FR3045162A1 - Systeme d'analyse spatio-temporelle des flux d'objets mobiles - Google Patents
Systeme d'analyse spatio-temporelle des flux d'objets mobiles Download PDFInfo
- Publication number
- FR3045162A1 FR3045162A1 FR1562208A FR1562208A FR3045162A1 FR 3045162 A1 FR3045162 A1 FR 3045162A1 FR 1562208 A FR1562208 A FR 1562208A FR 1562208 A FR1562208 A FR 1562208A FR 3045162 A1 FR3045162 A1 FR 3045162A1
- Authority
- FR
- France
- Prior art keywords
- spatio
- equipment
- data
- temporal analysis
- mobile object
- 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
- 238000012731 temporal analysis Methods 0.000 title claims abstract description 14
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 title 1
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims description 5
- 238000011282 treatment Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002441 reversible effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 210000002569 neuron Anatomy 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0295—Proximity-based methods, e.g. position inferred from reception of particular signals
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
L'invention concerne un système d'analyse spatio-temporel des flux d'objets mobiles comprenant au moins un équipement fixe par rapport à un support fixe ou mobile et dont la position est connue au cours du temps, comprenant au moins un récepteur radiofréquence Wi-Fi et/ou Bluetooth associé à un équipement électronique (1, 2, 3) enregistrant périodiquement des ensembles de données (IDi, Pi, t) comprenant, pour chaque identifiant IDi d'un équipement connecté ECi détecté, le niveau du signal Pi, t, l'instant t et l'identifiant correspondant IDi, et transmettant périodiquement ces ensembles de données (IDi, Pi, t) à un serveur informatique équipés de moyens de traitement pour calculer l'évolution spatio-temporelle de chaque équipement connecté ECi en fonction des enregistrements horodatés desdits ensembles de données (IDi, Pi, t).
Description
Systèmed'analysespatio-temporelledesfluxd'objetsmobiles
Domainede1'invention
La présente invention concerne le domaine de l'analyse spatio-temporelle des déplacements et des flux d'objets mobiles dans les espaces publics. L'invention concerne plus particulièrement les procédés et systèmes permettant l'acquisition automatique des informations relatives aux usages et flux de personnes dans des espaces telles que des réseaux de transports urbains, des places ou des lieux de rassemblements tels que des stades, quais de gares, salles de spectacles, etc...
Le but est de fournir des données statistiques permettant ensuite de procéder à des analyses et modélisation de comportements des usages et déplacements pour déterminer par exemple le taux de passage à différents moments de la journée ou de l'année, l'évolution spatio-temporelle de la densité de personnes, etc.
Plusieurs temporalités peuvent être prises en compte :
Au cours des années, les transformations lentes et non forcément cycliques de l’espace public, de ses fonctions et de ses usages. - Au cours des saisons, les variations été/hiver causées par les contraintes de la météo ou par les besoins de l'activité touristique ou par la variation de l'activité économique. - Pendant la semaine, surtout en ce qui concerne le rythme jours ouvrés/weekend.
Pendant la journée-type, en lien avec les déplacements et les usages rythmés par l’activité économique, commerciale ou tout simplement résidentielle.
Ces analyses permettent d'optimiser l'organisation d'espaces publics ou des services de transport.
Etat de la technique
II
On connaît dans l'état de la technique différentes solutions pour procéder au comptage de flux de personnes. Les solutions les plus simples consistent à disposer en différents points de passage des opérateurs munis de compteurs. D'autres solutions visent à l'automatisation du comptage. La demande de , brevet internationale WO 2014053437 décrit par exemple un procédé de comptage des personnes situées dans une scène dans un champ de vision d’un appareil stéréoscopique, comportant les étapes suivantes: - générer une image gauche et une image droite à partir de deux caméras associées à des systèmes optiques, - produire des images, appelées images rectifiées gauche et droite, dans lesquelles un point de la scène correspond à des pixels situés sur une même ligne de l’image rectifiée gauche et de l’image rectifiée droite, - identifier, pour chaque pixel d’une l’image, le pixel correspondant de la scène dans l’autre image et en déduire une image, dite image des disparités dans laquelle la valeur de chaque pixel correspond à 1’écart dans une même ligne entre le rang des pixels correspondants dans les deux images, et calculer un gradient entre chaque pixel de l’image des disparités et un pixel qui le précède sur une même ligne, - détecter une personne en fonction des gradients calculés et assurer le comptage des personnes ainsi détectées.
La demande internationale WO 2009101366 décrit un autre procédé de suivi d’individus en déplacement dans une zone d’observation, dans lequel procédé on acquiert une pluralité d’images de la zone d’observation au moyen d'une caméra vidéo. Pour chaque image acquise on réalise les étapes suivantes : a) détection de zones de pixels se détachant du fond fixe de l'image, b) détection des individus, c) pour chaque individu détecté, détermination de la position occupée par cet individu, et d) pour l'ensemble des positions déterminées, on minimise la distance globale entre les positions ainsi déterminées dans l'image en cours et des positions déterminées lors d'une image précédente.
Le brevet européen EP0908854 décrit un autre type de procédé consistant à effectuer un balayage optique résultant de rayons optiques de type laser émis à intervalles réguliers à partir d'une source située au-dessus des personnes ou objets à détecter. Les émissions de rayons successives sont réalisées dans un plan de mesure fixe ou mobile, formant un angle nul ou faible par rapport à une perpendiculaire au plan de référence dans lequel se situent et/ou se déplacent les personnes ou objets. La détection est effectuée par détermination et comparaison, pour chaque émission, des décalages temporels observés entre l'émission des rayons optiques par la source et la réception des rayons réfléchis par le plan de "référence" ou par les personnes ou objets.
On connaît aussi le modèle d'utilité chinois CN204010308 qui décrit une méthode mettant en œuvre la géolocation des téléphones mobiles dans les différents secteurs urbains. L'identifiant MAC d'un téléphone mobile est obtenu par un analyseur de réseau cellulaire. Le suivi de déplacement est réalisé par la comparaison des identifiants MAC entre deux zones fonctionnelles des modes de transport différentes.
Les solutions de l'art antérieur ne sont pas totalement satisfaisantes car l'analyse optique est très sensible à des artefacts tels que le masquage transitoire d'une zone de l'air de comptage, ou la déformation des éléments détectés. Les solutions de comptage individuelles sont sources d'erreurs qui ne permettent pas d'enregistrer des données suffisamment fiables.
Les solutions basées sur l'analyse des signaux téléphoniques ne sont pas non plus satisfaisantes car elles , nécessitent la couverture de réseau dans les zones analysées, ce qui n'est pas toujours le cas, par exemple dans des zones souterraines telles que le métro. Par ailleurs, l'accès à ces données nécessite l'accès aux équipements d'un opérateur téléphonique, ce qui n'est pas toujours possible.
Solution apportée par 1'invention
Afin de remédier à ces inconvénients, l'invention concerne selon son acception la plus générale un système d'analyse spatio-temporel des flux d'objets mobiles comprenant au moins un équipement fixe ou fixé sur un support fixe, ou mobile et dont la position est connue au cours du temps, comprenant au moins un récepteur radiofréquence Wi-Fi et/ou Bluetooth associé à un équipement électronique enregistrant périodiquement des ensembles de données (ID±, Pif t) comprenant, pour chaque identifiant Ιϋ± d'un équipement connecté ECi détecté, le niveau du signal Pitr l'instant t et l'identifiant correspondant ID*, et transmettant périodiquement ces ensembles de données (IDir plf t) à un serveur informatique équipé de moyens de traitement pour calculer l'évolution spatio-temporelle de chaque équipement connecté ECi en fonction des enregistrements horodatés desdits ensembles de données (IDif p±, t).
Avantageusement, ledit identifiant est l'adresse physique MAC extraite du signal détecté par ledit équipement électronique.
Selon un mode de mise en oeuvre particulier, le système comporte une pluralité d'équipements électroniques ΕΕ3 disposés en des points géolocalisés de la zone à analyser et enregistrant chacun des ensembles de données (iDlf Pif t)^.
Avantageusement, le serveur comprenant des moyens * de calcul pour appliquer à chaque ensemble (ΐϋΑ, Pif t)j un traitement de trilatération pour déterminer la position estimée de l'équipement EC±correspondant, à l'instant t.
Selon un mode de réalisation préféré, le serveur comprenant des moyens de filtration des données (IDif Pif t) en fonction du niveau de puissance P.
Avantageusement, le serveur comprenant des moyens de filtration des données (iDi, Pi, t) en fonction de l'évolution temporelle des données associées à une même adresse ID*.
De préférence, lesdits équipements fixes comprennent des sources d'énergie autonomes.
Selon une variante, lesdits équipements fixes sont installés dans un matériel de transport collectif.
De préférence, le système comporte un moyen de calcul d'une adresse IDj^ par un traitement non réversible appliqué sur l'adresse MACX.
Selon une variante, le système d'analyse spatio-temporel des flux d'objets mobiles selon l'invention comporte un moyen de calcul d'une adresse anonymisée ΙθΑ± par un traitement non réversible appliqué sur l'adresse ID.
Description détailléed'un exemple non limitatif de 1'invention
La présente invention sera mieux comprise à la lecture de la description détaillée d'un exemple non limitatif de l'invention qui suit, se référant au dessin annexé où : - la figure 1 représente une vue schématique du système selon l'invention.
Le système comprend des équipements électroniques (1, 2, 3) constitués par des boîtiers intégrant un récepteur de signaux dans les bandes de fréquence correspondant à des standards de radiocommunication, par exemple Wi-Fi et
Bluetooth. Ces équipements électroniques (1, 2, 3) comprennent aussi une alimentation électronique, par exemple une batterie rechargeable associée à des cellules photovoltaïques assurant une autonomie indépendamment de tout raccordement à un réseau électrique. Ils comportent aussi un émetteur radiofréquence pour la communication avec un concentrateur (5) transmettant les données provenant de l'ensemble d'équipements (1 à 3) d'un site vers un serveur de traitement (6) via le réseau Internet.
Les équipements (1 à 3) captent les signaux de services émis par des mobiles (4) tels que des tablettes, téléphones cellulaires, objets connectés, portés par les personnes circulant dans l'espace de détection ou les signaux émis par tout autre objet mobile susceptible d'en émettre, tel qu'un véhicule, notamment automobile. Ces équipements (1 à 3) sont géolocalisés, soit par saisie des coordonnées cartésiennes de leur installation physique, soit par un composant de géolocalisation transmettant cette information au serveur (6).
Les équipements (1 à 3 ) comprennent un récepteur dans la bande de fréquence 2,4 Ghz et des gestionnaires de protocole assurant l'extraction des seules adresses physiques ID.^ des mobiles (4) détectés, notamment des adresses MAC (Media Access Control) pour les technologies réseau Bluetooth ou Wi-Fi. *
Un calculateur retraite l'adresse physique ID£ pour l'anonymiser, par exemple en appliquant une fonction de hachage et fournir une donnée anonymisée IDA±. Il calcule également périodiquement un indicateur de puissance du signal détecté associé à chacune des adresses physiques IDi. «
Ce calculateur fournit ainsi pour chaque mobile (4) des séries horodatées de données ( ΙϋΑ±, Pir t) qui sont stockées localement puis transmises par le réseau internet au serveur (6). A cet effet, chaque équipement (1 à 3) comprend un circuit GSM assurant la communication avec le réseau Internet pour transmettre les données. L'estimation des comportements d'usagers d'espaces publiques avec un tel système est basée sur le postulat qu'une proportion statistiquement représentative d'usagers porte un mobile connecté (4) en service, y compris dans des espaces sans couverture réseau. Dans de tels situations, l'absence de couverture conduit néanmoins les mobiles (4) à envoyer périodiquement des signaux de services qui sont captés par les équipements (1 à 3).
Lorsque l'on dispose trois équipements (1 à 3) en trois points distincts mais à une distance de quelques mètres, inférieure à la portée des mobiles (4), plusieurs équipements Ea enregistrent des séries de données concernant le même équipement (IDA*, Pia, t), la puissance Pif3 étant proportionnelle à une fonction exponentielle décroissante de la distance. Il est ainsi possible de rapprocher les données concernant, à un même instant t, le même équipement Ea et de procéder à un traitement sur les différentes valeurs de puissance Pif3 pour déterminer la position de l'équipement Ea à l'instant t par trilatération, ou par toute autre méthode de pos itionnement.
Ces données sont enregistrées sur le serveur dans une table numérique. Ces données font l'objet d'un filtrage consistant à enlever les enregistrements incomplets, sans puissance mesurée, sans < identifiant d'émission ou correspondant à des objets appartenant aux enquêteurs.
On applique ensuite aux données retenues d'autres types de filtrage. i
Le premier traitement consiste à agréger les données par seconde.
Une simple moyenne des puissances émises pour chaque seconde par un même objet ne peut être réalisée du fait de la trop forte variabilité des puissances.
On applique les traitements suivants :
On applique un filtre passe-haut qui élimine les signaux plus faibles de 10 dB que le signal le plus fort sur la même seconde : il s'agit d'éliminer les signaux secondaires, échos et autres artefacts,
On lisse les données par moyennes successives : chaque signal est moyenné avec les 10 signaux précédents à condition qu'ils soient dans la même minute : on obtient ainsi des valeurs plus lisses qui permettent de donner du sens aux moyennes qui seront effectuées sur la seconde. La condition sur la minute permet d'éviter des traitements sur des signaux qui correspondent à des situations très différentes.
On garde un seul signal pour chaque objet à chaque seconde : ce signal résultant a pour puissance la moyenne de puissances estimées précédemment de chaque signal émis par l'objet en question sur la seconde en question. Néanmoins, un certain nombre de ces objets peut être des objets Wi-Fi de l'environnement de l'espace public, par exemple la gare ou des objets fixes. Afin de se concentrer sur les objets qui ont le plus de chance d'être en déplacement, on restreint la base donnée selon les critères suivants :
Objets présents à moins de 30m (puissance supérieure ou égale à< -45 dB) de deux capteurs la même journée.
- Signaux de plus de -60 dB
Grâce à ces critères, on se concentre sur les objets qui sont passés dans l'environnement proche des capteurs et qui semblent s'être déplacés dans la journée : il s'agit donc bien, a priori, des objets qui nous intéressent.
Amélioration de la détermination de la position L'estimation de la distance entre le mobile (4) et chacun des équipements (1 à 3 ) par une fonction de décroissance exponentielle de puissance du signal détecté s'avère insuffisante dans des espaces publics où diverses perturbations viennent fausser les mesures. On peut améliorer la précision de l'estimation de la distance par une approche de l'atténuation des signaux par un modèle plus élaboré au sein de la fonction exponentielle, par exemple un modèle d'atténuation linéaire libre ou Free Space Path Loss (FSPL).
La formule de calcul de la FSPL s'écrit :
FSPL = Ptx - CLtx + AGtx + AGrx - CLrx - Prx - FM Où : - Ptx correspond à la puissance du transmetteur, en dBm - CLtx, CLrx correspondent aux pertes dues au câblage au niveau du transmetteur et du récepteur, en dB (égal à 0 si pas de câbles) - AGtx, AGrx correspondent aux gains des antennes à l'émetteur et au récepteur, dBi - Prx correspond à la sensibilité du récepteur, dBm (là où on inscrit l'intensité du signal reçu) FM correspond à la marge de protection contre l'affaiblissement, dB qui n'est pas utilisé dans le cas du Wi-Fi
Une autre solution pour améliorer la qualité de l'information de distance entre le mobile (4) et un équipement (1 à 3) consiste à procéder à un traitement par apprentissage, consistant à enregistrer les signaux détectés lors d'un déplacement d'un émetteur de référence selon une trajectoire connue, pour réaliser une cartographie de l'espace de détection, et appliquer aux signaux mesurés une correction basée sur la cartographie ainsi réalisée.
Traitement des données des capteurs par un réseau de neurones
Pour améliorer encore le traitement des données des capteurs, des réseaux neuronaux artificiels peuvent être utilisés.
Un réseau de neurones artificiels est un modèle de calcul dont la conception est très schématiquement inspirée du fonctionnement des neurones biologiques.
Le recours aux réseaux neuronaux pour le traitement des données des équipements (1 à 3 ) part du constat que les environnements dans lesquels les dispositifs de captation (1 à 3) sont déployés sont souvent trop complexes et changeants pour que l'utilisation de modèles déterministes (basés sur les équations théoriques de la physique) fournisse de bons résultats : dans un gare, la présence de trains sur une voie en gare perturbe la propagation des ondes ; dans un bus, l'intensité des signaux recueillis varie en fonction de la densité d'occupation de l'espace par les usagers ; etc.
Un réseau neuronal est un modèle statistique prédictif qui ne se base pas sur une compréhension du système qu'il décrit, mais qui cherche à « reconnaître » et à «généraliser» des situations déjà rencontrées. Une phase d'apprentissage, nécessaire à son paramétrage, permet de «faire rencontrer» au réseau neuronal toute une variété d'états du système à étudier, y compris des états complexes ou perturbés, fréquents dans l'espace public.
Une autre solution pour déterminer la position estimée des objets peut inclure une méthode d'intelligence artificielle de type « machine learning ».
I
Structure et apprentissage
Un réseau de neurones est composé de neurones organisés en une succession de couches, dont chacune prend ses entrées sur les sorties de la précédente. Chaque neurone est une unité de calcul qui : • Fait la somme (pondérée) des données d'entrées qui lui parviennent des neurones de la couche précédente ; • Transmet à la couche suivante une information, dépendante de cette somme et de sa fonction d'activation propre. L'ensemble des paramètres du réseau neuronal (fonctions d'activation, pondération des informations en entrée des neurones, structure du réseau) est optimisé statistiquement au moyen d'un jeu de données test, contenant les données d'entrée et les réponses que le réseau devra fournir par la suite. Le but de l'entraînement est de permettre au réseau de neurones « d'apprendre » à partir d'exemples.
Le réseau paramétré est ensuite utilisé en tablant sur sa capacité, acquise grâce aux exemples appris, de traiter des situations distinctes, encore non rencontrées, mais similaires. t 7 capteurs sont déployés sur une place publique dans le but d'étudier l'utilisation des différentes zones de la place par les piétons. La conversion des signaux captés par les capteurs en données de localisation des piétons est faite grâce à un réseau neuronal. t
Un jeu de données de test est produit pour l'entraînement du réseau neuronal : deux expérimentateurs ont effectué et relevé des trajectoires en émettant des signaux Wifi et Bluetooth au moyen de deux téléphones. L'entraînement du réseau de neurones permet de reconstituer les différentes positions relevées par les expérimentateurs avec la précision suivante : • Moins de 5m : 20% des positions ; • Moins de 10m : 50% ; • Moins de 15m : 73%.
Mise en œuvre du système selon l'invention
Dans l'objectif de collecter des statistiques sur les temps d'évacuation des quais par les passagers descendant des trains dans une gare, le système permet de recueillir les données par l'implantation d'équipements (1 à 3) comprenant des dispositifs de capteurs à ondes Wi-Fi.
Le recueil pendant plusieurs semaines, permet de mettre en œuvre deux méthodes d'analyses : - Une méthode basée sur le positionnement des objets Wi-Fi par trilatération ; “ Une méthode permettant d'identifier les temps de présence des objets Wi-Fi sur les quais.
La première méthode d'analyse présente l'avantage de permettre le calcul de la trajectoire de chaque mobile (4), qui permet' de manière certaine, de déterminer une vitesse moyenne de circulation sur les quais. Cependant, cette méthode, de par ses conditions restrictives, ne permet pas d'obtenir des échantillons de taille importante lors d'expérimentations à court terme.
La seconde méthode permet quant à elle d'obtenir des échantillons de passagers descendant plus importants. Néanmoins, l'indicateur utilisé est moins précis puisqu'il s'agit d'un temps de présence au niveau du quai, assimilé au temps d'évacuation.
Avec l'application de ces deux méthodes, l'analyse des données collectées a permis de mettre en évidence un certain nombre de statistiques sur les temps d'évacuation des quais au sein de la gare étudiée et de repérer des phénomènes de congestion récurrents au niveau du quai.
Claims (9)
- Revendications 1 — Système d'analyse spatio-temporel des flux d'objets mobiles comprenant au moins un équipement fixe par rapport à un support fixe ou mobile et dont la position est connue au cours du temps, comprenant au moins un récepteur radiofréquence Wi-Fi et/ou Bluetooth associé à un équipement électronique (1, 2, 3) enregistrant périodiquement des ensembles de données (lDlf P±, t) comprenant, pour chaque identifiant IDi d'un équipement connecté EC^ détecté, le niveau du signal Pit/ l'instant ,t et l'identifiant correspondant IDi, et transmettant périodiquement ces ensembles de données (IDif Pif t) à un serveur informatique équipé de moyens de traitement pour calculer l'évolution spatio-temporelle de chaque équipement connecté EC± en fonction des enregistrements horodatés desdits ensembles de données (IDif Pi, t).
- 2 - Système d'analyse spatio-temporel des flux d'objets mobiles selon la revendication 1 caractérisé en ce que ledit identifiant est l'adresse physique MAC extraite du signal détecté par ledit équipement électronique (1, 2, 3).
- 3 - Système d'analyse spatio-temporel des flux d'objets mobiles selon la revendication 1 caractérisé en ce qu'il comporte une pluralité d'équipements électroniques (1, 2, 3) EE.; disposés en des points géolocalisés de la zone à analyser et enregistrant chacun des ensembles de données (IDi, Pi, t)j.
- 4 - Système d'analyse spatio-temporel des flux d'objets mobiles selon la revendication 3 caractérisé en ce que le serveur comprenant des moyens de calcul pour appliquer à chaque ensemble (IDif plf t)i un traitement de trilatération pour déterminer la position estimée de l'équipement EC± correspondant, à l'instant t.
- 5 - Système d'analyse spatio-temporel des flux d'objets mobiles selon la revendication 1 caractérisé en ce que le serveur comprend des moyens de filtration des données (ID±, Pif t) en fonction du niveau de puissance P.
- 6 - Système d'analyse spatio-temporel des flux d'objets mobiles selon la revendication 1 caractérisé en ce que le serveur comprend des moyens de filtration des données (IDif Pif t) en fonction de l'évolution temporelles des données associées à une adresse iDi.
- 7 - Système d'analyse spatio-temporel des flux d'objets mobiles selon la revendication 1 caractérisé en ce que lesdits équipements fixes comprennent des sources d'énergie autonomes.
- 8 - Système d'analyse spatio-temporel des flux d'objets mobiles selon la revendication 1 caractérisé en ce que lesdits équipements fixes sont installés dans un matériel de transport collectif.
- 9 - Système d'analyse spatio-temporel des flux d'objets mobiles selon la revendication 1 caractérisé en ce qu'il comporte un moyen de calcul d'une adresse anonymisée IDA* par un traitement non réversible appliqué sur une adresse ID.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1562208A FR3045162B1 (fr) | 2015-12-11 | 2015-12-11 | Systeme d'analyse spatio-temporelle des flux d'objets mobiles |
| PCT/FR2016/053217 WO2017098128A1 (fr) | 2015-12-11 | 2016-12-06 | Systeme d'analyse spatio-temporelle des flux d'objets mobiles |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1562208 | 2015-12-11 | ||
| FR1562208A FR3045162B1 (fr) | 2015-12-11 | 2015-12-11 | Systeme d'analyse spatio-temporelle des flux d'objets mobiles |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3045162A1 true FR3045162A1 (fr) | 2017-06-16 |
| FR3045162B1 FR3045162B1 (fr) | 2019-05-03 |
Family
ID=55806463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1562208A Expired - Fee Related FR3045162B1 (fr) | 2015-12-11 | 2015-12-11 | Systeme d'analyse spatio-temporelle des flux d'objets mobiles |
Country Status (2)
| Country | Link |
|---|---|
| FR (1) | FR3045162B1 (fr) |
| WO (1) | WO2017098128A1 (fr) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110851740A (zh) * | 2019-11-04 | 2020-02-28 | 南宁师范大学 | 一种陆海智能时空分析平台 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019152849A1 (fr) | 2018-02-02 | 2019-08-08 | Cornell University | Cartographie de canal dans des systèmes sans fil |
-
2015
- 2015-12-11 FR FR1562208A patent/FR3045162B1/fr not_active Expired - Fee Related
-
2016
- 2016-12-06 WO PCT/FR2016/053217 patent/WO2017098128A1/fr active Application Filing
Non-Patent Citations (3)
| Title |
|---|
| LORENZ SCHAUER ET AL: "Estimating Crowd Densities and Pedestrian Flows Using Wi-Fi and Bluetooth", PROCEEDINGS OF THE 11TH INTERNATIONAL CONFERENCE ON MOBILE AND UBIQUITOUS SYSTEMS: COMPUTING, NETWORKING AND SERVICES, 1 January 2014 (2014-01-01), XP055295121, ISBN: 978-1-63190-039-6, DOI: 10.4108/icst.mobiquitous.2014.257870 * |
| YUKI FUKUZAKI ET AL: "A pedestrian flow analysis system using Wi-Fi packet sensors to a real environment", PERVASIVE AND UBIQUITOUS COMPUTING, 1 January 2014 (2014-01-01), 2 Penn Plaza, Suite 701 New York NY 10121-0701 USA, pages 721 - 730, XP055295120, ISBN: 978-1-4503-3047-3, DOI: 10.1145/2638728.2641312 * |
| ZHULIANG XU ET AL: "Pedestrain Monitoring System using Wi-Fi Technology And RSSI Based Localization", INTERNATIONAL JOURNAL OF WIRELESS & MOBILE NETWORKS, vol. 5, no. 4, 31 August 2013 (2013-08-31), pages 17 - 34, XP055295117, ISSN: 0975-4679, DOI: 10.5121/ijwmn.2013.5402 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110851740A (zh) * | 2019-11-04 | 2020-02-28 | 南宁师范大学 | 一种陆海智能时空分析平台 |
| CN110851740B (zh) * | 2019-11-04 | 2023-05-09 | 南宁师范大学 | 一种陆海智能时空分析平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3045162B1 (fr) | 2019-05-03 |
| WO2017098128A1 (fr) | 2017-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lau et al. | Sensor fusion for public space utilization monitoring in a smart city | |
| CN109981192B (zh) | 一种空域反黑飞无人机的频谱监测方法 | |
| US9326099B2 (en) | System and method for determining audience characteristics of a music concert based on mobile phone tracking and mobile data transmissions | |
| CN109508583B (zh) | 一种人群分布特征的获取方法和装置 | |
| Panichpapiboon et al. | Traffic density estimation: A mobile sensing approach | |
| CN109034036A (zh) | 一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质 | |
| Li et al. | Supreme: Fine-grained radio map reconstruction via spatial-temporal fusion network | |
| CN105101399B (zh) | 伪基站移动路线获取方法、装置与伪基站定位方法、装置 | |
| EP4033399A1 (fr) | Dispositif informatique et procédé pour l'estimation de la densité d'une foule | |
| FR2987456A3 (fr) | Reseau de mesure adaptatif avec une activation automatique pour l'enregistrement de faibles signaux electromagnetiques, surtout des signaux sferics-burst | |
| Rodrigues et al. | Impact of crowdsourced data quality on travel pattern estimation | |
| FR3045162A1 (fr) | Systeme d'analyse spatio-temporelle des flux d'objets mobiles | |
| CN110933601B (zh) | 目标区域确定方法、装置、设备和介质 | |
| US10764718B1 (en) | System and method for obtaining radio frequency (RF) signal data | |
| GB2621425A (en) | Temporal Network analytics | |
| FR2958776A1 (fr) | Procede et systeme de gestion de flux de skieurs se deplacant dans un reseau skiable. | |
| Sah et al. | Acoustic signal-based indigenous real-time rainfall monitoring system for sustainable environment | |
| WO2005029118A1 (fr) | Procede pour detecter la presence ou l’absence d’un terminal mobile sur un chemin | |
| US10222493B2 (en) | System and methods for processing and the visualization of bioaccoustical information | |
| CN116699521B (zh) | 一种基于环境保护的城市噪声定位系统及其方法 | |
| FR3049749A1 (fr) | Procede d'estimation de la densite d'occupation des zones d'interet | |
| Chilipirea | Crowd data analytics as seen from Wifi: a critical review | |
| EP3485659B1 (fr) | Procédé et dispositif de suivi du déplacement de personnes dans un environnement, notamment dans un réseau de transport | |
| EP2939047B1 (fr) | Système de cartographies de déplacements | |
| FR3084753A1 (fr) | Procede de geolocalisation d’un equipement connecte dans un site |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20170616 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |
|
| PLFP | Fee payment |
Year of fee payment: 8 |
|
| ST | Notification of lapse |
Effective date: 20240806 |