买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京交通大学申请的专利基于轨道交通站内高密度客流的多指标风险量化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117236689B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311193962.9，技术领域涉及：G06Q10/0635；该发明授权基于轨道交通站内高密度客流的多指标风险量化方法是由李小红;朱亚迪;张金雷;张晓迪;邢本勇;唐鹏程;孝启铭;闫苇杭;袁凌志设计研发完成，并于2023-09-15向国家知识产权局提交的专利申请。

本基于轨道交通站内高密度客流的多指标风险量化方法在说明书摘要公布了：本发明提供了基于轨道交通站内高密度客流的多指标风险量化方法，包括：步骤S1：获取行人的基础数据；步骤S2：基于行人的基础数据来计算行人相关指标；步骤S3：描述场景拥挤水平；衡量混乱水平；步骤S4：对衡量拥挤水平的密度和衡量混乱水平的熵值进行归一化处理，得到拥挤风险值和混乱风险值，并根据场景区域特点，对拥挤风险的和混乱风险分配权重系数，将人群风险化为四个风险等级；步骤S5：得到风险等级对应的时间段，加强监控风险等级高的时间段。可以实现：从不同角度使用多项指标进行风险分析和评价，在踩踏风险的研究中，提出了密度熵指标以衡量高密度条件下人群密度空间位置的波动性，丰富了熵值在人群风险研究中的作用。

本发明授权基于轨道交通站内高密度客流的多指标风险量化方法在权利要求书中公布了：1.基于轨道交通站内高密度客流的多指标风险量化方法，其特征在于，包括： 步骤S1：获取行人的基础数据，即通过视频追踪技术记录每一时刻内每个行人的坐标x,y的基础数据； 步骤S2：基于行人的基础数据来计算行人相关指标，即计算每一时刻内每一行人位置处在x和y方向上的速度、转向角，利用Voronoi计算的行人局部密度； 步骤S3：利用将Voronoi计算的行人局部密度平均化得到场景平均密度，并使用场景平均密度定义描述场景拥挤水平；根据熵值计算公式计算密度熵、速度熵、角度熵，并根据密度熵、速度熵、角度熵计算混合熵以衡量混乱水平； 步骤S4：对衡量拥挤水平的密度和衡量混乱水平的熵值进行归一化处理，得到拥挤风险值和混乱风险值，并根据场景区域特点，对拥挤风险和混乱风险分配权重系数，将人群风险化为0‑1内的四个风险等级； 步骤S5：得到风险等级对应的时间段，加强监控风险等级高的时间段； 其中，步骤S3中，具体包括以下步骤： 步骤S31，使用Voronoi图来定义场景中的行人局部密度，获取每个行人在不同时刻的局部密度值，将密度平均化进而获得拥挤水平Rcongestion，具体包括： 1在Voronoi图中，每一个行人粒子被分配一个分割的单元区域，分割单元中的点表示行人i在tk时刻的位置，该单元区域包含距离该行人粒子最近的范围，行人粒子密度越大，所分配的单元区域越小，所有被划分的单元区域组成整个场景行人行走区域A： A——所有被划分的单元格组成的整个行人行走区域； 2计算测量区域内行人i在tk时刻的局部密度ρitk： 其中|Ωitk|表示行人i在tk时刻所占据的局部区域面积3通过对场景内局部密度ρitk平均化，得到tk时刻的场景平均密度： 步骤S32，计算行人的密度熵，具体包括： 将场景中所有行人密度的大小划分为n1个相同宽度的区间，计算行人的密度熵： 其中，hρi来表示该场景中密度大小属于第i个区间行人粒子的数目；pρi＝hρiN表示密度大小分布的概率，N是区域内行人的总数量； 步骤S33，计算行人的速度熵，具体包括： 将场景中的速度大小划分为n2个相同宽度的区间，计算行人的速度熵： 其中，hvj表示行人速度大小位于第j个区间的数量，pvj＝hvjN表示速度大小的分布概率，N是区域内行人的总数量； 步骤S34，计算行人的角度熵，具体包括： 将场景中的行人转向角划分为n3个相同宽度的区间，计算行人的角度熵： 其中，hθk表示行人转向角位于第k个区间的数量，pθk＝hθkN表示转向角大小的分布概率，N是区域内行人的总数量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。