方案架构介绍
  • 业务架构
  • 技术架构

城市轨道交通大数据业务架构

城市轨道交通系统,特别是在超大城市、大城市解决交通拥挤具有很强的优势,而对于轨道交通的管理、规划是目前建设和运营轨道交通的最大挑战

本方案解决的问题

  • 整体安防、智能调度、线网优化、精细化运营、应急
    处置、舆情分析

业务架构说明

  • 最底层为数据收集层,为本方案业务系统提供数据支撑,
    除地铁运营常规数据外,还整合市容市政、移动/联通/
    电信数据,多种数据结合用于数据分析和治理;业务支
    撑平台包括大规模离线计算、在线处理、开发云维平台
    和在线分析引擎,为整个数据处理平台提供基础支撑;
    能力中心为数据服务提供基础数据支撑,而数据服务分
    拆出来形成6大业务功能,配合最上层的站务管理、运
    营管理及指挥调度中心,为轨道交通的运营管理提供总
    体业务依据
咨询我们

城市轨道交通大数据技术架构

城市轨道交通系统,特别是在超大城市、大城市解决交通拥挤具有很强的优势,而对于轨道交通的管理、规划是目前建设和运营轨道交通的最大挑战

技术架构说明

  • 政府用户:为政府用户提供轨道交通行业的规划、城市监
    管以及票价票制改革的数据依据
  • 轨道交通部门:为轨道交通部门提供轨道交通运营管理服
    务系统、云维管理系统以及安全管理系统
  • 乘客:为乘客所安装的APP/公众号/小程序提供路径查询、
    信息发布、周边资源检索等便民服务
  • VPC专有网络:公有云服务,主要收集公有云数据分析服
    务、面向乘客的APP/公众号/小程序的后台支撑服务
  • 专有云:主要为轨道管理内部业务系统提供后台数据支
    撑、服务支撑以及图像分析、大数据分析等支撑服务
咨询我们

方案业务场景及优势

  • 地铁整体智能安防
  • 环境智能维护
  • 智能调度
  • 线路站点优化
  • 客群画像分析

地铁整体智能安防,静知位置、行知去向、动知事项

  • 人群密度检测:基于深度学习的智能检测识别算法,对高点球机,广场球机中的人群进行检测,分析视频中的人群密度,不同方向的人群流量,勾勒出人群密度随时间的变化趋势
  • 人体姿态检查、行为分析:针对高清摄像头视频数据,基于深度学习的智能检测识别算法,对人体进行位置检测,信息点定位,并跟踪人体的姿态变化,对人体的行为进行分析。包括打架,徘徊,逆行等行为
  • 人脸检测识别:对人脸的进行智能检测,识别输出人脸高维特征,可做一对一或一对多比对、可识别出男女属性、年龄、脸型、表情等
  • 事件分析:对视频中的事件(可疑行为、抢劫、打架、聚集等)进行智能检测分析,上层业务可根据事件行为和定位信息,快速做出相应的决策

推荐搭配使用

机车组、轨道运行环境智能维护,及时预测设备故障

  • 建立机车及轨道设备故障预警模型。利用先进数据挖掘手段,进行监督、非监督机器学习,就数据本身的规律实现异常检测,从而达到故障预警的目的

推荐搭配使用

智能调度

  • 立足于现有调度系统,通过大数据平台,来实现数据分析和挖掘,以及调度优化引擎。 从三个方面进行智能调度数据分析和挖掘:
  • 1、运行特征分析: 对地铁频次,早晚高峰等进行分析,分析结果用于算法设计
  • 2、影响因素挖掘:挖掘天气、节假日、乘客人数等因素对列车运行的影响
  • 3、算法效果挖掘:对比算法结果和实际分配结果,从而调整目标和约束条件。
  • 算法效果挖掘对整个系统的作用在于:调整信息反馈给算法,算法据此自动调整目标函数中多目标的权重,或者调整约束条件的临界值。通过这样的反馈闭环,算法达到自动学习和进化的效果

推荐搭配使用

线路站点优化

  • 通过交通OD分析,诊断地铁运力不足、地铁站点步行距离远、地铁线路与人群OD不匹配等问题
  • 通过新增或调整地铁线路、地铁站点优化等,最大化匹配市民出行需求和公共服务资源

推荐搭配使用

客群画像分析

  • 基于标签技术与在线分析技术,实现消费者群体全景画像,在线即席查询数据探索,助力运营决策

推荐搭配使用

地铁整体智能安防

地铁整体智能安防,静知位置、行知去向、动知事项

  • 人群密度检测:基于深度学习的智能检测识别算法,对高点球机,广场球机中的人群进行检测,分析视频中的人群密度,不同方向的人群流量,勾勒出人群密度随时间的变化趋势
  • 人体姿态检查、行为分析:针对高清摄像头视频数据,基于深度学习的智能检测识别算法,对人体进行位置检测,信息点定位,并跟踪人体的姿态变化,对人体的行为进行分析。包括打架,徘徊,逆行等行为
  • 人脸检测识别:对人脸的进行智能检测,识别输出人脸高维特征,可做一对一或一对多比对、可识别出男女属性、年龄、脸型、表情等
  • 事件分析:对视频中的事件(可疑行为、抢劫、打架、聚集等)进行智能检测分析,上层业务可根据事件行为和定位信息,快速做出相应的决策

推荐搭配使用

环境智能维护

机车组、轨道运行环境智能维护,及时预测设备故障

  • 建立机车及轨道设备故障预警模型。利用先进数据挖掘手段,进行监督、非监督机器学习,就数据本身的规律实现异常检测,从而达到故障预警的目的

推荐搭配使用

智能调度

智能调度

  • 立足于现有调度系统,通过大数据平台,来实现数据分析和挖掘,以及调度优化引擎。 从三个方面进行智能调度数据分析和挖掘:
  • 1、运行特征分析: 对地铁频次,早晚高峰等进行分析,分析结果用于算法设计
  • 2、影响因素挖掘:挖掘天气、节假日、乘客人数等因素对列车运行的影响
  • 3、算法效果挖掘:对比算法结果和实际分配结果,从而调整目标和约束条件。
  • 算法效果挖掘对整个系统的作用在于:调整信息反馈给算法,算法据此自动调整目标函数中多目标的权重,或者调整约束条件的临界值。通过这样的反馈闭环,算法达到自动学习和进化的效果

推荐搭配使用

线路站点优化

线路站点优化

  • 通过交通OD分析,诊断地铁运力不足、地铁站点步行距离远、地铁线路与人群OD不匹配等问题
  • 通过新增或调整地铁线路、地铁站点优化等,最大化匹配市民出行需求和公共服务资源

推荐搭配使用

客群画像分析

客群画像分析

  • 基于标签技术与在线分析技术,实现消费者群体全景画像,在线即席查询数据探索,助力运营决策

推荐搭配使用