CN113128831A - 基于边缘计算的人流引导方法、装置、计算机设备和存储介质 - Google Patents
基于边缘计算的人流引导方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113128831A CN113128831A CN202110264400.3A CN202110264400A CN113128831A CN 113128831 A CN113128831 A CN 113128831A CN 202110264400 A CN202110264400 A CN 202110264400A CN 113128831 A CN113128831 A CN 113128831A
- Authority
- CN
- China
- Prior art keywords
- edge computing
- node
- guiding
- people flow
- flow
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 49
- 238000004891 communication Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003370 grooming effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于边缘计算的人流引导方法、装置、计算机设备和存储介质,该方法包括:在引导中心设置引导中心节点,通信接入边缘计算网络;边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量;将人流量输入人流量预测模型中,得到目标监测区域在目标时间节点对应的预测人流量;根据预测人流量,向用户推荐目标监测区域在目标时间节点的预测引导信息;各个边缘计算节点将预测引导信息发送至引导中心节点,引导中心节点结合各个边缘计算节点的当前人流量和预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点。本申请通过提高了人流疏导的精度和效率。
Description
技术领域
本发明涉及接口技术领域,特别是涉及基于边缘计算的人流引导方法、装置、计算机设备和存储介质。
背景技术
对于北京、上海、深圳等人口基数大、充满流动性的超大规模城市,综合性商业区、著名旅游景点、大型活动场所等热点区域经常会出现人群“井喷”现象,在节假日期间这种现象更为显著。为防范城市人流聚集场所存在的各种安全隐患,亟需科学有效的信息化监测手段进行人流量预测,及早发现人群流动特征,为区域管理资源的协调提供决策依据。
因此,有必要提供一种基于边缘计算的人流引导方法。
发明内容
本申请提供了一种基于边缘计算的人流引导方法、装置、计算机设备和存储介质。
第一方面提供了一种基于边缘计算的人流引导方法,包括:
在每个目标监测区域按照预设的距离间隔设置边缘计算节点,所述边缘计算节点监测经过该边缘计算节点的实际人流量,所述边缘计算节点之间以通信方式传输数据和指令,全部边缘计算节点与总控节点之间以通信方式连接;在引导中心设置引导中心节点,通信接入所述边缘计算网络;
所述边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量;将所述人流量输入人流量预测模型中,得到所述目标监测区域在所述目标时间节点对应的预测人流量;根据所述预测人流量,向用户推荐所述目标监测区域在所述目标时间节点的预测引导信息;
各个边缘计算节点将所述预测引导信息发送至引导中心节点,所述引导中心节点结合各个边缘计算节点的当前人流量和所述预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点。
在一些实施中,所述边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量,包括:
所述边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的的人群图像;
根据所述获取到的所述当前时间点之前多个时间点的人群图像,运用基于YOLOv2算法的人流量计算方法计算所述当前时间点之前多个时间点的人流量。
在一些实施中,所述根据所述预测人流量,向用户推荐所述目标监测区域在所述目标时间节点的预测引导信息,包括:
所述边缘节点获取全部邻接边缘计算节点的预测人流量,根据所述预测人流量排名后获取人流压力最小的预定数量邻接边缘计算节点,作为下一引导节点集合;
以所述下一引导节点集合中的每个边缘计算节点为新的边缘计算节点,迭代生成新的下一引导节点集合,直至所述边缘计算节点的人流数量低于预设阈值。
在一些实施中,所述引导中心节点结合各个边缘计算节点的当前人流量和所述预测引导信息,计算出各个边缘计算节点的最终引导信息,包括:
根据各个边缘计算节点返回的当前的人流量和预测引导信息,预测各个边缘计算节点在各个时刻的人流量;
在所述人流量超过当前边缘计算节点的承载能力时,对预测引导信息中当前边缘计算上一节点的人流进行重新分流。
在一些实施中,所述方法还包括:
获取多个人流量影响因素的权重值;
将所述预测人流数目、所述实际人流数目以及人流量影响因素的权重值输入人流量误差值检测模型,输出人流量误差值;
获取预设的误差值区间,根据所述人流量误差值以及所述误差值区间,进行人流量安全预警。
在一些实施中,所述根据所述人流量误差值以及所述误差值区间,进行人流量安全预警,包括:
当所述人流量误差值未超出所述误差值区间,则确定所述目标监测区域在所述目标时间节点安全;
当所述人流量误差值超出所述误差值区间,则确定所述目标监测区域在所述目标时间节点不安全,进行安全预警。
在一些实施中,所述人流量误差值检测模型用于根据第一因子与第二因子之间的乘积,确定人流量误差值;其中,第一因子根据实际人流数目与预测人流数目之间的差值确定;第二因子根据多个人流量影响因素的权重值确定。
第二方面提供了一种基于边缘计算的人流引导装置,包括:
组网模块,用于在每个目标监测区域按照预设的距离间隔设置边缘计算节点,所述边缘计算节点监测经过该边缘计算节点的实际人流量,所述边缘计算节点之间以通信方式传输数据和指令,全部边缘计算节点与总控节点之间以通信方式连接;在引导中心设置引导中心节点,通信接入所述边缘计算网络;
预测引导模块,用于各个边缘计算节点将监测得到的人流量向所述边缘计算网络中的各个边缘计算节点广播;所述边缘计算节点根据所处位置的人流量,结合所述边缘计算网络中各个边缘计算节点的人流量,得到当前边缘节点所处位置的预测引导信息;
最终引导模块,用于各个边缘计算节点将所述预测引导信息发送至引导中心节点,所述引导中心节点结合各个边缘计算节点的当前人流量和所述预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点。
第三方面提供了一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述所述基于边缘计算的人流引导方法的步骤。
第四方面提供了一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述基于边缘计算的人流引导方法的步骤。
上述基于边缘计算的人流引导方法、装置、计算机设备和存储介质,在每个目标监测区域按照预设的距离间隔设置边缘计算节点,边缘计算节点监测经过该边缘计算节点的实际人流量,边缘计算节点之间以通信方式传输数据和指令,全部边缘计算节点与总控节点之间以通信方式连接;在引导中心设置引导中心节点,通信接入边缘计算网络;边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量;将人流量输入人流量预测模型中,得到目标监测区域在目标时间节点对应的预测人流量;根据预测人流量,向用户推荐目标监测区域在目标时间节点的预测引导信息;各个边缘计算节点将预测引导信息发送至引导中心节点,引导中心节点结合各个边缘计算节点的当前人流量和预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点;当边缘计算节点识别出发生拥塞事件的情况下,控制即将进入边缘计算节点位置区域的人流量,引导中心节点更新各个节点的最终引导路径,并返回至对应的边缘计算节点。从而,更加准确地预测目标区域在未来时刻的总人流量,进而提供及时、准确、有效的人流引导,提升了人流引导系统服务质量和服务效率。
附图说明
图1为一个实施例中提供的基于边缘计算的人流引导方法的实施环境图;
图2为一个实施例中计算机设备的内部结构框图;
图3为一个实施例中基于边缘计算的人流引导方法的流程图;
图4为一个实施例中基于边缘计算的人流引导装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为一个实施例中提供的基于边缘计算的人流引导方法的实施环境图,如图1所示,在该实施环境中,包括计算机设备110以及终端120。
终端设备110通过网络与服务器120进行通信。终端设备110可以设置于需要监测的目标监测区域周围的预设位置,对该目标监测区域的图像进行采集。目标监测区域可以根据实际需要设置,例如目标监测区域可以是校园门口的某区域范围,终端设备110可以固定于校园门口一侧朝向该目标监测区域设置。终端设备110可以包括摄像装置,终端设备110通过摄像装置采集目标监测区域的图像传输至服务器120,服务器120对图像进行识别分析可以得到目标监测区域在该图像采集时间节点时的人流数目。服务器120执行本申请任意实施例的人流量安全性的识别方法,对目标时间节点的人流量安全性进行识别。其中,终端设备110可以是包括摄像装置的设备,例如可以是摄像机或者其他专用设备等,服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
计算机设备110为数据提供方设备,计算机设备110具有接口,例如可以为接口是API(Application Programming Interface,即应用程序接口)。终端120为数据调用方,具有接口配置界面,当基于边缘计算的人流引导(如接口入参变更、接口地址变更)时,可以接收计算机设备110发出的接口变更文档,该接口变更文档中携带有接口入参的变更和/或地址的变更信息,终端120基于接口变更文档在接口配置界面输入终端120在调用接口时的调用信息配置计算规则(如入参字段的组装规则,接口地址),以使终端120在调用计算机设备110的数据时,按照调用信息配置计算规则生成接口入参和/或接口地址。
需要说明的是,计算机设备110可为智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。计算机设备110以及终端110可以通过蓝牙、USB(Universal SerialBus,通用串行总线)或者其他通讯连接方式进行连接,本发明在此不做限制。
图2为一个实施例中计算机设备的内部结构示意图。如图2所示,该计算机设备包括通过系统总线连接的处理器、存储介质、存储器和网络API接口。其中,该计算机设备的存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种基于边缘计算的人流引导方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种基于边缘计算的人流引导方法。该计算机设备的网络API接口用于与终端连接通信。本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
如图3所示,在一个实施例中,提出了一种基于边缘计算的人流引导方法,该基于边缘计算的人流引导方法可以应用于上述的计算机设备110中,具体可以包括以下步骤:
步骤101、在每个目标监测区域按照预设的距离间隔设置边缘计算节点,边缘计算节点监测经过该边缘计算节点的人流量,边缘计算节点之间以通信方式传输数据和指令,全部边缘计算节点与总控节点之间以通信方式连接;在引导中心设置引导中心节点,通信接入边缘计算网络;
其中,目标区域是指可能会形成人流拥堵的区域,如,景点、游乐园等等。
步骤102、边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量;将人流量输入人流量预测模型中,得到目标监测区域在目标时间节点对应的预测人流量;根据预测人流量,向用户推荐目标监测区域在目标时间节点的预测引导信息;
在一些实施例中,上述步骤102中,边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量,包括:
步骤102a、边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的的人群图像;
步骤102b、根据获取到的当前时间点之前多个时间点的人群图像,运用基于YOLOv2算法的人流量计算方法计算当前时间点之前多个时间点的人流量。
具体的,计算机在收到当前时间点之前多个时间点的人群图像后,运用基于YOLOv2算法的人流量计算方法,YOLOv2网络结构包括19个卷积层和5个最大池化层,分别用来训练分类网络和检测网络,获得用于检测行人目标的YOLO神经网络。利用训练好的YOLO神经网络检测行人目标,并用矩形框标注。
步骤102c、边缘节点获取全部邻接边缘计算节点的预测人流量,根据预测人流量排名后获取人流压力最小的预定数量邻接边缘计算节点,作为下一引导节点集合;
步骤102d、以下一引导节点集合中的每个边缘计算节点为新的边缘计算节点,迭代生成新的下一引导节点集合,直至边缘计算节点的人流数量低于预设阈值。
可以理解的是,预测引导信息,主要是在每个边缘节点上,使用局部最优化的方式,寻找当前边缘计算节点的最佳下一引导边缘计算节点,下一边缘计算节点又循环这一局部最优解的寻找过程,直至获取整个疏导路径的全局最优化疏导路径,即为每个节点的预测引导信息。
步骤103、各个边缘计算节点将预测引导信息发送至引导中心节点,引导中心节点结合各个边缘计算节点的当前人流量和预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点;
在一些实施例中,上述步骤103中,引导中心节点结合各个边缘计算节点的当前人流量和预测引导信息,计算出各个边缘计算节点的最终引导信息,包括:
步骤103a、根据各个边缘计算节点返回的当前的人流量和预测引导信息,预测各个边缘计算节点在各个时刻的人流量;
步骤103b、在人流量超过当前边缘计算节点的承载能力时,对预测引导信息中当前边缘计算上一节点的人流进行重新分流。
可以理解的是,将所有边缘计算节点规划的预测引导信息发送至中心节点,中心节点根据每个边缘计算节点的人流情况以及疏导路径,为每个边缘计算节点统筹规划出一条最终疏导路径,避免拥塞问题。
在一些实施例中,该基于边缘计算的人流引导方法,还包括:
步骤104、获取多个人流量影响因素的权重值;
步骤105、将预测人流数目、实际人流数目以及人流量影响因素的权重值输入人流量误差值检测模型,输出人流量误差值;
步骤106、获取预设的误差值区间,根据人流量误差值以及误差值区间,进行人流量安全预警。
具体地,上述步骤106包括:当人流量误差值未超出误差值区间,则确定目标监测区域在目标时间节点安全;当人流量误差值超出误差值区间,则确定目标监测区域在目标时间节点不安全,进行安全预警。
在一个实施例中,人流量误差值检测模型用于根据第一因子与第二因子之间的乘积,确定人流量误差值;其中,第一因子根据实际人流数目与预测人流数目之间的差值确定;第二因子根据多个人流量影响因素的权重值确定。
根据目标监测区域在目标时间节点的预测人流数目和实际人流数目,确定目标监测区域在目标时间节点是否安全的安全决策信息。相较传统的仅根据实时人流量判断是否安全,上述方法结合历史人流信息对人流量的预测值与实际值综合判断人流量是否安全,可以有效提升对人流量安全性识别的准确性和时效性。
如图4所示,在一个实施例中,提供了一种基于边缘计算的人流引导装置,该基于边缘计算的人流引导装置可以集成于上述的计算机设备110中,具体可以包括:
组网模块411,用于在每个目标监测区域按照预设的距离间隔设置边缘计算节点,边缘计算节点监测经过该边缘计算节点的实际人流量,边缘计算节点之间以通信方式传输数据和指令,全部边缘计算节点与总控节点之间以通信方式连接;在引导中心设置引导中心节点,通信接入边缘计算网络;
预测引导模块412,用于各个边缘计算节点将监测得到的人流量向边缘计算网络中的各个边缘计算节点广播;边缘计算节点根据所处位置的人流量,结合边缘计算网络中各个边缘计算节点的人流量,得到当前边缘节点所处位置的预测引导信息;
最终引导模块413,用于各个边缘计算节点将预测引导信息发送至引导中心节点,引导中心节点结合各个边缘计算节点的当前人流量和预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点。
在一个实施例中,提出了一种计算机设备,计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:在每个目标监测区域按照预设的距离间隔设置边缘计算节点,边缘计算节点监测经过该边缘计算节点的人流量,边缘计算节点之间以通信方式传输数据和指令,全部边缘计算节点与总控节点之间以通信方式连接;在引导中心设置引导中心节点,通信接入边缘计算网络;边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量;将人流量输入人流量预测模型中,得到目标监测区域在目标时间节点对应的预测人流量;根据预测人流量,向用户推荐目标监测区域在目标时间节点的预测引导信息;各个边缘计算节点将预测引导信息发送至引导中心节点,引导中心节点结合各个边缘计算节点的当前人流量和预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:在每个目标监测区域按照预设的距离间隔设置边缘计算节点,边缘计算节点监测经过该边缘计算节点的人流量,边缘计算节点之间以通信方式传输数据和指令,全部边缘计算节点与总控节点之间以通信方式连接;在引导中心设置引导中心节点,通信接入边缘计算网络;边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量;将人流量输入人流量预测模型中,得到目标监测区域在目标时间节点对应的预测人流量;根据预测人流量,向用户推荐目标监测区域在目标时间节点的预测引导信息;各个边缘计算节点将预测引导信息发送至引导中心节点,引导中心节点结合各个边缘计算节点的当前人流量和预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于边缘计算的人流引导方法,其特征在于,包括:
在每个目标监测区域按照预设的距离间隔设置边缘计算节点,所述边缘计算节点监测经过该边缘计算节点的人流量,所述边缘计算节点之间以通信方式传输数据和指令,全部边缘计算节点与总控节点之间以通信方式连接;在引导中心设置引导中心节点,通信接入所述边缘计算网络;
所述边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量;将所述人流量输入人流量预测模型中,得到所述目标监测区域在所述目标时间节点对应的预测人流量;根据所述预测人流量,向用户推荐所述目标监测区域在所述目标时间节点的预测引导信息;
各个边缘计算节点将所述预测引导信息发送至引导中心节点,所述引导中心节点结合各个边缘计算节点的当前人流量和所述预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点。
2.如权利要求1所述的基于边缘计算的人流引导方法,其特征在于,所述边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的人流量,包括:
所述边缘计算节点监测经过该边缘计算节点的在目标时间节点之前的多个时间点的的人群图像;
根据所述获取到的所述当前时间点之前多个时间点的人群图像,运用基于YOLOv2算法的人流量计算方法计算所述当前时间点之前多个时间点的人流量。
3.如权利要求1所述的基于边缘计算的人流引导方法,其特征在于,所述根据所述预测人流量,向用户推荐所述目标监测区域在所述目标时间节点的预测引导信息,包括:
所述边缘节点获取全部邻接边缘计算节点的预测人流量,根据所述预测人流量排名后获取人流压力最小的预定数量邻接边缘计算节点,作为下一引导节点集合;
以所述下一引导节点集合中的每个边缘计算节点为新的边缘计算节点,迭代生成新的下一引导节点集合,直至所述边缘计算节点的人流数量低于预设阈值。
4.如权利要求1所述的基于边缘计算的人流引导方法,其特征在于,所述引导中心节点结合各个边缘计算节点的当前人流量和所述预测引导信息,计算出各个边缘计算节点的最终引导信息,包括:
根据各个边缘计算节点返回的当前的人流量和预测引导信息,预测各个边缘计算节点在各个时刻的人流量;
在所述人流量超过当前边缘计算节点的承载能力时,对预测引导信息中当前边缘计算上一节点的人流进行重新分流。
5.如权利要求1所述的基于边缘计算的人流引导方法,其特征在于,所述方法还包括:
获取多个人流量影响因素的权重值;
将所述预测人流数目、所述实际人流数目以及人流量影响因素的权重值输入人流量误差值检测模型,输出人流量误差值;
获取预设的误差值区间,根据所述人流量误差值以及所述误差值区间,进行人流量安全预警。
6.如权利要求3所述的基于边缘计算的人流引导方法,其特征在于,所述根据所述人流量误差值以及所述误差值区间,进行人流量安全预警,包括:
当所述人流量误差值未超出所述误差值区间,则确定所述目标监测区域在所述目标时间节点安全;
当所述人流量误差值超出所述误差值区间,则确定所述目标监测区域在所述目标时间节点不安全,进行安全预警。
7.如权利要求4所述的基于边缘计算的人流引导方法,其特征在于,所述人流量误差值检测模型用于根据第一因子与第二因子之间的乘积,确定人流量误差值;其中,第一因子根据实际人流数目与预测人流数目之间的差值确定;第二因子根据多个人流量影响因素的权重值确定。
8.一种基于边缘计算的人流引导装置,其特征在于,包括:
组网模块,用于在每个目标监测区域按照预设的距离间隔设置边缘计算节点,所述边缘计算节点监测经过该边缘计算节点的实际人流量,所述边缘计算节点之间以通信方式传输数据和指令,全部边缘计算节点与总控节点之间以通信方式连接;在引导中心设置引导中心节点,通信接入所述边缘计算网络;
预测引导模块,用于各个边缘计算节点将监测得到的人流量向所述边缘计算网络中的各个边缘计算节点广播;所述边缘计算节点根据所处位置的人流量,结合所述边缘计算网络中各个边缘计算节点的人流量,得到当前边缘节点所处位置的预测引导信息;
最终引导模块,用于各个边缘计算节点将所述预测引导信息发送至引导中心节点,所述引导中心节点结合各个边缘计算节点的当前人流量和所述预测引导信息,计算出各个边缘计算节点的最终引导信息,并返回至对应的边缘计算节点。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述基于边缘计算的人流引导方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述基于边缘计算的人流引导方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264400.3A CN113128831A (zh) | 2021-03-11 | 2021-03-11 | 基于边缘计算的人流引导方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264400.3A CN113128831A (zh) | 2021-03-11 | 2021-03-11 | 基于边缘计算的人流引导方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113128831A true CN113128831A (zh) | 2021-07-16 |
Family
ID=76772910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110264400.3A Pending CN113128831A (zh) | 2021-03-11 | 2021-03-11 | 基于边缘计算的人流引导方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128831A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255585A (zh) * | 2021-12-07 | 2022-03-29 | 广东惠科信息技术有限公司 | 基于5g基站的目标区域人群导流方法、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549865A (zh) * | 2018-04-12 | 2018-09-18 | 江南大学 | 一种基于深度学习的公共场所人流量调节辅助方法及系统 |
CN109902865A (zh) * | 2019-02-20 | 2019-06-18 | 广州视源电子科技股份有限公司 | 人流量安全性的识别方法、装置、计算机设备和存储介质 |
CN110059921A (zh) * | 2019-03-11 | 2019-07-26 | 特斯联(北京)科技有限公司 | 一种基于边缘计算的游客信息分析方法和系统 |
CN111352729A (zh) * | 2020-02-04 | 2020-06-30 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算架构的公共人流监视疏导方法和系统 |
CN111459877A (zh) * | 2020-04-02 | 2020-07-28 | 北京工商大学 | 基于FPGA加速的Winograd YOLOv2目标检测模型方法 |
CN111638955A (zh) * | 2020-05-27 | 2020-09-08 | 深圳市易链信息技术有限公司 | 基于边缘计算的景区管理服务方法、系统和可读存储介质 |
-
2021
- 2021-03-11 CN CN202110264400.3A patent/CN113128831A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549865A (zh) * | 2018-04-12 | 2018-09-18 | 江南大学 | 一种基于深度学习的公共场所人流量调节辅助方法及系统 |
CN109902865A (zh) * | 2019-02-20 | 2019-06-18 | 广州视源电子科技股份有限公司 | 人流量安全性的识别方法、装置、计算机设备和存储介质 |
CN110059921A (zh) * | 2019-03-11 | 2019-07-26 | 特斯联(北京)科技有限公司 | 一种基于边缘计算的游客信息分析方法和系统 |
CN111352729A (zh) * | 2020-02-04 | 2020-06-30 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算架构的公共人流监视疏导方法和系统 |
CN111459877A (zh) * | 2020-04-02 | 2020-07-28 | 北京工商大学 | 基于FPGA加速的Winograd YOLOv2目标检测模型方法 |
CN111638955A (zh) * | 2020-05-27 | 2020-09-08 | 深圳市易链信息技术有限公司 | 基于边缘计算的景区管理服务方法、系统和可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255585A (zh) * | 2021-12-07 | 2022-03-29 | 广东惠科信息技术有限公司 | 基于5g基站的目标区域人群导流方法、装置及存储介质 |
CN114255585B (zh) * | 2021-12-07 | 2023-12-22 | 广东惠科信息技术有限公司 | 基于5g基站的目标区域人群导流方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10963705B2 (en) | System and method for point-to-point traffic prediction | |
US11328163B2 (en) | Methods and apparatus for automated surveillance systems | |
CN110210604B (zh) | 一种终端设备移动轨迹预测方法及装置 | |
CN109872535B (zh) | 一种智慧交通通行预测方法、装置及服务器 | |
US11305780B2 (en) | Road condition status prediction method, device, and server, and storage medium | |
US20160183059A1 (en) | Method for tracking of motion of objects associated with wireless communication devices within a predefined area | |
CN110849384B (zh) | 导航路线生成方法、装置、可读存储介质和计算机设备 | |
CN110356437A (zh) | 实时服务水平监视 | |
CN112435469A (zh) | 车辆预警控制方法、装置、计算机可读介质及电子设备 | |
CN113276874A (zh) | 一种车辆行驶轨迹处理方法及相关装置 | |
KR20220063280A (ko) | 군중 과밀 예측 방법 및 장치 | |
CN113515606A (zh) | 基于智慧医疗安全的大数据处理方法及智慧医疗ai系统 | |
Park et al. | Online optimization with look-ahead for freeway emergency vehicle dispatching considering availability | |
de Souza et al. | Safe and sound: Driver safety-aware vehicle re-routing based on spatiotemporal information | |
CN113128831A (zh) | 基于边缘计算的人流引导方法、装置、计算机设备和存储介质 | |
CN110555473A (zh) | 行车线路规划方法、服务器及系统 | |
CN113469475B (zh) | 数据处理方法、装置、存储介质和电子设备 | |
Sharma et al. | Graph-based heuristic solution for placing distributed video processing applications on moving vehicle clusters | |
US11558722B2 (en) | Management apparatus, communication apparatus, system, method, and non-transitory computer readable medium | |
Gong et al. | Dispatching/routing of emergency vehicles in a disaster environment using data fusion concepts | |
Kabashkin | Dependability of v2i services in the communication network of the intelligent transport systems | |
Darko et al. | A Proactive Dynamic-Distributed Constraint Optimization Framework for Unmanned Aerial and Ground Vehicles in Traffic Incident Management | |
CN115600478B (zh) | 软件定义广域网分析系统及其操作方法 | |
CN115375200B (zh) | 一种警务资源调度方法、系统及存储介质 | |
CN116862097B (zh) | 一种信息确定方法及设备 |
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 |