(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210881081.5 (22)申请日 2022.07.26 (65)同一申请的已公布的文献号 申请公布号 CN 114943390 A (43)申请公布日 2022.08.26 (66)本国优先权数据 202210633725.9 202 2.06.06 CN (73)专利权人 北京城建 设计研究院有限公司 地址 100037 北京市西城区阜成门北 大街5 号2幢五层517室 (72)发明人 李金海　刘剑锋　杨冠华　梁肖　 孙永亮　李芳　范瑞　廖唱　 尹双超　 (74)专利代理 机构 北京知联天下知识产权代理 事务所(普通 合伙) 11594 专利代理师 张迎新(51)Int.Cl. G06Q 10/04(2012.01) G06F 30/20(2020.01) G06Q 50/30(2012.01) (56)对比文件 CN 107358357 A,2017.1 1.17 CN 112418451 A,2021.02.26 US 20212482 90 A1,2021.08.12 CN 112435458 A,2021.0 3.02 CN 113556132 A,2021.10.26 佟慧姣等.客 流量监测的WiFi嗅探网格化方 法. 《电子测量 技术》 .2018,(第08 期),全文. 刘卓等.时空大 数据驱动的新型智慧城市交 通规划决策支持框架. 《地理信息 世界》 .2020, (第03期),全文. 审查员 黄莹 (54)发明名称 一种基于数字孪生的地铁车站客流监测方 法及系统 (57)摘要 本发明公开了一种基于数字孪生的地铁车 站客流监测方法及系统。 一种基于数字孪生的地 铁车站客流监测系方法， 包括以下步骤： 获取模 型要素对应的监测数据； 基于所述监测数据进行 全局仿真分析或局部仿真分析。 本发 明实现了二 维或三维空间中， 行人流的动态、 连续监测， 揭示 了行人交通的时空动态分布特征； 实现了行人流 演化态势的短时预测； 充分利用既有传感设备采 集行人流量， 在此基础上进行微观交通特征的深 度挖掘。 权利要求书5页 说明书15页 附图7页 CN 114943390 B 2022.10.21 CN 114943390 B 1.一种基于数字 孪生的地铁车站客 流监测方法， 其特 征在于， 包括以下步骤： 获取模型要素对应的监测数据； 基于所述监测数据进行全局仿真分析或局部仿真分析； 其中， 全局仿真分析包括以下 步骤： 获取一定时段内监测得到的行人流量数据； 根据 所述行人流量数据计算所述一定时段 的下一时段内完成服务的行人总量的比例； 对于所述一定时段内被监测到的各行人个体， 生成一个服从均匀分布的伪随机数， 根据所述伪随机数确定所述下一时段内各行人个体的 交通吸引点； 确定行人个体从交通发生 点到交通吸引点之间的有效路径； 更新行人个体时空状态； 其中， 确定所述行 人个体的交通吸引点的具体步骤如下： 获取t时段内感知模块mi监测得到的行人流量为fi(t)， 并发送至对应的模型要素ei； 交 通吸引点Dj对应感知模块 监测到的行 人流量记为 其中， j＝1,2， …， n； 确定t+1时段内各交通吸引点Dj吸引的行人流量占t时段内完成服务的行人总量的比 例， 具体公式如下： 其中， 为t时段内交通吸引点Dj处监测到的行人流量； 为t时段内各交通吸 引点完成服务的行人总量； n为分析模型 中行人个体 交通吸引点总数； pj(t+1)为t+1时段内 各交通吸引点Dj吸引的行 人流量占t时段内完成服 务的行人总量的比例； 确定t+1时段内各行人个体的交通吸引点， 对于t时段内被监测到的各行人个体， 生成 一个服从均匀分布的伪随机数α， α ∈[0,1]； 若α ≤∑p1(t+1)， 则行人个体的目的地为第1个 交 通 吸 引 点 ；否 则 ，行 人 个 体 的 目 的 地 为 第 d 个 交 通 吸 引 点 Dd，其 中 所述确定行 人个体从交通发生 点到交通吸引点之间的有效路径的具体步骤如下： 确定t+1时段内分析模型中各交通发生点和交通吸引点之间的有效路径集； 有效路径 集是指分析模型中连接任一交通发生点Oi和交通吸引点Dj， 且实际有行人使用的路径集合； 其中， i＝1,2，…， m； 确定t+1时段内， 各交通发生点和交通吸引点对ODij各有效路径的广义交通费用， 公式 如下： 权　利　要　求　书 1/5 页 2 CN 114943390 B 2其中， Vrij(t+1)为t+1时段内各交通发生点和交通 吸引点对ODij中r条有效路径的广义 交通费用； K为路径r有关的特性变量总数； xrk(t)为t时段内路径r的第k个特性变量； θk为特 性变量权 重； 确定t+1时段内各交通发生点和交通吸引点对 ODij各有效路径分配的客流占比， 公式如 下： 其中， prij(t+1)为t+1时段内ODij第r条有效路径分配的客 流比例； Rij为有效路径集； 确定t+1时段内行人个体的行走路径； 对于t时段内监测到的每个行人个体， 生成一个 服从均匀分布的伪随机数α， α ∈[0,1]； 若α ≤∑p1ij(t+1)， 则行人个体的行走 路径为ODij第1 条 有 效 路 径 ； 否 则 ， 行 人 个 体 的 行 走 路 径 为 O Di j第 r′条 有 效 路 径 ， 其 中 r′>1； 所述局部 仿真分析包括以下步骤： 读取模型要素范围内的监测数据， 确定各感知模块处， 行人个体将到达的感知模块对 应模型要素的邻接模型要素； 更新行人个体时空状态。 2.根据权利要求1所述的基于数字孪生的地铁车站客流监测方法， 其特征在于， 所述确 定各感知 模块处， 行人个体将到达的感知 模块对应模型要 素的邻接模型要 素的具体步骤如 下： 获取t时段内， 各感知模块mi监测得到的行人流量fi(t)， 并发送至感知模块mi对应的模 型要素ei； 确定t+1时段内模型要素ei的邻接模型要素ej所吸引人流占模型要素ei处行人总量比 例， 公式如下： 其中， fj(t)为t时段内模型要素ei的邻接模型要素ej处监测到的行人流量； 为t 时段内模型要素ei的所有邻接模型要素ej处监测到的行人总 量； n′为邻接模型要素ej的总 数； pij为比例系数； 确定模型要素ei监测到的行人个体的局部目标邻接模型要素ej， 对于每个t时段内被监 测到的行人个体， 生成一个 服从均匀分布的伪随机数α， α ∈[0,1]； 若α ≤∑pi1(t+1)， 则行人 个体的局部目的地为第 1个邻接模型要素； 否则， 行人个体的局部目的地为第l个邻接模型权　利　要　求　书 2/5 页 3 CN 114943390 B 3