CN115238717B - 一种区域人口走向计算系统及方法 - Google Patents

一种区域人口走向计算系统及方法 Download PDF

Info

Publication number
CN115238717B
CN115238717B CN202210978500.7A CN202210978500A CN115238717B CN 115238717 B CN115238717 B CN 115238717B CN 202210978500 A CN202210978500 A CN 202210978500A CN 115238717 B CN115238717 B CN 115238717B
Authority
CN
China
Prior art keywords
radio frequency
computing device
population
directional antenna
learning model
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
Application number
CN202210978500.7A
Other languages
English (en)
Other versions
CN115238717A (zh
Inventor
徐巍
陈蕾
赵志宇
梅若璇
苏伟煜
周子淇
赵振刚
王玉泽
何艳婷
肖晓娇
张国旭
童晶
王乐
王玲
廖紫金
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.)
Lanjian Suzhou Technology Co ltd
China Construction First Group Corp Ltd
China Construction First Bureau Group North China Construction Co Ltd
Original Assignee
Lanjian Suzhou Technology Co ltd
China Construction First Group Corp Ltd
China Construction First Bureau Group North China Construction 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 Lanjian Suzhou Technology Co ltd, China Construction First Group Corp Ltd, China Construction First Bureau Group North China Construction Co Ltd filed Critical Lanjian Suzhou Technology Co ltd
Priority to CN202210978500.7A priority Critical patent/CN115238717B/zh
Priority to US17/947,901 priority patent/US11688178B1/en
Publication of CN115238717A publication Critical patent/CN115238717A/zh
Application granted granted Critical
Publication of CN115238717B publication Critical patent/CN115238717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/067—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components
    • G06K19/07—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips
    • G06K19/0723—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips the record carrier comprising an arrangement for non-contact communication, e.g. wireless communication circuits on transponder cards, non-contact smart cards or RFIDs
    • G06K19/0724—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips the record carrier comprising an arrangement for non-contact communication, e.g. wireless communication circuits on transponder cards, non-contact smart cards or RFIDs the arrangement being a circuit for communicating at a plurality of frequencies, e.g. for managing time multiplexed communication over at least two antennas of different types
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/0008—General problems related to the reading of electronic memory record carriers, independent of its reading method, e.g. power transfer
    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/067—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components
    • G06K19/07—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips
    • G06K19/077—Constructional details, e.g. mounting of circuits in the carrier
    • G06K19/07749—Constructional details, e.g. mounting of circuits in the carrier the record carrier being capable of non-contact communication, e.g. constructional details of the antenna of a non-contact smart card
    • G06K19/07773—Antenna details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10366—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves the interrogation device being adapted for miscellaneous applications
    • G06K7/10475—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves the interrogation device being adapted for miscellaneous applications arrangements to facilitate interaction with further interrogation devices, e.g. such that at least two interrogation devices may function and cooperate in a network of such devices
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/045—Combinations of networks
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K2019/06215—Aspects not covered by other subgroups
    • G06K2019/06253—Aspects not covered by other subgroups for a specific application
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Toxicology (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本申请实施例提供的一种区域人口走向计算系统及方法，所述系统应用于目标监测环境，所述目标监测环境中规划有多个关键通行节点，所述系统包括部署在行人身上的射频标签、部署在关键通行节点处的计算装置以及多路定向天线，其中：所述定向天线，用于在被计算装置驱动时，发射读写信号至覆盖区域内的射频标签；所述定向天线，还用于将经由所述射频标签在获取到读写信号时，同步反射的射频信号转发到计算装置；所述计算装置，用于基于区域内各路射频信号的时空分布情况，通过训练好的深度学习模型自适应计算得到区域内的人口走向趋势。该系统的实施能够提高人口定位精准度。

Description

一种区域人口走向计算系统及方法
技术领域
本申请涉及人群定位技术领域，具体而言，涉及一种区域人口走向计算系统及方法。
背景技术
随着经济的高速发展，会展场馆、体育场馆、游乐园等大型室内场所的人群活动越来越多，这些场馆往往客流量大、人群密集，加之场馆内部结构复杂，若没有及时干预和交通署到，可能引发区域阻塞或踩踏等不良事件，造成很大的安全隐患。因此，场所管理方需要快速且精准地的感知内部人群的分布和动向情况，从而为运营指挥提供数据支撑。
为了解决上述问题，目前已有很多科研院所和企业推出各种人群定位技术，现有的主流的人群分布定位方案有：基于图像识别的定位方案和基于射频信号的定位方案，其中，基于图像识别的定位方案是通过定期抓拍各视频监控的图像，通过对图像进行识别计算出场景中人员的数量或位置数据。基于无线射频信号的定位方案，大多是应用蓝牙、zigbee等低功耗无线定位技术，在预定位置部署无线基站，同时让被定位人群携带无线标签，无线标签周期性地向外发送无线信号，无线标签进入场景后，无线基站能检测到此信号，之后，再根据此信号、结合基站位置信息或其他位置参考信息进行定位，进而实现对人群分布进行定位。
然而，现有的技术方案也存在不足之处，例如，受无线信号广播周期、基站扫描频次等限制，单个基站单次扫描到的信号数量有一定限制，一般在20～30个无线标签/秒，当人群密度较大时，有一定的漏扫几率，存在定位精度不足的问题。
发明内容
本申请实施例的目的在基于提供一种区域人口走向计算系统及方法，可以提高人群定位精准度。
本申请实施例提供了一种区域人口走向计算系统，所述系统应用于目标监测环境，所述目标监测环境中规划有多个关键通行节点，所述系统包括部署在行人身上的射频标签、部署在关键通行节点处的计算装置以及多路定向天线，其中：
所述定向天线，用于在被计算装置驱动时，发射读写信号至覆盖区域内的射频标签；
所述定向天线，还用于将经由所述射频标签在获取到读写信号时，同步反射的射频信号转发到计算装置；
所述计算装置，用于基于区域内各路射频信号的时空分布情况，通过训练好的深度学习模型自适应计算得到区域内的人口走向趋势：
第二方面，本申请实施例还提供了一种应用于上述任一项所述的系统的区域人口走向计算方法，所述方法包括：
在确定所述定向天线在被计算装置驱动时，触发所述定向天线发射读写信号至覆盖区域内的射频标签；
触发所述定向天线将经由所述射频标签在获取到读写信号时，同步反射的射频信号转发到计算装置；
触发计算装置基于区域内各路射频信号的时空分布情况，通过训练好的深度学习模型自适应计算得到区域内的人口走向趋势。
由上可知，本申请实施例提供的一种区域人口走向计算系统及方法，通过定向天线读取射频标签，使得在1秒内可精确读取到的数据量在200PCS以上，能够有效提高数据处理效率。另外，在不暴露用户生物特征，以及不涉及用户人脸、体态、衣着等隐私的情况下，通过训练好的深度学习模型基于区域内各路射频信号的时空分布情况，自适应计算得到区域内的人口走向趋势，避免了对环境条件的无限穷举的计算灾难，在具备高效、低耗的优点的情况下，同时也达到了较高的识别和估计准确率。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请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
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种区域人口走向计算系统的部署示意图；
图2为目标监测环境中关键通行节点的部署示意图；
图3为深度学习模型的结构示意图；
图4为本申请实施例提供的一种区域人口走向计算方法的流程示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种区域人口走向计算系统的部署示意图，该系统应用于目标监测环境，目标监测环境中规划有多个关键通行节点，该系统包括部署在行人2身上的射频标签3、部署在关键通行节点处的计算装置6以及多路定向天线4，其中：
定向天线4，用于在被计算装置6驱动时，发射读写信号至覆盖区域内的射频标签3。
定向天线4，还用于将经由射频标签3在获取到读写信号时，同步反射的射频信号转发到计算装置6。
计算装置6，用于基于区域内各路射频信号的时空分布情况，通过训练好的深度学习模型自适应计算得到区域内的人口走向趋势。
由上可知，本申请公开的一种区域人口走向计算系统，通过定向天线读取射频标签，使得在1秒内可精确读取到的数据量在200PCS以上，能够有效提高数据处理效率。另外，在不暴露用户生物特征，以及不涉及用户人脸、体态、衣着等隐私的情况下，通过训练好的深度学习模型基于区域内各路射频信号的时空分布情况，自适应计算得到区域内的人口走向趋势，避免了对环境条件的无限穷举的计算灾难，在具备高效、低耗的优点的情况下，同时也达到了较高的识别和估计准确率。
在其中一个实施例中，射频标签包括ISO18000-6C电子标签，射频标签由具备唯一编码的电路构成，其中：射频标签，还用于在获取到经由定向天线传输的读写信号时，将携带有电路编码信息的射频信号反射到定向天线，以由定向天线将射频信号转发到计算装置。
具体的，该射频标签可以为一个无源射频标签，该无源射频标签由具备唯一编码的电路构成，其中，每一个编码表示一个行人，且该标签无需供电装置进行供电。如此，相比于有源射频标签需要采用电池进行定期供电的弊端，当前实施例中，在采用无源射频标签的情况下，无需进行定期的充电维护，在避免使用操作不便的问题的情况下，还能够节约人力成本。
在其中一个实施例中，计算装置可以采用边缘计算机。需要说明的是，在行人a进入定向天线覆盖到的区域b时，在边缘计算机驱动的读写信号下，部署在行人a身上的射频标签会反射包含其自身编码信息的射频信号到定向天线。其中，该信号将连同当前时间、以及其自身具备的信号强度实时反馈到边缘计算机，以由边缘计算机基于获取到射频信号、及其所具备的信号强度进行区域内人口移动概率的计算。
上述实施例，通过定向天线读取射频信号，1秒内可精确读取量在200PCS以上，且在边缘计算机上即可完成，其具备实时性高、以及计算资源消耗少的优势，计算效率远高于图像处理的技术方案。
在其中一个实施例中，请参考图1，定向天线4通过射频线5连接到计算装置6，其中：
定向天线包括功率为30dbm的平板天线，射频线包括50欧姆阻抗的标准线缆。
当然，定向天线以及射频线的类型并不仅限于上述几种类型，不同实施例中，可以根据用户需求、以及周围环境进行灵活选择，当前实施例中对此不做限定。
定向天线的数量与关键通行节点处涵盖的通道数量相匹配，其中，节点涵盖的每个通道处均设有朝向平行于通道方向的定向天线。
具体的，请参考图2，可以在预留通道的路口(例如出入口、十字路口、丁字路口等)、以及拐角等位置设置关键通行节点1。示例性的，针对十字、丁字路口场景，可以选择配置4根定向天线；针对拐角场景，可以选择配置2根定向天线。其中，每个通道均配置1根天线，且天线的朝向平行于通道方向，以此来保证区域覆盖的全面性。
在其中一个实施例中，可选择吸顶安装方式，将天线固定在建筑物的顶部、和/或通过立柱式安装方式，将天线固定置于地面。
上述实施例，针对不同场景，可选择灵活配置天线数量，具备部署方便灵活、以及维护方便的优势。
在其中一个实施例中，计算装置，还用于获取经由所属相邻节点的第一计算装置反馈的区域内的人口移动数据，并根据人口移动数据，确定预设时段内节点连接通道中涵盖的人口流动信息，人口流动信息包括人流量信息以及标签识别信息。
具体的，针对所属区域A1的相邻节点A2，计算装置将根据经由相邻节点A2记录的区域A1内的人口移动数据，得到时间[t，t+T]这一时段内节点连接通道中的人流量信息、以及识别到的标签列表。之后，再将其作为训练集的一个样本值，每个节点通过其各方向相邻节点的反馈值(即人口流动信息)来训练本节点的神经网络，其中，训练动作按周期和准确率两个条件进行设置。
计算装置，还用于将获取到的射频信号、及其所具备的信号强度作为所述深度学习模型的第一输入数据，通过深度学习模型对所述第一输入数据进行处理，得到行人在不同覆盖区域之间移动的移动概率。
所述计算装置，还用于将人口流动信息作为深度学习模型的第二输入数据，并基于人口流动信息对移动概率进行偏差校正，以基于所得的校正结果确定区域内的人口走向趋势。
上述实施例，在不暴露用户生物特征、不涉及用户人脸、体态、衣着等隐私的情况下，通过深度学习模型精确到具体行人的走向和轨迹计算，其支持对不同环境、人数的自适应学习，且能够随场景更改而自动学习，在人体遮挡情况下仍可可靠读取，鲁棒性高，可以提高人群定位精准度。
在其中一个实施例中，深度学习模型包括用于获取输入数据的输入层、用于实现对输入数据的非线性映射的中间层、用于进行时间的累计更新以及非线性映射的序列层、全连接层以及输出层。
具体的，请参考图3，整个深度学习模型由多层神经网络构成，以应用4根定向天线为例，该模型包括：
(1)包含8个神经元的输入层7，对应的输入序列为[D(0)，D(1)，D(2)，D(3)，rssi(0)，rssi(1)，rssi(2)，rssi(3)]。
其中，D(i)用来示意定向天线i是否接收到射频信号，其取值为可以1或0；rssi(i)表示经由定向天线i接收到的射频信号，其自身所具备的信号强度。
(2)中间层8，其具体是用于实现输入数据的数值非线性映射。
在其中一个实施例中，中间层可以应用神经网络中常见的激活函数sigmoid型函数等进行数值非线性映射，当前实施例中不对其具体形式进行限定。
(3)序列层9，其包含2层神经元序列。
其中，纵向连接的神经元序列用于实现非线性映射，横向连接的神经元序列用于实现时间累计更新。需要说明的是，在输入层每更新一次数据时，序列层的数据将往右更新一列。
(4)全连接层10、以及输出层11。
其中，输出层对应输出序列可以为[C(0)，C(1)，C(2)，C(3)，C(4)，C(5)，C(6)，C(7)]，其分别对应当前输入层数据在四个定向天线之间的移动概率。
示例性的，C(0)可以表示行人从定向天线1覆盖的区域1移动到定向天线2覆盖的区域2的移动概率，C(1)则表示其反向意思，即行人从定向天线2覆盖的区域2移动到定向天线1覆盖的区域1的移动概率，之后可以依此类推，在此不做具体说明。
上述实施例，实现了对一个无源标签信号时空分布到走向预测的端到端计算，避免了对环境条件的无限穷举的计算灾难，边缘计算机只要维护8个移动走向的序列L(0)～L(7)，即可得到当前位置的人群分布。
在其中一个实施例中，该系统还包括连接到计算装置的应用端；计算装置，还用于计算得到的区域内的人口走向趋势数据传输到应用端；应用端，用于根据人口走向趋势数据确定移动区域、以及在移动区域中关联到的移动路径；应用端，还用于获取电子地图，并根据移动区域的位置信息在电子地图中确定目标展示区域；应用端，还用于获取移动路径中所包含的路段对应的标识展示信息，并将标识展示信息在目标展示区域上的对应路段进行展示。
上述实施例，通过对电子地图进行自定义的目标展示区域划分，以及在目标展示区域中展示区域内的人群移动路径，保证了电子地图对路径的展示效果，提高了用户体验。
在其中一个实施例中，应用端还用于基于获取到的人口走向趋势确定每个区域内的人流密度，并在确定相应区域内的人流密度大于预设的密度阈值时，结合其他区域内的人群分布密度、以及周围环境情况生成疏散引导信息，并对疏散引导信息进行广播。
上述实施例，能够结合区域内的人流密度，识别区域内存在的安全隐患，以及结合其他区域内的人群分布密度、以及周围环境情况，快速实现安全疏散引导，提高了疏散效率与疏散安全性。
请参考图4，其为一种应用于上述任一项所述的系统的区域人口走向计算方法的流程示意图，该方法包括：
步骤S401，在确定定向天线在被计算装置驱动时，触发定向天线发射读写信号至覆盖区域内的射频标签。
步骤S402，触发定向天线将经由射频标签在获取到读写信号时，同步反射的射频信号转发到计算装置。
步骤S403，触发计算装置基于区域内各路射频信号的时空分布情况，通过训练好的深度学习模型自适应计算得到区域内的人口走向趋势。
在其中一个实施例中，触发计算装置基于区域内各路射频信号的时空分布情况，通过训练好的深度学习模型自适应计算得到区域内的人口走向趋势，包括：触发计算装置获取经由所属相邻节点的第一计算装置反馈的区域内的人口移动数据，并根据人口移动数据，确定预设时段内节点连接通道中涵盖的人口流动信息，人口流动信息包括人流量信息以及标签识别信息；触发计算装置将获取到的射频信号、及其所具备的信号强度作为深度学习模型的第一输入数据，通过深度学习模型对第一输入数据进行处理，得到行人在不同覆盖区域之间移动的移动概率；触发计算装置将人口流动信息作为深度学习模型的第二输入数据，并基于人口流动信息对移动概率进行偏差校正，以基于所得的校正结果确定区域内的人口走向趋势。
在其中一个实施例中，该方法还包括：触发计算装置将计算得到的区域内的人口走向趋势数据传输到应用端；触发应用端根据人口走向趋势数据确定移动区域、以及在移动区域中关联到的移动路径；触发应用端获取电子地图，并根据移动区域的位置信息在电子地图中确定目标展示区域；触发应用端获取移动路径中所包含的路段对应的标识展示信息，并将标识展示信息在目标展示区域上的对应路段进行展示。
在其中一个实施例中，该方法还包括：触发应用端基于获取到的人口走向趋势确定每个区域内的人流密度，并在确定相应区域内的人流密度大于预设的密度阈值时，结合其他区域内的人群分布密度、以及周围环境情况生成疏散引导信息，并对疏散引导信息进行广播。
由上可知，本申请公开的区域人口走向计算方法，通过定向天线读取射频标签，使得在1秒内可精确读取到的数据量在200PCS以上，能够有效提高数据处理效率。另外，在不暴露用户生物特征，以及不涉及用户人脸、体态、衣着等隐私的情况下，通过训练好的深度学习模型基于区域内各路射频信号的时空分布情况，自适应计算得到区域内的人口走向趋势，避免了对环境条件的无限穷举的计算灾难，在具备高效、低耗的优点的情况下，同时也达到了较高的识别和估计准确率。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。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，又例如，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通信接口，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。
另外，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。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种区域人口走向计算系统，其特征在于，所述系统应用于目标监测环境，所述目标监测环境中规划有多个关键通行节点，所述系统包括部署在行人身上的射频标签、部署在关键通行节点处的计算装置以及多路定向天线，其中：
所述定向天线，用于在被计算装置驱动时，发射读写信号至覆盖区域内的射频标签；
所述定向天线，还用于将经由所述射频标签在获取到读写信号时，同步反射的射频信号转发到计算装置；
所述计算装置，用于基于区域内各路射频信号的时空分布情况，通过训练好的深度学习模型自适应计算得到区域内的人口走向趋势；
所述计算装置，还用于获取经由所属相邻节点的第一计算装置反馈的区域内的人口移动数据，并根据所述人口移动数据，确定预设时段内节点连接通道中涵盖的人口流动信息，所述人口流动信息包括人流量信息以及标签识别信息；
所述计算装置，还用于将获取到的射频信号、及其所具备的信号强度作为所述深度学习模型的第一输入数据，通过所述深度学习模型对所述第一输入数据进行处理，得到行人在不同覆盖区域之间移动的移动概率；
所述计算装置，还用于将所述人口流动信息作为所述深度学习模型的第二输入数据，并基于所述人口流动信息对所述移动概率进行偏差校正，以基于所得的校正结果确定区域内的人口走向趋势。
2.根据权利要求1所述的系统，其特征在于，所述射频标签包括ISO18000-6C电子标签，所述射频标签由具备唯一编码的电路构成，其中：
所述射频标签，还用于在获取到经由所述定向天线传输的读写信号时，将携带有电路编码信息的射频信号反射到所述定向天线，以由所述定向天线将所述射频信号转发到计算装置。
3.根据权利要求1所述的系统，其特征在于，所述定向天线通过射频线连接到所述计算装置，其中：
所述定向天线包括功率为30dbm的平板天线，所述射频线包括50欧姆阻抗的标准线缆；
所述定向天线的数量与关键通行节点处涵盖的通道数量相匹配，其中，节点涵盖的每个通道处均设有朝向平行于通道方向的定向天线。
4.根据权利要求1所述的系统，其特征在于，所述深度学习模型包括用于获取输入数据的输入层、用于实现对输入数据的非线性映射的中间层、用于进行时间的累计更新以及非线性映射的序列层、全连接层以及输出层。
5.根据权利要求1所述的系统，其特征在于，所述系统还包括连接到所述计算装置的应用端；
所述计算装置，还用于将计算得到的区域内的人口走向趋势数据传输到应用端；
所述应用端，用于根据所述人口走向趋势数据确定移动区域、以及在所述移动区域中关联到的移动路径；
所述应用端，还用于获取电子地图，并根据所述移动区域的位置信息在所述电子地图中确定目标展示区域；
所述应用端，还用于获取所述移动路径中所包含的路段对应的标识展示信息，并将所述标识展示信息在目标展示区域上的对应路段进行展示。
6.根据权利要求1所述的系统，其特征在于，所述应用端还用于基于获取到的人口走向趋势确定每个区域内的人流密度，并在确定相应区域内的人流密度大于预设的密度阈值时，结合其他区域内的人群分布密度、以及周围环境情况生成疏散引导信息，并对所述疏散引导信息进行广播。
7.一种应用于上述权利要求1-6中任一项所述的系统的区域人口走向计算方法，其特征在于，所述方法包括：
在确定所述定向天线在被计算装置驱动时，触发所述定向天线发射读写信号至覆盖区域内的射频标签；
触发所述定向天线将经由所述射频标签在获取到读写信号时，同步反射的射频信号转发到计算装置；
触发计算装置基于区域内各路射频信号的时空分布情况，通过训练好的深度学习模型自适应计算得到区域内的人口走向趋势。
8.根据权利要求7所述的方法，其特征在于，所述触发计算装置基于区域内各路射频信号的时空分布情况，通过训练好的深度学习模型自适应计算得到区域内的人口走向趋势，包括：
触发计算装置获取经由所属相邻节点的第一计算装置反馈的区域内的人口移动数据，并根据所述人口移动数据，确定预设时段内节点连接通道中涵盖的人口流动信息，所述人口流动信息包括人流量信息以及标签识别信息；
触发计算装置将获取到的射频信号、及其所具备的信号强度作为所述深度学习模型的第一输入数据，通过所述深度学习模型对所述第一输入数据进行处理，得到行人在不同覆盖区域之间移动的移动概率；
触发计算装置将所述人口流动信息作为所述深度学习模型的第二输入数据，并基于所述人口流动信息对所述移动概率进行偏差校正，以基于所得的校正结果确定区域内的人口走向趋势。
CN202210978500.7A 2022-08-16 2022-08-16 一种区域人口走向计算系统及方法 Active CN115238717B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210978500.7A CN115238717B (zh) 2022-08-16 2022-08-16 一种区域人口走向计算系统及方法
US17/947,901 US11688178B1 (en) 2022-08-16 2022-09-19 System and method for calculating regional crowd movement

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210978500.7A CN115238717B (zh) 2022-08-16 2022-08-16 一种区域人口走向计算系统及方法

Publications (2)

Publication Number Publication Date
CN115238717A CN115238717A (zh) 2022-10-25
CN115238717B true CN115238717B (zh) 2023-07-04

Family

ID=83678704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210978500.7A Active CN115238717B (zh) 2022-08-16 2022-08-16 一种区域人口走向计算系统及方法

Country Status (2)

Country Link
US (1) US11688178B1 (zh)
CN (1) CN115238717B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115802282A (zh) * 2022-12-16 2023-03-14 兰笺(苏州)科技有限公司 无线信号场的协同定位方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009151778A2 (en) * 2008-04-14 2009-12-17 Mojix, Inc. Radio frequency identification tag location estimation and tracking system and method
CN110334788A (zh) * 2019-07-08 2019-10-15 北京信息科技大学 基于深度学习的分布式多天线阅读器定位系统及其方法
CN113744318A (zh) * 2021-09-15 2021-12-03 浙江工业大学 一种rfid无设备人体追踪系统的择优标签方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7250907B2 (en) * 2003-06-30 2007-07-31 Microsoft Corporation System and methods for determining the location dynamics of a portable computing device
US20200064444A1 (en) * 2015-07-17 2020-02-27 Origin Wireless, Inc. Method, apparatus, and system for human identification based on human radio biometric information
CN103136703A (zh) * 2012-12-27 2013-06-05 中州大学 一种统计处理游客密度分布的方法及系统
US20160139238A1 (en) * 2013-06-20 2016-05-19 Qatar University Qstp-B System and method for rfid indoor localization
WO2015077829A1 (en) * 2013-11-29 2015-06-04 Ranasinghe Damith Chinthana System for monitoring subject movement
KR101528632B1 (ko) * 2014-01-28 2015-06-17 (주)소노비젼 스마트 운영 관리를 위한 듀얼밴드 일체형 ｒｆｉｄ 시스템
US20200302187A1 (en) * 2015-07-17 2020-09-24 Origin Wireless, Inc. Method, apparatus, and system for people counting and recognition based on rhythmic motion monitoring
US11030902B2 (en) * 2016-01-05 2021-06-08 Locix, Inc. Systems and methods for using radio frequency signals and sensors to monitor environments
US10643153B2 (en) * 2017-04-24 2020-05-05 Virginia Tech Intellectual Properties, Inc. Radio signal identification, identification system learning, and identifier deployment
CN108764405B (zh) * 2018-05-22 2021-06-04 北京易正系统集成有限公司 一种确定用户所处区域的系统及方法
CN109816068A (zh) * 2019-01-28 2019-05-28 太原理工大学 一种基于射频识别系统的移动标签的检测方法
US10810850B2 (en) * 2019-02-19 2020-10-20 Koko Home, Inc. System and method for state identity of a user and initiating feedback using multiple sources
US10586082B1 (en) * 2019-05-29 2020-03-10 Fellow, Inc. Advanced micro-location of RFID tags in spatial environments
US11755886B2 (en) * 2021-04-13 2023-09-12 Qualcomm Incorporated Passive positioning with radio frequency sensing labels
CN114266012B (zh) * 2021-12-21 2022-10-04 浙江大学 基于WiFi的非接触式博物馆多区域观众计数方法
CN114580455A (zh) * 2022-02-28 2022-06-03 上海优咔网络科技有限公司 基于人工智能的rfid标签移动方向判定方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009151778A2 (en) * 2008-04-14 2009-12-17 Mojix, Inc. Radio frequency identification tag location estimation and tracking system and method
CN110334788A (zh) * 2019-07-08 2019-10-15 北京信息科技大学 基于深度学习的分布式多天线阅读器定位系统及其方法
CN113744318A (zh) * 2021-09-15 2021-12-03 浙江工业大学 一种rfid无设备人体追踪系统的择优标签方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于有源射频识别信号强度的室内移动机器人测距方法;王殿君;任福君;兰云峰;赵丽杰;姜永成;;科技导报(15);全文 *

Also Published As

Publication number Publication date
US11688178B1 (en) 2023-06-27
CN115238717A (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
Kaiser et al. Advances in crowd analysis for urban applications through urban event detection
Zafari et al. A survey of indoor localization systems and technologies
Hightower et al. Location systems for ubiquitous computing
US7480395B2 (en) Decentralized detection, localization, and tracking utilizing distributed sensors
EP1881712B1 (en) Communication device search system
Laibowitz et al. A sensor network for social dynamics
Kouyoumdjieva et al. Survey of non-image-based approaches for counting people
Zhuang et al. Bluetooth localization technology: Principles, applications, and future trends
CN115238717B (zh) 一种区域人口走向计算系统及方法
CN105143909A (zh) 用于无线电地图的动态生成的系统、方法和计算机程序
US9414295B2 (en) Systems and methods for wireless communication in retail media
WO2008048059A1 (en) Real-time rfid positioning system and method, repeater installation method therefor, position confirmation service system using the same
CN107727095A (zh) 基于谱聚类和加权反向传播神经网络的3d室内定位方法
Weppner et al. Participatory bluetooth scans serving as urban crowd probes
US20080145045A1 (en) Method of group guiding service in sensor networks and system using the same
US20070240198A1 (en) Smart site-management system
KR102091655B1 (ko) 고객행동분석을 위한 NB-IoT 단말기, 이를 포함한 시스템 및 이의 동작방법
CN108377256B (zh) 基于窄带物联网的定位方法、服务器及系统
Irfan et al. Crowd analysis using visual and non-visual sensors, a survey
Chen et al. A group tour guide system with RFIDs and wireless sensor networks
Bauer et al. Measurement of pedestrian movements: A comparative study on various existing systems
KR102139651B1 (ko) 아동청소년 교육시설 성범죄자 접근 제어 시스템 및 방법
CN111523624A (zh) 一种人群分流引导系统
KR20080012481A (ko) 알에프 송수신장치를 이용한 인터렉티브관광통합관리시스템
KR20070091876A (ko) Ｒｆｉｄ를 이용한 출입 통제 시스템

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