CN108604403A - 事件预测系统 - Google Patents
事件预测系统 Download PDFInfo
- Publication number
- CN108604403A CN108604403A CN201680074178.8A CN201680074178A CN108604403A CN 108604403 A CN108604403 A CN 108604403A CN 201680074178 A CN201680074178 A CN 201680074178A CN 108604403 A CN108604403 A CN 108604403A
- Authority
- CN
- China
- Prior art keywords
- weight factor
- event
- equipment identifier
- mobile equipment
- mobile
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000003860 storage Methods 0.000 claims abstract description 8
- 230000014759 maintenance of location Effects 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 10
- 238000013459 approach Methods 0.000 claims description 8
- 238000000060 site-specific infrared dichroism spectroscopy Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 description 14
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000003449 preventive effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 206010001488 Aggression Diseases 0.000 description 2
- 230000016571 aggressive behavior Effects 0.000 description 2
- 208000012761 aggressive behavior Diseases 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 101150034459 Parpbp gene Proteins 0.000 description 1
- 241001465382 Physalis alkekengi Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/22—Status alarms responsive to presence or absence of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Alarm Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
Abstract
提供用于预测事件的事件预测系统和事件预测方法。所述系统包括用于接收多个移动设备标识符的人群检测接口和事件数据库,其中多个权重因子与多个存储的移动设备标识符相关联。与在先前的历史事件期间存在于场所处的移动设备相关联的权重更高。所述系统还包括预测子系统,该预测子系统被配置为确定在场所处的总权重因子,以便预测事件的发生。该系统和方法可以提供关于人群构成的信息,这可以有助于更好地防止事件发生。如此,与当前可用的系统和方法相比,所提供的系统和方法可以使能更有效的事件预测。
Description
技术领域
本发明涉及一种基于对事件附近的记录数据的分析的事件预测系统和事件预测方法。本发明还涉及一种包括用于使处理器系统执行所述方法的指令的计算机程序产品。
背景技术
多样的城市传感器供给了获取上下文信息的潜力,这些信息形成了新型数据驱动的城市服务的基础。城市信息的主要来源通过对事件自动或半自动检测来提供,这越来越多地被监督系统所采纳。被广泛部署来监控在城市中心、商场或文化场所等中的公众的监督系统正变得越来越智能化。示例包括,检测沿错误方向驾驶的车辆,在禁止位置停车以及检测故意破坏、盗窃和侵犯行为。事件检测可以帮助人类工作人员操作安全系统处置获取的极大量的数据并做出充分响应。然而,应注意的是,大多数系统的能力局限于事件发生时对它们进行检测,而在有意义的时间跨度内预测相关事件以便仍然可以采取预防措施常常是所期望的。
US 8,949,164 B1描述了一种预测性警务系统,其包括犯罪预测服务器,该犯罪预测服务器被构建为使用犯罪预报算法来处理历史犯罪数据以生成将地理区域分派给犯罪类型的犯罪预报,以用于犯罪预防、威慑和瓦解实践。所述预测性警务系统包括犯罪预测处理设备,所述犯罪预测处理设备被构建为执行一个或多个指令的集合以接收包括对应于多个犯罪活动的历史犯罪数据集合的历史犯罪报告。该系统生成一个将离散的地理区域分派给犯罪类型的预测性犯罪预报。
US 8,949,164 B1的系统的问题在于,它在预测事件上不够有效,因为它仅仅依靠历史犯罪数据。
发明内容
将有利的是,具有一种使能更有效的事件预测的系统或方法。
为了更好地解决这个关注点,本发明的第一方面提供了一种事件预测系统,该系统包括:
- 人群检测接口,用于从人群检测单元接收多个移动设备的多个移动设备标识符;
- 事件数据库,其中多个权重因子与多个存储的移动设备标识符相关联;
- 预测子系统,其被配置为:
i)标识在所接收的移动设备标识符中的至少一个与所存储的移动设备标识符之间的一个或多个匹配以获得与所接收的移动设备标识符相关联的一个或多个权重因子,
ii)对所述一个或多个权重因子进行总计以获得总权重因子,
iii)基于总权重因子生成事件发生的预测数据。
本发明基于发明人这样的见解,即使用与过去事件相关的所存储的数据和与存在于一个区域处的移动设备相关的数据的组合,使能对该区域中的事件进行更有效的预测。发明人已经认识到,重要的信息来源可以通过存在于指定地区中的人数、他们的构成、他们的移动和衍生属性来表示。这种信息可以通过基于例如诸如智能电话、平板计算机和智能手表之类的连接的设备所发射的电磁(EM)信号(例如,蓝牙、WiFi、蜂窝等)来监视它们的存在而获取。通过分析这些数据来源和与存在于过去事件中的移动设备相关的所存储的数据,可以检测到可能已经与过去事件相关联并且当前存在于特定区域中的特定移动设备。这样的分析可以有利地帮助例如在一个区域发生事件之前标识在该区域中的已知或臭名昭著的麻烦制造者的个人或群体的存在。如此,可以有利地预测事件,使得仍然可以在有意义的时间跨度上采取预防措施。因此,执法官员可以被更有效地告知他们在一个区域中监视的人群的构成,并使用这样的信息来更好地防止发生实际事件。如此,所要求保护的系统和方法使能更有效的事件预测。
基于相关联的移动设备与过去发生的至少一个历史事件的接近度来计算权重因子。例如,较大的权重因子可以与处于距过去事件相对较近距离的移动设备相关联。例如,当已经检测到相关联的移动设备处于距过去事件的预定距离范围内时,可以相应地并按比例地增加权重因子。在另外的示例中,当移动设备已经存在的过去事件的数目增加时,可以相应地增加相关联的权重因子。应注意的是,在本文中,可以基于距发生事件的位置或区域的距离来定义与历史事件的接近度。例如,事件的位置可以定义为围绕发生事件的某个地区绘制的具有预定义半径的圆的中心。
US2012 / 0268269A1公开了一种设备,其获得与第一移动设备相关联的第一人的一个或多个第一属性,获得与第二移动设备相关联的第二人的一个或多个第二属性,确定第一人和第二人的位置,并且基于第一属性和第二属性以及第一人和第二人的位置生成第一人相对于第二人的线索分数(thread score)。
US2008 / 0094230A1公开了一种系统,用于通过确定移动设备相对于危险地带的位置,通过基于例如到某个人的距离以及某个人的信任水平计算情境威胁值,来向移动设备用户警告潜在的危险。
可选地,事件数据库合并指示历史事件的地理区域的地理数据,并且权重因子基于历史事件的地理区域来计算。例如,可以将较大的权重因子分派给已经存在于城市的特定或关键区域中的相关联的移动设备。
可选地,人群检测接口从人群检测单元获得位置数据,所述位置数据指示移动设备的位置,并且预测子系统被配置为对在预定地理区域中的权重因子进行总计。有利地,基于例如移动设备在期望的预定区域中的实时移动,可以有效地预期对在该预定区域中的事件的检测。例如,这可能有助于对权重因子进行依赖于区域的评估。依赖于区域的警告信号可以基于权重因子的依赖于区域的评估而有利地生成。
可选地,预测子系统还被配置为基于位置数据生成视觉地理图,用于在视觉地理图上视觉地呈现移动设备的位置。在其上呈现移动设备的位置的视觉地理图可以有利地有助于例如在预测事件时有效地关联地理信息,例如道路和建筑物。相应地,基于相关联的地理信息,可以如此更有效地采取预防性措施。
可选地,预测子系统还被配置为通过至少一个情境权重因子来修改总权重因子,情境权重因子基于来自以下列表中的一个来计算:天气状况、白天或者夜晚时间、工作日、城市活动的周期和城市活动的类型。这可以有利地有助于更有效地预测事件的发生。例如,如果在夜间在某个地区(例如应该在夜间关闭的购物中心)检测到越来越多数目的移动设备标识符,则可以通过例如将权重因子乘以顾及时间的情境权重因子,而考虑事件发生的更大风险。
可选地,所述预测子系统还被配置为:i)将默认权重因子与不匹配任何所存储的移动设备标识符的所接收的移动设备标识符相关联,以及ii)对所接收的移动设备标识符的权重因子进行总计以获得总权重因子。例如,对于每个未存储的移动设备标识符而言,默认权重因子可以是值1。如此,对于每个未存储的移动设备标识符而言,权重因子1可以被添加到总权重因子。如此,可以顾及存在于一个区域中的移动设备的数目。例如,即使先前没有大的权重因子与数据库中的移动设备相关联,基于异常数目的移动设备(例如在特定区域中的拥挤),这也可以有利于预测事件。
可选地,预测子系统还被配置为,如果事件发生的可能性大于预定义的事件可能性阈值,则生成警告信号。这可以有利地帮助例如将正在监视多个区域的警察的注意力引向事件发生风险高的特定区域。
可选地,人群检测接口以从以下列表中选择的至少一个的形式接收多个移动设备标识符:多个移动设备发射的无线信号、设备MAC地址和设备已经连接到的网络的SSID。
可选地,该系统包括人群检测单元,并且人群检测单元是配备有用于接收多个移动设备标识符的多个传感器的连接的照明系统。有利地,供电的连接的节点的高密度以及照明系统的无处不在的本质可以有益地用于收集例如存在于城市的一个区域中的诸如移动设备之类的上下文城市信息。
可选地,权重因子作为默认权重因子和的最大值的函数被计算,其中cr是空间归一化因子,(xi, yi)表示历史事件l的坐标并且(xk,l, yk,l)表示相关联的移动设备k的坐标。
可选地,权重因子是从初始权重因子和时间衰减因子获得的。这可以有利地有助于顾及移动设备在很久以前(例如几个月或几年前)发生的陈旧事件处的存在。如此,与较早发生的事件相对,针对最近事件的正偏置(positive bias)可以被引入。
可选地,权重因子被周期性地减小到默认权重因子。这可以有利地使得能够逐渐消除与曾经可能碰巧接近事件的人相关联的安全危险风险。
在本发明的另一方面中,提供了一种事件预测方法,该方法包括:
- 接收多个移动设备的多个移动设备标识符;
- 将多个权重因子与多个所存储的移动设备标识符相关联,其中基于所述相关联的移动设备与过去发生的至少一个历史事件的接近度来计算所述权重因子;
- 标识在所接收的移动设备标识符中的至少一个与所存储的移动设备标识符之间的一个或多个匹配,以便获得与所接收的移动设备标识符相关联的一个或多个权重因子,
- 对所述一个或多个权重因子进行总计以获得总权重因子,
- 基于总权重因子生成表示事件发生的可能性的预测数据。
在本发明的另一方面中,提供了一种包括用于使处理器系统执行该方法的指令的计算机程序产品。
本领域技术人员将会意识到,本发明的上述实施例、实现方式和/或方面中的两个或更多个可以以认为有用的任何方式进行组合。
本领域技术人员基于本说明书可以执行与所描述的系统的修改和变化对应的方法和/或计算机程序产品的修改和变化。
附图说明
从下文描述的实施例中,本发明的这些和其他方面是显而易见的,并且参照下文描述的实施例,本发明的这些和其他方面将被阐明。在图中,
图1示出了事件预测系统;
图2示出了由图1的系统生成的一个示意性视觉图,其示出了表示与存在于地理区域中的移动设备相关联的权重因子的密度图;
图3示出了由图1的系统生成的另一个示意性视觉图,其示出了由嵌入在包括建筑物和街道的地理区域中的连接的照明系统中的传感器检测到的移动设备标识符的密度图;
图4示出了图1的事件数据库、人群检测接口和事件预测子系统的示例,其指示与从人群检测接口获得的匹配于事件数据库的所存储的移动设备标识符的所标识的移动设备标识符相关联的权重因子的总计;
图5示出了事件预测方法;以及
图6示出了包括用于使处理器系统执行该方法的指令的计算机程序产品。
具体实施方式
图1示出了事件预测系统100。系统100包括人群检测接口120、事件数据库040和预测子系统140。
人群检测接口120可以被配置为从人群检测单元050接收多个移动设备的多个移动设备标识符022。应注意的是,诸如智能手机、平板计算机、智能手表、膝上型计算机等的可以由人携带的移动设备可以发出多种类型的电磁信号,诸如蓝牙、wifi、蜂窝数据等。人群检测单元050可以例如通过部署无源或有源检测器来拾取信号,并且由此检测多个移动设备标识符022并且将信号标识符022发送到人群检测接口120。应注意的是,即使当诸如电话之类的移动设备没有关联到网络时,它们也可以有规律地发出探测请求以标识它们附近的可用网络。这些探测请求可能揭露设备MAC地址和/或所述设备先前连接到的网络的SSID。当设备与某个网络相关联时,流量可能实质上更高,因此可检测到的消息数量可能相应地升高。这样的信息可以通过在环境中部署无源嗅探器、通过适当的网络基础设施(例如,安装来提供对站点的无线互联网接入的接入点)等,来收集。如此,人群检测单元050可以包括检测器,例如可以检测多个移动设备标识符022并且将对应的数据发送到人群检测接口120的传感器。应注意的是,人群检测单元050可以实时检测和发送数据,例如在时间阈值内,其中所述时间阈值可以是例如1秒、10秒、1分钟、5分钟或更多。
人群检测单元050可以包括监督子单元,以一般地获得与人群相关的信息,诸如表示从移动设备接收的指示移动设备标识符022的信号的数据。各种类型的监督子单元可以用于收集和提供与人群相关的数据。与人群相关的数据可以提供与移动设备相关的数据,例如移动设备标识符022和指示移动设备的位置的位置数据。与人群相关的数据还可以提供其他数据,例如指示持有移动设备的个人的行为的行为数据,诸如移动行为、声音水平等等。
应注意的是,可以将与人群相关的数据无线传送到人群检测接口120。例如,人群检测单元050的每个传感器可以耦合到对应的无线发射器,该无线发射器能够将由相应传感器生成的传感器信号直接或间接地传送到人群检测接口120。在一个示例中,人群检测接口120可以包括耦合到传感器的无线接收器,并且该无线接收器可以能够接收来自人群检测单元050的不同传感器的所有传送的传感器信号。在另外的示例中,人群检测单元050的若干个传感器可以包括用于接收和传送传感器信号的收发器,使得这些收发器可以位于人群检测接口120的接收器和位于远处的特定传感器之间。然后,收发器可以接收位于远处的该特定传感器的传感器信号,并且可以朝向人群检测接口120转发该传感器信号。例如,可以在发射器、收发器和接收器之间形成自组织网络,从而允许相对大地区的覆盖范围。在另一个示例中,传感器信号可以不被无线传送到人群检测接口120,但是它们也可以通过电线传送。例如,电力线调制解调器可以用于通过向传感器提供电力的电力线传送传感器信号。
事件数据库040可以包括分派给多个存储的移动设备标识符042的多个权重因子。可以基于过去发生的历史事件与存在于所述历史事件的场景附近的移动设备之间的共定位来生成事件数据库040。如此,权重因子也可以被称为共定位权重因子。例如,较大的权重因子可以与这样的移动设备标识符相关联,其相关联的移动设备已经被记录为处于与过去事件相对近的距离内。在另一个示例中,当相关联的移动设备例如已经被记录为多于一次地处于过去事件的预定距离范围内时,可以相应地且按比例地向相关联的移动设备标识符给出更大的权重因子。在非限制性的示例中,对于每个历史事件,可以标识在可配置的最小距离范围内的所有移动设备。最小距离可以考虑为例如1米、10米、100米、500米或更多。
应注意的是,事件数据库040可以合并指示历史事件的地理区域的地理数据,并且可以基于地理区域来计算权重因子。例如,可以将较大的权重因子分派给已经存在于城市的特定或关键区域(例如城市中心、购物中心、体育场馆、外国使馆等等)中的相关联的移动设备。
应注意的是,与移动设备和/或事件相关的其他类型的数据也可以被存储在数据库040中。例如,移动设备已经存在于历史事件地区中的持续时间或者移动设备在该时间段期间已经进行的在线或离线通信可能已经被记录并且被存储在数据库040中。
应注意的是,一般地,可以对从人群检测单元050接收的数据和存储在事件数据库040中的数据进行散列。用于对数据进行散列的方法在本领域中本身是已知的。可以使用已知的密码学散列函数和算法。
还应注意的是,与过去的指示物和所存储的移动设备标识符相关的数据可能已经通过例如嵌入在安装在发生过去事件的地区中的监督单元中的记录系统进行记录,并且监督单元可以馈送历史事件的数据库040。事件可以由监督单位自动检测,或者可以由存在于场景中的人报告。例如,运行允许他们连接到市政当局或本地运营商的小应用(app)的旁观者可以报告事件。例如,火车上的乘客可以将他们的位置信息与暴力情况一起报告。事件也可以由被授权的工作人员自己登记。例如,街道上的警察或后端协调员可以在事件数据库040中用适宜的时间戳和位置标签来登记已经解决的活动。
应注意的是,相关信息(例如,移动设备位置信息)可以在参与式方案中由用户自己共享。例如,用户可以在他们的移动设备上安装小应用并接受位置信息以与它的分发者共享。例如,该方法可以被一些场所运营商和活动组织者采纳,这些场所运营商和活动组织者分发一个小应用,该小应用提供信息以及关于例如谁正在哪里玩、交通、座位或地图的信息。作为交换,用户可以接受以共享关于他们的去向的信息,并且这些信息可以被聚集在运营商的后端。
预测子系统140可以被配置为标识所接收的移动设备标识符022中的至少一个与存储在数据库040中的所存储的移动设备标识符之间的匹配,以便获得所标识的移动设备标识符。为了标识所述匹配,可以使用本领域本身已知的表查找方法。预测子系统140还可以被配置为总计一个或多个标识的移动设备标识符的权重因子以便获得总权重因子。
应注意的是,一般地,除了一个或多个标识的移动设备标识符的权重因子之外,总权重因子可以包括用于所有接收的移动设备标识符的权重因子,以便在预测一个区域中的事件时计及存在于该区域中的移动设备的总数目。例如,预测子系统140可以被配置为将默认权重因子与不匹配任何所存储的移动设备标识符的所接收的移动设备标识符相关联。以这种方式,当移动设备标识符之前在数据库040中尚未被记录时,每个唯一的移动设备标识符可以被分派默认值,例如1.0。然后,预测子系统140可以对所接收的移动设备标识符的权重因子进行总计,以获得总权重因子。
预测子系统140还可以被配置为基于总权重因子生成例如表示事件发生的可能性的预测数据142。应注意的是,预测数据142可以以各种形式呈现给用户。在图1的非限制性示例中,预测子系统140被示出为包括用于向显示器080提供包括预测数据的显示数据082的显示输出180。应注意的是,预测子系统140还可以被配置为,如果事件发生的可能性大于预定义的事件可能性阈值,则生成警告信号。应注意的是,预测子系统140可以被配置为在多个预定地理区域中选择具有最高总权重因子的地理区域并且为所选择的地理区域生成警告信号。
应注意的是,系统100可以包括一个或多个执行适当软件的微处理器。软件可能已被下载和/或存储在对应的存储器中,例如,诸如RAM之类的易失性存储器或诸如闪存之类的非易失性存储器。可替换地,系统的功能单元可以以可编程逻辑的形式实现在设备或装置中,例如实现为现场可编程门阵列(FPGA)。一般地,系统100的每个功能单元可以以电路的形式实现。应注意的是,系统100还可以以分布式方式实现,例如涉及不同的设备或装置。例如,分发可以根据客户端——服务器模型。
图2示出了由图1的系统100生成的示意性视觉图200,其示出了表示与存在于地理区域中的移动设备210相关联的权重因子的密度图240。可以由图1的人群检测单元050的检测器220收集与人群相关的数据,诸如表示从移动设备210接收的指示移动设备标识符的信号的数据。
应注意的是,图1的人群检测单元050可以包括监督子单元,该监督子单元还可以将与过去事件相关的数据馈送到图1的数据库040。在图2的非限制性示例中,图1的人群检测单元050被示出为包括基于摄像机的监督子单元230。基于摄像机的监督子单元230可以包括视频处理电路并且可以部署基于边缘或基于服务器的智能计算机视觉分析。监督子单元230可以例如使用运动跟踪和分析,因为这可以通过相对快速且不稳定/不规律的运动模式来表征。在另一个示例中,监督子单元230可以包括集成在CCTV系统中的或独立的麦克风和麦克风耦合到的音频处理电路,其可以允许基于声学分析进行人群检测。在这种情况下,侵犯行为可以通过大音量(大喊大叫)以及信号相对于背景的音高/频率含量而揭露。作为一个示例,荷兰公司Soundintel提供用于基于音频的侵犯检测的软件模块,该软件模块可以与许多常见的音频使能的CCTV系统集成。
图3示出了由图1的系统100生成的另一个示意性视觉图300,其示出了由嵌入在包括建筑物350和街道362-368的地理区域中的连接的照明系统310中的传感器检测到的移动设备标识符的密度图340。应注意的是,图1的系统100可以包括人群检测单元050。在图3的非限制性示例中,人群检测单元被示出为连接的照明系统310。还应注意的是,视觉图300还可以指示其他期望的信息,例如存在于该区域中的警察单位330和医疗单位320的位置。这样的信息可以有利地用于在事件发生之前采取必要的措施。
图1的预测子系统140可以被配置为将总权重因子乘以至少一个情境权重因子,该情境权重因子基于来自以下列表中的至少一个来计算:天气状况、白天或夜晚时间、工作日、城市活动的周期和城市活动的类型。图3的非限制性示例示出了视觉图300可以呈现指示例如时间、天气状况等的情境信息370。
图4示出了图1的事件数据库410、人群检测接口420和事件预测子系统440的示例,其指示与从人群检测接口420获得的匹配于所存储的移动设备标识符402的所标识的移动设备标识符442相关联的权重因子444的总计446的示例。在图4的非限制性示例中,预测子系统440被示出为标识事件数据库410的所存储的移动设备标识符402与人群检测接口420的所接收的移动设备标识符422之间的两个匹配。当认出这样的匹配时,事件预测子系统440被示出为在与数据库410的所存储的移动设备标识符402相关联的权重因子404中选择对应于所标识的移动设备标识符442的权重因子444并且对其进行总计。该实施例可以通过例如计及例如所接收的移动设备标识符422的区域或位置来扩展。
应注意的是,一般地,参照图1-4,对于移动设备标识符,可以使用例如以下公式来计算作为到历史事件的距离的函数f的权重因子:
其中wk,l表示基于历史事件l的针对设备标识符k的权重因子,并且(xi, yi)和(xk,l,yk,l)可以分别表示在历史事件l的时间处历史事件l的坐标和相关联的移动设备k的坐标。
例如,该函数f可以被定义为与设备和事件之间的距离成反比。在非限制性示例中,函数f可以被定义为默认权重因子(例如1)和的最大值的函数,其中cr可以是空间归一化因子,其可以确定到历史事件l的预定距离。
应注意的是,当在所检测或所报告的事件附近检测到移动设备时,它们的共定位权重可以暂时提升,然后随着时间推移而衰减。对于每个移动设备标识符,数据库可以应用所分派的权重因子并保持当前状态。这可以以多种方式来实现,诸如维持运行平均或时间递归滤波器。例如:
其中cdecay表示时间衰减因子,其可以防止非常陈旧的活动被无限期地包括。可能有利的是,使用多个时间滤波器cdecay聚集权重因子,以优先化例如在同一傍晚或同一周的较早事件并针对长期事件接近度进行区分。应注意的是,数据库可以以不同的方式并且以不同的时间间隔更新。例如,以规律的时间间隔,例如每天一次通过应用时间衰减因子cdecay来更新数据库中的所有条目。cdecay可以具有例如0.99的值,其小于默认值,例如1.0。应用时间衰减可以使能随着时间的推移,所有权重逐渐返回到默认值,例如,1.0,以便曾经碰巧接近事件的人不被认为是长时间段(例如几个月或几年)的安全危害。在这种情况下,权重因子可以被定义为例如。应注意的是,数据库可以以其他时间间隔更新,例如,在处理可以由系统检测、由官员报告等的新事件时。在这种情况下,对应于与新发生的事件相关的新条目的新权重wk,l可以被添加到数据库中。
图5示出了事件预测方法500。方法500包括,在标题为“接收标识符”的操作中,接收510多个移动设备的多个移动设备标识符。方法500还包括,在标题为“分派权重因子”的操作中,将多个权重因子与多个存储的移动设备标识符相关联520。方法500还包括,在标题为“标识匹配”的操作中,标识530在所接收的移动设备标识符中的至少一个与所存储的移动设备标识符之间的一个或多个匹配,以获得与所接收的移动设备标识符相关联的一个或多个权重因子。方法500还包括,在标题为“总计权重因子”的操作中,总计540一个或多个权重因子以获得总权重因子。方法500还包括,在标题为“生成预测数据”的操作中,基于总权重因子生成550事件发生的预测数据。应注意的是,方法500可以但不需要对应于参照图1所描述的系统100的操作。
应意识到的是,以上操作可以以任何合适的顺序执行,例如连续地,同时地或者其组合,在适用的情况下,例如通过输入/输出关系,经历必要的特定顺序。
方法500可以在计算机上实现为计算机实现的方法,专用硬件或两者的组合。也如图6中所示,用于计算机的指令(例如可执行代码)可以存储在计算机可读介质610上,例如以机器可读物理标记的系列620的形式,和/或作为一系列具有不同的电学,例如磁学或光学特性或数值的元件。可执行代码可以以暂时或非暂时的方式存储。计算机可读介质的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。图5示出了光盘610。
应意识到的是,根据本申请的摘要,提供了用于预测事件的事件预测系统和事件预测方法。该系统包括用于接收多个移动设备标识符的人群检测接口。该系统还包括事件数据库,其中多个权重因子与多个存储的移动设备标识符相关联。该系统还包括预测子系统,该预测子系统被配置为标识在所接收的移动设备标识符中的至少一个与所存储的移动设备标识符之间的一个或多个匹配。预测子系统还被配置为对一个或多个权重因子进行总计以获得总权重因子来预测事件的发生。该系统和方法可以提供关于可以更好地防止事件发生的人群构成的信息。如此,与当前可用的系统和方法相比,所提供的系统和方法可以使能更有效的事件预测。
应注意的是,根据以上内容,无论何时检测到或报告事件,都可以更新被检测为接近事件的移动设备标识符的事件接近度权重因子。常常被看到接近事件的设备可以被打戳记。所观察到的这类设备的集群可以用于向监视情境的警察或安全工作人员提供警告信号,并在认为必要的情况下采取预防性措施。传感器可以例如集成在利用连接的照明基础设施的灯具中。连接的照明系统可以使能照明资产的有效管理,优化的维护和高能效的高级照明控制。而且,配备有多样的城市传感器的连接的照明系统可以供给获取上下文信息的潜力,所述信息形成了新型数据驱动的城市服务的基础。随着越来越多地被智能监督系统所采纳,可以通过对预定义活动或行为进行自动或半自动检测来提供城市信息的关键来源。事件检测可以支持工作人员操作安全系统以处置获取的极大量的数据并做出充分响应。然而,大多数系统的能力常常局限于在事件发生时检测事件,而在有意义的时间跨度内预测相关事件以便仍可以采取预防措施,表示出一个重大挑战。另一个重要的信息来源可以通过存在于指定地区的人数、他们的移动和派生属性来表示。这样的信息可以通过基于诸如智能手机、平板计算机和智能手表之类的连接的设备所发出的EM信号(例如,蓝牙、wifi、蜂窝等)监视它们的存在而成本高效地获取。从这些检测导出的累积的访客数目被广泛应用于商业智能应用,但也可用于帮助警察或安全工作人员做出如何最佳部署可用资源的操作决策。为了改善情境感知,建议通过分析和聚集由传感器检测到或由人类操作者报告的事件和附近的设备标识符(ID)的共定位来组合这些数据来源。例如,基于这样的数据,常规客流量(footfall)数据可以通过指示对于匿名设备id的事件的历史接近度的权重因子来补充。在不公开人的身份的情况下,这些措施可以支持对于臭名昭着的麻烦制造者群体的标识。因此,执法官员可以被更好地告知他们监控的人群组成,并使用这些信息更好地防止发生实际事件。
应意识到的是,本发明也应用于被适配成将本发明付诸实践的计算机程序,特别是在载体上或在载体中的计算机程序。该程序可以以源代码、目标代码、代码中间源和目标代码的形式,诸如以部分编译的形式,或以适合于用于实现根据本发明的方法的任何其他形式。还将意识到,这样的程序可以具有许多不同的架构设计。例如,实现根据本发明的方法或系统的功能的程序代码可以被细分为一个或多个子例程。在这些子例程之间分发功能的许多不同方式对于技术人员来说将是显而易见的。子例程可以一起存储在一个可执行文件中以形成自包含程序。这种可执行文件可以包括计算机可执行指令,例如处理器指令和/或解释器指令(例如,Java解释器指令)。可替换地,可以将所述子例程中的一个或多个或全部存储在至少一个外部库文件中并且静态地或动态地(例如,在运行时)与主程序链接。主程序至少包含一个对至少一个子例程的调用。子例程也可以包括对于彼此的函数调用。关于计算机程序产品的实施例包括对应于本文阐述的至少一种方法的每个处理阶段的计算机可执行指令。这些指令可以被细分为子例程和/或存储在可以静态或动态链接的一个或多个文件中。关于计算机程序产品的另一个实施例包括对应于本文阐述的系统和/或产品中的至少一个的每个装置的计算机可执行指令。这些指令可以被细分为子例程和/或存储在可以静态或动态链接的一个或多个文件中。
计算机程序的载体可以是能够携带该程序的任何实体或设备。例如,载体可以包括数据存储装置,诸如ROM,例如CD ROM或半导体ROM,或者磁记录介质,例如硬盘。此外,载体可以是可传送载体,诸如电信号或光学信号,其可以经由电缆或光缆或通过无线电或其他手段传达。当程序具体体现在这种信号中时,载体可以由这种电缆或其他设备或装置构成。可替换地,载体可以是其中嵌入了程序的集成电路,该集成电路被适配成执行或用于执行相关方法。
应该注意的是,上述实施例说明而非限制本发明,并且本领域技术人员将能够在不脱离所附权利要求的范围的情况下设计出许多可替换的实施例。在权利要求中,置于括号之间的任何附图标记不应被解释为限制权利要求。动词“包括”及其变形的使用不排除权利要求中陈述的元件或阶段以外的元件或阶段的存在。在元件之前的冠词“一”或“一个”不排除多个这种元件的存在。本发明可以通过包括几个不同元件的硬件以及通过适当编程的计算机来实现。在列举几个装置的设备权利要求中,这些装置中的几个可以由一个且相同的硬件项目来具体体现。在相互不同的从属权利要求中记载了某些措施的纯粹事实并不指示这些措施的组合不能被有利地使用。
Claims (13)
1.一种事件预测系统(100),所述系统(100)包括:
- 人群检测接口(120,420),用于从人群检测单元(050)接收多个移动设备(210)的多个移动设备标识符(022,422),
- 事件数据库(040,410),其中多个权重因子(042,404,444)与多个所存储的移动设备标识符(042,402)相关联,其中所述权重因子(042,404,444)是基于相关联的移动设备(042,402)与过去发生的至少一个历史事件的接近度来计算的;
- 预测子系统(140),其被配置为:
i)标识在所接收的移动设备标识符(022,422)中的至少一个与所存储的移动设备标识符(042,402)之间的一个或多个匹配以获得与所接收的移动设备标识符(022,422)相关联的一个或多个权重因子(042,404,444),
ii)对所述一个或多个权重因子进行总计以获得总权重因子(446),
iii)基于总权重因子(446)生成事件发生的预测数据(142)。
2.根据权利要求1所述的系统(100),其中所述事件数据库(040,410)合并指示所述历史事件的位置的地理数据,并且其中基于所述地理数据计算所述权重因子(042,404,444)。
3.根据权利要求1和2所述的系统(100),其中所述人群检测接口(120,420)从所述人群检测单元(050)获得位置数据,所述位置数据指示所述移动设备(022,422)的位置,并且其中所述预测子系统(140)被配置为对在预定地理区域中的所述权重因子(042,404,444)进行总计。
4.根据前述权利要求中的任一项所述的系统(100),其中,所述预测子系统(140)还被配置为基于至少一个情境权重因子修改所述总权重因子(446),所述至少一个情境权重因子还基于来自以下列表中的一个来计算:天气状况、白天或夜晚时间、工作日、城市活动的周期和城市活动的类型。
5.根据前述权利要求中的任一项所述的系统(100),其中,所述预测子系统(140)还被配置为:
i)将默认权重因子与不匹配任何一个所存储的移动设备标识符(042,402)的所接收的移动设备标识符(022,422)相关联;
ii)对所接收的移动设备标识符的权重因子进行总计以获得总权重因子(446)。
6.根据前述权利要求中的任一项所述的系统(100),其中,所述预测子系统(140)还被配置为,如果所述事件发生的可能性大于预定义的事件可能性阈值,则生成警告信号。
7.根据前述权利要求中的任一项所述的系统(100),其中所述人群检测接口(120,420)以从以下列表中选择的至少一个的形式接收所述多个移动设备标识符(022,422):由多个移动设备发射的无线信号、设备MAC地址和设备已经连接到的网络的SSID。
8.根据前述权利要求中的任一项所述的系统(100),其中所述系统(100)包括所述人群检测单元(050),并且其中所述人群检测单元(050)是配备有用于接收多个移动设备标识符的多个传感器的连接的照明系统。
9.根据前述权利要求中的任一项所述的系统(100),其中所述权重因子(042,404,444)作为默认权重因子和的最大值的函数来计算,其中cr是空间归一化因子,(xi, yi)表示历史事件l的坐标,并且(xk,l, yk,l)表示相关联的移动设备k的坐标。
10.根据前述权利要求中的任一项所述的系统(100),其中,所述权重因子(042,404,444)从初始权重因子和时间衰减因子获得。
11.根据前述权利要求中的任一项所述的系统(100),其中所述权重因子(042,404,444)被朝着默认权重因子周期性地减小。
12.一种事件预测方法(500),所述方法(500)包括:
- 接收(510)多个移动设备的多个移动设备标识符;
- 将多个权重因子与多个存储的移动设备标识符相关联(520),其中基于相关联的移动设备(042,402)与过去发生的至少一个历史事件的接近度来计算权重因子(042,404,444);
- 标识(530)在所接收的移动设备标识符中的至少一个与所存储的移动设备标识符之间的一个或多个匹配,以便获得与所接收的移动设备标识符相关联的一个或多个权重因子;
- 对所述一个或多个权重因子进行总计(540)以获得总权重因子;
- 基于总权重因子生成(550)呈现事件发生可能性的预测数据。
13.一种包括用于使处理器系统执行根据权利要求12所述的方法(500)的指令的计算机程序产品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP15200091.5 | 2015-12-15 | ||
EP15200091 | 2015-12-15 | ||
PCT/EP2016/080589 WO2017102629A1 (en) | 2015-12-15 | 2016-12-12 | Incident prediction system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108604403A true CN108604403A (zh) | 2018-09-28 |
CN108604403B CN108604403B (zh) | 2020-06-16 |
Family
ID=54849894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680074178.8A Active CN108604403B (zh) | 2015-12-15 | 2016-12-12 | 事件预测系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11790257B2 (zh) |
EP (1) | EP3391352B1 (zh) |
CN (1) | CN108604403B (zh) |
WO (1) | WO2017102629A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111916035A (zh) * | 2019-05-07 | 2020-11-10 | 重庆好德译信息技术有限公司 | 一种有利于辅助用户视力保护的显示调节方法及系统 |
CN115188158A (zh) * | 2022-06-22 | 2022-10-14 | 中国电子科技集团公司电子科学研究院 | 一种基于历史案例空间分布的智能安全预警方法及装置 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017120581A1 (de) * | 2017-09-07 | 2019-03-07 | Deutsche Telekom Ag | Automatisierte Warnung eines Empfängers vor möglichen Gefahren |
GB201716442D0 (en) * | 2017-10-06 | 2017-11-22 | Highway Resource Solutions Ltd | Governing the operation of an asset within a geo-zone |
US10602317B2 (en) * | 2018-05-01 | 2020-03-24 | Satellite Tracking Of People Llc | System and method of alternative tracking upon disabling of monitoring device |
US10778675B1 (en) * | 2018-05-31 | 2020-09-15 | Allscripts Software, Llc | Computing system for authenticating users of a shared mobile computing device |
US11088932B2 (en) | 2019-10-14 | 2021-08-10 | International Business Machines Corporation | Managing network system incidents |
CN112508249A (zh) * | 2020-11-27 | 2021-03-16 | 清华大学 | 突发事件推演图结构的构建及突发事件推演的方法和装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020106059A1 (en) * | 1998-06-16 | 2002-08-08 | Kroll Mark W. | Public service answering point with automatic triage capability |
US20040005879A1 (en) * | 2002-05-23 | 2004-01-08 | Hitoshi Yashio | Information provision system and apparatus and method therefor |
US20070103294A1 (en) * | 2005-10-28 | 2007-05-10 | Jona Bonecutter | Critical incident response management systems and methods |
US20080094230A1 (en) * | 2006-10-23 | 2008-04-24 | Motorola, Inc. | Using location capabilities of a mobile device to permit users to avoid potentially harmful interactions |
CN101578603A (zh) * | 2006-11-14 | 2009-11-11 | 谷歌公司 | 事件搜索 |
CN102047658A (zh) * | 2008-04-06 | 2011-05-04 | 天射国际公司 | 用于事件记录的系统和方法 |
US8001067B2 (en) * | 2004-01-06 | 2011-08-16 | Neuric Technologies, Llc | Method for substituting an electronic emulation of the human brain into an application to replace a human |
CN202049586U (zh) * | 2011-05-11 | 2011-11-23 | 北京城市系统工程研究中心 | 一种客流智能监测预警系统 |
CN202421843U (zh) * | 2011-11-18 | 2012-09-05 | 北京中电兴发科技有限公司 | 一种多功能安防监控信息化哨位装置及其安防监控系统 |
US20120268269A1 (en) * | 2011-04-19 | 2012-10-25 | Qualcomm Incorporated | Threat score generation |
CN103888725A (zh) * | 2014-03-04 | 2014-06-25 | 深圳信息职业技术学院 | 一种安全监控方法及系统 |
CN204046720U (zh) * | 2014-03-04 | 2014-12-24 | 深圳信息职业技术学院 | 一种安全监控系统 |
US9024757B1 (en) * | 2012-05-09 | 2015-05-05 | Priority 5 Holdings, Inc. | Event prediction using temporal and geospatial precursor networks |
Family Cites Families (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7487112B2 (en) * | 2000-06-29 | 2009-02-03 | Barnes Jr Melvin L | System, method, and computer program product for providing location based services and mobile e-commerce |
US7756692B2 (en) * | 2004-11-12 | 2010-07-13 | Southwest Research Institute | Crowd behavior modeling method and system |
US8341110B2 (en) * | 2005-04-04 | 2012-12-25 | Geoeye Analytics Inc. | Temporal-influenced geospatial modeling system and method |
US7558404B2 (en) * | 2005-11-28 | 2009-07-07 | Honeywell International Inc. | Detection of abnormal crowd behavior |
US7774001B2 (en) * | 2005-12-16 | 2010-08-10 | Sony Ericsson Mobile Communications Ab | Device and method for determining where crowds exist |
US7932831B2 (en) * | 2006-07-11 | 2011-04-26 | At&T Intellectual Property I, L.P. | Crowd determination |
US20100198917A1 (en) * | 2009-02-02 | 2010-08-05 | Kota Enterprises, Llc | Crowd formation for mobile device users |
US20120066138A1 (en) * | 2009-08-24 | 2012-03-15 | Waldeck Technology, Llc | User affinity concentrations as social topography |
US8560608B2 (en) * | 2009-11-06 | 2013-10-15 | Waldeck Technology, Llc | Crowd formation based on physical boundaries and other rules |
US20120063367A1 (en) * | 2009-12-22 | 2012-03-15 | Waldeck Technology, Llc | Crowd and profile based communication addresses |
US8442807B2 (en) * | 2010-06-01 | 2013-05-14 | AT&T Intellectual I, L.P. | Systems, methods, and computer program products for estimating crowd sizes using information collected from mobile devices in a wireless communications network |
JP5984811B2 (ja) | 2011-01-13 | 2016-09-06 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 無線端末の位置の決定のための方法並びにその関連システム及び装置 |
US8755797B2 (en) * | 2011-05-18 | 2014-06-17 | Qualcomm Incorporated | Methods and apparatus for controlling provisioning of a wireless communication device |
US8649806B2 (en) * | 2011-09-02 | 2014-02-11 | Telecommunication Systems, Inc. | Aggregate location dynometer (ALD) |
US8949164B1 (en) | 2011-09-08 | 2015-02-03 | George O. Mohler | Event forecasting system |
US8855669B2 (en) * | 2011-12-16 | 2014-10-07 | Sap Ag | Crowd detection and guidance on mobile devices |
US9208386B1 (en) * | 2012-01-09 | 2015-12-08 | The United States Of America As Represented By The Secretary Of The Navy | Crowd state characterization system and method |
EP2706487A1 (en) * | 2012-07-18 | 2014-03-12 | ATS Group (IP Holdings) Limited | Method and system for crowd detection |
SG11201408288PA (en) * | 2012-08-09 | 2015-02-27 | Tata Consultancy Services Ltd | A system and method for measuring the crowdedness of people at a place |
US8892132B2 (en) * | 2012-09-05 | 2014-11-18 | Motorola Solutions, Inc. | Analytic and tracking systems and methods using over-the-air identifiers of mobile devices |
US8892484B2 (en) * | 2012-09-28 | 2014-11-18 | Sphere Of Influence, Inc. | System and method for predicting events |
US20160063144A1 (en) * | 2012-09-28 | 2016-03-03 | Gordon Cooke | System and method for modeling human crowd behavior |
US20160034712A1 (en) * | 2012-10-02 | 2016-02-04 | Banjo, Inc. | System and method for event-related content discovery, curation, and presentation |
US9219668B2 (en) * | 2012-10-19 | 2015-12-22 | Facebook, Inc. | Predicting the future state of a mobile device user |
JP5986689B2 (ja) * | 2012-11-06 | 2016-09-06 | アルカテル−ルーセント | イベント検出のために視覚情報を処理するためのシステムおよび方法 |
US9179185B2 (en) * | 2013-03-14 | 2015-11-03 | The Nielsen Company (Us), Llc | Methods and apparatus to determine a number of people in an area |
US10255352B1 (en) * | 2013-04-05 | 2019-04-09 | Hrl Laboratories, Llc | Social media mining system for early detection of civil unrest events |
US9503873B1 (en) * | 2013-05-14 | 2016-11-22 | Marshalla Yadav | Real-time, crowd-sourced, geo-location based system for enhancing personal safety |
US9497585B1 (en) * | 2013-09-12 | 2016-11-15 | Symantec Corporation | Systems and methods for managing emergency information |
US9210542B2 (en) * | 2013-12-09 | 2015-12-08 | Nec Europe Ltd. | Method and computer system for detecting crowds in a location tracking system |
US9397904B2 (en) * | 2013-12-30 | 2016-07-19 | International Business Machines Corporation | System for identifying, monitoring and ranking incidents from social media |
US9402155B2 (en) * | 2014-03-03 | 2016-07-26 | Location Labs, Inc. | System and method for indicating a state of a geographic area based on mobile device sensor measurements |
US10318909B2 (en) * | 2014-04-29 | 2019-06-11 | International Business Machines Corporation | Spatio-temporal key performance indicators |
US9817843B2 (en) * | 2014-09-26 | 2017-11-14 | Mcafee, Inc. | Notification of human safety reputation of a place based on historical events, profile data, and dynamic factors |
US9374675B2 (en) * | 2014-11-06 | 2016-06-21 | International Business Machines Corporation | Public service awareness of crowd movement and concentration |
US9747276B2 (en) * | 2014-11-14 | 2017-08-29 | International Business Machines Corporation | Predicting individual or crowd behavior based on graphical text analysis of point recordings of audible expressions |
US10623888B2 (en) * | 2015-03-05 | 2020-04-14 | Telenav, Inc. | Computing system with crowd prediction mechanism and method of operation thereof |
US9851775B2 (en) * | 2015-09-14 | 2017-12-26 | International Business Machines Corporation | Power reserve based on predicted natural calamity |
US20170103172A1 (en) * | 2015-10-07 | 2017-04-13 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | System And Method To Geospatially And Temporally Predict A Propagation Event |
US20170161614A1 (en) * | 2015-12-07 | 2017-06-08 | Rapidsos, Inc. | Systems and methods for predicting emergency situations |
US9826353B2 (en) * | 2016-03-24 | 2017-11-21 | Qualcomm Incorporated | Methods and systems for priority based geofences |
US11568059B2 (en) * | 2017-05-17 | 2023-01-31 | Threatmodeler Software Inc. | Systems and methods for automated threat model generation from diagram files |
US20210173937A1 (en) * | 2019-12-10 | 2021-06-10 | Lumu Technologies, Inc. | Cyber attack detection system |
-
2016
- 2016-12-12 EP EP16819461.1A patent/EP3391352B1/en active Active
- 2016-12-12 WO PCT/EP2016/080589 patent/WO2017102629A1/en unknown
- 2016-12-12 US US16/062,838 patent/US11790257B2/en active Active
- 2016-12-12 CN CN201680074178.8A patent/CN108604403B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020106059A1 (en) * | 1998-06-16 | 2002-08-08 | Kroll Mark W. | Public service answering point with automatic triage capability |
US20040005879A1 (en) * | 2002-05-23 | 2004-01-08 | Hitoshi Yashio | Information provision system and apparatus and method therefor |
US8001067B2 (en) * | 2004-01-06 | 2011-08-16 | Neuric Technologies, Llc | Method for substituting an electronic emulation of the human brain into an application to replace a human |
US20070103294A1 (en) * | 2005-10-28 | 2007-05-10 | Jona Bonecutter | Critical incident response management systems and methods |
US20080094230A1 (en) * | 2006-10-23 | 2008-04-24 | Motorola, Inc. | Using location capabilities of a mobile device to permit users to avoid potentially harmful interactions |
CN101578603A (zh) * | 2006-11-14 | 2009-11-11 | 谷歌公司 | 事件搜索 |
CN102047658A (zh) * | 2008-04-06 | 2011-05-04 | 天射国际公司 | 用于事件记录的系统和方法 |
US20120268269A1 (en) * | 2011-04-19 | 2012-10-25 | Qualcomm Incorporated | Threat score generation |
CN202049586U (zh) * | 2011-05-11 | 2011-11-23 | 北京城市系统工程研究中心 | 一种客流智能监测预警系统 |
CN202421843U (zh) * | 2011-11-18 | 2012-09-05 | 北京中电兴发科技有限公司 | 一种多功能安防监控信息化哨位装置及其安防监控系统 |
US9024757B1 (en) * | 2012-05-09 | 2015-05-05 | Priority 5 Holdings, Inc. | Event prediction using temporal and geospatial precursor networks |
CN103888725A (zh) * | 2014-03-04 | 2014-06-25 | 深圳信息职业技术学院 | 一种安全监控方法及系统 |
CN204046720U (zh) * | 2014-03-04 | 2014-12-24 | 深圳信息职业技术学院 | 一种安全监控系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111916035A (zh) * | 2019-05-07 | 2020-11-10 | 重庆好德译信息技术有限公司 | 一种有利于辅助用户视力保护的显示调节方法及系统 |
CN115188158A (zh) * | 2022-06-22 | 2022-10-14 | 中国电子科技集团公司电子科学研究院 | 一种基于历史案例空间分布的智能安全预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108604403B (zh) | 2020-06-16 |
EP3391352A1 (en) | 2018-10-24 |
US20190026643A1 (en) | 2019-01-24 |
WO2017102629A1 (en) | 2017-06-22 |
US11790257B2 (en) | 2023-10-17 |
EP3391352B1 (en) | 2019-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108604403A (zh) | 事件预测系统 | |
Cardone et al. | Crowdsensing in urban areas for city-scale mass gathering management: Geofencing and activity recognition | |
US8902066B2 (en) | Alert for real-time risk of theft or loss | |
Armstrong et al. | Examining GPS monitoring alerts triggered by sex offenders: The divergence of legislative goals and practical application in community corrections | |
US20120268269A1 (en) | Threat score generation | |
WO2017100686A1 (en) | Secure beacon-based location systems and methods | |
KR20140146080A (ko) | 단거리 무선 브로드캐스트들을 이용한 무선 아이덴티티 송신기 로케이팅 | |
Choosri et al. | IoT-RFID testbed for supporting traffic light control | |
US20190324151A1 (en) | System and Method for Radio and Wireless Measurements, Tracking and Reporting | |
JP6296510B2 (ja) | 移動物体の位置検索登録システム | |
US9336661B2 (en) | Safety communication system and method thereof | |
CN113875273B (zh) | 使用照明基础设施提供紧急支持的系统和方法 | |
US20070174099A1 (en) | Personnel performance monitoring system and method | |
CN109039827B (zh) | 基于位置的社交软件热点采集系统及其方法 | |
US20220375332A1 (en) | Integrated security management system and method | |
US10733859B2 (en) | System and method of alternative tracking upon disabling of monitoring device | |
KR102046807B1 (ko) | 긴급구조위치 전송시스템 | |
Kumarmanas et al. | An innovative device for monitoring and controlling vehicular movement in a Smart city | |
US10972875B2 (en) | System and method of alternative tracking upon disabling of monitoring device | |
Mostafa Abdelkhalek et al. | Dynamic User-Centric Clustered Workplaces for COVID-19 Control Measures Based on Geofencing and Deep Learning | |
Baaddi et al. | Hybrid Wireless Sensor-based system for chaotic traffic | |
CN118227856A (zh) | 一种基于多维感知的态势预警分析可视化系统及方法 | |
WO2019102497A1 (en) | Method and system for activity recording, visualisation and analysis for identified segments of forest | |
WO2019202244A1 (fr) | Système de gestion intelligent des objets connectés d'une ville ou d'un territoire comportant au moins un site équipé | |
JP2007328731A (ja) | 地域セキュリティーシステム及び地域セキュリティーサービス提供方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: Eindhoven Patentee after: Signify Holdings Ltd. Address before: Eindhoven, the Netherlands Patentee before: PHILIPS LIGHTING HOLDING B.V. |