[0056] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0057] 请参阅图1‑4,本发明提供技术方案:一种基于物联网的智能公交监测管理系统,包括:车门监测模块、限速调整模块、到站时间预估模块及到站时间调整模块,[0058] 所述车门监测模块,根据站台内的传感器发射信号及车内图像采集传感器采集的数据对车辆车门的开启与关闭进行限制;
[0059] 所述限速调整模块,通过采集车辆第一单位时间内从两边驶过的车辆数量及本车辆第二单位时间踩刹车的状况计算出周边车辆密集度,通过车内图像采集传感器采集的数据计算老弱病残孕的人数占比,根据该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,将限制车速与当前路段的限制车速进行对比,较小的值为该车当前的实际限制车速;
[0060] 所述到站时间预估模块,用于判断在当前实际限制车速下的实际车速,用车辆到站的剩余距离除以实际车速,进而得到车辆到站的预估时间;
[0061] 所述到站时间调整模块,用于对车辆到站的预估时间与规定时间进行比较,若误差超过规定范围,则需对车辆到站时间进行校准,调整车辆的实际限制车速。
[0062] 本发明通过各模块相互协调配合,共同实现对车门的监控及对车辆限速的调整,车门监测模块通过接受站台内发射的传感器信号及车内的图像采集传感器采集数据,确保正常情况下,车辆只有在车站内才能进行车门开启与关闭的操作,当车量驶出站台时,则无法进行车门开启的操作,确保乘客们的人身安全,但是特殊情况下,如车内有打架斗殴的情况或者发生车祸,车内情况被图像采集传感器采集并分析出来后,则可以随时进行车门开启与关闭的操作;限速调整模块先从该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,并将限制车速与路段限速进行对比,选取较小值作为实际限制车速,通过该方式能够根据车辆周围环境及自身的实际情况实时对车辆的行驶速度进行限制,确保车辆行驶安全;到站时间预估模块对车辆到站时间进行预估,到站时间调整模块通过计算车辆到站的预估时间与规定时间之间的误差,进而对车辆的实际限制车速进行调整,达到对车辆到站时间校准的目的。
[0063] 一种基于物联网的智能公交监测管理方法,具体步骤如下:
[0064] S1、在车门监测模块中,根据站台内的传感器发射信号及车内图像采集传感器采集的数据对车辆车门的开启与关闭进行限制;
[0065] S2、在限速调整模块中,通过采集车辆第一单位时间内从两边驶过的车辆数量及本车辆第二单位时间踩刹车的状况计算出周边车辆密集度,通过车内图像采集传感器采集的数据计算老弱病残孕的人数占比,根据该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,将限制车速与当前路段的限制车速进行对比,较小的值为该车当前的实际限制车速v1;
[0066] S3、通过到站时间预估模块,判断在当前实际限制车速下的实际车速,用车辆到站的剩余距离除以实际车速,进而得到车辆到站的预估时间;
[0067] S4、在到站时间调整模块中,对车辆到站的预估时间与规定时间进行比较,若误差超过规定范围,则需对车辆到站时间进行校准,调整车辆的实际限制车速。
[0068] 所述车门监测模块对车辆车门进行限制过程中,
[0069] 当车辆接收到站台内传感器发射的信号,即可控制车门的开启与关闭,[0070] 当车辆未接收到站台内传感器发射的信号,则无法控制车门的开启,[0071] 当车内的图像采集传感器采集到发生意外情况时,则可控制车门的开启与关闭。
[0072] 本发明通过判断是否收到站台内传感器发射的信号,来判断是否具备控制车门开启的权限,当车辆不在站台内时,无法接收到站台内传感器发射的信号,进而限制车门开启,但是当车内的图像采集传感器判断出发生意外时,则重新赋予车辆可以开启车门的权限,避免发生意外时,乘客无法正常逃脱。
[0073] 所述判断车内图像采集传感器采集的画面中发生意外情况包的方法如下:
[0074] 每隔3秒截取一次画面图像,分析图像中人物的动作、状态,所述人物的动作、状态包括:争吵、打架、摔倒,进一步截取图像中人物的特殊动作、状态,对截图中人物的骨骼特征点进行标注,然后与第一对比数据库中的对比图像进行匹配,通过等比例缩放的方式调整截图大小,将截图中人物的眉心、下巴两点与对比图像的相同位置进行重合,并以眉心为原点,从眉心到下巴的方向为y轴负方向,与眉心、下巴所在直线垂直且偏向右眼的方向为x轴建立同一平面直角坐标系,计算两图像相同骨骼点之间的误差,最后将误差之和与阈值进行比较,小于阈值,则判定该截图中人物动作或状态与对比图像相符。
[0075] 本发明定期截取画面中的图像,并分析图像中人物的动作及状态,建立同一直角坐标系,对图像中人物与对比图像中人物同一骨骼点进行误差求和,将误差进行数据化,误差之和越小,则图像中人物的动作及状态与对比图像中人物的动作及状态越相符,当误差之和小于阈值时,则判定该截图中人物动作或状态与对比图像相符。
[0076] 所述限速调整模块中,采集车辆第一单位时间内从两边驶过车辆数量的具体方法为:在当前车速下,将第一单位时间内超过本车的车辆数记为负数a1,将第一单位时间内本车超过的车辆数记为正数a2,每个第一单位时间结束后,对该第一单位时间内超过本车的车辆数与本车超过的车辆数相加,即a1+a2,
[0077] 所述每个第一单位时间内超过本车与本车超过的同一车辆分别智能记录一次。
[0078] 本发明限速调整模块中在采集车辆单位时间内从两边驶过车辆数量时,同时采集第一单位时间内超过本车的车辆数a1及本车超过的车辆数记为正数a2,若a1+a2之和为正数,基于该因素,则需对车辆限速进行减小,若a1+a2之和为负数,基于该因素,则需对车辆限速进行增大;每个第一单位时间内超过本车与本车超过的同一车辆分别智能记录一次,是为了降低同一车辆对采集车辆单位时间内从两边驶过车辆数量时的影响,避免多次采集同一车辆时出现误差,进而对限速调整的结果造成偏差。
[0079] 本实施例中若在在当前车速下、第一单位时间内,超过本车的车辆数为3辆,则a1的值为‑3,本车超过的车辆数为2辆,则a2的值为2,a1+a2之和为‑1,基于该因素,则需对车辆限速进行增大。
[0080] 所述限速调整模块中,第二单位时间踩刹车的状况包括:踩刹车的次数n、踩刹车的高度h及踩刹车的时间t,所述第n次踩刹车时踩刹车的高度h与踩刹车的时间t的关系为hn=f(tn),然后将踩刹车的次数n、踩刹车的高度h及踩刹车的时间t代入计算公式进行微积求和,即第二单位时间踩刹车的状况 进而求取周边车辆的密集度m0=(a1+a2)×b,即
[0081] 本发明考虑到每次踩刹车的时间及踩刹车过程中不同时间段踩的程度不同,最终的刹车效果也不相同,而踩刹车的程度可由踩刹车的高度体现,因此需对第二单位时间内每次踩刹车的高度进行微积分,先计算出第二单位时间内每次踩刹车的状况,然后再对第二单位时间内每次踩刹车的状况进行累加求和,进而求得第二单位时间踩刹车的状况b,最后综合第二单位时间踩刹车的状况与车辆第一单位时间内从两边驶过车辆数量这两个因素,判断周边车辆的密集度m0,m0的绝对值越大,则对车辆限速的调控越大,若m0的值为负数,则需对车辆限速进行增大。
[0082] 本实施例中若第二单位时间内踩了两次刹车,
[0083] 第一次踩刹车时踩刹车的高度h与踩刹车的时间t的关系为h1=t,时间为2秒;
[0084] 第2次踩刹车时踩刹车的高度h与踩刹车的时间t的关系为h1=2t,时间为1秒;
[0085] 则第二单位时间踩刹车的状况 即:
[0086]
[0087] 所述车内图像采集传感器采集的数据计算老弱病残孕的人数占比的方法为:
[0088] 每隔3秒截取一次画面图像,根据图像计算车内的人物总数b0,进一步对图像中各人物的形象特征进行筛选,包括:通过图像中人物高度与车内空间高度的比值计算人物身高、抓取图像中人物的头发与第二对比数据库颜色色度进行比对得到人物头发颜色、通过计算人物腹部突出肩部所在垂线的距离得到人物的腹部形状、通过将人物携带物品与第二对比数据库比对判断人物是否携带医用器具,根据图像中人物身高判断人物是否为小孩,根据图像中人物头发颜色判断人物是否为老人、根据图像中人物的腹部形状判断人物是否为孕妇、根据图像中人物是否携带医用器具判断人物是否为病人或残疾人,然后统计车内的老弱病残孕的人数b1,计算车内的老弱病残孕的人数b1占车内总人数b0的比值 即得到老弱病残孕的人数占比
[0089] 本发明对车内图像采集传感器采集的数据还可以进一步处理,通过画面图像中的人物特征,判断出车内老弱病残孕的人数b1占车内总人数b0的比值,在对车辆限速的调整过程中,老弱病残孕的人数占比越大,为确保老弱病残孕的人身安全,则需越大程度的降低车辆的限速,避免因车速过快时及刹车导致老弱病残孕手上,甚至造成生命危险。
[0090] 所述限制车速的求取需要综合考虑当前车辆的实际车速v0、周边车辆的密集度m0及车内老弱病残孕的人数占比p0,代入限制车速V的计算公式,得到:
[0091] V=v0‑(m0‑m1)×L0‑(p0‑p1)×L1,可进一步得到:
[0092]
[0093] 所述m1为预设的正常车辆密集度,p1为预设的正常情况下车内老弱病残孕的人数占比;
[0094] 所述L0为单位车辆密集度对车辆限速的调控度,L1为每单位车内老弱病残孕的人数占比对车辆限速的调控度,
[0095] 将限制车速与当前路段的限制车速进行对比,两者中较小的值为该车当前的实际限制车速v1。
[0096] 本发明结合当前车辆的实际车速v0、周边车辆的密集度m0及车内老弱病残孕的人数占比p0,并根据大数据样本分析,推导出具体的限制车速公式,进而实时对车辆限速进行求取;将限制车速与当前路段的限制车速进行对比,两者中较小的值为该车当前的实际限制车速v1,是为了防止求取的车辆限速超过当前路段的限制车速,造成车辆超速的情况发生。
[0097] 本实施例中,若当前车辆的实际车速为50千米/小时、周边车辆的密集度为3,及车内老弱病残孕的人数占比20%,预设的正常车辆密集度为1,预设的正常情况下车内老弱病残孕的人数占比为10%,单位车辆密集度对车辆限速的调控度为2千米/小时/每单位车辆密集度,每单位车内老弱病残孕的人数占比对车辆限速的调控度为0.5千米/小时/每单位百分比,
[0098] 则代入V=v0‑(m0‑m1)×L0‑(p0‑p1)×L1,可得到:
[0099] V=50‑(3‑1)×2‑(20‑10)×0.5=41,即限制车速V为41千米/小时。
[0100] 所述到站时间调整模块,车辆到站的预估时间与规定时间的差值为c,若误差|c|大于规定范围k,则需对车辆到站时间进行校准,调整后车辆的实际限制车速v2,校准公式如下:
[0101] v2=v1+c×L3,
[0102] 所述L3为单位大小的误差需要调整的车速,
[0103] 当车辆到站的预估时间大于规定时间时,c为正数;
[0104] 当车辆到站的预估时间等于规定时间时,c为0;
[0105] 当车辆到站的预估时间小于规定时间时,c为负数。
[0106] 本发明将到站的预估时间与规定时间相比较,在误差较大时,通过调整车辆的实际限速实现对车速的控制,进而达到对车辆到站时间校准的目的。当车辆到站的预估时间大于规定时间时,调整后的实际限速增大;当车辆到站的预估时间等于规定时间时,调整后的实际限速不变;当车辆到站的预估时间小于规定时间时,调整后的实际限速减小。
[0107] 本实施例中规定范围k为0.3小时,实际限制车速v1为50千米/小时,每单位大小的误差需要调整的车速为10千米/小时/每单位大小的误差,
[0108] 若c值为‑0.2小时,由于‑0.2的绝对值小于0.3,则在误差范围之内,不需要对车辆到站时间进行校准;
[0109] 若c值为0.4小时,由于0.4大于0.3,则超出误差范围,代入校准公式,[0110] 得:v2=50+0.4×10=54,即调整后车辆的实际限制车速v2为5450千米/小时。
[0111] 所述第一单位时间与第二单位时间相同。
[0112] 本发明第一单位时间与第二单位时间相同,是为了确保数据的同步性。
[0113] 需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0114] 最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。