CN107862437B - 基于风险概率评估的公共区域人群聚集预警方法及系统 - Google Patents

Abstract

本发明公开了基于风险概率评估的公共区域人群聚集预警方法及系统，从智能监控设备中实时采集图像，从图像流中获取人群的可衡量参数，中心主控服务器基于人群的可衡量参数值和二维风险矩阵，构建出四级预警模型，基于该模型，通过输入的人群的可衡量参数进行分析，根据预测结果自动报警。该方法及系统以实时判断、预测为基础，动态分析、预警人群流量等状态，对人群的可衡量参数进行统计、分析、评估，形成风险概率评估结果，进而产生相应的预警信息，实时性好，预测准确率高，能尽可能的提前给出警示，以最大可能的避免险情的出现，适合于机场、大型交通枢纽等存在人群流动性大、拥挤程度高的区域实施，以提高公共安全，有效降低人员、财产损失。

Description

基于风险概率评估的公共区域人群聚集预警方法及系统

技术领域

本发明涉及风险预警技术领域，具体涉及基于风险概率评估的公共区域人群聚集预警方法及系统。

背景技术

随着经济的稳定发展，人们对物质和文化的需求增加了，相应的，城市公共场所(简称公共场所或公共区域，即城市公共空间)的数量也随之急剧上升。公共场所一直是承接各种业务的主要场所，诸如娱乐、文化、交通及运输、体育和宗教集会等。

随着公共场所的数量急剧上升，更多人群聚集活动在各种公共场所中进行，人群踩踏等安全事件引起了极大的关注。据不完全统计，全世界成千上万的人在紧急情况下死亡，大多是发生在每年拥挤的人群聚集活动中。

现在，城市公众的人群安全问题，正面临多方面严峻的挑战。这些挑战在中国尤为突出，主要总结如下。

(1)从1978～2013年，中国的人口城镇化率从17.9％上升到53.7％，参见《中国统计年鉴，2014》，而且在未来几年，中国的人口城镇化率仍将加速发展。但是，不足的、过时的公共场所及设施可能会大大增加人群流动性大、拥挤程度高等风险。

(2)公共场所的自有特点显著暴露于灾害，它使得救灾系统相对弱。

(3)人均GDP达到1000～3000美元的阶段称为“黄金发展阶段”或“突出时期”，它也被称为社会过渡时期，中国现在正处于这个时期。中国正面临不平衡的社会发展阶段，极大的两极分化，贫富差距越来越大，农村和城市发展差异巨大。

公共场所大多有高度密集的人群，显然，公共场所汇聚了一定数量的社会财富，且具有巨大的社会敏感性，毫无疑问这也将成为罪犯的最优先目标。

当前我国的社会治安案件呈现出高发态势和复杂化趋向。

近些年来，随着我国城镇化进程的加快，城市内的流动人口体量不断增大，一方面带来城市综合治理的困难，另一方面也带来了城市治安风险的增加，其表现为两个方面：

一方面，近年来社会治安案件呈现出高发性态势，发案量较高，据国家统计局统计数据显示，2005年至2014年的十年间，我国公安机关各类刑事案件立案总数从4648401增加到6539692，增长率达40.7％，其中具有代表性的街面盗抢类案件立案数从3158763增加到4435984，增长率达40.4％，诈骗类案件立案数从203083增长到785306，增长率达286.7％，这些数据显示出当前我国面临的社会治安总体态势十分严峻。

另一方面，从案件的类型与犯罪形式来看，随着大量流动人口在城市内工作、定居，与城市内的常住人口间不断地相互融合与冲突，犯罪人的团伙化、集团化作案特征愈发突出，而这种团伙化犯罪使犯罪人之间的分工更加明确和精细，导致了作案手段愈发复杂，作案数量也越来越高，尤其是系列案件频繁出现。

此外，随着新技术的不断应用，近年来一些新的工业产品不断推出，使犯罪的目标范围不断扩大，并导致一些新的犯罪类型不断出现，作案手段也愈发隐蔽，一些传统意义上的低风险目标也开始呈现出高发案倾向。

因此，根据当前我国社会治安总体态势的现状，全国各级公安部门均将打击和防范城市犯罪活动作为工作的重点，其原因，一方面在于城市的治安犯罪活动属于常态化发案，基数较大，且一些案件的处理不当极有可能会引发恶性刑事案件甚至是群体性事件，造成严重的后果；另一方面在于城市犯罪活动特别是严重性犯罪往往具有较大的社会影响力，显著影响人民群众的安全感，特别是一些典型犯罪案件的发生还会对政府的执政与社会治理能力形成严峻的考验，影响人民群众对政府的信任。

近年来，危及公共交通运输安全的暴力事件频发，不仅发生了多起造成重大伤亡的涉公共交通的肆意杀人、纵火、爆炸等案件，而且连续发生了多起所谓的“诈弹”事件，引起了社会对公共交通安全的担忧。典型的如首都机场冀中星爆炸案、厦门陈水总BTR公交车纵火案、河南安阳发生了江波公交车上持刀肆意杀人案、四川成都李年勇公交车肆意杀人案以及多起编造虚假信息恐吓航班安全的事件等。这些事件不仅严重危及到了交通安全，而且造成了重大的人员伤亡，还严重影响群众出行的安全感，引起了社会的恐慌和紧张情绪。

除了这些个人极端暴力事件外，近年来还发生了恐怖组织实施的暴力恐怖劫持航空器和暴力恐怖事件，这意味着暴力恐怖袭击活动正逐步向内地和向多种可能造成重大社会影响的目标转移。虽然这些事件不是发生在机场中，但是飞机作为一种最主要的交通工具也存在着个人极端暴力事件和暴力恐怖活动袭击的危险和风险。

空防安全是民航发展、机场运营的基础，没有这个基础，一切都无从谈起。空防安全最早的由来主要是针对防止内部人员驾机外逃，加强空中政治防线而提出的一个概念。到了上个世纪90年代劫机呈爆发态势。因此，在很长一段时期空防安全的主要任务就是反劫机。

进入21世纪，随着国际社会矛盾、政治矛盾的加剧，各种极端势力和恐怖组织应运而生，他们更加认识到破坏航空安全所造成的危害性，破坏活动更加猖獗，所使用的破坏方式日新月异(人体炸弹、内裤炸弹、鞋跟炸弹、快递炸弹、液体炸弹)，手段更加暴力、残忍、血腥和隐蔽。

911之后，国际社会不断加大了航空安保措施，在航空安保立法、安保预防性措施方面得到加强，美国出台了很多非常规的举措，我国也成立了空中警察这支队伍，但是攻防双方始终在此消彼长中较量，全球航空安保形势空前紧张，并将航空安保工作上升到政治和国家安全的层面，防范重点放在反恐工作上。我国空防安全历经了几个阶段，70年代以前防止内部人员驾机外逃，80、90年代防止劫机，进入21世纪反恐，防劫，防炸机成为空防安全的重点。

国际民航组织附件17中，对于空防安全给出了科学的名称和定义，空防安全在国际上称之为航空保安(这两个名词是等同的，内含和概念一致)，其定义是保护民用航空免受非法干扰行为，这一目标由各项措施、人力和物力资源总和加以实现。对于非法干扰行为，国际民航组织附件17也给出了明确的界定：

1、非法劫持飞行中的航空器，非法劫持地面上的航空器，

2、毁坏使用中的航空器，

3、在航空器和机场扣留人质，

4、强行闯入航空器、机场或航空设施场所，

5、企图犯罪而将武器或危险装置或物品带入航空器或机场，

6、利用使用中的航空器造成死亡、严重人身伤害或对财产或环境的严重破坏，

7、传递诸如危及飞行中或地面上的航空器、机场或民航设施的旅客、机组、地面人员或大众安全的虚假信息。

图1所示为一个机场的基本组成，民用航空安全，涉及民用航空各个方面，是个系统工程。要保证飞行安全，完成生产任务，必须有一个良好的飞行环境，充分发挥民航运输生产的整体功能，才能达到预期的目的。民用机场的安全是航空安全的重要组成部分，既是保证航空器安全飞行的物质基础，更是航空器能否安全起降的首要条件。

虽然，多数航空事故的直接责任不在民航机场方面，但据统计，中国民航50年(1950～2000年)间，共发生的134起二等和重大以上飞行事故，在这些事故中有65起在机场区域内，45起是在临时机场区域内。随着科技的进步，航空器的飞行安全性能大幅提高，近年来发生的航空事故更是多发生在机场周边区域，对事故的调查表明，如果做好机场的安全保障工作，做好应急援救工作，很多事故的发生是可以挽救或避免的。搞好机场安全管理，有着十分重要的意义。

为了搞好机场等人群流动性大、拥挤程度高的区域的安全管理，很有必要进行风险分析，在进行人群聚集风险分析时，

首先，发生的位置和时间是不确定的，所有公众地方很可能在任何时候受到人群的冲击，特别是在入口和出口，走廊和楼梯的建筑物等，人群的密度越大，越可能存在踩踏的发生；

其次，许多原因可能导致踩踏，撤离导致紧急情况或大量人群挤迫在出口或入口，或意想不到的暴恐事件等可能会引起踩踏，而没有显著的原因；

第三，控制匆忙，一旦发生，大量的人将在极短的时间内濒临伤亡时间段(几秒到几分钟)，现场会出现大量满混乱；

最后，当发生人群聚集情况，一般会造成人员伤亡，从而导致巨大的危险。

为了应对灾难性的大规模拥挤潮，对人群聚集进行分析、预警，并给出相应的风险概率评估非常有必要，迫切需要对进一步的方案细节进行研究。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供基于风险概率评估的公共区域人群聚集预警方法及系统，在公共区域人群聚集时，以人群流动性大、拥挤程度高的区域为目标地区，以概率(行人状态持续时间)加上结果(行人状态的强度)构建一个二维风险矩阵，通过对区域内人群运动情况、行人状态的实时观察，针对性的提前发出预警。

为实现上述目的，本发明采用的技术方案如下：

基于风险概率评估的公共区域人群聚集预警方法，包括以下步骤：

从智能监控设备中实时采集图像，所述实时采集的图像包括但不限于：静态图片，动态图片，局部截图，视频片段，

从视频监控图像流中获取人群的可衡量参数，所述人群的可衡量参数包括但不限于：人流方向、人流密度、人流速度、人群流量、人群速度，

中心主控服务器基于人群的可衡量参数值和二维风险矩阵，构建出四级预警模型，

基于四级预警模型，通过输入的人群的可衡量参数进行分析，根据预测结果自动报警。

进一步，如上所述的基于风险概率评估的公共区域人群聚集预警方法，所述智能监控设备布设位置为：以人群流动性大、拥挤程度高的区域为目标地区，在目标地区布设智能监控设备，实时采集目标地区内人群运动情况、行人状态；

所述智能监控设备从至少两个角度对目标地区进行监控。

进一步，所述智能监控设备包括但不限于：摄像机，具有通过有线或无线传输视频和图像的功能。

进一步，将人群的可衡量参数通过交换机发送到中心主控服务器中，

所述交换机包括：位于近端的本地网络交换机，位于远端的中央交换机，

所述中心主控服务器中包括一个二维风险矩阵，所述二维风险矩阵以概率加上结果的方式构建，其中：

概率指行人状态持续时间，对应于事件发生概率，具体分为以下几个等级：基本不可能，不太可能，有可能，很可能，肯定，

结果指行人状态的强度，对应于事件影响，具体分为以下几个等级：十分严重，严重，相对较大，普通，很低。

进一步，人群的可衡量参数中，参数优先级如下：

人流密度>人群流量>人流速度。

进一步，参数优先级对判断结果产生以下影响：

首先，将人流密度视为第一输入，即比其他数据更可靠，对应输出为等级A，

然后，将人群流量视为第二输入，且输出为等级B，

判断A小于B是否成立，如果成立则最终输出为等级B，如果不成立则进行下述处理，

再后，将人流速度视为第三输入，且输出为等级C，

判断A小于C是否成立，如果成立则最终输出为等级C，如果不成立则最终输出为等级A。

基于风险概率评估的公共区域人群聚集预警系统，其特征在于，包括：

若干智能监控设备，布设在人群流动性大、拥挤程度高的区域，用于实时采集目标地区内人群运动情况、行人状态；

数字分析仪，接收智能监控设备实时采集的图像，数字分析仪对图像进行A/D变换后，通过人群动态聚集特征提取算法，获取人群的可衡量参数，

中心主控服务器，接收数字分析仪发出的人群的可衡量参数，

中心主控服务器用于基于人群的可衡量参数值和二维风险矩阵，构建出四级预警模型，用于基于四级预警模型，通过输入的人群的可衡量参数进行分析，根据预测结果自动报警。

进一步，数字分析仪输出的人群的可衡量参数直接通过交换机发送到中心主控服务器中。

进一步，数字分析仪将智能监控设备实时采集的图像和人群的可衡量参数先传输到DVR，DVR存储接收到的数据后，再将人群的可衡量参数通过交换机发送到中心主控服务器中。

进一步，所述交换机包括：位于近端的本地网络交换机，位于远端的中央交换机，

近端和远端之间通过无线传输或有线传输进行远距离数据传输。

本发明的有益效果在于：在公共区域人群聚集时，以人群流动性大、拥挤程度高的区域为目标地区，以概率(行人状态持续时间)加上结果(行人状态的强度)构建一个二维风险矩阵，通过对区域内人群运动情况、行人状态的实时观察，针对性的提前发出预警，产生相应的预警信息，实时性好，预测准确率高，能尽可能的提前给出警示，以最大可能的避免险情的出现，适合于机场、大型交通枢纽等存在人群流动性大、拥挤程度高的区域实施，以提高公共安全，有效降低人员、财产损失。

本发明以实时判断、预测为基础，动态分析、预警人群流量等状态，对人群的可衡量参数进行统计、分析、评估，形成风险概率评估结果。

本发明可用于许多领域，例如运动赛事、宗教聚会、民航候机楼等，针对人群流动性大、拥挤程度高的区域中的人群(行人)，进行实时监测和风险识别，通过智能分析定量数据，通过对目前人群状况的判断，给出一个预警信号，其中：风险被定义为事件发生概率和事件影响的乘积。

附图说明

图1为机场组成示意图；

图2为本发明具体实施方式中提供的基于风险概率评估的公共区域人群聚集预警方法的流程图；

图3为本发明具体实施方式中提供的基于风险概率评估的公共区域人群聚集预警系统的结构框图；

图4为人群的可衡量参数的参数优先级示意图。

具体实施方式

下面结合说明书附图与具体实施方式对本发明做进一步的详细说明。

如图2所示，本发明具体实施方式中提供的基于风险概率评估的公共区域人群聚集预警方法，该方法主要包括：

以人群流动性大、拥挤程度高的区域为目标地区，在目标地区布设智能监控设备，实时采集目标地区内人群运动情况、行人状态，

所述目标地区为预估有人群聚集风险的区域，包括但不限于：出入口，走廊，楼梯，即：目标地区指人员密集性场所，例如图1所示的机场，除了出入口，走廊，楼梯之外，还可能是行李托运处、安检区域、候机厅等，当然，对于其他人员密集场所，也同样适用本发明所述方法及系统，

所述智能监控设备包括但不限于：摄像机，优选高清网络摄像机，具有通过有线或无线传输视频和图像的功能，

所述智能监控设备从至少两个角度对目标地区进行监控，优选对目标地区进行全方位监控，所述全方位监控是指对目标地区进行360°监控，

进行360°监控时，智能监控设备至少为两台；

对智能监控设备实时采集的图像进行分析，获取人群的可衡量参数，

所述实时采集的图像包括但不限于：静态图片，动态图片，局部截图，视频片段，

所述人群的可衡量参数指人群运动参数，包括：

人流方向，用于表征行人的行走方向，具体分为单向人流，双向人流，多向人流，

人流密度，用于表征某一行走方向上行人的数量，人流密度亦称为人群密度(q)，反映了人群的密集程度，一般分为表面密度和线性密度，通常，表面密度可以表示为单位面积中的人数，即：人群密度＝总人数/地板面积，单位为p/m²，或者用倒数形式表示，即每个人所占的地板面积，单位为 m²/p，

人流速度，用于表征某一行走方向上行人的行走速度，人流速度亦称为人群流速，是指在单位时间内通过单位通道宽度的人数，其计算公式为如下：人群流速＝人数/(单位通道宽度*单位时间)，单位为p/(m*s)，

人群流量，用于表征通过单位通道宽度在某一时间段内的人数，其计算公式为如下：人群流量＝人群流速*时间段，其中：时间段通常为通过单位通道宽度所需的时间段，

人群速度，用于表征一群人运动的总体状态，具体指单位时间内人群经过的距离，其计算公式为如下：人群速度＝人群移动的距离/花费的时间，单位为m/s，对应到实时采集的图像就体现为人在该实时采集的图像中移动的距离，

需要说明的是，几个因素应该被考虑用于固定人群密度，例如作为建筑物的使用功能，建筑物的不同领域并在同一领土上有不同的时间，其数值受到最大人群密度的影响在该地区预测，人群密度具体可由数字分析仪(或类似的智能监测设备)自动产生，或者通过人工方法(历史经验值)从之前的视频里面，知道面积大小，数人数，

将人群的可衡量参数通过交换机发送到中心主控服务器中，

所述交换机包括：位于近端的本地网络交换机，位于远端的中央交换机，

所述中心主控服务器中包括一个二维风险矩阵，所述二维风险矩阵以概率加上结果的方式构建，其中：

概率指行人状态持续时间，对应于事件发生概率，具体分为以下几个等级：基本不可能，不太可能，有可能，很可能，肯定，

行人状态的持续时间可以通过某一事件发生的可能性定义，计算概率公式为：

T_t＝T_o+N*t

在上式中，T_o是计时的起点，例如，上午8:00；t是一个时间片段，在该时间片段中参数状态变化可以忽略不计，即可以视为一个常量，N*t是由 N个时间片段组成的时间量，

概率定义，P_i＝N_i/N

在上式中，P_i是状态i的发生概率；N_i是状态i的发生次数；在实际中，可以暂时做出以下规定：时间片段t＝10s，1分钟可以等分为6个时间片段；时间量N*t＝10min，则N＝60，此外，定义了概率划分表(历史经验值)，这种分类是人工的并且可以由现场管理者根据实际情况进行调整，

发生概率
			基本不可能E	0<Ni<12	0.0<Pi<0.2
不太可能D	12<Ni<24	0.2<Pi<0.4
			有可能C	24<Ni<36	0.4<Pi<0.6
很可能B	36<Ni<48	0.6<Pi<0.8
			肯定A	48<Ni<60	0.8<Pi<1.0

结果指行人状态的强度，对应于事件影响，具体分为以下几个等级：十分严重，严重，相对较大，普通，很低，

由于大规模人群聚集风险发生的偶然性，风险的事故机理尚不明晰，这里采用了Fruin的判别方法，下表展示了人群密度、流速和速度的Fruin’s level of service(LOS)，由表可知，结果的分类一般是经验值，且可以在后续实际中调整，

Fruin	人群密度	人群流速	人群速度
				LoS	(ped/m2)	(ped/min/m)	(m/s)
LoS A	《0.28	《20	》1.4
				LoS B	0.43-0.28	20-30	1.28
LoS C	0.7-0.43	30-45	1.23
				LoS D	1.03-0.7	45-60	1.14
LoS E	2.09-1.03	60-80	0.78
				LoS F	》2.09	》80	《0.78

中心主控服务器根据人群的可衡量参数和二维风险矩阵，构建四级预警模型，该模型用于计算预警阈值，该模型包括一预警阈值矩阵，具体如下：

中心主控服务器通过四级预警模型，对人群的可衡量参数进行分析预测，根据预测结果，相应的发出自动报警。

在上述技术方案的基础上，所述二维风险矩阵如下：

其中：

事件指人群流动性大、拥挤程度高的状态(情况)，

事件发生概率为一种可能性的量化，即在一段时间内人群流动性大、拥挤程度高的不同状态的发生概率，

事件影响是指人群流动性大、拥挤程度高的状况已经达到一定程度时，默认对应的风险阈值，

二维风险矩阵的结果反映出人群流动性大、拥挤程度高状态的强度。

Fruin教授提出的服务水平(Los，Level of Service)概念，现在已经普遍运用在人行空间的设计和评估领域。该评价标准分为A-F级，用于区分不同的服务水平。具体划分如下(省略颜色一栏):

在统计学中，风险的概念通常被建模为预期值的不良结果。这结合了概率的各种可能事件和一些评估的相应损害成一个单一的价值。最简单的情况是二进制可能性的事故或无意外。相关公式为计算风险是：

风险＝事故发生的概率*事故预期损失

根据风险的定义，采用同样的想法来建立人群风险的预警阈值和风险评级。包括行人状态持续时间的维度和行人状态的强度及其风险分类矩阵，在判断人群状态时需要被给予。首先得出人群状态，然后，行人的持续时间和强度是映射作为事件的可能性和后果。此外，根据可能性和后果，风险排名可以根据风险分级表(构建中)进行划分。

通过风险等级，可以清楚哪个风险应该是控制和可以接受和优先级风险管理可以固定。因此，过程以上都是需要考虑的三个方面的风险等级。

第一，事故的发生概率及其发生严重的后果；

第二，分类发生概率和后果的严重性；

第三，构建风险判断矩阵，设定早期的排名警告阈值和报警从二维概率和后果(如红，土黄，黄，和绿色)。

故有如上的二维风险矩阵。

在上述技术方案的基础上，所述对智能监控设备实时采集的图像进行分析，是指：

将智能监控设备实时采集的图像，例如摄像机捕获的图像(模拟信号)，传输到数字分析仪中，数字分析仪对图像进行A/D变换后，通过人群动态聚集特征提取算法，获取人群的可衡量参数，

更进一步，还包括人工对智能监控设备实时采集的图像进行辨识、分析、估算，获取人群的可衡量参数。

在上述技术方案的基础上，数字分析仪输出的人群的可衡量参数直接通过交换机发送到中心主控服务器中，

或者，数字分析仪将智能监控设备实时采集的图像和人群的可衡量参数先传输到DVR，DVR存储接收到的数据后，再将人群的可衡量参数通过交换机发送到中心主控服务器中。

DVR(硬盘录像机，Digital Video Recorder)，即视频录像机，相对于传统的模拟视频录像机，采用硬盘录像，故常常被称为硬盘录像机。它是一套进行图像存储处理的计算机系统，具有对图像/语音进行长时间录像、录音、远程监视和控制的功能。DVR可以实现视频和图像的信息的存储、播放和检索等。

在上述技术方案的基础上，位于近端的本地网络交换机，和位于远端的中央交换机之间，通过无线传输或有线传输进行远距离数据传输。

在上述技术方案的基础上，人群的可衡量参数中，参数优先级如下：

人流密度(人群密度)作为主要判断参数，这是因为：验证人群密度的准确性是相当直观和容易的实现

人群流量作为第二主要判断参数，这是因为：流量相对容易验证，

人流速度(人群流速)作为第三主要判断参数，相对不易获得，因为人流会有不同方向，而这是描述人群流动细节的值。

通常，如果监测区域小，则密度变化可能是大，在公共场所，行人的步行速度大约是1-2m/s，平均值为1.35m/s(经验值，上下浮动不大)。考虑到上述这些方面，故优先考虑参数选择如下：

人流密度(人群密度)>人群流量>人流速度(人群流速)。

即：在实际应用中，人群密度、人群流速和人群流量不能等同视之，即，三个参数有不同的优先级。如图4所示：

人群的可衡量参数作为输入参数值传入后，针对某一状态，系统做如下处理得到相应结果：

首先，将人流密度(人群密度)视为第一输入，即比其他数据更可靠，对应输出为等级A，

然后，将人群流量视为第二输入，且输出为等级B，

判断A小于B是否成立，如果成立则最终输出为等级B，如果不成立则进行下述处理，

再后，将人流速度(人群流速)视为第三输入，且输出为等级C，

判断A小于C是否成立，如果成立则最终输出为等级C，如果不成立则最终输出为等级A。

通常，认为人群流量参数的活跃性更强，且与人流密度(人群密度)参数之间无正相关性。当人群流量和人流密度(人群密度)超过拐点的时候，二者会呈现负相关性，当这种情况发生时，有必要输入人流速度(人群流速) 参数，人流速度(人群流速)会随着人流密度(人群密度)的增加而单调降低。第二次判断条件不成立后的输出是基于最坏情况原则会导致最坏的结果。

首先，考虑密度和速度之间的关系。人群速度将随着人群密度增加而单调减少。

其次，流速和人与人之间间隔之间的关系。当人与人之间间隔长于大约 1.5m时(即人群密度约为0.5p/m²)，人群中行人的速度不会受到人与人之间间隔的影响。当间隔小于1.5m时，行人的速度将迅速减少，人与人之间的相互影响将随着间隔的减少而增强。当距离减小到0.25m时，移动速度将被降低到0，和此刻相应的人群密度为约6-7p/m²。

第三，密度和流速的关系。通常来说，人群流速的演化一般都被确定为固定数值，下表列举了不同来源的人群流速的标准。但在实际中，流速一般不是固定数值，会有一些因素影响。

人群的因素包括人群密度q(单位面积的人数，p/m2)，移动速度u (m/s)，人群组成(年龄构成，性别，文化差异等)和人群移动的目的；路径的因素包括障碍物路径，道路瓶颈，路径的平坦度，平滑度，坡度等。在特定路径的条件下，主要影响因素是人群密度。

与图2中所示的方法相对应，本发明实施方式中还提供了基于风险概率评估的公共区域人群聚集预警方法及系统，如图3所示，该系统包括：

若干智能监控设备，布设在人群流动性大、拥挤程度高的区域，用于实时采集目标地区内人群运动情况、行人状态；

数字分析仪，接收智能监控设备实时采集的图像，数字分析仪对图像进行A/D变换后，通过人群动态聚集特征提取算法，获取人群的可衡量参数，

中心主控服务器，接收数字分析仪发出的人群的可衡量参数，

中心主控服务器用于基于人群的可衡量参数值和二维风险矩阵，构建出四级预警模型，用于基于四级预警模型，通过输入的人群的可衡量参数进行分析，根据预测结果自动报警。

在上述技术方案的基础上，数字分析仪输出的人群的可衡量参数直接通过交换机发送到中心主控服务器中。

在上述技术方案的基础上，数字分析仪将智能监控设备实时采集的图像和人群的可衡量参数先传输到DVR，DVR存储接收到的数据后，再将人群的可衡量参数通过交换机发送到中心主控服务器中。

在上述技术方案的基础上，所述交换机包括：位于近端的本地网络交换机，位于远端的中央交换机，

近端和远端之间通过无线传输或有线传输进行远距离数据传输。

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同等技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.基于风险概率评估的公共区域人群聚集预警方法，包括以下步骤：

从智能监控设备中实时采集图像，所述实时采集的图像包括但不限于：静态图片，动态图片，局部截图，视频片段；

从视频监控图像流中获取人群的可衡量参数，所述人群的可衡量参数包括但不限于：人流方向、人流密度、人流速度、人群流量、人群速度；

所述获取人群的可衡量参数包括：通过数字分析仪对所述智能监控设备实时采集的图像进行A/D变换后，通过人群动态聚集特征提取算法，获取人群的可衡量参数，以及人工对智能监控设备实时采集的图像进行辨识、分析、估算，获取人群的可衡量参数；

其中，所述人群的可衡量参数中，参数优先级如下：人流密度>人群流量>人流速度；

所述数字分析仪将智能监控设备实时采集的图像和人群的可衡量参数先传输到DVR，DVR存储接收到的数据后，再将人群的可衡量参数通过交换机发送到中心主控服务器中；

中心主控服务器基于人群的可衡量参数值和二维风险矩阵，构建出四级预警模型，其中，所述二维风险矩阵以概率加上结果的方式构建，所述概率指行人状态持续时间，对应于事件发生概率，所述结果指行人状态的强度，对应于事件影响；

基于所述四级预警模型，通过输入的人群的可衡量参数进行分析，根据预测结果自动报警。

2.根据权利要求1所述的基于风险概率评估的公共区域人群聚集预警方法，其特征在于：所述智能监控设备布设位置为：以人群流动性大、拥挤程度高的区域为目标地区，在目标地区布设智能监控设备，实时采集目标地区内人群运动情况、行人状态；

所述智能监控设备从至少两个角度对目标地区进行监控。

3.根据权利要求1所述的基于风险概率评估的公共区域人群聚集预警方法，其特征在于：所述智能监控设备包括但不限于：摄像机，具有通过有线或无线传输视频和图像的功能。

4.根据权利要求1所述的基于风险概率评估的公共区域人群聚集预警方法，其特征在于：将人群的可衡量参数通过交换机发送到中心主控服务器中，

所述交换机包括：位于近端的本地网络交换机，位于远端的中央交换机。

5.根据权利要求4所述的基于风险概率评估的公共区域人群聚集预警方法，其特征在于：

所述中心主控服务器中包括所述二维风险矩阵，所述二维风险矩阵以概率加上结果的方式构建，其中：

概率指行人状态持续时间，对应于事件发生概率，具体分为以下几个等级：基本不可能，不太可能，有可能，很可能，肯定，

结果指行人状态的强度，对应于事件影响，具体分为以下几个等级：十分严重，严重，相对较大，普通，很低。

6.根据权利要求5所述的基于风险概率评估的公共区域人群聚集预警方法，其特征在于：参数优先级对判断结果产生以下影响：

首先，将人流密度视为第一输入，即比其他数据更可靠，对应输出为等级A，

然后，将人群流量视为第二输入，且输出为等级B，

判断A小于B是否成立，如果成立则最终输出为等级B，如果不成立则进行下述处理，

再后，将人流速度视为第三输入，且输出为等级C，

判断A小于C是否成立，如果成立则最终输出为等级C，如果不成立则最终输出为等级A。

7.基于风险概率评估的公共区域人群聚集预警系统，其特征在于，包括：

若干智能监控设备，布设在人群流动性大、拥挤程度高的区域，用于实时采集目标地区内人群运动情况、行人状态；

数字分析仪，接收智能监控设备实时采集的图像，数字分析仪对图像进行A/D变换后，通过人群动态聚集特征提取算法，获取人群的可衡量参数，以及人工对智能监控设备实时采集的图像进行辨识、分析、估算，获取人群的可衡量参数；

所述人群的可衡量参数包括但不限于：人流方向、人流密度、人流速度、人群流量、人群速度；其中，所述人群的可衡量参数中，参数优先级如下：人流密度>人群流量>人流速度；

中心主控服务器，接收数字分析仪发出的人群的可衡量参数，

所述中心主控服务器用于基于人群的可衡量参数值和二维风险矩阵，构建出四级预警模型，用于基于所述四级预警模型，通过输入的人群的可衡量参数进行分析，根据预测结果自动报警；其中，所述二维风险矩阵以概率加上结果的方式构建，所述概率指行人状态持续时间，对应于事件发生概率，所述结果指行人状态的强度，对应于事件影响；

其中，所述数字分析仪将智能监控设备实时采集的图像和人群的可衡量参数先传输到DVR，DVR存储接收到的数据后，再将人群的可衡量参数通过交换机发送到中心主控服务器中。

8.根据权利要求7所述的基于风险概率评估的公共区域人群聚集预警系统，其特征在于：所述交换机包括：位于近端的本地网络交换机，位于远端的中央交换机，

近端和远端之间通过无线传输或有线传输进行远距离数据传输。

Images