一种交通决策支持方法、 装置及系统 技术领域 本发明涉及交通以及通信技术领域， 尤其涉及一种交通决策支持方法、 装置及系 统。 背景技术 公交车时人们生活中所必须的交通工具， 为缓解城市交通压力和倡导绿色出行作 出了重大贡献， 且大大方便了乘客出行、 上班、 游玩等活动。 目前有些城市已经建立公交信息管理系统， 在公交站台提供有公交信息的基本提 示， 同时为公交调度中心提供公交行驶信息。 这类公交运行信息管理系统， 如图 8所 示， 基本都只是利用 GPS、 视频监控等设备对公交车行驶状况进行监控， 并上报到公 交信息管理系统， 公交信息管理系统再推送到相应的公交信息查 询装置，如公交站牌、 公交调度系统等。 然而， 现有的公交运行信息管理系统， 基本都只能实现公交行驶信息的采集、 上 报等信息传递功能； 用户通过这些实际信息得到自己需要的决策 （如乘车决策、 公交 调度决策等）， 仍需要一个费时费力的自我判断过程。 发明内容 有鉴于此， 本发明实施例提供一种交通决策支持方法， 包括如下步骤： 接收用户通过查询装置发送的查询请求； 对应于所述查询请求， 通过数据采集装置采集公交车运行信息； 从模型库中调用相应的模型， 分析所述公交运行信息， 得到与所述查询请求对应 的决策； 将所述与查询请求对应的决策推送到所述查询 装置。 优选的， 所述公交车运行信息包括客流信息、 车辆行驶信息、 路况信息； 从模型库中调用相应的模型， 分析所述公交运行信息， 得到与所述查询请求对应 的决策的步骤具体包括： 从模型库中调用客流拥挤程度分析模型， 利用所述客流信息计算客流拥挤程度； 从模型库中调用公交到站时间预测模型， 利用所述公交行驶信息和路况信息预测 公交到站时间； 从模型库中调用决策模型， 利用所述客流拥挤程度和所述公交到站时间计 算与所 述查询请求对应的决策。 可选的， 所述查询请求包括公交调度查询请求， 所述决策模型包括公交调度决策 模型； 或所述查询请求包括乘车查询请求； 所述决策模型包括乘车决策模型。 可选的， 所述客流信息至少包括通过前景采集装置获取 的车内客流图片和站台客 流图片中的一种； 相应的， 所述客流拥挤程度分析模型包括采用所述公交 车上无乘客时的背景图片 建立的车内背景模型或采用公交站台无乘客时 的背景图片建立的站台背景模型。 优选的， 当所述客流信息包括车内客流图片和站台客流 图片时， 从模型库中调用 客流拥挤程度分析模型， 利用所述客流信息计算客流拥挤程度的步骤具 体包括： 通过图像采集装置或视频采集装置采集至少一 张站台客流图片以及至少一张车内 客流图片； 分别采用模型库中相应的模型对所述站台客流 图片和车内客流图片进行分析， 得 到站台客流密度和车内客流密度； 结合所述站台客流密度和车内客流密度， 推算客流拥挤程度。 可选的， 所述公交行驶信息包括通过 GPS装置获得的公交位置和公交行驶速度； 所述路况信息包括道路拥塞程度和道路条件； 从模型库中调用公交到站时间预测模型， 利用所述公交行驶信息和路况信息预测 公交到站时间的步骤具体包括： 根据所述公交位置和从相应的查询请求中获得 目标站台的位置， 计算公交到达目 标站台的距离； 将所述公交到达目标站台的距离、 公交行驶速度、 道路拥塞程度和道路条件作为 变量， 利用从方法库中调用的公交到站时间预测算法 预测公交到达目标站台的时间。 进一步， 本发明实施例提供了一种交通决策支持装置， 包括： 请求接收模块： 设置为接收用户通过查询装置发送的查询请求 ； 信息采集模块： 设置为对应于所述查询请求， 通过数据采集装置采集公交车运行 信息； 分析决策模块： 设置为从模型库中调用相应的模型， 分析所述公交运行信息， 得 到与所述查询请求对应的决策； 推送模块： 设置为将所述与查询请求对应的决策推送到所 述查询装置。 优选的， 所述公交车运行信息包括客流信息、 车辆行驶信息、 路况信息； 所述分析决策模块具体包括： 客流计算子模块： 设置为从模型库中调用客流拥挤程度分析模型 ， 利用所述客流 信息计算客流拥挤程度； 时间计算子模块： 设置为从模型库中调用公交到站时间预测模型 ， 利用所述公交 行驶信息和路况信息预测公交到站时间； 决策计算子模块： 设置为从模型库中调用决策模型， 利用所述客流拥挤程度和所 述公交到站时间计算与所述查询请求对应的决 策。 可选的， 所述查询请求包括公交调度查询请求， 所述决策模型包括公交调度决策 模型； 或所述查询请求包括乘车查询请求； 所述决策模型包括乘车决策模型。 可选的， 所述客流信息至少包括通过前景采集装置获取 的车内客流图片和站台客 流图片中的一种； 相应的， 所述客流拥挤程度分析模型包括采用所述公交 车上无乘客时的背景图片 建立的车内背景模型或采用公交站台无乘客时 的背景图片建立的站台背景模型。 优选的， 当所述客流信息包括车内客流图片和站台客流 图片时， 所述客流计算子 模块具体包括： 图片获取单元： 设置为通过图像采集装置或视频采集装置采集 至少一张站台客流 图片以及至少一张车内客流图片； 图片分析单元： 设置为分别采用模型库中相应的模型对所述站 台客流图片和车内 客流图片进行分析， 得到站台客流密度和车内客流密度； 客流拥挤程度推算单元： 设置为结合所述站台客流密度和车内客流密度 ， 推算客 流拥挤程度。 可选的， 所述公交行驶信息包括通过 GPS装置获得的公交位置和公交行驶速度； 所述路况信息包括道路拥塞程度和道路条件； 所述时间计算子模块具体包括： 距离计算单元： 设置为根据所述公交位置和从相应的查询请求 中获得目标站台的 位置， 计算公交到达目标站台的距离； 时间预测单元： 将所述公交到达目标站台的距离、 公交行驶速度、 道路拥塞程度 和道路条件作为变量， 利用从方法库中调用的公交到站时间预测算法 预测公交到达目 标站台的时间。 进一步， 本发明实施例还提供了一种交通决策支持系统 ， 包括本发明任意一个实 施例中所提供的公交实时运行信息管理装置， 以及用于发送查询请求的查询装置。 可选的， 所述查询装置包括用于发送调度查询请求的调 度中心查询装置、 和用于 发送乘车查询请求的乘车查询装置。 从上面所述可以看出， 本发明提供的交通决策支持方法、 装置及系统， 可以实时 采集公交车运行信息， 并利用模型库中的模型， 对公交运行信息进行分析， 进而向用 户提供对应于其查询请求的决策， 为用户提供了便利。 本发明实施例的交通决策支持 方法、 装置及系统， 可以对公交运行的多维信息进行分析， 得到面向乘客或面向调度 中心提供乘车决策或调度决策， 不仅为乘客选乘公交车提供决策参考， 还能为公交调 度中心的调度工作提供参考帮助。 附图说明 图 1为本发明实施例的基于交通决策支持方法流� �示意图； 图 2为本发明实施例中一个步骤的子流程示意图� � 图 3为本发明一种实施例的客流拥挤程度计算流� �示意图； 图 4为本发明另一种实施例的客流拥挤程度计算� �程示意图； 图 5为本发明优选实施例的客流拥挤程度计算流� �示意图； 图 6为本发明一种实施例的公交到达目标站台的� �间流程示意图； 图 7为本发明实施例的交通决策支持装置结构示� �图； 以及 图 8为现有技术的公交运行信息管理系统结构示� �图。 具体实施方式 为了给出有效的实现方案， 本发明实施例提供了以下实施例， 以下结合说明书附 图对本发明的实施例进行说明。 根据本发明实施例提供的基于客流的公交实时 运行信息管理方法，包括以下步骤: 接收用户通过查询装置发送的查询请求； 对应于所述查询请求， 通过数据采集装置采集公交车运行信息； 从模型库中调用相应的模型， 分析所述公交运行信息， 得到与所述查询请求对应 的决策； 将所述与查询请求对应的决策推送到所述查询 装置。 参照图 1， 对本发明的实施例进行说明， 包括如下步骤： 步骤 101 : 接收用户通过查询装置发送的查询请求。 具体的， 所述查询装置可以设置于用户的移动终端， 也可以设置于公交站台， 还 可以设置于调度中心。 所述查询请求可以是用户基于自己需求所发送 的请求， 例如乘车查询请求或调度 请求。 一般情况下， 所述查询请求中包含有目标站台位置信息。 步骤 102: 对应于所述查询请求， 通过数据采集装置采集公交车运行信息。 所述公交车运行信息， 包括所述查询请求发送时， 通过 GPS等数据采集装置实时 采集的公交车运行信息； 也可以是预先存储的公交路线信息。 步骤 103 : 从模型库中调用相应的模型， 分析所述公交运行信息， 得到与所述查 询请求对应的决策。 对应于所述查询请求， 从模型库中调用相应的模型， 并从方法库中调用所述模型 所采用的方法，对采集到的公交运行信息进行 分析，得到与所述查询请求对应的决策。 步骤 104: 将所述与查询请求对应的决策推送到所述查询 装置。 可以通过有线或无线的方式发送上述决策。 本发明提供的交通决策支持方法， 相应于用户所发送的查询请求， 利用相应的模 型对采集的公交运行信息进行分析， 并得到与所述查询请求对应的决策， 实现了智能 查询功能， 用户可以参照本发明方法提供的决策制定出行 、 公交调度等计划。 现有技术的公交查询系统， 仅仅是按照预估的公交行驶速度和起点站到终 点站的 距离提供一个公交到站时间的预测。 然而实际情况下， 因为道路拥挤程度、 客流拥挤 程度等原因， 公交行驶速度往往与预估的行驶速度相差较多 。 现有公交查询系统所提 供的建议往往与实际情况不符。 有鉴于此， 在本发明的一些实施例中， 基于多维信息为用户提供交通决策支持， 具体方案如下： 所述公交车运行信息包括客流信息、 车辆行驶信息、 路况信息； 从模型库中调用相应的模型， 分析所述公交运行信息， 得到与所述查询请求对应 的决策的步骤具体包括如图 2所示的子步骤。 步骤 201 : 从模型库中调用客流拥挤程度分析模型， 利用所述客流信息计算客流 拥挤程度。 所述客流信息可以是反映客流量的图片，通过 图片采集装置或视频采集装置获得。 步骤 202: 从模型库中调用公交到站时间预测模型， 利用所述公交行驶信息和路 况信息预测公交到站时间。 所述公交行驶信息可以包括公交当前位置、 公交路线、 公交行驶速度等。 所述路 况信息可以包括道路拥挤程度、 道路条件等。 步骤 203 : 从模型库中调用决策模型， 利用所述客流拥挤程度和所述公交到站时 间计算与所述查询请求对应的决策。 具体的， 可以对客流拥挤程度和公交到站时间赋予不同 的权重， 得到一个基于多 维信息的交通决策。 在上述实施例中， 对采集到的客流信息、车辆行驶信息、路况信 息进行综合分析， 得到基于多维信息的交通决策， 该交通决策能够更好地与实际情况结合， 具有更高的 准确性。 在本发明的一些实施例中， 所述查询请求包括乘车查询请求； 所述决策模型包括 乘车决策模型， 或所述查询请求包括公交调度查询请求， 所述决策模型包括公交调度 决策模型。 现有技术中， 对于经常乘坐公交的人来说， 多数都会有这样的苦恼， 站在一个公 交站台等待公交车， 有时公交车虽然到了， 却非常拥挤； 这种情况给大多数乘客带来 困扰， 尤其是一些因为老弱病残孕等原因需要座位或 者不适宜在密集的乘客人群中行 走穿梭的乘客， 不便于乘坐刚刚到达却无比拥挤的公交， 但又不知道下一班车是否一 样拥挤， 该上车还是等下一班， 常常难以抉择。 对于公交调度中心来说， 一般的调度方法是，按照固定的时间间隔安排 车辆调度。 然而实际情况是， 由于各种因素， 在具体的时间特定线路所需要的车辆数目往往 会有 差别。 而现有技术的这种公交调度方法， 导致有时调度的车辆数目大于需求数目， 有 时调度的车辆数目不能满足实际需求。 通过本发明实施例所提供的交通决策支持方法 ， 用户可通过设置于移动终端或公 交站台的查询装置发送乘车查询请求， 利用乘车决策模型和相应的算法， 计算客流信 息、 车辆行驶信息、 路况信息等变量， 得到基于多维信息的乘车决策， 不仅普通乘客 能够从所述乘车决策中得到有用的参考信息， 不便于乘坐拥挤车辆的特殊乘客也能够 所述乘车决策做出适应自己需求的选择。 同时， 通过本发明实施例所提供的交通决策支持方法 ， 可以根据实际交通状况， 为调度中心提供灵活的调度决策支持， 便于公交调度中心根据实际需求安排调度车辆 的数量。 在本发明的一些实施例中， 所述客流信息至少包括通过前景采集装置获取 的车内 客流图片和站台客流图片中的一种。 具体的， 当所述客流信息包括通过前景采集装置获取的 车内客流图片时， 所述客 流拥挤程度分析模型包括采用所述公交车上无 乘客时的背景图片建立的车内背景模 型。 更具体的， 当所述客流信息包括通过前景采集装置获取的 车内客流图片， 且所述 客流拥挤程度分析模型包括采用所述公交车上 无乘客时的背景图片建立的车内背景模 型时， 从模型库中调用客流拥挤程度分析模型， 利用所述客流信息计算客流拥挤程度 的步骤包括如图 3所示的子步骤： 步骤 301 : 通过图像采集装置采集至少一张车内客流图片 。 步骤 302: 将所述车内客流图片与预先设定的相应车内背 景模型中进行比较， 提 取出前景数据。 将所述车内图片与预先设定且采集角度相同的 车内背景图片进行比较， 根据需要 过滤较小的差异， 提取出前景数据。 所述前景在这里包括车内的乘客。 步骤 303 : 分析所述前景数据， 推算车内客流密度。 可采用图像解析等方式分析所述前景数据， 推算车内客流密度。 步骤 304: 根据所述车内客流图片推算客流拥挤程度。 在一种优选实施例中， 考虑到车内客流密度在每个公交站点都有变化 ， 因此， 采 用设定的算法将公交车位置信息和当前车内客 流密度结合计算， 得到客流拥挤度估计 值。 更具体的， 所述公交车上无乘客时的背景图片建立的车内 背景模型， 采用几个具 有代表性角度拍摄的车内无乘客时的背景图片 建立。 具体的， 当所述客流信息包括通过前景采集装置获取的 站台客流图片时， 所述客 流拥挤程度分析模型包括采用公交站台无乘客 时的背景图片建立的站台背景模型。 更具体的， 当所述客流信息包括通过前景采集装置获取的 站台客流图片， 且所述 客流拥挤程度分析模型包括采用公交站台无乘 客时的背景图片建立的站台背景模型 时， 从模型库中调用客流拥挤程度分析模型， 利用所述客流信息计算客流拥挤程度的 步骤包括如图 4所示的子步骤： 步骤 401 : 通过图像采集装置采集至少一张站台客流图片 。 步骤 402: 将所述站台客流图片与预先设定的相应站台背 景模型中进行比较， 提 取出前景数据。 将所述站台图片与预先设定且采集角度相同的 站台背景图片进行比较， 根据需要 过滤较小的差异， 提取出前景数据。 所述前景在这里包括在站台候车的乘客。 步骤 403 : 分析所述前景数据， 推算站台客流密度。 可采用图像解析等方式分析所述前景数据， 推算站台客流密度。 步骤 404: 根据所述站台客流图片推算客流拥挤程度。 在一种优选实施例中， 因此， 采用设定的算法将公交车位置信息和公交到达 终点 站之前要经过的所有站台的客流密度结合计算 ， 得到客流拥挤度估计值。 在一种优选实施例中， 可以将站台客流信息和车内客流信息结合起来 ， 推算客流 拥挤程度， 如图 5所示： 步骤 501 : 通过图像采集装置或视频采集装置采集至少一 张站台客流图片以及至 少一张车内客流图片。 步骤 502: 分别采用模型库中相应的模型对所述站台客流 图片和车内客流图片进 行分析， 得到站台客流密度和车内客流密度。 步骤 503 : 结合所述站台客流密度和车内客流密度， 推算客流拥挤程度。 在本发明的一些实施例中，所述公交行驶信息 包括通过 GPS装置获得的公交位置 和公交行驶速度； 所述路况信息包括道路拥塞程度和道路条件； 此时， 从模型库中调 用公交到站时间预测模型， 利用所述公交行驶信息和路况信息预测公交到 站时间的步 骤具体包括： 根据所述公交位置和从相应的查询请求中获得 目标站台的位置， 计算公交到达目 标站台的距离； 将所述公交到达目标站台的距离、 公交行驶速度、 道路拥塞程度和道路条件作为 变量， 利用从方法库中调用的公交到站时间预测算法 预测公交到达目标站台的时间。 具体的， 公交到达目标站台的时间可以按照如图 6所示的流程计算： 步骤 601 : 通过 GPS装置获取公交车位置。 步骤 602: 根据所述公交车位置和从所述查询请求中获取 的目标站台位置计算车 辆到达目标站台距离。 所述目标站台， 可以是公交从当前位置到达终点站之前所要经 过的站台； 也可以 仅是终点站台。 步骤 603 : 获得路况信息、 道路拥塞程度， 并通过 GPS装置获取公交行驶速度。 步骤 604: 结合所述公交行驶速度信息、 公交到达目标站台的距离、 路况信息和 道路拥塞程度推算公交到达目标站台的时间。 在一些实施例中，可先通过 GIS等第三方应用获取道路状况和道路拥塞程度 信息。 在一些实施例中， 可先依据公交行驶速度信息和公交与目标站台 之间的距离计算 公交到达目标站台的理论时间； 再对道路状况和道路拥挤程度赋予一定的权重 ， 和所 述公交到达目标站台的理论时间结合， 推算公交到达目标站台的时间。 进一步， 本发明还提供一种交通决策支持装置， 结构如图 7所示， 包括： 请求接收模块： 设置为接收用户通过查询装置发送的查询请求 ； 信息采集模块： 设置为对应于所述查询请求， 通过数据采集装置采集公交车运行 信息； 分析决策模块： 设置为从模型库中调用相应的模型， 分析所述公交运行信息， 得 到与所述查询请求对应的决策； 推送模块： 设置为将所述与查询请求对应的决策推送到所 述查询装置。 具体的， 所述请求接收模块可以接收用户通过查询装置 ， 以无线或有线的方式发 送的查询请求。 一般情况下， 所述查询请求中包含目标站台位置信息。 具体的， 所述公交车运行信息， 包括所述查询请求发送时， 通过 GPS等数据采集 装置实时采集的公交车运行信息； 也可以是预先存储的公交路线信息。 具体的， 所述决策可通过有线或无线的方式发送。 本发明所提供的交通决策支持装置， 对应于用户所发送的查询请求， 利用相应的 模型对采集的公交运行信息进行分析， 得到与所述查询请求对应的决策。 能够在更短 的时间内为用户提供更为准确的决策， 无需用户对信息进行判断， 方便了用户制定出 行、 公交调度等计划。 在一些实施例中， 所述公交车运行信息包括客流信息、车辆行驶 信息、路况信息； 仍然参照图 7， 所述分析决策模块具体包括： 客流计算子模块： 设置为从模型库中调用客流拥挤程度分析模型 ， 利用所述客流 信息计算客流拥挤程度； 时间计算子模块： 设置为从模型库中调用公交到站时间预测模型 ， 利用所述公交 行驶信息和路况信息预测公交到站时间； 决策计算子模块： 设置为从模型库中调用决策模型， 利用所述客流拥挤程度和所 述公交到站时间计算与所述查询请求对应的决 策。 具体的， 所述客流信息可以是反映客流量的图片， 通过图片采集装置或视频采集 装置获得。 具体的， 所述公交行驶信息可以包括公交当前位置、 公交路线、 公交行驶速度等。 所述路况信息可以包括道路拥挤程度、 道路条件等。 具体的， 所述决策计算子模块在利用所述客流拥挤程度 和所述公交到站时间计算 与所述查询请求对应的决策时，可以对客流拥 挤程度和公交到站时间赋予不同的权重， 得到一个基于多维信息的交通决策。 在一些实施例中， 所述查询请求包括公交调度查询请求， 所述决策模型包括公交 调度决策模型； 在一些实施例中， 所述查询请求包括乘车查询请求； 所述决策模型包括乘车决策 模型。 在一些实施例中， 所述客流信息至少包括通过前景采集装置获取 的车内客流图片 和站台客流图片中的一种。 在一些实施例中，当所述客流信息包括通过前 景采集装置获取的车内客流图片时， 所述客流拥挤程度分析模型包括采用所述公交 车上无乘客时的背景图片建立的车内背 景模型。 在一些实施例中，当所述客流信息包括通过前 景采集装置获取的站台客流图片时， 所述客流拥挤程度分析模型包括采用公交站台 无乘客时的背景图片建立的站台背景模 型。 在一种优选实施例中， 可以将站台客流信息和车内客流信息结合起来 ， 推算客流 拥挤程度， 在这种情况下， 所述客流计算子模块包括： 图片获取单元： 设置为通过图像采集装置或视频采集装置采集 至少一张站台客流 图片以及至少一张车内客流图片。 图片分析单元： 设置为分别采用模型库中相应的模型对所述站 台客流图片和车内 客流图片进行分析， 得到站台客流密度和车内客流密度。 客流拥挤程度推算单元： 设置为结合所述站台客流密度和车内客流密度 ， 推算客 流拥挤程度。 在一种实施例中，所述公交行驶信息包括通过 GPS装置获得的公交位置和公交行 驶速度； 所述路况信息包括道路拥塞程度和道路条件； 所述时间计算子模块具体包括： 距离计算单元： 设置为根据所述公交位置和从相应的查询请求 中获得目标站台的 位置， 计算公交到达目标站台的距离； 时间预测单元： 将所述公交到达目标站台的距离、 公交行驶速度、 道路拥塞程度 和道路条件作为变量， 利用从方法库中调用的公交到站时间预测算法 预测公交到达目 标站台的时间。 进一步， 本发明提供一种交通决策支持系统， 包括本发明任意一个实施例的公交 实时运行信息管理装置， 以及用于发送查询请求的查询装置。 在一些实施例中，所述查询装置包括用于发送 调度查询请求的调度中心查询装置、 和用于发送乘车查询请求的乘车查询装置。 从上面所述可以看出， 本发明提供的交通决策支持方法、 装置和系统， 通过利用 相应的模型对公交运行信息进行分析， 可以为用户提供决策支持。 本发明实施例的交 通决策支持方法、 装置和系统， 还能够综合公交行驶速度、 路况信息、 客流拥挤程度 等多维公交运行信息， 为提供一个更符合实际情况的决策。 应当理解， 本说明书所描述的多个实施例仅用于说明和解 释本发明， 并不用于限 定本发明。 并且在不冲突的情况下， 本申请中的实施例及实施例中的特征可以相互 组 合。 显然， 本领域的技术人员可以对本发明进行各种改动 和变型而不脱离本发明的精 神和范围。 这样， 倘若本发明的这些修改和变型属于本发明权利 要求及其等同技术的 范围之内， 则本发明也意图包含这些改动和变型在内。