一种基于全息轨迹的交通枢纽客流管控方法及相关装置与流程

本申请涉及智能交通，尤其涉及一种基于全息轨迹的交通枢纽客流管控方法及相关装置。

背景技术：

1、现阶段，大型交通枢纽（诸如机场、火车站、长途汽车站和公交等）在节假日或特殊活动期间，往往会迎来超出日常的客流量，使得客流疏导压力增大，这就需要及时进行现场管理、秩序维护和道路指引。

2、传统方式是对出入口断面的客流进行分析，但这种单点的数据分析无法全面掌握客流的时空分布，从而影响交通运力资源的联动。

技术实现思路

1、鉴于上述问题，本申请提供了一种基于全息轨迹的交通枢纽客流管控方法及相关装置，以实现全面掌握客流的时空分布、有效联动交通运力资源的目的。具体方案如下：

2、本申请第一方面提供一种基于全息轨迹的交通枢纽客流管控方法，所述基于全息轨迹的交通枢纽客流管控方法包括：

3、通过对交通枢纽内的运动对象进行轨迹感知，生成所述运动对象在三维空间内的当前时序轨迹；

4、调取已构建的用于预测交通分担率的交通预测模型，所述交通分担率表征不同交通方式的分担率；

5、将所述当前时序轨迹输入至所述交通预测模型中，以获得所述交通预测模型针对所述交通枢纽所输出的当前交通分担率。

6、在一种可能的实现中，所述通过对交通枢纽内的运动对象进行轨迹感知，生成所述运动对象在三维空间内的当前时序轨迹，包括：

7、通过全息轨迹感知设备感知并追踪所述运动对象在二维空间中的第一时序轨迹；

8、获取所述全息轨迹感知设备对应的坐标转换矩阵，所述坐标转换矩阵表征所述全息轨迹感知设备由所述二维空间向所述三维空间的坐标转换关系；

9、根据所述坐标转换矩阵将所述第一时序轨迹转换为所述三维空间中的第二时序轨迹；

10、获取所述全息轨迹感知设备之间的拓扑关系，并基于所述拓扑关系确定所述第二时序轨迹中具有关联关系的时序轨迹集合；

11、运用匈牙利算法识别所述时序轨迹集合中相匹配的时序轨迹并进行轨迹融合，以获得所述当前时序轨迹。

12、在一种可能的实现中，所述交通预测模型的构建过程，包括：

13、获取所述交通枢纽在第一历史时间下的第一历史时序轨迹；

14、对所述第一历史时序轨迹进行数据清洗，以获得第一样本时序轨迹；

15、从所述第一样本时序轨迹中提取不同交通方式所对应的第一特征向量；

16、将所述第一特征向量作为第一深度学习网络的输入，以所述第一样本时序轨迹的交通分担率标注为目标，对所述第一深度学习网络进行迭代训练；

17、将结束训练后的所述第一深度学习网络作为所述交通预测模型。

18、在一种可能的实现中，所述基于全息轨迹的交通枢纽客流管控方法还包括：

19、对所述当前时序轨迹进行三维渲染仿真，以实现所述交通枢纽的客流全息孪生。

20、在一种可能的实现中，所述基于全息轨迹的交通枢纽客流管控方法还包括：

21、获取所述交通枢纽的当前客流量和交通运力情况，并输出；

22、基于所述当前客流量、所述交通运力情况和所述当前交通分担率进行交通调度。

23、在一种可能的实现中，所述基于全息轨迹的交通枢纽客流管控方法还包括：

24、获取所述交通枢纽在第二历史时间下的第二历史时序轨迹和交通运转条件；

25、对所述第二历史时序轨迹进行数据清洗，以获得第二样本时序轨迹；

26、从所述第二样本时序轨迹中提取所述交通运转条件下的第二特征向量；

27、将所述第二特征向量作为第二深度学习网络的输入，对所述第二深度学习网络进行端到端的迭代训练，并在所述第二深度学习网络的轨迹预测结果趋近于所述第二样本时序轨迹时结束训练；

28、将结束训练后的所述第二深度学习网络作为所述交通枢纽的轨迹仿真模型。

29、本申请第二方面提供一种基于全息轨迹的交通枢纽客流管控装置，所述基于全息轨迹的交通枢纽客流管控装置包括：

30、轨迹感知模块，用于通过对交通枢纽内的运动对象进行轨迹感知，生成所述运动对象在三维空间内的当前时序轨迹；

31、模型训练模块，用于构建用于预测交通分担率的交通预测模型，所述交通分担率表征不同交通方式的分担率；

32、交通预测模块，用于调取所述交通预测模型；将所述当前时序轨迹输入至所述交通预测模型中，以获得所述交通预测模型针对所述交通枢纽所输出的当前交通分担率。

33、本申请第三方面提供一种计算机程序产品，包括计算机可读指令，当所述计算机可读指令在电子设备上运行时，使得所述电子设备实现上述第一方面或第一方面任一实现方式的基于全息轨迹的交通枢纽客流管控方法。

34、本申请第四方面提供一种电子设备，包括至少一个处理器和与所述处理器连接的存储器，其中：

35、所述存储器用于存储计算机程序；

36、所述处理器用于执行所述计算机程序，以使所述电子设备能够实现上述第一方面或第一方面任一实现方式的基于全息轨迹的交通枢纽客流管控方法。

37、本申请第五方面提供一种计算机存储介质，所述存储介质承载有一个或多个计算机程序，当所述一个或多个计算机程序被电子设备执行时，能够使所述电子设备实现上述第一方面或第一方面任一实现方式的基于全息轨迹的交通枢纽客流管控方法。

38、借由上述技术方案，本申请提供的一种基于全息轨迹的交通枢纽客流管控方法及相关装置，通过对交通枢纽内的运动对象进行轨迹感知，生成运动对象在三维空间内的当前时序轨迹；调取已构建的用于预测交通分担率的交通预测模型，交通分担率表征不同交通方式的分担率；将当前时序轨迹输入至交通预测模型中，以获得交通预测模型针对交通枢纽所输出的当前交通分担率。本申请通过感知运动对象的时序轨迹来预测交通枢纽当前的交通分担率，以此预测不同交通方式的运力需求，这就可以有效联动交通运力资源，提升管控效果。

技术特征：

1.一种基于全息轨迹的交通枢纽客流管控方法，其特征在于，所述基于全息轨迹的交通枢纽客流管控方法包括：

2.根据权利要求1所述的基于全息轨迹的交通枢纽客流管控方法，其特征在于，所述通过对交通枢纽内的运动对象进行轨迹感知，生成所述运动对象在三维空间内的当前时序轨迹，包括：

3.根据权利要求1所述的基于全息轨迹的交通枢纽客流管控方法，其特征在于，所述交通预测模型的构建过程，包括：

4.根据权利要求1所述的基于全息轨迹的交通枢纽客流管控方法，其特征在于，所述基于全息轨迹的交通枢纽客流管控方法还包括：

5.根据权利要求1所述的基于全息轨迹的交通枢纽客流管控方法，其特征在于，所述基于全息轨迹的交通枢纽客流管控方法还包括：

6.根据权利要求1所述的基于全息轨迹的交通枢纽客流管控方法，其特征在于，所述基于全息轨迹的交通枢纽客流管控方法还包括：

7.一种基于全息轨迹的交通枢纽客流管控装置，其特征在于，所述基于全息轨迹的交通枢纽客流管控装置包括：

8.一种计算机程序产品，其特征在于，包括计算机可读指令，当所述计算机可读指令在电子设备上运行时，使得所述电子设备实现如权利要求1至6中任意一项所述的基于全息轨迹的交通枢纽客流管控方法。

9.一种电子设备，其特征在于，包括至少一个处理器和与所述处理器连接的存储器，其中：

10.一种计算机存储介质，其特征在于，所述存储介质承载有一个或多个计算机程序，当所述一个或多个计算机程序被电子设备执行时，能够使所述电子设备实现如权利要求1至6中任意一项所述的基于全息轨迹的交通枢纽客流管控方法。

技术总结本申请公开了一种基于全息轨迹的交通枢纽客流管控方法及相关装置，涉及智能交通技术领域，通过对交通枢纽内的运动对象进行轨迹感知，生成运动对象在三维空间内的当前时序轨迹；调取已构建的用于预测交通分担率的交通预测模型，交通分担率表征不同交通方式的分担率；将当前时序轨迹输入至交通预测模型中，以获得交通预测模型针对交通枢纽所输出的当前交通分担率。本申请通过感知运动对象的时序轨迹来预测交通枢纽当前的交通分担率，以此预测不同交通方式的运力需求，这就可以有效联动交通运力资源，提升管控效果。技术研发人员：沈斌,吴劲峰,陈瑞生,张巧焕,余锡龙,赵宇,王朋,靳作宝,蒋栋奇受保护的技术使用者：浙江中控信息产业股份有限公司技术研发日：技术公布日：2025/1/13