CN116934100A - 三维空间下人员聚集风险评估方法及系统 - Google Patents
三维空间下人员聚集风险评估方法及系统 Download PDFInfo
- Publication number
- CN116934100A CN116934100A CN202311200046.3A CN202311200046A CN116934100A CN 116934100 A CN116934100 A CN 116934100A CN 202311200046 A CN202311200046 A CN 202311200046A CN 116934100 A CN116934100 A CN 116934100A
- Authority
- CN
- China
- Prior art keywords
- block
- sub
- abnormal
- information
- blocks
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004220 aggregation Methods 0.000 title claims abstract description 42
- 230000002776 aggregation Effects 0.000 title claims abstract description 42
- 238000012502 risk assessment Methods 0.000 title claims description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 195
- 238000003860 storage Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 37
- 238000012544 monitoring process Methods 0.000 description 14
- 238000009825 accumulation Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供一种三维空间下人员聚集风险评估方法及系统,属于安全监管技术领域。所述方法包括:获得待评估场地基础信息,并基于所述基础信息构建待评估场地三维坐标系;基于八叉树空间划分规则,在所述待评估场地三维坐标系中对待评估场地执行多级划分,获得多个尺寸相同的子区块;基于所述基础信息识别各子区块中的人员数量信息,并基于所述人员数量信息和预设人员聚集阈值确定各子区块的异常状态;每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息。本发明方案解决了现有人员聚集识别方案智能性差的问题。
Description
技术领域
本发明涉及安全监管技术领域,具体地涉及一种三维空间下人员聚集风险评估方法及一种三维空间下人员聚集风险评估系统。
背景技术
流程工业中存在各类高危风险事件,一旦出现风险事件,极易对生产装置周围的员工的生命安全造成巨大威胁。当生产装置区域中发生人员聚集时,发生高危风险事件后造成的后果更为严重,同时人员聚集也会增大高危风险事件发生的概率。
为了尽可能降低高危风险事件发生概率,以及降低发生事故后的后果程度,阻止人员聚集是必要的。为了能够及时阻止人员聚集,对应的人员聚集监控手段也是必要的。在现有方案中,进行人员聚集判断,往往是通过对人员的实际状态进行图像采集,然后在广域的全监测范围内进行可能存在聚集位置进行报警,通过在全局的地图信息中进行聚集位置定位。这种方式需要在图像信息中进行人员识别,人数统计结果并不准确,且是在地图中进行聚集位置标记,还需要监管人员进行位置查找和监管,报警和定位信息并不明确,使得现有的人员聚集识别方案的智能性很差。针对这种问题,需要创造一种新的适用于流程工业安全监管的人员聚集监管方案。
发明内容
本发明实施方式的目的是提供一种三维空间下人员聚集风险评估方法及系统,以至少解决现有人员聚集识别方案智能性差的问题。
为了实现上述目的,本发明第一方面提供一种三维空间下人员聚集风险评估方法,所述方法包括:获得待评估场地基础信息,并基于所述基础信息构建待评估场地三维坐标系;基于八叉树空间划分规则,在所述待评估场地三维坐标系中对待评估场地执行多级划分,获得多个尺寸相同的子区块;基于所述基础信息识别各子区块中的人员数量信息,并基于所述人员数量信息和预设人员聚集阈值确定各子区块的异常状态;每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息。
可选的,所述基础信息包括:待评估场地的空间尺寸信息和待评估场地内各人员的定位信息。
可选的,所述基于所述基础信息构建待评估场地三维坐标系,包括:在待评估场地内,任选一个点作为三维坐标系原点;基于所述三维坐标系原点构建待评估场地三维坐标系。
可选的,所述基于八叉树空间划分规则,在所述待评估场地三维坐标系中对待评估场地执行多级划分,获得多个尺寸相同的子区块,包括:S1)基于所述待评估场地三维坐标系,对待评估场地执行一次八叉树空间划分,获得八个等分的中间区块;S2)将各中间区块作为父区块,分别执行一次八叉树空间划分,各中间区块分别划分获得八个新的中间区块;S3)将上一次划分获得的新的中间区块再次作为父区块,重复N次步骤S2)-步骤S3),直到获得的新的中间区块的体积与待评估场地体积之间的比值小于预设比值阈值,停止执行八叉树空间划分,将最新获得的中间区块作为子区块。
可选的,在获得多个尺寸相同的子区块后,所述方法还包括:对各子区块进行编码,包括:以三维坐标系原点所在的子区块的编码为0,沿x轴正方向,每增加一个子区块,对应子区块的编码在x轴相邻上一个子区块的编码上加1,直到获得x轴正方向末端子区块的编码为n;沿y轴正方向,每增加一个子区块,对应子区块的编码在y轴相邻上一个子区块的编码上加n,直到获得y轴正方向末端子区块的编码为n+m;沿z轴正方向,每增加一个子区块,对应子区块的编码在z轴相邻上一个子区块的编码上加n×m,直到获得z轴正方向末端子区块的编码为k+n×m。
可选的,所述基于所述基础信息识别各子区块中的人员数量信息,包括:识别各人员的定位坐标;基于各人员的定位坐标分别识别对应人员所处的子区块;基于各子区块内的人员信息获得对应各子区块的人员信息集合,作为各子区块中的人员数量信息。
可选的,所述基于所述人员数量信息和预设人员聚集阈值确定各子区块的异常状态,包括:将各子区块在空间上接触相邻的其他子区块组成的区域作为当前子区块的相邻区域;遍历各子区块,基于各子区块的人员信息集合和预设人员聚集阈值判断各子区块是否满足聚集标准;若满足,则将当前子区块标定为异常区块,将当前子区块的相邻区域标定为异常区域。
可选的,在确定各子区块的异常状态后,所述方法还包括:将在空间上接触相邻的异常区块进行组合,获得关联异常区块;其中,基于各子区块的异常状态,评估场地内可能存在0个、1个或多个关联异常区块。
可选的,所述每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息,包括:在关联异常区块中识别到新出现的异常区块时,基于新出现的异常区块生成初始报警信息;每隔预定周期,基于各人员的流动信息确定新的位置坐标,并基于新的位置坐标更新各子区块的异常状态;每更新一次各子区块的异常状态,便判断新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块;基于新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块确定对应的报警策略。
可选的,所述基于新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块确定对应的报警策略,包括:若新的关联异常区块与在先的关联异常区块之间不存在相同的异常区块,则针对新的关联异常区块中的异常区块生成初始报警信息,并取消在先的关联异常区块中的异常区块的报警信息;若新的关联异常区块仅与一个在先的关联异常区块之间存在相同的异常区块,则基于该异常区块的初始报警信息进行报警;若新的关联异常区块与多个在先的关联异常区块之间存在相同的异常区块,则将新的关联异常区块与存在相同的异常区块的其他在先的关联异常区块组合形成融合关联异常区块,并基于融合关联异常区块生成报警信息。
本发明第二方面提供一种三维空间下人员聚集风险评估系统,所述系统包括:采集单元,用于获得待评估场地基础信息,并基于所述基础信息构建待评估场地三维坐标系;划分单元,用于基于八叉树空间划分规则,在所述待评估场地三维坐标系中对待评估场地执行多级划分,获得多个尺寸相同的子区块;异常评估单元,用于基于所述基础信息识别各子区块中的人员数量信息,并基于所述人员数量信息和预设人员聚集阈值确定各子区块的异常状态;报警单元,用于每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息。
另一方面,本发明提供一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行上述的三维空间下人员聚集风险评估方法。
通过上述技术方案,本发明方案首先基于八叉树空间划分规则将待评估场地进行空间划分,获得多个子区块,以便于对检测空间进行细分,便于后续进行报警时能够直接基于子区块进行报警,提高监管人员定位的效率。进一步基于相关人员在各子区块中的移动情况,进行各子区块聚集情况持续监测,保证人员聚集情况的持续监测。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是本发明一种实施方式提供的三维空间下人员聚集风险评估方法的步骤流程图;
图2是本发明一种实施方式提供的划分空间后叠加实体示意图;
图3是本发明一种实施方式提供的最终形成聚集报警示意图;
图4是本发明一种实施方式提供的实施例一的报警示意图;
图5是本发明一种实施方式提供的实施例二的报警示意图;
图6是本发明一种实施方式提供的实施例三的报警示意图;
图7是本发明一种实施方式提供的三维空间下人员聚集风险评估系统的系统结构图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
流程工业中存在各类高危风险事件,一旦出现风险事件,极易对生产装置周围的员工的生命安全造成巨大威胁。当生产装置区域中发生人员聚集时,发生高危风险事件后造成的后果更为严重,同时人员聚集也会增大高危风险事件发生的概率。
为了尽可能降低高危风险事件发生概率,以及降低发生事故后的后果程度,阻止人员聚集是必要的。为了能够及时阻止人员聚集,对应的人员聚集监控手段也是必要的。在现有方案中,进行人员聚集判断,往往是通过对人员的实际状态进行图像采集,然后在广域的全监测范围内进行可能存在聚集位置进行报警,通过在全局的地图信息中进行聚集位置定位。这种方式需要在图像信息中进行人员识别,人数统计结果并不准确,且是在地图中进行聚集位置标记,还需要监管人员进行位置查找和监管,报警和定位信息并不明确,使得现有的人员聚集识别方案的智能性很差。
针对这种问题,本发明提出了一种三维空间下人员聚集风险评估方法,本发明方案首先基于八叉树空间划分规则将待评估场地进行空间划分,获得多个子区块,以便于对检测空间进行细分,便于后续进行报警时能够直接基于子区块进行报警,提高监管人员定位的效率。进一步基于相关人员在各子区块中的移动情况,进行各子区块聚集情况持续监测,保证人员聚集情况的持续监测。
图1是本发明一种实施方式提供的三维空间下人员聚集风险评估方法的方法流程图。如图1所示,本发明实施方式提供一种三维空间下人员聚集风险评估方法,所述方法包括:
步骤S10:获得待评估场地基础信息,并基于所述基础信息构建待评估场地三维坐标系。
具体的,所述待评估场地基础信息包括:待评估场地的空间尺寸信息、待评估场地内各人员的定位信息。所述基于所述基础信息构建待评估场地三维坐标系,包括:在所述待评估场地内,任选一个点作为三维坐标系原点;基于所述三维坐标系原点构建三维坐标系。
在本发明实施例中,本发明方案想要将检测空间细分为多个子区块,后续针对这些子区块进行人员聚集识别和报警。通过识别各人员的定位信息判断其落入哪一个子区块,然后统计子区块的总人数,以判断各子区块是否发生人员聚集的情况。想要实现后续的定位准确,是基于与人员定位信息之间的匹配关系,就不得不建立统一的位置确定标准。本发明方案便是针对该位置确定标准构建了三维坐标系,每一子区块均是在该三维坐标系中进行划分,对应的各人员的定位信息也是基于该三维坐标系进行确定。以便于精准地进行各子区块和各人员位置定位。
步骤S20:基于八叉树空间划分规则,在所述待评估场地三维坐标系中对所述待评估场地执行多级划分,获得多个尺寸相同的子区块。
具体的,S1)基于所述三维坐标系,对所述待评估场地执行一次八叉树空间划分,获得八个等分的中间区块;S2)将各中间区块作为父区块,分别执行一次八叉树空间划分,各中间区块分别划分获得八个新的中间区块;S3)将上一次划分获得的新的中间区块再次作为父区块,重复N次步骤S2)-步骤S3),直到获得的新的中间区块的体积与待评估场地体积之间的比值小于预设比值阈值,停止执行八叉树空间划分,将最新获得的中间区块作为子区块。
在一种可能的实施方式中,现实世界被等分为了八个长方体,根据所选定现实世界空间的尺寸,这八个长方体的尺寸可能非常大,比如10公里*10公里*10米(长*宽*高)。根据人员聚集可能产生风险的不同,设定人员聚集的触发阈值,如:当1000立方米内,聚集超过10人时,认为有人员聚集风险。因此需要将八个长方体进一步切割、划分,每个长方体切割为更小粒度的八个长方体。每个大长方体作为父节点,八个小长方体作为子节点,循环此步骤切割长方体,即可以八叉树的结构将多级长方体进行关联,最终直到最小的长方体体积约为目标体积(1000立方米)的二十七分之一时停止。划分结果如图2所示。
优选的,在获得多个尺寸相同的子区块后,所述方法还包括:对各子区块进行编码,包括:以三维坐标系原点坐在的子区块的编码为0,沿x轴正方向,每增加一个子区块,对应子区块的编码在x轴相邻上一个子区块的编码上加1,直到获得x轴正方向末端子区块的编码为n;沿y轴正方向,每增加一个子区块,对应的子区块编码在y轴相邻上一个子区块的编码上加n,直到获得y轴正方向末端子区块的编码为n+m;沿z轴正方向,每增加一个子区块,对应的子区块的编码在z轴相邻上一个子区块的编码上加n×m,直到获得z轴正方向末端子区块的编码为k+n×m。
在本发明实施例中,本发明想要进行精准的子区块和人员定位,则必须保证各区块具有特殊的标识,即输出的报警信息中需要对应输出子区块的标识,监管人员才能基于该标识确定具体是哪一个子区块产生了聚集情况。基于此,本发明方案完成区块划分后,便需要对获得的各子区块进行编码,使得每一个子区块都具有唯一的识别码。
在一种可能的实施方式中,基于以下规则进行编码:
1)设每个小长方体的边长为l*j*k(长*宽*高);
2)以图2中的A点所在的长方体为0号长方体,延x轴方向,每增加l长度的长方体,编号加1;
3)以图2中的A点所在的长方体为0号长方体,设图2中x轴方向共n个长方体,因此延y轴方向,每增加j长度的长方体,则编号加n;以图2为例,因为x轴共8个长方体,则延y轴方向每增加l长度的长方体,则编号加8;
4)以图2中的A点所在的长方体为0号长方体,设图2中x轴方向共n个长方体,y轴方向共m个长方体,因此延z轴方向,每增加k长度的长方体,则编号加n*m;以图2为例,因为x轴共8个长方体,y轴共8个长方体,则z轴每增加k长度的长方体,则编号加8*8=64;
在本发明实施例中,以上述步骤将长方体编码后,若人员定位的坐标信息位于编号为i的空间长方体,则编号为i的空间长方体,其延x轴正方向相邻长方体的编码为i+1,延x轴正方向相邻长方体的编码为i-1,延y轴正方向相邻长方体的编码为i+n,延y轴反方向相邻长方体的编码为i-n,延z轴正方向相邻长方体的编码为i+n*m,延z轴反方向相邻长方体的编码为i-n*m。由此可知,任意已知编码为i的长方体,可通过时间复杂度为0(1)的算数运算,得到此长方体周围任一范围的长方体编码。
步骤S30:基于所述基础信息识别各子区块中的人员数量信息,并基于所述人员数量信息和预设人员聚集阈值确定各子区块的异常状态。
具体的,识别各人员的定位坐标;基于各人员的定位坐标分别识别对应人员所处的子区块;基于各子区块内的人员信息获得对应各子区块的人员信息集合,作为各子区块中的人员数量信息。各子区块在空间上接触相邻的其他子区块组成的区域为当前子区块的相邻区域;遍历各子区块,基于各子区块的人员信息集合和预设人员聚集阈值判断各子区块是否满足聚集标准;若满足,则将当前区块标定为异常区块,将当前区块的相邻区域标定为异常区域。
在一种可能的实时方式中,各子区块的人员聚集阈值不同。在现实情况中,不同子区块中的人员聚集风险度是不同的,例如,在预定场景内,某个子区块可能包含了某一个风险设备,而另一个子区块则仅包括了一片空地、休息区或其他管理区域。则即使这两个子区块的尺寸相同,但是对应子区块内的人员聚集风险程度不同。则前者人员聚集后发生安全事故的风险增大,或者人员聚集后发生安全事故的风险并不大。基于此,可以说前者子区块对于人员聚集的敏感性高于后者,所以前者的人员聚集阈值低于后者。通过这种各子区块的人员聚集阈值差异化设置,能够实现对重点子区块的敏感监控,实现子区块监控的差异性,提高整体系统的监管智能性。
在一种可能的实施方式中,将现实三维空间进行长方体区块划分并编码后,可将人员定位的坐标信息,通过时间复杂度为O(1)的算数运算,将坐标信息转换为长方体区块的编码。设厂区中有s位员工,即有s个人员定位的坐标信息,第i个员工的坐标记为pos(i)=(xi,yi,zi),设空间长方体的变长为l,则坐标转换为编码的规则记为code(i)=xi/l+(yi/l)*n+(zi/l)*n*m。将实施场地内所有人员信息依据上述规则编码后,记编码为code的长方体内所属的人员信息集合为C(code)={pos(1), pos(2),……pos(t)}。
进一步的,遍历所有区块,以第i个区块为例,根据算术运算获取到周边所有相邻区块的编码,检查对应编码中对应的人员信息,判断是否超出人员聚集阈值,若超出阈值,则标记编码i为异常区块与其周边共27个区块标记为异常区域,否则标记位正常区块。
在本发明实施例中,空间上接触相邻及空间上的共点相邻,对于区域中心的子区块,其往往存在27个相邻的其他子区块,边线上的子区块则有11个相邻的区块,顶点上的子区块则有7个相邻的子区块。
步骤S40:每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息。
具体的,在确定各子区块的异常状态后,所述方法还包括:将在空间上接触相邻的异常区块进行组合,获得关联异常区块;其中,基于各区块的异常状态,待评估场地内可能存在0个、1个或多个关联异常区块。
在本发明实施例中,以广度优先遍历规则,将相连的异常区块进行统一编码,最终可将出现人员聚集的连续区块通过同一编码进行关联。
优选的,所述每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息,包括:在关联异常区块中识别到新出现的异常区块时,基于新出现的异常区块生成初始报警信息;每隔预定周期,基于各人员的流动信息确定新的位置坐标,并基于新的位置坐标更新各子区块的异常状态;每更新一次各子区块的异常状态,便判断新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块;基于新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块确定对应的报警策略。
进一步的,所述基于新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块确定对应的报警策略,包括:若新的关联异常区块与在先的关联异常区块之间不存在相同的异常区块,则针对新的关联异常区块中的异常区块生成初始报警信息,并取消在先的关联异常区块中的异常区块的报警信息;若新的关联异常区块仅与一个在先的关联异常区块之间存在相同的异常区块,则基于该异常区块的初始报警信息进行报警;若新的关联异常区块与多个在先的关联异常区块之间存在相同的异常区块,则将新的关联异常区块与存在相同的异常区块的其他在先的关联异常区块组合形成融合关联异常区块,并基于融合关联异常区块生成报警信息。
如图3,在一种可能的实施方式中,设当前时间点为t1,则t1时刻形成了两个人员聚集区块路径记为patha与pathb,并分别产生了两个报警记为alarma与alarmb。
实施例一:
如图4,当时间点t2时,再一次根据新的人员定位信息进行人员位置分析,得到新的人员聚集区块路径pathc,将pathc与patha、pathb进行编码匹配,若与patha或pathb具有相同编码区块,则pathc产生的报警将与有重叠的关联异常区块产生的报警融合。
实施例二:
如图5,若没有重叠区域,则代表人员聚集风险已解决,将alarma与alarmb进行消警,并产生新的报警alarmc。
实施例三:
如图6,若与patha、pathb都有重合区域,则根据patha、pathb所分布区块数量大小,将patha、pathb、pathc区块产生的报警融入数量较大的关联异常区块所产生的报警。
优选的,若企业不具备空间分布监测条件,或不需要进行分层监测,可将三维空间区块划分退化为二维平面四叉树区块划分即可。
在本发明实施例中,本发明方案解决了以往大量人员定位数据需要以O(n2)的时间复杂度进行两两对比之间距离,最终得到人员聚集信息性能极差的问题。通过对三维空间进行八叉树区块划分,并进行编码,将人员定位信息通过时间复杂度为O(1)的算数运算转为地图编码,最终优化为O(n)时间复杂度的人员聚集算法,大大提升了风险研判效果。同时通过广度优先遍历算法,将原本离散的空间区块进行融合;在连续时间段内的多次人员定位信息上报后,可根据先后的聚集区块路径,进行连续时间段内的报警融合,跟踪人员移动路径。
图7是本发明一种实施方式提供的三维空间下人员聚集风险评估系统的系统结构图。如图7所示,本发明实施方式提供一种三维空间下人员聚集风险评估系统,所述系统包括:
采集单元,用于获得待评估场地基础信息,并基于所述基础信息构建待评估场地三维坐标系。
具体的,所述待评估场地基础信息包括:待评估场地的空间尺寸信息、待评估场地内各人员的定位信息。所述基于所述基础信息构建待评估场地三维坐标系,包括:在所述待评估场地内,任选一个点作为三维坐标系原点;基于所述三维坐标系原点构建三维坐标系。
在本发明实施例中,本发明方案想要将检测空间细分为多个子区块,后续针对这些子区块进行人员聚集识别和报警。通过识别各人员的定位信息判断其落入哪一个子区块,然后统计子区块的总人数,以判断各子区块是否发生人员聚集的情况。想要实现后续的定位准确,基于与人员定位信息之间的匹配关系,就不得不建立同统一的位置确定标准。本发明方案便是针对该位置确定标准构建了三维坐标系,每一各子区块均是在该三维坐标系中进行划分,对应的各人员的定位信息也是基于该三维坐标系进行确定。以便于精准地进行各子区块和各人员位置定位。
划分单元,用于基于八叉树空间划分规则,在所述待评估场地三维坐标系中对所述待评估场地执行多级划分,获得多个尺寸相同的子区块。
具体的,S1)基于所述三维坐标系,对所述待评估场地执行一次八叉树空间划分,获得八个等分的中间区块;S2)将各中间区块作为父区块,分别执行一次八叉树空间划分,各中间区块分别划分获得八个新的中间区块;S3)将上一次划分获得的新的中间区块再次作为父区块,重复N次步骤S2)-步骤S3),直到获得的新的中间区块的体积与待评估场地体积之间的比值小于预设比值阈值,停止执行八叉树空间划分,将最新获得的中间区块作为子区块。
优选的,在获得多个尺寸相同的子区块后,划分单元还被配置为:对各子区块进行编码,包括:以三维坐标系原点坐在的子区块的编码为0,沿x轴正方向,每增加一个子区块,对应子区块的编码在x轴相邻上一个子区块的编码上加1,直到获得x轴正方向末端子区块的编码为n;沿y轴正方向,每增加一个子区块,对应的子区块编码在y轴相邻上一个子区块的编码上加n,直到获得y轴正方向末端子区块的编码为n+m;沿z轴正方向,每增加一个子区块,对应的子区块的编码在z轴相邻上一个子区块的编码上加n×m,直到获得z轴正方向末端子区块的编码为k+n×m。
异常评估单元,用于基于所述基础信息识别各子区块中的人员数量信息,并基于所述人员数量信息和预设人员聚集阈值确定各子区块的异常状态。
识别各人员的定位坐标;基于各人员的定位坐标分别识别对应人员所处的子区块;基于各子区块内的人员信息获得对应各子区块的人员信息集合,作为各子区块中的人员数量信息。各子区块在空间上接触相邻的其他子区块组成的区域为当前子区块的相邻区域;遍历各子区块,基于各子区块的人员信息集合和预设人员聚集阈值判断各子区块是否满足聚集标准;若满足,则将当前区块标定为异常区块,将当前区块的相邻区域标定为异常区域。
在一种可能的实时方式中,各子区块的人员聚集阈值不同。在现实情况中,不同子区块中的人员聚集风险度是不同的,例如,在预定场景内,某个子区块可能包含了某一个风险设备,而另一个子区块则仅包括了一片空地、休息区或其他管理区域。则即使这两个子区块的尺寸相同,但是对应子区块内的人员聚集风险程度不同。则前者人员聚集后发生安全事故的风险增大,而或者人员聚集后发生安全事故的风险并不大。基于此,可以说前者子区块对于人员聚集的敏感性高于后者,所以前者的人员聚集阈值低于后者。通过这种各子区块的人员聚集阈值差异化设置,能够实现对重点子区块的敏感监控,实现子区块监控的差异性,提高整体系统的监管智能性。
报警单元,用于每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息。
具体的,在确定各子区块的异常状态后,所述方法还包括:将在空间上接触相邻的异常区块进行组合,获得关联异常区块;其中,基于各区块的异常状态,待评估场地内可能存在0个、1个或多个关联异常区块。
在本发明实施例中,以广度优先遍历规则,将相连的异常区块进行统一编码,最终可将出现人员聚集的连续区块通过同一编码进行关联。
优选的,所述每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息,包括:在关联异常区块中识别到新出现的异常区块时,基于新出现的异常区块生成初始报警信息;每隔预定周期,基于各人员的流动信息确定新的位置坐标,并基于新的位置坐标更新各子区块的异常状态;每更新一次各子区块的异常状态,便判断新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块;基于新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块确定对应的报警策略。
进一步的,所述基于新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块确定对应的报警策略,包括:若新的关联异常区块与在先的关联异常区块之间不存在相同的异常区块,则针对新的关联异常区块中的异常区块生成初始报警信息,并取消在先的关联异常区块中的异常区块的报警信息;若新的关联异常区块仅与一个在先的关联异常区块之间存在相同的异常区块,则基于该异常区块的初始报警信息进行报警;若新的关联异常区块与多个在先的关联异常区块之间存在相同的异常区块,则将新的关联异常区块与存在相同的异常区块的其他在先的关联异常区块组合形成融合关联异常区块,并基于融合关联异常区块生成报警信息。
本发明方案基于云端服务器进行方法配置,由于云端服务器部署时,具有人员定位信息较多、涉及多家企业的八叉树区块划分逻辑、服务器资源较为充足等特点,因此可建立redis集群,分别用以存储三维空间区块编码信息,以及人员定位进行编码后的区块编码与人员定位信息的关联关系。应用服务器将redis集群中的数据加载到内存后,通过分布式任务系统,可根据服务器负载情况,进行水平扩展,最终按企业分批进行运算。
优选的,在企业本地部署时,具有人员定位信息较少、企业三维空间分块数较少、服务器资源较为匮乏等特点,因此可将区块划分、人员定位进行编码后的区块编码与人员定位信息的关联关系等信息均存入内存,每次运算时从内存中直接获取,减少网络请求,大大加快每次的运算效率。
优选的,若企业本地部署设计多家子公司导致三维空间分块数较多的问题,可根据企业现状,按区域将企业三维空间分为多个大块,将多块三维空间区块,打散到多台服务器分别进行运算。
本发明实施方式还提供一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行上述的三维空间下人员聚集风险评估方法。
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上结合附图详细描述了本发明的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,其同样应当视为本发明实施方式所公开的内容。
Claims (12)
1.一种三维空间下人员聚集风险评估方法,其特征在于,所述方法包括:
获得待评估场地基础信息,并基于所述基础信息构建待评估场地三维坐标系;
基于八叉树空间划分规则,在所述待评估场地三维坐标系中对待评估场地执行多级划分,获得多个尺寸相同的子区块;
基于所述基础信息识别各子区块中的人员数量信息,并基于所述人员数量信息和预设人员聚集阈值确定各子区块的异常状态;
每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息。
2.根据权利要求1所述的方法,其特征在于,所述基础信息包括:
待评估场地的空间尺寸信息和待评估场地内各人员的定位信息。
3.根据权利要求1所述的方法,其特征在于,所述基于所述基础信息构建待评估场地三维坐标系,包括:
在待评估场地内,任选一个点作为三维坐标系原点;
基于所述三维坐标系原点构建待评估场地三维坐标系。
4.根据权利要求2所述的方法,其特征在于,所述基于八叉树空间划分规则,在所述待评估场地三维坐标系中对待评估场地执行多级划分,获得多个尺寸相同的子区块,包括:
S1)基于所述待评估场地三维坐标系,对待评估场地执行一次八叉树空间划分,获得八个等分的中间区块;
S2)将各中间区块作为父区块,分别执行一次八叉树空间划分,各中间区块分别划分获得八个新的中间区块;
S3)将上一次划分获得的新的中间区块再次作为父区块,重复N次步骤S2)-步骤S3),直到获得的新的中间区块的体积与待评估场地体积之间的比值小于预设比值阈值,停止执行八叉树空间划分,将最新获得的中间区块作为子区块。
5.根据权利要求1所述的方法,其特征在于,在获得多个尺寸相同的子区块后,所述方法还包括:
对各子区块进行编码,包括:
以三维坐标系原点所在的子区块的编码为0,沿x轴正方向,每增加一个子区块,对应子区块的编码在x轴相邻上一个子区块的编码上加1,直到获得x轴正方向末端子区块的编码为n;
沿y轴正方向,每增加一个子区块,对应子区块的编码在y轴相邻上一个子区块的编码上加n,直到获得y轴正方向末端子区块的编码为n+m;
沿z轴正方向,每增加一个子区块,对应子区块的编码在z轴相邻上一个子区块的编码上加n×m,直到获得z轴正方向末端子区块的编码为k+n×m。
6.根据权利要求1所述的方法,其特征在于,所述基于所述基础信息识别各子区块中的人员数量信息,包括:
识别各人员的定位坐标;
基于各人员的定位坐标分别识别对应人员所处的子区块;
基于各子区块内的人员信息获得对应各子区块的人员信息集合,作为各子区块中的人员数量信息。
7.根据权利要求1所述的方法,其特征在于,所述基于所述人员数量信息和预设人员聚集阈值确定各子区块的异常状态,包括:
将各子区块在空间上接触相邻的其他子区块组成的区域作为当前子区块的相邻区域;
遍历各子区块,基于各子区块的人员信息集合和预设人员聚集阈值判断各子区块是否满足聚集标准;
若满足,则将当前子区块标定为异常区块,将当前子区块的相邻区域标定为异常区域。
8.根据权利要求7所述的方法,其特征在于,在确定各子区块的异常状态后,所述方法还包括:
将在空间上接触相邻的异常区块进行组合,获得关联异常区块;其中,
基于各子区块的异常状态,评估场地内可能存在0个、1个或多个关联异常区块。
9.根据权利要求8所述的方法,其特征在于,所述每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息,包括:
在关联异常区块中识别到新出现的异常区块时,基于新出现的异常区块生成初始报警信息;
每隔预定周期,基于各人员的流动信息确定新的位置坐标,并基于新的位置坐标更新各子区块的异常状态;
每更新一次各子区块的异常状态,便判断新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块;
基于新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块确定对应的报警策略。
10.根据权利要求9所述的方法,其特征在于,所述基于新的关联异常区块与在先的关联异常区块之间是否存在重叠异常区块确定对应的报警策略,包括:
若新的关联异常区块与在先的关联异常区块之间不存在相同的异常区块,则针对新的关联异常区块中的异常区块生成初始报警信息,并取消在先的关联异常区块中的异常区块的报警信息;
若新的关联异常区块仅与一个在先的关联异常区块之间存在相同的异常区块,则基于该异常区块的初始报警信息进行报警;
若新的关联异常区块与多个在先的关联异常区块之间存在相同的异常区块,则将新的关联异常区块与存在相同的异常区块的其他在先的关联异常区块组合形成融合关联异常区块,并基于融合关联异常区块生成报警信息。
11.一种三维空间下人员聚集风险评估系统,其特征在于,所述系统包括:
采集单元,用于获得待评估场地基础信息,并基于所述基础信息构建待评估场地三维坐标系;
划分单元,用于基于八叉树空间划分规则,在所述待评估场地三维坐标系中对待评估场地执行多级划分,获得多个尺寸相同的子区块;
异常评估单元,用于基于所述基础信息识别各子区块中的人员数量信息,并基于所述人员数量信息和预设人员聚集阈值确定各子区块的异常状态;
报警单元,用于每隔预定周期获得一次各子区块的异常状态,并基于实时的各子区块的异常状态输出对应的报警信息。
12.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行权利要求1-10中任一项权利要求所述的三维空间下人员聚集风险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311200046.3A CN116934100B (zh) | 2023-09-18 | 2023-09-18 | 三维空间下人员聚集风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311200046.3A CN116934100B (zh) | 2023-09-18 | 2023-09-18 | 三维空间下人员聚集风险评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116934100A true CN116934100A (zh) | 2023-10-24 |
CN116934100B CN116934100B (zh) | 2023-12-26 |
Family
ID=88382958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311200046.3A Active CN116934100B (zh) | 2023-09-18 | 2023-09-18 | 三维空间下人员聚集风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116934100B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110105107A (ko) * | 2010-03-18 | 2011-09-26 | 성균관대학교산학협력단 | 다중해상도의 옥트리 구조에서 임의의 거리로 떨어진 두 셀들 간의 이웃관계 판별방법 |
CN113899361A (zh) * | 2021-12-10 | 2022-01-07 | 西安电子科技大学 | 基于空间划分的slam快速回环检测方法 |
US20220188717A1 (en) * | 2020-12-15 | 2022-06-16 | International Business Machines Corporation | Determining risk mitigation measures from assessed risks |
WO2022142753A1 (zh) * | 2020-12-31 | 2022-07-07 | 医渡云(北京)技术有限公司 | 聚集风险确定方法及装置、计算机可读介质及电子设备 |
CN114926781A (zh) * | 2022-05-27 | 2022-08-19 | 北京邮电大学 | 支持实时监控场景的多人时空域异常行为定位方法及系统 |
CN115829324A (zh) * | 2022-11-29 | 2023-03-21 | 国电南瑞科技股份有限公司 | 一种人员安全风险静默监视方法 |
WO2023087269A1 (zh) * | 2021-11-19 | 2023-05-25 | 南方科技大学 | 人员活动控制方法、系统、终端及存储介质 |
-
2023
- 2023-09-18 CN CN202311200046.3A patent/CN116934100B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110105107A (ko) * | 2010-03-18 | 2011-09-26 | 성균관대학교산학협력단 | 다중해상도의 옥트리 구조에서 임의의 거리로 떨어진 두 셀들 간의 이웃관계 판별방법 |
US20220188717A1 (en) * | 2020-12-15 | 2022-06-16 | International Business Machines Corporation | Determining risk mitigation measures from assessed risks |
WO2022142753A1 (zh) * | 2020-12-31 | 2022-07-07 | 医渡云(北京)技术有限公司 | 聚集风险确定方法及装置、计算机可读介质及电子设备 |
WO2023087269A1 (zh) * | 2021-11-19 | 2023-05-25 | 南方科技大学 | 人员活动控制方法、系统、终端及存储介质 |
CN113899361A (zh) * | 2021-12-10 | 2022-01-07 | 西安电子科技大学 | 基于空间划分的slam快速回环检测方法 |
CN114926781A (zh) * | 2022-05-27 | 2022-08-19 | 北京邮电大学 | 支持实时监控场景的多人时空域异常行为定位方法及系统 |
CN115829324A (zh) * | 2022-11-29 | 2023-03-21 | 国电南瑞科技股份有限公司 | 一种人员安全风险静默监视方法 |
Non-Patent Citations (1)
Title |
---|
WENGUO WENG 等: "Review of analyses on crowd-gathering risk and its evaluation methods", 《JOURNAL OF SAFETY SCIENCE AND RESILIENCE》, no. 1, pages 93 - 107 * |
Also Published As
Publication number | Publication date |
---|---|
CN116934100B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110601898B (zh) | 异常预警方法、装置、服务器及存储介质 | |
CN108206747B (zh) | 告警生成方法和系统 | |
CN110166264A (zh) | 一种故障定位方法、装置及电子设备 | |
CN110287078A (zh) | 基于zabbix性能基线的异常检测和告警方法 | |
CN110225457A (zh) | 共享单车的监管方法、装置、服务器及可读存储介质 | |
CN104702432A (zh) | 基于位置区域划分进行告警的方法及服务器 | |
CN113657644B (zh) | 智能电网中虚假数据检测方法、装置、设备及存储介质 | |
Zhou et al. | A traffic flow approach to early detection of gathering events | |
CN116524691B (zh) | 输电线路隐患告警方法、装置、存储介质及计算机设备 | |
CN114973741A (zh) | 异常数据的处理方法、装置、存储介质及电子装置 | |
CN116596722A (zh) | 一种智慧社区风险防控系统及风险防控方法 | |
CN116934100B (zh) | 三维空间下人员聚集风险评估方法及系统 | |
CN117039850A (zh) | 基于时空地物特征的异常用电分析方法及系统 | |
CN114383751A (zh) | 基于无线无源测温的电网运行辅助分析系统 | |
CN117082453B (zh) | 车辆电子围栏告警方法、装置、设备及存储介质 | |
CN117557415A (zh) | 一种基于智慧物业的社区资源管理方法及系统 | |
CN113466569A (zh) | 一种建筑防雷方法及系统 | |
CN108376125A (zh) | 地震烈度评估方法及装置 | |
CN116631168A (zh) | 地质安全监测方法、装置、计算机设备和存储介质 | |
CN104850843B (zh) | 一种高精度定位系统中快速检测人员过度聚集的方法 | |
CN113255593B (zh) | 面向时空解析模型的传感器信息异常检测方法 | |
Onur et al. | Finding sensing coverage and breach paths in surveillance wireless sensor networks | |
CN104346246A (zh) | 故障预测方法和装置 | |
CN112348265A (zh) | 监控场景下的可行路径挖掘方法及装置 | |
Nukavarapu et al. | Healthcare critical infrastructure stochastic interdependencies simulation model for smart cities: Flood disaster scenario |
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 |