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！

龙图腾网获悉合肥工业大学申请的专利基于时间序列波动的行人流组成比例预测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：CN119541213B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411753744.0，技术领域涉及：G08G1/01；该发明授权基于时间序列波动的行人流组成比例预测方法是由张培民;王禄生设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本基于时间序列波动的行人流组成比例预测方法在说明书摘要公布了：本发明公开了一种基于时间序列波动的行人流组成比例预测方法，包括：1、采集并处理真实场景数据，2、结合真实采集的数据模拟行人流以得到不同类型行人对应的模拟行人流量序列，3、提取模拟行人流量序列的特征并确定其判断阈值，4、获取行人流量的波动序列并根据判断阈值预测行人流组成比例。本发明能根据实际行人流量的波动序列结合模拟行人流量序列的特征，预测行人流的组成比例，并根据行人的类型和行为特征，对交通信号、道路资源等进行智能管理和控制，从而能为优化交通管理、疏导和应急响应等提供了一种新的解决思路。

本发明授权基于时间序列波动的行人流组成比例预测方法在权利要求书中公布了：1.一种基于时间序列波动的行人流组成比例预测方法，其特征在于，是按如下步骤进行： 步骤1：采集并处理真实场景数据； 步骤1.1：获取第个周期下同一单向直行通道在同一时间段下的行人视频并在行人视频的每帧图像中通道的出口处设置参考线，从而对第个周期下的行人视频在每隔一定时长通过参考线的行人进行识别，得到通过参考线的行人数量并构成第个周期下的行人流量序列，从而得到个周期下的行人流量序列，其中，表示第个周期下第个时长的行人流量，表示时长的总数； 步骤1.2：对取平均后再进行中值滤波处理，得到行人流量总体趋势序列，其中，表示第个时长的行人流量总体趋势； 步骤1.3：将中每个时长的行人流量体趋势分别作为泊松分布的随机到达率，从而生成总数为的泊松随机数并取其倒序后，得到每个时刻到达单向直行通道入口处的行人数量序列；其中，表示第个时刻到达单向直行通道入口处的行人数量； 步骤1.4：根据构造行人类型数组，其中，表示第个时刻到达单向直行通道入口处所有行人的类型标识序列，且表示第个时刻到达单向直行通道入口处的第个行人类型；且表示聚集型，表示分散型；初始化 步骤2：模拟行人流； 步骤2.0：初始化 以所述行人视频中通道的入口处某一顶点为原点，以所述通道的水平方向为轴方向，以通道的垂直方向为轴方向，建立第一平面坐标系； 获取所述通道在轴方向上的长度与轴方向上的宽度； 利用四点标定法标定所述第一平面坐标系中的第一个点坐标、第二个点坐标、第三个点坐标、第四个点坐标； 定义从到之间的线段以及到之间的线段表征所述通道两侧墙壁边缘；其中，表示通道的第侧墙壁边缘； 定义从到的线段为模拟场景的参考线； 定义行人的半径区间为，其中，为行人的半径最小值，为行人的半径最大值； 定义行人的体重区间为，其中，为行人的体重最小值，为行人的体重最大值； 定义行人的期望速度区间为，其中，为行人的期望速度最小值，为行人的期望速度最大值； 定义行人的初始纵坐标区间为，其中，0为行人的初始纵坐标最小值，为行人的初始纵坐标最大值； 定义每个行人行进的目标点坐标为，其中，，为通道出口前方某一点的横坐标，； 步骤2.1：在中随机生成第时刻行人的半径序列，其中，表示第个时刻到达单向直行通道的入口处第个行人的半径，表示第个时刻到达单向直行通道的入口处行人的数量，且； 在中随机生成第时刻行人的体重序列，其中，表示第个时刻到达单向直行通道的入口处第个行人的体重； 在中随机生成第时刻行人的期望速度序列，其中，表示第个时刻到达单向直行通道的入口处第个行人的期望速度； 定义第时刻行人的矢量速度序列，其中，表示第个时刻到达单向直行的通道入口处第个行人的矢量速度，并初始化为0； 在中随机生成第时刻行人的初始纵坐标序列；其中，表示第时刻到达单向直行的通道入口处第个行人的初始纵坐标，从而生成第时刻行人的位置序列，表示第时刻到达单向直行的通道入口处第个行人的初始位置； 步骤2.2：初始化； 步骤2.3：根据式1计算第个时刻行人位置序列中第个行人的自驱动力； 1 式1中，表示第个时刻第个行人的行走速度恢复到期望速度所用时间；为第个时刻第个行人的位置指向目标点坐标的方向向量； 步骤2.4：根据式2计算第个时刻行人位置序列中第个行人与第个行人之间的相互作用力 2 式2中，为第个行人的排斥力参数，为产生排斥力的最小范围；为第个时刻第个行人与第个行人的半径之和；为第个时刻第个行人与第个行人的质心间距离；为第个时刻第个行人指向第个行人的单位向量；为挤压力参数；为摩擦力参数；为第个时刻第个行人与第个行人之间的切向方向的单位向量；表示接触力判别函数，当时，令，当时，令；为第个时刻第个行人与第个行人之间的切向速度差； 步骤2.5：根据式3计算第时刻行人位置序列中第个行人与第侧墙壁边缘之间的作用力； 3 式3中，为第个时刻行人位置序列中第个行人到墙壁边缘的距离，为第个时刻行人位置序列中第个行人与墙壁边缘间垂直方向的单位向量，表示第个时刻行人位置序列中第个行人行走且平行方向的单位向量； 步骤2.6：若=，则利用式4得到第时刻行人位置序列中第个行人在面对拥挤时倾向加速或减速的驱动力，若=，则利用式5得到第时刻行人位置序列中第个行人在面对拥挤时倾向加速或减速的驱动力； 4 5 式4和式5中，表示任一行人在面对拥挤时倾向加速或减速的驱动力，为第时刻行人位置序列中第个行人前方行人密度，且，为第时刻行人位置序列中第个行人前方长度为的范围内的行人总数；表示判断前方拥挤的阈值，表示判断前方不拥挤的阈值； 步骤2.7：根据式6更新第时刻行人位置序列中第个行人的矢量速度； 6 步骤2.8：根据式7更新第时刻行人位置序列中第个行人在相邻时间间隔后的位置； 7 步骤2.9：将赋值给后，若，则返回步骤2.2顺序执行，否则，表示得到第时刻所有行人在相邻个时间间隔后的位置序列；并记录第时刻行人位置序列中通过参考线的行人数量； 步骤2.10：删除时刻行人位置位置序列中横坐标在区间之外的行人坐标信息，同时删除相应行人在半径序列、体重序列、期望速度序列、矢量速度序列及标识信息序列中的信息，从而更新时刻的、、、、和；并更新行人数量； 步骤2.11：将赋值给，若，则按照步骤2.1获取时刻的、、、、和以及，并分别将与、与、与、与、与、与合并，将赋值给后，返回步骤2.2顺序执行；否则，表示得到行人数量序列； 步骤2.12：将中每个行人数量之和作为模拟行人流序列中的元素，从而得到模拟聚集型行人流序列；表示第个时长的模拟聚集型行人流量； 步骤2.13：初始化=，初始化后，按照步骤2.1到步骤2.12的过程得到模拟分散型行人流序列；其中，表示第个时长的模拟分散型行人流量； 步骤3：序列特征提取与判断阈值确定； 步骤3.1：将序列、分别减去，得到模拟聚集型行人流序列的波动序列和模拟分散型行人流序列的波动序列；其中，表示模拟聚集型行人流量序列相较于总体趋势序列在第个时长上的波动值，表示第个时长的模拟分散型行人流量相较于总体趋势序列在第个时长上的波动值； 步骤3.2：通过式8并以移动窗口长度为分别计算的移动标准差序列和的移动标准差序列，其中，表示移动窗口长度为时序列在时刻的移动标准差，表示移动窗口长度为时序列在时刻的移动标准差； 8 式8中，表示移动窗口长度为时序列在时刻的移动平均值，且；表示移动窗口长度为时序列在时刻的移动平均值，且； 步骤3.3：计算的均值、的均值； 步骤3.4：计算移动标准差的阈值上限，移动标准差的阈值下限； 步骤4：行人流组成预测； 步骤4.1：将步骤1.1中获取的第个周期下的行人流量序列减去后，得到第个周期下的波动序列，其中，表示第个周期下的行人流量序列相较于总体趋势序列在第个时长上的波动值； 步骤4.2：根据式8计算的移动标准差序列，其中，表示移动窗口长度为时，第个周期下的行人流量波动序列在时刻的移动标准差； 步骤4.3：当，表示第个周期下时刻以后的行人流组成中聚集型行人比例较高； 当，则表示第个周期下时刻以后的行人流组成中分散型行人比例较高。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。

以上内容由龙图腾AI智能生成。