[发明专利]一种人群踩踏预警方法、系统、及具有该系统的服务器有效
申请号: | 201610089139.7 | 申请日: | 2016-02-17 |
公开(公告)号: | CN105760484B | 公开(公告)日: | 2019-10-25 |
发明(设计)人: | 沈建;孙德山;宁德军;萧海东;胡江泽;狄东杰;郭小武;陈方杰;曾志平;王阳阳;黄俊里 | 申请(专利权)人: | 中国科学院上海高等研究院 |
主分类号: | G06F16/182 | 分类号: | G06F16/182;G06F16/2458;G06F16/29;G06K9/62;G06Q50/26 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 王再朝 |
地址: | 201210 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 人群 踩踏 预警 方法 系统 具有 服务器 | ||
1.一种人群踩踏预警方法,其特征在于,所述人群踩踏预警方法包括以下步骤:
步骤一,通过指定数据获取方式获取人群移动位置数据;
步骤二,对人群移动位置数据进行分布式并行计算以得到人群踩踏预警区域;所述步骤二包括:将步骤一中获取的人群移动位置数据生成人群分布式数据集;
按照人群位置对所述人群分布式数据集进行网格划分以获取n个人群分布式数据子集;其中,n为大于等于2的正整数;
将划分后的n个人群分布式数据子集结合给定计算聚类参数执行密度聚类以获取多个局部聚类的局部簇;
从每一个局部聚类的局部簇中选择具有数据分布特征的特殊核心点集作为局部代表点;所述从每一个局部聚类的局部簇中选择具有数据分布特征的特殊核心点集作为局部代表点的步骤包括:
定义n个放置特殊核心点的核心点集合;
计算n个人群分布式数据子集中每一数据点,将计算的各个数据点的第一统计量按递减的方式排序;
选取与最大的第一统计量对应的数据点,并将其放于与其对应的核心点集合中;
循环执行以上两个步骤,直至所述核心点集合中数据点的数量与其对应的人群分布式数据子集中数据点的数量的比值大于等于预定比值时,返回计算n个人群分布式数据子集中每一数据点,将计算的各个数据点的第一统计量按递减的方式排序的步骤;
对从n个人群分布式数据子集中选出的局部代表点再次执行所述密度聚类以获取多个全局聚类的全局簇,将获取的多个全局聚类的全局簇标识为人群踩踏预警区域;
步骤三,将所述人群踩踏预警区域显示及预警。
2.根据权利要求1所述的人群踩踏预警方法,其特征在于:所述指定数据获取方式包括:通过Web服务数据获取方式、通过数据库数据获取方式、和/或通过消息中间件数据获取方式。
3.根据权利要求2所述的人群踩踏预警方法,其特征在于:
通过数据库数据获取方式包括Mongodb数据库、HDFS文件系统中获取人群移动位置数据;
通过消息中间件数据获取方式包括通过TCP socket接口,Kafka、Flume、RocketMQ消息中间件获取人群移动位置数据。
4.根据权利要求1所述的人群踩踏预警方法,其特征在于:所述步骤二还包括:
计算n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的距离,根据簇归属规则确定人群分布式数据子集中的数据点属于多个全局聚类的全局簇中的哪一个簇。
5.根据权利要求4所述的人群踩踏预警方法,其特征在于:所述簇归属规则为将计算的n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的距离与预设距离阈值进行比较,若小于等于所述预设距离阈值,则确定人群分布式数据子集中的数据点属于与其之间的距离小于等于所述预设距离阈值的全局聚类的全局簇中的数据点所在全局簇。
6.根据权利要求5所述的人群踩踏预警方法,其特征在于:计算的n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的距离为计算n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的欧几里得距离。
7.根据权利要求1所述的人群踩踏预警方法,其特征在于:所述核心点集合中数据点的数量与其对应的人群分布式数据子集中数据点的数量的比值用于表示放置特殊核心点的核心点集合对人群分布式数据子集的代表能力。
8.根据权利要求1所述的人群踩踏预警方法,其特征在于:所述给定计算聚类参数包括给定的区域半径,以该区域半径的邻域,及在该邻域内数据点的最小数目。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院上海高等研究院,未经中国科学院上海高等研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610089139.7/1.html,转载请声明来源钻瓜专利网。