客流调查分析统计报告

1、客流调查分析统计报告篇一：客流统计数字图像处理实验报告姓名学院班级完成日期实验题目客流统计王文纲1214410623光电学院电信(三)班2015.6.9算法分析：注意到原图像的对比度普遍不足，因此先对各帧图像进行非线性灰度变换，即利用imadjust函数。其基本调用形式如下：J=imadjust(I,low_inhigh_in,low_outhigh_out,gamma)其中J为做灰度非线性变换后的图像；I为被调用的原图像；low_inhigh_in归一化灰度分布范围；gamm参数小于1时，变换后的图像更亮些，反之则更为原图像的归一化灰度分布范围；low_outhigh_out为进行灰度变换后

2、的图像的暗些。图像增强之后，下一步就要进行图像分割，以便获得图像中各元素的形状特征，方便作后期处理。在Matlab中，函数edge()用于灰度图像边缘的提取，我们采用edge()函数的canny算法，用法如下：BW=edge(I,canny)指定canny边缘提取方法BW=edge(I,canny,thresh)指定具有阈值thresh的canny方法，即强度小于阈值的边缘被省略掉了，缺省时自动选取阈值BW=edge(I,canny,thresh,sigma)sigma是Laplacian-Gaussian函数的标准偏差BW,threshold=edge(I,canny,)返回canny算法的

3、阈值图像分割之后，就要进行背景图像的获取。我们采用将连续的15帧图像累加求平均来获得背景。图像累加的算法为：suml=suml+double(Ai);求平均的算法为：suml=suml/16;之后采用图像差分法对各帧图像进行前景检测，其目的是把运动的对象从背景中分离出来，图像差分的算法为：h=imsubtract(f,g);imshow(h);如果需要对被提取的图像作进一步处理，可以采用膨胀的方法，其主要目的是消除图像中无关的信息，恢复有用的真实信息，膨胀的基本算法为：A1=imread(Ai.jpg);B=010111010;A2=imdilate(A1,B)；A3=imdilate(A2,

4、B);A4=imdilate(A3,B);imshow(A4);其中A2、A3、A4分别是对原图像进行了一次膨胀，两次膨胀，三次膨胀后生成的图像。程序代码：对各帧图像进行非线性灰度变换的代码如下：clc;I=imread(Ai.jpg);J=imadjust(I,0.30.7,01,1);%将I图像的归一化灰度分布范围从0.3-0.7扩展至U0-1,gammOt为1figure;imshow(J);对各帧图像进行边缘提取的代码如下：I=imread(Ai.jpg);figure;imshow(I);I=rgb2gray(I);BW=edge(I,canny);figure;imshow(BW)

5、;对各帧图像进行求和取平均的算法已经在前文中给出，此处不再赘述。对各帧图像进行前景检测的代码如下：f=imread(Ai.jpg);g=imread(ave.jpg);Ip=imsubtract（f,g）;imshow（Ip）;对各帧图像进行膨胀的代码在算法中已经给出，此处不再赘述。实验结果：对各帧图像进行非线性灰度变换后的结果如下：对各帧图像进行边缘检测后的结果如下对各帧图像进行累加求平均获得的背景图像如下：对各帧图像进行前景检测后的结果如下：篇二：客流调查分析报告东圃站BaB7线客流调查报告二巴二分公司邱模12月12-18日，我单位组织人员对东圃站B3、B7线进行了为期一周（工作日）的驻点

6、客流调查，现将部分调查情况（周四至下周二）报告如下：一、调查安排为保障本次调查的真实有效性，我单位对本次调查做了认真、充分的准备：一是由部门专人带队，安排了比较固定的、充足的调查人员，采取了一人盯一卡位、守候式调查的模式，提高调查数据的真实率；二是制定了本次调查专用的客流调查表格，对调查及取数口径进行了统一的培训，实现标准化度量，提高调查结果核对的准确率，具体安排如表1、表2示。表1：调查人员安排表：表二2：东圃站专项客流调查表二、调查方法及统计口径（一）调查方式：驻点客流调查。（二）统计口径:1、统计时段范围：7：01-8：30时，首班按发班时间统计，尾班统计按入位时间统计。2、所有统计时间

7、均为北京时间，座位数取实际，核载人数均按95人（12米大巴车型）计。3、入位时间：以车辆开门上客时间为准；发班时间：以车门关闭停止上客为准；留站人数：以车辆停止上客后的现场即时客流人数为准；现场车辆台数：为留站车辆数，即车辆发车后的即时剩余车数。4、数据计算公式：满载率=上车人数+核载人数X100%平均发班间隔=每班车发班间隔合计+发班班次；平均上客时长=每班车上客时间合计+发班班次；平均现场车辆台数=每班次后留站车辆数合计+发班班次。三、BaB7线基本情况介绍B3线配车67台，其中12米车42台，11.2米车25台，在7：01-8:30时段分为快线和慢线（短线）共计2个发班卡位；B7线配车4

8、8台，均为12米车型，分为B7快线和B7慢线。根据现场客流调查显示，因都为大巴车型，本次调查线路每班车上客情况与车长关联不大，为合理比较总站发班客流核载情况，核载人数均按95人（12米大巴车型）计。四、具体客流调查情况（一）B3线驻点客流调查情况1、B3慢线（短线）调查分析（1）基本发班情况：B3慢线（短线）日均发班12.75班，日均运载乘客981.25人次，平均发班间隔7分40秒，平均上客时间4分27秒，平均每班次载运76.96人次，满载率81.01%，现场平均留站车数为2.72台，具体见表3。表3:B3慢线（短线）7:01-8:30时基本发班情况表(2)客流匹配情况：根据现场调查显示，B3

9、慢线(短线)现场留站人数呈现“”型变化，在7:40-8:10分时段进入候乘高峰,然后进入降峰阶段，至8：21-30时时段再次出现候乘小高峰，其中8：21-30时段小高峰主要系B3快线停止运营时过渡乘客所引起的，线路真正的候乘高峰为7：40-8：10时，具体见表4。表4:B3慢线7:01-8:30分留站人数变化情况图由表5:B3慢线7:01-8:30分满载率变化情况图根据表5数据，B3慢线(短线)在7:30时段后开始处于满载负荷状态(满载率超90%，下同)下运行，结合表4现场滞留旅客情况变化图分析：B3慢线在7:30时段前车容量有富余，在7:408：00时段逐渐出现运能不匹配，后在8：10-8：

10、30时段运能逐渐超过客流变化，整个7：01-8：30时时段不匹配时间有限。2、B3快线客流情况分析(1)基本发班情况：B3快线日均发班11.5班，日均运载乘客859.25人次，平均发班间隔7分49秒，平均上客时间4分36秒，平均每班次载运74.72人次，满载率78.65%，现场平均留站车数为2.23台，具体见表6示。表6:B3快线7:01-8:30时基本发班情况表(2)客流匹配情况：根据现场调查显示，B3快线现场留站人数呈现；型变化，在7:10-8:20分时段留站人数超40人，持续进入候乘高峰，直至B3快线停止运营，具体见表7示。表7:B3快线7:01-8:30分留站人数变化情况图表8:B3快

11、线7:01-8:30分满载率变化情况图篇三：客流统计分析系统目录一方案概述4（1）（2）（3）（4）（五）客流统计应用环境4客流在购物中心的作用4客流核心指标5客流辅助指标6如何选择客流系统6二技术原理与技术参数10（一）NECg流统计产品介绍101.1 系统概述101.2 技术领先优势101.3 无可比拟的优势性一一24H高精度！11（二）SmartCount客流统计系统技术规格说明112.1 系统组成112.2 客流一体机VC-1010122.3 系统技术参数122.4 一体机安装方式132.5 系统连接图.142.6 与其它产品的对比14（三）SmartCount后台报表系统153.1

12、报表功能列表163.2 报表架构设计173.3 报表展现内容173.4 报表样式列举（详见附件1）18三后台功能介绍20（一）统一拓扑21（3）（4）4.14.24.3（五）（八）（九）实时视频查看与调试22用户管理与角色权限22修改个人信息22表23组23护24置25理28份29态监控30介绍30管理员列添加管理员密码维系统设报警管数据备设备状四客流分析应用（1）（2）（3）（四）掌握购物中心客流规律31定量把握营销活动的效查32营销促销效果32租户管理33五七所需的软硬件环境34项目方案设计原则34系统开发、集成与实施、部署42（一）（二）（三）（四）（五）（六）系统开发、设计42管理机构

13、、主要管理人员42施45试48根据具体时间推移）53验收54及售后服务54施工组织设计及项目系统工程实设备安装、调项目实施进度计划 （可系统八培训（一）（二）（三）售后服务内容总体说54售后服务网络及流程54售后服务标准56（五）（六）售后服务规范59培训62九十质量管理体系64类似工程实施经验67（一）（二）（三）（四）国内部分案例清单67上海来福士客流统计测试报告68北京地铁客流统计测试报告69全球客流案例71附件1：报表介绍75附件2：OPTION177一方案概述当今IT技术以及大数据技术的应用，正在推动零售行业发生剧烈的变化。电商、社交媒体工具的兴起，使得曾经繁华的商场、百货大楼，等人

14、们购物和社交的重要场所变得门可罗雀，甚至很多实体店面已经沦落为电商的展厅惨淡经营。所谓的“一铺养三代”变为过去，精细化营销及数据分析已经是作为实体店面不可或缺的手段。作为商业设施的经营数据分析，主要是基于PO繇统的销售数据、库存管理的商品数据以及CRM系统的客流数据这三方面的数据。随着数据分析的深入，客流数据已经不能仅仅是会员以及成交客人的数据，所有来店人员的数量以及来店人员的属性（性别、年龄）也纳入了分析的范围，从而也带动了客流数据采集技术及产品的需求。（一）客流统计应用环境如何把握人数=实施对流动路线的控制利用既有资料，参加到宣传、环境改善相关的咨询市场中来，以解决客流统计问题这一事业为基

15、础，发展流动路线控制，市场营销等咨询事业。（二）客流在购物中心的作用对于商业设施，以前的经营分析都是基于销售数据的分析，但是销售额是每一位来店顾客所创造的，所以在分析销售额的之前，针对来店顾客的分析是必不可少的。在入口安装传感器，取得来店人数。通过累计的历史数据,直观反映出该商业设施的集客能力.分析环境对来店客人的影响天气、季节、节假日、大型社会活动（奥林匹克、国际音乐节等等）实施宣传活动效果评估比较PO勰得的购物客流量与来店客流量，并据此考虑宣传对策。“前来购物，却空手而归”=讨论进行怎样的宣传才能使顾客有购买欲来店客人本来就很少=讨论怎样提高知名度，如何吸引客人来店作为购物中心，来店者很多

16、，所以要讨论建立怎样的休息场所讨论如何延长客人在店内停留的时间将天气、温度与来店客流量、销售的商品等联系起来，使“陈列应时、应季产品”成为可能。知晓客人的流动路线，掌握客人常去的场所、店铺消灭商场内死角：在“人迹罕至”的场所进行“猜谜游戏”、“印章收集角”、特价促销等活动。依据客流量重新设定店铺的租金购物中心的所有人导入系统，将客流量的信息资料贩售给各店铺的承租人。=在招揽承租人方面进行活用or店铺承租人在宣传中活用与人脸认证相结合提供VIP认证、来客属性分析在提高待客服务、顾客情报等环节提供VIP服务导入与来店次数相关联的积分系统连入电子看板，使之自动显示“XX先生/女士欢迎莅临本店。（哪个服务员）恭候您的到来”或者安排专门客户经理接待客户。缓和在POSM前等待的队列=有效地整理队列，使每条队伍长度趋向一致，从而提高效率分析客人经常聚集的场所及购物清单