CN112990543A - 一种基于人员活动轨迹预测人员聚集风险的方法 - Google Patents

一种基于人员活动轨迹预测人员聚集风险的方法 Download PDF

Info

Publication number
CN112990543A
CN112990543A CN202110167010.4A CN202110167010A CN112990543A CN 112990543 A CN112990543 A CN 112990543A CN 202110167010 A CN202110167010 A CN 202110167010A CN 112990543 A CN112990543 A CN 112990543A
Authority
CN
China
Prior art keywords
personnel
person
information
gathering
address
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.)
Pending
Application number
CN202110167010.4A
Other languages
English (en)
Inventor
林鑫荣
俞碧洪
陈镇国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Meiya Pico Information Co Ltd
Original Assignee
Xiamen Meiya Pico Information Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Meiya Pico Information Co Ltd filed Critical Xiamen Meiya Pico Information Co Ltd
Priority to CN202110167010.4A priority Critical patent/CN112990543A/zh
Publication of CN112990543A publication Critical patent/CN112990543A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于人员活动轨迹预测人员聚集风险的方法，其包括以下步骤：基于人员活动轨迹信息提取人员的时间信息、地址和方位信息(Xi,Yi)并存入clickHouse数据库，其中Xi和Yi分别表示人员在第i个地址的经度和纬度；根据查询条件从数据库中查询获取所需人员活动轨迹数据；通过以下公式计算人员流动方向ζ：
Figure DDA0002935131850000011
其中，n表示人员活动的地址数量；从计算出的人员流动方向数据中筛选出某个时间段人员流动方向ζ相同的人员，从而确定是否会发生人员聚集。本发明能够快速预测是否会出现人员聚集现象，从而可以及时采取相应措施避免意外事件发生。

Description

一种基于人员活动轨迹预测人员聚集风险的方法
技术领域
本发明涉及大数据分析领域，具体地设计一种基于人员活动轨迹预测人员聚集风险的方法。
背景技术
人员聚集检测预警很多都是通过图像识别人脸，或者热力分布检测小范围的人员数量和人员动向从而得知是否在某个区域有人员异常增多的现象，而无法通过技术手段提前预知人员即将发生聚集事件。
发明内容
本发明旨在提供一种基于人员活动轨迹预测人员聚集风险的方法，以解决上述问题。为此，本发明采用的具体技术方案如下：
一种基于人员活动轨迹预测人员聚集风险的方法，其包括以下步骤：
基于人员活动轨迹信息提取人员的时间信息、地址和方位信息(Xi,Yi)并存入数据库，其中Xi和Yi分别表示人员在第i个地址的经度和纬度；
根据查询条件从数据库中查询获取所需人员活动轨迹数据；
通过以下公式计算人员流动方向ζ：
Figure BDA0002935131830000011
其中，n表示人员活动的地址数量；
从计算出的人员流动方向数据中筛选出某个时间段人员流动方向ζ相同的人员，从而确定是否会发生人员聚集。
进一步地，该方法还可包括步骤：预测目的地是否会发生人员聚集，具体地，将假定目的A(Xa,Ya)和人员的原始出发地址B(Xb,Yb)代入上述公式后得出人员的假定流动方向ζ'，比较ζ'与实际的人员流动方向ζ是否一致，从而确定人员是否有前往目的地的趋势，并把具有前往假定目的地的人归为一组，统计分组中人员数量确定人员是否会发生聚集。
进一步地，该方法还可包括步骤：对具有聚集可能性的人员的轨迹数据进行集中分组存入到数据库以备用于展示或推送。
进一步地，人员活动轨迹信息包括时间信息、交通信息和定位信息，其中，交通信息包括人员出行搭乘的火车、动车、飞机、客车、轮船站点的地址数据，定位信息包括手机定位信息、发起导航信息、人员车辆行驶中的路口位置信息和手机通话位置信息。
进一步地，交通信息的地址通过查表法转换成经度和纬度。
进一步地，查询条件包括按时间范围查询、按PointInPolygon区域算法查询、指定省市区查询和按经纬度区间范围查询。
进一步地，数据库为clickHouse数据库。
本发明采用上述技术方案，具有的有益效果是：本发明能够快速预测是否会出现人员聚集现象，从而可以及时采取相应措施避免意外事件发生。
附图说明
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
图1是本发明的基于人员活动轨迹预测人员聚集风险的方法的流程图。
具体实施方式
现结合附图和具体实施方式对本发明进一步说明。
如图1所示，一种基于人员活动轨迹预测人员聚集风险的方法包括以下步骤：
S1.基于人员活动轨迹信息提取人员的时间信息、地址和方位信息(Xi,Yi)并存入数据库(例如clickHouse)，其中Xi和Yi分别表示人员在第i个地址的经度和纬度。人员活动轨迹信息包括时间信息、交通信息和定位信息。交通信息输入包括但不限于人员出行搭乘的火车、动车、飞机、客车、轮船等站点的地址数据，这些信息没办法直接使用，还需要转换成经纬度(可以通过人工查询或查表法)才用于建模分析，对不同类型的事件数据提取共性后，可以得到如下表1所示的样本数据：
表1 样本1
Figure BDA0002935131830000031
定位信息包括但不限于手机定位信息、发起导航信息、人员车辆行驶中的路口位置信息、手机通话位置信息等，人员定位信息有助于人员流动轨迹信息更加实时精确。
对从各地获取的人员流动数据进行分类，在此根据数据源分为通话定位信息、导航信息、车辆通过路口地址等，这些数据的共同特征主要包含具体的人员路过被记录的经纬度信息、地址信息、路过时间等，可以得到如下表2所示的样本数据：
表2 样本2
Figure BDA0002935131830000041
S2.根据查询条件从数据库中查询获取所需人员活动轨迹数据。对数据进行入库后，用clickHouse等数据库管理工具进行实时查询，查询条件包括但不限于按时间范围查询、按PointInPolygon区域算法查询、指定省市区查询、按经纬度区间范围查询等。其中时间可以从时分秒，年月日等多角度提取，包括时间阶梯划分。地址可从站点数据切分，包括省份，市，区县等。数据也可以按分页分批次获取和一次性获取。
S3.利用计算机对S2获取的数据进行数据建模分析后确立数据计算公式，方便计算机能快速运算后得出每个人的总体活动轨迹方向。具体建模计算过程如下：
利用经纬度信息，建立平面坐标系，确定统一的零点坐标，得到人员任意相邻时间两个轨迹地点之间的距离为：
Figure BDA0002935131830000051
人员移动的方位可以通过纵坐标和横坐标的长度确定，所以人员发送移动的方向为：
Figure BDA0002935131830000052
由于人员的移动的方向性与任意相邻两点间的距离和角度都成正相关，所以可以(1)和(2)进行乘积得到人员移动方位关系式：
Figure BDA0002935131830000053
人员活动方位是通过不断的轨迹变换后的结果，所以人员最终的移动方位与之前的每一次活动都有关系，从而我们可以对公式(3)做累加得到人员方位属性值：
Figure BDA0002935131830000054
其中，n表示人员活动的地址数量；
由于叠加后的属性值不能直观的反应人员方位总体变化，所以这边加一步操作，对所有活动方向值取均值可以得到人员流动方向数据ζ：
Figure BDA0002935131830000061
S4.对单个人员相邻时间的活动经纬度数据做为参数，计算出每个人的活动方向性值(即，人员流动方向ζ)。从计算出的人员流动方向数据中筛选出某个时间段人员流动方向ζ相同的人员，确定是否有大量人员朝着同一个方向或者同一个坐标方位移动，从而确定是否会发生人员聚集。
此外，该方法还可包括步骤：预测目的地是否会发生人员聚集，具体地，将假定目的A(Xa,Ya)和人员的原始出发地址B(Xb,Yb)代入上述公式后得出人员的假定流动方向ζ'，比较ζ'与实际的人员流动方向ζ是否一致，从而确定人员是否有前往目的地的趋势，并把具有前往假定目的地的人归为一组，统计分组中人员数量，进而确定人员是否会发生聚集。假定目的地可以是真实需要预测的实际地址信息。
此外，该方法还可包括步骤：对具有聚集可能性的人员的轨迹数据进行集中分组存入到数据库以备用于展示或推送。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (7)

1.一种基于人员活动轨迹预测人员聚集风险的方法，其特征在于，包括以下步骤：
基于人员活动轨迹信息提取人员的时间信息、地址和方位信息(Xi,Yi)并存入数据库，其中Xi和Yi分别表示人员在第i个地址的经度和纬度；
根据查询条件从数据库中查询获取所需人员活动轨迹数据；
通过以下公式计算人员流动方向ζ：
Figure FDA0002935131820000011
其中，n表示人员活动的地址数量；
从计算出的人员流动方向数据中筛选出某个时间段人员流动方向ζ相同的人员，从而确定是否会发生人员聚集。
2.如权利要求1所述的方法，其特征在于，还包括步骤：预测目的地是否会发生人员聚集，具体地，将假定目的地A(Xa,Ya)和人员的原始出发地址B(Xb,Yb)代入上述公式后得出人员的假定流动方向ζ'，比较ζ'与实际的人员流动方向ζ是否一致，从而确定人员是否有前往目的地的趋势，并把具有前往假定目的地的人归为一组，统计分组中人员数量确定人员是否会发生聚集。
3.如权利要求1所述的方法，其特征在于，还包括步骤：对具有聚集可能性的人员的轨迹数据进行集中分组存入到数据库以备用于展示或推送。
4.如权利要求1所述的方法，其特征在于，人员活动轨迹信息包括时间信息、交通信息和定位信息，其中，交通信息包括人员出行搭乘的火车、动车、飞机、客车、轮船站点的地址数据，定位信息包括手机定位信息、发起导航信息、人员车辆行驶中的路口位置信息和手机通话位置信息。
5.如权利要求4所述的方法，其特征在于，交通信息的地址通过查表法转换成经度和纬度。
6.如权利要求1所述的方法，其特征在于，查询条件包括按时间范围查询、按PointInPolygon区域算法查询、指定省市区查询和按经纬度区间范围查询。
7.如权利要求1所述的方法，其特征在于，数据库为clickHouse数据库。
CN202110167010.4A 2021-02-05 2021-02-05 一种基于人员活动轨迹预测人员聚集风险的方法 Pending CN112990543A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110167010.4A CN112990543A (zh) 2021-02-05 2021-02-05 一种基于人员活动轨迹预测人员聚集风险的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110167010.4A CN112990543A (zh) 2021-02-05 2021-02-05 一种基于人员活动轨迹预测人员聚集风险的方法

Publications (1)

Publication Number Publication Date
CN112990543A true CN112990543A (zh) 2021-06-18

Family

ID=76348715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110167010.4A Pending CN112990543A (zh) 2021-02-05 2021-02-05 一种基于人员活动轨迹预测人员聚集风险的方法

Country Status (1)

Country Link
CN (1) CN112990543A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009688A (zh) * 2017-12-15 2018-05-08 东软集团股份有限公司 聚集事件预测方法、装置及设备
WO2020215793A1 (zh) * 2019-04-23 2020-10-29 深圳先进技术研究院 一种城市聚集事件预测与定位方法及装置
CN111950798A (zh) * 2020-08-21 2020-11-17 浙江中医药大学 一种基于小波神经网络的区域短期人流量趋势预测方法及其系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009688A (zh) * 2017-12-15 2018-05-08 东软集团股份有限公司 聚集事件预测方法、装置及设备
WO2020215793A1 (zh) * 2019-04-23 2020-10-29 深圳先进技术研究院 一种城市聚集事件预测与定位方法及装置
CN111950798A (zh) * 2020-08-21 2020-11-17 浙江中医药大学 一种基于小波神经网络的区域短期人流量趋势预测方法及其系统

Similar Documents

Publication Publication Date Title
CN105225515B (zh) 一种基于电子围栏的监控方法及系统
US10854076B2 (en) Method and system for computing parking occupancy
Chang et al. Estimating real-time traffic carbon dioxide emissions based on intelligent transportation system technologies
CN108170793B (zh) 基于车辆语义轨迹数据的停留点分析方法及其系统
CN111862606B (zh) 一种基于多源数据的非法营运车辆识别方法
US9141582B1 (en) Driving trip and pattern analysis
CN105144259A (zh) 交通监察和指导系统
CN103729183B (zh) 基于智能手机的车辆绿色出行导航系统设计
CN111586586B (zh) 一种追踪方法和系统
Qin et al. EXIMIUS: A measurement framework for explicit and implicit urban traffic sensing
CN110990661B (zh) 一种基于路网约束和密度聚类的兴趣区域出入口提取方法
Cai et al. A novel trip coverage index for transit accessibility assessment using mobile phone data
CN102770893A (zh) 用于产生和提供交通相关信息的方法和系统
KR102467375B1 (ko) 개선된 트래픽 상황 시각화를 위한 시스템 및 방법
CN111539864A (zh) 一种基于lbs大数据的踩踏事件的情报分析方法和装置
CN113259900A (zh) 一种分布式多源异构交通数据融合方法及装置
Sobreira et al. Disaggregated traffic conditions and road crashes in urban signalized intersections
Csendes et al. Where truck drivers stop–application of vehicle tracking data for the identification of rest locations and driving patterns
CN112990543A (zh) 一种基于人员活动轨迹预测人员聚集风险的方法
Tian et al. Identifying residential and workplace locations from transit smart card data
CN110715685A (zh) 一种基于智能手机的路面行驶质量检测方法
Choudhry et al. Inferring truck activities using privacy-preserving truck trajectories data
Tang et al. Spatio-temporal reachable area calculation based on urban traffic data
WO2015170385A1 (ja) 移動手段判別システム、移動手段判別方法、及び計算機読み取り可能な非一時的な記憶媒体
Hu et al. Evaluating Bicycling Environments with Trajectory Data on Shared Bikes: A Case Study of Beijing

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210618