买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:江苏阳光智慧城市科技有限公司
摘要:本发明公开了一种基于互联网的城市智能监测汇聚系统,包括客流变化数据模块、估计监测传输模块和预测数据汇聚模块,所述客流变化数据模块用于调用城市轨道交通数据监测系统实时记录监测的客流数据,所述估计监测传输模块用于根据客流和机理数据建立检测预估系统,所述预测数据汇聚模块用于根据汇聚预测客流规模数据和持续时间数据进行轨道交通管理运营预警,所述客流变化数据模块与智能监测传输模块电连接,所述智能监测传输模块与预测数据汇聚模块电连接,利用客流发生机理进行分类,建立检测‑报警‑预估系统,预测客流规模和持续时间,设定一定的异常累积阈值进行报警,本发明,具有多步预测和监测结果可视化汇聚的特点。
主权项:1.一种基于互联网的城市智能监测汇聚系统,包括客流变化数据模块、估计监测传输模块和预测数据汇聚模块,其特征在于:所述客流变化数据模块用于调用城市轨道交通数据监测系统实时记录监测的客流数据,所述估计监测传输模块用于根据客流和机理数据建立检测预估系统,所述预测数据汇聚模块用于根据汇聚预测客流规模数据和持续时间数据进行轨道交通管理运营预警,所述客流变化数据模块与智能监测传输模块电连接,所述智能监测传输模块与预测数据汇聚模块电连接;所述客流变化数据模块包括交通数据监测模块、特性要素模块和异常累积阈值设定模块,所述交通数据监测模块用于选定出行轨道交通调用记录的交通数据,所述特性要素模块用于从大客流机理和数据层面分析对应的形成机理,所述异常累积阈值设定模块用于设定异常客流阈值用以判断预警,所述交通数据监测模块与特性要素模块电连接,所述特性要素模块与异常累积阈值设定模块电连接;所述特性要素模块包括机理要素子模块和数据要素子模块,所述机理要素子模块用于利用客流生成机理划分常规客流和突发大客流,所述数据要素子模块是以获取的阶段数据进行监测预警阶段变量的输入,所述机理要素子模块与数据要素子模块电连接;所述估计监测传输模块包括指标建立模块、大客流特性分析模块、突发客流估计模块和估计分类传输模块,所述指标建立模块用于建立针对突发大客流估计的监测指标,所述大客流特性分析模块用于针对突发大客流估计进行的特征分析,所述突发客流估计模块用以结合时段客流估计对突发进站客流进行估计预测,所述估计分类传输模块用以根据突发客流进站的组成因素分为二类客流估计并进行数据汇集传输,所述指标建立模块与大客流特性分析模块电连接,所述大客流特性分析模块与突发客流估计模块、估计分类传输模块电连接;所述突发客流估计模块包括时段估计子模块和客流估计子模块,所述时段估计子模块用于对突发客流的发生时段进行估计,所述客流估计子模块用于对突发客流的不同特征进行分类估计,所述时段估计子模块和客流估计子模块电连接;所述预测数据汇聚模块包括客流规模预测模块、持续时间预测模块和输出报警模块,所述客流规模预测模块用于接收针对客流估计分类的预测数据并进行呈现,所述持续时间预测模块用于汇集计算出的异常时刻和预警时刻,所述输出报警模块用于对异常点数累计值超过设定的报警阈值时进行数据输出提醒和报警,所述客流规模预测模块与持续时间预测模块电连接,所述持续时间预测模块与输出报警模块电连接;基于互联网的城市智能监测汇聚系统的客流变化数据分析运行方法,包括以下步骤:步骤S1:利用客流生成机理和个体出行特征,对客流数据进行常规大客流和突发大客流划分;步骤S2:利用时间和空间特征,对不同出站客流的客流数据特征进行分布计算,采用熵作为指标描述车站客流状态;步骤S3:确定突发客流估计预测阶段的输入变量,设定异常累积阈值;所述步骤S1进一步包括以下步骤:步骤S11:对出行个体Q在T时段处于S轨道交通车站内,定义两车站x和y的时间费用为Mx,y,以车站S为出行起点,T时段的进站客流为Ns,t;步骤S12:根据出行者的出行目的和出行时段的差异,到达目的车站a、b、c的出站客流分别为Ns,a+Ms,a、Ns,b+Ms,b、Ns,c+Ms,c,通过多个车站的叠加,形成a、b、c出站客流Ns,a、Ns,b、Ns,c规模、时段的不同;所述步骤S2中,对于站点y,采用熵Eyt作为指标描述该车站客流状态,熵Eyt的计算公式为:Eyt=-∑sxyt*lnsxyt式中,sxyt为起点车站x,终点为y的组织客流量占终点为y的所有客流量的比值,为一个概率分布函数,当异常客流发生时,突发客流点的熵值会处于一个异常状态;基于互联网的城市智能监测汇聚系统的估计监测传输运行方法,包括以下步骤:步骤A:建立时间序列异常检测指标和预测指标;步骤B:针对历史客流数据呈现的周期特征,使用时间序列分解和异常检测进行异常时段的预测统计;步骤C:建立基于累计异常次数的报警框架,通过对连续异常点的统计并建立阈值,确定系统报警的时刻与异常时段;步骤D:根据异常和预警时刻,对突发客流和客流时刻进行估计,并将估计数据分类进行汇聚传输;所述步骤B进一步包括以下步骤:步骤B1:针对客流呈现的周期特征,设置Et为系统在t时段的状态,检测模型输入连续的数据流为:.....Et-2,Et-1,Et,Et+1,Et+2....;步骤B2:给定HTM网络中的输入nt,定义向量为当前输入值的稀疏二进制表示,状态向量表示对下一时段输入的预测,即对nt的预测;步骤B3:根据和两向量计算出原始异常分数Ht,计算异常似然值Lt,经过阈值化处理后确定nt是否为异常;步骤B4:通过对客流数据的实时异常检测统计,确定异常时段和报警时刻,当连续的异常点数累计值超过设定的报警阈值时,系统进行报警;所述步骤C进一步包括以下步骤:步骤C1:定义检测出的异常开始时刻为tk,终止时刻为tz,通过对历史突发客流数据的处理,得出个体出行刷卡的时间差区间为[tc1,tc2];步骤C2:异常时段[tk,tz]内的出站客流最大值时段记为tmax,预测时段定义为[tmax+tc1,tmax+tc2];步骤C3:根据异常检测模型计算得出额外的出站客流,通过历史刷卡数据得到该站预测时段和分布函数,建立多步预测模型实现对第一类常规客流的预测;步骤C4:根据分布函数计算额外出站客流的分配结果,以及根据估计的第二类客流结合实时的常规客流预测额外客流分配得出最终突发进站客流。
全文数据:
权利要求:
百度查询: 江苏阳光智慧城市科技有限公司 一种基于互联网的城市智能监测汇聚系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。