本發(fā)明涉及人員聚集分析，尤其涉及一種基于實時位置數(shù)據(jù)分析人員聚集狀況的方法及系統(tǒng)。

背景技術(shù)：

1、隨著移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)技術(shù)的快速發(fā)展,獲取人員實時位置數(shù)據(jù)的能力不斷增強(qiáng)，這些位置數(shù)據(jù)可以為分析人員聚集狀況提供重要的數(shù)據(jù)支撐。人員聚集狀況的分析在許多應(yīng)用場景中都具有重要意義。在城市管理中,可以利用人員聚集分析來預(yù)防和應(yīng)對突發(fā)事件,提高公共安全管理的效率。在商業(yè)營銷領(lǐng)域，分析人員聚集情況可以幫助企業(yè)優(yōu)化店鋪布局，提高營銷效果。在大型活動組織中，實時監(jiān)測人員聚集情況有助于改善活動現(xiàn)場的秩序和體驗。

2、然而,要從海量的實時位置數(shù)據(jù)中準(zhǔn)確識別人員聚集區(qū)域，并動態(tài)分析其聚集特征，仍然面臨著諸多技術(shù)挑戰(zhàn)。在現(xiàn)有技術(shù)中，通常采用固定的網(wǎng)格或行政區(qū)劃等方式劃分分析區(qū)域，無法靈活適應(yīng)不同場景下的分析需求；同時，采用基于距離的簡單聚類算法，無法有效處理復(fù)雜的聚集場景,容易產(chǎn)生錯誤的聚集區(qū)域。

3、因此，尋找一種既能夠準(zhǔn)確劃分分析區(qū)域，又能提高人群聚集分析準(zhǔn)確率的方法，是本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提出了一種基于實時位置數(shù)據(jù)分析人員聚集狀況的方法及系統(tǒng)，其能夠及時掌握人員聚集的動態(tài)變化情況，準(zhǔn)確識別出聚集區(qū)域，提高了人員聚集狀況分析的效率和準(zhǔn)確性。

2、本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

3、一方面，本發(fā)明提供了一種基于實時位置數(shù)據(jù)分析人員聚集狀況的方法，包括以下步驟：

4、s1、獲取待分析區(qū)域的實時位置數(shù)據(jù)；

5、s2、將所述待分析區(qū)域設(shè)置為一個多邊形區(qū)域，確定所述多邊形區(qū)域內(nèi)的位置數(shù)據(jù)集{ai}；

6、s3、使用擴(kuò)散式聚類方法對所述多邊形區(qū)域內(nèi)的位置數(shù)據(jù)集{ai}進(jìn)行聚類，得到第一聚集區(qū)域集{bi}；

7、s4、對第一聚集區(qū)域集{bi}分別進(jìn)行聚集計算，得到每個聚集區(qū)域的中心位置和聚集人數(shù)；

8、s5、根據(jù)第一聚集區(qū)域集{bi}、每個聚集區(qū)域的中心位置和聚集人數(shù)繪制熱力圖，顯示多邊形區(qū)域的聚集數(shù)據(jù)；

9、s6、在預(yù)設(shè)時間內(nèi)重復(fù)步驟s3-s5，得到時序?qū)ｎ}圖，根據(jù)所述時序?qū)ｎ}圖確定待分析區(qū)域的聚集趨勢變化。

10、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，步驟s3具體包括：

11、s31、設(shè)置聚集距離閾值r和聚集人數(shù)閾值n；

12、s32、根據(jù)聚集距離閾值r和多邊形區(qū)域內(nèi)的位置數(shù)據(jù)集{ai}確定位置數(shù)據(jù)的第一鄰域{si}；

13、s33、根據(jù)聚集人數(shù)閾值n和第一鄰域{si}的數(shù)量對位置數(shù)據(jù)集{ai}進(jìn)行鄰域擴(kuò)展，得到第一聚集區(qū)域集{bi}。

14、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，步驟s32具體包括：

15、s321、選擇多邊形區(qū)域內(nèi)的位置數(shù)據(jù)集{ai}中的一個位置數(shù)據(jù)ai，判斷位置數(shù)據(jù)ai是否被標(biāo)記過，若否，則將位置數(shù)ai據(jù)進(jìn)行標(biāo)記；

16、s322、分別計算位置數(shù)據(jù)ai與多邊形區(qū)域內(nèi)的位置數(shù)據(jù)集{ai}中其他所有點的距離d1，若距離d1不大于聚集距離閾值r，創(chuàng)建第一鄰域{si}并初始化為空集，將位置數(shù)據(jù)ai和對應(yīng)點加入到第一鄰域{si}中，得到第一鄰域{si}。

17、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，步驟s33具體包括：

18、s331、根據(jù)聚集人數(shù)閾值n和第一鄰域{si}的數(shù)量判斷位置數(shù)據(jù)ai是否為孤立點，若第一鄰域{si}的數(shù)量不小于閾值n，則構(gòu)建第一聚集區(qū)域集{bi}并初始化為空集，將位置數(shù)據(jù)ai加入第一聚集區(qū)域集{bi}；

19、s332、選擇第一鄰域{si}中的一個點si，重復(fù)步驟s331找到點si的第二鄰域{si’}，并將第二鄰域{si’}中的點加入第一聚集區(qū)域集{bi}；

20、s333、遍歷第一鄰域{si}，得到位置數(shù)據(jù)ai的第一聚集區(qū)域bi；

21、s334、將位置數(shù)據(jù)ai作為起始點，重復(fù)步驟s331-s333，對多邊形區(qū)域內(nèi)的位置數(shù)據(jù)集{ai}進(jìn)行遍歷，得到第一聚集區(qū)域集{bi}。

22、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，步驟s4具體包括：

23、s41、選擇一個第一聚集區(qū)域集{bi}中的第一聚集區(qū)域bi作為起始點，從起始點開始，計算聚集區(qū)域的聚集中心，直至{bi}的全部聚集區(qū)域均被遍歷，得到第一聚集中心集{ci}；

24、s42、基于聚集人數(shù)閾值n對第一聚集中心集{ci}進(jìn)行中心分析，確定第二聚集中心集{di}，并確定第二聚集中心di的坐標(biāo)和第二聚集中心di的聚集人數(shù)。

25、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，步驟s41具體包括：

26、s411、選擇一個第一聚集區(qū)域bi，根據(jù)聚集距離閾值r和聚集人數(shù)閾值n確定第一聚集區(qū)域bi的第一聚集中心ci；

27、s412、將第一聚集區(qū)域bi作為起始點，重復(fù)步驟s411直至{bi}的全部聚集區(qū)域均被遍歷，得到第一聚集中心集{ci}。

28、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，步驟s411具體包括：

29、a、選擇一個第一聚集區(qū)域bi中的一個點pj，計算點pi與第一聚集區(qū)域集{bi}中的其他點之間的距離d2，若d2不大于r，則構(gòu)建聚集中心集{sx}并初始化空集，將點pj和對應(yīng)點加入聚集中心集{sx|sx＝pji}；其中，pji表示第i個第一聚集區(qū)域bi的第j個點；

30、b、若聚集中心集{sx}的點數(shù)量不小于n-1，找出{sx}中距離最大的兩個點sm和sn，計算點sm和sn的中心pc，點sm和sn之間的距離為dmax；

31、c、將pji，{sxi}，pci，dmaxi作為第一聚集區(qū)域bi的第一聚集中心ci；其中ci＝(pji，{sxi}，pci，dmaxi)，{sxi}表示第i個第一聚集區(qū)域bi的聚集中心集；pci表示聚集中心集sxi的中心；dmaxi表示聚集中心集sxi的最大距離。

32、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，步驟s42具體包括：

33、s421、判斷第一聚集中心集{ci}是否為空集，若否，則從{ci}取出一個第一聚集區(qū)域bi的聚集信息，若第一聚集區(qū)域bi的聚集信息中的點pji被標(biāo)記過，則跳轉(zhuǎn)至步驟s41；若第一聚集區(qū)域bi的聚集信息中的點pji沒被標(biāo)記過，則進(jìn)行標(biāo)記，進(jìn)行下一步驟；

34、s422、判斷聚集中心集{sxi}中的點是否被標(biāo)記過，若被標(biāo)記過則記為點p’ji，并執(zhí)行下一步驟；若沒有被標(biāo)記過，且聚集中心集{sxi}數(shù)據(jù)小于n-1，則跳轉(zhuǎn)至步驟s41；

35、s423、構(gòu)建第二聚集中心集{di}并初始化為空集，將點pji對應(yīng)的第一聚集區(qū)域bi的聚集信息加入第二聚集中心集{di}；

36、s424、重復(fù)步驟s421-s423，直至遍歷{ci}，得到第二聚集中心集{di|di＝(p’ji，{s’xi}，p’ci，d’maxi)}，其中{s’xi}表示點p’ji對應(yīng)的第一聚集區(qū)域bi的聚集中心集；p’ci表示{s’xi}的中心，d’maxi表示{s’xi}的最大距離；

37、s425、將p’ci作為第二聚集中心di的坐標(biāo)，將{s’xi}的數(shù)量作為聚集人數(shù)。

38、更進(jìn)一步優(yōu)選的，所述方法還包括：

39、根據(jù)多邊形區(qū)域的聚集數(shù)據(jù)在三維場景中進(jìn)行渲染，并根據(jù)渲染效果向用戶推動示警信息；所述示警信息包括多邊形區(qū)域的人員聚集位置和聚集人數(shù)。

40、另一方面，本發(fā)明提供了一種基于實時位置數(shù)據(jù)分析人員聚集狀況的系統(tǒng)，采用如上述所述的方法，包括：

41、數(shù)據(jù)獲取模塊，其配置為獲取待分析區(qū)域的實時位置數(shù)據(jù)；

42、位置獲取模塊，其配置為將所述待分析區(qū)域設(shè)置為一個多邊形區(qū)域，確定所述多邊形區(qū)域內(nèi)的位置數(shù)據(jù)集；

43、聚類模塊，其配置為使用擴(kuò)散式聚類方法對所述多邊形區(qū)域內(nèi)的位置數(shù)據(jù)集進(jìn)行聚類，得到第一聚集區(qū)域集；

44、聚集計算模塊，其配置為對第一聚集區(qū)域集分別進(jìn)行聚集計算，得到每個聚集區(qū)域的中心位置和聚集人數(shù)；

45、顯示模塊，其配置為根據(jù)第一聚集區(qū)域集、每個聚集區(qū)域的中心位置和聚集人數(shù)繪制熱力圖，顯示多邊形區(qū)域的聚集數(shù)據(jù)；

46、分析模塊，其配置為根據(jù)間隔時間得到一組時序?qū)ｎ}圖，根據(jù)所述時序?qū)ｎ}圖確定待分析區(qū)域的聚集趨勢變化。

47、本發(fā)明的方法相對于現(xiàn)有技術(shù)具有以下有益效果：

48、(1)通過實時獲取待分析區(qū)域的位置數(shù)據(jù)，將該區(qū)域劃分為多邊形區(qū)域并采用擴(kuò)散式聚類方法識別出人員聚集區(qū)域，計算出每個聚集區(qū)域的中心位置和聚集人數(shù)，能夠及時掌握人員聚集的動態(tài)變化情況，準(zhǔn)確識別出聚集區(qū)域，提高了人員聚集狀況分析的效率和準(zhǔn)確性；

49、(2)通過鄰域數(shù)量判斷識別孤立點，然后通過迭代擴(kuò)展鄰域的方式，將可能屬于同一聚集區(qū)域的位置數(shù)據(jù)點逐步聚集到第一聚集區(qū)域集中，最后通過對整個多邊形區(qū)域的遍歷，確保了對所有可能的聚集區(qū)域的全面遍歷和聚集，提高了聚集區(qū)域識別的準(zhǔn)確性；

50、(3)通過遍歷第一聚集中心集，并對其中的聚集點進(jìn)行標(biāo)記，避免重復(fù)處理已處理過的聚集點；對已標(biāo)記過的聚集中心點進(jìn)行記錄，并對未標(biāo)記且聚集人數(shù)不足的聚集中心進(jìn)行過濾，篩選掉無效數(shù)據(jù)，確保對所有有效的第一聚集中心進(jìn)行處理，得到完整的第二聚集中心集，并進(jìn)行最終的數(shù)據(jù)整合，確定其位置坐標(biāo)和聚集人數(shù)，提高了人員聚集分析的效率和準(zhǔn)確性。