CN116051330B - 一种基于大数据的智慧校园安全管理系统及方法 - Google Patents
一种基于大数据的智慧校园安全管理系统及方法 Download PDFInfo
- Publication number
- CN116051330B CN116051330B CN202310337993.0A CN202310337993A CN116051330B CN 116051330 B CN116051330 B CN 116051330B CN 202310337993 A CN202310337993 A CN 202310337993A CN 116051330 B CN116051330 B CN 116051330B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- unit
- data
- grouping
- management
- 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
- 238000000034 method Methods 0.000 title claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 206
- 238000007405 data analysis Methods 0.000 claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 83
- 230000005856 abnormality Effects 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
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
- 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及大数据技术领域,具体为一种基于大数据的智慧校园安全管理系统及方法,包括:管理数据采集模块、数据库、管理数据分析模块、监控管理模块和校园安全管理模块,通过管理数据采集模块采集校园管理数据和历史监控数据,将采集到的全部数据传输到数据库中,通过数据库存储采集到的全部数据,通过管理数据分析模块分析不同监控节点的历史监控数据,分析不同路线上的人流量密集程度,通过监控管理模块将监控节点按最佳分组方式进行分组,通过校园安全管理模块调取出重点监控区域,对重点监控区域进行同步监控,在监控到异常时进行预警,提高了及时发现校园内交通安全异常情况的概率,帮助更好地做好校园安全管理工作。
Description
技术领域
本发明涉及大数据技术领域,具体为一种基于大数据的智慧校园安全管理系统及方法。
背景技术
智慧校园通常由以传感器网络及智能硬件为核心的校园基础设施和部署在数据中心内云端服务器上的智慧化软件系统构成,校园是学生大量聚集的场所,尤其是在课间时间,因要前往目的地上课,学生在部分地点会出现大量聚集的现象,聚集人数众多容易造成交通安全问题,严重影响到学校正常的教育教学秩序和学生的健康发展,因此对校园进行交通安全管理显得至关重要;
然而,现有的管理方式存在一些问题:由于校园内需要进行安全监控的区域众多,不同时间校园内不同监控区域人数不一,人流量密集区域越容易发生交通安全异常状况,现有技术将所有区域放在一起监控,无法通过大数据分析筛选出重点区域进行集中监控,不利于相关人员及时发现课间时间出现的交通异常状况,无法提高监控到交通异常状况的及时性和有效性以帮助更好地做好校园安全管理工作。
所以,人们需要一种基于大数据的智慧校园安全管理系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的智慧校园安全管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的智慧校园安全管理系统,所述系统包括:管理数据采集模块、数据库、管理数据分析模块、监控管理模块和校园安全管理模块;
所述管理数据采集模块的输出端连接所述数据库的输入端,所述数据库的输出端连接所述管理数据分析模块的输入端,所述管理数据分析模块的输出端连接所述监控管理模块的输入端,所述监控管理模块的输出端连接所述校园安全管理模块的输入端;
通过所述管理数据采集模块采集校园管理数据和历史监控数据,将采集到的全部数据传输到所述数据库中;
通过所述数据库存储采集到的全部数据;
通过所述管理数据分析模块分析不同监控节点的历史监控数据,分析不同路线上的人流量密集程度;
通过所述监控管理模块将监控节点按最佳分组方式进行分组;
通过所述校园安全管理模块调取出重点监控区域,对重点监控区域进行同步监控,在监控到异常时进行预警。
进一步的,所述管理数据采集模块包括监控数据采集单元、课程信息采集单元和教学地点定位单元;
所述监控数据采集单元、课程信息采集单元和教学地点定位单元的输出端连接所述数据库的输入端;
所述监控数据采集单元用于采集校园内不同监控节点的监控区域以及历史监控数据;
所述课程信息采集单元用于采集学生的课程时间以及上课地点信息;
所述教学地点定位单元用于定位学生的上课地点并采集定位数据。
进一步的,所述管理数据分析模块包括历史数据分析单元和密集程度预估单元;
所述历史数据分析单元的输入端连接所述数据库的输出端;所述历史数据分析单元的输出端连接所述密集程度预估单元的输入端;
所述历史数据分析单元用于调取历史监控数据和课程信息,统计同一课间时间段监控到的不同的两个地点连接的最短路线上的人数以及去往不同上课地点的学生数量;
所述密集程度预估单元用于预估在同一课间时间段,不同的两个地点连接的最短路线上的人流量密集程度系数。
进一步的,所述监控管理模块包括密集程度比较单元和监控节点分组单元;
所述密集程度比较单元的输入端连接所述密集程度预估单元的输出端,所述密集程度比较单元的输出端连接所述监控节点分组单元的输入端;
所述密集程度比较单元用于比较在同一课间时间段,不同的两个地点连接的最短路线上的人流量密集程度系数,将密集程度系数按从大到小的顺序进行排列;
所述监控节点分组单元用于按密集程度系数将不同路线上的监控节点进行分组,并选择最佳的分组方式。
进一步的,所述校园安全管理模块包括目标调出选择单元和校园安全监控单元;
所述目标调出选择单元的输入端连接所述监控节点分组单元的输出端,所述目标调出选择单元的输出端连接所述校园安全监控单元的输入端;
所述目标调出选择单元用于按最佳分组方式的分组结果选择对应课间时间段需要调出的重点监控区域;
所述校园安全监控单元用于在对应课间时间段,调取出重点监控区域进行同步监控,在监控到进行同步监控的区域中出现交通安全异常时发送警报信号。
一种基于大数据的智慧校园安全管理方法,包括以下步骤:
Z1:采集校园管理数据和历史监控数据;
Z2:分析不同路线上的人流量密集程度;
Z3:按人流量密集程度将不同路线上的监控节点按最佳分组方式进行分组;
Z4:按最佳分组结果调取出重点监控区域,对重点监控区域进行同步监控,在监控到异常时进行预警。
进一步的,在步骤Z1中:采集校园内不同监控节点的历史监控数据,获取到以往随机一个课间时间段从第一地点到第二地点的最短路线上共有n个监控节点,n个监控节点分别监控到对应课间时间段在最短路线上出现的人数集合为K={K1,K2,…,Kn},采集学生的课程时间以及上课地点信息,获取到对应课间时间段从第一地点前往第二地点上课的学生数量为M,与对应最短路线相交的路线共有f条,监控到对应课间时间段在与最短路线相交的路线上出现的人数集合为C={C1,C2,…,Cf}。
进一步的,在步骤Z2中:根据下列公式预估在随机一个课间时间段,从第一地点到第二地点的最短路线上的人流量密集程度系数Pv:
Pv=[(∑nj=1Kj)/n+M]/2+δ*∑fi=1Ci;
其中,Kj表示随机一个监控节点监控到对应课间时间段在最短路线上出现的人数,Ci表示在对应课间时间段在与最短路线相交的随机一条路线上出现的人数,δ表示与最短路线相交的路线上出现的人数对人流量密集程度系数预估结果的权重系数,0<δ<1,通过相同计算方式预估得到在对应课间时间段,不同的两个地点连接的最短路线上的人流量密集程度系数集合为P={P1,P2,…,Pv,…,Pm},其中,共有m条最短路线;
通过大数据技术采集历史监控数据以及校园内的课程信息,预估随机一个课间时间段连接两个地点的最短路线上的人流量密集程度系数的目的在于判断在课间期间校园内的交通情况,路线上的人流量越密集,校园内的交通安全越无法得到保障,判断交通安全越容易出现异常情况,将人流量密集程度系数作为调整监控方式的参考数据,有利于筛选出需要重点监控的区域,将不同时间段需要重点监控的区域调取出来进行监控,有利于提高及时发现校园内交通安全异常情况的概率;
在预估人流量密集程度系数时,除了分析监控到的对应课间时间段的人数外,考虑到人数众多可能会影响到监控识别人数的结果,结合监控到的人数以及从课程信息中调取到的需要从第一地点前往第二地点上课的学生数量来预估人流量密集程度,有利于提高预估结果的精确性。
进一步的,在步骤Z3中:将不同最短路线上的监控节点按人流量密集程度系数从大到小的顺序进行排列并分组,每条最短路线上都有不止一个监控节点,每条最短路线都对应有不同的起点和终点,获取到按随机一种分组方式分组后,每组人流量密集程度系数总和集合为W={W1,W2,…,Wz},第z-1组中每一个人流量密集程度系数都大于第z组中每一个人流量密集程度系数,共分为z组,根据下列公式选择最佳分组方式:
Fi=[[∑zj=1(Wj-(∑zj=1Wj)/z)2]/z]1/2;
其中,Wj表示按随机一种分组方式分组后,随机一组人流量密集程度系数总和,Fi表示随机一种分组方式的优度,比较不同分组方式的优度,选择优度最大的分组方式作为最佳分组方式;
在预估出不同路线上人流量密集程度系数后,将密集程度系数作为参考依据,按密集程度大小将不同路线上的监控节点进行分组,目的在于筛选出在对应课间时间需要重点监控的区域,选择先将监控节点进行分组,再通过计算分组后人流量密集程度系数的差异性来选择最佳的分组方式,差异性越大,说明每组内不同路线上监控节点监控区域内的人流量密集程度系数越接近,选择使得组内不同路线上监控节点监控区域内的人流量密集程度系数最接近的方式作为最佳分组方式,依据最佳分组方式的分组结果筛选需要重点监控的区域,相对于现有技术直接比较人流量密集程度系数来筛选监控区域而言,优化了筛选方式。
进一步的,在步骤Z4中:获取最佳分组方式的分组结果,得到按最佳分组方式分组后,每组的人流量密度程度系数总和集合为W’={W1’,W2’,…,Wz’},将第一组监控节点的监控区域作为对应课间时间段的重点监控区域,在对应课间时间段将第一组监控节点的监控画面调取出来,对第一组监控节点的监控区域进行同步监控,在监控到出现交通安全异常时发送警报信号;
依据最佳分组方式的分组结果,选择人流量密度程度系数总和最高的一组监控节点的监控区域作为对应课间时间段的重点监控区域,对应组内监控节点的监控区域相对于其它区域而言,在对应时间段的人流量最多,在对应时间段将对应监控区域调取出来进行同步监控,进一步提高了及时发现校园内交通安全异常情况的概率,有效维护了校园内的交通安全,帮助更好地做好校园安全管理工作。
与现有技术相比,本发明所达到的有益效果是:
本发明通过大数据技术采集历史监控数据以及校园内的课程信息,预估随机一个课间时间段连接两个地点的最短路线上的人流量密集程度系数,判断在课间期间校园内的交通情况,将人流量密集程度系数作为调整监控方式的参考数据,有利于筛选出需要重点监控的区域,将不同时间段需要重点监控的区域调取出来进行监控,提高了及时发现校园内交通安全异常情况的概率;
在预估人流量密集程度系数时,除了分析监控到的对应课间时间段的人数外,考虑到人数众多可能会影响到监控识别人数的结果,结合监控到的人数以及从课程信息中调取到的需要从第一地点前往第二地点上课的学生数量来预估人流量密集程度,提高了预估结果的精确性;
在预估出不同路线上人流量密集程度系数后,将密集程度系数作为参考依据,按密集程度大小将不同路线上的监控节点进行分组,筛选出在对应课间时间需要重点监控的区域,选择先将监控节点进行分组,再通过计算分组后人流量密集程度系数的差异性来选择最佳的分组方式,依据最佳分组方式的分组结果筛选需要重点监控的区域,相对于现有技术直接比较人流量密集程度系数来筛选监控区域而言,优化了筛选方式;
依据最佳分组方式的分组结果,选择人流量密度程度系数总和最高的一组监控节点的监控区域作为对应课间时间段的重点监控区域,在对应时间段将对应监控区域调取出来进行同步监控,进一步提高了及时发现校园内交通安全异常情况的概率,有效维护了校园内的交通安全,帮助更好地做好校园安全管理工作。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的智慧校园安全管理系统的结构图;
图2是本发明一种基于大数据的智慧校园安全管理方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例1:如图1所示,本实施例提供了一种基于大数据的智慧校园安全管理系统,系统包括:管理数据采集模块、数据库、管理数据分析模块、监控管理模块和校园安全管理模块;
管理数据采集模块的输出端连接数据库的输入端,数据库的输出端连接管理数据分析模块的输入端,管理数据分析模块的输出端连接监控管理模块的输入端,监控管理模块的输出端连接校园安全管理模块的输入端;
通过管理数据采集模块采集校园管理数据和历史监控数据,将采集到的全部数据传输到数据库中;
通过数据库存储采集到的全部数据;
通过管理数据分析模块分析不同监控节点的历史监控数据,分析不同路线上的人流量密集程度;
通过监控管理模块将监控节点按最佳分组方式进行分组;
通过校园安全管理模块调取出重点监控区域,对重点监控区域进行同步监控,在监控到异常时进行预警。
管理数据采集模块包括监控数据采集单元、课程信息采集单元和教学地点定位单元;
监控数据采集单元、课程信息采集单元和教学地点定位单元的输出端连接数据库的输入端;
监控数据采集单元用于采集校园内不同监控节点的监控区域以及历史监控数据;
课程信息采集单元用于采集学生的课程时间以及上课地点信息;
教学地点定位单元用于定位学生的上课地点并采集定位数据。
管理数据分析模块包括历史数据分析单元和密集程度预估单元;
历史数据分析单元的输入端连接数据库的输出端;历史数据分析单元的输出端连接密集程度预估单元的输入端;
历史数据分析单元用于调取历史监控数据和课程信息,统计同一课间时间段监控到的不同的两个地点连接的最短路线上的人数以及去往不同上课地点的学生数量;
密集程度预估单元用于预估在同一课间时间段,不同的两个地点连接的最短路线上的人流量密集程度系数。
监控管理模块包括密集程度比较单元和监控节点分组单元;
密集程度比较单元的输入端连接密集程度预估单元的输出端,密集程度比较单元的输出端连接监控节点分组单元的输入端;
密集程度比较单元用于比较在同一课间时间段,不同的两个地点连接的最短路线上的人流量密集程度系数,将密集程度系数按从大到小的顺序进行排列;
监控节点分组单元用于按密集程度系数将不同路线上的监控节点进行分组,并选择最佳的分组方式。
校园安全管理模块包括目标调出选择单元和校园安全监控单元;
目标调出选择单元的输入端连接监控节点分组单元的输出端,目标调出选择单元的输出端连接校园安全监控单元的输入端;
目标调出选择单元用于按最佳分组方式的分组结果选择对应课间时间段需要调出的重点监控区域;
校园安全监控单元用于在对应课间时间段,调取出重点监控区域进行同步监控,在监控到进行同步监控的区域中出现交通安全异常时发送警报信号。
实施例2:如图2所示,本实施例提供了一种基于大数据的智慧校园安全管理方法,其基于实施例中的管理系统实现,具体包括以下步骤:
Z1:采集校园管理数据和历史监控数据,采集校园内不同监控节点的历史监控数据,获取到以往随机一个课间时间段从第一地点到第二地点的最短路线上共有n=3个监控节点,3个监控节点分别监控到对应课间时间段在最短路线上出现的人数集合为K={K1,K2,K3}={200,220,212},采集学生的课程时间以及上课地点信息,获取到对应课间时间段从第一地点前往第二地点上课的学生数量为M=240,与对应最短路线相交的路线共有f=2条,监控到对应课间时间段在与最短路线相交的路线上出现的人数集合为C={C1,C2}={60,100};
Z2:分析不同路线上的人流量密集程度,设置权重系数δ=0.5,根据公式Pv=[(∑nj=1Kj)/n+M]/2+δ*∑fi=1Ci预估在随机一个课间时间段,从第一地点到第二地点的最短路线上的人流量密集程度系数Pv=305,其中,Kj表示随机一个监控节点监控到对应课间时间段在最短路线上出现的人数,Ci表示在对应课间时间段在与最短路线相交的随机一条路线上出现的人数,δ表示与最短路线相交的路线上出现的人数对人流量密集程度系数预估结果的权重系数,0<δ<1,通过相同计算方式预估得到在对应课间时间段,不同的两个地点连接的最短路线上的人流量密集程度系数集合为P={P1,P2,P3,P4,P5,P6,P7}={305,200,205,256,120,360,405},其中,共有m=7条最短路线;
Z3:按人流量密集程度将不同路线上的监控节点按最佳分组方式进行分组,将不同最短路线上的监控节点按人流量密集程度系数从大到小的顺序进行排列并分组,每条最短路线上都有不止一个监控节点,每条最短路线都对应有不同的起点和终点,获取到按随机一种分组方式分组后,每组人流量密集程度系数总和集合为W={W1,W2,W3}={1070,661,120},第z-1组中每一个人流量密集程度系数都大于第z组中每一个人流量密集程度系数,共分为z=3组,根据公式Fi=[[∑zj=1(Wj-(∑zj=1Wj)/z)2]/z]1/2选择最佳分组方式,其中,Wj表示按随机一种分组方式分组后,随机一组人流量密集程度系数总和,Fi表示随机一种分组方式的优度,得到当前分组方式的优度为:389,比较不同分组方式的优度,选择优度最大的分组方式作为最佳分组方式;
Z4:按最佳分组结果调取出重点监控区域,对重点监控区域进行同步监控,在监控到异常时进行预警,获取最佳分组方式的分组结果,得到按最佳分组方式分组后,每组的人流量密度程度系数总和集合为W’={W1’,W2’,W3’}={1070,661,120},将第一组监控节点的监控区域作为对应课间时间段的重点监控区域,即P7、P6和P1对应的最短路线上的监控节点监控区域,在对应课间时间段将第一组监控节点的监控画面调取出来,对第一组监控节点的监控区域进行同步监控,在监控到出现交通安全异常时发送警报信号。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于大数据的智慧校园安全管理系统,其特征在于:所述系统包括:管理数据采集模块、数据库、管理数据分析模块、监控管理模块和校园安全管理模块;
所述管理数据采集模块的输出端连接所述数据库的输入端,所述数据库的输出端连接所述管理数据分析模块的输入端,所述管理数据分析模块的输出端连接所述监控管理模块的输入端,所述监控管理模块的输出端连接所述校园安全管理模块的输入端;
通过所述管理数据采集模块采集校园管理数据和历史监控数据,将采集到的全部数据传输到所述数据库中;
通过所述数据库存储采集到的全部数据;
通过所述管理数据分析模块分析不同监控节点的历史监控数据,分析不同路线上的人流量密集程度;
通过所述监控管理模块将监控节点按最佳分组方式进行分组;
通过所述校园安全管理模块调取出重点监控区域,对重点监控区域进行同步监控,在监控到异常时进行预警;
采集校园内不同监控节点的历史监控数据,获取到以往随机一个课间时间段从第一地点到第二地点的最短路线上共有n个监控节点,n个监控节点分别监控到对应课间时间段在最短路线上出现的人数集合为K={K1,K2,…,Kn},采集学生的课程时间以及上课地点信息,获取到对应课间时间段从第一地点前往第二地点上课的学生数量为M,与对应最短路线相交的路线共有f条,监控到对应课间时间段在与最短路线相交的路线上出现的人数集合为C={C1,
C2,…,Cf};
根据下列公式预估在随机一个课间时间段,从第一地点到第二地点的最短路线上的人流量密集程度系数Pv:
Pv=[(∑n j=1Kj)/n+M]/2+δ*∑f i=1Ci;
其中,Kj表示随机一个监控节点监控到对应课间时间段在最短路线上出现的人数,j表示第j个监控节点,Ci表示在对应课间时间段在与最短路线相交的随机一条路线上出现的人数,i表示第i条与最短路线相交的路线,δ表示与最短路线相交的路线上出现的人数对人流量密集程度系数预估结果的权重系数,0<δ<1,通过相同计算方式预估得到在对应课间时间段,不同的两个地点连接的最短路线上的人流量密集程度系数集合为P={P1,P2,…,Pv,…,Pm},其中,共有m条最短路线;
将不同最短路线上的监控节点按人流量密集程度系数从大到小的顺序进行排列并分组,获取到按随机一种分组方式分组后,每组人流量密集程度系数总和集合为W={W1,W2,…,Wz},共分为z组,根据下列公式选择最佳分组方式:
Fi=[[∑z j=1(Wj-(∑z j=1Wj)/z)2]/z]1/2;
其中,Wj表示按随机一种分组方式分组后,随机一组人流量密集程度系数总和,Fi表示随机一种分组方式的优度,比较不同分组方式的优度,选择优度最大的分组方式作为最佳分组方式;
获取最佳分组方式的分组结果,得到按最佳分组方式分组后,每组的人流量密度程度系数总和集合为W’={W1’,W2’,…,Wz’},将第一组监控节点的监控区域作为对应课间时间段的重点监控区域,在对应课间时间段将第一组监控节点的监控画面调取出来,对第一组监控节点的监控区域进行同步监控,在监控到出现交通安全异常时发送警报信号。
2.根据权利要求1所述的一种基于大数据的智慧校园安全管理系统,其特征在于:所述管理数据采集模块包括监控数据采集单元、课程信息采集单元和教学地点定位单元;
所述监控数据采集单元、课程信息采集单元和教学地点定位单元的输出端连接所述数据库的输入端;
所述监控数据采集单元用于采集校园内不同监控节点的监控区域以及历史监控数据;
所述课程信息采集单元用于采集学生的课程时间以及上课地点信息;
所述教学地点定位单元用于定位学生的上课地点并采集定位数据。
3.根据权利要求2所述的一种基于大数据的智慧校园安全管理系统,其特征在于:所述管理数据分析模块包括历史数据分析单元和密集程度预估单元;
所述历史数据分析单元的输入端连接所述数据库的输出端;所述历史数据分析单元的输出端连接所述密集程度预估单元的输入端;
所述历史数据分析单元用于调取历史监控数据和课程信息,统计同一课间时间段监控到的不同的两个地点连接的最短路线上的人数以及去往不同上课地点的学生数量;
所述密集程度预估单元用于预估在同一课间时间段,不同的两个地点连接的最短路线上的人流量密集程度系数。
4.根据权利要求3所述的一种基于大数据的智慧校园安全管理系统,其特征在于:所述监控管理模块包括密集程度比较单元和监控节点分组单元;
所述密集程度比较单元的输入端连接所述密集程度预估单元的输出端,所述密集程度比较单元的输出端连接所述监控节点分组单元的输入端;
所述密集程度比较单元用于比较在同一课间时间段,不同的两个地点连接的最短路线上的人流量密集程度系数,将密集程度系数按从大到小的顺序进行排列;
所述监控节点分组单元用于按密集程度系数将不同路线上的监控节点进行分组,并选择最佳的分组方式。
5.根据权利要求4所述的一种基于大数据的智慧校园安全管理系统,其特征在于:所述校园安全管理模块包括目标调出选择单元和校园安全监控单元;
所述目标调出选择单元的输入端连接所述监控节点分组单元的输出端,所述目标调出选择单元的输出端连接所述校园安全监控单元的输入端;
所述目标调出选择单元用于按最佳分组方式的分组结果选择对应课间时间段需要调出的重点监控区域;
所述校园安全监控单元用于在对应课间时间段,调取出重点监控区域进行同步监控,在监控到进行同步监控的区域中出现交通安全异常时发送警报信号。
6.一种基于大数据的智慧校园安全管理方法,应用于如权利要求1所述的一种基于大数据的智慧校园安全管理系统,其特征在于:包括以下步骤:
Z1:采集校园管理数据和历史监控数据;
Z2:分析不同路线上的人流量密集程度;
Z3:按人流量密集程度将不同路线上的监控节点按最佳分组方式进行分组;
Z4:按最佳分组结果调取出重点监控区域,对重点监控区域进行同步监控,在监控到异常时进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310337993.0A CN116051330B (zh) | 2023-03-31 | 2023-03-31 | 一种基于大数据的智慧校园安全管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310337993.0A CN116051330B (zh) | 2023-03-31 | 2023-03-31 | 一种基于大数据的智慧校园安全管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116051330A CN116051330A (zh) | 2023-05-02 |
CN116051330B true CN116051330B (zh) | 2023-10-27 |
Family
ID=86118549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310337993.0A Active CN116051330B (zh) | 2023-03-31 | 2023-03-31 | 一种基于大数据的智慧校园安全管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116051330B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173613B (zh) * | 2023-09-15 | 2024-03-29 | 中国铁路广州局集团有限公司 | 一种工程建设项目全过程信息化智能管理系统及方法 |
CN118172222B (zh) * | 2024-05-11 | 2024-08-20 | 恒海云技术集团有限公司 | 基于大数据的智慧校园安全预警平台 |
CN118333431B (zh) * | 2024-06-12 | 2024-08-20 | 武汉深捷科技股份有限公司 | 一种输电线路的数据采集与分析方法、系统及介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014146130A (ja) * | 2013-01-28 | 2014-08-14 | Hitachi Systems Ltd | 空き駐車スペース誘導支援システム |
CN105070037A (zh) * | 2015-07-15 | 2015-11-18 | 国家电网公司 | 一种综合管理播报的公共交通信息平台及运行控制方法 |
CN106249656A (zh) * | 2016-08-26 | 2016-12-21 | 特斯联(北京)科技有限公司 | 一种物联网智慧校园 |
CN108391086A (zh) * | 2018-02-27 | 2018-08-10 | 山东大学 | 融合事件感知与位置传感的工业视频联动分析方法与系统 |
CN111223290A (zh) * | 2018-11-27 | 2020-06-02 | 青岛海信网络科技股份有限公司 | 一种警卫方案快速制作的方法及装置 |
CN111260314A (zh) * | 2020-01-10 | 2020-06-09 | 重庆跃途科技有限公司 | 智慧校园安全态势感知系统 |
CN111612664A (zh) * | 2020-05-22 | 2020-09-01 | 河南智慧云大数据有限公司 | 基于大数据的智慧校园平台 |
CN111680957A (zh) * | 2020-04-03 | 2020-09-18 | 上海钦轩网络科技有限公司 | 一种校园大数据平台 |
CN112333420A (zh) * | 2020-08-25 | 2021-02-05 | 帝杰曼科技股份有限公司 | 一种智慧校园的大数据信息安全管理系统 |
CN113973263A (zh) * | 2021-10-25 | 2022-01-25 | 合肥工业大学 | 一种基于wifi定位的智慧校园系统 |
CN114723589A (zh) * | 2022-03-24 | 2022-07-08 | 湖南生平安防工程有限公司 | 一种校园车辆智能安全监控管理系统及使用方法 |
CN115146965A (zh) * | 2022-07-04 | 2022-10-04 | 中国银行股份有限公司 | 值班人员规划方法、装置、存储介质和设备 |
CN115759493A (zh) * | 2022-10-25 | 2023-03-07 | 全图通位置网络有限公司 | 一种无人化智能感知服务系统 |
CN115829796A (zh) * | 2022-09-29 | 2023-03-21 | 深圳市度易科技有限公司 | 一种基于生态功能区划分的智慧校园管理平台 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210225163A1 (en) * | 2019-06-12 | 2021-07-22 | Nermin Maslar | Wrong-way driving detection & prevention with roadside assistance |
-
2023
- 2023-03-31 CN CN202310337993.0A patent/CN116051330B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014146130A (ja) * | 2013-01-28 | 2014-08-14 | Hitachi Systems Ltd | 空き駐車スペース誘導支援システム |
CN105070037A (zh) * | 2015-07-15 | 2015-11-18 | 国家电网公司 | 一种综合管理播报的公共交通信息平台及运行控制方法 |
CN106249656A (zh) * | 2016-08-26 | 2016-12-21 | 特斯联(北京)科技有限公司 | 一种物联网智慧校园 |
CN108391086A (zh) * | 2018-02-27 | 2018-08-10 | 山东大学 | 融合事件感知与位置传感的工业视频联动分析方法与系统 |
CN111223290A (zh) * | 2018-11-27 | 2020-06-02 | 青岛海信网络科技股份有限公司 | 一种警卫方案快速制作的方法及装置 |
CN111260314A (zh) * | 2020-01-10 | 2020-06-09 | 重庆跃途科技有限公司 | 智慧校园安全态势感知系统 |
CN111680957A (zh) * | 2020-04-03 | 2020-09-18 | 上海钦轩网络科技有限公司 | 一种校园大数据平台 |
CN111612664A (zh) * | 2020-05-22 | 2020-09-01 | 河南智慧云大数据有限公司 | 基于大数据的智慧校园平台 |
CN112333420A (zh) * | 2020-08-25 | 2021-02-05 | 帝杰曼科技股份有限公司 | 一种智慧校园的大数据信息安全管理系统 |
CN113973263A (zh) * | 2021-10-25 | 2022-01-25 | 合肥工业大学 | 一种基于wifi定位的智慧校园系统 |
CN114723589A (zh) * | 2022-03-24 | 2022-07-08 | 湖南生平安防工程有限公司 | 一种校园车辆智能安全监控管理系统及使用方法 |
CN115146965A (zh) * | 2022-07-04 | 2022-10-04 | 中国银行股份有限公司 | 值班人员规划方法、装置、存储介质和设备 |
CN115829796A (zh) * | 2022-09-29 | 2023-03-21 | 深圳市度易科技有限公司 | 一种基于生态功能区划分的智慧校园管理平台 |
CN115759493A (zh) * | 2022-10-25 | 2023-03-07 | 全图通位置网络有限公司 | 一种无人化智能感知服务系统 |
Non-Patent Citations (4)
Title |
---|
"Application of a big data framework for data monitoring on a smart campus";William Villegas-Ch 等;《Sustainability》;第11卷(第20期);第1-15页 * |
"基于大数据技术的智慧校园安全管控平台设计研究";廖海生;《计算机测量与控制》;第29卷(第10期);第133-138页 * |
"智慧景区信息化管理服务系统设计与实现";董磊;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;第I139-71页 * |
基于智慧校园的校园视频监控系统的建设研究;吴宇玲;;中国管理信息化(第04期);第143-144页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116051330A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116051330B (zh) | 一种基于大数据的智慧校园安全管理系统及方法 | |
Emam et al. | Using real-life dual-loop detector data to develop new methodology for estimating freeway travel time reliability | |
GB2582531A (en) | Method for detecting traffic anomally of urban road with equidistant spatial-temporal division | |
CN114093168A (zh) | 一种基于韧性视角下的城市道路交通运行状态评价方法 | |
CN116863723B (zh) | 一种数字孪生基座的使用方法 | |
CN115087143A (zh) | 一种基于嵌入式系统的AIoT测控边缘网关 | |
CN103023028A (zh) | 一种基于实体间依赖关系图的电网故障快速定位方法 | |
CN101551940A (zh) | 城市快速道路交通状态判别与发布系统及其方法 | |
CN115331425A (zh) | 一种交通预警方法、装置和系统 | |
CN114584204B (zh) | 一种应急指挥系统 | |
CN117014471A (zh) | 一种基于人工智能的工程物联网安全监测系统 | |
Kurkcu et al. | Data visualization tool for monitoring transit operation and performance | |
Liu et al. | Internet of things based solutions for transport network vulnerability assessment in intelligent transportation systems | |
CN106559262A (zh) | 一种区域故障报警方法及系统 | |
CN112396196A (zh) | 针对智能交通系统实现智慧运维管理的系统 | |
CN117041089A (zh) | 一种面向异地数据中心的设备监控系统及方法 | |
CN114512001B (zh) | 区域交通监测方法、装置、电子设备、介质及程序产品 | |
CN116054416A (zh) | 一种基于物联网的智能监控运维管理系统 | |
Wang et al. | LSTM-based alarm prediction in the mobile communication network | |
Khoury et al. | Performance comparison of automatic vehicle identification and inductive loop traffic detectors for incident detection | |
CN118278049B (zh) | 一种城市安全监测预警方法及系统 | |
CN117692302B (zh) | 一种数据收集存储和智能监控告警的方法及系统 | |
CN108934036A (zh) | 基站状态信息的获取方法和装置 | |
Al-Deek et al. | The Impact of Real-Time and Predictive Traffic Information on Travelers’ Behavior on the I-4 Corridor | |
CN117746630B (zh) | 一种基于大数据的行业安全生产监督管理系统 |
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 |