CN116051344B 基于安防监控视频的机场出租车运力流的检测分析方法 （北京城建设计发展集团股份有限公司）

US2022092442A1,2022.03.24基于安防监控视频的机场出租车运力流的一种基于安防监控视频的机场出租车运力车运力流到达率预测；步骤6：乘客排队时间预供更好更合适的客流需求、运力供给的实时感2达的乘客及车辆，需要根据上一时段采集到的到达率2":)和相同特征日乘客到达率的步骤5：出租车运力流到达率预测，由步骤3得r'时段机场出租车车辆到达率为行预测；到道路拥堵状态的影响，当产生拥堵时tC将提高至当拥堵消散后tC将逐渐从降至f,f和f可通过观测统计获取，采用双阈值M/M/1排队模型对该排队系统进行建模并确定出32.如权利要求1所述的基于安防监控视频的机场出租车运力流的检测分析方法，其特r'),具体流程为：3.如权利要求1所述的基于安防监控视频的机场出租车运力流的检测分析方法，其特4.如权利要求1所述的基于安防监控视频的机场出租车运力流的检测分析方法，其特5.如权利要求4所述的基于安防监控视频的机场出租车运力流的检测分析方法，其特①根据i_1时段获取的客流到达率构建ARMA模型，对i时刻客流到达率进行预测(如公②对噪声协方差矩阵P(i)进行估计(如公式2)，式中状4i')即为i时段客流到达率的最终预测值。6.如权利要求4所述的基于安防监控视频的机场出租车运力流的检测分析方法，其特7.如权利要求6所述的基于安防监控视频的机场出租车运力流的检测分析方法，其特①根据i_1时段获取的车辆到达率构建ARMA模型，对i时刻车辆到达率进行预测(如公③对卡尔曼增益K(i)进行更新(如公式3’)，式中量测矩阵④以预测日历史相同特征日同一时段车辆到达率均值作为观测数据(如公式8.如权利要求1所述的基于安防监控视频的机场出租车运力流的检测分析方法，其特车辆排队系统服务率存在拥堵状态下的和非拥堵状态下的两种状态，5在获取步骤5出租车运力流到达率预测值n')9.如权利要求8所述的基于安防监控视频的机场出租车运力流的检测分析方法，其特6[0005]在申请号为201410038974.9的中国发明专利中公开了一种机场接续运输动态匹[0006]在申请号为201410817069.3的中国发明专利中公开了一种机场出租车供需状态[0007]在申请号为201811568700.5的中国发明专利中公开了一种机场智能出租车调度[0008]在申请号为202210052861.9的中国发明专利中公开了一种基于图像识别的客运7[0010]本发明的目的在于提供一种基于安防监控视频的机场出租车运力流的检测分析[0012]步骤1：进行预测时段划分，将1天24小时以半小时为单位划分为48个时段：达的乘客及车辆，需要根据上一时段采集到的到达率2"c:)和相同特征日乘客到达率[0016]步骤5：出租车运力流到达率预测，由步骤3得时段机场出租车车辆到达率为时段采集到的到达率和相同特征日车辆到达率的历史数据，对当前时段到达率8此可得乘客排队系统的服务率为在步骤4得到客流到达率xc的基础上，根据排tC会受到道路拥堵状态的影响，当产生拥堵时tC将提高至f,当拥堵消散后tC将逐渐从降至f,和f可通过观测统计获取，采用双阈值M/M/1排队模型对该排队系统进行建模并确[0024]步骤2.3：对被识别和标注[0033]①根据i_1时段获取的客流到达率构建ARMA模型，对i时刻客流到达率进行预测9[0040]④以预测日历史相同特征日同一时段客流到达率均值作为观测数据(如公[0046]①根据i_1时段获取的车辆到达率构建ARMA模型，对i时刻车辆到达率进行预测))[0053]④以预测日历史相同特征日同一时段车辆到达率均值z(')作为观测数据(如公n')8和公式9[0079]3、针对当前机场出租车运力流分析技术采用基础排队论模型难以刻画车道拥堵[0082]图1显示了本发明的基于安防监控视频的机场出租车运力流的检测分析方法的示进行预测。为保障预测的时间粒度足够精细，将1天24小时以半小时为单位划分为48个时'=",表示普通工作日0:00至0:30时段。之所以区分[0092]步骤2.3：对被识别和标注别识别各时段进入蓄车场的累计出租车数量其中r'为时段序号。[0101]步骤4：乘客流到达率预测，由步骤2可得时段机场出租车乘客到达率为到达的乘客及车辆，需要根据上一时段采集到的到达率和相同特征日乘客到达变趋势有更好的分析建模能力，因此将两种模型组合运用可以充分发挥不同模型的优点，[0103]①根据i_1时段获取的客流到达率构建ARMA模型，对i时刻客流到达率进行预测[0110]④以预测日历史相同特征日同一时段客流到达率均值作为观测数据(如公的最终预测值r'):预测，公式(4)所得到的i(f)即为i时段客流到达率的最终预测值。上一时段采集到的到达率和相同特征日车辆到达率的历史数据，对当前时段到[0116]①根据i_1时段获取的车辆到达率构建ARMA模型，对i时刻车辆到达率进行预测))[0123]④以预测日历史相同特征日同一时段车辆到达率均值作为观测数)i(f)即为i时段车辆到达率的最终预测值。[0129]根据M/M/1排队模型Little定理，在获取步骤4客流到达率预测值i(t'至f,和f可通过观测统计获取。为了刻画这一现象，本发明采用双阈值M/M/1排队模型8和公式9[0153]3