TWI781363B - 人員行爲分析方法 - Google Patents

人員行爲分析方法 Download PDF

Info

Publication number
TWI781363B
TWI781363B TW108147452A TW108147452A TWI781363B TW I781363 B TWI781363 B TW I781363B TW 108147452 A TW108147452 A TW 108147452A TW 108147452 A TW108147452 A TW 108147452A TW I781363 B TWI781363 B TW I781363B
Authority
TW
Taiwan
Prior art keywords
behavior
person
data
stage
social
Prior art date
Application number
TW108147452A
Other languages
English (en)
Other versions
TW202103182A (zh
Inventor
謝曜任
劉壯平
歐譯璟
Original Assignee
大陸商友達頤康信息科技（蘇州）有限公司
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 大陸商友達頤康信息科技（蘇州）有限公司 filed Critical 大陸商友達頤康信息科技（蘇州）有限公司
Publication of TW202103182A publication Critical patent/TW202103182A/zh
Application granted granted Critical
Publication of TWI781363B publication Critical patent/TWI781363B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本發明提供一種人員行為分析方法。人員行為分析方法包括，獲取人員於一第一階段的定位座標數據；根據所述定位座標數據，計算得出所述人員於所述第一階段內的運動特徵數據；將所述運動特徵數據與一標準運動數據相比較，分析所述人員的行為特徵；根據所述行為特徵，判斷所述人員的行為變化。由此，可以根據人員的行為變化，對相關人員的行為預期結果進行干預，如制定照顧和康復計劃等。

Description

人員行為分析方法
本發明是有關於一種人員行為分析方法，且特別是有關於一種基於定位數據的人員行為分析方法。
隨著科技的發展，室內定位系統在零售、餐飲、物流、製造、化工、電力、醫療、養老等行業均展現出了廣闊的市場前景，在此背景下，UWB(超寬帶)定位、藍牙定位、Wi-Fi定位、RFID定位、紅外技術、超聲波等技術紛紛進入市場，為不同行業的室內定位需求貢獻了諸多行之有效的位置服務方案。目前各項技術應用於室內定位系統，所提供的服務主要還是依賴於對定位數據的查詢和簡單處理實現人員定位的基礎功能，如人員點名，運動軌迹，電子圍欄報警等。
而如何基於現有技術，將室內定位裝置所產出的大量時間、空間信息加以應用，結合雲端智能AI分析系統進行大數據分析，使用定位數據來獲取人員個人行為及社交行為的分析與預判，實為目前亟待克服的課題之一。
為解決上述問題，本發明提供一種人員行為分析方法，可以基於定位數據獲取人員個人行為及社交行為的分析與預判，對相關人員的行為預期結果進行干預，如制定照顧和康復計劃等。
本發明一實施例的人員行為分析方法，包括以下步驟：獲取人員於一第一階段的定位座標數據；根據所述定位座標數據，計算得出所述人員於所述第一階段內的運動特徵數據；將所述運動特徵數據與一標準運動數據相比較，分析所述人員的行為特徵；根據所述行為特徵，判斷所述人員的行為變化。
上述的人員行為分析方法，其中，所述標準運動數據通過以下方式生成：
獲取所述人員於一第二階段的定位座標數據，根據所述第二階段的所述定位座標數據，計算得出所述標準運動數據。
上述的人員行為分析方法，其中，所述第二階段早於所述第一階段。
上述的人員行為分析方法，其中，所述行為變化包括正常行為以及運動能力異常。
上述的人員行為分析方法，其中，當所述行為變化為正常行為時，儲存所述第一階段的所述運動特徵數據，作為下一階段的標準運動數據。
上述的人員行為分析方法，其中，當所述行為變化為運動能力異常時，向所述人員發出預警，並安排對應的照顧和康復計劃。
上述的人員行為分析方法，其中，所述運動特徵數據包括平均速度和平均間隔。
上述的人員行為分析方法，其中，所述標準運動數據通過以下方式生成：
選取所述人員兩個以上的常停留地點，獲取所述人員於一第三階段在所述常停留地點之間的常規運動數據，建立運動常模，作為所述標準運動數據。
上述的人員行為分析方法，其中，所述運動特徵數據包括運動時長、平均速度、運動區間、間歇點以及間歇時間。
上述的人員行為分析方法，其中，所述標準運動數據包括運動時長、平均速度、運動區間、間歇點以及間歇時間。
上述的人員行為分析方法，其中，所述行為變化包括正常行為、路線偏離以及運動能力異常。
上述的人員行為分析方法，其中，當所述行為變化為正常行為時，儲存所述第一階段的所述運動特徵數據。
上述的人員行為分析方法，其中，當所述行為變化為路線偏離時，向所述人員發出預警，並安排對應的照顧計劃。
上述的人員行為分析方法，其中，當所述行為變化為運動能力異常時，向所述人員發出預警，並安排對應的康復計劃。
上述的人員行為分析方法，其中，所述標準運動數據通過以下方式生成：
獲取所述人員及鄰近人員於一第四階段的定位座標數據，獲取所述人員及所述鄰近人員的社交行為數據，建立社交常模，作為所述標準運動數據。
上述的人員行為分析方法，其中，所述運動特徵數據包括社交時間、社交人員以及社交地點。
上述的人員行為分析方法，其中，所述標準運動數據包括社交時間、社交人員以及社交地點。
上述的人員行為分析方法，其中，所述行為變化包括無社交行為以及有社交行為。
上述的人員行為分析方法，其中，所述有社交行為包括個人社交行為和共同社交行為
上述的人員行為分析方法，其中，所述個人社交行為和共同社交行為分為不同級別的社交行為。
以下結合附圖和具體實施例對本發明進行詳細描述，但不作為對本發明的限定。
100、200、300‧‧‧人員行為分析方法
S110、S120、S130、S140、S150‧‧‧步驟
S210、S220、S230、S240、S250、S260‧‧‧步驟
S310、S320、S330、S340、S350、S360、S370‧‧‧步驟
1~10‧‧‧待分析人員
圖1是本發明一實施例人員行為分析方法的流程圖。
圖2是本發明另一實施例人員行為分析方法的流程圖。
圖3是本發明又一實施例人員行為分析方法的流程圖。
圖4是根據圖3所示實施例的人員社交圈示意圖。
下面結合附圖對本發明的結構原理和工作原理作具體的描述。
實施例一
圖1是本發明一實施例人員行為分析方法的流程圖。如圖1所示，在人員行為分析方法100中，步驟S110用於獲取待分析人員在一定時間階段T1內的定位座標數據。其中，時間階段T1可包括多個時間區間t1-tn，本實施例中以n等於3為例，但本發明並不以此為限。另外，定位座標數據可通過具有定位系統或其他能給出人員行動位置變化的設備提供，例如手環、智能手機、智能手錶等，本發明並不以此為限。
接著，在步驟S120中，根據獲取的定位座標數據，計算出待分析人員在時間階段T1內的運動特徵數據，例如在時間區間t1-t3內的平均速度以及平均間隔時間。需要說明的是，在計算運動特徵數據時，會將一些明顯異常的速度篩選排除，如早起跑步和鍛煉時間的速度，一般是排除最快/最慢的各5%，以便獲得可以用於用來比對的平均速率。
然後，在步驟S130中，將待分析人員的運動特徵數據與標準運動數據相比較，根據運動特徵數據相對於標準運動數據的變化，得出待分析人員的行為特徵，例如運動平均速度下降、平均間隔時間增加。以表一為例：
Figure 108147452-A0101-12-0006-1
如表一所示，在連續3個時間區間(t1-t3)內，當待分析人員的平均速度累計下降率超過10%，平均間隔時間累計增加超過10%，或者平均速度累計下降率與平均間隔時間累計增加之和超過15%時，表示待分析人員的運動能力下降。同樣的，在連續3個時間區間(t1-t3)內，當待分析人員的平均速度持續下降率超過3%，平均間隔時間持續增加超過3%，或者平均速度持續下降率與平均間隔時間持續增加之和超過4.5%時，也表示待分析人員的運動能力下降。另外，也可以一個時間區間為判斷區間，相較於上一個時間區間，當待分析人員的平均速度同比下降率超過5%，平均間隔時間同比增加超過5%，或者平均速度同比下降率與平均間隔時間同比增加之和超過7.5%時，表示待分析人員的運動能力下降。
由此，可根據待分析人員的行為特徵，判斷出待分析人員的行為變化，即待分析人員的運動能力是否下降。當待分析人員的運動能力下降時，可參照步驟S150，根據判斷結果向待分析人員發出預警，並安排對應的照顧和康復計劃，如肌肉能力的鍛煉，平衡能力的加强等。
當待分析人員的運動能力並未下降即行為變化為正常行為時，請參照步驟S140，將時間階段T1的運動特徵數據儲存，將其作為標準運動數據。另外，也可以根據另一時間階段T2內的定位座標數據，計算得出標準運動數據，其中，時間階段T2發生在時間階段T1之前。
實施例二
圖2是本發明另一實施例人員行為分析方法的流程圖。如圖2所示，在人員行為分析方法200中，步驟S210用於獲取待分析人員在兩個常停留地點之間，一定時間階段T3內的定位座標數據。其中，常停留地點例如是宿舍、食堂、超市、公司等，可以是兩個，也可以是多個，本實施例以兩個為例，但並不以此為限；時間階段T3可包括多個時間點t1-tn，本實施例中以n等於10為例，但本發明並不以此為限。另外，定位座標數據可通過具有定位系統或其他能給出人員行動位置變化的設備提供，例如手環、智能手機、智能手錶等，本發明並不以此為限。所獲取的定位座標數據為待分析人員在時間點t1-tn時的位置數據。
接著，在步驟S220中，根據獲取的定位座標數據，計算出待分析人員在時間階段T3內的運動特徵數據， 例如在時間階段T3內的運動時長、平均速度、運動區間、間歇點以及間歇時間等。
然後，在步驟S230中，將待分析人員的運動特徵數據與標準運動數據相比較，根據運動特徵數據相對於標準運動數據的變化，得出待分析人員的行為特徵，例如連貫運動軌迹、運動區間合理範圍、運動速度變化以及間歇時間等。以表二為例：
Figure 108147452-A0101-12-0008-2
如表二所示，在時間階段T3內，當待分析人員的連貫運動軌迹偏離超過1次、運動區間合理範圍偏離超過20%、運動速度變化偏離超過15%以及間歇時間偏離超過±30%時，則判斷待分析人員的行為出現輕度偏離；當待分析人員的連貫運動軌迹偏離超過3次、運動區間合理範圍偏離超過30%、運動速度變化偏離超過20%以及間歇時間偏離超過±100%時，則判斷待分析人員的行為出現重度偏離。在 時間階段T3內，當待分析人員的三項或以上的行為特徵出現輕度偏離，則可以判斷待分析人員的行為出現異常；同樣的，當待分析人員的兩項或以上的行為特徵出現重度偏離，則也可以判斷待分析人員的行為出現異常。
具體的，以4個待分析人員在時間階段T3即時間點t1-t10內為例，獲取的定位座標數據如表三所示：
Figure 108147452-A0101-12-0009-3
如表三所示，以A、B、C、D作為4個待分析人員，分別獲取4個待分析人員於時間點t1-t10的位置數據。以待分析人員A、B來看，自時間點t1開始，從第一常停留地點(X,Y,Z)勻速朝向第二常停留地點(X+15,Y+15,Z)前進，且其行走路線為標準路線，連貫運動軌迹未發生偏離，其行為屬□正常行為。以待分析人員C來看，在其去往第二常停留地點的路上，曾有過兩次往返，最終到達第二常停留地點，因此，待分析人員C的行走路線為非標準路線，連貫運動軌迹發生偏離，但其後的速度為勻速標準速度，其行為屬□輕度偏離，計作輕度偏離一次，需特別觀察，若特定時間內，累計輕度偏離和/或重度偏離超過一定次數，如上表二所示，則表示待分析人員可能存在健忘症狀，參照步驟S260，向待分析人員C發出預警，需制定照顧計劃。以待 分析人員D來看，在其去往第二常停留地點的路上，曾在半途有過較長時間的停留，間歇時間較長，最終到達目的地，其行為屬□輕度偏離，需特別觀察，如無其他因素影響或持續出現上述情况，則可能存在體力不支等症狀，表示待分析人員D運動能力退化，則同樣參照步驟S260，向待分析人員D發出預警，需制定康復計劃。
在本實施例中，標準運動數據通過步驟S240獲得。選取待分析人員在2個常停留地點之間，常規時間內的運動時長、平均速度、運動區間、間歇點以及間歇時間等，建立運動常模，作為標準運動數據。
對於待分析人員A、B，其行為變化為正常行為時，請參照步驟S250，將時間階段T3的運動特徵數據儲存，將其作為標準運動數據。
實施例三
圖3是本發明又一實施例人員行為分析方法的流程圖。如圖3所示，在人員行為分析方法300中，步驟S310用於獲取多個待分析人員在一定時間階段T4內的定位座標數據。其中，時間階段T4可包括多個時間點t1-tn，本實施例中以n等於8為例，但本發明並不以此為限。另外，定位座標數據可通過具有定位系統或其他能給出人員行動位置變化的設備提供，例如手環、智能手機、智能手錶等，本發明並不以此為限。所獲取的定位座標數據為待分析人員在時間點t1-tn時的位置數據。
接著，在步驟S320中，根據獲取的定位座標數據，計算出待分析人員在時間階段T4內的運動特徵數據，例如在時間階段T4內的社交時間、社交人員以及社交地點等。
然後，在步驟S330中，將待分析人員的運動特徵數據與標準運動數據相比較，根據運動特徵數據相對於標準運動數據的變化，得出待分析人員的行為特徵，例如人員距離以及停留時間等。以表四為例：
Figure 108147452-A0101-12-0011-4
如表四所示，在時間階段T4內，當待分析人員的停留時間少於5s時，則表示待分析人員之間不存在社交行為，當待分析人員之間的距離超過5米時，同樣表示待分析人員之間不存在社交行為。只有當待分析人員停留一段時間且待分析人員之間的距離較近時，則表示待分析人員之間存在社交行為。具體的社交行為等級與待分析人員的停留時間、人員距離之間的關係如表四所示。其中，一級表示待分析人員之間進行簡單的交談，如打招呼等；二級表示待分析人員之間進行簡單的聊天，如聊天氣，伙食等；三級表示待分析人員之間進行較深層次的交流和溝通。
具體的，以4個待分析人員在時間階段T4即時間點t1-t8內為例，獲取的定位座標數據如表五所示：
Figure 108147452-A0101-12-0012-5
如表五所示，以A、B、C、D作為4個待分析人員，分別獲取4個待分析人員於時間點t1-t8的位置數據，t1-t8以分鐘為單位。以待分析人員B、C、D來看，自時間點t1至時間點t6，待分析人員B、C、D均停留在相同的地點，他們之間的距離小於1米，且停留時間超過3分鐘，因此，可以判斷為待分析人員之間達成三級社交行為。在時間階段T4內，待分析人員A一直以勻速沿同一方向移動，其並未停留，與待分析人員之間B、C、D之間未達成社交行為。
另外，也可以采用同一時間階段待分析人員之間的共同活動區域來判斷是否達成社交行為及社交行為的等級。當待分析人員在同一時間階段內共同參加某一項活動時，也可以認定為待分析人員之間達成社交行為，社交行為的等級由活動組織者來確定。例如，待分析人員之間共同上課、聽講座為一級，有互動的廣場舞、交誼舞、座談等為二級，等等。
在本實施例中，標準運動數據通過步驟S340獲得。收集待分析人員在一定時間段內每次社交行為的時間，人員，地點等，建立對應的社交行為常模，作為標準運動數據。
對於待分析人員，其於時間階段T4內如達成社交行為，請參照步驟S350，將時間階段T4的運動特徵數據儲存，將其作為標準運動數據。
最後，請參照步驟S360，也可以時間階段T4內的運動特徵數據，對待分析人員的社交行為進行分析，繪製待分析人員的社交圈示意圖。圖4是根據圖3所示實施例的人員社交圈示意圖。如圖4所示，人員1~7、9、10之間均存在著社交行為，而人員8與其他人之間並無社交行為。
如長時間與他人之間無社交行為，則參照步驟S370，需向待分析人員發出預警，如有必要，還需制定康復計劃。
由此，本發明的人員行為分析方法能够基於定位數據獲取人員個人行為及社交行為的分析與預判，進而對個人運動平均速度和間歇時間的趨勢進行分析，來判斷個人的行動能力、運動區間、間歇點及間歇時間是否有發生變化，以便做針對性的照顧和康復計劃。
當然，本發明還可有其它多種實施例，在不背離本發明精神及其實質的情况下，熟悉本領域的技術人員當可根據本發明作出各種相應的改變和變形，但這些相應的改變和變形都應屬於本發明所附的申請專利範圍的保護範圍。
100‧‧‧人員行為分析方法
S110、S120、S130、S140、S150‧‧‧步驟

Claims (7)

  1. 一種人員行為分析方法，包括以下步驟：獲取人員於一第一階段的定位座標數據；根據所述定位座標數據，計算得出所述人員於所述第一階段內的運動特徵數據；將所述第一階段內的所述運動特徵數據與一標準運動數據相比較，分析所述人員於所述第一階段的行為特徵；獲取所述人員及鄰近人員於一第四階段的定位座標數據；根據所述第四階段的所述定位座標數據獲取所述人員及所述鄰近人員的社交行為數據，建立社交常模，作為所述第四階段的一標準運動數據，其中，所述該第四階段的所述標準運動數據包括所述人員及所述鄰近人員的社交行為的時間，其中當所述人員停留時間大於一預設時間且所述人員及所述鄰近人員之間的距離小於一預設距離時，所述人員的該停留時間為該社交行為時間；以及當該社交行為時間小於一門檻值時，向所述人員發出一預警。
  2. 根據請求項1所述的人員行為分析方法，其中，所述標準運動數據通過以下方式生成：獲取所述人員於一第二階段的定位座標數據，根據所述第二階段的所述定位座標數據，計算得出所述標準運動數據。
  3. 根據請求項2所述的人員行為分析方法，其中，所述第二階段早於所述第一階段。
  4. 根據請求項3所述的人員行為分析方法，其中，所述第一階段的所述行為特徵包括平均速度下降以及平均間隔時間增加。
  5. 根據請求項1所述的人員行為分析方法，其中，所述第四階段的所述標準運動數據更包括社交人員以及社交地點。
  6. 根據請求項1所述的人員行為分析方法，其中，所述社交行為包括個人社交行為和共同社交行為。
  7. 根據請求項6所述的人員行為分析方法，其中，所述個人社交行為和共同社交行為分為不同級別的社交行為。
TW108147452A 2019-07-04 2019-12-24 人員行爲分析方法 TWI781363B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910598633.X 2019-07-04
CN201910598633.XA CN110310719A (zh) 2019-07-04 2019-07-04 人员行为分析方法

Publications (2)

Publication Number Publication Date
TW202103182A TW202103182A (zh) 2021-01-16
TWI781363B true TWI781363B (zh) 2022-10-21

Family

ID=68079741

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108147452A TWI781363B (zh) 2019-07-04 2019-12-24 人員行爲分析方法

Country Status (2)

Country Link
CN (1) CN110310719A (zh)
TW (1) TWI781363B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104539304A (zh) * 2014-11-28 2015-04-22 广东小天才科技有限公司 一种根据不同场所运动异常警示方法、装置及终端
TW201812676A (zh) * 2016-09-23 2018-04-01 艾威資訊科技有限公司 在社交網路配對系統中以交友活動即時媒合對象的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903281B (zh) * 2014-04-04 2016-08-17 西北工业大学 一种基于多特征分析和场景学习的老人摔倒检测方法
CN104796485B (zh) * 2015-04-30 2019-09-10 深圳市全球锁安防系统工程有限公司 一种老龄人云安康服务平台及大数据处理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104539304A (zh) * 2014-11-28 2015-04-22 广东小天才科技有限公司 一种根据不同场所运动异常警示方法、装置及终端
TW201812676A (zh) * 2016-09-23 2018-04-01 艾威資訊科技有限公司 在社交網路配對系統中以交友活動即時媒合對象的方法

Also Published As

Publication number Publication date
CN110310719A (zh) 2019-10-08
TW202103182A (zh) 2021-01-16

Similar Documents

Publication Publication Date Title
US11625755B1 (en) Determining targeting information based on a predictive targeting model
CN107924548B (zh) 使用可穿戴设备自动监视一位置处的实时活动以确定等待时间的系统和方法
Phithakkitnukoon et al. Activity-aware map: Identifying human daily activity pattern using mobile phone data
CN107850443B (zh) 信息处理装置、信息处理方法以及程序
Arning et al. “Get that camera out of my house!” Conjoint measurement of preferences for video-based healthcare monitoring systems in private and public places
US20090030932A1 (en) Methods for detecting and remedying missed opportunities in a social network
CN105654349A (zh) 电梯广告自适应播放方法及系统
CN113643170B (zh) 一种大数据驱动的公共场所聚集人群疏散方法及装置
CN106682427A (zh) 基于位置服务的个人健康状态评估方法及装置
US20140129334A1 (en) Method and system for modeling consumer activity areas based on social media and mobile data
Morita et al. Beacon‐Based Time‐Spatial Recognition toward Automatic Daily Care Reporting for Nursing Homes
CN112561244B (zh) 一种结合室内人员信息的建筑环境评价方法及系统
CN109977324A (zh) 一种兴趣点挖掘方法及系统
Kim et al. Activity recognition for a smartphone and web-based human mobility sensing system
Li et al. QueueSense: Collaborative recognition of queuing on mobile phones
Hanzl et al. Analyses of human behaviour in public spaces
Gips et al. Mapping human networks
Eldaw et al. Presence analytics: making sense of human social presence within a learning environment
TWI781363B (zh) 人員行爲分析方法
CN112699402B (zh) 基于联邦个性化随机森林的可穿戴设备活动预测方法
JP6533868B1 (ja) コミュニケーション評価システム及びコミュニケーション評価方法
Berzinji et al. Analysis of terrorist groups on facebook
Aarthi et al. Intelligent fall detection system based on sensor and image data for elderly monitoring
Watanabe et al. Sensor network topology estimation using time-series data from infrared human presence sensors
CN111414799A (zh) 同行用户确定方法、装置、电子设备及计算机可读介质

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent