CN106295513A - 基于驻留时间概率分布的人数统计方法及装置 - Google Patents

Abstract

本发明公开了一种基于驻留时间概率分布的人数统计方法及装置，将目标景区根据地理环境划分为各个驻留点，采集该驻留点中每个游客个体进入和离开的时间，然后以驻留时间为生存时间随机变量，对预设的至少两个生存时间概率分布进行拟合，拟合出各个概率分布的参数，通过设定的检验方法从拟合出的各个概率分布中选择最优的概率分布作为该驻留点对应的驻留时间的概率分布；最后根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数。本发明的装置包括数据采集模块、拟合模块、检验模块和统计模块。本发明的方法及装置，提供了一种新的统计景区人数的方案，可实时观察景区当前的实际人数。

Description

基于驻留时间概率分布的人数统计方法及装置

技术领域

本发明属于计算机仿真技术领域，具体涉及一种基于驻留时间概率分布的人数统计方法及装置。

背景技术

随着我国旅游业的发展，景区客流在高峰期存在超过极限容量的严重问题。景区游客与游憩环境之间存在共扼与正相关性，即当景区的自然、生态、社会、经济等环境要素受到游客活动的严重影响时，游客自身的游憩质量也会受到负面影响。因此景区管理者迫切需要一种信息化手段对景区、景点的游客数量实时监控，从而达到对旅游者流量控制、科学管理和有效疏导，对于保障游客安全和景区资源环境和落实国家旅游局下发《景区最大承载量核定导则》有着非常大的重要性。

目前，景区客流量统计主要采用基站信令分析法、视频监控统计、景区闸机统计、景区WiFi等手段。然而上述方法存在如下问题：(1)基站信令分析计算一次需要半个小时，时效性差，而且对区域覆盖范围不够明确；(2)视频监控统计方式只能对有效识别区域内人数进行统计，存在死角；(3)景区闸机统计方式非常精确，但景区出口一般不设置闸机；(4)景区WiFi通过统计连接到WiFi上的终端数量统计人数，但并不能保证每个游客均连接WiFi，而且景区咨询中心、检票口等公共区域没有覆盖WiFi。

申请号为201310136575.1的中国发明专利申请，公开了一种基于视频分析的人群密度估计方法与人流量统计方法，该方法通过人工统计人群密度数据并提取特征进行训练，再提取视频图像的特征并利用训练后的模型参数进行回归预测来进行估计。该方法是针对视频图像的特征来训练模型参数，依然依靠视频监控来进行人数统计，存在视频监控死角，统计人数不准确。

发明内容

本发明的目的是提供一种基于驻留时间概率分布的人数统计方法及装置，对游客的景点驻留时间进行建模，将连续的分布概率离散化为过往时刻人数的停留比例，能准确统计景区游览人数。

为了实现上述目的，本发明技术方案如下：

一种基于驻留时间概率分布的人数统计方法，所述人数统计方法包括：

步骤1、将目标景区根据地理环境划分为各个驻留点，对于任一个驻留点，采集该驻留点中每个游客个体进入和离开的时间，计算得到每个游客个体在该驻留点的驻留时间；

步骤2、以驻留时间为生存时间随机变量，对预设的至少两个生存时间概率分布进行拟合，拟合出各个概率分布的参数；

步骤3、通过设定的检验方法从拟合出的各个概率分布中选择最优的概率分布作为该驻留点对应的驻留时间的概率分布；

步骤4、根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数。

进一步地，所述根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数，包括：

统计当前时刻t对应的所有t-i时刻驻留点的进入人数IN_t-i；

根据驻留时间的概率分布，计算t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i；

根据如下公式估计当前时刻t驻留点驻留人数S_t：

$S_t={\mathrm{\Σ}}_{i=0}^T{\mathrm{\β}}_i{\mathrm{IN}}_{t-i},$

其中，所述i为驻留时间刻度，T是当前时刻t驻留点游客的最大驻留时间。

进一步地，所述t-i时刻驻留点的进入人数IN_t-i，是指在从t-i-b时刻到t-i时刻的区间内进入驻留点的人数，b为预设参数。

进一步地，所述计算t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i，公式如下：

β_i＝P(X＞i)＝1-F(i)＝1-P(X≤i)；

其中F为驻留时间X的概率分布函数，F(i)＝P(X≤i)。

进一步地，所述人数统计方法还包括：

重复步骤1-3，定时更新驻留点对应的驻留时间的概率分布。

本发明还提出了一种基于驻留时间概率分布的人数统计装置，所述人数统计装置包括：

数据采集模块，用于将目标景区根据地理环境划分为各个驻留点，对于任一个驻留点，采集该驻留点中每个游客个体进入和离开的时间，计算得到每个游客个体在该驻留点的驻留时间；

拟合模块，用于以驻留时间为生存时间随机变量，对预设的至少两个生存时间概率分布进行拟合，拟合出各个概率分布的参数；

检验模块，用于通过设定的检验方法从拟合出的各个概率分布中选择最优的概率分布作为该驻留点对应的驻留时间的概率分布；

统计模块，用于根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数。

进一步地，所述统计模块根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数，执行如下步骤：

统计当前时刻t对应的所有t-i时刻驻留点的进入人数IN_t-i；

根据驻留时间的概率分布，计算t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i；

根据如下公式估计当前时刻t驻留点驻留人数S_t：

$S_t={\mathrm{\Σ}}_{i=0}^T{\mathrm{\β}}_i{\mathrm{IN}}_{t-i},$

其中，所述i为驻留时间刻度，T是当前时刻t驻留点游客的最大驻留时间。

进一步地，所述人数统计装置还包括：

更新模块，用于调用数据采集模块、拟合模块和检验模块，定时更新驻留点对应的驻留时间的概率分布。

本发明提出一种基于驻留时间概率分布的人数统计方法及装置，对景区游客量进行统计建模，所建模型能够被有效验证，模型运行结果与实际情况相符，可以实现景区管理者对景区游客量的调控、管理，并可实时观察景区当前的实际人数等。

附图说明

图1为本发明基于驻留时间概率分布的人数统计方法流程图；

图2为驻留时间概率密度函数示例图；

图3为本实施例统计结果对比图；

图4为本发明基于驻留时间概率分布的人数统计装置结构示意图。

具体实施方式

下面结合附图和实施例对本发明技术方案做进一步详细说明，以下实施例不构成对本发明的限定。

如图1所示，本实施例一种基于驻留时间概率分布的人数统计方法，包括如下步骤：

步骤S1、对于目标景区中的任一个驻留点，采集该驻留点中每个游客个体进入和离开的时间，计算得到每个游客个体在该驻留点的驻留时间。

对于需要进行人数统计的目标景区，考虑到目标景区的地理环境，将目标景区中的景点、服务设施等划分为驻留点，这些驻留点包括卡口、景点、使游客产生驻留行为的服务设施如餐厅等。通过统计驻留点的驻留人数，可以估计目标景区的总人数。

在各驻留点，可以通过各种感知设备，例如红外感知设备、视频监控感知设备、卡口设备等来统计游客个体进入该驻留点和离开该驻留点的时间，也可以通过人为统计的方法来获得，游客个体离开时间减去进入时间即为游客个体的驻留时间。

步骤S2、以驻留时间为生存时间随机变量，对预设的至少两个生存时间概率分布进行拟合，拟合出各个概率分布的参数。

基于生存分析的理论，生存时间满足一定的概率分布。本实施例将驻留时间视为生存分析理论中个体的生存时间随机变量，选择常见的几种生存时间的概率分布进行拟合，例如伽马分布、韦布尔分布、对数正态分布和指数分布。

假设备选分布包括伽马分布、韦布尔分布、对数正态分布和指数分布等生存分析中常用的关于生存时间的概率分布，各概率分布的密度函数如下：

伽马分布：

$f\left(x\right)=\left\{\begin{array}{cc}\frac{{\mathrm{\λ}}^{\mathrm{\α}}}{\mathrm{\Γ}\left(\mathrm{\α}\right)}{x}^{\mathrm{\α}-1}{e}^{-\mathrm{\λ}x},& x>0\\ 0,& x\≤0\end{array}\right.$

韦布尔分布：

$f\left(x\right)=\left\{\begin{array}{cc}\frac{k}{\mathrm{\&lambda;}}{\left(\frac{x}{\mathrm{\&lambda;}}\right)}^{k-1}{e}^{-{(x/\mathrm{\&lambda;})}^k},& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right.$

对数正态分布：

$f\left(x\right)=\left\{\begin{array}{cc}\frac{1}{x\mathrm{\&sigma;}\sqrt{2\mathrm{\&pi;}}}{e}^{\frac{{(\ln x-\mathrm{\&mu;})}^2}{2{\mathrm{\&sigma;}}^2}},& x>0\\ 0,& x\&le;0\end{array}\right.$

指数分布：

$f\left(x\right)=\left\{\begin{array}{cc}{\mathrm{\&lambda;e}}^{-\mathrm{\&lambda;}x},& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right.$

根据概率分布F(x)及其密度函数f(x)的定义，X是一个随机变量，x是任意实数，函数F(x)＝P(X≤x)称为X的分布函数，密度函数f(x)为概率分布函数F(x)的导数。可以得到如下公式：

$F\left(x\right)=P(X\&le;x)={\&Integral;}_{-\mathrm{\&infin;}}^{x}f\left(x\right)dx$

即F(x)表示x时刻尚在驻留点驻留的人数占进入该驻留点的总游客的比例，而1-F(x)表示在该驻留点驻留时间大于x的驻留人数占进入该驻留点的总游客的比例。

前面已经采集游客个体进入驻留点和离开驻留点的时间，得到了每个游客的驻留时间，进而得到在某一个时间之前还留在驻留点的人数比例，因此可以用这些采集的数据来拟合概率分布的密度函数，即可以得到各概率分布的密度函数的参数，例如指数分布中的λ，从而可以根据密度函数来计算F(x)。本实施例具体的拟合方法可以采用极大似然估计或矩估计的方法，这里不再赘述。

例如计算t-i时刻进入且当前时刻t仍在驻留点驻留的游客比例，计算P(X＞i)＝1-F(i)＝1-P(X≤i)的值，即为游客的驻留时间X大于i的概率。t-i时刻进入且当前时刻t仍在停留点驻留的游客，其驻留时间X是大于等于i的，所以可以用概率P(X＞i)估计t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i。

步骤S3、通过设定的检验方法从拟合出的各个概率分布中选择最优的概率分布作为该驻留点对应的驻留时间的概率分布。

本实施例通过Kolmogorov-Smirnov检验判断驻留时间是否服从这几种概率分布中某个分布，选择检验效果最佳的概率分布。需要说明的是，还可以采用其他检测方法，如Anderson-Darling方法来检测，这里不再赘述。

本实施例通过Kolmogorov-Smirnov检验判断驻留时间是否服从这几种分布函数中某个分布，Kolmogorov-Smirnov检验，它是检验单一样本是否服从某一预先假设的理论分布的一种方法。设驻留时间为随机变量X，Kolmogorov-Smirnov检验过程如下：

H₀：样本来自的总体服从某一特定分布F

H₁：样本来自的总体不服从某一特定分布F

其中，F可以是伽马分布，韦布尔分布，对数正态分布和指数分布。

令F(x)为预先假定的分布函数，F_n(x)为X的经验分布函数，计算检验统计量D＝max|F(x)-F_n(x)|，

当统计量D＞D(n,α)，(D(n,α)为显著性水平为α的拒绝临界值)，则拒绝H₀，即认为随机变量X不服从预定的理论分布F，反之则接受H₀，即认为随机变量X服从预定的理论分布F。

通过上述过程，可以确定驻留时间对应的概率分布，以便后续通过该概率分布来计算。例如得到如图2所示的概率分布的密度函数。

步骤S4、根据采集进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计驻留点驻留人数。

在实际的应用中，景区管理人员需要实时检测景区内的人数，来合理控制进入景区的游客，以便提供安全和有效的服务。

本实施例估计驻留点驻留人数，需要统计进入驻留点的人数，并根据驻留时间的概率分布来计算。

为了计算t时刻驻留点游客数量，t时刻的驻留点的游客数量可以认为是过去所有t-i时刻进入且当前时刻t仍然未离开的游客数量的加总，其具体计算公式为：

$S_t={\mathrm{\&Sigma;}}_{i=0}^T{\mathrm{\&beta;}}_i{\mathrm{IN}}_{t-i},$

其中，S_t表示t时刻驻留点游客数，i为驻留时间刻度，T是当前时刻t驻留点游客的最大驻留时间。β_i为t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例，IN_t-i表示t-i时刻驻留点的进入人数，由采集设备采集的数据得到。

需要说明的是，i为驻留时间刻度，该参数可以通过设置得到，例如可以设置为1分钟、2分钟等。而IN_t-i表示t-i时刻驻留点的进入人数，是指在从t-i-b时刻到t-i时刻的区间内进入驻留点的人数，b为参数，可设置为1。T是当前时刻t驻留点游客的最大驻留时间，可通过设置设定(一般可设置为k*μ，其中μ为驻留时间的均值，k一般取1.5)。

上述公式中，β_i为t-i时刻进入且当前时刻t仍在驻留点驻留的游客比例，基于驻留时间X的概率分布计算得到。具体地，计算β_i＝P(X＞i)＝1-F(i)＝1-P(X≤i)的值，即为游客的驻留时间X大于i的概率。t-i时刻进入且当前时刻t仍在驻留点驻留的游客，其驻留时间X是大于等于i的，所以可以用概率P(X＞i)估计t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i。

可见，由于游客在驻留点的驻留时间符合概率分布，因此通过本实施例的方法可以获得当前时刻t在驻留点驻留的人数，从而为景区的管理提供可靠的数据。

需要说明的是，由于时间、环境、季节等原因，驻留点的概率分布在不同的时间不同，因此为了更加准确来估计驻留点驻留人数，会定时重复步骤S1-S3来更新驻留点对应的驻留时间的概率分布，这里不再赘述。

容易理解的是，分别估计出各个驻留点的驻留人数后，可以通过简单的统计得到目标景区的总驻留人数，从而为景区的管理提供可靠的全局数据。

如图3所示，通过本实施例的方法，一个统计结果如图3所示，其中黑色线为根据本实施例方法统计的结果，灰色线条为实际的统计结果，可见本实施例的方法统计结果与实际非常接近，能很好估计驻留人数。

如图4所示，与上述方法对应地，本发明还提出了一种基于驻留时间概率分布的人数统计装置，包括：

数据采集模块，用于将目标景区根据地理环境划分为各个驻留点，对于任一个驻留点，采集该驻留点中每个游客个体进入和离开的时间，计算得到每个游客个体在该驻留点的驻留时间；

拟合模块，用于以驻留时间为生存时间随机变量，对预设的至少两个生存时间概率分布进行拟合，拟合出各个概率分布的参数；

检验模块，用于通过设定的检验方法从拟合出的各个概率分布中选择最优的概率分布作为该驻留点对应的驻留时间的概率分布；

统计模块，用于根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数。

与上述方法一致，本实施例的装置中统计模块根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数，执行如下步骤：

统计当前时刻t对应的所有t-i时刻驻留点的进入人数IN_t-i；

根据驻留时间的概率分布，计算t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i；

根据如下公式估计当前时刻t驻留点驻留人数S_t：

$S_t={\mathrm{\&Sigma;}}_{i=0}^T{\mathrm{\&beta;}}_i{\mathrm{IN}}_{t-i},$

其中，所述i为驻留时间刻度，T是当前时刻t驻留点游客的最大驻留时间。

同样地，本实施例人数统计装置还包括：

更新模块，用于调用数据采集模块、拟合模块和检验模块，定时更新驻留点对应的驻留时间的概率分布。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种基于驻留时间概率分布的人数统计方法，其特征在于，所述人数统计方法包括：

步骤1、将目标景区根据地理环境划分为各个驻留点，对于任一个驻留点，采集该驻留点中每个游客个体进入和离开的时间，计算得到每个游客个体在该驻留点的驻留时间；

步骤2、以驻留时间为生存时间随机变量，对预设的至少两个生存时间概率分布进行拟合，拟合出各个概率分布的参数；

步骤3、通过设定的检验方法从拟合出的各个概率分布中选择最优的概率分布作为该驻留点对应的驻留时间的概率分布；

步骤4、根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数。

2.根据权利要求1所述的基于驻留时间概率分布的人数统计方法，其特征在于，所述根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数，包括：

统计当前时刻t对应的所有t-i时刻驻留点的进入人数IN_t-i；

根据驻留时间的概率分布，计算t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i；

根据如下公式估计当前时刻t驻留点驻留人数S_t：

$S_t={\mathrm{\&Sigma;}}_{i=0}^T{\mathrm{\&beta;}}_i{\mathrm{IN}}_{t-i},$

其中，所述i为驻留时间刻度，T是当前时刻t驻留点游客的最大驻留时间。

3.根据权利要求2所述的基于驻留时间概率分布的人数统计方法，其特征在于，所述t-i时刻驻留点的进入人数IN_t-i，是指在从t-i-b时刻到t-i时刻的区间内进入驻留点的人数，b为预设参数。

4.根据权利要求2所述的基于驻留时间概率分布的人数统计方法，其特征在于，所述计算t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i，公式如下：

β_i＝P(X＞i)＝1-F(i)＝1-P(X≤i)；

其中F为驻留时间X的概率分布函数，F(i)＝P(X≤i)。

5.根据权利要求1所述的基于驻留时间概率分布的人数统计方法，其特征在于，所述人数统计方法还包括：

重复步骤1-3，定时更新驻留点对应的驻留时间的概率分布。

6.一种基于驻留时间概率分布的人数统计装置，其特征在于，所述人数统计装置包括：

数据采集模块，用于将目标景区根据地理环境划分为各个驻留点，对于任一个驻留点，采集该驻留点中每个游客个体进入和离开的时间，计算得到每个游客个体在该驻留点的驻留时间；

拟合模块，用于以驻留时间为生存时间随机变量，对预设的至少两个生存时间概率分布进行拟合，拟合出各个概率分布的参数；

检验模块，用于通过设定的检验方法从拟合出的各个概率分布中选择最优的概率分布作为该驻留点对应的驻留时间的概率分布；

统计模块，用于根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数。

7.根据权利要求6所述的基于驻留时间概率分布的人数统计装置，其特征在于，所述统计模块根据采集的进入该驻留点的人数，和该驻留点对应的驻留时间的概率分布，估计该驻留点驻留人数，执行如下步骤：

统计当前时刻t对应的所有t-i时刻驻留点的进入人数IN_t-i；

根据驻留时间的概率分布，计算t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i；

根据如下公式估计当前时刻t驻留点驻留人数S_t：

$S_t={\mathrm{\&Sigma;}}_{i=0}^T{\mathrm{\&beta;}}_i{\mathrm{IN}}_{t-i},$

其中，所述i为驻留时间刻度，T是当前时刻t驻留点游客的最大驻留时间。

8.根据权利要求7所述的基于驻留时间概率分布的人数统计装置，其特征在于，所述t-i时刻驻留点的进入人数IN_t-i，是指在从t-i-b时刻到t-i时刻的区间内进入驻留点的人数，b为预设参数。

9.根据权利要求7所述的基于驻留时间概率分布的人数统计装置，其特征在于，所述计算t-i时刻进入且到当前时刻t为止仍在驻留点驻留的游客比例β_i，公式如下：

β_i＝P(X＞i)＝1-F(i)＝1-P(X≤i)；

其中F为驻留时间X的概率分布函数，F(i)＝P(X≤i)。

10.根据权利要求1所述的基于驻留时间概率分布的人数统计装置，其特征在于，所述人数统计装置还包括：

更新模块，用于调用数据采集模块、拟合模块和检验模块，定时更新驻留点对应的驻留时间的概率分布。