间序列和第二时间序列；
29.设置lstm神经网络参数，将所述第一时间序列和所述第二时间序列分别作为所述lstm神经网络的输入数据，进行特征融合后输出第一预测客流量数据和第二预测客流量数据；
30.根据所述第一预测客流量数据和所述第二预测客流量数据分别与真实客流量数据之间的误差计算损失，采用误差反向传播算法，获得客流量预测模型。
31.本发明还提供了一种数字公交运营管理系统，所述系统被应用于权利要求1至7中任一项所述的方法，所述系统具体包括：
32.公交站台模块，所述公交站台模块包括公交电子站牌、广告电子屏和第一监控单元；
33.公交车载模块，所述公车车载模块包括车辆定位单元和第二监控单元；
34.远程管理模块，所述远程管理模块包括客流统计单元、数据管理单元和公交到站预报单元，所述公交到站预报单元用于为即将到站的公交车内的乘客进行预报。
35.本发明还提供了一种计算机设备，包括：存储器和处理器及存储在存储器上的计算机程序，当所述计算机程序在处理器上被执行时，实现如上述方法中任一项所述的基于客流量的公交车调配方法。
36.本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时实现如上述方法中任一项所述的基于客流量的公交车调配方法。
37.与现有技术相比，本发明具有以下技术效果的至少之一：
38.1、可以及时了解各站台的候车人数，便于及时调整线路班次，降低候车站台的候车人数量。
39.2、监管站台的安全，对于异常行为能够主动报警提示后端监控人员，及时关注并处理。
40.3、保证站台上候车乘客能够获取到实时准确的到站时间、距离等车辆信息，方便乘客规划出行，提升出行体验。
41.4、以电子屏广告投放模式取代原广告灯箱喷绘广告纸，一方面降低了力成本投入，只需要后端控制即可，另一方面广告也不需要以喷绘的方式更换，节约成本。
附图说明
42.是为了更清楚地说明本技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1是本发明实施例提供的一种基于客流量的公交车调配方法的流程示意图；
44.图2是本发明实施例提供的一种数字公交运营管理系统的结构示意图；
45.图3是本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
46.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
47.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
48.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
49.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0050]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0051]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0052]
目前的城市公交站中，大多由传统公交站亭及简易站牌形式组成，均未配备信息化设备。同时，公交站台所在区域，容易有大量候车人员聚集，特别是早晚高峰，容易造成拥挤的现象。而公交站台一般在机动车道与非机动车道之间，来往公交车辆与非机动车辆较多，再加上候车乘客数量大，存在很大的安全隐患。当站台人员拥挤时，交通监管部门无法实时获取站台拥挤信息，从而有效的对公交车进行指挥调度，疏散人群。
[0053]
参照图1，本发明实施例提供了一种基于客流量的公交车调配方法，所述方法应用于数字公交运营管理系统，所述系统具体包括：公交站台模块，所述公交站台模块包括公交电子站牌、广告电子屏和第一监控单元；公交车载模块，所述公车车载模块包括车辆定位单元和第二监控单元；远程管理模块，所述远程管理模块包括客流统计单元、数据管理单元和公交到站预报单元，所述公交到站预报单元用于为即将到站的公交车内的乘客进行预报；所述方法具体包括：
[0054]
s101：为所述客流统计单元配置客流统计模型。
[0055]
在一些实施例中，所述为所述客流统计单元配置客流统计模型，具体包括：
[0056]
从所述数据管理单元获取分别通过所述第一监控单元和所述第二监控单元得到的第一训练样本集和第二训练样本集；
[0057]
确定预训练完毕的神经网络模型，将所述第一训练样本集和所述第二训练样本集分别输入所述神经网络模型进行训练；
[0058]
采用检测框标注所述第一训练样本集中和所述第二训练样本集中的每个图像的人体头部，获得第一目标检测模型和第二目标检测模型；
[0059]
根据目标跟踪算法对所述第一目标检测模型和所述第二目标检测模型进行处理，生成客流统计模型，为所述客流统计单元配置所述客流统计模型。
[0060]
具体的，所述检测框的标注方法满足(x，y，w，h，confidence)，所述confidence满足其中，x、y、w和h分别表示所述检测框的中心位置的二维坐标、宽度和高度，pr(object)表示检测框内是否包含人体头部，表示预测框和实际框之间的交集。
[0061]
该实施例中，由于第一监控单元监控的是公交站台的场景、第二监控单元监控的是公交车内的场景，考虑到场景不同，将第一监控单元获取的监控数据和第二监控单元获取的监控数据分别作为第一训练样本集和第二训练样本集，且将人体头部作为标注部分。confidence代表对检测目标(即人体头部)的置信度，可以通过设置置信度阈值来排除置信度低的检测框，当pr(object)＝1时，表示检测框内包含人体头部，当pr(object)＝0时，表示检测框内不包含人体头部。同时考虑到检测目标在公交站台或公交车内是具有运动轨迹的，还需要匹配目标跟踪算法对检测目标的运动轨迹进行跟踪。结合目标检测模型和目标跟踪算法后生成客流统计模型，客流统计单元可以根据客流统计模型实时检测公交站台或公交车内的客流量。
[0062]
s102：基于所述客流统计单元，根据所述第一监控单元确定第一公交站台集合的客流量；
[0063]
基于所述车辆定位单元、所述客流统计单元和所述第二监控单元获取所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量；
[0064]
根据所述第一公交站台集合的客流量和所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量，确定各个公交线路的客流量程度，然后对不同公交线路的公交车的车辆数进行调配。
[0065]
在一些实施例中，所述根据所述第一公交站台集合的客流量和所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量，确定各个公交线路的客流量程度，然后对各个公交线路的公交车的车辆数进行调配，具体包括：
[0066]
从所述数据管理单元获取第一公交站台的客流量；
[0067]
从所述数据管理单元获取预设到站时间内到达所述第一公交站台的所有公交车的车辆数和客流量，并根据预设到站时间内到达所述第一公交站台的所有公交车的车辆数和客流量确定第一空闲乘客量；
[0068]
根据客流量预测模型确定预设到站时间内到达所述第一公交站台的所有公交车的预测上下车客流量，并结合所述第一公交站台的客流量和所述第一空闲乘客量对各个公交线路的公交车的车辆数进行调配。
[0069]
在一些实施例中，所述根据客流量预测模型确定预设到站时间内到达所述第一公交站台的所有公交车的预测上下车客流量，并结合所述第一公交站台的客流量和所述第一空闲乘客量对各个公交线路的公交车的车辆数进行调配，具体包括：
[0070]
根据客流量预测模型确定第一预测上下车客流量和第二预测上下车客流量，所述
第一预测上下车客流量为每个工作日内不同时间段每辆公交车在所述第一公交站台上下车的预测客流量，所述第二预测上下车客流量为每个节假日内不同时间段每辆公交车在所述第一公交站台上下车的预测客流量；
[0071]
根据所述第一公交站台的客流量、所述第一空闲乘客量、所述第一预测上下车客流量和所述第二预测上下车客流量，判断预设到站时间内到达所述第一公交站台的所有公交车是否能处理所述第一公交站台的客流量，若判断为否，将所述第一公交站台确定为忙碌公交站台；
[0072]
根据各个公交线路的所述忙碌公交站台的数量，对各个公交线路的公交车的车辆数进行实时调配。
[0073]
该实施例中，第一监控单元、第二监控单元和车辆定位单元获取的数据均上传至数据管理单元，车辆定位单元可以通过卫星技术获取车辆位置信息，预设到站时间例如可以定为15分钟，通过公交车速、堵车情况、天气情况等计算出15分钟内到站的公交车的车辆数和客流量。本实施例中的公交车不包括那些以涂鸦形式将公交线路信息绘在车内外壁上的传统公交车，而是采用电子屏形式显示公交线路信息的公交车，因为前者只能作为固定不变的公交线路的公交车，而后者则能在不同的公交线路中变换对应的公交线路信息。考虑到第一公交站台存在作为多个公交线路的站点的情况，因此需要结合各个时间段内到达第一公交站台的不同线路的公交车的上下车客流量，判断预设时间内到达第一公交站台的不同线路的公交车能否处理第一公交站台的客流量，由于不同线路的公交车上下车客流量是未知的，因此需要利用客流量预测模型预测一天的各个时间段内到达第一公交站台的不同线路的公交车的上下车客流量，同时还要结合公交车内的空闲乘客量该通过实时检测获得的因素，最后进行综合分析，确定哪个线路最繁忙、最需要暂时调配来新的公交车，哪个线路最空闲、暂时不需要多余的公交车，这样就能高效调配公交线路之间的公交车辆、最大化利用公交车的资源。
[0074]
在一些实施例中，所述根据客流量预测模型确定第一预测上下车客流量和第二预测上下车客流量，具体包括：
[0075]
获取所述第一公交站台的历史客流量数据，根据日期因素划分所述历史客流量数据，获得第一历史客流量数据和第二历史客流量数据，所述第一历史客流量数据为所述第一公交站台在工作日期间的历史客流量数据，所述第二历史客流量数据为所述第一公交站台在节假日期间的历史客流量数据；
[0076]
基于lstm神经网络训练所述第一历史客流量数据和所述第二历史客流量数据，获得客流量预测模型；
[0077]
根据所述客流量预测模型确定第一预测上下车客流量和第二预测上下车客流量。
[0078]
具体的，所述基于lstm神经网络训练所述第一历史客流量数据和所述第二历史客流量数据，获得客流量预测模型，具体包括：
[0079]
根据所述第一历史客流量数据和所述第二历史客流量数据，利用差分法获得第一时间序列和第二时间序列；
[0080]
设置lstm神经网络参数，将所述第一时间序列和所述第二时间序列分别作为所述lstm神经网络的输入数据，进行特征融合后输出第一预测客流量数据和第二预测客流量数据；
[0081]
根据所述第一预测客流量数据和所述第二预测客流量数据分别与真实客流量数据之间的误差计算损失，采用误差反向传播算法，获得客流量预测模型。
[0082]
该实施例中，考虑到工作日和节假日的客流量会有所差异，因此将历史客流量数据按照工作日和节假日来进行划分，其中，节假日包括周末假日和法定假日。将第一历史客流量数据和第二历史客流量数据中，每天首班到达所述第一公交站台和末班到达所述第一公交站台之间的时间划分为n个时间片段，标记每个时间片段内每个线路的公交车在第一公交站台上下车的客流量，获得原始时间序列，但由于原始时间序列是非平稳序列，为后续可以将时间序列作为训练集输入lstm神经网络进行训练，因此需要采用差分法将原始时间序列进行平稳化处理，获得第一时间序列和第二时间序列，第一时间序列为第一历史客流量数据经过差分法处理后所获得的时间序列，第二时间序列为第二历史客流量数据经过差分法处理后所获得的时间序列。将第一时间序列和第二时间序列放入lstm神经网络进行训练，获得可以预测客流量的初始模型。在得到可以预测客流量的初始模型后，通过初始模型输出第一预测客流量数据和第二预测客流量数据，第一预测客流量数据对应作为输入数据的第一时间序列，第二预测客流量数据对应作为输入数据的第二时间序列，然后还需确定预测客流量数据和真实客流量数据之间的误差，采用误差反向传播算法，修正lstm神经网络的各层的神经元的权值，获得客流量预测模型。接着，可以根据客流量预测模型预测预设到站时间内到达第一公交站台的各个线路的公交车的上下车客流量。在基于预测上下车客流量的基础上，再结合通过实时检测获得的第一公交站台的客流量和公交车上的空闲乘客量，即可确定预设到站时间内到达第一公交站台的各个线路的公交车能够处理该第一公交站台的客流量，并借此确定各个线路上的公交站台是否属于忙碌公交站台，并根据忙碌公交站台的数量来进一步判断各个线路的忙碌程度并进行公交车辆调配。
[0083]
参照图2，本发明实施例提供了一种数字公交运营管理系统2，所述系统2被应用于如上述方法中任一项所述的方法，所述系统2具体包括：公交站台模块201，所述公交站台模块包括公交电子站牌、广告电子屏和第一监控单元；公交车载模块202，所述公车车载模块包括车辆定位单元和第二监控单元；远程管理模块203，所述远程管理模块包括客流统计单元、数据管理单元和公交到站预报单元，所述公交到站预报单元用于为即将到站的公交车内的乘客进行预报。
[0084]
该实施例中，数字公交运营管理系统包括前端系统和中心系统，前端系统包括公交站台模块和公交车载模块，中心系统包括远程管理模块。通过前端设备采集相关数据信息(视频监控、站台客流预警等)，利用通讯网络把数据发送至中心系统，中心系统对前端数据进行整合、分析、处理和存储，同时对站台下发相关信息与指令，实现对站台的智慧管理。公交站台模块包括视频设备、电子站牌/智能候车亭、透明广告屏等产品，实现了站台的安全监测、线路信息发布与广告的投放，由中心系统进行统一的管理。前端系统与中心系统之间的网络，一般使用光纤，当个别的站点不具备网络基础时，可通过移动通讯4g/5g进行通讯，通过专有网络与现有客流平台，监管平台打通，实现数据通信及应用的互融互通。中心系统同时具备了视频监控、报警处置、广告运营、出行信息发布等多种功能，实现对站台的可视、可控、可用，包括基础的视频预览与回放，以及升级的智能ai报警，如站台人员密度报警等，帮助监管人员提升对站台的监管能力；实现车辆信息实时更新发布，为乘客提供精准的出行信息服务；实现广告的远程控制，也为企业的广告运营减少了人力物力的投入，整体
实现对站台的数字化建设。
[0085]
参照图3，本发明实施例还提供了一种计算机设备3，其特征在于，包括：存储器302和处理器301及存储在存储器302上的计算机程序303，当所述计算机程序303在处理器301上被执行时，实现如上述方法中任一项所述的基于客流量的公交车调配方法。
[0086]
所述计算机设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该计算机设备3可包括，但不仅限于，处理器301、存储器302。本领域技术人员可以理解，图3仅仅是计算机设备3的举例，并不构成对计算机设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0087]
所称处理器301可以是中央处理单元(central processing unit，cpu)，该处理器301还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0088]
所述存储器302在一些实施例中可以是所述计算机设备3的内部存储单元，例如计算机设备3的硬盘或内存。所述存储器302在另一些实施例中也可以是所述计算机设备3的外部存储设备，例如所述计算机设备3上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器302还可以既包括所述计算机设备3的内部存储单元也包括外部存储设备。所述存储器302用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
[0089]
本发明实施例还提供了一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器运行时，实现如上述方法中任一项所述的基于客流量的公交车调配方法。
[0090]
该实施例中，所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
[0091]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0092]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0093]
在本技术所公开的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0094]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

技术特征：
1.一种基于客流量的公交车调配方法，所述方法应用于数字公交运营管理系统，所述系统具体包括：公交站台模块，所述公交站台模块包括公交电子站牌、广告电子屏和第一监控单元；公交车载模块，所述公车车载模块包括车辆定位单元和第二监控单元；远程管理模块，所述远程管理模块包括客流统计单元、数据管理单元和公交到站预报单元，所述公交到站预报单元用于为即将到站的公交车内的乘客进行预报；其特征在于，所述方法具体包括：为所述客流统计单元配置客流统计模型；基于所述客流统计单元，根据所述第一监控单元确定第一公交站台集合的客流量；基于所述车辆定位单元、所述客流统计单元和所述第二监控单元获取所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量；根据所述第一公交站台集合的客流量和所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量，确定各个公交线路的客流量程度，然后对不同公交线路的公交车的车辆数进行调配。2.根据权利要求1所述的方法，其特征在于，所述为所述客流统计单元配置客流统计模型，具体包括：从所述数据管理单元获取分别通过所述第一监控单元和所述第二监控单元得到的第一训练样本集和第二训练样本集；确定预训练完毕的神经网络模型，将所述第一训练样本集和所述第二训练样本集分别输入所述神经网络模型进行训练；采用检测框标注所述第一训练样本集中和所述第二训练样本集中的每个图像的人体头部，获得第一目标检测模型和第二目标检测模型；根据目标跟踪算法对所述第一目标检测模型和所述第二目标检测模型进行处理，生成客流统计模型，为所述客流统计单元配置所述客流统计模型。3.根据权利要求2所述的方法，其特征在于，所述检测框的标注方法满足(x，y，w，h，confidence)，所述confidence满足其中，x、y、w和h分别表示所述检测框的中心位置的二维坐标、宽度和高度，pr(object)表示检测框内是否包含人体头部，表示预测框和实际框之间的交集。4.根据权利要求1所述的系统，其特征在于，所述根据所述第一公交站台集合的客流量和所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量，确定各个公交线路的客流量程度，然后对各个公交线路的公交车的车辆数进行调配，具体包括：从所述数据管理单元获取第一公交站台的客流量；从所述数据管理单元获取预设到站时间内到达所述第一公交站台的所有公交车的车辆数和客流量，并根据预设到站时间内到达所述第一公交站台的所有公交车的车辆数和客流量确定第一空闲乘客量；根据客流量预测模型确定预设到站时间内到达所述第一公交站台的所有公交车的预测上下车客流量，并结合所述第一公交站台的客流量和所述第一空闲乘客量对各个公交线路的公交车的车辆数进行调配。5.根据权利要求4所述的系统，其特征在于，所述根据客流量预测模型确定预设到站时
间内到达所述第一公交站台的所有公交车的预测上下车客流量，并结合所述第一公交站台的客流量和所述第一空闲乘客量对各个公交线路的公交车的车辆数进行调配，具体包括：根据客流量预测模型确定第一预测上下车客流量和第二预测上下车客流量，所述第一预测上下车客流量为每个工作日内不同时间段每辆公交车在所述第一公交站台上下车的预测客流量，所述第二预测上下车客流量为每个节假日内不同时间段每辆公交车在所述第一公交站台上下车的预测客流量；根据所述第一公交站台的客流量、所述第一空闲乘客量、所述第一预测上下车客流量和所述第二预测上下车客流量，判断预设到站时间内到达所述第一公交站台的所有公交车是否能处理所述第一公交站台的客流量，若判断为否，将所述第一公交站台确定为忙碌公交站台；根据各个公交线路的所述忙碌公交站台的数量，对各个公交线路的公交车的车辆数进行实时调配。6.根据权利要求5所述的系统，其特征在于，所述根据客流量预测模型确定第一预测上下车客流量和第二预测上下车客流量，具体包括：获取所述第一公交站台的历史客流量数据，根据日期因素划分所述历史客流量数据，获得第一历史客流量数据和第二历史客流量数据，所述第一历史客流量数据为所述第一公交站台在工作日期间的历史客流量数据，所述第二历史客流量数据为所述第一公交站台在节假日期间的历史客流量数据；基于lstm神经网络训练所述第一历史客流量数据和所述第二历史客流量数据，获得客流量预测模型；根据所述客流量预测模型确定第一预测上下车客流量和第二预测上下车客流量。7.根据权利要求6所述的系统，其特征在于，所述基于lstm神经网络训练所述第一历史客流量数据和所述第二历史客流量数据，获得客流量预测模型，具体包括：根据所述第一历史客流量数据和所述第二历史客流量数据，利用差分法获得第一时间序列和第二时间序列；设置lstm神经网络参数，将所述第一时间序列和所述第二时间序列分别作为所述lstm神经网络的输入数据，进行特征融合后输出第一预测客流量数据和第二预测客流量数据；根据所述第一预测客流量数据和所述第二预测客流量数据分别与真实客流量数据之间的误差计算损失，采用误差反向传播算法，获得客流量预测模型。8.一种数字公交运营管理系统，所述系统被应用于权利要求1至7中任一项所述的方法，其特征在于，所述系统具体包括：公交站台模块，所述公交站台模块包括公交电子站牌、广告电子屏和第一监控单元；公交车载模块，所述公车车载模块包括车辆定位单元和第二监控单元；远程管理模块，所述远程管理模块包括客流统计单元、数据管理单元和公交到站预报单元，所述公交到站预报单元用于为即将到站的公交车内的乘客进行预报。9.一种计算机设备，其特征在于，包括：存储器和处理器及存储在存储器上的计算机程序，当所述计算机程序在处理器上被执行时，实现如权利要求1至7中任一项所述的基于客流量的公交车调配方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序
被处理器运行时实现如权利要求1至7中任一项所述的基于客流量的公交车调配方法。

技术总结
本发明涉及一种公交车技术领域，尤其涉及一种基于客流量的公交车调配方法、系统、设备及介质，所述方法具体包括：基于所述客流统计单元，根据所述第一监控单元确定第一公交站台集合的客流量；基于所述车辆定位单元、所述客流统计单元和所述第二监控单元获取所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量；根据所述第一公交站台集合的客流量和所述第一公交站台集合中预设到站时间内到达每个第一公交站台的所有公交车的车辆数和客流量，然后对不同公交线路的公交车的车辆数进行调配。本发明能够有效地监控城市中不同公交站台繁忙程度，从而实现公交线路中公交车辆的高效调配。从而实现公交线路中公交车辆的高效调配。从而实现公交线路中公交车辆的高效调配。


技术研发人员：全韦明
受保护的技术使用者：广东宏志信息技术有限公司
技术研发日：2023.04.10
技术公布日：2023/7/18