CN106779218A - 一种人员活动轨迹的预测方法 - Google Patents

Abstract

本发明涉及一种人员活动轨迹的预测方法。该方法包括：监测一段时间内目标人员在监测区域内的历史活动路径，绘制路径预测树；将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配；根据匹配结果计算出每条所述备选路径的概率，预测所述目标人员的活动路径。通过实施本发明，能够为智慧建筑应用提供人员预测位置信息，丰富智能化应用的内容和形式，同时降低应用端的计算处理量。

Description

一种人员活动轨迹的预测方法

技术领域

本发明涉及智能楼宇领域，更具体地说，涉及一种人员活动轨迹的预测方法。

背景技术

在智慧建筑领域，需要结合室内人员位置信息对照明、空调、门禁等系统进行智能控制。现有控制方法只能利用人员当前及过去有限时间的位置信息，缺乏预测位置信息的支持，容易造成控制方案设计难、控制结果不合理的状况。例如，在控制自动门开关时，当有人员出现在自动门附近时，其可能需要通过该门，也可能是在门外路过，控制系统若要对此情况进行准确判断，需要借助人员的位置预测信息。再例如，在会议室开会场景下，为实现节能控制，空调及照明系统需要根据参会人员数量及位置进行自动调整，包括照明系统的部分打开、关闭、调亮、调暗，以及空调出风口的部分打开、关闭、调大、调小等。当有部分人员短暂进出时，照明及空调系统不宜频繁进行打开、关闭等操作，否则会对用户体验造成较大影响，这就需要控制系统根据本区域人员的较长时间(如半小时)预测位置信息进行决策。

可见，智慧建筑的系统智能控制对人员预测位置信息提出了使用需求，但现有方案尚未给出相关的信息处理方案，不能对人员位置进行预测并进行集中管理。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述现在楼宇中不能对人员的未来活动路径进行预测缺陷，提供一种人员活动轨迹的预测方法。

本发明解决其技术问题所采用的技术方案是：构造一种人员活动轨迹的预测方法，包括下述步骤：

监测一段时间内目标人员在监测区域内的历史活动路径，绘制路径预测树；

将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配；

根据匹配结果计算出每条所述备选路径的概率，预测所述目标人员的活动路径。

优选地，在本发明所述的人员活动轨迹的预测方法中，所述监测一段时间内目标人员在监测区域内的历史活动路径，绘制路径预测树，包括：

将所述监测区域划分为多个监测子区域，获取所述目标人员从一个所述监测子区域到相邻所述监测子区域的选择方向和选择次数；

用户完成一次跨越至少两个所述监测子区域的移动轨迹形成一次所述历史活动路径。

优选地，在本发明所述的人员活动轨迹的预测方法中，所述获取所述目标人员从一个所述监测子区域到相邻所述监测子区域的选择方向和选择次数，包括：

监测所述目标人员的位置信息，所述位置信息包括：人员编号、楼层号、X坐标、Y坐标、子区域代码；

通过所述位置信息的改变获取所述目标人员从一个所述监测子区域到相邻所述监测子区域的选择方向和选择次数。

优选地，在本发明所述的人员活动轨迹的预测方法中，所述根据匹配结果计算出每条所述备选路径的概率，包括：

由所述匹配路径中的最后一个节点的选择次数与所述初始位置的总选择次数的比值计算出每条所述备选路径的概率。

优选地，在本发明所述的人员活动轨迹的预测方法中，在所述获取所述目标人员从一个所述监测子区域到相邻所述监测子区域的选择方向和选择次数同时，还包括：

获取一段时间内所述目标人员在每个所述监测子区域内的平均停留时间。

优选地，在本发明所述的人员活动轨迹的预测方法中，所述历史活动路径中的每个节点包含所述平均停留时间，所述路径预测树的每个节点包含所述平均停留时间。

优选地，在本发明所述的人员活动轨迹的预测方法中，所述将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配，包括：

在目标时间内，将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配；

若所述备选路径的所有节点的所述平均停留时间之和大于所述目标时间，则将所述备选路径内路径末尾的节点去除，直到所述备选路径的所有节点的所述平均停留时间之和不大于所述目标时间。

优选地，在本发明所述的人员活动轨迹的预测方法中，所述将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配，包括：

遍历所述路径预测树，查找符合所述备选路径的路径模式；

若无符合所述备选路径的路径模式，则减少所述备选路径的节点，重新遍历所述路径预测树，查找符合减少节点后所述备选路径的路径模式。

优选地，在本发明所述的人员活动轨迹的预测方法中，所述减少所述备选路径的节点，包括：

从所述初始位置依次减少所述备选路径的节点。

优选地，在本发明所述的人员活动轨迹的预测方法中，所述遍历所述路径预测树，查找符合所述备选路径的路径模式，包括：

设置预设预测树深度，遍历所述路径预测树，在所述预设预测树深度内查找符合所述备选路径的路径模式。

实施本发明的人员活动轨迹的预测方法，具有以下有益效果：该方法包括：监测一段时间内目标人员在监测区域内的历史活动路径，绘制路径预测树；将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配；根据匹配结果计算出每条所述备选路径的概率，预测所述目标人员的活动路径。通过实施本发明，能够为智慧建筑应用提供人员预测位置信息，丰富智能化应用的内容和形式，同时降低应用端的计算处理量。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明一种人员活动轨迹的预测方法的第一实施例的流程示意图；

图2是本发明一种人员活动轨迹的预测方法的数据格式的结构示意图；

图3是本发明一种人员活动轨迹的预测方法中判断人员是否在目标区域的方法示意图；

图4是本发明一种人员活动轨迹的预测方法的路径预测树的结构示意图；

图5是本发明一种人员活动轨迹的预测方法的第二实施例的流程示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

图1是本发明的第一实施例。

具体的，图1是本发明一种人员活动轨迹的预测方法的第一实施例的流程示意图。本实施例公开一种人员活动轨迹的预测方法，该方法用于对楼宇中一定区域内人员活动趋势进行预测，特别是在智慧建筑，如智能楼宇中。该方法包括下述步骤：

步骤101：监测一段时间内目标人员在监测区域内的历史活动路径，绘制路径预测树。

具体的，监测一段时间内目标人员在监测区域内的历史活动路径，绘制路径预测树，包括：

将监测区域划分为多个监测子区域，获取目标人员从一个监测子区域到相邻监测子区域的选择方向和选择次数。例如，在附图4中，图中的节点即为监测子区域。在楼宇中，将监测区域划分为7个监测子区域：节点1-办公室、节点2-内走廊、节点3-外走廊、节点4-门禁、节点5-卫生间、节点6-茶水间、节点7-会议室，图中每个圆圈标示一个节点。通过监测设备记录一段时间内目标人员的活动轨迹，从活动轨迹中统计出目标用户在这段时间内所经过的节点(监测子区域)，以及从一个节点到下一个节点的选择方向和选择次数。例如，图4中最左侧的支路，分别包括：(1，2,3,4,5)、(1，2,3,4,6)、(1，2,7)三条路径，其中，目标人员从节点2的选择方向有两个：节点3和节点7，从节点2到节点3的选择次数为90次，从节点2到节点7的选择次数为10次。

优选地，用户完成一次跨越至少两个监测子区域(节点)的移动轨迹形成一次历史活动路径。选取一个监测子区域节点作为根节点(root)，根据预设树深度，将一段时间内的所有历史路径进行连接绘制，形成路径预测树。

如图2所示，图2是本发明一种人员活动轨迹的预测方法的数据格式的结构示意图。本实施例提供一种获取目标人员从一个监测子区域到相邻监测子区域的选择方向和选择次数的方法，包括：

具体的，监测并获取目标人员的位置信息，位置信息包括：人员编号、楼层号、X坐标、Y坐标、子区域代码等。人员位置数据的数据格式为(人员编号，楼层号，X坐标，Y坐标，子区域代码)，其中，楼层号需要区分地上和地下，例如F1代表地上1层，B1代表地下1层；X坐标和Y坐标的基准轴线为建筑物自定义，一般不同楼层的基准轴线上下一致。监测区域和监测子区域用一系列边界点表示，按照目标区域各边顺序，顺时针或逆时针依次描述各个边界点。边界点的数据格式为(楼层，X坐标，Y坐标)。

如图3所示，图3是本发明一种人员活动轨迹的预测方法中判断人员是否在目标区域的方法示意图。

具体的，目标人员的位置一般为一个具体坐标值，实际应用中更需要知道该坐标处于哪个目标区域内。也就是说，目标人员的位置信息为(人员编号，楼层号，X坐标，Y坐标，区域代码)，需要根据楼层、X坐标、Y坐标，计算区域代码。

在本实施例中，人员位置用目标点0表示，坐标简化表示为(f0,x0,y0)，依次表示楼层、X坐标、Y坐标。目标区域用边界点表示：边界点1(f1,x1,y1)、边界点2(f2,x2,y2)、边界点3(f3,x3,y3)、边界点4(f4,x4,y4)。优选地，用射线法判断目标点0(f0,x0,y0)是否位于目标区域内，即从目标点0向任意方向(如水平X轴正方向)画一条射线，计算该射线与目标区域各边的相交次数；如果该次数为奇数，则目标点在目标区域内。可以理解，监测目标人员活动的方法较多，例如在目标人员身上携带定位装置，或在监测区域内通过摄像装置监测目标人员的活动状态等。

利用上述方法，通过监测一段时间内目标人员的位置信息的改变，获取目标人员从一个监测子区域到相邻监测子区域的选择方向和选择次数。将每个节点(监测子区域)到相邻节点(监测子区域)的选择方向和选择次数添加到路径预测树中。

步骤102：将目标人员从初始位置到目标位置的备选路径与路径预测树进行路径模式匹配。

具体的，备选路径指的是目标人员从现在所处的初始位置到目标位置的所有可能路径，备选路径可能有多条。根据目标位置的数量不同，选取的备选路径也不同，如目标位置仅为一个节点，则备选路径包含该节点；如果目标位置包含两个节点，则备选路径包含这两个节点；若目标位置包含多个节点，则备选路径包含多个节点。

选取目标路径后，将目标人员从初始位置到目标位置的备选路径与路径预测树进行路径模式匹配，匹配过程为包括：

遍历路径预测树，查找符合备选路径的路径模式。因路径预测树只是一段时间内的统计结果，可能没有包含全部可能的活动路径，所以在遍历路径预测树所有的路径时，符合条件的路径模式可能只有一条，也可能存在多条。当仅存在一条路径模式时，则预测目标人员接下来要走这条路径模式的概率为100％；当存在多条路径模式时，需要计算每条路径模式的概率，以做出合理的预测。

若无符合备选路径的路径模式，则减少备选路径的节点，每次减少至少一个节点，将减少节点后的备选路径重新执行上述步骤，再次遍历路径预测树，查找符合减少节点后备选路径的路径模式。重复执行上述步骤，直到匹配到符合条件的路径模式。

优选地，减少备选路径的节点顺序为：从初始位置依次减少备选路径的节点，将减少节点(监测子区域)后的备选路径进行重新匹配。

优选地，遍历路径预测树，查找符合备选路径的路径模式，包括：

设置预设预测树深度，遍历路径预测树，在预设预测树深度内查找符合备选路径的路径模式。预测树深度指的是从初始位置到目标位置包含的节点的总数，即目标人员从初始位置到目标位置经历过的监测子区域的数量。如图4所示，如果选取实施例的预测树深度为5,也就是路径模式的最大长度为5，即目标用户在该路径模式经历过的监测子区域为5个。例如，路径(1,2,3,4,5)为预测树深度为5的路径。可以理解，预测树深度可根据需要进行增大或减小。

现举例说明路径模式匹配的方法的工作流程：

选取人员历史路径信息，信息长度(预测树深度)不超过最大值MaxL。当历史路径信息长度超过最大值MaxL时，选取离当前时间最近的MaxL步路径信息。以图4为例，设MaxL为3，当历史路径信息为(7,2,1,2,3)时，选取(1,2,3)进行路径模式匹配。

查找符合历史路径信息的路径模式，查找方式为遍历路径预测树。以图4为例，用历史路径信息(1,2,3)进行路径模式匹配时，可以匹配到(1,2,3,4,5)和(1,2,3,4,6)两条路径。

如果不存在符合历史路径信息的路径模式，按从初始位置减少历史路径信息，进行重新查找，直至找到匹配的路径模式。以图4为例，当历史路径信息为(2,7,2)时，在预测树中无法匹配到对应的路径模式；将历史路径信息缩短为(7,2)，即可匹配到路径模式(7,2,1)(7,2,3,4,5)(7,2,3,4,6)。

步骤103：根据匹配结果计算出每条备选路径的概率，预测目标人员的活动路径。优选地，在本发明的人员活动轨迹的预测方法中，根据匹配结果计算出每条备选路径的概率，包括：

由匹配路径中的最后一个节点的选择次数与初始位置的总选择次数的比值计算出每条备选路径的概率。

路径模式的概率计算方法是：用路径模式上最后一个节点的路径经过总次数，除以历史路径信息中最后一个节点的路径经过总次数得到。以图4为例，用历史路径信息(7,2)匹配到路径模式(7,2,1)(7,2,3,4,5)(7,2,3,4,6)时，各路径模式的概率计算分别是15/18，2/18，1/18，选择概率最大的路径模式(7,2,1)为预测路径。

将预测信息发送至楼宇管理人员或者楼宇智能控制器等，使得楼宇管理人员或者楼宇智能控制器能够对目标人员的未来活动轨迹有一定的合理预测，优化管理。

图2是本发明的第二实施例。

具体的，图2是本发明一种人员活动轨迹的预测方法的第二实施例的流程示意图。

考虑到预测具有时效性，本实施例在第一实施例的基础上加入时间，考虑时间因素对路径选择的影响，以用来预测未来一段时间内目标用户的行动趋势。与第一实施例相同的部分在本实施例中不再赘述，可参考第一实施例。该方法包括：

步骤201：监测一段时间内目标人员在监测区域内的历史活动路径，同时获取这段时间内目标人员在每个监测子区域内的平均停留时间，绘制路径预测树。

平均停留时间是指在一段时间内，目标用户在某一个监测子区域内多次停留时间的平均值。目标用户在这段时间内在一个监测子区域内的停留总时间除以停留次数即为平均停留时间。例如，统计时间为一个月，目标用户共去过茶水间100次，总的停留时间为200分钟，则该目标用户在茶水间的平均停留时间为2分钟。

优选地，历史活动路径中的每个节点包含平均停留时间，路径预测树的每个节点包含平均停留时间。这样，每个节点都加入了时间因素，在路径预测树中的每一条路径模式都有一个总时间，总时间就是该路径模式中所有节点的平均时间的总和。

步骤202：在目标时间内，将目标人员从初始位置到目标位置的备选路径与路径预测树进行路径模式匹配。在目标时间内指的是在需要预测的时间内，可根据需要进行选择，例如半个小时、一个小时等。

步骤203：判断在备选路径的所有节点的平均时间之和是否大于目标时间；

步骤204：若某条备选路径的所有节点的平均时间大于目标时间，除去备选路径内路径末尾的节点，直到备选路径的所有节点的所述平均停留时间之和不大于目标时间。

具体的，若某条备选路径的所有节点的平均时间大于目标时间，则说明在目标时间内无法到达该条路径模式的末尾节点，除去备选路径内路径末尾的节点，再执行步骤203，如此循环，直到备选路径的所有节点的平均停留时间之和不大于目标时间。

步骤205：根据匹配结果计算出每条备选路径的概率，预测目标人员的活动路径。每条备选路径的概率计算参考第一实施例，在此不再赘述。

将预测信息发送至楼宇管理人员或者楼宇智能控制器等，使得楼宇管理人员或者楼宇智能控制器能够对目标人员的未来活动轨迹有一定的合理预测，优化管理。

通过实施本发明，能够为智慧建筑应用提供人员预测位置信息，丰富智能化应用的内容和形式，同时降低应用端的计算处理量。

以上实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施，并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰，均应属于本发明权利要求的涵盖范围。

Claims (10)

1.一种人员活动轨迹的预测方法，其特征在于，包括下述步骤：

监测一段时间内目标人员在监测区域内的历史活动路径，绘制路径预测树；

将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配；

根据匹配结果计算出每条所述备选路径的概率，预测所述目标人员的活动路径。

2.根据权利要求1所述的人员活动轨迹的预测方法，其特征在于，所述监测一段时间内目标人员在监测区域内的历史活动路径，绘制路径预测树，包括：

将所述监测区域划分为多个监测子区域，获取所述目标人员从一个所述监测子区域到相邻所述监测子区域的选择方向和选择次数；

用户完成一次跨越至少两个所述监测子区域的移动轨迹形成一次所述历史活动路径。

3.根据权利要求2所述的人员活动轨迹的预测方法，其特征在于，所述获取所述目标人员从一个所述监测子区域到相邻所述监测子区域的选择方向和选择次数，包括：

监测所述目标人员的位置信息，所述位置信息包括：人员编号、楼层号、X坐标、Y坐标、子区域代码；

通过所述位置信息的改变获取所述目标人员从一个所述监测子区域到相邻所述监测子区域的选择方向和选择次数。

4.根据权利要求2所述的人员活动轨迹的预测方法，其特征在于，所述根据匹配结果计算出每条所述备选路径的概率，包括：

由所述匹配路径中的最后一个节点的选择次数与所述初始位置的总选择次数的比值计算出每条所述备选路径的概率。

5.根据权利要求2-4任一所述的人员活动轨迹的预测方法，其特征在于，在所述获取所述目标人员从一个所述监测子区域到相邻所述监测子区域的选择方向和选择次数同时，还包括：

获取一段时间内所述目标人员在每个所述监测子区域内的平均停留时间。

6.根据权利要求5所述的人员活动轨迹的预测方法，其特征在于，

所述历史活动路径中的每个节点包含所述平均停留时间，所述路径预测树的每个节点包含所述平均停留时间。

7.根据权利要求6所述的人员活动轨迹的预测方法，其特征在于，所述将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配，包括：

在目标时间内，将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配；

若所述备选路径的所有节点的所述平均停留时间之和大于所述目标时间，则将所述备选路径内路径末尾的节点去除，直到所述备选路径的所有节点的所述平均停留时间之和不大于所述目标时间。

8.根据权利要求1所述的人员活动轨迹的预测方法，其特征在于，所述将所述目标人员从初始位置到目标位置的备选路径与所述路径预测树进行路径模式匹配，包括：

遍历所述路径预测树，查找符合所述备选路径的路径模式；

若无符合所述备选路径的路径模式，则减少所述备选路径的节点，重新遍历所述路径预测树，查找符合减少节点后所述备选路径的路径模式。

9.根据权利要求8所述的人员活动轨迹的预测方法，其特征在于，所述减少所述备选路径的节点，包括：

从所述初始位置依次减少所述备选路径的节点。

10.根据权利要求8所述的人员活动轨迹的预测方法，其特征在于，所述遍历所述路径预测树，查找符合所述备选路径的路径模式，包括：

设置预设预测树深度，遍历所述路径预测树，在所述预设预测树深度内查找符合所述备选路径的路径模式。