CN105246033A - 一种基于终端定位的人群状态监测方法和监测装置 - Google Patents
一种基于终端定位的人群状态监测方法和监测装置 Download PDFInfo
- Publication number
- CN105246033A CN105246033A CN201510583736.0A CN201510583736A CN105246033A CN 105246033 A CN105246033 A CN 105246033A CN 201510583736 A CN201510583736 A CN 201510583736A CN 105246033 A CN105246033 A CN 105246033A
- Authority
- CN
- China
- Prior art keywords
- setting regions
- personnel amount
- personnel
- setting
- crowd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例公开了一种基于终端定位的人群状态监测方法和监测装置。其中,所述基于终端定位的人群状态监测方法,包括:获取终端定位数据;根据所述终端定位数据获取设定区域的人员数量;获取所述设定区域的关联搜索数据,并进行搜索次数统计;根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势。本发明实施例提供的技术方案获取终端定位数据,统计区域人员数量,结合区域的搜索情况,预测人员数量变化趋势。由于结合了搜索数据,能够获知设定区域的被关注度,更加准确的预测人群状态。
Description
技术领域
本发明实施例涉及人群监测应用技术领域,尤其涉及一种基于终端定位的人群状态监测方法和监测装置。
背景技术
为保障公共场所(如旅游景区、车站以及机场等)的公共安全,在有限的人力资源情况下,通过安装摄像头或者将人力安置在人群密集的位置,以达到及时疏导人群、保障公共场所人员公共安全以及维护公共场所秩序目的,避免由于人群拥堵造成踩踏等恶劣事故的发生。
现有技术对公共场所人群状态的监控,主要靠安装摄像头,或者现场人力观察。在使用摄像头进行人群监控时,通常需要工作人员实时监控多个摄像头回传的显示画面,当某个位置人员密集时,监控人员通知现场工作人员进行人流疏导。显然无论是安装摄像头还是通过现场人力观察,都无法对公共场所的人群状况如密度,方向,分布进行量化分析,并且上述监控缺乏报警机制,无法实时对拥堵的人群进行流量管理和疏导。
发明内容
本发明实施例提供一种基于终端定位的人群状态监测方法和监测装置,以克服现有监控机制中无法对人群状况进行量化分析以及无法进行人群状态预测的缺陷。
第一方面,本发明实施例提供了一种基于终端定位的人群状态监测方法,所述方法具体包括:
获取终端定位数据;
根据所述终端定位数据获取设定区域的人员数量;
获取所述设定区域的关联搜索数据,并进行搜索次数统计;
根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势。
第二方面,本发明实施例提供了一种人群状态监测的监测装置,所述终端具体包括:
定位数据获取模块,用于获取终端定位数据;
人员数量获取模块,用于根据所述终端定位数据获取设定区域的人员数量;
搜索次数统计模块,用于获取所述设定区域的关联搜索数据,并进行搜索次数统计;
变化趋势预测模块,用于根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势。
本发明实施例提供的技术方案,获取终端定位数据,统计区域人员数量,结合区域的搜索情况,预测人员数量变化趋势。
附图说明
图1是本发明实施例一提供的一种基于定位终端的人群状态监测方法流程示意图;
图2是本发明实施例二提供的一种基于定位终端的人群状态监测方法流程示意图;
图3是本发明实施例三提供的一种基于定位终端的人群状态监测方法流程示意图;
图4是本发明实施例四适用的一种热力值显示示意图;
图5是本发明实施例五适用的一种人群热力示意图;
图6是本发明实施例六适用的一种人群密度动态分布示意图;
图7是本发明实施例七适用的一种人群热力变化趋势示意图;
图8是本发明实施例八适用的一种移动速度热力显示的示意图;
图9是本发明实施例八适用的一种移动方向热力显示的示意图;
图10是本发明实施例八适用的一种人群分布的饼状示意图;
图11是本发明实施例九适用的一种网格划分的人群数量示意图;
图12是本发明实施例十适用的一种自定义区域人群数量拾取示意图;
图13是本发明实施例十一提供的一种定位终端的结构示意图;
图14是本发明实施例十二适用的一种实时热力数据接入系统的结构示意图;
图15是本发明实施例十二适用的一种实时数据接入与持久化模块的结构示意图;
图16是本发明实施例十二适用的一种监控目标数据计算的流程示意图;
图17是本发明实施例十三适用的一种地图实时查询分析系统的示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止,但是还可以具有未包括在附图中的附加步骤。该处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种基于定位终端的人群状态监测方法流程示意图。所述方法由基于定位终端的人群状态监测装置执行,所述监测装置集成在服务器中。参见图1,所述基于定位终端的人群状态监测方法具体包括如下操作:
S110、获取终端定位数据。
持有终端的个体通过终端中的应用软件发起定位请求,定位服务器获取定位请求也相应的能够检测到终端的定位数据。监测装置可以从定位服务器中获取大量的终端定位数据。所述终端可以是诸如智能手机、平板电脑等具有定位功能的终端。
S120、根据所述终端定位数据获取设定区域的人员数量。
所述获取设定区域的人员数量是基于个体进行统计,以个体为单位对设定区域的人员数量进行统计。本案是针对人群状态进行统计,所以需要获知人员的定位数据,个体可以是持有终端的个人。终端通常是与人对应的,所以可以视为每个终端对应一个人,可以直接将终端标识作为人的标识,或者也可以将发起定位的定位软件账号作为人的标识。统计的个体数据虽然不能与人员数量完全一致,但是统计结果的误差在针对人群状态进行监测时处于允许的误差范围内,该误差不影响最终统计的人员数量。
设定区域是由管理用户根据人群监测需求设定的,管理用户是对设定区域的人员数量进行监控和管理的人员。示例性的,当设定区域为景区或者车站时,管理用户是指对景区或者车站进行人员数量控制的管理人员。针对性的软件,是针对管理用户的需求开发的应用软件。
S130、获取所述设定区域的关联搜索数据,并进行搜索次数统计。
关联搜索数据可以是互联网用户通过搜索引擎或者地图产品搜索的与设定区域相关联的数据。对设定区域关注的搜索均可视为该设定区域的关联数据。具体的关联规则可根据需要进行设定。例如,检索关键词落入设定区域地理范围内都视为关联检索数据。示例性的,当设定区域为故宫时,关联搜索数据可以是故宫中的各宫殿或者各文物收藏馆等与故宫有关的信息。
互联网用户搜索设定区域时,通过搜索引擎或者地图产品的服务器识别和记录互联网用户的搜索次数,周期性统计搜索次数。互联网用户是通过互联网对设定区域进行搜索的个体。搜索次数表征了一定时间段内上述设定区域受关注的程度,通过统计的搜索次数可以对设定区域人群高峰期提前预测,提醒设定区域管理人员提前做好迎接人群高峰期的准备。
S140、根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势。
其中,统计结果是一定时间内统计的互联网用户搜索设定区域的关联搜索数据次数。上述操作,结合搜索次数和设定区域的人员数量,作为预测设定区域人员数量变化趋势的依据。
具体结合两种数据进行预测的方式有多种,典型的是可以依据历史数据进行变化趋势的预测。变化趋势的预测用于对人员数量进行预警和预测。
本实施例提供的技术方案,获取终端定位数据,统计设定区域的人员数量,结合设定区域的搜索情况和人员数量对人员数量变化趋势进行预测。由于结合了搜索数据,能够获知设定区域的被关注度,更加准确的预测人群状态。
实施例二
图2是本发明实施例二提供的一种基于定位终端的人群状态监测方法流程示意图。在实施例一的基础上,如图2所示,S140、根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势具体包括如下操作:
S1401、识别当前的统计结果与历史的统计结果或设定阈值之间的变化。
当前的统计结果是最近一段时间内统计的搜索次数,历史的统计结果是统计当前搜索次数之前时间段的搜索次数。变化可以是当前的统计结果与历史的统计结果之间的变化,此变化表征了最近一段时间内互联网用户搜索设定区域的次数变化,如果当前的统计结果大于历史的统计结果,表明设定区域的人员数量有增多的可能性。优选是,对同一时期的搜索次数进行比较,例如,将节假日前几天的搜索次数进行比较,如果搜索次数发生了明显的变化,则表明设定区域的被关注度可能将出现明显变化,应提前进行人流剧增的预警。设定阈值可以是根据需要设定的门限值,若当前的统计结果超出了上限或下限的设定阈值,则表明设定区域的被关注度异常,应对人流进行预警。
S1402、当所述变化满足设定条件时,获取所述设定区域的人员数量历史变化趋势,并根据所述历史变化趋势进行预警。
当搜索情况的变化满足设定条件时,应进一步预测人员数量的变化。对人员数量的变化可以根据历史情况进行预测。优选是获取同期的人员数量历史变化趋势,或者获取搜索情况发生相同变化时的人员数量历史变化趋势,作为当前的预测结果。
示例性的,当前的统计结果较历史的统计结果之间的上升的百分比大于10%并且小于30%时,获取发生相同搜索情况变化时设定区域的人员数量的历史变化趋势,历史变化有迅速上升的趋势,根据历史趋势对人员数量进行预警,提醒管理用户迎接人员数量高峰期并做好相应的准备工作。
本实施例提供的技术方案,通过当前的统计结果与历史的统计结果或设定阈值之间的变化,获取并根据设定区域的人员数量历史变化趋势进行预警,提醒管理用户关注人员数量变化并做好相应的准备工作。
实施例三
图3是本发明实施例三提供的一种基于定位终端的人群状态监测方法流程示意图。如图3所示,S140、根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势包括如下操作:
S1403、识别当前的统计结果与历史的统计结果或设定阈值之间的变化。
S1404、当所述变化满足设定条件时,获取所述设定区域的人员数量,并根据所述设定区域的人员数量基于二阶指数平滑算法进行预测。
其中,二阶指数平滑算法用于人员数量的时间序列分析预测,二阶指数平滑算法是根据分析项的历史序列,获取分析项的预测值。其中,此处分析项为人群数量。时间序列分析预测中采用二阶指数平滑算法计算分析项的预测值的公式为:。
Ft'=αxt-1+(1-α)F′t-1
Ft"=αFt'+(1-α)F′t-1
式中,F是分析项的预测值,x是分析项的实际值,α是平滑系数;
Ft′是分析项在t时刻的一阶指数平滑值;
F′t-1是分析项在(t-1)时刻的一阶指数平滑值;
Ft″是分析项在t时刻的二阶指数平滑值;
F″t-1是分析项在(t-1)时刻的二阶指数平滑值。
本实施例提供的技术方案,通过当前的统计结果与历史的统计结果或设定阈值之间的变化,基于当前设定区域的人员数量进行人员数量预测,预测结果能够通知管理用户人员数量变化趋势,提醒管理者做好相应的准备工作。
在上述各实施例的基础上,所述根据所述终端定位数据获取设定区域的人员数量之后,还包括:
根据所述终端定位数据,确定移动速度和移动方向。
根据所述终端的定位数据,得到人群中每个个体的速度和方向,根据移动速度和移动方向,可以获取每个方向人群的移动速度,所述人群的移动速度是所述方向的个体速度求平均值。
进一步的,所述基于终端定位的人群状态监测方法还包括,将所述人员数量、移动速度和/或移动方向,进行热力显示,所述热力显示包括下述至少一种方式:
确定设定区域内的人员数量,与历史同期值进行比对,并显示当前人员数量值和比对结果;
当所述当前人员数量值和比对结果中的至少一个超过设定阈值时,进行报警,并将所述设定区域的人员数量在地图上进行显示;
将设定区域的人员数量随时间的变化趋势以曲线图或波形图的方式进行显示;
将设定区域内人员的移动速度和移动方向进行统计,并以数值或饼状图的方式进行显示,或将人员的移动速度和移动方向在地图上进行显示;
当设定区域内任一移动方向上人员的移动速度低于设定门限值,则提示发生拥堵;
将设定地理范围按照规则进行网格划分,并计算网格内的人员数量,将所述人员数量按照网格在地图上进行显示。
以下通过具体示例介绍各种显示方式。
实施例四
本实施例的实施方式中,采用热力值表征人群数量,热力值包括人群热力和最热区域。人群热力为一定时间内设定区域整体的独立访客(uniquevisitor,UV)值,反映当前人数;最热区域是按照单位圆聚类的UV值序列中排名上游值(例如,排名前20%的值)的加和,反映人员数量较多地区的人群热力指数。其中,UV值,为指访问某个站点或点击某条新闻的不同网络之间互连协议(InternetProtocol,IP)地址的人数。在同一天内,UV只记录第一次进入网站的具有独立IP的访问者,在同一天内再次访问该网站则不计数,独立IP访问者提供了一定时间内不同观众数量的统计指标。
图4是本发明实施例四适用的一种热力值显示示意图。由于热力值中的人群热力和最热区域两个值的周期性非常明显,而且具有按天为周期和按周为周期的特性,因此,参见图4,在显示界面中显示热力值时加入与昨日同期比较,与上周同期比较,与历史相比的百分比。
在对设定区域进行监控的过程中,可通过当前热力值与昨天、上周和与历史同期相比的三个百分比对人群热力进行报警。当人群热力或者最热区域与历史同期相比产生异常迅速的升高时,触发报警机制。示例性的,当三个维度(昨天,上周,历史)中任一维度达到阈值后,字体(如字体“与昨日相比”)变红,三个维度的数值同时超过阈值则底色变红,触发警报,报警的阈值(上升百分比)可以在页面指定,如图4中顶端界面设置所示。
实施例五
本实施例的实施方式中,对热力值进行预测。热力值的预测采用时间序列分析预测和查询辅助预测,通过上述两种预测的结合,为用户提供实时全面的热力值预测方案。
其中,时间序列分析预测中采用二阶指数平滑算法计算分析项的预测值。示例性的,采用二阶指数平滑算法计算故宫的人群热力。图5是本发明实施例五适用的一种人群热力示意图。参见图5,横坐标为时间轴,纵坐标为人群热力,实线表示人群热力的实际值,虚线表示人群热力的预测值。时间轴截取了三个时间段:每个时间段时间长度为10天10个小时10分钟,时间轴起始时间为2015年3月8日00:00:00,第三个时间段的终止时间是2015年4月8日06:30:00。从图4可以看出,在20150328-20:20:00到20150408-06:30:00时间段人群热力的预测值达到两个比较大峰值,而此时人群热力实际值在上述两个人群热力预测值高峰处同样也出现了两个峰值,其中一个人群热力峰值的实际值达到2913,图中与横坐标轴平行的直线所对应的纵坐标的人群热力实际值为432.25。图5中右上角图标为编辑操作按钮、文本数据显示按钮、折线图显示按钮、柱形图显示按钮、数据刷新按钮和数据保存按钮等。
参见图5,人群热力实际值的变化趋势与人群热力预测值的变化趋势一致,所以,根据人群热力的预测值能够直观地预测人群热力实际值的变化趋势,使管理用户提前预知人群变化趋势,方便提前做好准备工作。
热力值预测中还包括查询辅助预测。有外出需求的互联网用户外出之前,会预先使用地图产品查询目的地的信息。查询辅助预测就是根据目的地的实时查询变化情况对热力值进行的预测。其中,实时查询变化情况可以是一定时间内查询设定区域的互联网用户数量。
实施例六
图6是本发明实施例六适用的一种人群密度动态分布示意图。在针对用户需求开发的应用软件中,管理用户指定其监控的设定区域。设定区域可以以方框的形式标注在管理用户软件界面中,如图6所示。人群密度是根据设定区域面积和设定区域内的人员数量计算得出的。设定区域内的人群密度小于设定的阈值时,通过不同深度的带状扩散区域表示人群密度分布区域,当设定区域内的人群密度大于设定阈值时,在图6中通过圆形冲击波的形式表示出人群密集区,提示管理者关注这部分地区的人群密度,及时进行人群疏散。圆形冲击波可以采用诸如红色或者橙色这类比较醒目的颜色表示。
为查询某个时间段内人群密度的分布图,在上述软件界面中可添加选择时间段功能,方便管理用户选择查看一段时间的人群密度分布的动态图,如图6上方选择查询人群密度近8小时的动态图和最近一周动态图。
实施例七
本实施例的实施方式中,为表征人群热力和最热区域这两个监控值的趋势,采用趋势图观察人群热力和最热区域的周期性变化,供管理用户参考。示例性的,图7是本发明实施例七适用的一种人群热力变化趋势示意图。如图7所示,横坐标表示时间轴,纵坐标表示人群热力,图中与横坐标平行的虚直线处人群热力为1672.7,人群热力的较高值为3720,最小值为442。图7中右上角图标为编辑操作按钮、文本数据显示按钮、折线图显示按钮、柱形图显示按钮、数据刷新按钮和数据保存按钮等。图左上方控件用于选择查询人群热力某一时间段内的变化趋势,当选择时间段为2015-06-09这一时间段的人群热力变化趋势,即这一天24小时内的变化趋势。
实施例八
本实施例的实施方式中,对移动速度和移动方向进行热力显示。
在对移动速度进行热力显示时,在显示当日速度的同时,同时显示当日移动速度与昨日、上周和历史移动速度相比的百分比,如图8所示。如果当日移动速度下降幅度较大,说明设定区域的人员数量较多,此时需要提醒管理者注意可能发生人群拥堵的情况。
在表征人群的移动方向时,如图9所示,在设定区域的地图上,查看一定时间段内的人群分布图,采用箭头代表设定区域内的移动人员,箭头所指的方向就是每个人员移动的方向。不同方向的箭头可以采用不同的颜色表示,直观的反映每个方向的人群的分布情况。
图10是本发明实施例八适用的一种人群分布的饼状示意图,如图10所示,采用饼状图对不同方位的人员数量进行表示,将方向划分为东、西、南、北等八个方向,不同方向采用不同的颜色进行标记,并与图9中箭头的颜色一一对应,根据设定区域人群在不同方向上的分布,将各个方向的人群分布百分比在饼状图中通过扇叶饼的大小进行表示。
实施例九
本实施例的实施方式中,管理用户对设定区域的局部区域进行人员数量的监控。图11是本发明实施例九适用的一种网格划分的人群数量示意图。如图11所示,将设定区域地理范围按照规则进行网格划分,并用不同程度的颜色展示网格内的人数,当网格颜色越深表示网格区域内人数越多,并采用具有先后顺序的英文字母或者数字对不同人数的网格进行标记,在显示界面中附以排行榜,直观表述局部区域的人员数量。按照规则进行网格划分,可以根据用户需求按照每个网格覆盖范围的大小进行划分。网格覆盖范围的大小可以是根据用户需求固定的覆盖范围,也可以是用户指定的覆盖范围。
实施例十
图12是本发明实施例十适用的一种自定义区域人群数量拾取示意图。管理用户可以根据实际需要在软件界面中自定义指定区域并对自定义区域进行人员数量的拾取。示例性的,如图12所示,用户自定义指定区域时,可以输入指定区域的圆心位置,并指定圆的半径,形成的自定义区域为覆盖一定范围的圆形区域,在软件中管理用户点击人员数量拾取控件,即可获取自定义区域的人员数量。自定义区域还可以是矩形,用户指定矩形的中心、长边和短边即可形成矩形自定义指定区域。
实施例十一
图13是本发明实施例十一提供的一种定位终端的结构示意图。定位终端用于执行人群状态监测方法。参见图13,终端具体包括定位数据获取模块410、人员数量获取模块420、搜索次数统计模块430和变化趋势预测模块440。
定位数据获取模块410,用于获取终端定位数据。人员数量获取模块420,用于根据所述终端定位数据获取设定区域的人员数量。搜索次数统计模块430,获取所述设定区域的关联搜索数据,并进行搜索次数统计。变化趋势预测模块440,根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势。
上述方案中,所述变化趋势预测模块440具体包括:第一变化识别单元441和预警单元442。第一变化识别单元441,用于识别当前的统计结果与历史的统计结果或设定阈值之间的变化。预警单元442,用于当所述变化满足设定条件时,获取所述设定区域的人员数量历史变化趋势,并根据所述历史变化趋势进行预警。
此外,所述变化趋势预测模块440具体可包括:第二变化识别单元443和预测单元444。第二变化识别单元443,用于识别当前的统计结果与历史的统计结果或设定阈值之间的变化。预测单元444,用于当所述变化满足设定条件时,获取所述设定区域的人员数量,并根据所述设定区域的人员数量基于二阶指数平滑算法进行预测。
上述方案中,所述定位终端还可以包括:移动状态确定模块450。移动状态确定模块450用于所述人员数量获取模块根据所述终端定位数据获取设定区域的人员数量之后,根据定位数据获取模块获取的所述终端定位数据,确定移动状态,所述移动状态包括移动速度和移动方向。
进一步的,所述定位终端还包括热力显示模块460,用于将所述人员数量、移动速度和/或移动方向,进行热力显示,所述热力显示包括下述至少一种方式:
确定设定区域内的人员数量,与历史同期值进行比对,并显示当前人员数量值和比对结果;
当所述当前人员数量值和比对结果中的至少一个超过设定阈值时,进行报警,并将所述设定区域的人员数量在地图上进行显示;
将设定区域的人员数量随时间的变化趋势以曲线图或波形图的方式进行显示;
将设定区域内人员的移动速度和移动方向进行统计,并以数值或饼状图的方式进行显示,或将人员的移动速度和移动方向在地图上进行显示;
当设定区域内任一移动方向上人员的移动速度低于设定门限值,则提示发生拥堵;
将设定地理范围按照规则进行网格划分,并计算网格内的人员数量,将所述人员数量按照网格在地图上进行显示。
本实施例提供的技术方案,通过移动状态确定模块,确定人员移动速度和热力显示模块,确定人员移动方向和移动速度,将人群状态进行热力显示,为管理人员提供设定区域的人群状态的实时监控和预警。
实施例十二
图14是本发明实施例十二适用的一种实时热力数据接入系统的结构示意图。实时热力数据接入系统用于对定位终端的实时热力数据进行处理。参见图14,接入系统包括日志源模块510、传输模块520、流式处理模块530和实时数据接入与持久化模块540。
日志源模块510包括多个定位日志,定位日志经过传输模块520的传输工具和流式处理模块530的计算机平台处理得到实时热力数据,实时热力数据被存储在实时数据接入与持久化模块540中。
图15是本发明实施例十二适用的一种实时数据接入与持久化模块的结构示意图。如图15所示,实时数据接入与持久化模块540包括实时存储单元541、定时任务单元542和持久化单元543。实时热力数据在实时存储单元541中进行存储,存储后的数据通过定时任务单元542中的定时从数据库中获取目标数据,目标数据存入持久化单元543中持久化。持久化单元543可以采用关系型数据库管理系统MySQL完成持久化过程。
从数据库中获取的目标数据并不适合直接用于对设定区域的监控,目标数据需要导入到脚本中,然后对脚本中的目标数据进行计算分析。如图16所示,脚本中目标数据的计算包括如下操作:
S510、读取兴趣点(PointofInterest,POI)表信息,获取需要分析的POI;
S520、对每个POI,获取当前小时的被叫用户识别号(CalledUserIdentificationNumber,CUID)列表,去除当前一定时间窗口外的CUID,得到页面浏览量(PageView,PV),并对CUID去重继而得到独立访客(UniqueVisitor,UV)数量;
S530、获取所有去重后CUID的当前状态信息以及人群速度,计算人群平均移动速度和方向分布;
S540、获取定时计算的POI聚类信息,按数值进行分类后,利用分类后数据计算最热区域热力值、最热区域信息以及聚类信息。
分类后数据可以是按照分类后前20%的数据。
其中,POI在基于位置服务领域,描述的是一个具体的位置,例如,商场、写字楼以及学校等,本实施例中POI可以是管理用户设定的区域,具体可以是景区;
PV,即页面浏览量或点击量,是指对每个页面所发出的请求,在一定统计周期内网络用户每刷新网页一次即被计算一次;
UV,即独立访客,访问网站的一台电脑客户端为一个访客,一天内相同的客户端的UV值只被计算一次。
本实施例提供的技术方案,通过实时热力数据接入系统对实时热力数据进行处理,通过将数据库中的目标数据导出到脚本中计算监控数据,实现用户设定区域的监控功能。
实施例十三
当互联网用户采用地图产品进行查询时,采用流式计算系统(Dstream)自主搭建实时查询分析系统,地图实时查询分析系统的架构如图17所示。参见图17,系统包括日志源610、传输工具620、流式计算平台630和数据库640。日志源610的多个定位日志经过传输工具620传输到流式计算平台(Dstream)630,在流式计算平台630上运行的作业订阅并解析定位日志,对指定区域的查询次数聚合,最后将查询次数写入数据库(如MySQL)640中进行持久化。
传输工具包括日志代理(logagent)和分布式数据传输系统(BigPipe),BigPipe不仅能够完成传统消息队列可以实现的诸如消息、命令的实时传输,还可以用于日志数据的实时传输。Bigpipe能够帮助模块间的通信实现解耦,并保证消息的不丢失不重复,同时Bigpipe也有助于运行维护和流量的统一。
其中,MySQL是一个关系型数据库管理系统,由瑞典MySQLAB公司开发,目前属于Oracle旗下公司的产品。MySQL是当前主流的关系型数据库管理系统,在互联网应用方面,MySQL是最好的RDBMS(RelationalDatabaseManagementSystem,关系数据库管理系统)应用软件之一。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许变更或修饰等,凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于终端定位的人群状态监测方法,其特征在于,包括:
获取终端定位数据;
根据所述终端定位数据获取设定区域的人员数量;
获取所述设定区域的关联搜索数据,并进行搜索次数统计;
根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势。
2.根据权利要求1所述的方法,其特征在于,根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势包括:
识别当前的统计结果与历史的统计结果或设定阈值之间的变化;
当所述变化满足设定条件时,获取所述设定区域的人员数量历史变化趋势,并根据所述历史变化趋势进行预警。
3.根据权利要求1所述的方法,其特征在于,根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势包括:
识别当前的统计结果与历史的统计结果或设定阈值之间的变化;
当所述变化满足设定条件时,获取所述设定区域的人员数量,并根据所述设定区域的人员数量基于二阶指数平滑算法进行预测。
4.根据权利要求1所述的方法,其特征在于,根据所述终端定位数据获取设定区域的人员数量之后,还包括:
根据所述终端定位数据,确定移动速度和移动方向。
5.根据权利要求4所述的方法,其特征在于,还包括,将所述人员数量、移动速度和/或移动方向,进行热力显示,所述热力显示包括下述至少一种方式:
确定设定区域内的人员数量,与历史同期值进行比对,并显示当前人员数量值和比对结果;
当所述当前人员数量值和比对结果中的至少一个超过设定阈值时,进行报警,并将所述设定区域的人员数量在地图上进行显示;
将设定区域的人员数量随时间的变化趋势以曲线图或波形图的方式进行显示;
将设定区域内人员的移动速度和移动方向进行统计,并以数值或饼状图的方式进行显示,或将人员的移动速度和移动方向在地图上进行显示;
当设定区域内任一移动方向上人员的移动速度低于设定门限值,则提示发生拥堵;
将设定地理范围按照规则进行网格划分,并计算网格内的人员数量,将所述人员数量按照网格在地图上进行显示。
6.一种基于终端定位的人群状态监测装置,其特征在于,包括:
定位数据获取模块,用于获取终端定位数据;
人员数量获取模块,用于根据所述终端定位数据获取设定区域的人员数量;
搜索次数统计模块,用于获取所述设定区域的关联搜索数据,并进行搜索次数统计;
变化趋势预测模块,用于根据所述搜索次数统计的结果和所述设定区域的人员数量,预测所述设定区域的人员数量变化趋势。
7.根据权利要求6所述的终端,其特征在于,所述变化趋势预测模块,包括:
第一变化识别单元,用于识别当前的统计结果与历史的统计结果或设定阈值之间的变化;
预警单元,用于当所述变化满足设定条件时,获取所述设定区域的人员数量历史变化趋势,并根据所述历史变化趋势进行预警。
8.根据权利要求6所述的终端,其特征在于,所述变化趋势预测模块,包括:
第二变化识别单元,用于识别当前的统计结果与历史的统计结果或设定阈值之间的变化;
预测单元,用于当所述变化满足设定条件时,获取所述设定区域的人员数量,并根据所述设定区域的人员数量基于二阶指数平滑算法进行预测。
9.根据权利要求6所述的终端,其特征在于,还包括:
移动状态确定模块,用于根据所述终端定位数据获取设定区域的人员数量之后,根据所述终端定位数据,确定移动速度和移动方向。
10.根据权利要求9所述的终端,其特征在于,还包括:热力显示模块,用于将所述人员数量、移动速度和/或移动方向,进行热力显示,所述热力显示包括下述至少一种方式:
确定设定区域内的人员数量,与历史同期值进行比对,并显示当前人员数量值和比对结果;
当所述当前人员数量值和比对结果中的至少一个超过设定阈值时,进行报警,并将所述设定区域的人员数量在地图上进行显示;
将设定区域的人员数量随时间的变化趋势以曲线图或波形图的方式进行显示;
将设定区域内人员的移动速度和移动方向进行统计,并以数值或饼状图的方式进行显示,或将人员的移动速度和移动方向在地图上进行显示;
当设定区域内任一移动方向上人员的移动速度低于设定门限值,则提示发生拥堵;
将设定地理范围按照规则进行网格划分,并计算网格内的人员数量,将所述人员数量按照网格在地图上进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510583736.0A CN105246033B (zh) | 2015-09-14 | 2015-09-14 | 一种基于终端定位的人群状态监测方法和监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510583736.0A CN105246033B (zh) | 2015-09-14 | 2015-09-14 | 一种基于终端定位的人群状态监测方法和监测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105246033A true CN105246033A (zh) | 2016-01-13 |
CN105246033B CN105246033B (zh) | 2019-07-23 |
Family
ID=55043465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510583736.0A Active CN105246033B (zh) | 2015-09-14 | 2015-09-14 | 一种基于终端定位的人群状态监测方法和监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105246033B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719428A (zh) * | 2016-03-21 | 2016-06-29 | 上海斐讯数据通信技术有限公司 | 一种景区安全预警系统及方法 |
CN105848104A (zh) * | 2016-03-22 | 2016-08-10 | 中国联合网络通信集团有限公司 | 基于区域的人员流动状态监测方法及装置 |
CN106211065A (zh) * | 2016-06-30 | 2016-12-07 | 北京奇虎科技有限公司 | 人员流量数据的监控方法及装置 |
CN106507305A (zh) * | 2016-11-04 | 2017-03-15 | 四川长虹电器股份有限公司 | 一种车辆gps定位位置的智能上传方法 |
CN106850777A (zh) * | 2017-01-17 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 推送信息的方法和装置 |
WO2018014873A1 (zh) * | 2016-07-21 | 2018-01-25 | 深圳奇迹智慧网络有限公司 | 一种基于mac码和人脸识别的人流预警方法 |
KR101825023B1 (ko) * | 2016-03-24 | 2018-02-02 | 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 | 리스크 조기 경보 방법 및 장치 |
CN108513308A (zh) * | 2018-02-26 | 2018-09-07 | 山东汇贸电子口岸有限公司 | 一种景区客流分析系统及方法 |
CN109302678A (zh) * | 2018-11-14 | 2019-02-01 | 浙江每日互动网络科技股份有限公司 | 根据地址围栏和电子围栏内移动终端信息进行预警的方法 |
CN109947887A (zh) * | 2019-03-20 | 2019-06-28 | 智慧足迹数据科技有限公司 | 人口分布统计方法及装置 |
CN110166945A (zh) * | 2019-06-04 | 2019-08-23 | 中国民用航空总局第二研究所 | 航站楼旅客流量动态预测方法、装置、介质及设备 |
CN110210045A (zh) * | 2018-03-28 | 2019-09-06 | 腾讯大地通途(北京)科技有限公司 | 目标区域的人数估算方法、装置及存储介质 |
CN110673886A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 用于生成热力图的方法和装置 |
CN110996373A (zh) * | 2019-11-27 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 重复无线网络标识的处理方法、装置、设备及存储介质 |
CN112650426A (zh) * | 2019-10-12 | 2021-04-13 | 阿里巴巴集团控股有限公司 | 信息统计方法及装置 |
CN113449903A (zh) * | 2020-03-27 | 2021-09-28 | 丰田自动车株式会社 | 信息处理装置、信息处理方法以及系统 |
CN113674127A (zh) * | 2021-08-25 | 2021-11-19 | 深圳市盛泰博康智能技术有限公司 | 一种基于物联网的应急移动监控指挥平台 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102572798A (zh) * | 2010-12-30 | 2012-07-11 | 富泰华工业(深圳)有限公司 | 手机及其获取资讯的方法 |
US20140074733A1 (en) * | 2012-09-13 | 2014-03-13 | Fannie Mae | Photograph initiated appraisal process and application |
-
2015
- 2015-09-14 CN CN201510583736.0A patent/CN105246033B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102572798A (zh) * | 2010-12-30 | 2012-07-11 | 富泰华工业(深圳)有限公司 | 手机及其获取资讯的方法 |
US20140074733A1 (en) * | 2012-09-13 | 2014-03-13 | Fannie Mae | Photograph initiated appraisal process and application |
Non-Patent Citations (1)
Title |
---|
崔丽敏: "基于网络搜索行为的世园会客流量预测预警研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719428A (zh) * | 2016-03-21 | 2016-06-29 | 上海斐讯数据通信技术有限公司 | 一种景区安全预警系统及方法 |
CN105848104B (zh) * | 2016-03-22 | 2019-05-07 | 中国联合网络通信集团有限公司 | 基于区域的人员流动状态监测方法及装置 |
CN105848104A (zh) * | 2016-03-22 | 2016-08-10 | 中国联合网络通信集团有限公司 | 基于区域的人员流动状态监测方法及装置 |
KR101825023B1 (ko) * | 2016-03-24 | 2018-02-02 | 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 | 리스크 조기 경보 방법 및 장치 |
US9953517B2 (en) | 2016-03-24 | 2018-04-24 | Baidu Online Networks Technology (Beijing) Co., Ltd. | Risk early warning method and apparatus |
CN106211065A (zh) * | 2016-06-30 | 2016-12-07 | 北京奇虎科技有限公司 | 人员流量数据的监控方法及装置 |
WO2018014873A1 (zh) * | 2016-07-21 | 2018-01-25 | 深圳奇迹智慧网络有限公司 | 一种基于mac码和人脸识别的人流预警方法 |
CN106507305A (zh) * | 2016-11-04 | 2017-03-15 | 四川长虹电器股份有限公司 | 一种车辆gps定位位置的智能上传方法 |
CN106850777A (zh) * | 2017-01-17 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 推送信息的方法和装置 |
CN108513308A (zh) * | 2018-02-26 | 2018-09-07 | 山东汇贸电子口岸有限公司 | 一种景区客流分析系统及方法 |
CN110210045A (zh) * | 2018-03-28 | 2019-09-06 | 腾讯大地通途(北京)科技有限公司 | 目标区域的人数估算方法、装置及存储介质 |
CN110210045B (zh) * | 2018-03-28 | 2022-03-08 | 腾讯大地通途(北京)科技有限公司 | 目标区域的人数估算方法、装置及存储介质 |
CN110673886A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 用于生成热力图的方法和装置 |
CN110673886B (zh) * | 2018-07-03 | 2023-10-03 | 百度在线网络技术(北京)有限公司 | 用于生成热力图的方法和装置 |
CN109302678A (zh) * | 2018-11-14 | 2019-02-01 | 浙江每日互动网络科技股份有限公司 | 根据地址围栏和电子围栏内移动终端信息进行预警的方法 |
CN109302678B (zh) * | 2018-11-14 | 2020-12-29 | 每日互动股份有限公司 | 根据地址围栏和电子围栏内移动终端信息进行预警的方法 |
CN109947887A (zh) * | 2019-03-20 | 2019-06-28 | 智慧足迹数据科技有限公司 | 人口分布统计方法及装置 |
CN110166945A (zh) * | 2019-06-04 | 2019-08-23 | 中国民用航空总局第二研究所 | 航站楼旅客流量动态预测方法、装置、介质及设备 |
CN112650426A (zh) * | 2019-10-12 | 2021-04-13 | 阿里巴巴集团控股有限公司 | 信息统计方法及装置 |
CN112650426B (zh) * | 2019-10-12 | 2024-05-14 | 盒马(中国)有限公司 | 信息统计方法及装置 |
CN110996373B (zh) * | 2019-11-27 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 重复无线网络标识的处理方法、装置、设备及存储介质 |
CN110996373A (zh) * | 2019-11-27 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 重复无线网络标识的处理方法、装置、设备及存储介质 |
CN113449903A (zh) * | 2020-03-27 | 2021-09-28 | 丰田自动车株式会社 | 信息处理装置、信息处理方法以及系统 |
CN113449903B (zh) * | 2020-03-27 | 2024-03-08 | 丰田自动车株式会社 | 信息处理装置、信息处理方法以及系统 |
CN113674127A (zh) * | 2021-08-25 | 2021-11-19 | 深圳市盛泰博康智能技术有限公司 | 一种基于物联网的应急移动监控指挥平台 |
CN113674127B (zh) * | 2021-08-25 | 2023-04-28 | 深圳市盛泰博康智能技术有限公司 | 一种基于物联网的应急移动监控指挥平台 |
Also Published As
Publication number | Publication date |
---|---|
CN105246033B (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105246033A (zh) | 一种基于终端定位的人群状态监测方法和监测装置 | |
Xu et al. | Participatory sensing-based semantic and spatial analysis of urban emergency events using mobile social media | |
Zhou et al. | A method for real-time trajectory monitoring to improve taxi service using GPS big data | |
Calabrese et al. | The geography of taste: analyzing cell-phone mobility and social events | |
Ma et al. | Data sets, modeling, and decision making in smart cities: A survey | |
Zhang et al. | City-scale social event detection and evaluation with taxi traces | |
Zou et al. | Application of finite mixture models for analysing freeway incident clearance time | |
Provoost et al. | Predicting parking occupancy via machine learning in the web of things | |
WO2005098720A2 (en) | Forecasting based on geospatial modeling | |
CN111949834A (zh) | 选址方法和选址平台 | |
Yabe et al. | A framework for evacuation hotspot detection after large scale disasters using location data from smartphones: case study of kumamoto earthquake | |
US20200042657A1 (en) | Multi-dimensional event model generation | |
Arslan et al. | Building information modeling (BIM) enabled facilities management using hadoop architecture | |
CN110866642A (zh) | 安全监控方法、装置、电子设备和计算机可读存储介质 | |
CN110533212A (zh) | 基于大数据的城市内涝舆情监测预警方法 | |
US9792334B2 (en) | Large-scale processing and querying for real-time surveillance | |
Haraguchi et al. | Human mobility data and analysis for urban resilience: A systematic review | |
Zhao et al. | A network distance and graph-partitioning-based clustering method for improving the accuracy of urban hotspot detection | |
CN111539864A (zh) | 一种基于lbs大数据的踩踏事件的情报分析方法和装置 | |
Doherty et al. | Georeferencing incidents from locality descriptions and its applications: a case study from Yosemite National Park search and rescue | |
Horn et al. | QZTool—automatically generated origin-destination matrices from cell phone trajectories | |
CN113360792A (zh) | 信息推荐方法、装置、电子设备以及存储介质 | |
Guan et al. | A unified framework for predicting kpis of on-demand transport services | |
Yao et al. | Understanding human activity and urban mobility patterns from massive cellphone data: Platform design and applications | |
CN111767432A (zh) | 共现对象的查找方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |