CN108665096A - 人流量告警方法及装置 - Google Patents
人流量告警方法及装置 Download PDFInfo
- Publication number
- CN108665096A CN108665096A CN201810401897.7A CN201810401897A CN108665096A CN 108665096 A CN108665096 A CN 108665096A CN 201810401897 A CN201810401897 A CN 201810401897A CN 108665096 A CN108665096 A CN 108665096A
- Authority
- CN
- China
- Prior art keywords
- flow
- people
- time section
- historical
- historical time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000035945 sensitivity Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种人流量告警方法及装置。所述方法包括:按照预设时间周期采集指定区域的人流量;获取进行人流量告警的目标时间段;所述目标时间段的长度为所述时间周期的长度的N倍,所述N为大于等于1的整数;确定与所述目标时间段对应的至少一个历史时间段;所述历史时间段的长度等于所述目标时间段的长度;根据所述历史时间段的人流量计算流量阈值;获取所述指定区域目标时间段的人流量;根据所述流量阈值对所述指定区域目标时间段的人流量进行告警。本公开实施例根据历史时间段的人流量计算的得到的流量阈值,可以更加准确的对指定区域目标时间段的人流量进行告警。
Description
技术领域
本公开涉及流量预测技术领域,尤其涉及一种人流量告警方法及装置。
背景技术
随着城镇化的加速发展,人口剧增带来的问题愈发严重。对某区域的人流量进行有效的预测和告警,有利于相关部门及时采取措施或调整计划。根据经验值手动设置的流量阈值不准确,调整困难,会导致根据流量阈值进行人流量的告警误报率高,针对告警采取的不必要的调整措施多,不利于提高城市管理效率和资源利用率。
发明内容
有鉴于此,本公开提出了一种人流量告警方法及装置,用以解决人流量的告警误报率高的问题。
根据本公开的一方面,提供了一种人流量告警方法,所述方法包括:
按照预设时间周期采集指定区域的人流量;
获取进行人流量告警的目标时间段;所述目标时间段的长度为所述时间周期长度的N倍,所述N为大于等于1的整数;
确定与所述目标时间段对应的至少一个历史时间段;所述历史时间段的长度等于所述目标时间段的长度;
根据所述历史时间段的人流量计算流量阈值;
获取所述指定区域目标时间段的人流量;
根据所述流量阈值对所述指定区域目标时间段的人流量进行告警。
根据本公开的一方面,提供了一种人流量告警装置,所述装置包括:
人流量采集模块,用于按照预设时间周期采集指定区域的人流量;
目标时间段获取模块,用于获取进行人流量告警的目标时间段;所述目标时间段的长度为所述时间周期长度的N倍,所述N为大于等于1的整数;
历史时间段确定模块,用于确定与所述目标时间段对应的至少一个历史时间段;所述历史时间段的长度等于所述目标时间段的长度;
流量阈值计算模块,用于根据所述历史时间段的人流量计算流量阈值;
目标时间段人流量获取模块,用于获取所述指定区域目标时间段的人流量;
人流量告警模块,用于根据所述流量阈值对所述指定区域目标时间段的人流量进行告警。
本公开实施例中,根据与目标时间段对应的历史时间段的人流量计算得到的流量阈值,可以更加准确的对指定区域目标时间段的人流量进行告警。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本发明一实施例的人流量告警方法的流程图;
图2示出根据本发明一实施例的人流量告警方法中步骤S30的流程图;
图3示出根据本发明一实施例的人流量告警装置的框图;
图4是根据一示例性实施例示出的一种用于人流量告警装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
为更好的阐述本公开的实施例,将与人流量采集相关的时间概念阐述如下:
图1示出根据本发明一实施例的人流量告警方法的流程图,如图1所示,所述人流量告警方法包括:
步骤S10,按照预设时间周期采集指定区域的人流量。
步骤S20,获取进行人流量告警的目标时间段;所述目标时间段的长度为所述时间周期的长度的N倍,所述N为大于等于1的整数。
步骤S30,确定与所述目标时间段对应的至少一个历史时间段;所述历史时间段的长度等于所述目标时间段的长度。
步骤S40,根据所述历史时间段的人流量计算流量阈值。
步骤S50,获取所述指定区域目标时间段的人流量。
步骤S60,根据所述流量阈值对所述指定区域目标时间段的人流量进行告警。
在一种可能的实现方式中,时间周期可以为预设的采集人流量的时间间隔。可以根据需求设定时间周期。例如,预设时间周期为5分钟,则每隔5分钟采集一次人流量的数据,并将采集到的人流量作为此时间周期的人流量。采集人流量的时间可以是预设时间周期内的任意时刻。例如,可以在5分钟的第2分钟采集人流量,也可以在第5分钟采集人流量。本公开对此不做限定。
可以通过获取指定区域内不同位置的人流量的方式采集指定区域的人流量。例如,可以通过分别获取某商业区域内不同商业楼的人流量,再将各商业楼的人流量相加,获取某商业区域内的人流量。
当目标时间段的长度为时间周期的1倍时,目标时间段的长度与采集人流量的时间周期的长度相等。确定出的与目标时间段对应的各历史时间段的长度,也与时间周期的长度相等。当目标时间段的长度为时间周期的N倍且N大于1时,目标时间段的长度为时间周期长度的N倍,确定出的与目标时间段对应的各历史时间段的长度也是时间周期长度的N倍。
可以根据历史时间段的人流量计算流量阈值。与目标时间段对应的历史时间段,是目标时间段之前的时间段。历史时间段可以与目标时间段存在关联关系或具有相同的特征。例如,历史时间段和目标时间段均为恶劣天气或为相同的节日。一个区域内的人流量通常与时间段有密切的关联,例如商场周末的人流量一般大于工作日的人流量。因此,与目标时间段对应的历史时间段的人流量,可以准确的反应目标时间段的人流量。根据历史时间段计算出的流量阈值,也能够更好的用于预测目标时间段人流量。
流量阈值可以根据多个历史时间段的人流量的平均值计算得到,也可以根据多个历史时间段中人流量最大的历史时间段的人流量得到。流量阈值可以根据多个历史时间段的人流量的平均值与阈值系数相乘后得到,也可以根据多个历史时间段中人流量最大的历史时间段的人流量与阈值系数相乘后得到。本公开对此不做限定。
根据人流量的监控需求,当目标时间段的人流量大于计算得到的目标时间段的流量阈值时,可以发送告警信息。例如,商业区域A在历史上节假日的人流量为十万人,流量阈值为十万人。当目标时间段的商业区域A的人流量大于十万人时,可以发送告警信息,提醒商业区域的管理部门采取相应的限流措施。告警信息可以包括以下信息中的其中一种或任意组合:声音、光、震动、文字。本公开对此不做限定。
在本实施例中,根据历史时间段的人流量计算的得到的流量阈值,可以更加准确的对指定区域目标时间段的人流量进行告警。
图2示出根据本发明一实施例的人流量告警方法中步骤S30的流程图,如图2所示,所述人流量告警方法中步骤S30可包括:
步骤S31,选取至少一个历史时间段,对所述至少一个历史时间段按照距离目标时间段从近到远的顺序进行排序。
步骤S32,按照所述排序,将所述至少一个历史时间段进行分组,得到M个时间序列,每个时间序列包含m个历史时间段,所述M为大于等于1的正整数,所述m为大于等于1的正整数。
在一种可能的实现方式中,可以将历史时间段按照时间顺序排序后,以至少一个历史时间段为一组,将所有的历史时间段划分至M个时间序列。各时间序列中历史时间段的个数可以相同也可以不同。例如,将20个历史时间段按照时间顺序排序后,进行分组得到3个时间序列。第一个时间序列距离目标时间段最近,包括8个历史时间段。第三个时间序列距离目标时间段最远,包括7个历史时间段。第二个时间序列居中,包括5个历史时间段。
在一种可能的实现方式中,根据所述历史时间段的人流量计算流量阈值,包括:根据时间序列的人流量和所述时间序列的权重计算流量阈值,所述时间序列距离所述目标时间段越近,权重越大。
将历史时间段按照时间顺序排序后,分组得到时间序列。可以根据各时间序列距离目标时间段的远近不同,为不同的时间序列分配不同的权重。由于距离目标时间段较远的时间序列的人流量的参考意义较小,可以为其分配较小的权重,以减小较长时间以前的人流量对流量阈值产生的影响。可以将所有历史时间段的历史权重的总和设置为1。
在本实施例中,根据距离目标时间段的各时间序列的远近不同,为其分配不同的权重,计算得到的流量阈值准确率更高。
在一种可能的实现方式中国,所述人流量告警方法还包括:
确定每个所述历史时间段的人流量,若所述N=1,则所述历史时间段的人流量为在对应的时间周期采集到的人流量;若所述N为大于1的整数,则所述历史时间段的人流量为:将所述历史时间段包含的N个所述时间周期采集的人流量进行去重后相加,得到所述历史时间段的人流量。
在一种可能的实现方式中,若所述N=1,则所述历史时间段的人流量为在对应的时间周期采集到的人流量。每个历史时间段,包括1个时间周期采集到的人流量。例如,时间周期为5分钟,目标时间段也为5分钟,与目标时间段对应的各历史时间段均为5分钟。每个历史时间段的人流量,包括1个时间周期采集到的人流量。
若所述N为大于1的整数,则所述历史时间段的人流量包括N个时间周期采集到的人流量。例如,时间周期为5分钟,目标时间段为15分钟,与目标时间段对应的各历史时间段均为15分钟。每个15分钟的历史时间段的人流量,均包括3个5分钟的时间周期采集到的人流量。
当历史时间段的人流量包括N个时间周期采集的人流量时,可以将各历史时间段包含的N个时间周期采集的人流量进行去重后相加,得到最终的历史时间段的人流量。
在本实施例中,当历史时间段包括多个时间周期采集的人流量时,将各时间周期采集的人流量进行去重后相加,得到各历史时间段的人流量。各历史时间段的人流量根据与之对应的时间周期采集的人流量得出,结果准确。按照时间周期保存的人流量,可以被用于计算不同长度的目标时间段的人流量。
在一种可能的实现方式中,所述人流量告警方法中步骤S40包括:
步骤S41,采用如下公式计算流量阈值:
AT=u+kσ,
其中,所述AT为流量阈值,所述u为所有历史时间段的人流量的均值,所述k为灵敏度系数,所述σ为所有历史时间段的人流量的标准差,
将所有历史时间段进行分组得到M个时间序列,wi为所述M个时间序列中第i个时间序列的权重,
u=w1u1+w2u2+…+wiui+…+wMuM,
所述ui为所述M个时间序列中第i个时间序列包含的m个历史时间段的人流量的平均值;
所述σ=w1σ1+w2σ2+…+wiσi…+wMσM,
所述σi为所述M个时间序列中第i个时间序列包含的m个历史时间段的人流量的标准差;
所述
所述mi为第i个时间序列中的m个历史时间段的总个数,xj为第i个时间序列中第j个历史时间段的人流量。
在一种可能的实现方式中,计算时间序列中包含的m个历史时间段的人流量的平均值,并将计算得到的平均值确定为各时间序列的人流量ui。为各时间序列分配不同的权重,根据各时间序列的人流量和权重,得到人流量的均值u。
计算时间序列中包含的m个历史时间段的人流量的标准差,并将计算得到的标准差确定为各时间序列的人流量标准差。为各时间序列分配不同的权重,根据各时间序列的人流量标准差和权重,得到人流量的标准差σ。
可以通过设置灵敏度系数,使得流量阈值的设置更加的灵活。例如,灵敏度系数为k,历史时间段的人流量的均值为u,标准差为σ,流量阈值=u+k*σ。可以根据需求确定灵敏度系数的数值,灵敏度系数的数值越大,根据流量阈值得到的告警信息的灵敏度越高。灵敏度系数的范围可以为1.0至6.0之间的任意数值。根据人流量的均值u、人流量的标准差σ和为灵敏度系数k,可以得到目标时间段的流量阈值。
在本实施例中,根据历史时间段的人流量的均值、标准差和灵敏度系数计算的流量阈值,更加准确、合理。
在一种可能的实现方式中,步骤S50,包括:
若所述N=1,则所述目标时间段的人流量为在对应的时间周期采集到的人流量;
若所述N为大于1的整数,则所述目标时间段的人流量为:将所述目标时间段包含的N个所述时间周期采集的人流量进行去重后相加,得到所述目标时间段的人流量。
在一种可能的实现方式中,根据目标时间段与时间周期之间的对应关系,可以获取目标时间段的人流量。当目标时间段的长度与时间周期的长度相等时,时间周期采集到的人流量即是目标时间段的人流量。当目标时间段的长度为时间周期的长度的N倍时,时间周期采集到的人流量即是N个目标时间段的人流量去重后相加得到的。
在一种可能的实现方式中,步骤S60,包括:
若所述流量阈值大于0、且所述指定区域目标时间段的人流量大于所述流量阈值,则对所述指定区域目标时间段的人流量告警。
在一种可能的实现方式中,当目标时间段之前没有存储的历史数据时,可以将流量阈值设置为0。当流量阈值为0时,不发送告警信息。
当获取到的指定区域在目标时间段的人流量大于流量阈值时,可以认为目标时间段的人流量超过了历史平均水平,需要进行人流告警。
在本实施例中,当目标时间段之前没有存储的历史数据时,不发送告警信息,可以使得人流量的告警更加准确。
在一种可能的实现方式中,可以根据需要预先设置预测时长。预测时长包括N倍的时间周期,且N大于1。在按照预设时间周期采集指定区域的人流量后,根据预测时长与时间周期之间的对应关系,将与预测时长对应的多个时间周期采集到的人流量进行去重后相加,得到各预测时长的人流量后保存。当设置了预测时长后,目标时间段的长度需要与预测时长相等。根据目标时间段,可以确定与之对应的各预测时长,并直接提取各预测时长的人流量计算流量阈值即可。流量阈值的计算过程简单。
在一种可能的实现方式中,也可以不预设预测时长,而是将历史人流量的数据按照时间周期采集并按照时间周期进行存储,在计算告警阈值时,可以先读取各时间周期对应的人流量的历史数据,再计算出与目标时间段所对应的历史时间段的人流量。
应用示例:
1、确定需要预测告警的目标时间段:
目标时间段的长度和可以大于或等于一个时间周期。例如,目标时间段的长度是时间周期的长度的倍数。
当目标时间段等于一个时间周期时,例如需要预测的目标时间段为4月24日16:00-17:00,采集人流量的时间周期为1小时,即采集器每次采集到的人流量的数据为1小时的人流量的数据。采集器可以在一小时内的任意时间采集人流量。可以将在17:00采集的人流量数据作为4月24日16:00-17:00的人流量的数据。假设需要预测的区域一共20个AP(Access Point,接入点),20个AP在17:00接入的用户的总数为5000,则4月24日16:00-17:00的人流量ST为5000人。
当目标时间段大于一个时间周期,且是时间周期的倍数,例如需要预测的目标时间段为4月24日16:00-17:00,采集人流量的时间周期为5分钟,即采集器每次采集到的人流量的数据为5分钟的人流量的数据。采集器可以在5分钟内的任意时间采集人流量。假设需要预测的区域一共20个AP,可以将20个AP分别在16:05、16:10、16:15…….17:00采集到的12组人流量的数据,进行去重后相加,最终得到4月24日16:00-17:00的人流量ST为5000人。
2、计算告警阈值AT:
2、1确定时间序列:
假设收集到对应目标时间段4月24日16:00-17:00的所有历史时间段,包括4月1日至4月23日每日16:00-17:00的人流量的历史数据。可以所有的历史时间段按照距离目标时间段由近及远的顺序排序,将排序后的所有历史时间段划分为M个时间序列。各时间序列中的历史时间段的个数可以相同也可以不同。假设将所有的历史时间段划分为3个时间序列:M1,M2,M3。其中,M1距离目标时间段最近,M3距离目标时间段最远。
每个时间序列包含m个16:00-17:00的人流量的历史数据。例如,M3中包含4月1日-4月15日共15天的15个16:00-17:00的人流量的历史数据,即M3包含m=15个历史时间段。M2中包含4月16日-4月22日共7天的7个16:00-17:00的人流量的历史数据,即M2包含m=7个历史时间段。M1中包含4月23日共1天的1个16:00-17:00的人流量的历史数据,即M1包含m=1个历史时间段。
2、2计算各时间序列的均值
例如计算M3的均值u3,可以将15个历史时间段的人流量的历史数据相加后除以15。计算M2的均值u2,可以将7个历史时间段的人流量的历史数据相加后除以7。M1只包含4月23日1个16:00-17:00的人流量数据,则M1的平均值u1就是该历史时间段的数据本身。
当目标时间段大于一个时间周期,是时间周期的倍数时,以M1为例,M1中包含15个历史时间段的人流量的历史数据,每个历史时间段的人流量的历史数据都是12组人流量的数据去重后相加的结果。
采用如下公式计算所有时间序列的均值:
u=αu1+βu2+γu3,
α为M1的权重,β为M2的权重,γ为M3的权重。
α>β>γ且α+β+γ=1(α推荐取0.6~0.8,β推荐取0.2~0.4,γ推荐取0.1~0.2)。
2、3计算各时间序列的标准差
可以根据计算各时间序列的标准差。其中,所述mi为第i个时间序列中的m个历史时间段的总个数,xj为第i个时间序列中第j个历史时间段的人流量。
例如以M3为例计算标准差。M3包含m=15个历史时间段,即M3包括15个历史时间段的人流量的历史数据。则公式中的i=3时,j取1-15中任意值,公式中的xj为M3中第j个历史时间段的人流量的值。假设M3中的15个历史时间段的人流量的历史数据分别是:20、40、30、50、……100,当j=2时,xj的取值为40。
采用如下公式计算所有时间序列的标准差:
σ=ασ1+βσ2+γσ3,
α为M1的权重,β为M2的权重,γ为M3的权重。
2、4计算告警阈值
根据以下的公式计算告警阈值:
AT=u+kσ,
其中,所述AT为流量阈值,所述u为所有时间序列(即所有历史时间段)的人流量的均值,所述k为灵敏度系数,所述σ为所有时间序列(即所有历史时间段)的人流量的标准差。默认k=2.0。
3发送告警:
若AT>0,且ST>AT,则发送人流量告警信息。
当历史时间段的数据为空,或当目标时间段是第一个时间段时,AT=0。
图3示出根据本发明一实施例的人流量告警装置的框图,如图3所示,所述人流量告警装置包括:
人流量采集模块10,用于按照预设时间周期采集指定区域的人流量;
目标时间段获取模块20,用于获取进行人流量告警的目标时间段;所述目标时间段的长度为所述时间周期的长度的N倍,所述N为大于等于1的整数;
历史时间段确定模块30,用于确定与所述目标时间段对应的至少一个历史时间段;所述历史时间段的长度等于所述目标时间段的长度;
流量阈值计算模块40,用于根据所述历史时间段的人流量计算流量阈值;
目标时间段人流量获取模块50,用于获取所述指定区域目标时间段的人流量;
告警模块60,用于根据所述流量阈值对所述指定区域目标时间段的人流量进行告警。
在一种可能的实现方式中,所述历史时间段确定模块,用于:
选取至少一个历史时间段,对所述至少一个历史时间段按照距离目标时间段从近到远的顺序进行排序;
按照所述排序,将所述至少一个历史时间段进行分组,得到M个时间序列,每个时间序列包含m个历史时间段,所述M为大于等于1的正整数,所述m为大于等于1的正整数。
在一种可能的实现方式中,该装置还包括:
历史时间段的人流量获取模块,用于确定每个所述历史时间段的人流量,若所述N=1,则所述历史时间段的人流量为在对应的时间周期采集到的人流量;若所述N为大于1的整数,则所述历史时间段的人流量为:将所述历史时间段包含的N个所述时间周期采集的人流量进行去重后相加,得到所述历史时间段的人流量。
在一种可能的实现方式中,所述流量阈值计算模块,用于:
采用如下公式计算流量阈值:
AT=u+kσ,
其中,所述AT为流量阈值,所述u为所有历史时间段的人流量的均值,所述k为灵敏度系数,所述σ为所有历史时间段的人流量的标准差,
将所有历史时间段进行分组得到M个时间序列,wi为所述M个时间序列中第i个时间序列的权重,
u=w1u1+w2u2+…+wiui+…+wMuM,
所述ui为所述M个时间序列中第i个时间序列包含的m个历史时间段的人流量的平均值;
所述σ=w1σ1+w2σ2+…+wiσi…+wMσM,
所述σi为所述M个时间序列中第i个时间序列包含的m个历史时间段的人流量的标准差;
所述
所述mi为第i个时间序列中的m个历史时间段的总个数,xj为第i个时间序列中第j个历史时间段的人流量。
在一种可能的实现方式中,所述目标时间段人流量获取模块,用于:
若所述N=1,则所述目标时间段的人流量为在对应的时间周期采集到的人流量;
若所述N为大于1的整数,则所述目标时间段的人流量为:将所述目标时间段包含的N个所述时间周期采集的人流量进行去重后相加,得到所述目标时间段的人流量。
在一种可能的实现方式中,所述告警模块,用于:
若所述流量阈值大于0、且所述指定区域目标时间段的人流量大于所述流量阈值,则对所述指定区域目标时间段的人流量告警。
图4是根据一示例性实施例示出的一种用于人流量告警装置900的框图。参照图4,该装置900可包括处理器901、存储有机器可执行指令的机器可读存储介质902。处理器901与机器可读存储介质902可经由系统总线903通信。并且,处理器901通过读取机器可读存储介质902中与异步通信逻辑对应的机器可执行指令以执行上文所述的异步通信方法。
本文中提到的机器可读存储介质902可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (12)
1.一种人流量告警方法,其特征在于,所述方法包括:
按照预设时间周期采集指定区域的人流量;
获取进行人流量告警的目标时间段;所述目标时间段的长度为所述时间周期的长度的N倍,所述N为大于等于1的整数;
确定与所述目标时间段对应的至少一个历史时间段;所述历史时间段的长度等于所述目标时间段的长度;
根据所述历史时间段的人流量计算流量阈值;
获取所述指定区域目标时间段的人流量;
根据所述流量阈值对所述指定区域目标时间段的人流量进行告警。
2.根据权利要求1所述的方法,其特征在于,确定与所述目标时间段对应的至少一个历史时间段,包括:
选取至少一个历史时间段,对所述至少一个历史时间段按照距离目标时间段从近到远的顺序进行排序;
按照所述排序,将所述至少一个历史时间段进行分组,得到M个时间序列,每个时间序列包含m个历史时间段,所述M为大于等于1的正整数,所述m为大于等于1的正整数。
3.根据权利要求2所述的方法,其特征在于,该方法还包括:
确定每个所述历史时间段的人流量,若所述N=1,则所述历史时间段的人流量为在对应的时间周期采集到的人流量;若所述N为大于1的整数,则所述历史时间段的人流量为:将所述历史时间段包含的N个所述时间周期采集的人流量进行去重后相加,得到所述历史时间段的人流量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述历史时间段的人流量计算流量阈值,包括:
采用如下公式计算流量阈值:
AT=u+kσ,
其中,所述AT为流量阈值,所述u为所有历史时间段的人流量的均值,所述k为灵敏度系数,所述σ为所有历史时间段的人流量的标准差,
将所有历史时间段进行分组得到M个时间序列,wi为所述M个时间序列中第i个时间序列的权重,
u=w1u1+w2u2+…+wiui+…+wMuM,
所述ui为所述M个时间序列中第i个时间序列包含的m个历史时间段的人流量的平均值;
所述σ=w1σ1+w2σ2+…+wiσi…+wMσM,
所述σi为所述M个时间序列中第i个时间序列包含的m个历史时间段的人流量的标准差;
所述
所述mi为第i个时间序列中的m个历史时间段的总个数,xj为第i个时间序列中第j个历史时间段的人流量。
5.根据权利要求2所述的方法,其特征在于,获取所述指定区域目标时间段的人流量,包括:
若所述N=1,则所述目标时间段的人流量为在对应的时间周期采集到的人流量;
若所述N为大于1的整数,则所述目标时间段的人流量为:将所述目标时间段包含的N个所述时间周期采集的人流量进行去重后相加,得到所述目标时间段的人流量。
6.根据权利要求4或5所述的方法,其特征在于,根据所述流量阈值对所述指定区域目标时间段的人流量进行告警,包括:
若所述流量阈值大于0、且所述指定区域目标时间段的人流量大于所述流量阈值,则对所述指定区域目标时间段的人流量告警。
7.一种人流量告警装置,其特征在于,所述装置包括:
人流量采集模块,用于按照预设时间周期采集指定区域的人流量;
目标时间段获取模块,用于获取进行人流量告警的目标时间段;所述目标时间段的长度为所述时间周期的长度的N倍,所述N为大于等于1的整数;
历史时间段确定模块,用于确定与所述目标时间段对应的至少一个历史时间段;所述历史时间段的长度等于所述目标时间段的长度;
流量阈值计算模块,用于根据所述历史时间段的人流量计算流量阈值;
目标时间段人流量获取模块,用于获取所述指定区域目标时间段的人流量;
告警模块,用于根据所述流量阈值对所述指定区域目标时间段的人流量进行告警。
8.根据权利要求7所述的装置,其特征在于,所述历史时间段确定模块,用于:
选取至少一个历史时间段,对所述至少一个历史时间段按照距离目标时间段从近到远的顺序进行排序;
按照所述排序,将所述至少一个历史时间段进行分组,得到M个时间序列,每个时间序列包含m个历史时间段,所述M为大于等于1的正整数,所述m为大于等于1的正整数。
9.根据权利要求8所述的装置,其特征在于,该装置还包括:
历史时间段的人流量获取模块,用于确定每个所述历史时间段的人流量,若所述N=1,则所述历史时间段的人流量为在对应的时间周期采集到的人流量;若所述N为大于1的整数,则所述历史时间段的人流量为:将所述历史时间段包含的N个所述时间周期采集的人流量进行去重后相加,得到所述历史时间段的人流量。
10.根据权利要求9所述的装置,其特征在于,所述流量阈值计算模块,用于采用如下公式计算流量阈值:
AT=u+kσ,
其中,所述AT为流量阈值,所述u为所有历史时间段的人流量的均值,所述k为灵敏度系数,所述σ为所有历史时间段的人流量的标准差,
将所有历史时间段进行分组得到M个时间序列,wi为所述M个时间序列中第i个时间序列的权重,
u=w1u1+w2u2+…+wiui+…+wMuM,
所述ui为所述M个时间序列中第i个时间序列包含的m个历史时间段的人流量的平均值;
所述σ=w1σ1+w2σ2+…+wiσi…+wMσM,
所述σi为所述M个时间序列中第i个时间序列包含的m个历史时间段的人流量的标准差;
所述
所述mi为第i个时间序列中的m个历史时间段的总个数,xj为第i个时间序列中第j个历史时间段的人流量。
11.根据权利要求8所述的装置,其特征在于,所述目标时间段人流量获取模块,用于:
若所述N=1,则所述目标时间段的人流量为在对应的时间周期采集到的人流量;
若所述N为大于1的整数,则所述目标时间段的人流量为:将所述目标时间段包含的N个所述时间周期采集的人流量进行去重后相加,得到所述目标时间段的人流量。
12.根据权利要求10或11所述的装置,其特征在于,所述告警模块,用于:
若所述流量阈值大于0、且所述指定区域目标时间段的人流量大于所述流量阈值,则对所述指定区域目标时间段的人流量告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810401897.7A CN108665096B (zh) | 2018-04-28 | 2018-04-28 | 人流量告警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810401897.7A CN108665096B (zh) | 2018-04-28 | 2018-04-28 | 人流量告警方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108665096A true CN108665096A (zh) | 2018-10-16 |
CN108665096B CN108665096B (zh) | 2020-04-14 |
Family
ID=63781428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810401897.7A Active CN108665096B (zh) | 2018-04-28 | 2018-04-28 | 人流量告警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108665096B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109451432A (zh) * | 2018-11-14 | 2019-03-08 | 浙江每日互动网络科技股份有限公司 | 一种基于移动终端位置数据进行预警的方法 |
CN110160298A (zh) * | 2019-05-21 | 2019-08-23 | 合肥美的电冰箱有限公司 | 用于制冰设备的控制方法、控制系统和制冰设备 |
CN110175562A (zh) * | 2019-05-24 | 2019-08-27 | 深圳职业技术学院 | 一种基于并行计算的gpu加速行人检测算法 |
CN111260140A (zh) * | 2020-01-19 | 2020-06-09 | 武汉中科通达高新技术股份有限公司 | 一种预测地铁站内瞬间返程大客流的方法 |
CN111800807A (zh) * | 2019-04-08 | 2020-10-20 | 中移(苏州)软件技术有限公司 | 一种基站用户数量告警的方法及装置 |
CN113724116A (zh) * | 2020-12-18 | 2021-11-30 | 京东城市(北京)数字科技有限公司 | 一种区域人群活跃度确定方法、装置及电子设备 |
CN114694285A (zh) * | 2022-03-29 | 2022-07-01 | 重庆紫光华山智安科技有限公司 | 人流量告警方法、装置、电子设备和存储介质 |
CN115277713A (zh) * | 2022-07-27 | 2022-11-01 | 京东科技信息技术有限公司 | 负载均衡方法和装置 |
CN117592790A (zh) * | 2024-01-19 | 2024-02-23 | 全民认证科技(杭州)有限公司 | 一种区域告警方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202075864U (zh) * | 2011-04-28 | 2011-12-14 | 北京市劳动保护科学研究所 | 异常交通状态自动检测系统 |
CN105516370A (zh) * | 2016-02-05 | 2016-04-20 | 携程计算机技术(上海)有限公司 | 实时推送系统及方法 |
CN105763853A (zh) * | 2016-04-14 | 2016-07-13 | 北京中电万联科技股份有限公司 | 一种公共区域拥挤、踩踏事件应急预警方法 |
CN105791022A (zh) * | 2016-04-14 | 2016-07-20 | 北京中电万联科技股份有限公司 | 一种拥挤度检测预警系统 |
-
2018
- 2018-04-28 CN CN201810401897.7A patent/CN108665096B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202075864U (zh) * | 2011-04-28 | 2011-12-14 | 北京市劳动保护科学研究所 | 异常交通状态自动检测系统 |
CN105516370A (zh) * | 2016-02-05 | 2016-04-20 | 携程计算机技术(上海)有限公司 | 实时推送系统及方法 |
CN105763853A (zh) * | 2016-04-14 | 2016-07-13 | 北京中电万联科技股份有限公司 | 一种公共区域拥挤、踩踏事件应急预警方法 |
CN105791022A (zh) * | 2016-04-14 | 2016-07-20 | 北京中电万联科技股份有限公司 | 一种拥挤度检测预警系统 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109451432A (zh) * | 2018-11-14 | 2019-03-08 | 浙江每日互动网络科技股份有限公司 | 一种基于移动终端位置数据进行预警的方法 |
CN111800807A (zh) * | 2019-04-08 | 2020-10-20 | 中移(苏州)软件技术有限公司 | 一种基站用户数量告警的方法及装置 |
CN110160298A (zh) * | 2019-05-21 | 2019-08-23 | 合肥美的电冰箱有限公司 | 用于制冰设备的控制方法、控制系统和制冰设备 |
CN110160298B (zh) * | 2019-05-21 | 2021-08-06 | 合肥美的电冰箱有限公司 | 用于制冰设备的控制方法、控制系统和制冰设备 |
CN110175562B (zh) * | 2019-05-24 | 2024-01-16 | 深圳职业技术大学 | 一种基于并行计算的gpu加速行人检测算法 |
CN110175562A (zh) * | 2019-05-24 | 2019-08-27 | 深圳职业技术学院 | 一种基于并行计算的gpu加速行人检测算法 |
CN111260140A (zh) * | 2020-01-19 | 2020-06-09 | 武汉中科通达高新技术股份有限公司 | 一种预测地铁站内瞬间返程大客流的方法 |
CN113724116A (zh) * | 2020-12-18 | 2021-11-30 | 京东城市(北京)数字科技有限公司 | 一种区域人群活跃度确定方法、装置及电子设备 |
CN113724116B (zh) * | 2020-12-18 | 2024-10-22 | 京东城市(北京)数字科技有限公司 | 一种区域人群活跃度确定方法、装置及电子设备 |
CN114694285B (zh) * | 2022-03-29 | 2023-09-01 | 重庆紫光华山智安科技有限公司 | 人流量告警方法、装置、电子设备和存储介质 |
CN114694285A (zh) * | 2022-03-29 | 2022-07-01 | 重庆紫光华山智安科技有限公司 | 人流量告警方法、装置、电子设备和存储介质 |
CN115277713A (zh) * | 2022-07-27 | 2022-11-01 | 京东科技信息技术有限公司 | 负载均衡方法和装置 |
CN117592790A (zh) * | 2024-01-19 | 2024-02-23 | 全民认证科技(杭州)有限公司 | 一种区域告警方法及系统 |
CN117592790B (zh) * | 2024-01-19 | 2024-04-09 | 全民认证科技(杭州)有限公司 | 一种区域告警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108665096B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108665096A (zh) | 人流量告警方法及装置 | |
WO2022247677A1 (zh) | 基于混合深度学习模型的城市区域路网过车流量预测方法及其系统 | |
CN106503840B (zh) | 停车场可用车位预测方法及系统 | |
CN108593990B (zh) | 一种基于电能用户用电行为模式的窃电检测方法和应用 | |
CN103620363B (zh) | 借助随机的质量平衡识别泄漏 | |
EP2672737A1 (en) | Terminal quantity estimation device and terminal quantity estimation method | |
CN116303480B (zh) | 基于云计算的电能表误差校验方法 | |
CN107330540A (zh) | 一种考虑电压质量的配电网台区缺供电量预测方法 | |
Martin et al. | Evaluation of gridded population models using 2001 Northern Ireland Census data | |
KR101838393B1 (ko) | 시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법 | |
CN116680658A (zh) | 一种基于风险评价的热浪监测站选址方法及系统 | |
Nobert et al. | Estimation of design floods in ungauged catchments using a regional index flood method. A case study of Lake Victoria Basin in Kenya | |
CN108595814B (zh) | 一种基于实测的多年降水数据模拟逐日降水量的方法 | |
KR101738745B1 (ko) | 셀 가치 추산을 이용한 범죄 예측 방법 및 범죄 예측 시스템 | |
CN115329904B (zh) | 一种判别人口数据的离群点检测方法、系统和存储介质 | |
CN108256693A (zh) | 一种光伏发电功率预测方法、装置及系统 | |
CN112580881A (zh) | 营业网点选址方法、装置、计算机设备及存储介质 | |
KR20160074325A (ko) | 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 | |
CN112288172A (zh) | 台区线损率的预测方法、装置 | |
CN110889536A (zh) | 警情态势预测和预警方法及其系统 | |
CN110348175A (zh) | 一种光伏电站有效辐照计算方法和装置 | |
CN109829652A (zh) | 一种长时间尺度动态谐波责任划分方法 | |
Fang et al. | Non-identical models for seasonal flood frequency analysis | |
CN113892220A (zh) | 监测电动车辆充电网络中能量消耗的方法、装置及计算机程序产品 | |
CN115908082A (zh) | 基于用电特征指标的企业排污监控方法及装置 |
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 |