实时获取（精选4篇）
实时获取 篇1
0引言
电子信息技术的出现以及电子商务的发展,给物流行业带来了新的机遇和挑战。与传统的物流过程相比,现在的物流过程加入了更多信息化的元素,提高了物流的生产效率,改进了资源分配和调度管理的科学性,这大大提高了企业竞争力。目前, 很多物流环节仍存在着可提升的空间,如效率不高、监控无效、 资源浪费等。比如,对于物流车辆的监控管理主要还是集中在车辆出发,抵达目的地两个时刻,而忽视了物流车辆运输途中监控的重要性。物流车辆在途的信息管理仍存在很多漏洞,这将导致资源、时间、人力的浪费,应该得到进一步的改善。
1国内现状及系统改进
1. 1国内现状
20世纪80年代,日本和欧洲的一些发达国家已经出现了能够提升车辆运输效率以及安全性的智能系统,90年代,以GPS定位技术为研究热点的智能交通系统得到关注［1］。随着物流行业的发展,智能系统在物流行业中得到广泛的应用,其精确、稳定、透明、高效的优势为物流业带来良好的收益。在我国, 虽然动态实时获取数据的智能系统应用较晚,但目前也得到了应用,大大提升了企业的效率。
目前的物流车辆监控技术主要是基于GSM/GPRS的无线通信技术,在主控端结合地理信息系统( GIS) ,利用GPS技术, 来完成对物流车辆的实时监控、调度以及信息管理［2］。这种技术方案很好的实现了对物流车辆的监控管理,大大提升物流工作效率。但是仍旧存在一些问题: 第一,GPS技术的定位会受到很多外界因素的干扰,比如当电离层,对流层干扰时,就会产生误差。同时,在大城市或者山区里,高层建筑及树木等对信号也会产生影响,用GPS测量,往往出现数据一直处于浮动状态、假固定或者不能固定的情况,这会导致较大的数据误差,这样的定位并不利于控制中心做出正确的决策。第二,GSM/GPRS数据业务的传输速率较低,难以满足越来越大的数据流传输需求。 第三,没有明确的物流车辆在途管理方案,应对紧急状况的能力还不充分。第四,车辆的路径选择主要依靠经验,效率低下,不便于管理。这些问题的存在,将导致信息传递不及时,信息失真, 信息无效,信息不全面等现状,企业需要更加完善的监控系统。
1. 2改进方案特点
本文在现有方案的基础上,提出一种高效、精确、便捷的动态实时获取物流车辆数据系统,提升物流车辆监管的效率,帮助控制中心作出正确的决策,保证物流车辆在途过程中实现路径最优化、路径透明化,减少人力、物力的浪费。
本系统的特点主要体现在以下几个方面: ( 1) 系统利用路径关键点定位数据对车载GPS定位数据进行比对、校正,提升控制中心定位精确度。( 2) 在路径关键点处实现不停车监控、 测速、信息交换,工作效率高。( 3) 物流车辆与监控中心实时信息共享,便于调度、管理、处理应急事件。( 4) 控制中心利用基于蚁群的路径优化算法软件,指导物流车辆选择最优路径。 ( 5) 系统内采用3G网络进行通信,提升系统内通信质量。
2系统总体结构原理及设计
本文所研究系统针对物流车辆进行高效精确的实时动态监控,同时具有对运输路径进行优化指导的功能。该系统中每辆物流车辆都配有GPS车载终端,以便在控制中心及时获取信息对车辆进行定位追踪。同时,在沿途路径关键点安装有RFID读写器采集车辆信息,采集点设有摄像机记录车辆的视频信息, 以备查询,这些数据被实时传送到控制中心管理系统。在控制中心管理系统数据库存有路径关键点的详细位置信息,每当有采集信号传送过来,控制中心管理系统会将此时GPS定位数据与关键点数据进行对比,计算目前GPS定位的精度,并将关键点位置信息存入当前物流车辆位置数据库。整个系统数据交换过程采用3G网络,能极大地增加系统容量,提高通信质量和数据传输速率。在控制中心的远程车辆智能管理系统上,系统可以根据以往的数据反馈,根据将要出发的物流车辆任务需求或者应急事件,由系统的路径优化算法自动模拟生成最优路线,并以此指导出发车辆。该智能管理系统将所有物流信息汇总显示在控制中心的客户端显示屏幕上,实现高效清晰的可视化管理。 该系统整体结构框图如图1所示。
车载终端安放在驾驶室,进行车辆实时定位、位置信息反馈,并且在相连的液晶屏幕上进行实时的路径显示,给驾驶员以最清晰的反馈。物流车辆的信息识别系统由RFID电子标签和路径关键点的RFID固定读写器组成。远程物流车辆智能管理系统控制中心包括: 智能管理系统应用服务器,智能管理系统数据库服务器,管理员客户端以及路径优化算法软件。数据库服务器由多台高性能设备组成,为应用服务器提供数据支持,管理人员通过客户机进行操作管理。
3系统各主要模块设计
动态实时获取物流车辆的数据系统的设计因为新技术的产生而改良,因为企业追求更高的效率而改进。本系统利用了物联网［3］中应用最广的RFID射频识别技术［4，5］,RFID电子标签［6］因其防水、防磁、耐高温、识别距离远、具有穿透性、可重复读写等优势在零售、自动识别、车辆管理等领域得到广泛应用。
本文所设计系统主要由路径关键点、电子标签、车载终端、 控制中心四部分组成。
3. 1路径关键点设计
路径关键点是指在运输路径途中选取一些位置,安装RFID读写器等设备,与物流车辆上的RFID电子标签共同完成物流车辆识别任务。路径关键点的选取原则是: ( 1) 合理的空间布局。保证在关键点采集的信息对物流车辆全程有覆盖性、代表性。( 2) 评估选址状况。分析选址处网络状况,有无收费站,服务站,住宅区等,若网络较差或没有这些设施,应增加关键点。 ( 3) 统计物流车辆流量。应尽量选择车流量较大的主干道。路径关键点主要包括的硬件设备有: 语音提示模块,车辆传感器, 地磁感应线圈,RFID读写器,摄像机,计算机等。
用于标识车辆的RFID电子标签贴于物流车辆上,当带有RFID电子标签的物流车辆进入关键点设置的阅读区域时,首先会有摄像机1记录其进入的影像,语音提示模块会提示司机,车辆传感器识别到车辆进入,在地磁感应线圈的作用下,标签被激活,RFID读写器与电子标签进行远距离无接触信息采集,读写器管理系统将采集到的卡内信息关联到后台数据库进行相应处理,全程不用停车。摄像机2对车辆出入的全过程提供视频监控,以便管理人员进行信息追溯,并可完成测速等附加任务。
RFID读写器设计为固定式读写设备,安装在各关键点监控区域,用于读取标签信息。读写器可以无接触地读取并识别电子标签中所保存的车辆相关数据,从而完成自动识别车辆目标［7］。读写器通过3G无线网络与计算机主机相连,将所读取的标签信息传送给计算机主机并上传至控制中心的数据库中。
控制中心收到关键点返回的信息,在关键点位置数据库中调取该关键点的位置信息,确定物流车辆此时的位置信息,与GPS定位的实时数据进行对比,计算GPS定位精度,并将关键点的精确位置信息存入物流车辆位置数据库。
路径关键点处硬件组成如图2所示。
3. 2电子标签设计
电子标签采用智能可重复擦写的无源微波电子标签,其数据存贮容量一般限定在2 Kbits以内。电子标签附着在车辆上用于标识目标,每个标签都有ID编号,同时电子标签数据区是存放车辆相关数据的,可以进行读写、覆盖、增加的操作。当车辆进入位置关键点的识别范围时,车辆传感器检测到车辆进入, 触发关键点处的射频读写器,地磁感线圈激活电子标签,读写器和电子标签进行数据交换。
电子标签的处理控制单元主要用于密码校验,编程模式检查,数据加密解密,并控制对EEPROM的读写操作。
非接触式读写器,包括调制解调器、MCU、接口电路、天线。 射频识别工作原理如图3所示。
3. 3 GPS车载终端设计
车载终端硬件结构如图4所示。车载终端安放在驾驶室, 进行车辆实时定位、位置信息反馈,并在驾驶室的液晶屏幕上进行实时的路径显示,给驾驶员以最清晰的反馈。车载终端主要包括处理器,GPS模块,无线通讯模块,液晶屏幕,键盘,应急呼叫模块,天线放大器等。
车载终端上的GPS模块主要完成车辆的定位功能,其中GPS模块由变频器、信号通道、微处理器和存储单元组成。主要作用是接收GPS卫星信号并进行计算,以获得当前的经度、纬度坐标,确定目前车辆所处位置。GPS模块将车辆信息实时传送给控制中心的GPS实时控制系统,进行数据存储和比对。
液晶屏幕用于显示当前车辆的实时路径,控制中心发来的提示、警告等。键盘作为驾驶员与控制中心信息交换的输入端, 根据计算机系统设计,完成相应的指令。
应急呼叫模块是双向的,当车辆遇到意外时,司机可以向控制中心及时反馈信息,当控制中心发现问题时,也可以通过该模块迅速给司机进行提示。
3. 4控制中心结构设计
系统控制中心包括: 应用数据库服务器,系统应用服务器, 管理员客户端,路径优化算法软件。
系统应用服务器根据将要发出的物流车辆运输任务,在系统上模拟出该车辆的最佳路线,并反馈给物流车辆,路线可以在车辆上的液晶显示屏幕上直观显示,并且会主动提示司机几个重要的安装有RFID读写器的关键点。物流车辆与控制中心配备通过3G网络连接的通信设备,保证控制中心与车辆及时互动,并当车辆在途中遇到故障等紧急事项时,通过应急呼叫模块传递信息,控制中心能及时做出反应,及时调度。图5为控制中心结构框图。
4基于蚁群算法的实时车辆路径优化软件
1992年M. Dorigo［8］等受蚁群在觅食过程中发现路径的行为启发提出了蚁群算法。多年来世界各地学者对蚁群算法进行了深入研究和应用开发,作为新型启发式算法,蚁群算法现已被广泛应用于数据分析、机器人协作问题求解、电力、通信、水利、 采矿、化工、建筑、交通等领域［9］。蚁群算法快速的寻优能力、 全局优化特性也同样引起了国内学者的广泛关注。
4. 1蚁群算法
基本蚁群算法思路如下:
步骤一: 初始状态放出一群蚂蚁,此时没有信息素,每只蚂蚁会随机的选择一条路径进行搜索;
步骤二: 在下一个状态,每只蚂蚁到达了不同的点,从初始点到这些点之间留下了信息素,蚂蚁继续完成搜索后返回,同时放出下一批蚂蚁,新放出的蚂蚁会根据各条路径上信息素浓度的高低选择搜索路线;
步骤三: 再下一个状态,未被蚂蚁选择或选择较少的路线上的信息素浓度低,而被蚂蚁多次选择的路线上的信息素浓度较高,然后放出新一批蚂蚁重复步骤二;
步骤四: 经过多次迭代,得出一条路径上信息素浓度最高, 这条路线就是算法输出的最优路径。
4. 2蚁群算法的改进
针对物流运输的特点,蚁群算法改进思路主要有三方面的思考: ( 1) 从调度中心配送货物的需求出发,调度中心根据货物配送的需求,在地图上显示出各货物配送地点的信息,综合成本、时间等参数因素; ( 2) 系统在应用蚁群算法实现路径优化调度时可以采用反向搜索的方式,以各配送点的位置为蚁群初始值,向各运输车辆展开局部搜索,从而得到最优调度结果并输出; ( 3) 实际物流车辆的运输状况,会受到路况和车流量的影响。首先需要从官方数据库获得关于路径路况和车流量的初始数据,并建立数据模型进行模拟,通过多次的模拟校正确定每条路径的路径系数r。由于路况和车流量并不是一成不变的,所以需要算法进行不断地模拟校正,以确定适当的路径系数r 。
4. 3蚁群算法的实现
改进蚁群算法实现主要步骤如下:
( 1) 放出第一批蚂蚁进行一次路径搜索,每条路径上有一个初始路径系数r ,计算所有蚂蚁循环路线的总长度,比较得出最短路径长度,输出蚂蚁最优路径;
( 2) 放出第二批蚂蚁,新放出的蚂蚁会按照各条路径上信息素浓度的高低选择搜索路线,同时进行信息素的更新过程;
( 3) 经过多次迭代,寻找信息素浓度最高的路线,这条路线就是算法输出的最优路径。
路径优化算法软件基于改进的蚁群算法思想,利用JAVA程序开发工具进行实现。服务器的软件编写比较复杂,在下层需要与串口通信,接收终端发来的短消息,上层要为用户提供标准的数据库接口,选用Microsoft SQL Server数据库较为合适。
5结语
本文提出的改进方案系统设计,旨在提升物流车辆在途运输实时可监控性、管理调度便捷性透明性、定位信息校正精确性、通信网络稳定性、路径算法优越性等特点,应用在物流行业中,将会大大提升物流运输的效率,降低成本。随着电子商务在我国较快的发展和较大的市场潜力,需要先进的途中物流车辆监控系统［10］。本文所设计的基于RFID技术的实时动态系统将会得到更广泛的应用。
摘要：针对现有的物流车辆监控系统存在效率不高、信息失真、资源浪费等问题,提出一种新的动态实时获取物流车辆数据系统,该系统具有利用路径关键点RFID识别技术和车载终端GPS定位技术共同定位车辆、车载终端与控制中心实时进行数据共享、采用路径优化算法软件、3G网络进行数据传输等特点。经分析验证表明,该系统有效的提升了车辆监控系统的精确性、实时性、高效性。
关键词：RFID,路径关键点,控制中心,蚁群算法
参考文献
[1]胡琨鹏.物流车辆监控系统的研究与设计[D].成都:西南交通大学计算机学院,2010.
[2]胡立栓,项彩虹.基于RFID/GIS/GPS的物流商品监控系统模型研究[J].测绘与空间地理信息,2013,36(s1):128-131,134.
[3]杨慧,丁志刚.一种面向服务的物联网中间件的设计与实现[J].计算机应用与软件,2013,30(5):65-67,121.
[4]Shepard S.RFID:radio frequency identification[M].New York:Mc GrawHill,2005.
[5]陈宇铮,汤仲喆.基于RFID的冷链物流监测系统的设计[J].计算机应用与软件,2013,30(2):263-265,291.
[6]董雪婷,何世伟,申永生.RFID电子标签在集装箱港站中的应用研究[J].物流技术,2012,31(9):375-377.
[7]王利,任伟,冉旭,等.RFID在食品行业中的应用[J].食品工业科技,2009(3):293-294.
[8]Wang Z,Zhang D.A Qo S multicast routing algorithm based on ant colony algorithm[C]//Wireless Communications,Networking and Mobile Computing,2005.Proceedings.2005 International Conference on.IEEE,2005,2:1007-1009.
[9]孙泽宇,魏巍.一种改进蚁群算法组合优化问题的研究[J].计算机仿真,2010,27(8):194-197.
[10]王忠凯,卢选民,林茂宽,等.一种基于RFID的感应式智能语音讲解系统[J].计算机应用与软件,2012,29(6):242-243,270.
实时获取 篇2
精确自动地监测植物生长状况是自动控制植物生长环境条件的前提[1]。在实际生产中,作物长势的地面监测大多是种植人员采用目测的方法。虽然,在经验积累的基础上取得了一定的效果,但人的肉眼分辨能力有限,往往肉眼可以识别时,作物的伤害已比较严重[2]。数字图像处理技术在作物生产和科研的信息采集方面具有信息量大、速度快、精度高等显著的特点和优势,可避免传统方法中由于人与人之间的认识差异及视觉疲劳带来的影响,在节约劳动力,降低人的判断主观性方面有很大的潜力[3]。
目前,计算机视觉技术在作物检测方面主要应用于土壤和杂草等背景的识别、叶面积和株高测量、叶片的形态识别、作物营养信息监测等4个方面。当前对作物长势研究的方法,已从简单的形状研究逐渐发展到用颜色进行作物长势形态指标分析,从简单的通过叶面积做长势判断逐渐发展到做营养缺素特征方面的研究[4]。因此,对图像质量和图像获取的实时性要求也越来越高。然而,目前对于图像获取技术与方法的研究甚少。宋亚杰等(2006)[5]和谢守勇(2008)等[6]都是在日光条件下获取的金莲花叶片图像,然后分别提取RGB三色分量和它们的相对系数rgb以及色度H进行分析,得出了与缺水时间的关系。他们采用的图像获取方法分别是400万像素的数码相机和600万像素数码相机在现场自然光照及目距的条件下完成,而作物图像远程实时获取方法研究还未见报道。本文提出了建立作物数字图像远程实时获取系统,对图像获取设备、设备的安装形式、系统信息传输方式和远程控制管理进行了研究。
1 作物数字图像远程实时获取系统
1.1 系统组成
系统典型结构如图1所示。该系统主要包括图像获取设备、下位机、数据传输、Web服务器和客户端等部分。图1中实线表示图像信息数据流,虚线表示控制流。
1.2 系统功能
作物数字图像信息远程获取系统提供一个能够实时远程监控并记录作物生长数字图像信息的平台,为试验研究工作提供便利。利用该系统及配套软件可实现远程控制镜头、远程控制相机拍摄、图像传输、图像信息网络发布共享和图像信息分析等。甚至可以在系统分析后做出灌溉、施肥、喷药和除草等决策,控制相应设备进行该项操作,实现管理功能。其主要包括4个功能模块:用户管理与系统维护模块、数据库管理模块、图像获取与设备控制模块和数据处理与发布模块。
2 图像获取设备
2.1 普通数码相机
近年来各数码相机生产厂商纷纷开发出可以通过USB接口或IEEE1394接口连接计算机并在相应计算机软件上直接控制数码相机拍照的数码相机和软件。数码相机和计算机之间的连线USB2.0输出,数据传输5m,加延长器可达20m,IEEE1394输出,数据传输10m,加中继可达40m,传输距离较短,适用范围有限。尼康公司2007年发布了无线传送器WT-4套件,当WT-4与支持的机型连接时,它会允许图片通过无线连接与以太网线连接的个人计算机中,或者是允许图片传送到FTP服务器中,可使用远程控制软件实现对影像的传输和对相机的远程控制,如预览功能“live View”(LCD即时取景)功能以及优化调节系统,很好地解决了传输距离和布线的问题,可作为作物图像获取设备。
但是采用普通数码相机应用于作物图像自动获取有如下缺点:不能实现对镜头的变焦控制,只适用于固定目距的情况下;数码相机到计算机之间的距离仍然受限,仅个别品牌的单反相机支持无线传输,价格昂贵;普通数码相机长时间应用于农田或温室温度湿度环境中的适应性有待考量。
2.2 工业相机
工业相机又俗称摄像机,相比于传统的民用摄像机而言,它具有高的图像稳定性、高传输能力和高抗干扰能力等,目前市面上工业相机大多是基于CCD(Charge Coupled Device)或CMOS(Complementary Metal Oxide Semiconductor)芯片的相机。工业相机通过选择安装电动变焦镜头来实现对镜头的控制。其中,模拟工业相机采用视频输出,需要通过图像采集卡连接到计算机,通信采用RS-485串行通信协议,组成作物生长状况监测系统。数字工业相机输出方式主要有USB接口、IEEE1394接口和以太网输出,可以直接连接到计算机,组成作物生长状况监测系统。
USB接口、IEEE1394接口的工业相机传输距离短,加中继传输距离也分别只有20m和40m,因此应用范围受限。市面上高分辨率以太网工业数字摄像机以其图像质量高,颜色还原性好,以网络作为输出,解决了其它数字相机传输距离短的问题,传输距离长,信号稳定,CPU 资源占用少的特点成为用户的首要选择。
3 图像获取设备的安装形式
3.1 移动车载
移动车式作物图像获取设备安装,如图2所示。为方便田间作业,图像获取设备和下位机安放在特制的移动车上,下位机连接到无线以太网,客户端可远程控制小车的移动和作物图像的获取。这种方法适用范围广,应用灵活,可用于农田和温室中各种旱地场合;但是需要根据不同的作物设计或调整图像获取设备高度和轮距,监控小车的移动轨迹还要借助前视镜头,以获得更大的视野。
3.2 固定形式
固定作物图像获取设备安装,如图3所示。此方式安装布置简单,但是由于图像获取设备固定,只能获取特定植株特定角度固定目距下的图像,可同时采用多台图像获取设备以获取作物不同角度的图像,成本提高了,但适用于对特定植株的监测。
3.3 滑动导轨
有导轨作物图像获取设备安装,如图4所示。在作物上方架设导轨,安放图像获取设备。为了方便布线,可采用无线传输方式与计算机相连。由于图像获取设备与作物之间距离固定,可以采用带无线远程传输和控制功能的数码相机;也可以采用无线网络工业相机免去繁琐的布线,配以相应的电动伸缩镜头使系统更加灵活,方便关注特定叶片。该方案需要根据不同的作物间距设计相应的导轨,实现对图像获取设备在导轨上移动的坐标控制,方便获取不同植株的图像信息。
操作者只需在计算机软件上给出相应的移动坐标,等待图像获取设备到达指定作物上方位置点击获取每株作物冠层的图像信息,操作简单。其缺点是系统要根据具体情况设计开发,周期较长,对角度倾斜的叶子不能调节图像获取设备的角度。
农田中可以架设导轨,但是成本相比较高,需要架设很多支撑导轨的柱子,因此该形式更适用于温室中,可充分利用温室的墙和顶架设导轨。
3.4 云台
有云台的图像获取设备安装,如图5所示。该系统借助可旋转的云台和电动伸缩镜头实现对不同株作物的图像获取。图像获取设备安装在杆子上,用户可根据具体应用情况选择相机并配以相应接口形式、视场角和焦距的电动伸缩镜头,并根据实际距离选择不同的工业相机接口方式与计算机相连;可选择全方位智能控制云台,由于作物图像获取不拍摄移动的物体旋转速度没必要选择过快,pan:6°/s,tilt:4°/s左右就可以了。带防雨罩的云台适用于室外,同时需要设置避雷装置。
与架设导轨相比,该方案成本和系统设计开发周期上占优势,但该系统不能直接获取植株正上方冠层图像信息。
3.5 综合形式
同时采用导轨和云台可使图像获取的角度更多,方便得到不同植株、不同叶片各方向的图像,兼有滑动导轨和云台的优点。但是设备安装及设备位置控制较复杂,系统设计开发周期长,成本也较高。
4 图像信息的传输
图像信息从图像获取设备到下位机的数据传输可分为有线和无线两种方式。根据图像获取设备不同的接口形式采用不同的连接线,USB数据线、IEEE1394数据线、双绞线、光纤等。前两者传输距离很短,若数据线过长,干扰加大,传输不稳定,仅适用与图像传输设备与下位机距离很近的条件下。双绞线分不同的类,抗衰减能力和价格成正比。光纤传输距离长,抗干扰能力强,损耗低,工作可靠,但成本较高。若需要的传输距离双绞线能达到则选择双绞线,无法实现再考虑光纤。温室里或无线网络易覆盖的农田中,图像信息可直接通过无线网络传送到与以太网连接的下位机上。加入微波无线传输模块的图像获取系统,如图6 所示。图像获取设备到下位机之间若增加微波无线传输模块,微波传输距离由几十米到几十千米,增大了传输距离,增强了布线的灵活性;但成本较高,适用于图像采集地点到下位机间距离很远,布线不方便的农田中。
从下位机到Web服务器再到客户端均采用Internet网络连接。图像信息可通过网络经由Web服务器传输到用户计算机中。
图像信息数据庞大,为保证图像的流畅传输,有以下要考虑的因素:网络带宽,网络运营商提供不同的带宽(如2M,4M,8M等)包月、包年服务,用户根据实际情况选择;如果是由多个图像获取设备组成的系统,要考虑每个设备单独占用一条网络传输通道。为了方便远程访问可以选择申请付费动态域名解析软件账户或为系统购买固定IP地址,解决采用免费动态域名解析造成的系统网络连接不稳定的情况,其中购买固定IP成本较高;采用视频数据编码压缩技术,目前最热门的是H.264,具有很高的数据压缩比率。
5 作物图像数据库
建立作物图像数据库便于对作物图像的管理。数据库中图像数据的存取主要有间接存取法和直接存取法两种方法。间接存取法在数据库表中只反映图像数据文件的存储路径, 图像数据以文件形式存放于指定的计算机目录下。这种方法操作简单,但是图像数据和数据库分离,若图像数据文件更名或丢失,数据库中的图片数据将与实际存在的图片数据不一致,存在数据安全方面的隐患,因此选择直接存取法。直接存取法直接将图像数据存储在数据库关系表中,是目前图像数据库技术发展的主流, 不仅可以保证图像数据的一致性和安全性, 还可以提高图像数据的可用性和可伸缩性。由于图像数据量很大,可以利用BLOB 数据类型来实现图像数据的存储。BLOB是非常巨大的不定的二进制或者字符型数据,通常是文档(.txt,.doc)和图片(.jpeg,.gif,.bmp),可以存储在数据库中。
6 图像信息发布和远程管理
作物图像信息利用Web信息系统发布到网页上,实现作物图像信息的共享。获得浏览权限的普通用户可以浏览网页、检索图像和下载图像信息,超级用户还可以控制图像采集设备移动和拍摄,实时获取图像,系统管理员对系统进行管理和维护。功能上还可以增加图像处理以及后续控制管理到该系统中,对作物图像信息进行处理,获得作物缺素情况,发出指令控制田间相应设备灌溉施肥。
Web信息系统采用基于Internet/Intranet的标准协议和技术,采用浏览器/服务器的计算模式B/S结构[7]。客户端是标准的浏览器,接收用户的请求并传递给Web服务器,Web 服务器根据HTTP协议接收并处理浏览器的各种请求,同时将数据请求通过数据库接口程序送到数据库服务器,数据库服务器根据数据请求执行相应的数据库操作(如查询、修改、统计等),并将结果通过数据库接口程序送回Web 服务器,Web服务器将结果送回Web浏览器。
传统的信息系统一般采用客户机/服务器(C/S)模式。 该模式虽然充分发挥服务器的能力,安全性好,但同时也导致系统开发和维护的繁琐,且容易造成网络瓶颈。
7 结论
本文研究了作物数字图像远程实时获取系统的组成和功能。硬件组成包括图像获取设备、下位机、数据传输、Web服务器、客户端等部分。功能模块包括用户管理与系统维护模块、数据库管理模块、图像获取与设备控制模块和数据处理与发布模块。
研究指出利用带无线传输功能的数码相机和高清晰网络工业相机可作为作物数字图像获取设备。给出了图像获取设备的5种安装形式:移动车载、固定形式、滑动导轨、云台和综合形式。
指出图像信息从图像获取设备到下位机的数据传输可采用有线或无线的两种方式,有线传输速度快,但受传输距离和布线环境条件的限制。微波无线传输方式可以避免有线传输的缺点,显著增大了传输距离。从下位机到Web服务器再到客户端采用Internet网络连接。
由于图像数据庞大应考虑网络带宽,单个图像获取设备独享一条网络通道时,可以显著增加图像信息的传输速度。为了实现远程访问,可以选择购买动态域名解析软件帐户或固定IP地址;提出利用直接存取法建立作物图像数据库和利用Web信息系统实时发布作物图像信息和设备远程控制管理的方案。
摘要：作物图像获取方法是应用计算机视觉技术监测作物长势的首要问题。为此,对作物数字图像远程实时获取方法进行了研究。研究的作物数字图像远程实时获取系统由图像获取设备、下位机、数据传输系统、Web服务器和客户端等部分组成,包括用户管理与系统维护、数据库管理、图像获取与设备控制和数据处理与发布4个功能模块。系统利用带无线传输功能的数码相机和高清晰网络工业相机作为作物数字图像获取设备,并给出了图像获取设备的5种安装形式:移动车载、固定形式、滑动导轨、云台和综合形式;系统在图像获取设备到下位机之间采用有线或微波无线的传输方式,从下位机到Web服务器再到客户端采用Internet网络连接,通过增加带宽可以显著提高图像信息的传输速率;系统利用直接存取法建立作物图像数据库,并利用Web信息系统实现了作物图像信息的实时发布。
关键词：计算机视觉技术,数字图像,图像获取,农业
参考文献
[1]王方永,王克如,王崇桃,等.基于图像识别的棉花水分状况诊断研究[J].石河子大学学报,2007,25(4):404.
[2]刘保玲,姚彪,史春建,等.近红外图像处理技术在国外农业工程中的应用[J].农业工程学报,2005,5(21):102-106.
[3]刘继承.基于数字图像处理技术的水稻长势监测研究[D].南京:南京农业大学,2007.
[4]李民赞,光谱分析技术及其应用[M].北京:科学出版社,2006:388.
[5]宋亚杰,谢守勇.机器视觉技术在金莲花灌溉中的应用研究[J].西南农业大学学报(自然科学版),2006,28(4):659-662.
[6]谢守勇,宋亚杰.金莲花生长发育需水模糊评判模型研究[J].农业工程学报,2008,24(1):64-67.
实时获取 篇3
日益增长的嵌入式、网络化传感器逐渐渗透到实体世界中, 形成了物联网。它是当前各国政府都寄予很大希望的未来增长领域。物联网包含着无数的实体, 而每个实体又有多种属性特点, 如奔腾不息的车流信息、办公大楼的房间占用情况等。所有的这些信息都通过传感器感知之后通过互联网传给人们。这些实体信息的实时性高, 动态性很强。
现阶段物联网应用火热, 这需要对物联网实体实时信息做各种处理分析。因此, 物联网实体实时信息的获取在物联网研究领域中起了举足轻重的作用。但现在的物联网研究领域并没有重视物联网实时数据获取。文献[1, 2]介绍了几种物联网实体实时搜索系统, 却没有对于物联网实体实时信息获取这一部分的介绍。文献[3]详细说明了一个物联网实体实时搜索系统Dyser的实现, 但也没有给出Dyser实时数据的获取。另外, 现有技术也并不能实现动态页面实时跳变数据的采集。对于静态网页, 可以使用传统的网络爬虫抓取页面, 通过HTML标记识别的方法, 实现页面主体内容与其所含超链接网络地址的提取功能。但对于动态网页, 传统的网络爬虫无法获取页面内容, 更不能用传统的HTML标记方法提取到页面中实时跳变的数据。动态页面内容的获取方法有多种, 但均不能实时地获取页面实时跳变数据。文献[4]中脚本解释引擎Rhino无法识别JavaScript脚本片段中包含的HTML DOM, 在把动态网页脚本片段传递给Rhino前, 需要先对脚本片段中的HTML DOM实现本地创建, 该方法用时长且对于大量JavaScript加载网页来说非常繁琐。文献[5]中的基于JSSh的方案一次HTTP请求仅获取一次DOM信息, 请求回应耗时长, 无法满足实时动态的要求获取页面动态变化的数据。本文通过Web自动化测试框架Watir实现了物联网动态页面实时采集, 该方法实时性高, 可扩展性好, 能满足各个领域对物联网实时数据的需求。
1 背景知识
1.1 脚本语言Ruby
Ruby[6]是一种简单快捷的面向对象编程的脚本语言, 它遵守GPL协议和Ruby License。Ruby语言像Smalltalk一样完全面向对象、脚本执行, 又有Perl强大的文字处理功能的编程语言。使用Ruby可以带来开发和维护上的好处, 能够几倍幅度地降低网站开发周期和维护成本。
1.2 自动化测试工具Watir
Watir是一个用于网页自动化测试的开源工具, 是用Ruby实现的, 全称为“Web Application Testing in Ruby”, 它小巧、灵活, 提供了很多功能。Watir可以模拟浏览器进行各种操作, 如:点击控件、按钮, 加载网页等等。它直接在浏览器中运行脚本, 并允许在脚本运行时将浏览器最小化, 因此不需要因为自动化测试而占用一台机器的资源。文中采用Watir加载物联网动态页面、所需页面元素定位等操作。
1.3 HTML/XML的Ruby库Nokogiri
Ruby解析XML, HTML的插件中最出名的有Hpricot和Nokogiri。Nokogiri的速度比应用广泛的Hpricot要快许多。经过Benchmark测试表明, Nokogiri[7]在加载XML文档的速度是Hpricot的7倍, 在XPATH搜索的速度是Hpricot的5倍, 而在CSS Selector的搜索上面是Hpricot的1.62倍。因此Nokogiri被认为有可能取代Hpricot的新一代Ruby的解析库, 它能够解析HTML/XML文件, 能够提供XPATH支持, CSS Selector支持。本文采用Nokogiri解析HTML文档, 能达到很高的速度。
2 物联网页面实体实时信息获取
物联网动态页面的实体实时信息获取从客户端出发, 对于任何一个能连上互联网的客户端, 通过基于Watir的物联网页面实时信息获取都能实现实体动态信息的实时获取及存储。同时这种获取方法不需要访问服务器, 也不需要连接服务器上的数据库。
本实体实时信息获取方法主要分为四大模块:加载页面模块、获取页面HTML模块、解析所得HTML模块和数据存储模块。这四个模块联系紧密且分工明确。其中加载页面模块和数据存储模块提供与外界联系的接口。加载页面模块通过网络链接地址加载外部页面, 传递给获取HTML模块, 获取HTML模块针对加载页面模块传递过来的动态页面获取该页面的HTML文档, 同时将所获得的HTML文档传递给解析HTML模块, 解析HTML模块从得到的HTML文档中通过定位技术解析出所需要的文本内容, 将解析出来的内容给数据存储模块进行数据存储。针对物联网的各种应用就是在数据存数模块上进行扩展的。四大模块之间的关系如图1所示。
2.1 加载页面及框架模块
物联网动态页面包含智能家居、温湿度、数据浏览、温度策略、光照策略五大块。其相应的HTML片段如图2所示。
Watir[8]能模拟浏览器的各种操作, 本文用Watir加载物联网动态页面。通过“Watir::Browser.new”创建一个浏览器实例, 从而来模拟浏览器的操作。通过“goto ('http://10.14.11.100/sh/index.jsp') ”方法加载到物联网智能家居动态页面。其中http://10.14.11.100/sh/index.jsp即为物联网智能家居动态页面的链接地址。若针对其他物联网动态页面, 只需将该链接替换为替他链接地址即可。
需要采集的数据位于温湿度模块下面, 在进入物联网动态页面后, 必须执行翻页操作才能浏览温湿度模块下的实时跳变数据。翻页操作并不改变页面链接地址, 但是页面内容却发生了变化。在实际浏览器中, 通过鼠标执行点击翻页操作。但在Watir模拟浏览器的过程中, 只有通过“onclick”方法模拟点击操作, 从而实现翻页功能。物联网动态页面的五大块通过五个“li”节点表示, 温湿度模块为第二块, 处于第二个“li”标签中, 在这个“li”标签下的“a”标签中的“onclick=“hrefControl (‘jsp/wsd.jsp’) ;””即表示点击操作来调用动态显示实时跳变数据的js模块。在Watir模拟浏览器点击中, “a”标签以及“li”标签均不支持点击, 因此, 定位到“li”标签中的id号“mainlevel_02”, 从而对“a”标签下的第一个链接进行点击操作, 即通过“li (:id, 'mainlevel_02') .links[0].click”方法实现模拟点击翻页操作。
温湿度模块下有框架结构, 即IFrame框架, 实时跳变数据的js模块位于IFrame框架结构中, 用Watir加载的动态网页必须用Watir定位到IFrame框架下才能取出框架下的HTML文档供Nokogiri解析。Watir通过Locator类中的normalize_specifiers!和matchwithspecifiers?方法实现定位, normalize_specifiers!方法的作用是构造specifiers, specifiers为定位对象所要用到的“标识”。matchwithspecifiers?方法的作用是判断元素是否符合specifiers所定义的特征。本文通过IFrame框架的src属性使Watir定位到“jsp/wsd.jsp”, 即用方法“.frame (:src, 'jsp/wsd.jsp') ”实现定位, 其中“jsp/wsd.jsp”即为动态显示实时跳变数据的js模块。
2.2 获取HTML模块
由于通过Javascript从服务器上调用物联网动态显示内容在客户端显示需要一定的时间。因此, 虽然完成了对于物联网动态页面的加载定位, 但在实际中仍需要考虑到动态页面加载所需的时间。本文通过Watir的等待机制以及Ruby的休眠机制来控制等待加载动态页面的时间, 即通过“.wait”方法和“sleep () ”方法实现。在完成Watir加载定位之后, 通过“.frame.html”方法获取框架下的HTML文档。
2.3 解析HTML模块
本文采用Nokogiri对获得的HTML文档进行解析。Nokogiri通过“Nokogiri::HTML.parse”方法爬取获得的HTML文档, 并进行解析。Nokogiri提供了XPath及CSS Selector方式来寻找文档里的节点。本文通过CSS Selector来找页面上所需内容的节点, 取回该时刻的页面文本信息, 不用XPath来定位元素, 因为CSS locator比XPath locator速度快, 特别是在IE下面 (IE没有自己的XPath解析器 (Parser) ) 。CSS Selector能非常精准地定位到测试的Elements。通过周期循环模式抓取物联网动态页面上的数据, 单次获取时间短, 稳定性高, 实时性好, 能很好地实现对动态信息的实时采集。
CSS Selector可以粗略分成几类基本的类型:ID选择器 (#id) , Class选择器 (.class) , 类型 (type) 选择器 (p) , Combinators, 属性 (Attribute) 选择器, Pseudo Classes选择器等。这些都是单一的选择器, 可以在应用中把它们组合起来, 如:div#id, div:last-child。本方案中用到的是Class选择器, 由于class值为“shidu”的有同名, 首先定位到在IFrame框架下Class值为“shiduqu”的节点, 再往下一级选择到class值为“shidu”的节点。返回class值为“shidu”的所有文本内容。即通过“.css ('div.shiduqu div.shidu') .text”方法实现CSS Selector定位功能, 返回文本内容。
2.4 数据存储模块
该方法对于获得的物联网动态页面信息的存储十分灵活, 可以实现各种格式的数据存储。在Ruby中, 可以使用IO类来实现访问文件系统、读取文件、写入文件和删除文件等功能。File类是IO类的子类, 本文通过File类创建文档, 用来存储数据。即通过“File.new (″#{i}.txt″, ″w″) ”方法实现创建txt文档, 并将内容写入文档中。其中“#{i}”即为文档名, 通过变量i来控制, 从而实现循环存储的功能, 即每循环一次就创建一个新的文档。
另外, 也可将获得的数据存入数据库中, 这样易于管理。Ruby通过使用开发式的统一数据库接口DBI (Database Interface, 数据库接口层) 与数据库驱动插件连接, 以实现对数据库的访问和操作数据。因此, 对于采集的物联网实体实时信息, 可以使用数据库存储, 这样更能满足物联网海量数据的需求。所以, 在数据存储方面, 灵活实用, 扩展性很好。
3 实体实时信息获取软件流程
物联网实体实时信息获取的软件流程如图3所示, 本文采用周期循环操作抓取数据, 周期大小可自由控制, 最小周期可达13毫秒;循环条件也自由限定, 可以从循环时间, 循环次数等方面控制循环抓取的时间长短, 尚未达到循环条件时则继续抓取数据直到达到循环条件为止。
4 实验结果分析
物联网最底层通过RFID以及传感器两种方式感知信息。实验采用华北电力大学现代无线通信实验室 (物联网实验平台) 进行测试, 该平台包含智能家居、RFID实验箱、智能用电等模块, 涵盖了物联网感知实体信息的两种方式, 平台链接地址为http://10.14.11.100/, 实验采用物联网实验平台中的智能家居模块, 实时动态页面显示如图4所示, 该页面数据处于温湿度模块下, 分别是物联网实验室内服务器机柜, 大屏演示台, 两个窗帘等六个位置的温湿度、光照的实时数据。六个传感器采用Push的方式将感知到的信息实时推送到网页上, 且六个传感器异步更新, 各个位置的数据更新周期均为5秒。
实验中用来获取物联网页面实时信息的相关应用软件如表1所示。
实验所得数据如表2所示。
实验前后系统CPU占用曲线如图5所示。
由以上实验结果可得, 基于Watir的物联网实体实时信息获取方法能按照预定义的周期进行周期获取, 获取周期最小能达13毫秒, 对于网页更新速度达不到13毫秒的动态实时数据都能实现无遗漏的抓取, 且返回的数据可以以任何形式存储, 该方法的实时性高, 扩展性好。
5 结语
物联网页面实体信息实时获取是现今物联网应用发展的前提, 本文通过Web自动化测试框架Watir实现了物联网网页实体信息实时获取。文中用CSS Selector速度快, 定位准确, 同时通过周期循环的方式能实现实时跳变数据的无遗漏获取。本方法简单方便, 且扩展性好, 十分符合物联网应用层的需求。
摘要：日益增长的嵌入式、网络化传感器逐渐渗透到实体世界中, 形成了物联网。物联网的体系架构分为三层, 目前很多研究工作集中在最底层感知层和中间层网络层, 而应用层研究未引起足够的重视。最上层的应用层主要完成数据的管理和处理, 这需要对最底层以及中间层返回的物联网实时信息进行处理分析。因此, 物联网实体实时信息的获取在物联网研究领域中起了举足轻重的作用。针对物联网实体实时信息获取需求, 采用Web自动化测试框架Watir, 通过CSS Selector定位技术实现了物联网动态页面实时采集。该方法实时性高, 可扩展性好, 能满足各个领域对物联网实时数据的需求。
关键词：物联网,实时信息,动态,页面,获取
参考文献
[1]Romer K, Osterm Aier B, Mattern, et al.Real-time search for real-world entities:a survey[J].Proceedings of the IEEE, 2010, 98 (11) :1887--1902.
[2]王智, 潘强, 邢涛.面向物联网的实体实时搜索服务综述[J].计算机应用研究, 2011, 28 (6) :2001-2005.
[3]Ostermaier B, Elahi B M, Ro¨mer, et al.Poster abstract:Dyser—Towards a real-time search engine for the web of things[C]//Proc.6th Conf.Embedded Netw.Sensor Syst, 2008:429-430.
[4]金晓鸥, 钟宝燕, 李翔.基于Rhino的JavaScript动态页面解析研究与实现[J].计算机技术与发展, 2008, 18 (2) :1-4, 50.
[5]万久士, 李翔, 林祥.基于JSSh的动态网页获取研究与实现[J].信息安全与通信保密, 2010 (4) :93-95.
[6]许勇, 王黎, 张丽莉.Ruby on Rail程序设计技术详解[M].北京:清华大学出版社, 2010:2.
[7]wuaj1980.Nokogiri详细使用方法[EB/OL]. (2012-2-4) .[2012-11-26].http://51itbk.sinaapp.com/14_02_2012/177.html.
实时获取 篇4
目前, 我国高速铁路营业里程占世界高铁运营里程的60%以上, 这表明我国已真正进入了高铁时代。高速铁路旅客列车开行方案的设计, 是高速铁路旅客运输组织工作的核心, 其设计质量对于提升铁路社会和经济效益具有决定性作用, 关系到高速铁路运营管理工作的成败。而客流, 作为制定开行方案的关键数据, 其合理有效的获取方法, 是制定高速铁路列车开行方案, 指导高铁列车运输组织的关键环节。
二、高速铁路客流数据的实际监测
随着我国客票发售系统的不断升级和更新, 铁路系统彻底告别了以往的硬板票时代, 不但使得客票的发售更加方便快捷, 并且使客票数据的统计在技术上完全突破了壁垒。
旅客购买车票后, 以下关键信息会记录于铁路客票发售系统当中。系统中所记录的下列关键信息便可以全面而准确地描述制定和调整列车开行方案所需要的客流数据:购票人姓名及身份证号码可以识别不同的旅客;购票人所选乘列车车次即可识别出选乘相关高速铁路列车的旅客;购票人的出发站和到达站便可以反映出旅客的OD (Origin and Destination, 即出发地和目的地) 。
根据以上信息, 便可以初步得到所需统计的高速铁路系统中的客流数据:若aij表示该高速铁路线路中在第i站上车, 在第j站下车的旅客数, 则可以利用铁路客票系统中的统计数据得到一个初步的旅客出行OD。对于设有n个车站的高速铁路线路而言, 该高速铁路系统内的旅客出行OD如表1所示:
三、高速铁路客流数据的修正
上文研究了铁路客流数据的统计方法以及旅客出行的初步OD矩阵的获取方法。有学者认为, 通过铁路客票数据的统计不能够完全准确地得出旅客的出行OD, 而通过路段流量的反推方法才能更好地获得旅客出行OD流量[1]。
路段流量是指在相邻两个站点间的路段中沿某一方向输送的旅客总流量。事实上, 通过表1便可以求出路段流量。设ai、bi分别为在铁路线路的第i站的上、下客流人数, vi表示第i个路段 (第i站和第i+1站之间的路段) 的客流流量, 则根据表1所示的各数据可以得到某一方向的路段流量 (流向为第i站到第i+1站) [2]:
根据上述三式, 就可以把铁路线路的所有路段流量计算出来, 另一个方向的路段流量也按照上述方法计算。
根据路段流量反推旅客出行OD矩阵的思路可以概括性地描述为:路段流量实际上是OD客流在路段上的线性叠加, 在某一方向上, 一个路段上的流量, 是该方向的所有OD点对的流量按照该OD点对流量在该路段上的分配比例分配在该路段上的流量的总和。因此, 根据路段流量反推旅客出行OD矩阵实际上是一个将OD流量分配至各路段的逆过程, 即交通分配的逆过程。
根据路段流量反推旅客出行OD矩阵的方法可以简单地概括为:
第1步:构造一个初始的旅客出行OD矩阵描述初始OD流量;
第2步:在初始OD矩阵的基础上, 利用交通分配模型求解初始OD流量分配在各路段上的理论流量vak;
第3步:计算理论路段流量vak和实测路段流量va的偏差量Dak:
第4步:引入一个旅客出行OD矩阵的精度要求ε, 若所构造的旅客出行OD矩阵满足精度要求, 即所有路段理论流量vak的偏离度满足精度要求, 如式 (5) 所述:
则认为所构造的初始OD矩阵可以描述实际的旅客出行的OD矩阵, 若不满足精度要求, 则进行下一步计算;
第5步:利用此次计算所得出的偏差量Dak构造初始OD矩阵修正率的计算公式, 利用该修正率修正初始OD矩阵后得到新的OD矩阵;
第6步:在迭代后得到的新OD矩阵的基础上, 按照上述步骤判断该OD矩阵是否满足精度要求, 如此重复迭代, 直到经过修正后的OD矩阵满足精度要求为止, 此OD矩阵被认为是可以描述实际的旅客出行的OD矩阵。
四、实际监测和预测相结合的高铁客流数据获取方法
由于铁路部门获取客流数据和执行按照客流数据编制的列车开行方案在时间上不是同步的, 因此在制定列车开行方案时, 列车开行方案执行当日的客流数据是不能提前通过监测获得的。这就需要对列车开行方案执行当日的客流情况进行短期客流预测。
在高速铁路的运营过程中, 根据一般的客流变化规律可以将客流分为三种情况, 即日常客流、周期性变化的客流以及突发事件诱发的客流。因此在进行短期客流预测时, 需要针对上述三种客流情况采取不同的方法:
(一) 日常客流。
本文将高速铁路的日常客流定义为非节假日时期的工作日客流, 因为根据我国高速铁路的运营经验, 高速铁路的周末客流较工作日存在较为明显的增长, 因此在这里不把周末客流作为日常客流。
在预测之前, 需要将已经获取的最新近阶段的客流数据分为等分若干个时期。越近的时期的客流数据对预测数据的影响越大。基于此, 日常客流的预测结果应遵循以下公式计算:
上式中, Aijn+1为预测时段内站点i和j之间的OD流量;Akij为已获得客流数据的时间段k内站点i和j之间的OD流量;xk为已获得客流数据的时间段k对预测客流数据的影响权重, 其中k值越大 (距离预测时间段越近) , 权重值越大。根据上式, 即可预测出列车开行方法执行期间各站点间的旅客出行OD流量, 并以此指导列车开行方案的制定与调整。
(二) 周期性变化客流。
按照客流周期性的变化规律, 客流会发生明显的波动, 例如日常运营时期发生在周末的小高峰客流、“十一黄金周”等全国性节假日期间的客流还有春运、暑运期间的客流, 这些客流称为周期性变化客流。
周期性变化客流是基于对近期日常客流数据以及历史时期客流数据的实际监测统计结果进行的, 有条件细化到对铁路线路统计范围的各站点的OD流量进行预测, 因此可以提出周期性变化客流的预测结果计算公式:
上式中, Aij为考虑周期性客流波动的站点i和j之间的OD流量预测值;Aij为不考虑周期性客流波动的站点i和j之间的OD流量预测值, S为周期性波动指数。
周期性波动指数, 需要通过从历史数据中比较日常客流数据和波动后的客流数据而获得。通过观察每一个周期的日常客流数据和波动后的客流数据, 可以获得该周期内的周期性波动指数, 如式 (8) 所示:
按照上述方法获取每个周期的波动指数后, 选取所获取的近期若干个周期的周期波动指数, 通过简单移动平均法求得所需要的周期性波动指数:
上式中, Sn+1为所需预测的周期波动指数;Sn为通过历史数据求得的近期各个周期的周期波动指数。
按照上述方法, 可以求得客流发生周期性变化的时期各站点间的旅客出行OD流量, 并以此指导列车开行方案的制定与调整。
(三) 突发事件诱发客流。
突发事件所诱发的客流变化, 主要是指自然灾害、线路整修、大型经贸或文体活动等事件所导致的较大规模的客流波动。这些事件当然在大多数情况下是可以预知的, 这便为其所诱发的客流波动的预测提供了可能。针对突发事件诱发客流的客流量预测可以按照下述方式进行:
1. 根据事件的实际情况确定大致的客流变化总量。
事实上, 针对自然灾害、线路整修、大型经贸或文体活动等事件, 是可以大致预估出此事件所导致的客流变化量的。
2. 确定与事件产生关联的站点OD对。
根据突发事件的发生地点以及影响范围, 结合预测对象线路的各站点吸收客流的能力, 确定事件会影响到的站点OD对:
设S是受到事件影响的站点OD对的集合, 引入变量x, 有:
3. 确定事件诱发的各关联OD对上的客流改变量。
针对事件诱发的客流总量的改变量, 根据事件对各关联OD站点影响程度的大小, 参考站点OD对原OD量的大小, 将其分配至各站点OD对ΔAij中, 使得:
4. 预测突发事件诱发后统计范围内各站点间的旅客出行OD流量。
首先预测未发生突发事件的情况下各站点间的旅客出行OD量Aij, 然后根据突发事件作用下各站点OD的改变量ΔAij确定突发事件诱发后的各站点间的旅客出行OD流量Aij:
五、结语
本文通过分别对高铁客流数据的实际监测方法、客流数据的修正方法以及短期客流预测方法进行研究, 从而提出了实际监测与客流预测相结合的高速铁路客流数据获取方法, 以期对高速铁路列车开行方案的制定提供技术支持。
摘要：本文首先研究了高铁客流数据的实际监测方法, 在此基础上, 通过对客流数据修正方法的研究, 提出了利用路段流量反推OD矩阵的方法对客流数据进行修正的方法, 从而可获得反映旅客实际出行需求的OD数据。最后, 针对日常客流、周期性客流以及突发事件诱发客流, 对其短期客流预测方法进行了研究, 从而最终提出了实际监测与客流预测相结合的高速铁路客流数据获取方法。
关键词：高铁客流,实际监测,数据修正,短期预测
参考文献
[1]王济儒, 查伟雄, 李剑.由车站上下车客流量估计铁路OD矩阵[J].交通运输工程与信息学报, 2004