CN114333322A - 城市的基础数据收集与分析方法 - Google Patents

城市的基础数据收集与分析方法 Download PDF

Info

Publication number
CN114333322A
CN114333322A CN202210002552.0A CN202210002552A CN114333322A CN 114333322 A CN114333322 A CN 114333322A CN 202210002552 A CN202210002552 A CN 202210002552A CN 114333322 A CN114333322 A CN 114333322A
Authority
CN
China
Prior art keywords
motor vehicle
data
designated position
monitoring
portrait
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
Application number
CN202210002552.0A
Other languages
English (en)
Other versions
CN114333322B (zh
Inventor
张磊
仝德
郑红霞
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.)
Peking University Shenzhen Graduate School
Original Assignee
Peking University Shenzhen Graduate School
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 Peking University Shenzhen Graduate School filed Critical Peking University Shenzhen Graduate School
Priority to CN202210002552.0A priority Critical patent/CN114333322B/zh
Publication of CN114333322A publication Critical patent/CN114333322A/zh
Application granted granted Critical
Publication of CN114333322B publication Critical patent/CN114333322B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了城市的基础数据收集与分析方法，涉及大数据监测技术领域，选择指定位置，并在指定位置通过数据采集终端获取该指定位置的实时视频数据；通过数据处理模块对所获得的交通数据进行处理，获得指定位置的人流量信息、机动车流量信息以及非机动车流量信息，通过设置行人和非机动车的活动半径，以指定位置为中心，分别设置r和R作为行人和非机动车的活动半径，从而能够获取不同范围内的人流密度，能够推算出该范围内的人口活跃程度，通过对不同的人口活跃程度，向该区域投放相应的房源储备量，从而使得所储备的房源数量能够与该范围内的人口活跃程度相匹配，避免出现房源过剩或房源不足的情况发生，使得所投放的房源储备量更加合理。

Description

城市的基础数据收集与分析方法
技术领域
本发明涉及大数据监测技术领域，具体是城市的基础数据收集与分析方法。
背景技术
智慧城市起源于传媒领域，是指利用各种信息技术或创新概念，将城市的系统和服务打通、集成，以提升资源运用的效率，优化城市管理和服务，以及改善市民生活质量；大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产；
在进行房屋租赁时，所投入的房源往往无法根据实际需求进行投放，从而导致在租房旺季时，某个区域内所拥有的房源不足，或在租房淡季时，某个区域内的房源过剩，如何合理的进行房源储备，是我们需要解决的问题，为此，现提供城市的基础数据收集与分析方法。
发明内容
本发明的目的在于提供城市的基础数据收集与分析方法。
本发明的目的可以通过以下技术方案实现：城市的基础数据收集与分析方法，包括以下步骤：
步骤一：选择指定位置，并在指定位置通过数据采集终端获取该指定位置的交通数据；
步骤二：通过数据处理模块对所获得的交通数据进行处理，获得指定位置的人流量信息、机动车流量信息以及非机动车流量信息；并将处理后的交通数据上传至大数据模型；
步骤三：对大数据模型的输出结果进行分析，获得以指定位置为中心的一定范围内的人流密度，并根据人流密度投放相应的房源储备量。
进一步的，所述数据采集终端包括若干监控设备，所述数据采集终端获取指定位置的交通数据的过程包括：
将若干个监控设备安装在指定位置，通过监控设备获取指定位置的交通数据；通过监控设备实时获取指定位置的实时视频数据。
进一步的，若干个所述监控设备为一个监控设备组，每个所述监控设备的监控画面与至少一个其他监控设备的监控画面存在交叉部分；通过在城市中的不同位置安装监控设备组，从而获取相应的位置的交通数据。
进一步的，所述数据处理模块对交通数据进行处理的过程包括：
建立指定位置的监控区域地图；
对所有监控设备所获取到的交通数据按照监控区域地图的范围进行视频拼接，并获得指定位置的完整视频；
对指定位置的完整视频进行图像处理，从而获得完整视频中的人像信息、机动车信息以及非机动车信息。
进一步的，所述监控区域地图的建立过程包括：
获取每个监控设备的拍摄范围，并将选择其中一个监控设备拍摄范围中的一点作为原点，以该原点建立三维空间坐标系；
将所有监控设备的拍摄范围映射至三维空间坐标系内，从而获得监控区域地图。
进一步的，所述数据处理模块对完整视频进行图像的处理过程包括：
将所获取到的视频进行栅格化处理；
对栅格化处理后的视频中的人像、机动车以及非机动车进行框选标记；
根据所框选标记的人像、机动车以及非机动车的动态图像，分别获取人像、机动车以及非机动车在视频中的移动速度；
将一天的时间划分为若干个时间段，并获取每个时间段内的人流量、机动车流量以及非机动车流量。
进一步的，所述大数据模型对指定位置中人像分别与机动车和非机动车之间的关系进行分析的过程包括：
根据所框选标记的人像、机动车以及非机动车在监控区域地图内的坐标位置，获得每个人像分别与每个机动车或非机动车之间的距离；并将人像分为行人、骑机动车的人和骑非机动车的人三种类型；对不同类型的人像的行为习惯进行分析，从而获得以指定位置为中心，半径r和半径R范围内的人流密度。
进一步的，所述房源储备量的投放过程包括：
根据所获取的以指定位置为中心，半径r和半径R范围内每天的人流密度，生成人流密度变化随时间变化的人流密度变化曲线图，并将人流密度变化曲线图内设置人流密度上限阈值线和人流密度下限阈值线；
将人流密度超过人流密度上限阈值线和人流密度低于人流密度下限阈值线的部分分别进行标记；并分别标记为增储时期和降储时期，设置时间周期T，当被标记的部分的时间跨度低于时间周期T时，则将该部分进行忽略，当被标记的部分的时间跨度不低于时间周期T时，则分别获取对应部分的人流密度的最大值和人流密度的最小值；
将半径r和半径R范围内人流密度的最大值和人流密度上限阈值线之间的差值，并将该差值记分别记为SRCr和SRCR；
将半径r和半径R范围内人流密度的最小值和人流密度上限阈值线之间的差值，并将该差值记分别记为XRCr和XRCR；
则当增储时期的房源储备量为ZCL，其中ZCL＝b*(SRCr*r+SRCR*R)/(R+r)，对ZCL进行取整，获得增储时期的房源储备量至少为ZCL；其中b为系统因子，且0＜b＜1；
当降储时期的房源储备量为JCL，其中JCL＝c*(XRCr*r+XRCR*R)/(R+r)，对JCL进行取整，获得增储时期的房源储备量最多为JCL，其中c为系统因子，且0＜c＜1。
与现有技术相比，本发明的有益效果是：通过设置行人和非机动车的活动半径，以指定位置为中心，分别设置r和R作为行人和非机动车的活动半径，从而能够获取不同范围内的人流密度，能够推算出该范围内的人口活跃程度，通过对不同的人口活跃程度，向该区域投放相应的房源储备量，从而使得所储备的房源数量能够与该范围内的人口活跃程度相匹配，避免出现房源过剩或房源不足的情况发生，使得所投放的房源储备量更加合理。
附图说明
图1为本发明的流程图。
具体实施方式
如图1所示，城市的基础数据收集与分析方法，包括以下步骤：
步骤一：选择指定位置，并在指定位置通过数据采集终端获取该指定位置的交通数据；
步骤二：通过数据处理模块对所获得的交通数据进行处理，获得指定位置的人流量信息、机动车流量信息以及非机动车流量信息；并将处理后的交通数据上传至大数据模型；
步骤三：对大数据模型的输出结果进行分析，获得以指定位置为中心的一定范围内的人流密度，并根据人流密度投放相应的房源储备量。
所述数据采集终端包括若干监控设备，所述数据采集终端获取指定位置的交通数据的具体过程包括：
将若干个监控设备安装在指定位置，通过监控设备获取指定位置的交通数据；需要进一步说明的是，在具体实施过程中，若干个所述监控设备为一个监控设备组，每个所述监控设备的监控画面与至少一个其他监控设备的监控画面存在交叉部分；通过在城市中的不同位置安装监控设备组，从而获取相应的位置的交通数据；
通过监控设备实时获取指定位置的交通数据，并将所获得的交通数据发送至数据处理模块；所述交通数据为监控设备拍摄的实时视频数据；
将监控设备组所获取到的交通数据发送至数据处理模块，所述数据处理模块对交通数据进行处理的过程包括：
建立指定位置的监控区域地图，所述监控区域地图的建立过程包括：
获取每个监控设备的拍摄范围，并将选择其中一个监控设备拍摄范围中的一点作为原点，以该原点建立三维空间坐标系；
将所有监控设备的拍摄范围映射至三维空间坐标系内，从而获得监控区域地图；需要进一步说明的是，在具体实施过程，当两个监控设备之间存在交叉的拍摄范围时，则交叉的拍摄范围在监控区域地图内的坐标一致；
对所有监控设备所获取到的交通数据按照监控区域地图的范围进行视频拼接，并获得指定位置的完整视频；
对指定位置的完整视频进行图像处理，从而获得完整视频中的人像信息、机动车信息以及非机动车信息，具体处理过程包括：
将所获取到的视频进行栅格化处理；
对栅格化处理后的视频进行人像识别，并将识别的人像进行框选标记；
识别栅格化处理后的视频中的机动车，并将机动车进行框选标记；
识别栅格化处理后的视频中的非机动车，并将非机动车进行框选标记；
根据所框选标记的人像、机动车以及非机动车的动态图像，分别获取人像、机动车以及非机动车在视频中的移动速度；
将一天的时间划分为若干个时间段，并获取每个时间段内的人流量、机动车流量以及非机动车流量；
需要进一步说明的是，在具体实施过程中，当数据处理模块完成对指定位置的完整视频的处理后，将处理结果输入至大数据模型；所述大数据模型用于对指定位置中人像分别与机动车和非机动车之间的关系进行分析，具体过程包括：
将所框选标记的人像、机动车以及非机动车的动态图像输入至大数据模型内，获取人像、机动车以及非机动车在监控区域地图内的坐标位置；
设置人像与机动车或非机动车之间的距离阈值，并根据所框选标记的人像、机动车以及非机动车在监控区域地图内的坐标位置，获得每个人像分别与每个机动车或非机动车之间的距离；
当每个人像与机动车或非机动车之间的距离小于距离阈值时，则将该人像与机动车或非机动车进行标记；
则获取被标记的人像与机动车或非机动车的移动速度，设置时间区段，当该人像与机动车或非机动车在进入拍摄范围内的时间区段内，该人像与机动车或非机动车的移动速度始终一致，则将该人像与该机动车或非机动车进行绑定，并将该人像标记为骑机动车的人和骑非机动车的人；
将人像分为行人、骑机动车的人和骑非机动车的人三种类型；需要进一步说明的是，在具体实施过程中，机动车或非机动车的驾驶员不能够被进行人像识别时，则将默认该机动车或非机动车至少绑定一人；
所述大数据模型还用于对不同类型的人像的行为习惯进行分析，具体分析过程包括：
设置行人和非机动车的活动半径，以指定位置为中心，分别设置r和R作为行人和非机动车的活动半径；需要进一步说明的是，在具体实施过程中，r＜R；
将时间段进行标记，记为第i个时间段，其中i＝1，2，……，n，n为整数；获取不同时间段内的人流量以及非机动车流量，并将不同时间段内的人流量以及非机动车流量分别标记为RLi和FLi；
将其中人流量最大值RLmax以及非机动车流量最大值FLmax进行标记，并获取其对应的时间段；
通过公式
Figure BDA0003455374100000071
和
Figure BDA0003455374100000072
分别获得指定区域内一天的人流总量RZ和非机动车流总量FZ；
则分别获得以指定位置为中心，半径r和半径R范围内的人流密度RLr和RLR；其中，RLr＝(RLmax+a*FLmax)/RZ/r和RLR＝(RLmax+FLmax)/(RZ+FZ)/(r+R)；其中a为系统因子，且a＜1。
需要进一步说明的是，在具体实施过程中，根据不同范围内的人流密度，能够推算出该范围内的人口活跃程度，通过对不同的人口活跃程度，向该区域投放相应的房源储备量，从而使得所储备的房源数量能够与该范围内的人口活跃程度相匹配，避免出现房源过剩或房源不足的情况发生，使得所投放的房源储备量更加合理。
所述房源储备量的投放过程具体包括：
根据所获取的以指定位置为中心，半径r和半径R范围内每天的人流密度，生成人流密度变化随时间变化的人流密度变化曲线图，并将人流密度变化曲线图内设置人流密度上限阈值线和人流密度下限阈值线；
将人流密度超过人流密度上限阈值线和人流密度低于人流密度下限阈值线的部分分别进行标记；并分别标记为增储时期和降储时期，设置时间周期T，当被标记的部分的时间跨度低于时间周期T时，则将该部分进行忽略，当被标记的部分的时间跨度不低于时间周期T时，则分别获取对应部分的人流密度的最大值和人流密度的最小值；
将半径r和半径R范围内人流密度的最大值和人流密度上限阈值线之间的差值，并将该差值记分别记为SRCr和SRCR；
将半径r和半径R范围内人流密度的最小值和人流密度上限阈值线之间的差值，并将该差值记分别记为XRCr和XRCR；
则当增储时期的房源储备量为ZCL，其中ZCL＝b*(SRCr*r+SRCR*R)/(R+r)，对ZCL进行取整，获得增储时期的房源储备量至少为ZCL；其中b为系统因子，且0＜b＜1；
当降储时期的房源储备量为JCL，其中JCL＝c*(XRCr*r+XRCR*R)/(R+r)，对JCL进行取整，获得增储时期的房源储备量最多为JCL，其中c为系统因子，且0＜c＜1。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (8)

1.城市的基础数据收集与分析方法，其特征在于，包括以下步骤：
步骤一：选择指定位置，并在指定位置通过数据采集终端获取该指定位置的交通数据；
步骤二：通过数据处理模块对所获得的交通数据进行处理，获得指定位置的人流量信息、机动车流量信息以及非机动车流量信息；并将处理后的交通数据上传至大数据模型；
步骤三：对大数据模型的输出结果进行分析，获得以指定位置为中心的一定范围内的人流密度，并根据人流密度投放相应的房源储备量。
2.根据权利要求1所述的城市的基础数据收集与分析方法，其特征在于，所述数据采集终端包括若干监控设备，所述数据采集终端获取指定位置的交通数据的过程包括：
将若干个监控设备安装在指定位置，通过监控设备获取指定位置的交通数据；通过监控设备实时获取指定位置的实时视频数据。
3.根据权利要求2所述的城市的基础数据收集与分析方法，其特征在于，若干个所述监控设备为一个监控设备组，每个所述监控设备的监控画面与至少一个其他监控设备的监控画面存在交叉部分；通过在城市中的不同位置安装监控设备组，从而获取相应的位置的交通数据。
4.根据权利要求3所述的城市的基础数据收集与分析方法，其特征在于，所述数据处理模块对交通数据进行处理的过程包括：
建立指定位置的监控区域地图；
对所有监控设备所获取到的交通数据按照监控区域地图的范围进行视频拼接，并获得指定位置的完整视频；
对指定位置的完整视频进行图像处理，从而获得完整视频中的人像信息、机动车信息以及非机动车信息。
5.根据权利要求4所述的城市的基础数据收集与分析方法，其特征在于，所述监控区域地图的建立过程包括：
获取每个监控设备的拍摄范围，并选择其中一个监控设备拍摄范围中的一点作为原点，以该原点建立三维空间坐标系；
将所有监控设备的拍摄范围映射至三维空间坐标系内，从而获得监控区域地图。
6.根据权利要求5所述的城市的基础数据收集与分析方法，其特征在于，所述数据处理模块对完整视频进行图像的处理过程包括：
将所获取到的视频进行栅格化处理；
对栅格化处理后的视频中的人像、机动车以及非机动车进行框选标记；
根据所框选标记的人像、机动车以及非机动车的动态图像，分别获取人像、机动车以及非机动车在视频中的移动速度；
将一天的时间划分为若干个时间段，并获取每个时间段内的人流量、机动车流量以及非机动车流量。
7.根据权利要求6所述的城市的基础数据收集与分析方法，其特征在于，所述大数据模型对指定位置中人像分别与机动车和非机动车之间的关系进行分析的过程包括：
根据所框选标记的人像、机动车以及非机动车在监控区域地图内的坐标位置，获得每个人像分别与每个机动车或非机动车之间的距离；并将人像分为行人、骑机动车的人和骑非机动车的人三种类型；对不同类型的人像的行为习惯进行分析，从而获得以指定位置为中心，半径r和半径R范围内的人流密度。
8.根据权利要求7所述的城市的基础数据收集与分析方法，其特征在于，所述房源储备量的投放过程包括：
根据所获取的以指定位置为中心，半径r和半径R范围内每天的人流密度，生成人流密度变化随时间变化的人流密度变化曲线图，并将人流密度变化曲线图内设置人流密度上限阈值线和人流密度下限阈值线；获得增储时期和降储时期，并分别获得增储时期和降储时期的房源储备量。
CN202210002552.0A 2022-01-04 2022-01-04 城市的基础数据收集与分析方法 Active CN114333322B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210002552.0A CN114333322B (zh) 2022-01-04 2022-01-04 城市的基础数据收集与分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210002552.0A CN114333322B (zh) 2022-01-04 2022-01-04 城市的基础数据收集与分析方法

Publications (2)

Publication Number Publication Date
CN114333322A true CN114333322A (zh) 2022-04-12
CN114333322B CN114333322B (zh) 2022-09-06

Family

ID=81022576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210002552.0A Active CN114333322B (zh) 2022-01-04 2022-01-04 城市的基础数据收集与分析方法

Country Status (1)

Country Link
CN (1) CN114333322B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574154A (zh) * 2015-12-16 2016-05-11 浙江汉鼎宇佑金融服务有限公司 一种基于大数据平台的城市宏观区域信息分析系统
CN108446893A (zh) * 2018-03-19 2018-08-24 浙江南自智能科技股份有限公司 一种基于zigbee技术的公租房智慧管理平台
CN108520480A (zh) * 2018-03-23 2018-09-11 链家网（北京）科技有限公司 一种房源管理营销系统
CN109242578A (zh) * 2018-10-31 2019-01-18 平安直通咨询有限公司 房屋价值预测方法、装置、计算机设备和存储介质
CN110619543A (zh) * 2019-08-23 2019-12-27 深圳市新系区块链技术有限公司 房屋租赁价格预测方法及相关装置
US20200134748A1 (en) * 2017-06-20 2020-04-30 Attribuild Pte Ltd Residential real estate layout data collection, search, rating and ranking system and method
CN111949834A (zh) * 2019-05-17 2020-11-17 上海树融数据科技有限公司 选址方法和选址平台
CN112381453A (zh) * 2020-12-04 2021-02-19 五八同城信息技术有限公司 信息处理方法、装置、电子设备和介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574154A (zh) * 2015-12-16 2016-05-11 浙江汉鼎宇佑金融服务有限公司 一种基于大数据平台的城市宏观区域信息分析系统
US20200134748A1 (en) * 2017-06-20 2020-04-30 Attribuild Pte Ltd Residential real estate layout data collection, search, rating and ranking system and method
CN108446893A (zh) * 2018-03-19 2018-08-24 浙江南自智能科技股份有限公司 一种基于zigbee技术的公租房智慧管理平台
CN108520480A (zh) * 2018-03-23 2018-09-11 链家网（北京）科技有限公司 一种房源管理营销系统
CN109242578A (zh) * 2018-10-31 2019-01-18 平安直通咨询有限公司 房屋价值预测方法、装置、计算机设备和存储介质
CN111949834A (zh) * 2019-05-17 2020-11-17 上海树融数据科技有限公司 选址方法和选址平台
CN110619543A (zh) * 2019-08-23 2019-12-27 深圳市新系区块链技术有限公司 房屋租赁价格预测方法及相关装置
CN112381453A (zh) * 2020-12-04 2021-02-19 五八同城信息技术有限公司 信息处理方法、装置、电子设备和介质

Also Published As

Publication number Publication date
CN114333322B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
Morishita et al. Sakurasensor: quasi-realtime cherry-lined roads detection through participatory video sensing by cars
CN110033161A (zh) 一种共享汽车的调度方法及系统
CN112417953A (zh) 道路状况检测和地图数据更新方法、装置、系统及设备
CN111458721B (zh) 一种暴露垃圾的识别定位方法、装置及系统
KR102080388B1 (ko) 주차장 정보 수집 및 제공 시스템
CN112287827A (zh) 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统
CN103365848A (zh) 一种视频查询方法、装置与系统
CN107085946A (zh) 一种基于图片识别技术的车辆定位方法及系统
CN113515888B (zh) 一种基于人流聚集情况的景观灯光设计方法及系统
CN116189436B (zh) 一种基于大数据的多源数据融合算法
CN114358660B (zh) 一种城市街道品质评估方法、系统及存储介质
CN114971290A (zh) 一种基于智慧路灯的园区管理系统及方法
CN114333322B (zh) 城市的基础数据收集与分析方法
CN113887917A (zh) 基于服务架构的智慧城市管理平台
CN113111876A (zh) 一种用于交通违章取证的方法及系统
CN108847052B (zh) 停车位置确定方法、装置、系统及计算机可读介质
CN116137109B (zh) 一种基于云计算的机械停车设备控制系统及方法
CN114640669A (zh) 边缘计算方法及装置
CN111898522A (zh) 一种基于人脸识别Reid技术的大数据分析系统
CN112687110B (zh) 一种基于大数据分析的车位级导航方法及其系统
CN114677654A (zh) 一种基于混合数据学习的交通现场风险识别方法及系统
CN112116241B (zh) 一种公共交通智能调度方法
CN113850837A (zh) 视频处理方法、装置、电子设备、存储介质及计算机产品
CN112565465A (zh) 基于车联网的数据采集方法、装置及系统
CN113421067A (zh) 一种共享自行车品牌识别与数量管理方法及系统

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