CN110399923A - 一种基于多数据融合的客流监测方法及系统 - Google Patents
一种基于多数据融合的客流监测方法及系统 Download PDFInfo
- Publication number
- CN110399923A CN110399923A CN201910680499.8A CN201910680499A CN110399923A CN 110399923 A CN110399923 A CN 110399923A CN 201910680499 A CN201910680499 A CN 201910680499A CN 110399923 A CN110399923 A CN 110399923A
- Authority
- CN
- China
- Prior art keywords
- storage
- estimation
- target area
- error
- equipment
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本发明涉及一种基于多数据融合的客流监测方法及系统,包括选定一目标区域,预设所述目标区域内人员存量初值;根据多个通量式计数设备分别获取的客流进入该区域和离开该区域的人数及所述人员存量初值计算出第一存量估计Pa,并根据客流通量和设备误差率计算出第一存量估计误差Ea;根据各个存量式计数设备获取人数的加和及设备拼缝处产生的人数重复误差计算出第二存量估计Pb,并根据所述第二存量估计和设备误差率计算出第二存量估计误差Eb;根据所述第一存量估计Pa和所述第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,计算出人数存量综合估计及该综合估计的误差范围。本发明解决了目前客流监测存在误差,精度无法满足实际应用的要求。
Description
技术领域
本发明涉及客流监测技术领域,尤其涉及一种基于多数据融合的客流监测方法及系统。
背景技术
目前,按照功能分类,客流监测终端设备可分为通量式计数设备和存量式计数设备两种。通量式设备,是指设置于区域出入口处,统计客流进入和出离人数的设备,该类型设备计数精度高,工作性能稳定,但工作区域较小,不利于广泛覆盖,且计算客流存量的误差受通量客流累计影响。存量式设备,是指普遍覆盖统计区域范围的设备,该类型覆盖广泛,成本较为低廉,不存在误差随通量增加而累积的现象,但精度较低,特别是在人员密集场所精度无法满足实际使用要求。
发明内容
鉴于上述的分析,本发明旨在提供一种基于多数据融合的客流监测方法及系统,以解决目前客流监测终端设备存在的上述部分或全部问题。
本发明的目的主要是通过以下技术方案实现的:
一方面,本发明实施例提供了一种基于多数据融合的客流监测方法,包括以下步骤:
S1,选定一目标区域,预设所述目标区域内人员存量初值;
S2,根据包围所述目标区域的多个通量式计数设备分别获取的客流进入该区域和离开该区域的人数及所述目标区域内人员存量初值计算出该区域内人数第一存量估计Pa,并根据客流通量和设备误差率计算出第一存量估计误差Ea;
S3,根据覆盖所述目标区域的各个存量式计数设备获取人数的加和及设备拼缝处产生的人数重复误差计算出该区域内人数第二存量估计Pb,并根据所述第二存量估计和设备误差率计算出第二存量估计误差Eb;
S4,根据所述第一存量估计Pa和所述第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,计算出人数存量综合估计及该综合估计的误差范围。
进一步地,所述步骤S4中人数存量综合估计的计算公式如下:
其中,P为该区域的人数综合存量估计,E为人数综合存量估计的误差范围,Pa为包围目标区域的第一存量估计,Pb为覆盖目标区域的第二存量估计,Ea为Pa对应的第一存量估计误差,Eb为Pb对应的第二存量估计误差。
进一步地,所述步骤S4中综合估计的误差范围计算过程包括将所述人数存量综合估计按照预设比例分配到各个存量式计数设备,与所述存量式计数设备的计数加和进行比对,按照如下公式重新评估和修正所述各个存量式计数设备的误差范围:
Ei=EPi/∑Pi;
其中,Ei为修正后的第i个存量式计数设备的误差范围,Pi为第i个存量式计数设备获取的人数,∑Pi为为覆盖目标区域的各个存量式计数设备获取的人数加和,E为人数综合存量估计的误差范围。
进一步地,所述步骤S2中区域内人数第一存量估计Pa的计算公式如下:
Pa=P0+∑P入-∑P出;
其中,P0为目标区域内人员存量初值,∑P入为客流进入通量式计数设备包围的目标区域的人数,∑P出为客流离开通量式计数设备包围的目标区域的人数。
进一步地,所述步骤S2中第一存量估计误差的计算公式如下:
Ea=εa(∑P入+∑P出);
其中,εa为通量式计数设备误差率,∑P入为客流进入通量式计数设备包围的目标区域的人数,∑P出为客流离开通量式计数设备包围的目标区域的人数。
进一步地,所述步骤S3中第二存量估计误差Eb的计算公式如下:
Eb=εbPb;
其中,εb为存量式计数设备误差率,Pb为区域内人数第二存量估计。
进一步地,所述步骤S3中区域内人数第二存量估计的计算公式如下:
Pb=η*(∑Pi-Ec);
其中,η为统计修正系数,∑Pi为覆盖目标区域的各个存量式计数设备获取的人数加和,i为存量式计数设备个数,Ec为存量式计数设备拼缝处产生的人数重复计数误差。
另一方面,本发明实施例提供了一种基于多数据融合的客流监测系统包括计算单元和通讯单元,还包括多个通量式计数设备和多个存量式计数设备;
多个所述通量式计数设备布设于选定一目标区域的出入口,用于获取客流进入包围的目标区域和离开包围的目标区域的人数;
多个所述存量式计数设备布设于选定一目标区域的点阵中,用于获取各个覆盖目标区域的人数;
所述通讯单元将所述通量式计数设备获取的客流进入包围的目标区域和离开包围的目标区域的人数,以及多个所述存量式计数设备获取的各个覆盖目标区域的人数发送给所述计算单元;
所述计算单元,用于根据客流进入目标区域和离开目标区域的人数及所述目标区域内人员存量初值计算出该区域内人数第一存量估计Pa,并根据客流通量和设备误差率计算出第一存量估计误差Ea;还用于根据覆盖所述目标区域的人数加和及设备拼缝处产生的人数重复误差计算出该目标区域内人数第二存量估计Pb,并根据所述人数存量估计和设备误差率计算出第二存量估计误差Eb;进一步用于根据所述第一存量估计Pa和所述第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,计算出人数存量综合估计及该综合估计的误差范围。
进一步地,所述计算单元根据所述第一存量估计Pa和第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,按照以下公式计算出人数存量综合估计:
其中,P为该区域的人数综合存量估计,E为人数综合存量估计的误差范围,Pa为包围目标区域的第一存量估计,Pb为覆盖目标区域的第二存量估计,Ea为Pa对应的第一存量估计误差,Eb为Pb对应的第二存量估计误差。
所述计算单元将所述人数存量综合估计按照预设比例分配到各个存量式计数设备,与所述存量式计数设备的计数加和进行比对,按照如下公式重新评估和修正所述各个存量式计数设备的误差范围:
Ei=EPi/∑Pi;
其中,Ei为修正后的第i个存量式计数设备的误差范围,Pi为第i个存量式计数设备获取的人数,∑Pi为为覆盖目标区域的各个存量式计数设备获取的人数加和,E为人数综合存量估计的误差范围。
进一步地,所述计算单元根据客流进入目标区域人数∑P入和离开目标区域人数∑P出及所述目标区域内人员存量初值P0按照如下公式计算出该区域内人数第一存量估计Pa:
Pa=P0+∑P入-∑P出;
所述计算单元还根据客流通量∑P入和∑P出及设备误差率εa按照如下公式计算出第一存量估计误差Ea:
Ea=εa(∑P入+∑P出);
所述计算单元根据覆盖所述目标区域的人数加和∑Pi及设备拼缝处产生的人数重复误差Ec按照如下公式计算出该目标区域内人数第二存量估计Pb:
Pb=η*(∑Pi-Ec);
其中,η为统计修正系数,i为存量式计数设备个数;
所述计算单元进一步根据所述第二存量估计Pb和设备误差率εb按照如下公式计算出第二存量估计误差Eb:
Eb=εbPb。
本发明技术方案的有益效果如下:综合运用多种客流监测技术手段,构建高精度高可靠的大客流监测系统,通过数据融合手段有效控制客流监测误差,提高计数精度;并且在部分传感器发生故障时,能够根据其他正常工作的传感器数据进行合理的数据估计。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分的从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例的一种基于多传感器数据融合的客流监测方法流程图;
图2为本发明实施例的一种基于多传感器数据融合的客流监测结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明的一个具体实施例,如图1所示,一种基于多数据融合的客流监测方法,包括以下步骤:
S1,选定一目标区域,预设所述目标区域内人员存量初值;
S2,根据包围所述目标区域的多个通量式计数设备分别获取的客流进入该区域和离开该区域的人数及所述目标区域内人员存量初值计算出该区域内人数第一存量估计Pa,并根据客流通量和设备误差率计算出第一存量估计误差Ea;
S3,根据覆盖所述目标区域的各个存量式计数设备获取人数的加和及设备拼缝处产生的人数重复误差计算出该区域内人数第二存量估计Pb,并根据所述第二存量估计和设备误差率计算出第二存量估计误差Eb;
S4,根据所述第一存量估计Pa和所述第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,计算出人数存量综合估计及该综合估计的误差范围。
其中的目标区域内人员存量初值由工作人员通过初始的存量式计数设备获得精确的数值。
与现有技术相比,本发明实施例通过多传感器数据融合手段有效控制客流监测误差,从而提高计数精度。
本发明的一个具体实施例,所述步骤S4中人数存量综合估计的计算公式如下:
其中,P为该区域的人数综合存量估计,E为人数综合存量估计的误差范围,Pa为包围目标区域的第一存量估计,Pb为覆盖目标区域的第二存量估计,Ea为Pa对应的第一存量估计误差,Eb为Pb对应的第二存量估计误差。
需要说明的是,“<<”表示“远小于”,根据实际情况可选取一比例系数m,使得在Ea/Eb<m时,判定Ea<<Eb,反之同理。根据两种存量估计及与之对应的误差估计计算出人员存量综合估计可以实现客流监测数据的高精度监测。
本发明的一个具体实施例,所述步骤S4中综合估计的误差范围计算过程包括将所述人数存量综合估计按照预设比例分配到各个存量式计数设备,与所述存量式计数设备的计数加和进行比对,按照如下公式重新评估和修正所述各个存量式计数设备的误差范围:
Ei=EPi/∑Pi;
其中,Ei为修正后的第i个存量式计数设备的误差范围,Pi为第i个存量式计数设备获取的人数,∑Pi为为覆盖目标区域的各个存量式计数设备获取的人数加和,E为人数综合存量估计的误差范围。
需要说明的是,将人员存量综合估计依照经验比例分配到各个存量计数设备,并与设备计数结果进行比对,因此根据人员存量综合估计,可以对存量计数设备的误差范围在实际应用环境下进行重新评估和修正。
具体地,在任一存量设备计数结果与根据人员存量综合估计结果明显矛盾,或工作状态异常的条件下,将该设备数据置为可疑数据或缺失数据。利用历史数据中,该存量计数设备与其他正常工作计数设备的计数之比进行估计,但取估计误差为该设备估计值的100%。同样采用上述计算方法,虽然造成计数系统误差的增加,但仍然可以继续运行,从而实现系统的高可靠性和可用性。
本发明的一个具体实施例,所述步骤S2中区域内人数第一存量估计Pa的计算公式如下:
Pa=P0+∑P入-∑P出;
其中,P0为目标区域内人员存量初值,∑P入为客流进入通量式计数设备包围的目标区域的人数,∑P出为客流离开通量式计数设备包围的目标区域的人数。
本发明的一个具体实施例,所述步骤S2中第一存量估计误差的计算公式如下:
Ea=εa(∑P入+∑P出);
其中,εa为通量式计数设备误差率,∑P入为客流进入通量式计数设备包围的目标区域的人数,∑P出为客流离开通量式计数设备包围的目标区域的人数。
也就是说,在选定一目标区域,在预先设定目标区域内人数的条件下,仅根据一组包围该区域的通量式计数设备的数据,可分别获得客流进入该区域和离开该区域的数量,从而,计算出区域内的一种人员存量估计,并根据客流通量和设备误差计算出一种存量估计误差。
本发明的一个具体实施例,所述步骤S3中第二存量估计误差Eb的计算公式如下:
Eb=εbPb;
其中,εb为存量式计数设备误差率,Pb为区域内人数第二存量估计。
本发明的一个具体实施例,所述步骤S3中区域内人数第二存量估计的计算公式如下:
Pb=η*(∑Pi-Ec);
其中,η为统计修正系数,∑Pi为覆盖目标区域的各个存量式计数设备获取的人数加和,i为存量式计数设备个数,Ec为存量式计数设备拼缝处产生的人数重复计数误差。
也就是说,在目标区域中,仅根据一组完全覆盖该区域的存量式计数设备的数据,可根据加和获得该区域的另一种人员存量估计,并根据人员存量,拼缝误差和设备误差等因素计算出另一种存量估计误差。
需要说明的是,统计修正系统是根据经验及实际样本数据估算获得;存量式计数设备拼缝处产生的人数重复计数误差由实验统计获得。
本发明的一个具体实施例,如图2所示,一种基于多数据融合的客流监测系统包括计算单元和通讯单元,还包括多个通量式计数设备和多个存量式计数设备;
多个所述通量式计数设备布设于选定一目标区域的出入口,用于获取客流进入包围的目标区域和离开包围的目标区域的人数;
多个所述存量式计数设备布设于选定一目标区域的点阵中,用于获取各个覆盖目标区域的人数;
所述通讯单元将所述通量式计数设备获取的客流进入包围的目标区域和离开包围的目标区域的人数,以及多个所述存量式计数设备获取的各个覆盖目标区域的人数发送给所述计算单元;
所述计算单元,用于根据客流进入目标区域和离开目标区域的人数及所述目标区域内人员存量初值计算出该区域内人数第一存量估计Pa,并根据客流通量和设备误差率计算出第一存量估计误差Ea;还用于根据覆盖所述目标区域的人数加和及设备拼缝处产生的人数重复误差计算出该目标区域内人数第二存量估计Pb,并根据所述人数存量估计和设备误差率计算出第二存量估计误差Eb;进一步用于根据所述第一存量估计Pa和所述第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,计算出人数存量综合估计及该综合估计的误差范围。
也就是说,本系统的硬件由计算单元,通讯单元,通量式计数设备和多个存量式计数设备组成。
具体地,多个存量式计数设备结构一致,可均采用视频监控智能分析设备,Wifi探针等原理;其设备误差率由不同设备的现有产品说明书获得的常规参数。多个通量式计数设备结构一致,可均采用红外对射或光幕人流量计数设备,红外TOF人流量计数设备,双目视觉人流量计数设备,热成像人流量计数设备等,也可以采用视频监控智能分析设备;其设备误差率也由不同设备的现有产品说明书获得的常规参数。
本发明的一个具体实施例,所述计算单元根据所述第一存量估计Pa和第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,按照以下公式计算出人数存量综合估计:
其中,P为该区域的人数综合存量估计,E为人数综合存量估计的误差范围,Pa为包围目标区域的第一存量估计,Pb为覆盖目标区域的第二存量估计,Ea为Pa对应的第一存量估计误差,Eb为Pb对应的第二存量估计误差。
需要说明的是,“<<”表示“远小于”,根据实际情况可选取一比例系数m,使得在Ea/Eb<m时,判定Ea<<Eb,反之同理。
所述计算单元将所述人数存量综合估计按照预设比例分配到各个存量式计数设备,与所述存量式计数设备的计数加和进行比对,按照如下公式重新评估和修正所述各个存量式计数设备的误差范围:
Ei=EPi/∑Pi;
其中,Ei为修正后的第i个存量式计数设备的误差范围,Pi为第i个存量式计数设备获取的人数,∑Pi为为覆盖目标区域的各个存量式计数设备获取的人数加和,E为人数综合存量估计的误差范围。
本发明的一个具体实施例,所述计算单元根据客流进入目标区域人数∑P入和离开目标区域人数∑P出及所述目标区域内人员存量初值P0按照如下公式计算出该区域内人数第一存量估计Pa:
Pa=P0+∑P入-∑P出;
所述计算单元还根据客流通量∑P入和∑P出及设备误差率εa按照如下公式计算出第一存量估计误差Ea:
Ea=εa(∑P入+∑P出);
所述计算单元根据覆盖所述目标区域的人数加和∑Pi及设备拼缝处产生的人数重复误差Ec按照如下公式计算出该目标区域内人数第二存量估计Pb:
Pb=η*(∑Pi-Ec);
其中,η为统计修正系数,i为存量式计数设备个数;
所述计算单元进一步根据所述第二存量估计Pb和设备误差率εb按照如下公式计算出第二存量估计误差Eb:
Eb=εbPb。
需要说明的是,统计修正系统是根据经验及实际样本数据估算获得;存量式计数设备拼缝处产生的人数重复计数误差由实验统计获得。
综上所述,本发明公开了一种基于多数据融合的客流监测方法,包括以下步骤:S1,选定一目标区域,预设所述目标区域内人员存量初值;S2,根据包围所述目标区域的多个通量式计数设备分别获取的客流进入该区域和离开该区域的人数及所述目标区域内人员存量初值计算出该区域内人数第一存量估计Pa,并根据客流通量和设备误差率计算出第一存量估计误差Ea;S3,根据覆盖所述目标区域的各个存量式计数设备获取人数的加和及设备拼缝处产生的人数重复误差计算出该区域内人数第二存量估计Pb,并根据所述第二存量估计和设备误差率计算出第二存量估计误差Eb;S4,根据所述第一存量估计Pa和所述第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,计算出人数存量综合估计及该综合估计的误差范围。本发明技术方案综合运用多种客流监测技术手段,基于多传感器构建一种高精度高可靠的大客流监测系统,通过数据融合手段有效控制客流监测误差,提高计数精度;在部分传感器发生故障时,能够根据其他正常工作的传感器数据进行合理的数据估计。
本领域技术人员可以理解,实现上述实施例中方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于多数据融合的客流监测方法,其特征在于,包括以下步骤:
S1,选定一目标区域,预设所述目标区域内人员存量初值;
S2,根据包围所述目标区域的多个通量式计数设备分别获取的客流进入该区域和离开该区域的人数及所述目标区域内人员存量初值计算出该区域内人数第一存量估计Pa,并根据客流通量和设备误差率计算出第一存量估计误差Ea;
S3,根据覆盖所述目标区域的各个存量式计数设备获取人数的加和及设备拼缝处产生的人数重复误差计算出该区域内人数第二存量估计Pb,并根据所述第二存量估计和设备误差率计算出第二存量估计误差Eb;
S4,根据所述第一存量估计Pa和所述第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,计算出人数存量综合估计及该综合估计的误差范围。
2.根据权利要求1所述的方法,其特征在于,所述步骤S4中人数存量综合估计及该综合估计的误差范围的计算公式如下:
其中,P为该区域的人数综合存量估计,E为人数综合存量估计的误差范围,Pa为包围目标区域的第一存量估计,Pb为覆盖目标区域的第二存量估计,Ea为Pa对应的第一存量估计误差,Eb为Pb对应的第二存量估计误差。
3.根据权利要求1所述的方法,其特征在于,所述步骤S4中综合估计的误差范围计算过程包括将所述人数存量综合估计按照预设比例分配到各个存量式计数设备,与所述存量式计数设备的计数加和进行比对,按照如下公式重新评估和修正所述各个存量式计数设备的误差范围:
Ei=EPi/∑Pi;
其中,Ei为修正后的各个存量式计数设备的误差范围,Pi为第i个存量式计数设备获取的人数,∑Pi为为覆盖目标区域的各个存量式计数设备获取的人数加和,E为人数综合存量估计的误差范围。
4.根据权利要求1或2所述的方法,其特征在于,所述步骤S2中区域内人数第一存量估计Pa的计算公式如下:
Pa=P0+∑P入-∑P出;
其中,P0为目标区域内人员存量初值,∑P入为客流进入通量式计数设备包围的目标区域的人数,∑P出为客流离开通量式计数设备包围的目标区域的人数。
5.根据权利要求1或2所述的方法,其特征在于,所述步骤S2中第一存量估计误差的计算公式如下:
Ea=εa(∑P入+∑P出);
其中,εa为通量式计数设备误差率,∑P入为客流进入通量式计数设备包围的目标区域的人数,∑P出为客流离开通量式计数设备包围的目标区域的人数。
6.根据权利要求1或2所述的方法,其特征在于,所述步骤S3中第二存量估计误差Eb的计算公式如下:
Eb=εbPb;
其中,εb为存量式计数设备误差率,Pb为区域内人数第二存量估计。
7.根据权利要求6所述的方法,其特征在于,所述步骤S3中区域内人数第二存量估计的计算公式如下:
Pb=η*(∑Pi-Ec);
其中,η为统计修正系数,∑Pi为覆盖目标区域的各个存量式计数设备获取的人数加和,i为存量式计数设备个数,Ec为存量式计数设备拼缝处产生的人数重复计数误差。
8.一种基于多数据融合的客流监测系统,包括计算单元和通讯单元,其特征在于,还包括多个通量式计数设备和多个存量式计数设备;
多个所述通量式计数设备布设于选定一目标区域的出入口,用于获取客流进入包围的目标区域和离开包围的目标区域的人数;
多个所述存量式计数设备布设于选定一目标区域的点阵中,用于获取各个覆盖目标区域的人数;
所述通讯单元将所述通量式计数设备获取的客流进入包围的目标区域和离开包围的目标区域的人数,以及多个所述存量式计数设备获取的各个覆盖目标区域的人数发送给所述计算单元;
所述计算单元,用于根据客流进入目标区域和离开目标区域的人数及所述目标区域内人员存量初值计算出该区域内人数第一存量估计Pa,并根据客流通量和设备误差率计算出第一存量估计误差Ea;还用于根据覆盖所述目标区域的人数加和及设备拼缝处产生的人数重复误差计算出该目标区域内人数第二存量估计Pb,并根据所述人数存量估计和设备误差率计算出第二存量估计误差Eb;进一步用于根据所述第一存量估计Pa和所述第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,计算出人数存量综合估计及该综合估计的误差范围。
9.根据权利要求8所述的系统,其特征在于,所述计算单元根据所述第一存量估计Pa和第二存量估计Pb以及对应的第一存量估计误差Ea和第二存量估计误差Eb,按照以下公式计算出人数存量综合估计及该综合估计的误差范围:
其中,P为该区域的人数综合存量估计,E为人数综合存量估计的误差范围,Pa为包围目标区域的第一存量估计,Pb为覆盖目标区域的第二存量估计,Ea为Pa对应的第一存量估计误差,Eb为Pb对应的第二存量估计误差。
所述计算单元将所述人数存量综合估计按照预设比例分配到各个存量式计数设备,与所述存量式计数设备的计数加和进行比对,按照如下公式重新评估和修正所述各个存量式计数设备的误差范围:
Ei=EPi/∑Pi;
其中,Ei为修正后的第i个存量式计数设备的误差范围,Pi为第i个存量式计数设备获取的人数,∑Pi为为覆盖目标区域的各个存量式计数设备获取的人数加和,E为人数综合存量估计的误差范围。
10.根据权利要求8或9所述的系统,其特征在于,所述计算单元根据客流进入目标区域人数∑P入和离开目标区域人数∑P出及所述目标区域内人员存量初值P0按照如下公式计算出该区域内人数第一存量估计Pa:
Pa=P0+∑P入-∑P出;
所述计算单元还根据客流通量∑P入和∑P出及设备误差率εa按照如下公式计算出第一存量估计误差Ea:
Ea=εa(∑P入+∑P出);
所述计算单元根据覆盖所述目标区域的人数加和∑Pi及设备拼缝处产生的人数重复误差Ec按照如下公式计算出该目标区域内人数第二存量估计Pb:
Pb=η*(∑Pi-Ec);
其中,η为统计修正系数,i为存量式计数设备个数;
所述计算单元进一步根据所述第二存量估计Pb和设备误差率εb按照如下公式计算出第二存量估计误差Eb:
Eb=εbPb。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910680499.8A CN110399923B (zh) | 2019-07-26 | 2019-07-26 | 一种基于多数据融合的客流监测方法及系统 |
LU101806A LU101806B1 (en) | 2019-07-26 | 2020-05-19 | Passenger flow monitoring method and system based on multi-data fusion |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910680499.8A CN110399923B (zh) | 2019-07-26 | 2019-07-26 | 一种基于多数据融合的客流监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110399923A true CN110399923A (zh) | 2019-11-01 |
CN110399923B CN110399923B (zh) | 2021-04-02 |
Family
ID=68326141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910680499.8A Active CN110399923B (zh) | 2019-07-26 | 2019-07-26 | 一种基于多数据融合的客流监测方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110399923B (zh) |
LU (1) | LU101806B1 (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100069254A (ko) * | 2008-12-16 | 2010-06-24 | 강민수 | 여객 흐름 관리 방법 및 장치 |
CN104464055A (zh) * | 2014-12-10 | 2015-03-25 | 清华大学苏州汽车研究院(吴江) | Psd线阵与超声波线阵融合的客流量统计系统 |
CN104635706A (zh) * | 2015-02-05 | 2015-05-20 | 上海市城市建设设计研究总院 | 基于信息源检测的群集人员监测及预警的方法及系统 |
-
2019
- 2019-07-26 CN CN201910680499.8A patent/CN110399923B/zh active Active
-
2020
- 2020-05-19 LU LU101806A patent/LU101806B1/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100069254A (ko) * | 2008-12-16 | 2010-06-24 | 강민수 | 여객 흐름 관리 방법 및 장치 |
CN104464055A (zh) * | 2014-12-10 | 2015-03-25 | 清华大学苏州汽车研究院(吴江) | Psd线阵与超声波线阵融合的客流量统计系统 |
CN104635706A (zh) * | 2015-02-05 | 2015-05-20 | 上海市城市建设设计研究总院 | 基于信息源检测的群集人员监测及预警的方法及系统 |
Non-Patent Citations (1)
Title |
---|
千承辉 等: "多传感器数据处理的人流量监测系统", 《实验室研究与探索》 * |
Also Published As
Publication number | Publication date |
---|---|
LU101806B1 (en) | 2020-09-21 |
CN110399923B (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huh et al. | Multiresource allocation scheduling in dynamic environments | |
Li | Value at Risk based on the Volatility, Skewness and Kurtosis | |
Lee et al. | Not all microseconds are equal: Fine-grained per-flow measurements with reference latency interpolation | |
CN108345985A (zh) | 一种配电网数据质量评估方法及系统 | |
CN109900366A (zh) | 一种检测避雷器温度异常点的方法及装置 | |
AU2002216660A1 (en) | Method and system for predicting causes of network service outages using time domain correlation | |
WO2002045315A2 (en) | Method and system for predicting causes of network service outages using time domain correlation | |
CN102280874A (zh) | 一种台区线损率检测系统 | |
CN109246116A (zh) | 一种基于dns日志分析的网络异常检测系统 | |
CN104734347B (zh) | 基于dms系统的配网终端在线率自动统计方法 | |
CN105491615A (zh) | 基于时间序列的传感器自适应采样方法 | |
CN106339013A (zh) | 一种数据中心机房的温度调控方法及系统 | |
JP4112584B2 (ja) | 異常トラヒック検出方法及び装置 | |
CN107655710B (zh) | 3d打印机故障检测方法 | |
CN110942019B (zh) | 一种用于找出两条轨迹的最长伴随子路径的分析方法 | |
CN102811145A (zh) | 一种网络中板卡的温度监测方法及温度监测系统 | |
CN115489372A (zh) | 一种基于数据采集的智能充电柜管控系统 | |
CN110399923A (zh) | 一种基于多数据融合的客流监测方法及系统 | |
CN108495090A (zh) | 一种用户设备的定位方法、装置及其系统 | |
CN116880305B (zh) | 一种机房环境预测式监测控制系统 | |
CN116760649A (zh) | 基于大数据的数据安全保护及预警方法 | |
JP2007172133A (ja) | 資源使用に対する課金増減額の算出システム、算出方法、及び算出用コンピュータプログラム | |
CN104601567A (zh) | 一种基于电力信息网络安全事件挖掘的指标化安全度量方法 | |
CN102419584B (zh) | 利用物联网络对污染源排放规律进行计量评价的方法及物联网络控制器 | |
CN108024222A (zh) | 流量话单生成方法和装置 |
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 |