[发明专利]城市的基础数据收集与分析方法

权利要求书

1.城市的基础数据收集与分析方法，其特征在于，包括以下步骤：

步骤一：选择指定位置，并在指定位置通过数据采集终端获取该指定位置的交通数据；

步骤二：通过数据处理模块对所获得的交通数据进行处理，获得指定位置的人流量信息、机动车流量信息以及非机动车流量信息；并将处理后的交通数据上传至大数据模型；

步骤三：对大数据模型的输出结果进行分析，获得以指定位置为中心的一定范围内的人流密度，并根据人流密度投放相应的房源储备量；

所述数据采集终端包括若干监控设备，所述数据采集终端获取指定位置的交通数据的具体过程包括：

将若干个监控设备安装在指定位置，通过监控设备获取指定位置的交通数据；若干个所述监控设备为一个监控设备组，每个所述监控设备的监控画面与至少一个其他监控设备的监控画面存在交叉部分；通过在城市中的不同位置安装监控设备组，从而获取相应的位置的交通数据；

通过监控设备实时获取指定位置的交通数据，并将所获得的交通数据发送至数据处理模块；所述交通数据为监控设备拍摄的实时视频数据；

将监控设备组所获取到的交通数据发送至数据处理模块，所述数据处理模块对交通数据进行处理的过程包括：

建立指定位置的监控区域地图，所述监控区域地图的建立过程包括：

获取每个监控设备的拍摄范围，并将选择其中一个监控设备拍摄范围中的一点作为原点，以该原点建立三维空间坐标系；

将所有监控设备的拍摄范围映射至三维空间坐标系内，从而获得监控区域地图；当两个监控设备之间存在交叉的拍摄范围时，则交叉的拍摄范围在监控区域地图内的坐标一致；

对所有监控设备所获取到的交通数据按照监控区域地图的范围进行视频拼接，并获得指定位置的完整视频；

对指定位置的完整视频进行图像处理，从而获得完整视频中的人像信息、机动车信息以及非机动车信息，具体处理过程包括：

将所获取到的视频进行栅格化处理；

对栅格化处理后的视频进行人像识别，并将识别的人像进行框选标记；

识别栅格化处理后的视频中的机动车，并将机动车进行框选标记；

识别栅格化处理后的视频中的非机动车，并将非机动车进行框选标记；

根据所框选标记的人像、机动车以及非机动车的动态图像，分别获取人像、机动车以及非机动车在视频中的移动速度；

将一天的时间划分为若干个时间段，并获取每个时间段内的人流量、机动车流量以及非机动车流量；

所述大数据模型用于对指定位置中人像分别与机动车和非机动车之间的关系进行分析，具体过程包括：

将所框选标记的人像、机动车以及非机动车的动态图像输入至大数据模型内，获取人像、机动车以及非机动车在监控区域地图内的坐标位置；

设置人像与机动车或非机动车之间的距离阈值，并根据所框选标记的人像、机动车以及非机动车在监控区域地图内的坐标位置，获得每个人像分别与每个机动车或非机动车之间的距离；

当每个人像与机动车或非机动车之间的距离小于距离阈值时，则将该人像与机动车或非机动车进行标记；

则获取被标记的人像与机动车或非机动车的移动速度，设置时间区段，当该人像与机动车或非机动车在进入拍摄范围内的时间区段内，该人像与机动车或非机动车的移动速度始终一致，则将该人像与该机动车或非机动车进行绑定，并将该人像标记为骑机动车的人和骑非机动车的人；

将人像分为行人、骑机动车的人和骑非机动车的人三种类型；机动车或非机动车的驾驶员不能够被进行人像识别时，则将默认该机动车或非机动车至少绑定一人；

所述大数据模型还用于对不同类型的人像的行为习惯进行分析，具体分析过程包括：

设置行人和非机动车的活动半径，以指定位置为中心，分别设置r和R作为行人和非机动车的活动半径；需要进一步说明的是，在具体实施过程中，r＜R；

将时间段进行标记，记为第i个时间段，其中i＝1，2，……，n，n为整数；获取不同时间段内的人流量以及非机动车流量，并将不同时间段内的人流量以及非机动车流量分别标记为RL i 和FL i ；

将其中人流量最大值RL_max以及非机动车流量最大值FL_max进行标记，并获取其对应的时间段；

通过公式和 分别获得指定区域内一天的人流总量RZ和非机动车流总量FZ；

则分别获得以指定位置为中心，半径r和半径R范围内的人流密度RLr和RLR；其中，RLr＝(RL_max+a*FL_max)/RZ/r和RLR＝(RL_max+FL_max)/(RZ+FZ)/(r+R)；其中a为系统因子，且a＜1；

所述房源储备量的投放过程具体包括：

根据所获取的以指定位置为中心，半径r和半径R范围内每天的人流密度，生成人流密度变化随时间变化的人流密度变化曲线图，并将人流密度变化曲线图内设置人流密度上限阈值线和人流密度下限阈值线；

将人流密度超过人流密度上限阈值线和人流密度低于人流密度下限阈值线的部分分别进行标记；并分别标记为增储时期和降储时期，设置时间周期T，当被标记的部分的时间跨度低于时间周期T时，则将该部分进行忽略，当被标记的部分的时间跨度不低于时间周期T时，则分别获取对应部分的人流密度的最大值和人流密度的最小值；

将半径r和半径R范围内人流密度的最大值和人流密度上限阈值线之间的差值，并将该差值记分别记为SRCr和SRCR；

将半径r和半径R范围内人流密度的最小值和人流密度下限阈值线之间的差值，并将该差值记分别记为XRCr和XRCR；

则当增储时期的房源储备量为ZCL，其中ZCL＝b*(SRCr*r+SRCR*R)/(R+r)，对ZCL进行取整，获得增储时期的房源储备量至少为ZCL；其中b为系统因子，且0＜b＜1；

当降储时期的房源储备量为JCL，其中JCL＝c*(XRCr*r+XRCR*R)/(R+r)，对JCL进行取整，获得降储时期的房源储备量最多为JCL，其中c为系统因子，且0＜c＜1。