《车辆到站时间预报系统及方法.pdf》由会员分享，可在线阅读，更多相关《车辆到站时间预报系统及方法.pdf（16页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 104243900 A (43)申请公布日 2014.12.24 CN 104243900 A (21)申请号 201310248167.5 (22)申请日 2013.06.21 H04N 7/18(2006.01) H04W 4/14(2009.01) G08G 1/123(2006.01) G08G 1/01(2006.01) (71)申请人 中兴通讯股份有限公司 地址 518057 广东省深圳市南山区高新技术 产业园科技南路中兴通讯大厦法务部 (72)发明人 张玲 熊壮 (74)专利代理机构 工业和信息化部电子专利中 心 11010 代理人 秦莹 (54) 发明。
2、名称 车辆到站时间预报系统及方法 (57) 摘要 本发明公开了一种车辆到站时间预报系统及 方法。该系统包括 ： 数据库， 用于保存车辆基本信 息、 车辆监控规则信息、 以及车辆实时运行数据 ； 智能分析模块， 用于根据所述车辆监控规则信息 控制一个或多个数据采集终端， 从所述一个或多 个数据采集终端获取视频码流并进行处理， 根据 车辆基本信息从处理后的视频码流中获取车辆实 时运行数据， 根据车辆实时运行数据、 以及数据库 中当前时段的历史车辆实时运行数据建立车辆到 站时间预测模型， 并根据车辆到站时间预测模型 计算出车辆到达任一站的车辆到站信息， 并将车 辆实时运行数据写入数据库。借助于本发明。
3、的技 术方案， 能够对车辆到站时间进行准确预算。 (51)Int.Cl. 权利要求书 3 页 说明书 10 页 附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书3页 说明书10页 附图2页 (10)申请公布号 CN 104243900 A CN 104243900 A 1/3 页 2 1. 一种车辆到站时间预报系统， 其特征在于， 包括 ： 数据库， 用于保存车辆基本信息、 车辆监控规则信息、 以及车辆实时运行数据 ； 智能分析模块， 用于根据所述车辆监控规则信息控制一个或多个数据采集终端， 从所 述一个或多个数据采集终端获取视频码流并进行处理， 根据所述车。
4、辆基本信息从处理后的 所述视频码流中获取车辆实时运行数据， 根据所述车辆实时运行数据、 以及所述数据库中 当前时段的历史车辆实时运行数据建立车辆到站时间预测模型， 并根据所述车辆到站时间 预测模型计算出车辆到达任一站的车辆到站信息， 并将所述车辆实时运行数据写入数据 库。 2. 如权利要求 1 所述的系统， 其特征在于， 所述系统还包括 ： 视频监控业务管理模块， 用于将所述智能分析模块计算出的所述车辆到站信息写入所 述数据库， 并将所述车辆到站信息发送到智能显示终端 ； 在接收到查询公交车到站时间请 求后， 将所述车辆到站信息发送到短信中心 ； 所述智能显示终端， 设置于站点， 用于显示所述。
5、车辆到站信息 ； 所述短信中心， 用于将所述车辆到站信息通过短信发送到用户终端。 3. 如权利要求 2 所述的系统， 其特征在于， 所述智能显示终端具体用于 ： 对于同一线路 的车辆， 从接收到的车辆到站信息中， 选择到站时间最小值作为到达该站点的时间。 4. 如权利要求 1 或 2 或 3 所述的系统， 其特征在于， 所述系统还包括 ： 监控客户端， 用于通过所述数据采集终端对车辆的运行进行实时监控。 5. 如权利要求 1 所述的系统， 其特征在于， 所述车辆基本信息具体包括 ： 车辆线路名称、 车辆线路所经历的站点信息、 站点间的路 程信息、 以及数据采集终端的位置信息 ； 所述车辆监控规。
6、则信息具体包括 ： 车辆监控范围、 以及监控时间 ； 所述车辆实时运行数据具体包括 ： 车辆线路信息、 各个相邻车辆站点之间路段上的车 流量密度信息、 以及车辆具体位置信息， 其中， 所述车辆线路信息包括 ： 车辆线路名称、 到站 时间、 出站时间、 以及相应数据采集终端的标识信息， 所述车流量密度信息包括 ： 车辆行驶 速度信息 ； 所述车辆到站信息具体包括 ： 到站时间、 以及车辆到站延误时间。 6. 如权利要求 5 所述的系统， 其特征在于， 所述智能分析模块具体包括 ： 图像处理模块， 用于根据所述车辆基本信息和所述车辆监控规则信息从相应的数据采 集终端获取视频码流， 将所述视频码流转。
7、化为图像帧， 并对所述图像帧进行滤波和灰度处 理 ； 车辆线路识别算法模块， 用于从处理后的所述图像帧中识别车辆线路， 获取所述车辆 线路信息， 并写入数据库 ； 车流量密度算法模块， 用于从处理后的所述图像帧中计算各个相邻车辆站点之间路段 上的所述车流量密度信息， 并写入数据库 ； 到站时间预测模块， 用于根据所述车辆实时运行数据、 以及所述数据库中当前时段的 历史车辆实时运行数据建立车辆到站时间预测模型， 并根据所述车辆到站时间预测模型计 算出车辆到达任一站的车辆到站信息。 7. 如权利要求 6 所述的系统， 其特征在于， 所述到站时间预测模块具体用于 ： 权 利 要 求 书 CN 104。
8、243900 A 2 2/3 页 3 根据所述车辆线路识别算法模块识别出的所述车辆线路信息， 从数据库中获取相应车 辆线路所经历的站点信息、 以及站点间的路程信息， 并从所述车流量密度算法模块获取相 应的车流量密度信息 ； 假设各个站点之间的路程为 S， 车流量密度为 delta （P， T） ， 其中， delta （P， T） =a/speed （P， T） ， P 为站点函数， T 是时间函数， a 为常量， 站点间的路程 S、 车辆行驶速度 speed 和站 点间行驶时间 t 的关系为 t=S/speed ； 确定行驶时间 t 与车流量密度的关系为 ： t=S delta（P， T） 。
9、/a ； 拟合出关于 delta（P， T）和时间的一组曲线 Wn， 根据当前某个站点的某个时刻 的 delta（P， T） ， 结合 Wn 加权计算得到未来的车流量密度 delta（P， T） ， 根据 t=S delta(P,T)/a 计算得到到站时间 ； 根据所述数据库中相应时段的到站时间计算出车辆到站延误时间。 8. 一种车辆到站时间预报方法， 其特征在于， 所述方法包括 ： 在数据库中保存车辆基本信息、 车辆监控规则信息、 以及车辆实时运行数据 ； 智能分析模块根据所述车辆监控规则信息控制数据采集终端， 获取所述数据采集终端 采集的视频码流并进行处理 ； 根据所述车辆基本信息从处理后。
10、的所述视频码流中获取车辆 实时运行数据， 根据所述车辆实时运行数据、 以及所述数据库中当前时段的历史车辆实时 运行数据建立车辆到站时间预测模型 ； 根据所述车辆到站时间预测模型计算出车辆到达任 一站的车辆到站信息， 并将所述车辆实时运行数据写入数据库。 9. 如权利要求 8 所述的方法， 其特征在于， 所述方法还包括 ： 视频监控业务管理模块将所述智能分析模块计算出的所述车辆到站信息写入所述数 据库， 并将所述车辆到站信息发送到智能显示终端， 通过所述智能显示终端显示所述车辆 到站信息 ； 视频监控业务管理模块在接收到查询公交车到站时间请求后， 将所述车辆到站信息发 送到短信中心， 并通过所述。
11、短信中心将所述车辆到站信息通过短信发送到用户终端。 10. 如权利要求 8 所述的方法， 其特征在于， 通过所述智能显示终端显示所述车辆到站 信息具体包括 ： 对于同一线路的车辆， 所述智能显示终端从接收到的车辆到站信息中， 选择到站时间 最小值作为到达该站点的时间并进行显示。 11. 如权利要求 8 或 9 或 10 所述的方法， 其特征在于， 所述方法还包括 ： 监控客户端通过所述数据采集终端对车辆的运行进行实时监控。 12. 如权利要求 8 所述的方法， 其特征在于， 所述车辆基本信息具体包括 ： 车辆线路名称、 车辆线路所经历的站点信息、 站点间的路 程信息、 以及数据采集终端的位置信。
12、息 ； 所述车辆监控规则信息具体包括 ： 车辆监控范围、 以及监控时间 ； 所述车辆实时运行数据具体包括 ： 车辆线路信息、 各个相邻车辆站点之间路段上的车 流量密度信息、 以及车辆具体位置信息， 其中， 所述车辆线路信息包括 ： 车辆线路名称、 到站 时间、 出站时间、 以及相应数据采集终端的标识信息， 所述车流量密度信息包括 ： 车辆行驶 速度信息 ； 所述车辆到站信息具体包括 ： 到站时间、 以及车辆到站延误时间。 权 利 要 求 书 CN 104243900 A 3 3/3 页 4 13. 如权利要求 12 所述的方法， 其特征在于， 所述智能分析模块根据所述车辆监控规 则信息控制数据。
13、采集终端， 获取所述数据采集终端采集的视频码流并进行处理 ； 根据所述 车辆基本信息从处理后的所述视频码流中获取车辆实时运行数据， 根据所述车辆实时运行 数据、 以及所述数据库中当前时段的历史车辆实时运行数据建立车辆到站时间预测模型 ； 根据所述车辆到站时间预测模型计算出车辆到达任一站的车辆到站信息， 并将所述车辆实 时运行数据写入数据库具体包括 ： 图像处理模块根据所述车辆基本信息和所述车辆监控规则信息从相应的数据采集终 端获取视频码流， 将所述视频码流转化为图像帧， 并对所述图像帧进行滤波和灰度处理 ； 车辆线路识别算法模块从处理后的所述图像帧中识别车辆线路， 获取所述车辆线路信 息， 并。
14、写入数据库 ； 车流量密度算法模块从处理后的所述图像帧中计算各个相邻车辆站点之间路段上的 所述车流量密度信息， 并写入数据库 ； 到站时间预测模块根据所述车辆实时运行数据、 以及所述数据库中当前时段的历史车 辆实时运行数据建立车辆到站时间预测模型， 并根据所述车辆到站时间预测模型计算出车 辆到达任一站的车辆到站信息。 14. 如权利要求 13 所述的方法， 其特征在于， 到站时间预测模块根据所述车辆实时运 行数据、 以及所述数据库中当前时段的历史车辆实时运行数据建立车辆到站时间预测模 型， 并根据所述车辆到站时间预测模型计算出车辆到达任一站的车辆到站信息具体包括 ： 根据所述车辆线路识别算法模。
15、块识别出的所述车辆线路信息， 从数据库中获取相应车 辆线路所经历的站点信息、 以及站点间的路程信息， 并从所述车流量密度算法模块获取相 应的车流量密度信息 ； 假设各个站点之间的路程为 S， 车流量密度为 delta （P， T） ， 其中， delta （P， T） =a/speed （P， T） ， P 为站点函数， T 是时间函数， a 为常量， 站点间的路程 S、 车辆行驶速度 speed 和站 点间行驶时间 t 的关系为 t=S/speed ； 确定行驶时间 t 与车流量密度的关系为 ： t=S delta（P， T） /a ； 拟合出关于 delta（P， T）和时间的一组曲线 W。
16、n， 根据当前某个站点的某个时刻 的 delta（P， T） ， 结合 Wn 加权计算得到未来的车流量密度 delta（P， T） ， 根据 t=S delta(P,T)/a 计算得到到站时间 ； 根据所述数据库中相应时段的到站时间计算出车辆到站延误时间。 权 利 要 求 书 CN 104243900 A 4 1/10 页 5 车辆到站时间预报系统及方法 技术领域 0001 本发明涉及计算机领域， 特别是涉及一种车辆到站时间预报系统及方法。 背景技术 0002 智能视频监控系统是视频监控系统功能的扩展。 通过对监测到的视频码流进行智 能分析， 主要提供人脸识别、 车牌识别、 车速检测、 静物监。
17、控、 警戒区检测、 涂鸦检测等功能。 0003 预报公交车到站时间是智能交通系统领域的关键技术， 对它的研究具有重要意 义。 现有的公交系统由于无法预知到站时间， 给市民的出现时间带来很多未知性， 从而市民 对公交满意度不高， 致使私家车增多， 给交通带来更大的负担， 同时， 也消耗更多的能源， 给 环境带来很多不好的影响。 发明内容 0004 鉴于上述问题， 提出了本发明以便提供一种克服上述问题或者至少部分地解决上 述问题的车辆到站时间预报系统及方法。 0005 本发明提供一种车辆到站时间预报系统， 包括 ： 0006 数据库， 用于保存车辆基本信息、 车辆监控规则信息、 以及车辆实时运行数。
18、据 ； 0007 智能分析模块， 用于根据所述车辆监控规则信息控制一个或多个数据采集终端， 从所述一个或多个数据采集终端获取视频码流并进行处理， 根据车辆基本信息从处理后的 视频码流中获取车辆实时运行数据， 根据车辆实时运行数据、 以及数据库中当前时段的历 史车辆实时运行数据建立车辆到站时间预测模型， 并根据车辆到站时间预测模型计算出车 辆到达任一站的车辆到站信息， 并将车辆实时运行数据写入数据库。 0008 优选地， 上述系统还包括 ： 0009 视频监控业务管理模块， 用于将智能分析模块计算出的车辆到站信息写入数据 库， 并将车辆到站信息发送到智能显示终端 ； 在接收到查询公交车到站时间请。
19、求后， 将车辆 到站信息发送到短信中心 ； 0010 智能显示终端， 设置于站点， 用于显示车辆到站信息 ； 0011 短信中心， 用于将车辆到站信息通过短信发送到用户终端。 0012 优选地， 上述智能显示终端具体用于 ： 对于同一线路的车辆， 从接收到的车辆到站 信息中， 选择到站时间最小值作为到达该站点的时间。 0013 优选地， 上述系统还包括 ： 0014 监控客户端， 用于通过数据采集终端对车辆的运行进行实时监控。 0015 优选地， 上述车辆基本信息具体包括 ： 车辆线路名称、 车辆线路所经历的站点信 息、 站点间的路程信息、 以及数据采集终端的位置信息 ； 0016 车辆监控规。
20、则信息具体包括 ： 车辆监控范围、 以及监控时间 ； 0017 车辆实时运行数据具体包括 ： 车辆线路信息、 各个相邻车辆站点之间路段上的车 流量密度信息、 以及车辆具体位置信息， 其中， 车辆线路信息包括 ： 车辆线路名称、 到站时 说 明 书 CN 104243900 A 5 2/10 页 6 间、 出站时间、 以及相应数据采集终端的标识信息， 车流量密度信息包括 ： 车辆行驶速度信 息 ； 0018 车辆到站信息具体包括 ： 到站时间、 以及车辆到站延误时间。 0019 优选地， 上述智能分析模块具体包括 ： 0020 图像处理模块， 用于根据车辆基本信息和车辆监控规则信息从相应的数据采。
21、集终 端获取视频码流， 将视频码流转化为图像帧， 并对图像帧进行滤波和灰度处理 ； 0021 车辆线路识别算法模块， 用于从处理后的图像帧中识别车辆线路， 获取车辆线路 信息， 并写入数据库 ； 0022 车流量密度算法模块， 用于从处理后的图像帧中计算各个相邻车辆站点之间路段 上的车流量密度信息， 并写入数据库 ； 0023 到站时间预测模块， 用于根据车辆实时运行数据、 以及数据库中当前时段的历史 车辆实时运行数据建立车辆到站时间预测模型， 并根据车辆到站时间预测模型计算出车辆 到达任一站的车辆到站信息。 0024 优选地， 上述到站时间预测模块具体用于 ： 0025 根据车辆线路识别算法。
22、模块识别出的车辆线路信息， 从数据库中获取相应车辆线 路所经历的站点信息、 以及站点间的路程信息， 并从车流量密度算法模块获取相应的车流 量密度信息 ； 0026 假设各个站点之间的路程为 S， 车流量密度为 delta（P， T） ， 其中， delta（P， T） =a/ speed（P， T） ， P 为站点函数， T 是时间函数， a 为常量， 站点间的路程 S、 车辆行驶速度 speed 和站点间行驶时间 t 的关系为 t=S/speed ； 0027 确定行驶时间 t 与车流量密度的关系为 ： t=S delta（P， T） /a ； 0028 拟合出关于 delta（P， T） 。
23、和时间的一组曲线 Wn， 根据当前某个站点的某个时 刻的 delta（P， T） ， 结合 Wn 加权计算得到未来的车流量密度 delta（P， T） ， 根据 t=S delta(P,T)/a 计算得到到站时间 ； 0029 根据数据库中相应时段的到站时间计算出车辆到站延误时间。 0030 本发明还提供了一种车辆到站时间预报方法， 包括 ： 0031 在数据库中保存车辆基本信息、 车辆监控规则信息、 以及车辆实时运行数据 ； 0032 智能分析模块根据车辆监控规则信息控制数据采集终端， 获取数据采集终端采集 的视频码流并进行处理 ； 根据车辆基本信息从处理后的视频码流中获取车辆实时运行数 据。
24、， 根据车辆实时运行数据、 以及数据库中当前时段的历史车辆实时运行数据建立车辆到 站时间预测模型 ； 根据车辆到站时间预测模型计算出车辆到达任一站的车辆到站信息， 并 将车辆实时运行数据写入数据库。 0033 优选地， 上述方法还包括 ： 0034 视频监控业务管理模块将智能分析模块计算出的车辆到站信息写入数据库， 并将 车辆到站信息发送到智能显示终端， 通过智能显示终端显示车辆到站信息 ； 0035 视频监控业务管理模块在接收到查询公交车到站时间请求后， 将车辆到站信息发 送到短信中心， 并通过短信中心将车辆到站信息通过短信发送到用户终端。 0036 优选地， 上述通过智能显示终端显示车辆到。
25、站信息具体包括 ： 0037 对于同一线路的车辆， 智能显示终端从接收到的车辆到站信息中， 选择到站时间 说 明 书 CN 104243900 A 6 3/10 页 7 最小值作为到达该站点的时间并进行显示。 0038 优选地， 上述方法还包括 ： 0039 监控客户端通过数据采集终端对车辆的运行进行实时监控。 0040 优选地， 上述车辆基本信息具体包括 ： 车辆线路名称、 车辆线路所经历的站点信 息、 站点间的路程信息、 以及数据采集终端的位置信息 ； 0041 车辆监控规则信息具体包括 ： 车辆监控范围、 以及监控时间 ； 0042 车辆实时运行数据具体包括 ： 车辆线路信息、 各个相邻。
26、车辆站点之间路段上的车 流量密度信息、 以及车辆具体位置信息， 其中， 车辆线路信息包括 ： 车辆线路名称、 到站时 间、 出站时间、 以及相应数据采集终端的标识信息， 车流量密度信息包括 ： 车辆行驶速度信 息 ； 0043 车辆到站信息具体包括 ： 到站时间、 以及车辆到站延误时间。 0044 优选地， 上述智能分析模块根据车辆监控规则信息控制数据采集终端， 获取数据 采集终端采集的视频码流并进行处理 ； 根据车辆基本信息从处理后的视频码流中获取车辆 实时运行数据， 根据车辆实时运行数据、 以及数据库中当前时段的历史车辆实时运行数据 建立车辆到站时间预测模型 ； 根据车辆到站时间预测模型计。
27、算出车辆到达任一站的车辆到 站信息， 并将车辆实时运行数据写入数据库具体包括 ： 0045 图像处理模块根据车辆基本信息和车辆监控规则信息从相应的数据采集终端获 取视频码流， 将视频码流转化为图像帧， 并对图像帧进行滤波和灰度处理 ； 0046 车辆线路识别算法模块从处理后的图像帧中识别车辆线路， 获取车辆线路信息， 并写入数据库 ； 0047 车流量密度算法模块从处理后的图像帧中计算各个相邻车辆站点之间路段上的 车流量密度信息， 并写入数据库 ； 0048 到站时间预测模块根据车辆实时运行数据、 以及数据库中当前时段的历史车辆实 时运行数据建立车辆到站时间预测模型， 并根据车辆到站时间预测模。
28、型计算出车辆到达任 一站的车辆到站信息。 0049 优选地， 上述到站时间预测模块根据车辆实时运行数据、 以及数据库中当前时段 的历史车辆实时运行数据建立车辆到站时间预测模型， 并根据车辆到站时间预测模型计算 出车辆到达任一站的车辆到站信息具体包括 ： 0050 根据车辆线路识别算法模块识别出的车辆线路信息， 从数据库中获取相应车辆线 路所经历的站点信息、 以及站点间的路程信息， 并从车流量密度算法模块获取相应的车流 量密度信息 ； 0051 假设各个站点之间的路程为 S， 车流量密度为 delta（P， T） ， 其中， delta（P， T） =a/ speed（P， T） ， P 为站点。
29、函数， T 是时间函数， a 为常量， 站点间的路程 S、 车辆行驶速度 speed 和站点间行驶时间 t 的关系为 t=S/speed ； 0052 确定行驶时间 t 与车流量密度的关系为 ： t=S delta（P， T） /a ； 0053 拟合出关于 delta（P， T） 和时间的一组曲线 Wn， 根据当前某个站点的某个时 刻的 delta（P， T） ， 结合 Wn 加权计算得到未来的车流量密度 delta（P， T） ， 根据 t=S delta(P,T)/a 计算得到到站时间 ； 0054 根据数据库中相应时段的到站时间计算出车辆到站延误时间。 说 明 书 CN 1042439。
30、00 A 7 4/10 页 8 0055 本发明有益效果如下 ： 0056 通过在智能视频监控系统的基础上， 扩展其功能， 使用车辆计数和识别车辆线路 等方法从视频码流中提取车辆实时运行数据， 从而预估出车辆到站时间的方法， 能够对车 辆到站时间进行准确预算。 0057 上述说明仅是本发明技术方案的概述， 为了能够更清楚了解本发明的技术手段， 而可依照说明书的内容予以实施， 并且为了让本发明的上述和其它目的、 特征和优点能够 更明显易懂， 以下特举本发明的具体实施方式。 附图说明 0058 通过阅读下文优选实施方式的详细描述， 各种其他的优点和益处对于本领域普通 技术人员将变得清楚明了。附图仅。
31、用于示出优选实施方式的目的， 而并不认为是对本发明 的限制。而且在整个附图中， 用相同的参考符号表示相同的部件。在附图中 ： 0059 图 1 是本发明实施例的车辆到站时间预报系统的结构示意图 ； 0060 图 2 是本发明实施例的基于视频监控的公家车到站时间预报系统的示意图 ； 0061 图 3 是本发明实施例的车辆到站时间预报方法的流程图 ； 0062 图 4 是本发明实时的基于视频监控的公交车到站时间预报方法的详细流程图。 具体实施方式 0063 下面将参照附图更详细地描述本公开的示例性实施例。 虽然附图中显示了本公开 的示例性实施例， 然而应当理解， 可以以各种形式实现本公开而不应被这。
32、里阐述的实施例 所限制。 相反， 提供这些实施例是为了能够更透彻地理解本公开， 并且能够将本公开的范围 完整的传达给本领域的技术人员。 0064 为了解决现有技术中不能够准确的预算车辆到站时间的问题， 本发明提供了一种 车辆到站时间预报系统及方法， 基于智能视频监控的预报车辆到站时间系统取代通过 GPS 定位系统、 RFID 识别等技术获得车辆实时运行数据， 通过车辆计数算法、 车辆路识别技术提 取视频码流中的车辆实时运行数据， 并作为数据源进行车辆到站时间的预算， 从而对车辆 到站时间进行实时更新， 并可以以电子站牌的形式展现给市民， 为市民的出行带来便捷。 另 外， 可以帮助车辆公司根据反。
33、馈的实时公交到站信息， 对车辆实现自适应调度。 0065 本发明实施例的技术方案在用于公交车到站时间预报时， 不仅可以方便市民出 行， 而且给现有的通信运营商增加了盈利方式， 仅在现有的视频监控系统上增加软件模块 即可实现， 不需要大规模的硬件投入。同时， 采取在智能显示终端招标广告等方式， 可以创 造收入， 弥补前期投入。另外， 与现有技术和应用场景相比， 还可以直观地通过视频观察各 个公交车到达站点是否有违规拒载行为。同时， 也可以检测其在监控点处是否超速行驶。 0066 以下结合附图以及实施例， 对本发明进行进一步详细说明。 应当理解， 此处所描述 的具体实施例仅仅用以解释本发明， 并不。
34、限定本发明。 0067 系统实施例 0068 根据本发明的实施例， 提供了一种车辆到站时间预报系统， 图 1 是本发明实施例 的车辆到站时间预报系统的结构示意图， 如图 1 所示， 根据本发明实施例的车辆到站时间 预报系统包括 ： 数据库 10、 以及智能分析模块 12， 以下对本发明实施例的各个模块进行详 说 明 书 CN 104243900 A 8 5/10 页 9 细的说明。 0069 数据库 10， 用于保存车辆基本信息、 车辆监控规则信息、 以及车辆实时运行数据 ； 0070 其中， 车辆基本信息具体包括 ： 车辆线路名称、 车辆线路所经历的站点信息、 站点 间的路程信息、 以及数据。
35、采集终端的位置信息 ； 0071 车辆监控规则信息具体包括 ： 车辆监控范围、 以及监控时间 ； 0072 车辆实时运行数据具体包括 ： 车辆线路信息、 各个相邻车辆站点之间路段上的车 流量密度信息、 以及车辆具体位置信息， 其中， 车辆线路信息包括 ： 车辆线路名称、 到站时 间、 出站时间、 以及相应数据采集终端的标识信息， 车流量密度信息包括 ： 车辆行驶速度信 息 ； 0073 一个或多个数据采集终端， 可以设置于车辆线路的各个站点， 用于在智能分析模 块 12 的控制下采集视频码流 ； 0074 智能分析模块 12， 用于根据车辆监控规则信息控制一个或多个数据采集终端， 从 所述一个。
36、或多个数据采集终端获取视频码流并进行处理， 根据车辆基本信息从处理后的视 频码流中获取车辆实时运行数据， 根据车辆实时运行数据、 以及数据库 10 中当前时段的历 史车辆实时运行数据建立车辆到站时间预测模型， 并根据车辆到站时间预测模型计算出车 辆到达任一站的车辆到站信息， 并将车辆实时运行数据写入数据库 10。车辆到站信息具体 包括 ： 到站时间、 以及车辆到站延误时间。 0075 智能分析模块 12 具体包括 ： 0076 图像处理模块， 用于根据车辆基本信息和车辆监控规则信息从相应的数据采集终 端获取视频码流， 将视频码流转化为图像帧， 并对图像帧进行滤波和灰度处理 ； 0077 车辆线。
37、路识别算法模块， 用于从处理后的图像帧中识别车辆线路， 获取车辆线路 信息， 并写入数据库 10 ； 0078 车流量密度算法模块， 用于从处理后的图像帧中计算各个相邻车辆站点之间路段 上的车流量密度信息， 并写入数据库 10 ； 0079 到站时间预测模块， 用于根据车辆实时运行数据、 以及数据库 10 中当前时段的历 史车辆实时运行数据建立车辆到站时间预测模型， 并根据车辆到站时间预测模型计算出车 辆到达任一站的车辆到站信息。 0080 其中， 上述到站时间预测模块具体用于 ： 0081 根据车辆线路识别算法模块识别出的车辆线路信息， 从数据库 10 中获取相应车 辆线路所经历的站点信息、。
38、 以及站点间的路程信息， 并从车流量密度算法模块获取相应的 车流量密度信息 ； 0082 假设各个站点之间的路程为 S， 车流量密度为 delta（P， T） ， 其中， delta（P， T） =a/ speed（P， T） ， P 为站点函数， T 是时间函数， a 为常量， 站点间的路程 S、 车辆行驶速度 speed 和站点间行驶时间 t 的关系为 t=S/speed ； 0083 确定行驶时间 t 与车流量密度的关系为 ： t=S delta（P， T） /a ； 0084 拟合出关于 delta（P， T） 和时间的一组曲线 Wn， 根据当前某个站点的某个时 刻的 delta（P，。
39、 T） ， 结合 Wn 加权计算得到未来的车流量密度 delta（P， T） ， 根据 t=S delta(P,T)/a 计算得到到站时间 ； 0085 根据数据库 10 中相应时段的到站时间计算出车辆到站延误时间。 说 明 书 CN 104243900 A 9 6/10 页 10 0086 优选地， 上述系统还可以包括 ： 0087 视频监控业务管理模块， 用于将智能分析模块 12 计算出的车辆到站信息写入数 据库 10， 并将车辆到站信息发送到智能显示终端 ； 在接收到查询公交车到站时间请求后， 将车辆到站信息发送到短信中心 ； 0088 智能显示终端， 设置于站点， 用于显示车辆到站信息。
40、 ； 智能显示终端具体用于 ： 对 于同一线路的车辆， 从接收到的车辆到站信息中， 选择到站时间最小值作为到达该站点的 时间。 0089 短信中心， 用于将车辆到站信息通过短信发送到用户终端。 0090 监控客户端， 用于通过数据采集终端对车辆的运行进行实时监控。 0091 以下以公交车到站预报为例， 对本发明实施例的上述技术方案进行详细说明。 0092 图 2 是本发明实施例的基于视频监控的公家车到站时间预报系统的示意图， 如图 2 所示， 基于智能视频监控的公交车到站时间预报系统包括 ： 数据库、 数据采集终端、 智能 分析模块、 视频监控业务管理模块、 短信中心、 智能显示终端、 以及监。
41、控客户端。 0093 其中， 数据库用于保存录入的公交车的基本信息， 如公交线路名称、 公交所经历的 站点及站点间的路程、 监控点位置等信息 ； 保存由平台上报的公交车监控的范围、 监控时间 等规则信息， 以及公交车实时运行数据。 0094 数据采集终端主要指摄像头和 PU， 通过它们采集视频码流， 并将视频码流发送给 智能分析模块。 0095 智能分析模块包括图像处理模块、 公交线路识别算法模块、 车流量密度算法模块、 到站时间预测模块。图像处理模块的作用将视频码流转化为一帧一帧的图像， 并对进行图 像进行滤波和灰度处理。 公交线路识别算法模块和车流量密度算法模块主要用于获取公交 车线路、 。
42、进站出站时间、 当前路况下车辆的行驶速度， 为到站时间预测模块提供数据源。公 交线路识别算法模块用于进行公交线路的识别， 并将识别出的公交线路信息输出给到站时 间预测模块。 车流量密度算法模块用于检测单位时间内， 经过车辆的数量 ； 并将结果输出给 到站时间预测模块。到站时间预测模块根据实时采集的车流量密度、 公交车位置信息和公 交车进站出站时间等信息， 再结合该时段历史公交车运行数据， 建立公交车到站时间预测 模型， 并根据建立的模型计算出公交车到达任意一站的时间， 并将结果输出给视频监控业 务管理模块。 0096 视频监控业务管理模块的作用是将公交车信息 ： 如到站时间、 线路名称、 当前。
43、站点 等信息， 写入数据库、 发送给智能显示终端。 0097 短信中心用于将公交车到站信息以短信的方式通知用户。 0098 智能显示终端主要指电子站牌， 用于接收视频监控业务管理模块发送的公交车到 站信息， 并显示。 0099 监控客户端可以实时对公交车的实时运行进行监控， 主要用于实时交通信息的观 察， 可以为公交调度室提供公交发车调度依据。同时， 可以监控公交车到站是否有违规行 为。 0100 在实际应用中， 上述各个模块具体进行如下处理 ： 0101 第一步， 启用公交到站时间任务。视频监控业务管理模块下发预测公交到站时间 任务至智能分析模块。智能分析模块从各个监控点获取视频码流， 并调。
44、用公交到站时间算 说 明 书 CN 104243900 A 10 7/10 页 11 法， 进行公交车到站时间的预估。 0102 第二步， 从视频码流中提取公交车实时运行数据， 主要包括公交车到站离站时间、 各个相邻站点路段上车辆行驶速度和公交车具体位置信息。 公交车到站时间算法任务启用 后， 启用车牌识别算法模块和车流量密度算法模块。车牌识别算法模块识别到站的公交车 线路， 如果有公交车到站， 将识别出的公交车线路信息发送给到站时间预测模块。 公交车线 路信息包括公交车线路名称、 到站时间、 出站时间、 数据采集终端的标识 （PUID） 信息。车流 量密度算法模块用于检测公交车所行驶的实时路。
45、况信息， 主要统计单位时间内通过的车辆 总数。到站时间预测模块通过该模块获取的信息包括该监控点所属路段的平均车速、 PUID 信息。其中公交车具体位置信息可以通过 PUID 进行判断。每个监控点在注册的时候会向 视频监控业务管理系统注册该监控点的位置信息。 0103 第三步， 建立公交到站时间预估模型。公交到站时间算法模块将从各个路段的平 均车速、 公交车进出站延误时间存入路况历史库。公交到站时间算法模块结合历史数据和 公交线路识别模块和车流量算法模块上报的当前实时数据， 预算未来各个路段车辆行驶时 间以及各个站点延误时间。 0104 第四步， 公交车到站算法模块根据第三步计算的各个路段的车辆。
46、行驶时间、 各个 站点延误时间， 计算到达该站的公交车到达后续各个站点的时间。 对于同一线路的公交车， 各个站点从接收到的到站时间中， 取最小值作为该线路公交车到达该站的时间。 最后， 公交 车到站算法模块将结果输出给视频监控业务管理模块。输出的信息包括 PUID、 公交线路名 称、 到达各个站点的时间、 到达各个站点的站数等信息。 0105 第五步， 当视频监控业务管理模块接收到公交车到站时间算法模块输出的信息 后， 将信息经过处理发送给智能显示终端， 并将信息存入数据库。 0106 第六步， 当视频监控业务管理模块收到查询公交车到站时间的请求后， 通过短信 中心将信息发送给用户 ； 或者通。
47、过安装公交到站信息查询客户端， 查询公交到站时间。 私家 车可以通过短信的方式从视频监控业务管理模块获取到达目的地的时间， 也可以直接查询 各个路段的车辆行驶速度。 0107 本发明实施例的技术方案区别于通过 GPS 获取数据方式、 RFID 识别公交车等方 式， 而从视频监控系统中， 通过智能算法提取公交运行过程中的实时数据， 并结合历史数据 预估公交车到站时间， 以保证预估的到站时间及时准确。 同时， 通过客户端可以实时地监控 各个站点， 进而有效地防止公交车到站违规拒载等情况。 0108 方法实施例 0109 根据本发明的实施例， 提供了一种车辆到站时间预报方法， 图 3 是本发明实施例。
48、 的车辆到站时间预报方法的流程图， 如图 3 所示， 根据本发明实施例的车辆到站时间预报 方法包括如下处理 ： 0110 步骤 301， 在数据库中保存车辆基本信息、 车辆监控规则信息、 以及车辆实时运行 数据 ； 0111 其中， 车辆基本信息具体包括 ： 车辆线路名称、 车辆线路所经历的站点信息、 站点 间的路程信息、 以及数据采集终端的位置信息 ； 0112 车辆监控规则信息具体包括 ： 车辆监控范围、 以及监控时间 ； 0113 车辆实时运行数据具体包括 ： 车辆线路信息、 各个相邻车辆站点之间路段上的车 说 明 书 CN 104243900 A 11 8/10 页 12 流量密度信息。
49、、 以及车辆具体位置信息， 其中， 车辆线路信息包括 ： 车辆线路名称、 到站时 间、 出站时间、 以及相应数据采集终端的标识信息， 车流量密度信息包括 ： 车辆行驶速度信 息 ； 0114 步骤 302， 智能分析模块根据车辆监控规则信息控制数据采集终端， 获取数据采集 终端采集的视频码流并进行处理 ； 根据车辆基本信息从处理后的视频码流中获取车辆实时 运行数据， 根据车辆实时运行数据、 以及数据库中当前时段的历史车辆实时运行数据建立 车辆到站时间预测模型 ； 根据车辆到站时间预测模型计算出车辆到达任一站的车辆到站信 息， 并将车辆实时运行数据写入数据库。 0115 其中， 车辆到站信息具体包括 ： 到站时间、 以及车辆到站延误时间。 0116 步骤 302 具体包括如下处理 ： 0。