客流调查分析统计报告.doc

《客流调查分析统计报告.doc》由会员分享，可在线阅读，更多相关《客流调查分析统计报告.doc（15页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、客流调查分析统计报告篇一：客流统计 数字图像处理实验报告 姓名 学院 班级 完成日期实验题目客流统计王文纲1214410623光电学院电信（三）班2021.6.9 算法分析： 注意到原图像的对比度普遍不足，因此先对各帧图像进行非线性灰度变换，即利用imadjust函数。其基本调用形式如下： J=imadjust(I，low_inhigh_in，low_outhigh_out，gamma) 其中J为做灰度非线性变换后的图像；I为被调用的原图像；low_inhigh_in归一化灰度分布范围；gamma参数小于1时，变换后的图像更亮些，反之则更为原图像的归一化灰度分布范围；low_outhigh_o

2、ut为进行灰度变换后的图像的暗些。 图像增强之后，下一步就要进行图像分割，以便获得图像中各元素的形状特征，方便作后期处理。在Matlab中，函数edge()用于灰度图像边缘的提取，我们采用edge()函数的canny算法，用法如下： BW=edge(I，canny)指定canny边缘提取方法 BW=edge(I，canny，thresh)指定具有阈值thresh的canny方法，即强度小于阈值的边缘被省略掉了，缺省时自动选取阈值 BW=edge(I，canny，thresh，sigma)sigma是Laplacian-Gaussian函数的标准偏差 BW，threshold=edge(I，ca

3、nny，)返回canny算法的阈值 图像分割之后，就要进行背景图像的获取。我们采用将连续的15帧图像累加求平均来获得背景。图像累加的算法为： suml=suml+double(Ai); 求平均的算法为： suml=suml/16; 之后采用图像差分法对各帧图像进行前景检测，其目的是把运动的对象从背景中分离出来，图像差分的算法为： h=imsubtract(f，g); imshow(h); 如果需要对被提取的图像作进一步处理，可以采用膨胀的方法，其主要目的是消除图像中无关的信息，恢复有用的真实信息，膨胀的基本算法为： A1=imread( Ai.jpg B=010 111 010; A2=imd

4、ilate(A1，B)； A3=imdilate(A2，B); A4=imdilate(A3，B); imshow(A4); 其中A2、A3、A4分别是对原图像进行了一次膨胀，两次膨胀，三次膨胀后生成的图像。 程序代码： 对各帧图像进行非线性灰度变换的代码如下： clc; I=imread( Ai.jpg J=imadjust(I，0.30.7，01，1);%将I图像的归一化灰度分布范围从0.3-0.7扩展 到01，gamma值为1 figure; imshow(J); 对各帧图像进行边缘提取的代码如下： I=imread( Ai.jpg figure; imshow(I); I=rgb2gr

5、ay(I); BW=edge(I， canny figure; imshow(BW); 对各帧图像进行求和取平均的算法已经在前文中给出，此处不再赘述。对各帧图像进行前景检测的代码如下： f=imread( Ai.jpg g=imread( ave.jpg Ip=imsubtract(f，g); imshow(Ip); 对各帧图像进行膨胀的代码在算法中已经给出，此处不再赘述。 实验结果： 对各帧图像进行非线性灰度变换后的结果如下： 对各帧图像进行边缘检测后的结果如下 对各帧图像进行累加求平均获得的背景图像如下： 对各帧图像进行前景检测后的结果如下： 篇二：客流调查分析报告 东圃站B3、B7线客流

6、调查报告 二巴二分公司邱模 12月12-18日，我单位组织人员对东圃站B3、B7线进行了为期一周（工作日）的驻点客流调查，现将部分调查情况（周四至下周二）报告如下： 一、调查安排 为保障本次调查的真实有效性，我单位对本次调查做了认真、充分的准备：一是由部门专人带队，安排了比较固定的、充足的调查人员，采取了一人盯一卡位、守候式调查的模式，提高调查数据的真实率；二是制定了本次调查专用的客流调查表格，对调查及取数口径进行了统一的培训，实现标准化度量，提高调查结果核对的准确率，具体安排如表1、表2示。 表1：调查人员安排表： 表二2：东圃站专项客流调查表 二、调查方法及统计口径 （一）调查方式：驻点客

7、流调查。（二）统计口径： 1、统计时段范围：7：01-8：30时，首班按发班时间统计，尾班统计按入位时间统计。 2、所有统计时间均为北京时间，座位数取实际，核载人数均按95人（12米大巴车型）计。 3、入位时间：以车辆开门上客时间为准；发班时间：以车门关闭停止上客为准；留站人数：以车辆停止上客后的现场即时客流人数为准；现场车辆台数：为留站车辆数，即车辆发车后的即时剩余车数。 4、数据计算公式：满载率=上车人数核载人数100%； 平均发班间隔=每班车发班间隔合计发班班次；平均上客时长=每班车上客时间合计发班班次；平均现场车辆台数=每班次后留站车辆数合计发班 班次。 三、B3、B7线基本情况介绍

8、B3线配车67台，其中12米车42台，11.2米车25台，在7：01-8：30时段分为快线和慢线（短线）共计2个发班卡位；B7线配车48台，均为12米车型，分为B7快线和B7慢线。根据现场客流调查显示，因都为大巴车型，本次调查线路每班车上客情况 与车长关联不大，为合理比较总站发班客流核载情况，核载人数均按95人（12米大巴车型）计。 四、具体客流调查情况（一）B3线驻点客流调查情况1、B3慢线（短线）调查分析 （1）基本发班情况：B3慢线（短线）日均发班12.75班，日均运载乘客981.25人次，平均发班间隔7分40秒，平均上客时间4分27秒，平均每班次载运76.96人次，满载率81.01%，

9、现场平均留站车数为2.72台，具体见表3。 表3：B3慢线（短线）7：01-8：30时基本发班情况表 （2）客流匹配情况：根据现场调查显示，B3慢线（短线）现场留站人数呈现“”型变化，在7：40-8：10分时段进入候乘高峰，然后进入降峰阶段，至8：21-30时时段再次出现候乘小高峰，其中8：21-30时段小高峰主要系B3快线停止运营时过渡乘客所引起的，线路真正的候乘高峰为7：40-8：10时，具体见表4。 表4：B3慢线7：01-8：30分留站人数变化情况图 由表5：B3慢线7：01-8：30分满载率变化情况图 根据表5数据，B3慢线（短线）在7：30时段后开始处于满载负荷状态（满载率超90%

10、，下同）下运行，结合表4现场滞留旅客情况变化图分析：B3慢线在7：30时段前车容量有富余，在7：40-8：00时段逐渐出现运能不匹配，后在8：10-8：30时段运能逐渐超过客流变化，整个7：01-8：30时时段不匹配时间有限。 2、B3快线客流情况分析 （1）基本发班情况：B3快线日均发班11.5班，日均运载乘客859.25人次，平均发班间隔7分49秒，平均上客时间4分36秒，平均每班次载运74.72人次，满载率78.65%，现场平均留站车数为2.23台，具体见表6示。 表6：B3快线7：01-8：30时基本发班情况表 （2）客流匹配情况：根据现场调查显示，B3快线现场留站人数呈现“”型变化，

11、在7：10-8：20分时段留站人数超40人，持续进入候乘高峰，直至B3快线停止运营，具体见表7示。 表7：B3快线7：01-8：30分留站人数变化情况图 表8：B3快线7：01-8：30分满载率变化情况图 篇三：客流统计分析系统 目录 一方案概述.4 （一） （二） （三） （四） （五）客流统计应用环境.4客流在购物中心的作用.4客流核心指标.5客流辅助指标.6如何选择客流系统.6二技术原理与技术参数.10 （一）NEC客流统计产品介绍.10 1.1系统概述.10 1.2技术领先优势.10 1.3无可比拟的优势性24H高精度！.11（二）SmartCount客流统计系统技术规格说明.11 2

12、.1系统组成.11 2.2客流一体机VC-1010.12 2.3系统技术参数.12 2.4一体机安装方式.13 2.5系统连接图.14 2.6与其它产品的对比.14（三）SmartCount后台报表系统.15 3.1报表功能列表.16 3.2报表架构设计.17 3.3报表展现内容.17 3.4报表样式列举（详见附件1）.18三后台功能介绍.20 （一）统一拓扑.21 （三） （四） 4.1 4.2 4.3 （五） （六） （七） （八） （九）实时视频查看与调试.22用户管理与角色权限.22修改个人信息.22管理员列表.23添加管理员组.23密码维护.24系统设置.25报警管理.28数据备份.

13、29设备状态监控.30四客流分析应用介绍.30 （一） （二） （三） （四）掌握购物中心客流规律.31定量把握营销活动的效查.32营销促销效果.32租户管理.33五 六 七所需的软硬件环境.34项目方案设计原则.34系统开发、集成与实施、部署.42 （一） （二） （三） （四） （五） （六）系统开发、设计.42施工组织设计及项目管理机构、主要管理人员.42系统工程实施.45设备安装、调试.48项目实施进度计划(可根据具体时间推移).53系统验收.54八培训及售后服务.54 （一） （二） （三）售后服务内容总体说明.54售后服务网络及流程.54售后服务标准.56 （五） （六）售后服务规

14、范.59培训.62九 十质量管理体系.64类似工程实施经验.67 （一） （二） （三） （四）国内部分案例清单.67上海来福士客流统计测试报告.68北京地铁客流统计测试报告.69全球客流案例.71 附件1：报表介绍.75附件2：OPTION.177 一方案概述 当今IT技术以及大数据技术的应用，正在推动零售行业发生剧烈的变化。电商、社交媒体工具的兴起，使得曾经繁华的商场、百货大楼，等人们购物和社交的重要场所变得门可罗雀，甚至很多实体店面已经沦落为电商的展厅惨淡经营。所谓的“一铺养三代”变为过去，精细化营销及数据分析已经是作为实体店面不可或缺的手段。作为商业设施的经营数据分析，主要是基于POS

15、系统的销售数据、库存管理的商品数据以及CRM系统的客流数据这三方面的数据。随着数据分析的深入，客流数据已经不能仅仅是会员以及成交客人的数据，所有来店人员的数量以及来店人员的属性（性别、年龄）也纳入了分析的范围，从而也带动了客流数据采集技术及产品的需求。 （一）客流统计应用环境 如何把握人数=实施对流动路线的控制 利用既有资料，参加到宣传、环境改善相关的咨询市场中来，以解决客流统计问题这一事业为基础，发展流动路线控制，市场营销等咨询事业。 （二）客流在购物中心的作用 对于商业设施，以前的经营分析都是基于销售数据的分析，但是销售额是每一位来店顾客所创造的，所以在分析销售额的之前，针对来店顾客的分析

16、是必不可少的。在入口安装传感器，取得来店人数。 通过累计的历史数据，直观反映出该商业设施的集客能力. 分析环境对来店客人的影响 天气、季节、节假日、大型社会活动（奥林匹克、国际音乐节等等） 实施宣传活动效果评估 比较POS取得的购物客流量与来店客流量，并据此考虑宣传对策。 “前来购物，却空手而归”= 讨论进行怎样的宣传才能使顾客有购买欲来店客人本来就很少= 讨论怎样提高知名度，如何吸引客人来店 作为购物中心，来店者很多，所以要讨论建立怎样的休息场所 讨论如何延长客人在店内停留的时间 将天气、温度与来店客流量、销售的商品等联系起来，使“陈列应时、应季 产品”成为可能。 知晓客人的流动路线，掌握客

17、人常去的场所、店铺 消灭商场内死角：在“人迹罕至”的场所进行“猜谜游戏”、“印章收集角”、 特价促销等活动。 依据客流量重新设定店铺的租金 购物中心的所有人导入系统，将客流量的信息资料贩售给各店铺的承租人。 = 在招揽承租人方面进行活用or店铺承租人在宣传中活用 与人脸认证相结合提供VIP认证、来客属性分析 在提高待客服务、顾客情报等环节提供VIP服务 导入与来店次数相关联的积分系统 连入电子看板，使之自动显示“先生/女士欢迎莅临本店。（哪个服务员）恭候您的到来”或者安排专门客户经理接待客户。 缓和在POS机前等待的队列= 有效地整理队列，使每条队伍长度趋向一 致，从而提高效率 分析客人经常聚集的场所及购物清单，为更好滴陈列商品、买进货物提供帮 助。 （三）客流核心指标 进店客流量： 进入门店有效经营范围内的顾客数量。 一般来讲，越高越好 提袋率： 提袋率=成交笔数/进店客流量*100% 代表门店的销售转化能力，越高越好 第 15 页 共 15 页