CN111274340B - 人流密度的监控处理方法、设备及存储介质 - Google Patents
人流密度的监控处理方法、设备及存储介质 Download PDFInfo
- Publication number
- CN111274340B CN111274340B CN202010040005.2A CN202010040005A CN111274340B CN 111274340 B CN111274340 B CN 111274340B CN 202010040005 A CN202010040005 A CN 202010040005A CN 111274340 B CN111274340 B CN 111274340B
- Authority
- CN
- China
- Prior art keywords
- position information
- target area
- time period
- preprocessed
- density
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000003672 processing method Methods 0.000 claims abstract description 9
- 230000011664 signaling Effects 0.000 claims description 24
- 238000010586 diagram Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请提供一种人流密度的监控处理方法、设备及存储介质，该方法包括：实时获取移动终端用户的位置信息；对所述位置信息进行数据预处理，获得预处理后的位置信息；采用实时流处理引擎将所述预处理后的位置信息进行存储；按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息；根据所述目标区域的预处理后的位置信息，确定所述目标区域在当前之前预设时间段内的人流密度；若所述目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理。本申请采用创新的人流密度的监控处理方法，实时统计特定区域内人流总数和重点区域人流密度，当流动人群密度过高时进行提前预警。
Description
技术领域
本申请涉及通信技术领域，尤其涉及一种人流密度的监控处理方法、设备及存储介质。
背景技术
随着社会经济的发展，社会活动的增多，在举行重大活动期间，在一些大型广场或者商场等室内场所，会出现人流密度骤增的情况，为避免拥挤踩踏、聚众闹事等危害公共安全的事件发生，在通信技术领域通常采用访问热点ap或者采用视频来统计人流密度，从而实现对人流密度的实时监测。
但是如果采用访问热点ap统计人流密度，会存在信号覆盖、wifi禁用，一人多部手机等天然弊端，如果采用视频统计人流密度，会存在设计硬件部署，采购成本，算法稳定性等问题，无法实时统计特定区域内人流总数和重点区域密度，导致无法对可能发生的流动人群密度过高的风险进行提前预警。
发明内容
本申请提供一种人流密度的监控处理方法、设备及存储介质，以解决现有的人流密度的统计方法无法实时统计特定区域内人流总数和重点区域密度的技术问题，对可能发生的流动人群密度过高的风险进行提前预警。
本申请第一个方面提供一种人流密度的监控处理方法，包括：
实时获取移动终端用户的位置信息；
对所述位置信息进行数据预处理，获得预处理后的位置信息；
采用实时流处理引擎将所述预处理后的位置信息进行存储；
按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息；
根据所述目标区域的预处理后的位置信息，确定所述目标区域在当前之前预设时间段内的人流密度；
若所述目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理。
可选地，所述对所述位置信息进行数据预处理，获得预处理后的位置信息，包括：
将所述位置信息转换成信令信息；
将所述信令信息发送到消息队列，获得所述预处理后的位置信息。
可选地，所述采用实时流处理引擎将所述预处理后的位置信息进行存储，包括：
读取所述消息队列，获得所述预处理后的位置信息；
采用实时流处理引擎将所述预处理后的位置信息存储到Hive orc表。
可选地，所述将所述位置信息转换成信令信息，包括：
建立所述位置信息与移动终端用户的号码的对应关系；
根据所述位置信息与移动终端用户的号码的对应关系生成所述信令信。
可选地，所述消息队列为Kafka队列。
可选地，在按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息之前，所述方法还包括：
将所述预处理后的位置信息，按照预先建立的树形目录结构进行存储；
所述按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息，包括：
基于所述树形目标结构，从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息。
可选地，在若所述目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理之前，所述方法还包括：
根据所述目标区域在当前之前预设时间段内的人流密度，及所述目标区域在当前周期的前一周期的人流密度，确定所述目标区域人流密度的增加速度；
根据所述目标区域人流密度的增加速度及预设范围，确定所述目标区域人流密度的增加速度是否超过预设范围。
可选地，所述方法还包括：
根据所述目标区域在当前之前预设时间段内的人流密度生成热力图。
可选地，所述若所述目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理，包括：
在所述热力图上显示所述目标区域的预警信息。
本申请第二个方面提供一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请第三个方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请提供的人流密度的监控处理方法、设备及存储介质，通过实时获取移动终端用户的位置信息；对所述位置信息进行数据预处理，获得预处理后的位置信息；采用实时流处理引擎将所述预处理后的位置信息进行存储；按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息；根据所述目标区域的预处理后的位置信息，确定所述目标区域在当前之前预设时间段内的人流密度；若所述目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理。本申请采用创新的人流密度的监控处理方法，实时统计特定区域内人流总数和重点区域人流密度，对可能发生的流动人群密度过高的风险进行提前预警。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例基于的处理系统的结构示意图；
图2为本申请一实施例提供的人流密度的监控处理方法的流程示意图；
图3为本申请另一实施例提供的一种人流密度的监控处理方法的流程示意图；
图4为本申请一实施例提供的另一种人流密度的监控处理方法的流程示意图；
图5为本申请一实施例提供的再一种人流密度的监控处理方法的流程示意图；
图6为本申请一实施例提供的又一种人流密度的监控处理方法的流程示意图；
图7为本申请一实施例提供的又一种人流密度的监控处理方法的流程示意图；
图8为本申请一实施例提供的热力图的效果示意图；
图9为本申请一实施例提供的人流密度的监控处理方法的示例性流程示意图；
图10为本申请一实施例提供的电子设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
首先对本申请所涉及的名词进行解释：
实时流处理引擎：Slipstream，Slipstream的基本架构自底向上分别是存储层、计算层和接口层。存储层：Slipstream能够适配多种存储，使得数据灵活流转；计算层：包含分布式计算系统的5大模块，数据源管理，任务管理服务，分布式计算引擎，存储管理和输出管理。Slipstream中的计算引擎是基于Spark实现的事件处理模型，使得实时处理延迟达到毫秒级别，并具有单节点百万级别的吞吐；同时能够进行批处理任务处理，实现实时处理和批处理的完美融合；通过流式任务管理服务可以实现应用和资源的管理和隔离；接口层：Slipstream提供多种SQL交互接口让用户使用、另外还支持CEP功能和实时机器学习接口。通过Slipstream接口层提供的简单易用的接口，可以帮助用户实现实时告警、时间窗口统计以及在线数据挖掘等功能。
消息队列：Kafka队列，Kafka是由Linkedin开发的一个分布式的消息队列系统，Kafka队列可用于构建在系统或应用程序之间可靠获取数据的实时流数据管道，构建实时流应用程序，用于转换或响应数据流，在结合了数据挖掘、行为分析和运营监控等需求的情况下，能够满足各种实时在线和批量离线处理应用场合对低延迟和批量吞吐性能的要求。
本申请实施例提供的人流密度的监控处理方法，适用于对一定区域的人流密度进行监控的场景。如图1所示，为本实施例基于的处理系统的结构示意图。该处理系统可以包括用于对人流密度进行监控处理的电子设备，以及至少一个基站，该至少一个基站实时采集移动终端用户的位置信息并发送给电子设备，基站可以是覆盖要监控的区域的基站。电子设备通过基站实时采集移动终端用户的位置信息，对位置信息进行数据预处理，获得预处理后的位置信息，采用实时流处理引擎将预处理后的位置信息进行存储；按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息；根据目标区域的预处理后的位置信息，确定目标区域在当前之前预设时间段内的人流密度；若目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理。实现了实时统计一定区域内人流总数和重点区域密度，对可能发生的流动人群密度过高的风险进行提前预警，提高预警的及时性。
此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
实施例一
本实施例提供一种人流密度的监控处理方法，用于进行人流密度监控处理。本实施例的执行主体为电子设备，比如服务器、台式电脑、笔记本电脑、平板电脑及其他可用于数据处理的电子设备。
如图2所示，为本实施例提供的人流密度的监控处理方法的流程示意图，该方法包括：
步骤101，实时获取移动终端用户的位置信息。
其中移动终端可以是指手机，也可以是其他类型的移动终端。
具体的，电子设备能够通过基站或其他方式采集到移动终端用户的位置信息，并实时将位置信息发送给电子设备，该电子设备即可实时获取到移动终端用户的位置信息。
步骤102，对位置信息进行数据预处理，获得预处理后的位置信息。
在获取到移动终端用户的位置信息后，可以对获取到的移动终端用户的位置信息进行数据预处理，获得预处理后的位置信息。
可选地，数据预处理可以是指将位置信息转换成信令信息，获得转换后的信令信息，即预处理后的位置信息，信令信息中包括位置信息。
步骤103，采用实时流处理引擎将预处理后的位置信息进行存储。
可选地，其中实时流处理引擎可以是Slipstream实时流处理引擎，Slipstream能够适配多种存储，使得数据灵活流转，使得实时处理延迟达到毫秒级别，并具有单节点百万级别的吞吐，可以实现实时告警、时间窗口统计以及在线数据挖掘等功能。
具体的，预处理后的位置信息的数据流通过Slipstream将数据进行存储。
步骤104，按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息。
预设时间周期是指对人流密度的监控处理的监控周期，可以是每几分钟监控一次，预设时间段是指当前时刻之前的几分钟、几个小时等这一时间段，具体的预设时间周期及预设时间段可以根据实际需求进行设置，本实施例不做限定。
具体的，按照预设时间的周期从已经存储的预处理后的位置信息中获取需要进行人流密度监控的区域的预处理后的位置信息。
步骤105，根据目标区域的预处理后的位置信息，确定目标区域在当前之前预设时间段内的人流密度；
具体的，对获取目标区域的预处理后的位置信息进行人流密度统计，确定当前的人流密度，进而可以确定预设时间段内的人流密度变化情况。
示例性的，预设时间周期可以是5分钟，目标区域的人流密度每5分钟进行一次监控，预设时间段可以是1小时，每5分钟对目标区域的人流密度进行一次监控，观察这个目标区域在1小时内的人流密度变化情况。
步骤106，若目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理。
具体的，预设范围是根据实际情况而设定的，根据确定的目标区域的当前之前预设时间段内的人流密度变化情况，若人流密度变化的增加速度超过了之前预设的安全范围，则进行预警处理。
本实施例提供的人流密度的监控处理方法，通过实时获取移动终端用户的位置信息，对位置信息进行数据预处理，获得预处理后的位置信息，采用实时流处理引擎将预处理后的位置信息进行存储，按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息，根据目标区域的预处理后的位置信息，确定目标区域在当前之前预设时间段内的人流密度，若目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理。从而实时统计特定区域内人流总数和重点区域人流密度，对可能发生的流动人群密度过高的风险进行提前预警。
实施例二
本实施例对实施例一提供的方法做进一步补充说明。
如图3所示，图3为本实施例提供的一种人流密度的监控处理方法的流程示意图，作为一种可实施的方式，在上述实施例的基础上，可选地，步骤102具体包括：
步骤1021，将位置信息转换成信令信息。
步骤1022，信令信息发送到消息队列，获得预处理后的位置信息。
信令信息是指一种信号或一种信令信息的信息内容，本实施例中的信令信息是指采集到的目标区域内移动终端用户的预处理后的位置信息，当移动终端是手机时，则信令信息主要包括手机用户的手机号码和用户的位置信息。
可选地，消息队列可以是Kafka队列，Kafka队列可用于构建在系统或应用程序之间可靠获取数据的实时流数据管道，构建实时流应用程序，用于转换或响应数据流。
具体的，将采集来的移动端用户的位置信息转换成信令信息，将信令信息发送到Kafka队列中，从而获得并存储移动端用户的手机号和位置信息。
如图4所示，图4为本实施例提供的另一种人流密度的监控处理方法的流程示意图，作为一种可实施的方式，在上述实施例的基础上，可选地，步骤103具体包括：
步骤1031，读取消息队列，获得预处理后的位置信息。
步骤1032，采用实时流处理引擎将预处理后的位置信息存储到Hive orc表。
Hive orc表是指Hive表中的orc文件存储格式，主要用于降低数据存储空间和加速Hive查询速度。
具体的，读取Kafka队列中的信令信息，从而获取移动终端用户的预处理后的位置信息，再通过Slipstream实时流处理引擎将已经读取的移动终端用户的预处理后的位置信息存储到Hive orc表中。
如图5所示，图5为本实施例提供的再一种人流密度的监控处理方法的流程示意图，作为一种可实施的方式，在上述实施例的基础上，可选地，步骤1021具体包括：
步骤10211，建立位置信息与移动终端用户的号码的对应关系。
步骤10212，根据位置信息与移动终端用户的号码的对应关系生成信令信息。
具体的，根据采集到的移动终端用户的位置信息，建立位置信息和移动终端用户的号码的对应关系。
信令信息是指一种信号或一种信令信息的信息内容，在本实施例中的位置信息是移动终端用户在基站的无线电覆盖区域时基站所触发的，根据位置信息与移动终端用户的号码的对应关系建立的信令信息，信令信息主要包括移动终端用户的号码和用户的预处理后的位置信息。
消息队列为Kafka队列。
具体的，Kafka队列可用于构建在系统或应用程序之间可靠获取数据的实时流数据管道，构建实时流应用程序，用于转换或响应数据流，在结合了数据挖掘、行为分析和运营监控等需求的情况下，能够满足各种实时在线和批量离线处理应用场合对低延迟和批量吞吐性能的要求，Kafka队列能够满足本实施例数据存储需求。
如图6所示，图6为本实施例提供的又一种人流密度的监控处理方法的流程示意图，作为一种可实施的方式，在上述实施例的基础上，可选地，步骤104具体包括：
步骤1041，将预处理后的位置信息，按照预先建立的树形目录结构进行存储。
步骤1042，基于树形目标结构，从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息。
可选地，树形目录结构可以是省-市-县-特定区域的树形目录结构，对人流密度监控处理概率高的特定地区可预先建立省-市-县-特定区域的树形目录结构。
具体的，对人流密度监控处理概率高的特定地区预先建立树形目录结构，将采集到的移动终端用户的预处理后的位置信息存储到树形目录结构，当需要对某特定区域进行人流密度监控时，可以根据建立好的树形目录结构，快速圈选出所要进行人流密度监控的特定区域。
如图7所示，图7为本实施例提供的又一种人流密度的监控处理方法的流程示意图，作为一种可实施的方式，在上述实施例的基础上，可选地，步骤106具体包括：
步骤1061，根据目标区域在当前之前预设时间段内的人流密度，及目标区域在当前周期的前一周期的人流密度，确定目标区域人流密度的增加速度。
步骤1062，根据目标区域人流密度的增加速度及预设范围，确定目标区域人流密度的增加速度是否超过预设范围。
具体的，根据最近一个人流密度监控周期确定的人流密度情况，和在此之前一个周期确定的人流密度情况，确定所监控的目标区域在单个周期内的人流密度的增加速度。
根据所监控的目标区域可承载人流量的实际情况，确定人流密度增加速度的预设范围，人流密度的增加速度超过了目标区域的人流密度增加速度的预设范围，则进行预警处理。
步骤1063，根据目标区域在当前之前预设时间段内的人流密度生成热力图。
热力图是以特殊高亮的形式显示地理区域访问热点的图示，在本实施例中热力图可以直观清楚地显示出目标区域内的人流密度情况。
具体的，根据目标区域在最近预设时间段内的人流密度及人流密度变化情况生成人流密度热力图，热力图直观清楚地显示人流密度变化情况。
示例性的，如图8所示，为本实施例提供的热力图的效果示意图。可以通过不同颜色表示人流密度的不同密集程度。
作为一种可实施的方式，在上述实施例的基础上，可选地，步骤106具体包括：
步骤1064，在热力图上显示目标区域的预警信息。
具体的，当目标区域的人流密度增加速度超过了目标区域的人流密度增加速度的预设范围，则在已经生成的热力图上显示该目标区域的预警信息。
可选地，具体预警信息的显示方式，可以根据实际需求设置，比如可以在热力图上目标区域对应位置显示闪烁的预警信息，或者以弹框的形式显示预警信息，等等。
作为一种示例性的实施方式，如图9所示，为本实施例提供的人流密度的监控处理方法的示例性流程示意图。
本实施例的数据实时处理采用主流的Kafka和Slipstream组件，并针对业务规则的实时场景实现设计多级树形流任务结构，数据是指上述移动终端用户的位置信息数据，上下文数据存储采用Hbase组件，满足低延时并发查询需求，用作场景中关联的数据采用Hive ore表格式，满足实时流表关联需求。
本实施例提供的人流密度的监控处理方法，通过实时获取移动终端用户的位置信息，对位置信息进行数据预处理，获得预处理后的位置信息，采用实时流处理引擎将预处理后的位置信息进行存储，按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息，根据目标区域的预处理后的位置信息，确定目标区域在当前之前预设时间段内的人流密度，若目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理。从而实时统计特定区域内人流总数和重点区域人流密度，对可能发生的流动人群密度过高的风险进行提前预警。
实施例三
本实施例提供一种电子设备，用于执行上述实施例提供的方法。
如图10所示，为本实施例提供的电子设备的结构示意图。该电子设备50包括：至少一个处理器51和存储器52；
存储器存储计算机执行指令；至少一个处理器执行存储器存储的计算机执行指令，使得至少一个处理器执行如上任一实施例提供的方法。
根据本实施例的电子设备，通过实时获取移动终端用户的位置信息，对位置信息进行数据预处理，获得预处理后的位置信息，采用实时流处理引擎将预处理后的位置信息进行存储，按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息，根据目标区域的预处理后的位置信息，确定目标区域在当前之前预设时间段内的人流密度，若目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理。从而实时统计特定区域内人流总数和重点区域人流密度，对可能发生的流动人群密度过高的风险进行提前预警。
实施例四
本实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如上任一实施例提供的方法。
根据本实施例的计算机可读存储介质，通过实时获取移动终端用户的位置信息，对位置信息进行数据预处理，获得预处理后的位置信息，采用实时流处理引擎将预处理后的位置信息进行存储，按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息，根据目标区域的预处理后的位置信息，确定目标区域在当前之前预设时间段内的人流密度，若目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理。从而实时统计特定区域内人流总数和重点区域密度，对可能发生的流动人群密度过高的风险进行提前预警。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种人流密度的监控处理方法，其特征在于，包括：
实时获取移动终端用户的位置信息；
对所述位置信息进行数据预处理，获得预处理后的位置信息；
采用实时流处理引擎将所述预处理后的位置信息进行存储；
按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息；
根据所述目标区域的预处理后的位置信息，确定所述目标区域在当前之前预设时间段内的人流密度；
若所述目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理；
在按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息之前，所述方法还包括：
将所述预处理后的位置信息，按照预先建立的树形目录结构进行存储；
所述按照预设时间周期从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息，包括：
基于所述树形目录结构，从存储的预处理后的位置信息中获取当前之前预设时间段内目标区域的预处理后的位置信息。
2.根据权利要求1所述的方法，其特征在于，所述对所述位置信息进行数据预处理，获得预处理后的位置信息，包括：
将所述位置信息转换成信令信息；
将所述信令信息发送到消息队列，获得所述预处理后的位置信息。
3.根据权利要求2所述的方法，其特征在于，所述采用实时流处理引擎将所述预处理后的位置信息进行存储，包括：
读取所述消息队列，获得所述预处理后的位置信息；
采用实时流处理引擎将所述预处理后的位置信息存储到Hive orc表。
4.根据权利要求2所述的方法，其特征在于，所述将所述位置信息转换成信令信息，包括：
建立所述位置信息与移动终端用户的号码的对应关系；
根据所述位置信息与移动终端用户的号码的对应关系生成所述信令信息。
5.根据权利要求2所述的方法，其特征在于，所述消息队列为Kafka队列。
6.根据权利要求1所述的方法，其特征在于，在若所述目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理之前，所述方法还包括：
根据所述目标区域在当前之前预设时间段内的人流密度，及所述目标区域在当前周期的前一周期的人流密度，确定所述目标区域人流密度的增加速度；
根据所述目标区域人流密度的增加速度及预设范围，确定所述目标区域人流密度的增加速度是否超过预设范围。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
根据所述目标区域在当前之前预设时间段内的人流密度生成热力图。
8.根据权利要求7所述的方法，其特征在于，所述若所述目标区域在当前之前预设时间段内的人流密度的增加速度超过预设范围，则进行预警处理，包括：
在所述热力图上显示所述目标区域的预警信息。
9.一种电子设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至8任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010040005.2A CN111274340B (zh) | 2020-01-15 | 2020-01-15 | 人流密度的监控处理方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010040005.2A CN111274340B (zh) | 2020-01-15 | 2020-01-15 | 人流密度的监控处理方法、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111274340A CN111274340A (zh) | 2020-06-12 |
| CN111274340B true CN111274340B (zh) | 2023-06-30 |
Family
ID=70997109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010040005.2A Active CN111274340B (zh) | 2020-01-15 | 2020-01-15 | 人流密度的监控处理方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111274340B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985568B (zh) * | 2020-08-21 | 2024-01-30 | 浪潮通信信息系统有限公司 | 数据处理方法及装置、电子设备 |
| CN114531706B (zh) * | 2020-10-30 | 2023-11-10 | 中国移动通信集团江西有限公司 | 区域用户流量监控方法、装置、存储介质和计算机设备 |
| CN112333431B (zh) * | 2020-10-30 | 2022-06-07 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备及存储介质 |
| CN112419123A (zh) * | 2020-11-20 | 2021-02-26 | 深圳市先创数字技术有限公司 | 基于热力图算法的人流量管控方法、系统及存储介质 |
| CN112488913A (zh) * | 2020-11-27 | 2021-03-12 | 杭州海康威视数字技术股份有限公司 | 数据处理方法、装置及电子设备 |
| CN112508626A (zh) * | 2020-12-18 | 2021-03-16 | 北京市商汤科技开发有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
| EP4033399B1 (fr) * | 2021-01-25 | 2023-10-18 | Bull Sas | Dispositif informatique et procédé pour l'estimation de la densité d'une foule |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106407899A (zh) * | 2016-08-30 | 2017-02-15 | 电子科技大学 | 基于局部纹理特征的人群密度谱估计方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170161614A1 (en) * | 2015-12-07 | 2017-06-08 | Rapidsos, Inc. | Systems and methods for predicting emergency situations |
| CN105760484B (zh) * | 2016-02-17 | 2019-10-25 | 中国科学院上海高等研究院 | 一种人群踩踏预警方法、系统、及具有该系统的服务器 |
| CN105681768B (zh) * | 2016-03-29 | 2018-08-17 | 浪潮天元通信信息系统有限公司 | 一种通过通信数据实现人流实时监控的方法 |
| CN109727175A (zh) * | 2018-12-25 | 2019-05-07 | 北京市颐和园管理处 | 一种旅游景区客流监测系统 |
-
2020
- 2020-01-15 CN CN202010040005.2A patent/CN111274340B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106407899A (zh) * | 2016-08-30 | 2017-02-15 | 电子科技大学 | 基于局部纹理特征的人群密度谱估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| Kyle Harrity ; Soundararajan Ezekiel ; Adnan Bubalo ; Erik Blasch ; Mark Alford.Double-density dual-tree wavelet-based polarimetry analysis.NAECON 2014 - IEEE National Aerospace and Electronics Conference.2015,全文. * |
| 城市轨道交通车站乘客紧急疏散能力研究;刘文婷;中国优秀硕士学位论文全文数据库;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111274340A (zh) | 2020-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111274340B (zh) | 人流密度的监控处理方法、设备及存储介质 | |
| CN109698934B (zh) | 一种区域监控方法及装置 | |
| US9740940B2 (en) | Event triggered location based participatory surveillance | |
| CN111177222B (zh) | 模型测试方法、装置及计算设备、存储介质 | |
| CN104317918B (zh) | 基于复合大数据gis的异常行为分析及报警系统 | |
| CN105590419A (zh) | 一种基于互联网的报警出警平台 | |
| CN104484985A (zh) | 一种安全报警方法、终端、公安系统及安全报警平台 | |
| CN107306200B (zh) | 网络故障预警方法和用于网络故障预警的网关 | |
| CN104301431A (zh) | 一种基于多源大数据gis的重点人群实时监控系统 | |
| Fakoor et al. | An integrated cloud-based framework for mobile phone sensing | |
| CN111192459A (zh) | 一种视频监控布控方法和布控装置 | |
| CN108718440A (zh) | 一种敏感区域的安防方法及平台 | |
| CN111328032B (zh) | 一种发送视频短信的方法和装置 | |
| CN105357282A (zh) | 一种记录求救与救援证据的方法和系统 | |
| CN103714670A (zh) | 智能报警系统及方法 | |
| CN112699196A (zh) | 轨迹生成方法、装置、终端设备及存储介质 | |
| CN111324583B (zh) | 一种业务日志的分类方法及装置 | |
| CN110032612A (zh) | 信息推送方法和装置 | |
| EP2169992A1 (fr) | Détection de comportements anormaux d'utilisateurs de terminaux mobiles dans un réseau de télécommunications | |
| CN112954667B (zh) | 热点移动终端的检测方法、装置、计算机设备和存储介质 | |
| CN111489276B (zh) | 人员管理方法及相关装置 | |
| JP2022058785A (ja) | 情報処理装置、ハザードマップ生成方法およびプログラム | |
| CN107564250B (zh) | 一种报警方法及系统 | |
| CN111541864B (zh) | 一种数字视网膜软件定义摄像机方法及系统 | |
| Bhutto et al. | Social Video Streaming (SVS): A prototype application for street crime reporting |
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 |