CN104540168B - 一种测量人群拥挤度的方法、装置与*** - Google Patents
一种测量人群拥挤度的方法、装置与*** Download PDFInfo
- Publication number
- CN104540168B CN104540168B CN201410850259.5A CN201410850259A CN104540168B CN 104540168 B CN104540168 B CN 104540168B CN 201410850259 A CN201410850259 A CN 201410850259A CN 104540168 B CN104540168 B CN 104540168B
- Authority
- CN
- China
- Prior art keywords
- crowd
- access point
- function
- sampling
- distance
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 122
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 230000006870 function Effects 0.000 claims description 398
- 238000005070 sampling Methods 0.000 claims description 373
- 238000005315 distribution function Methods 0.000 claims description 150
- 238000010276 construction Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012358 sourcing Methods 0.000 claims 3
- 238000013507 mapping Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 19
- 230000008859 change Effects 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007616 round robin method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H04W4/04—
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种测量人群拥挤度的方法、装置与***。终端在接入点覆盖区域内采样接入点的信号强度值,并统计出数学统计参数,测算当前采样位置到接入点的距离,将距离和数学统计参数告知给服务器;服务器获得距离并获得数学统计参数,并根据该距离和该数学统计参数在人群拥挤度对应关系表中选择出目标函数,将目标函数对应的人群拥挤度等级用来指示接入点的信号覆盖区域内的人群拥挤度。本发明对现场接入点的信号强度的采集,进而通过人群拥挤度对应关系表来评估空间内人群的拥挤度,无需图像采集定位每个人的位置,无需复杂计算,仅依靠用户所携带终端即可完成检测,无需布置额外硬件,节约成本。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种利用无线网络测量人群拥挤度的方法、装置与***。
背景技术
位置信息在人们的日常生活中扮演着重要的作用。在郊外、展览馆、公园等陌生环境中,使用定位导航信息可为用户提供更便捷的服务。随着人们活动范围的不断扩大和活动地点的日趋复杂当前的位置定位技术难以满足需求,尤其对于地铁、公交、商场、图书馆等人流量密集的场所,人们更希望能及时地掌握空间内人群的密集程度信息,这样不仅能方便管理者进行线路的配置,商家对资源的调配,也能给用户提供更加有用的参考信息,便于用户做出行动决策。
现有技术提出了一种人群拥挤程度的检测方法,主要包括以下步骤:
步骤1:采样摄像机或双面相机作为输入装置;
步骤2:对二维图像进行建模,进行目标检测,如人脸识别或特征识别,通过算法识别出每个人员的信息;
步骤3:根据人脸识别或特征识别的结果统计人群拥挤信息,或是人群数量或是人群密度。
然而在具体实现过程中,该方法存在如下问题:
图像识别技术计算量庞大,并且需要专用的芯片或处理器,并且取景设备对环境的依赖性较强,无法很好的处理光照、阴影、遮挡等干扰。
发明内容
有鉴于此,本发明实施例提供了一种测量人群拥挤度的方法、设备与***。
根据本发明实施例的第一方面,提供了一种测量人群拥挤度的方法,该方法包括:获得终端采样的接入点信号强度值的数学统计参数;获得上述终端到上述接入点的距离;在人群拥挤度对应关系表中查找与上述距离最接近的样本距离;上述人群拥挤度对应关系表包含上述样本距离、匹配函数以及人群拥挤度等级的对应关系,上述样本距离对应至少一个匹配函数,每个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;根据上述数学统计参数在上述样本距离对应的所有匹配函数中选择出目标函数;根据上述对应关系得到上述目标函数对应的人群拥挤度等级,上述目标函数对应的人群拥挤度等级用于指示上述接入点的信号覆盖区域内的人群拥挤度。
结合第一方面,在第一方面的第一种可能的实现方式中,上述数学统计参数为一组均值和方差,上述一组均值和方差是通过对上述终端采样的接入点的信号强度值进行数学统计得到的;上述匹配函数为概率分布函数;上述根据上述数学统计参数在上述样本距离对应的所有匹配函数中选择出目标函数具体包括:根据上述一组均值和上述方差构建待比对概率分布函数;将上述待比对概率分布函数与上述样本距离对应的所有概率分布函数进行分布状态比对;选择与上述待比对概率分布函数的分布状态最接近的概率分布函数作为上述目标函数。
结合第一方面,或者结合第一方面的第一种可能的实现方式,在第一方面的第二种可能的实现方式中,上述数学统计参数为上述接入点的信号强度值;,上述匹配函数为概率分布函数;上述根据上述数学统计参数在上述样本距离对应的所有匹配函数中选择出目标函数具体包括:将上述信号强度值代入到上述样本距离对应的所有概率分布函数中计算函数值;选择函数值最大的概率分布函数作为上述目标函数。
结合第一方面,或者结合第一方面的上述任何一种可能的实现方式,在第一方面的第三种可能的实现方式中,上述数学统计参数为均值,上述均值是通过对上述终端采样的接入点的信号强度值进行数学统计得到的;上述匹配函数为概率分布函数;,上述根据上述数学统计参数在上述样本距离对应的所有匹配函数中选择出目标函数具体包括:将上述均值代入到上述样本距离对应的所有概率分布函数中计算函数值;选择函数值最大的概率分布函数作为上述目标函数。
结合第一方面,或者结合第一方面的上述任何一种可能的实现方式,在第一方面的第四种可能的实现方式中,上述概率分布函数包括:高斯分布函数、或卡方分布函数、或t分布函数。
结合第一方面,或者结合第一方面的上述任何一种可能的实现方式,在第一方面的第五种可能的实现方式中,上述方法还包括:接收查询终端发送的对上述接入点的信号覆盖区域内的实时人群拥挤度的查询请求;将得到的所述目标函数对应的人群拥挤度等级发送给上述查询终端。
根据本发明实施例的第二方面,提供了一种构建人群拥挤度对应关系表的方法,获得采样位置到接入点的距离;获得每一个人群拥挤度等级下的接入点信号强度值的数学统计参数;上述接入点信号强度值是终端在上述采样位置对上述接入点的信号采样得到的,不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;根据上述数学统计参数构建至少一个匹配函数,每一个上述匹配函数对应一个人群拥挤度等级,且每一个上述匹配函数都对应上述距离;针对每一个采样位置遍历上述步骤,获得每个采样位置对应的距离、和每个人群拥挤度等级下的匹配函数;根据上述每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数,构建人群拥挤度对应关系表,上述人群拥挤度对应关系表包含距离、匹配函数以及上述人群拥挤度等级的对应关系。
结合第二方面,在第二方面的第一种可能的实现方式中,上述数学统计参数包括一组均值和方差,则上述根据上述数学统计参数构建至少一个匹配函数具体为:根据每一个人群拥挤度等级下的一组均值和方差,在每一个人群拥挤度等级下构建一个概率分布函数,上述概率分布函数作为上述匹配函数。
结合第二方面,或者结合第二方面的第一种可能的实现方式,在第一方面的第二种可能的实现方式中,上述数学统计参数包括至少两组均值和方差,上述根据上述数学统计参数构建至少一个匹配函数具体为:根据每一个人群拥挤度等级下的每一组均值和方差,在每一个人群拥挤度等级下构建一簇概率分布函数,上述概率分布函数作为上述匹配函数,上述一簇概率分布函数中的所有概率分布函数都对应同一个人群拥挤度等级。
结合第二方面,或者结合第二方面的第一种可能的实现方式,在第一方面的第三种可能的实现方式中,上述概率分布函数包括:高斯分布函数、或卡方分布函数、或t分布函数。
根据本发明实施例的第三方面,提供了一种人群拥挤度对应关系表的构建数据获取方法,上述方法包括:在每一个人群拥挤度等级的维度下,在采样位置上对接入点的信号进行采样得到上述接入点的信号强度值;不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;对每一个人群拥挤度等级的维度下采样得到的上述接入点的信号强度值进行数学统计得到数学统计参数;测算上述采样位置到上述接入点的距离;将用于构建人群拥挤度对应关系表的上述数学统计参数和上述距离告知给服务器。
结合第三方面,在第三方面的第一种可能的实现方式中,上述采样位置为采样网格中的每个节点或每个采样网格的中心点;上述采样网格是在上述接入点的信号覆盖区域内根据采样精度设立的,上述采样精度越高,上述采样网格越密集。
结合第三方面,在第三方面的第二种可能的实现方式中,上述采样位置为采样圆环上的任意一点,上述采样圆环是在上述接入点的信号覆盖区域内根据采样精度设立的,上述采样精度越高,上述采样圆环的间隔越小,每一个采样圆环上至少存在一个采样位置,同一个圆环上的采样位置到上述接入点的距离相同。
结合第三方面,或结合在第三方面的第二种可能的实现方式,在第三方面的第三种可能的实现方式中,当存在采样圆环上有至少两个采样位置时,处在上述采样圆环上的采样位置呈等圆弧长度间隔分布。
结合第三方面,或结合在第三方面的第二种可能的实现方式,在第三方面的第四种可能的实现方式中,当存在采样圆环上有且仅有一个采样位置时,上述在采样位置上对接入点信号进行采样得到上述接入点的信号强度值具体包括:在一个人群拥挤度等级的维度下,在上述接入点的信号覆盖区域内将对应于上述人群拥挤度等级相应数量的人员进行n次随机排布,上述n为自然数;每一次随机排布时在上述采样位置对上述接入点信号采样一个信号强度值,得到上述一个人群拥挤度等级的维度下的n个信号强度值;在每一个群拥挤度等级的维度下执行上述操作,在每一个人群拥挤度等级的维度下都采集到n个信号强度值。
结合第三方面,或者结合第三方面的上述任何一种可能的实现方式,在第三方面的第五种可能的实现方式中,上述对每一个人群拥挤度等级的维度下采样得到的上述接入点的信号强度值进行数学统计得到数学统计参数包括:将任意一个人群拥挤度等级维度下的接入点的信号强度值分为至少一组数据,针对每一组数据相应计算出一组均值和方差,上述一组均值和方差用于构建上述人群拥挤度对应关系表中的匹配函数,使每一个匹配函数分别对应一个人群拥挤度等级。
结合第三方面,或者结合第三方面的上述任何一种可能的实现方式,在第三方面的第六种可能的实现方式中,上述接入点包括:上述接入点的信号覆盖区域内发射信号最稳定的接入点。
根据本发明实施例的第四方面,提供了一种人群拥挤度的匹配数据获取方法,上述方法包括:对接入点信号进行采样得到上述接入点的信号强度值;对上述接入点的信号强度值进行数学统计得到数学统计参数;测算当前采样位置到上述接入点的距离;将上述距离和上述数学统计参数告知服务器,以使上述服务器根据上述距离和上述数学统计参数在人群拥挤度对应关系表中获得上述接入点的信号覆盖区域内的人群拥挤度等级。
结合第四方面,在第四方面的第一种可能的实现方式中,上述数学统计参数包括一组均值和方差,或只有一个均值。
根据本发明实施例的第五方面,提供了一种测量人群拥挤度的装置,上述装置包括:参数获得模块,用于获得终端采样的接入点信号强度值的数学统计参数;距离获得模块,用于获得上述终端到上述接入点的距离;查找模块,用于在人群拥挤度对应关系表中查找与上述距离获得模块获得的距离最接近的样本距离;上述人群拥挤度对应关系表包含上述样本距离、匹配函数以及人群拥挤度等级的对应关系,上述样本距离对应至少一个匹配函数,每个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;选择模块,用于根据上述参数获得模块获得的数学统计参数在上述样本距离对应的所有匹配函数中选择出目标函数;对应模块,用于根据上述对应关系得到上述选择模块选择出的目标函数对应的人群拥挤度等级,上述目标函数对应的人群拥挤度等级用于指示上述接入点的信号覆盖区域内的人群拥挤度。
结合第五方面,在第五方面的第一种可能的实现方式中,上述选择模块具体包括计算单元、比对单元、和选择单元,当上述数学统计参数为一组均值和方差时,上述一组均值和方差是通过对上述接入点的信号强度值进行数学统计得到的;上述计算单元用于根据上述一组均值和上述方差构建待比对概率分布函数;上述比对单元用于将上述计算单元构建的待分析概率函数与上述样本距离对应的所有概率分布函数进行分布状态比对,上述概率分布函数为上述匹配函数;上述选择单元用于根据上述比对单元的比对结果选择与上述待比对概率分布函数的分布状态最接近的概率分布函数作为上述目标函数。
结合第五方面,在第五方面的第二种可能的实现方式中,上述选择模块具体包括计算单元和选择单元,当上述数学统计参数为上述接入点的信号强度值时;上述计算单元用于将上述接入点的信号强度值代入上述样本距离对应的所有概率分布函数计算函数值,上述概率分布函数为上述匹配函数;上述选择单元用于根据上述计算单元的计算结果将函数值结果最大的概率分布函数作为上述目标函数。
结合第五方面,在第五方面的第三种可能的实现方式中,上述选择模块具体包括计算单元和选择单元,当上述数学统计参数为均值时,上述均值是通过对上述接入点的信号强度值进行数学统计得到的;上述计算单元用于将上述均值代入上述样本距离对应的所有概率分布函数计算函数值,上述概率分布函数为上述匹配函数;上述选择单元用于根据上述计算单元的计算结果将函数值结果最大的概率分布函数作为上述目标函数。
结合第五方面,或结合在上述第五方面的任何一种可能的实现方式,在第五方面的第四种可能的实现方式中,上述装置还包括接收模块和发送模块;上述接收模块用于接收查询终端发送的对上述接入点的信号覆盖区域内的实时人群拥挤度的查询请求;上述发送模块用于将得到的所述目标函数对应的人群拥挤度等级发送给上述查询终端。
根据本发明实施例的第六方面,提供了一种构建人群拥挤度对应关系表的装置,距离获得模块,用于获得采样位置到接入点的距离;参数获得模块,用于获得每一个人群拥挤度等级下的接入点信号强度值的数学统计参数;上述接入点信号强度值是终端在上述采样位置对上述接入点的信号采样得到的,上述不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;计算模块,用于根据上述参数获得模块获得的数学统计参数构建至少一个匹配函数,每一个上述匹配函数对应一个人群拥挤度等级,且每一个上述匹配函数都对应上述距离;构建模块,用于根据上述距离获得模块在每个采样位置获得的距离以及上述计算模块在每个采样位置得到的对应不同人群拥挤等级的匹配函数,构建人群拥挤度对应关系表,上述人群拥挤度对应关系表包含距离、匹配函数以及人群拥挤度等级的对应关系。
结合第六方面,在第六方面的第一种可能的实现方式中,上述参数获得模块具体用于获得每一个人群拥挤度等级下的接入点信号强度值的一组均值和方差,上述计算模块具体用于根据上述参数获得模块获得的每一个人群拥挤度等级下的一组均值和方差,在每一个人群拥挤度等级下构建一个概率分布函数,上述概率分布函数作为上述匹配函数。
结合第六方面,在第六方面的第二种可能的实现方式中,上述参数获得模块具体用于获得每一个人群拥挤度等级下的接入点信号强度值的至少两组均值和方差,上述计算模块具体用于根据上述参数获得模块获得的每一个人群拥挤度等级下的至少均值和方差,在每一个人群拥挤度等级下构建一簇概率分布函数,上述概率分布函数作为上述匹配函数,上述一簇概率分布函数中的所有概率分布函数都对应同一个人群拥挤度等级。
根据本发明实施例的第七方面,提供了一种人群拥挤度对应关系表的构建数据获取装置,上述装置包括:采样模块,用于在每一个人群拥挤度等级的维度下,在采样位置上对接入点的信号进行采样得到上述接入点的信号强度值;不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;统计模块,用于对上述采样模块在每一个人群拥挤度等级的维度下采样得到的上述接入点的信号强度值进行数学统计得到数学统计参数,上述数学统计参数用于构建人群拥挤度对应关系表;测算模块,用于测算上述采样位置到上述接入点的距离,上述距离用于构建人群拥挤度对应关系表;告知模块,用于将上述统计模块得到的上述数学统计参数和上述测算模块得到的上述距离告知给服务器。
结合第七方面,在第七方面的第一种可能的实现方式中,上述统计模块具体用于将上述采样模块在任意一个人群拥挤度等级下采样得到的接入点的信号强度值分为至少一组数据,针对每一组数据计算出一组均值和方差,上述一组均值和方差用于构建上述人群拥挤度对应关系表中的匹配函数,使每一个匹配函数分别对应一个人群拥挤度等级。
根据本发明实施例的第八方面,提供了一种人群拥挤度的匹配数据获取装置,上述装置包括:采样模块,用于对接入点的信号进行采样得到上述接入点的信号强度值;统计模块,用于对上述采样模块采样到的接入点的信号强度值进行数学统计得到数学统计参数;测算模块,用于测算当前采样位置到上述接入点的距离;告知模块,用于将上述测算模块得到的上述距离和上述统计模块得到的上述数学统计参数告知服务器,以使上述服务器根据上述距离和上述数学统计参数在人群拥挤度对应关系表中获取上述接入点的信号覆盖区域内的人群拥挤度等级。
根据本发明实施例的第八方面,在第八方面的第一种可能的实施方式中,上述统计模块具体用于将上述采样模块采样到的上述接入点的信号强度值进行数学统计得到一组均值和方差,或只得到一个均值。
根据本发明实施例的第九方面,提供了一种测量人群拥挤度的***,上述***包括:服务器,终端;
上述终端用于,对接入点的信号强度进行采样得到上述接入点的信号强度值;对上述接入点的信号强度值进行数学统计得到数学统计参数;测算当前采样位置到上述接入点的距离;将上述距离和上述数学统计参数告知服务器;
上述服务器用于,获得上述终端告知的上述数学统计参数;获得上述终端告知的上述距离;在人群拥挤度对应关系表中查找与上述距离最接近的样本距离;上述人群拥挤度对应关系表包含上述样本距离、匹配函数以及人群拥挤度等级的对应关系,上述样本距离对应至少一个匹配函数,每个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;根据上述数学统计参数在上述样本距离对应的所有匹配函数中选择出目标函数;根据上述对应关系得到上述目标函数对应的人群拥挤度等级,上述目标函数对应的人群拥挤度等级用于指示上述接入点的信号覆盖区域内的人群拥挤度。
根据本发明实施例的第十方面,提供了一种构建人群拥挤度对应关系表的***,上述***包括:服务器,终端;
上述终端用于,在每一个人群拥挤度等级的维度下,在采样位置上对接入点信号进行采样得到上述接入点的信号强度值;不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;对每一个人群拥挤度等级的维度下采样得到的上述接入点的信号强度值进行数学统计得到数学统计参数;测算上述采样位置到上述接入点的距离;将用于构建人群拥挤度对应关系表的上述数学统计参数和上述距离告知给服务器;
上述服务器用于,获得上述终端告知的上述距离;获得上述终端告知的数学统计参数;根据上述数学统计参数构建至少一个匹配函数,每一个上述匹配函数对应一个人群拥挤度等级,且每一个上述匹配函数都对应上述距离;针对每一个采样位置遍历上述步骤,获得每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数;根据上述每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数,构建人群拥挤度对应关系表,上述人群拥挤度对应关系表包含距离、匹配函数以及上述人群拥挤度等级的对应关系。
根据本发明实施例的第十一方面,提供了一种测量人群拥挤度的***,上述***包括:服务器,终端;
上述终端用于,对接入点的信号强度进行采样得到上述接入点的信号强度值;测算当前采样位置到上述接入点的距离;将上述距离和上述接入点的信号强度值告知服务器;
上述服务器用于,获得上述终端告知的接入点的信号强度值,并对上述信号强度值进行数学统计计算出数学统计参数;获得上述终端告知的上述距离;在人群拥挤度对应关系表中查找与上述距离最接近的样本距离;上述人群拥挤度对应关系表包含上述样本距离、匹配函数以及人群拥挤度等级的对应关系,上述样本距离对应至少一个匹配函数,一个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;根据上述数学统计参数在上述样本距离对应的所有匹配函数中选择出目标函数;根据上述对应关系得到上述目标函数对应的人群拥挤度等级,上述目标函数对应的人群拥挤度等级用于指示上述接入点的信号覆盖区域内的人群拥挤度。
根据本发明实施例的第十二方面,提供了一种构建人群拥挤度对应关系表的***,上述***包括:服务器,终端;
上述终端用于,在每一个人群拥挤度等级的维度下,在采样位置上对接入点信号进行采样得到上述接入点的信号强度值;不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;测算上述采样位置到上述接入点的距离;将用于构建人群拥挤度对应关系表的上述接入点的信号强度值和上述距离告知给服务器;
上述服务器用于,获得上述终端告知的上述距离;获得上述终端告知的上述接入点的信号强度值,并对上述接入点的信号强度值进行数学统计得到数学统计参数;根据上述数学统计参数构建至少一个匹配函数,一个上述匹配函数对应一个人群拥挤度等级,且每一个上述匹配函数都对应上述距离;针对每一个采样位置遍历上述步骤,获得每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数;根据上述每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数,构建人群拥挤度对应关系表,上述人群拥挤度对应关系表包含距离、匹配函数以及上述人群拥挤度等级的对应关系。
根据本发明实施例的第十三方面,提供了一种测量人群拥挤度的***,上述***包括:服务器,终端;
上述终端用于,在当前采样位置对接入点的信号强度进行采样得到上述接入点的信号强度值;将上述接入点的信号强度值告知服务器;
上述服务器用于,获得上述终端告知的接入点的信号强度值,并对上述信号强度值进行计算处理,得到数学统计参数以及当前采样位置到上述接入点的距离;在人群拥挤度对应关系表中查找与上述距离最接近的样本距离;上述人群拥挤度对应关系表包含上述样本距离、匹配函数以及人群拥挤度等级的对应关系,上述样本距离对应至少一个匹配函数,一个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;根据上述数学统计参数在上述样本距离对应的所有匹配函数中选择出目标函数;根据上述对应关系得到上述目标函数对应的人群拥挤度等级,上述目标函数对应的人群拥挤度等级用于指示上述接入点的信号覆盖区域内的人群拥挤度。
根据本发明实施例的第十四方面,提供了一种构建人群拥挤度对应关系表的***,上述***包括:服务器,终端;
上述终端用于,在每一个人群拥挤度等级的维度下,在采样位置上对接入点信号进行采样得到上述接入点的信号强度值;不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;将用于构建人群拥挤度对应关系表的上述接入点的信号强度值告知给服务器;
上述服务器用于,获得上述终端告知的上述接入点的信号强度值,并对上述信号强度值进行计算处理,得到数学统计参数以及上述采样位置到上述接入点的距离;根据上述数学统计参数构建至少一个匹配函数,一个上述匹配函数对应一个人群拥挤度等级,且每一个上述匹配函数都对应上述距离;针对每一个采样位置遍历上述步骤,获得每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数;根据上述每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数,构建人群拥挤度对应关系表,上述人群拥挤度对应关系表包含距离、匹配函数以及上述人群拥挤度等级的对应关系。
根据本发明实施例的第十五方面,提供了一种测量人群拥挤度的***,上述***包括:服务器,终端;
上述终端用于,对接入点的信号强度进行采样得到上述接入点的信号强度值;对上述接入点的信号强度值进行数学统计得到数学统计参数;将上述接入点的信号强度值和上述数学统计参数告知服务器;
上述服务器用于,获得上述终端告知的上述数学统计参数;并根据上述接入点的信号强度值计算出上述终端在采样时到接入点的距离;在人群拥挤度对应关系表中查找与上述距离最接近的样本距离;上述人群拥挤度对应关系表包含上述样本距离、匹配函数以及人群拥挤度等级的对应关系,上述样本距离对应至少一个匹配函数,一个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级分别表示上述接入点的信号覆盖区域内存在不同数量范围的人;根据上述数学统计参数在上述样本距离对应的所有匹配函数中选择出目标函数;根据上述对应关系得到上述目标函数对应的人群拥挤度等级,上述目标函数对应的人群拥挤度等级用于指示上述接入点的信号覆盖区域内的人群拥挤度。
根据本发明实施例的第十六方面,提供了一种构建人群拥挤度对应关系表的***,上述***包括:服务器,终端;
上述终端用于,在每一个人群拥挤度等级的维度下,在采样位置上对接入点信号进行采样得到上述接入点的信号强度值;不同的人群拥挤度等级表示上述接入点的信号覆盖区域内存在不同数量范围的人;对每一个人群拥挤度等级的维度下采样得到的上述接入点的信号强度值进行数学统计得到数学统计参数;将用于构建人群拥挤度对应关系表的上述数学统计参数和上述接入点的信号值告知给服务器;
上述服务器用于,获得上述终端告知的上述接入点的信号值,并根据上述终端告知的上述接入点的信号值计算出距离;获得上述终端告知的数学统计参数;根据上述数学统计参数构建至少一个匹配函数,一个上述匹配函数对应一个人群拥挤度等级,且每一个上述匹配函数都对应上述距离;针对每一个采样位置遍历上述步骤,获得每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数;根据上述每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数,构建人群拥挤度对应关系表,上述人群拥挤度对应关系表包含距离、匹配函数以及上述人群拥挤度等级的对应关系。
本发明通过对现场接入点的信号强度的采集,无需利用取景设备识别出每个人的信息,因此不易受到外界因素如光线、阴影、遮挡等干扰;通过距离和接入点信号强度值的统计参数在人群拥挤度对应关系表中进行简单的对应得到人群拥挤度等级,无需复杂的计算;信号强度的采集依靠用户所携带终端即可完成检测,无需布置和维护专门的硬件设备,大大提升了方案的易用性,因此部署简单,极易推广,节约成本。
附图说明
图1为本发明实施例中一种测量人群拥挤度的应用场景图;
图2为本发明实施例中一种人群拥挤度对应关系表的构建数据获取方法的流程图;
图3为本发明实施例中一种构建人群拥挤度对应关系表的方法的流程图;
图4为本发明实施例中一种构建人群拥挤度的对应表模型图;
图5为本发明实施例中一种人群拥挤度的匹配数据获取方法的流程图;
图6为本发明实施例中一种测量人群拥挤度的方法的流程图;
图7为本发明实施例中一种网格采样法实现测量人群拥挤度的方案;
图8为本发明实施例中一种圆环采样法实现测量人群拥挤度的方案;
图9为本发明实施例中一种人群拥挤度对应关系表的构建数据获取装置示意图;
图10为本发明实施例中一种构建人群拥挤度对应关系表的装置示意图;
图11为本发明实施例中一种人群拥挤度的匹配数据获取装置示意图;
图12为本发明实施例中一种测量人群拥挤度的装置示意图;
图13为本发明实施例中一种构建人群拥挤度对应关系表的***示意图;
图14为本发明实施例中一种测量人群拥挤度的***示意图;
图15为本发明实施例中一种计算机体系硬件设备结构示意图;
图16为本发明实施例中一种用于测量人群拥挤度的采样终端的结构示意图。
具体实施方式
本发明实施例提供了一种测量人群拥挤度的方法、设备与***。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分优选实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着通信技术和移动网络的发展,用户对无线通信的需求与日俱增,无线局域网络技术是一种高速无线网络通信技术,技术标准组为IEEE 802.11,目前应用最广泛的标准是IEEE 802.11b和IEEE 802.11g。无线保真Wi-Fi(Wireless-Fidelity)凭借其独特的优势得到了普遍认可,无线网络具有高速通信、部署方便的特点,切合了现代社会对移动办公、移动生活娱乐的需求。室内环境和人们活动的热点地区(如机场、写字楼、大型超市、校园、酒店和家庭)是无线网络的主要应用环境。基于无线局域网的定位就是在无线局域网中通过对接收到的无线电信号的特征信息进行分析,根据特定的算法来计算出被测物体所在的位置。无线局域网最主要的一种工作模式-基础架构模式(或者集中控制模式)(Infrastructure Model),是利用接入点(Access Point,简称AP)产生Wi-Fi信号,来承担无线网络覆盖和通信的任务,接入点就像是无线蜂窝网里的基站,将多个无线的移动终端聚合到有线的网络上。
Wi-Fi信号指纹又称为位置指纹,指的是在某一个位置点测得的RSS(ReceivedSignal Strength),即信号强度,若Wi-Fi信号由AP进行传播,则Wi-Fi信号强度也可称为AP信号强度。用户终端在开启无线连接的情况下,即可扫描并收集周围的AP信号,无论是否加密,是否已连接,无论信号强度强弱,甚至不显示在无线信号列表中,利用Wi-Fi的报文内附带的信号强度信息,用户终端都可以扫描到并测出每个热点AP的信号强度,还能知道每个AP的服务集标识SSID(Service Set Identifier)和硬件地址MAC(Media Access Control)地址。
一般来说无线AP在一段时间内是不会移动的,是稳定存在的,对于AP而言,一点微小的位置改变、或是临近安置物的变化、或是海拔、或是人群走动等各种因素都会导致信号的变化;然而对于一个固定区域来说,AP的位置、海拔以及与周边静态物体的相对位置都是长期稳定的。
人体70%的部分是由水组成,水的共振频率正是无线局域网使用的通信频率2.4GHz,因此,人也是影响室内信号传播一个十分重要的因素,与室内的墙壁、门窗、家具等干扰因素不同的是,人是动态变化的,由于多种干扰因素的影响,无线信号在传播中产生多次的反射、折射、透射及衍射现象,使得某一位置处的接收信号强度将围绕其平均信号强度值在一定范围内波动。根据无线信号的传播衰减规律可知,其平均信号强度主要由该位置点到接入点的距离确定,波动的大小由环境中干扰因素的强弱来决定,可以用信号的标准偏差表示,信号强度呈现出一定的分布规律。
因此本发明应用了人群流动对AP信号的影响,对一些AP覆盖的区域建立信号指纹,来构建描述人群拥挤度的对应表,然后将实时收到的信号与对应表进行匹配,实现对人群拥挤的测量。
请参见图1,图1为本发明实施例中一种测量人群拥挤度的应用场景图。
在AP覆盖区域内任意选择一个位置A,当AP区域内存在不同人群数量时,采样到AP的信号强度值是不同的,例如:当Wi-Fi环境中只有10个人时,A位置采样的信号强度为120dBm,当存在20个人的时候有,A位置采样的信号强度为100dBm,当存在30个人的时候有,A位置采样的信号强度为80dBm。
在有AP存在的环境中,到AP的距离和AP信号覆盖区域内人的数量共同影响了该位置能接收到AP信号的状况,因此,在公交车、地铁、教室、图书馆、博物馆、商场等人员数量对AP信号影响比较明显的固定场所,可以通过建立人群对AP信号强度的影响建立一定的人群拥挤度模型,通过实时信号的匹配,从而估计出AP所在区域中有多少人数,给消费者或者管理者提供参考信息;这些地方可以根据座位数量或者额定容纳人数、最大容纳人员数量划分为几个人群拥挤度等级,每个人群拥挤度等级都对应着不同的人数区间。
本发明为了实现对人群拥挤程度的测量,主要包含两个阶段:
1)建立人群拥挤度对应关系表阶段:该阶段需要终端采样信号,为AP信号覆盖区域内不同的人群拥挤度等级采样相应的信号,服务器根据信号参数化的数学统计参数构建能够表达某一位置上描述不同人群拥挤度的一系列函数,建立出一个人群拥挤度对应关系表。
2)实时测量人群拥挤度等级阶段:该阶段需要终端采样信号,服务器将信号或信号参数化后数据代入对应表按照一定规则进行查找,查找到目标函数,从而根据目标函数对应的人群拥挤度等级来确定AP信号覆盖区域内实时的拥挤度等级。
具体的实现方式请参见以下实施例,以下实施例中提到的离线建立人群拥挤度对应关系表阶段的终端和实时测量人群拥挤度等级阶段的终端同是终端,可以是手机、平板、车载电脑等,只是应用的时机不同而已,两者即可以是不同终端,也可以是相同的终端。
请参阅图2,图2为本发明实施例中一种人群拥挤度对应关系表的构建数据获取方法的流程图。根据本发明实施例的一个方面,提供一种人群拥挤度对应关系表的构建数据获取方法,该方法包括:
S101:在每一个人群拥挤度等级的维度下,在采样位置上对接入点的信号进行采样得到接入点的信号强度值;不同的人群拥挤度等级表示接入点的信号覆盖区域内存在不同数量范围的人。
在具体实现中,通常终端在每一个人群拥挤度等级的维度下分别采样AP的n个信号强度值;接入点的信号覆盖区域内的人群拥挤度可以包括M个等级,M和n均为自然数,一般M大于1,n大于20;作为可选的,每个人群拥挤度等级的维度下分别采样AP的信号强度值的个数也可以不同。
S102:对每一个人群拥挤度等级的维度下采样得到的接入点的信号强度值进行数学统计得到数学统计参数。
S103:测算采样位置到接入点的距离。
实质上等同于在采样位置上测算终端到接入点的距离。
S104:将用于构建人群拥挤度对应关系表的所述数学统计参数和所述距离告知给服务器。
在具体实现中,S101中的采样位置在接入点的信号覆盖区域内存在至少一个,采样位置的多少和所要测量的空间的大小有关,如空间狭小的公交车可能不超过10个采样位置,教室等空间较大的区域可能要20个采样位置,商场则需要更多的采样位置;采样位置由针对具体空间的具体采样规则确定,或者由采样精度确定,总之采样位置的选定是为了保证不同采样位置对同一人群拥挤度所采集的信号强度值有所区分,以使后续构造的函数分布状态能够有所区别。采样位置的确定方法可以采用网格法,即在接入点的信号覆盖区域内根据采样精度设立采样网格,采样精度越高,采样网格的面积越小,采样网格上的每个节点或每个采样网格的中心点都可以作为一个采样位置,通常采样网格为正方形,面积一般在1平方米以上;为了更好地利用AP信号的球形发射特性,本发明可以适应性地选取圆环法选择采样位置,在接入点的信号覆盖区域内根据采样精度设立采样圆环,采样精度越高,采样圆环的间隔越小,每一个采样圆环上至少存在一个采样位置,同一个圆环上的采样位置到AP的距离相同,即以AP的投影为圆心划分圆环,通常相邻圆环的距离间隔大于1米,最精简的采样方式中每个圆环上有且仅有一个采样位置。若条件允许,想构造更大的对应表,则每个圆环上可以等间隔地设定采样位置,间隔的圆弧长度大于1米;具体的实例可以参见图9的实施例。
人群拥挤度等级的划分由用户的需求来确定,如空间内存在多少人员时是闲置、少量、定量、过量等级,每个拥挤度都对应着不同的但彼此连续的人数区间,如S1等级(0-10)人,S2等级(11-20)人,S3等级(21-30)人。AP为根据预定的规则在接入点信号覆盖区域中选择的一个信号最稳定的AP,所谓最稳定就是在使用期间,排除时间以外的因素影响,发射信号的本征状态不随时间变化而变化,通常可以由运营商进行布置或者管理机构进行相应的布置;对于特殊的需求,也可以选择信号最强的AP作为可以采样的AP。
采样终端在AP信号覆盖的区域内,能够扫描到该区域内所有AP的信号,而为了完成测量人群拥挤度的目的,本发明只需对AP的信号强度值进行采样。按照预定的规则在带测量的区域内排布好与拥挤度等级相应的人数,通常取中间值,如S1等级对应的人数区间为(0-20),则可以在接入点信号覆盖区域安排10个人进行AP信号强度的采样,采样可以在预定的采样位置采样,也可以随机地在一些方便采样的采样位置上进行,在一个采样位置上,采样信号的个数n通常大于20,n值越大,后续的计算也会更精确;采样信号的方式也是比较灵活的,可以短时间之内在一个位置上进行连续采样,也可以在一个位置上每一种特殊的人群分布情况下各采样一个或多个信号;采样到n个信号后,对这n个信号进行参数化处理,统计出来数学统计参数;在统计数学统计参数的同时还可以参考信号传播模型,获得采样位置到AP的距离:
其中WAF表示从终端到AP的墙壁因子,若是室内空间可以设置为0;P(d)[dBm]为在终端实时采样到的信号强度;P(d0)[dBm]和d0是一个常量参考值,可以取人群拥挤度对应关系表中离AP最近的距离及其对应的信号强度;将上面的值带入公式,求出的d即为终端到AP的距离,即距离。终端将描述该采样位置的距离以及描述该位置上人群拥挤度等级的数学统计参数告知给服务器。作为可选的,终端可以只将用于计算距离的信号强度值发送给服务器,服务器端接收到信号强度值之后计算出终端到服务器的距离。
如果还有更多的采样位置,则循环上述采样、统计、测算和告知过程。
可选的,在上述提到的对这n个信号强度值进行参数化处理,获得数学统计参数的方式包括:将这n个信号强度值参数化为均值和方差,参数化公式如下:
其中n代表采样所述AP信号强度值的个数,s(j)为采样的所述AP信号强度值,j为整数,且j∈[1,n],表示均值,表示方差。
作为可选的,在上述提到的对这n个信号强度值,如果是在不同条件下采集到的,那么首先将这n个信号强度值进行分组,例如某一个人群拥挤度下采集了n=500个信号强度值;实际是分10种人群排布方式下,每种人群排布方式下采集了50个信号强度值得到的;也可能是到接入点距离相同的采样位置有10个,每一个采样位置采集了50个信号强度值得到的。那么将这500个信号强度值分为10组,每一组有50个信号强度值,对每一组的50个信号都进行一次数学统计,计算出一组均值和方差,进而构造出一个匹配函数,该匹配函数与该函数来源的那一组数据对应同一个人群拥挤度等级。
在具体实现过程中,采样位置的确定还可以根据后续参数化得到的数学统计参数进行调整,使得不同采样位置对同一个拥挤度的数学统计参数尽量差异化。
本实施例中提供了一种人群拥挤度对应关系表的构建数据获取方法,通过终端对AP信号进行采样和统计,采样终端将描述该采样位置的距离以及描述该位置上人群拥挤度等级的数学统计参数告知给服务器,为服务器构建人群拥挤度对应关系表提供数据基础。利用现场布置的接入点,无需利用取景设备识别出每个人的信息,有很高的易用性。
请参阅图3,图3为本发明实施例中一种构建人群拥挤度对应关系表的方法的流程图。根据本发明实施例的一个方面,提供一种构建人群拥挤度对应关系表的方法,该方法包括:
S201:确认采样位置到接入点的距离;
S202:获得每一个人群拥挤度等级下的接入点信号强度值的数学统计参数;接入点信号强度值是终端在采样位置对接入点的信号采样得到的,不同的人群拥挤度等级表示接入点的信号覆盖区域内存在不同数量范围的人;
S203:根据上述数学统计参数构建至少一个匹配函数,每一个匹配函数对应一个人群拥挤度等级,且每一个匹配函数都对应上述距离;
S204:针对每一个采样位置遍历S201-S203步骤,获得每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数;根据每个采样位置对应的距离和每个人群拥挤度等级下的匹配函数,构建人群拥挤度对应关系表,人群拥挤度对应关系表包含距离、匹配函数以及人群拥挤度等级的对应关系。
其中,距离为终端在采样位置采样时到AP的距离,AP的信号覆盖区域为接入点信号覆盖区域。
在具体实现过程中,数学统计参数可以是均值和方差,服务器可以根据均值、方差和构建概率分布函数的类型来构建概率分布函数,例如按照下列公式获得相应的高斯分布函数,所述高斯分布函数能够表示在采样位置上测得所述AP覆盖区域的人群拥挤度等级;其中,为均值,为方差,f(x)为由和确定的高斯分布函数,表示概率,x表示所述AP的信号强度值。
服务器可以将描述拥挤度等级的高斯函数以及相应描述的拥挤度等级、和相应的采样位置到AP的距离三者建立对应关系,可选地,可以建立如同图4一样的数据表,图4为本发明实施例中一种构建人群拥挤度的对应表模型图;其中若采样位置到AP的距离相同的采样位置有多个,还可以按照距离相等将它们合并到一个距离中,以精简数据表。
最简单的对应表是距离、人群拥挤度等级、概率分布函数一一对应。其中所有的采样距离各自互不相同,对于任意一个距离下的任何一个人群拥挤度等级,获得的接入点信号强度值的数学统计参数都有且只有一组均值和方差,那么对于任意一个距离下的任何一个人群拥挤度等级有且仅能构建出一个概率分布函数,作为匹配函数。
如果为了让对应表的信息量更庞大更准确,则每个位置多次采样或者随机排布人群进行多次采样,或者存在距离相同的采样位置,则就会出现数据的合并,在合并过程中,每个距离的每一个人群拥挤度都会产生相应的函数簇。例如对于任意一个距离下的任何一个人群拥挤度等级,获得的接入点信号强度值的数学统计参数至少有两组均值和方差,那么对于任意一个距离下的任何一个人群拥挤度等级能够构建出一簇概率分布函数,作为匹配函数,此时就有多个函数同时对应同一个距离下的同一个人群拥挤度等级。
在具体实现中,概率分布函数包括高斯分布函数、或卡方分布函数、或t分布函数,所选择的函数类型由采样需求来确定,例如如果想让总体的分布更为精确,还可以采用卡方分布、t分布,其中卡方分布用于评估方差的可信度,t分布用于评估均值的可信度,卡方分布和t分布都是建立在高斯分布函数的基础上,使均值和方差更为精确的分布函数,卡方分布和t分布都是为了进一步根据样本得到更精确的高斯函数。
当然,为了保证数据的适应性,也为了排除一些非人员影响因素,因此这种建立人群拥挤度对应关系表是会经常重复进行的,可以按照需求进行数据的刷新,重新建立更符合当下环境条件的人群拥挤度对应关系表。
本实施例中提供了一种构建人群拥挤度对应关系表的方法,通过执行S201-S204,可以在每一个距离对应的每个人群拥挤度等级下,都得到一个函数或函数簇;使得利用一个距离和一个函数就可以唯一确定出一个人群拥挤度等级,因此对应表可以用来通过距离和匹配函数来进行匹配得到人群拥挤度等级。无需布置和维护专门的硬件设备,依靠建立人群拥挤度对应关系表就把能够表达人群拥挤等级的信息建立起来,具有极大的易用性,易于推广。
请参阅图5,图5为本发明实施例中一种人群拥挤度的匹配数据获取方法的流程图。根据本发明实施例的一个方面,提供一种人群拥挤度的匹配数据获取方法,该方法包括:
S301:在对接入点的信号进行采样得到接入点的信号强度值;
S302:对接入点的信号强度值进行数学统计得到数学统计参数;
S303:测算当前采样位置到接入点的距离;
S304:将距离和数学统计参数告知服务器,以使服务器根据距离和数学统计参数在人群拥挤度对应关系表中获得接入点的信号覆盖区域内的人群拥挤度等级。
终端在接入点的信号覆盖区域内,同样能够扫描到该区域内所有AP的信号,而为了完成测量人群拥挤度的目的,为了匹配人群拥挤度对应关系表,终端只需对AP的信号强度值进行采样。AP为根据预定的规则在接入点信号覆盖区域中选择的一个信号最稳定的AP或信号强度最强的AP,实时采样的AP与待匹配的人群拥挤度对应关系表中的AP为同一个。
终端所在的位置可以在AP信号覆盖的区域内的任何一个位置上,终端采样信号的方式可以有多重方案,本发明中可选的匹配参数可以是采样AP一个信号强度值,或者采样AP多个信号强度值,或者采样AP多个信号强度值后将其参数化。可选的参数化包括根据采样的多个信号变换为相应的均值和方差,参数化公式如(2)、(3)。
在获得数学统计参数的同时还可以参考信号传播模型,获得实时采样位置到AP的距离,即终端在采样位置时到AP的距离,计算距离的方法如同上述图2的实施例中所提到的计算距离方法,具体参见公式(1)。
本实施例中提供了一种人群拥挤度的实时数据获取方法,通过执行S301-S304,实时采样终端将获取到的实时采样位置到AP的距离以及AP信号强度值的匹配参数一同发送给服务器,该距离和匹配参数都是表征了接入点信号覆盖区域的实时状态信息,为匹配人群拥挤度对应关系表提供实时匹配条件。依靠用户所携带终端即可完成检测,通过对现场接入点的信号强度的采集,无需装配任何专门取景装置,就可以把人群拥挤度在接入点信号覆盖区域的反映信息记录下来,计算量小,易用性好。
请参阅图6,图6为本发明实施例中一种测量人群拥挤度的方法的流程图。根据本发明实施例的一个方面,提供一种实时匹配人群拥挤度的方法,该方法包括:
S401:获得终端采样的接入点信号强度值的数学统计参数;
S402:获得终端到接入点的距离;
S403:在人群拥挤度对应关系表中查找与上述距离最接近的样本距离;该人群拥挤度对应关系表包含样本距离、匹配函数以及人群拥挤度等级的对应关系,样本距离对应至少一个匹配函数,每个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示接入点的信号覆盖区域内存在不同数量范围的人;
S404:根据数学统计参数在样本距离对应的所有匹配函数中选择出目标函数;
S405:根据对应关系得到目标函数对应的人群拥挤度等级,目标函数对应的人群拥挤度等级用于指示接入点的信号覆盖区域内的人群拥挤度。
在具体实现中,服务器接收到终端发送的采样位置到AP的距离后,在人群拥挤度对应关系表中首先查找到与该距离最接近的样本距离,这个最接近的样本距离在对应表中对应有一个函数组,该函数组在每个人群拥挤度等级下都有至少一个函数,或是一个函数、或是一簇函数,此时服务器还需要根据接收到的数学统计参数在函数组中进行进一步匹配;倘若服务器中的人群拥挤度对应关系表中的函数为概率分布函数,有至少以下四种选择目标函数的方法,概率分布函数以高斯函数为例:
1)若数学统计参数为AP的一个信号强度值,服务器将这个AP信号强度值代入函数组中的所有函数计算函数值,即计算概率,取概率值结果最大的函数作为目标函数,目标函数在函数人群拥挤度对应关系表中对应的人群拥挤度等级即接入点的信号覆盖区域的实时人群拥挤度等级。
2)若数学统计参数为AP多个信号强度值的均值和方差,服务器根据均值和方差构建实时高斯函数,具体参见公式(4),按照数学匹配方法在函数组中查找出与该实时高斯函数分布状态最接近的函数作为目标函数,该目标函数在人群拥挤度对应关系表中对应的人群拥挤度等级即接入点的信号覆盖区域的实时人群拥挤度等级。
3)若数学统计参数为AP多个信号强度值的均值,服务器将均值代入函数组中的所有函数计算函数值,即计算概率,取概率值结果最大的函数作为目标函数,目标函数在人群拥挤度对应关系表中对应的人群拥挤度等级可以作为接入点的信号覆盖区域的实时人群拥挤度等级。
4)若数学统计参数为AP的n个信号强度值,服务器将根据AP这n个信号强度值先通过公式(2)(3)将n个信号强度值变为相应的均值和方差,再根据公式(4)构建实时高斯函数,按照数学匹配方法在函数组中查找出与实时高斯函数分布状态最接近的函数作为目标函数,该目标函数在人群拥挤度对应关系表中对应的人群拥挤度等级即可用来指示接入点的信号覆盖区域的实时人群拥挤度等级。
在以上2)和4)两个情形下,数学匹配方法有很多种,概率分布函数之间的匹配可以采用巴氏距离(Bhattacharyya distance)进行匹配,假设p、q为两个待比较的高斯分布函数模型,计算公式为:
DB(p,q)=-ln[BC(p,q)] (5)
(若p、q连续) (6)
0<<BC<<1, 0<<DB<<∞
通过匹配,使DB(p,q)的值最小,可以在人群拥挤度对应关系表中找到函数状态最接近的匹配函数,作为目标函数。
在另一种具体实现方式中,可以在接入点信号覆盖区域内设置有专门的采样终端,该采样终端到接入点的距离是固定不变的,那么此时服务器获得的终端到接入点的距离可以是事先存在于人群拥挤度对应表中的,无需通过测算信号进行测量出距离。
在具体实现过程中,若恰巧遇到与实时距离最接近的样本距离有两个以上,且人群拥挤度对应关系表没有对相同的距离进行合并,则方法1)~方法4)适用于所有最接近的样本距离对应的函数组。
服务器根据目标函数和最接近的距离就可以在人群拥挤度对应关系表中唯一匹配出来一个人群拥挤度等级,如果接收到查询终端的人群拥挤度等级查询请求时,服务器将最新实时匹配出的人群拥挤度等级发送给查询终端,并且可以不断刷新实时匹配结果。
本实施例中提供了一种实时匹配人群拥挤度的方法,通过接收到实时的距离和数学统计参数,可以在人群拥挤度对应关系表的对应关系中间接地选择出来最匹配的目标函数,进而对应出人群拥挤度等级,以反映出接入点的信号覆盖区域的实时人群拥挤度的情况。通过接入点信号覆盖区域内的实时信号信息,就能够再通过小计算量的匹配得到人群拥挤度等级,无需外部专门的芯片进行超大计算量的计算,外界干扰因素较少,易于推广。
请参阅图7,图7为本发明实施例中一种网格采样法实现测量人群拥挤度的方案。随着无线网技术的大力普及,本方法可以应用在公交、地铁等运输***,也可以用于机场、商场、电影院、图书馆、教室、体育场、博物馆等,只要在这些区域内布置了AP即可。以一台装有AP(如chinanet)的公交车为例,测量人群拥挤度的方法可以分为两个阶段:
1)离线建立人群拥挤度对应关系表阶段:
首先保证用于采样的手机、平板等终端打开了WLAN功能,能够接收公交车中设立的AP的信号,并且可以通过连接AP本身或通过终端的移动数据连接到网络,向服务器发送数据。
公交车内按照采样规则分为若干个采样位置,采样规则可以是将公交车分为同等大小的方形网格,所有网格可以整体变换平移,因为采样位置相对于同一个AP位置都是相对的,通常网格可以取正方形,每个采样正方形网格大于1m2,每个网格的中心位置或者节点都可以作为采样的位置,假设该公交车中可以分为A1-A6共6个网格。
确保上述终端在每一个网格都能够接收到AP的信号,并且将终端置于网格的中心点,终端在通过其中的无限网卡驱动模块获得AP信号时,能够测算出终端到AP的距离,即网格中心点到AP的距离,本实施例中也可以称为离线距离;终端到AP的距离可参考信号传播模型,通过上述公式(1)求出。
按照划分规则将人群拥挤度划分等级,具体的划分规则可以是按照公交车的型号大小、公交车的座位数、或者核载人数划分,划分的等级个数根据用户需求来确定。例如一个公交车有座位20个,可以将该公交车的人群拥挤度分为4个等级:S1,1-20人;S2,20-40人,S3,40-60人;S4,60人以上。
安排合适数量人员分别构成每个人群拥挤度,只要人数对应在相应的人群拥挤度等级人数区间内都是满足条件的,如分别在该公交车上安排10人、30人、50人、70人,分别表征公交车的S1-S4这4个等级的人群拥挤度;然后在各人群拥挤度下在每个网格进行采样,为了达到一定的精确度,每个网格采样要取尽可能多的样本,例如取20个信号强度值。对样本构建概率分布函数,构建分布函数的模型有很多种,常用的有高斯分布、卡方分布、t分布等。后面的实施例均以计算量较小的高斯分布为例。
例如:先定位在A1网格采样,安排10人以站法1排列,以模拟代表S1级别的人群拥挤程度,采样A1的信号20次,将这20个信号强度值按照下列公式(2)、(3)统计出均值和方差。
得出后,这10个人以不同的随机站法2、站法3……、站法25,统计出一簇可以表征网格A1上反映公交车内S1级拥挤度的数学统计参数;同理接下来继续安排30人、50人、70人,采用同上采样方法,构建出一簇可以表征网格A1上反映公交车内S2级人群拥挤度的数学统计参数;
一簇可以表征网格A1上反映公交车内S3级人群拥挤度的数学统计参数;
一簇可以表征网格A1上反映公交车内S4级人群拥挤度的数学统计参数。
按照对A1网格的采样方法,依次对A2、A3……A6网格进行采样,得到如下数学统计参数组:
A1组:
A2组:
……
A6组:
在采样信号强度时,终端同时采样了距离,A1、A2……、A6的距离分别对应着D1、D2……、D6。
至此,每个网格对整个公交车内4种人群拥挤度等级表征的数学统计参数已经分别确定出来,此时终端将每个网格的采样位置到接入点的距离以及每个采样位置对应的数学统计参数组发送给服务器,采样位置到接入点的距离实际等同于终端在每个采样位置上测得的终端到接入点的距离。
服务器接收到每个采样位置到接入点的距离以及每个网格对应的数学统计参数,根据公式(4),将数学统计参数构造成为可以表征每个网格中采样位置上反应公交车内不同人群拥挤度等级状态的高斯分布函数;
根据构建出一个高斯分布函数f(A1-S1-1);同理统计出f(A1-S1-1)、f(A1-S1-2)……f(A1-S1-25),这25个函数构成一簇函数f(A1-S1),该簇函数可以表征网格A1上反应公交车内S1级拥挤度的状态。
同理接下来继续安排30人、50人、70人时的采用同上采样方法,构建出:
f(A1-S2-1)、f(A1-S2-2)……f(A1-S2-25)一簇函数f(A1-S2),该簇函数可以表征网格A1上反映公交车内S2级人群拥挤度的状态;
f(A1-S3-1)、f(A1-S3-2)……f(A1-S3-25)一簇函数f(A1-S3),该簇函数可以表征网格A1上反映公交车内S3级人群拥挤度的状态;
f(A1-S4-1)、f(A1-S4-2)……f(A1-S4-25)一簇函数f(A1-S4),该簇函数可以表征网格A1上反映公交车内S4级人群拥挤度的状态。
按照对A1网格的构造高斯函数方法,依次对A2、A3……A6网格进行构造函数,得到如下函数组:
A1组:f(A1-S1)f(A1-S2)f(A1-S3)f(A1-S4);
A2组:f(A2-S1)f(A2-S2)f(A2-S3)f(A2-S4);
……
A6组:f(A6-S1)f(A6-S2)f(A6-S3)f(A6-S4)。
在构造高斯分布函数时,同时对应着相应的距离,A1、A2……、A6的距离分别对应着D1、D2……、D6。将每个采样网格到接入点的距离、人群拥挤度、高斯分布函数簇保存到对应关系表里,可以构建得出高斯分布函数与拥挤度的对应关系表模型,其中距离相同的函数可以合并在一组,也可以独立存在,生成类似如图4所示的对应关系表格,完成人群拥挤度对应关系表的构造。
在具体实现过程中,终端也可以直接计算出反映拥挤度的高斯分布函数,将函数以及对应采样位置的距离发送到服务器,由服务器直接构建函数与人群拥挤度等级的对应表模型,其中距离相同的函数模型可以合并在一起,也可以独立存在,生成类似如图4所示的表格,完成人群拥挤度对应关系表的构造。
该种方式离线采样数据庞大,获得的数据更精确。
2)实时测量人群拥挤度等级阶段:
在上述公交车中有用户使用终端时,或者公交车内固定载有专门的测量终端,当终端打开了无线连接(WLAN)功能,则终端可以利用内置的无线网卡采样到公交车内AP的信号,并且能够得到终端到AP的距离d;此时终端不必连接无线网就能够扫描和采集该处的AP信号强度,但终端需要连接任意无线网或开启移动数据以使终端能够连接到网络,与服务器进行通信。
可参考信号传播模型,通过上述公式(1)求出终端到AP的距离,即当前所在采样位置到AP的距离。
终端在某一时刻连续采样AP信号强度,假设采样20次,终端将这20个信号强度值按照公式(2)、(3)统计出均值和方差;
终端上将实时采样的方差、均值和终端到AP的距离发送到服务器。
服务器接收到实时采样的方差、均值,根据上述公式(4)构造出待分析概率分布的分布函数ft1,服务器在人群拥挤度对应关系表中D1-D6中匹配出与d最接近的距离,比如D5,那么将ft1与D5(或A5)对应的所有的函数进行匹配,找出函数状态最接近的匹配函数,匹配方式有很多,概率分布函数模型之间的匹配可以采用巴氏距离(Bhattacharyya distance)进行匹配,假设p、q为两个待比较的高斯模型,比较方法如上述公式(5)、(6),通过匹配,使DB(p,q)的值最小,可以在人群拥挤度对应关系表中找到与待比对概率分布函数最接近的匹配函数,通过该匹配函数就可以对应出来一个人群拥挤度等级;例如ft1通过匹配后与人群拥挤度对应关系表中的f(A5-S4-24)最为匹配,那么可以认为实时采样的结果表明现在公交车内的人群拥挤度等级为S4,可以估计出公交车上的人数在60人以上。
假设刷新时间为5s,一分钟内可以测量12次,那么可以匹配多次,取其中的众数,更准确地评估拥挤度,如1分钟内由于人员的流动,会产生部分变化,若12次中有11次S4,1次S3,那么就可以认为人群拥挤度等级为S4,即公交车上人数仍然在60人以上,用户可以根据实时刷新的数据,以时间最近采集的数据为准。
服务器不断地根据新的实时采样数据进行对比和刷新,若有正在等待公交车的用户或者公交车的管理人员想要调取该公交车的人群拥挤度数据,可以向服务器发布信息请求,服务器可以将最新的人群拥挤度等级测量结果直接发送到查询终端,告知用户或者管理人员车上的人员数量范围区间,并且可以根据用户需求多次反馈刷新。如上述测得人群拥挤度等级为S4,则用户可以根据拥挤结果选择其他合适的出行方式。
通常公交车内只有一个AP,如果空间内存在多个AP时,可以选取信号最稳定的一个AP,也可以自己布置或者选取现场最稳定的AP作为AP,如chinanet。信号最稳定并不意味信号最强,而是信号强度在一定的区域内稳定,在排除其他因素影响的前提下,不受时间因素的影响。
请参阅图8,图8为本发明实施例中一种圆环采样法实现测量人群拥挤度的方案。以一装有AP的教室为例,该方案具体实现如下,仍然可以分为两个阶段:(1)离线建立人群拥挤度对应关系表阶段:
教室内按照采样规则分为若干个采样位置,采样规则可以是:在教室地面上以AP在地面的投影点为圆心每隔2m做个圆环,在教室内地面的每个圆周上每隔相等圆弧距离取采样位置,例如相隔2米,上述终端在每一个采样位置都能够接收到AP的信号,并且将终端置于采样位置,终端能够通过其中的无限网卡驱动模块获得终端到AP的距离,即采样位置到AP的距离,本实施例中也可以称为离线距离;例如该教室按照采样规则可以分为B1-B16共16个采样位置。
按照划分规则将人群拥挤度划分等级,具体的划分规则可以是按照教室的大小、教室的座位数、或者能够容纳人数划分,划分的等级个数根据教室管理需求来确定。例如一个教室有座位120个,可以将该教室的人群拥挤度分为4个等级:S1,1-30人;S2,31-60人;S3,61-90人;S4,90人以上。
安排合适数量人员分别表示每个人群拥挤度,如分别在该教室上安排15人、45人、75人、105人,分别表征教室的S1-S4这4个等级的人群拥挤度,通常取人数区间的中间值,使得模拟的计算结构正负误差保持平衡,以避免跨区间误差带来的评级难度,例如若以30人代表S1,那么33人时的函数状态会比20人时的函数状态更接近30人时的函数状态,因此会把33人划归到S1级别而带来错误的估计。
在每个人群拥挤度等级下在每个采样位置上进行采样。在该采样位置上对AP的信号强度值构建概率分布函数,即在该距离下对AP的信号强度值构建概率分布函数,概率分布函数的模型有很多种,仍以计算量较小的高斯分布为例。例如:我们可以先定位在B1采样位置,安排15人以站法1排列,采样B1的信号1次,这15个人再以不同的随机站法2、站法3……、站法25排列并采样,共采样AP的25个信号强度值;将这25个信号强度值按照公式(2)、(3)统计出均值和方差
得出后,同理接下来继续安排45人、75人、105人,采用同上采样方法,得到它们可以表征采样位置B1上反映公交车内S2级、S3级、S4级人群拥挤度的数学统计参数。
按照对B1的采样方法,依次对B2、B3……B16采样位置上进行采样,得到如下数学统计参数组:
B1组:
B2组:
……
B16组
在采样位置采样信号强度时,终端也测算了终端到AP的距离,采样位置B1、B2……、B16到AP的距离分别对应着L1、L2……、L16。
至此,每个采样位置对整个公交车内4种人群拥挤度等级表征的数学统计参数组已经分别确定出来,此时终端将每个采样位置到AP的距离以及每个采样位置对应的数学统计参数组发送给服务器。
服务器接收到每个采样位置到AP的距离以及每个采样位置对应的数学统计参数组,根据公式(4),将数学统计参数构造成为可以表征每个网格上反映公交车内不同拥挤度等级状态的高斯分布函数;根据构建出一个高斯分布函数f(B1-S1);该函数可以表征采样位置B1上反映教室内S1级人群拥挤度的状态。同理统计出f(B1-S2)、f(B1-S3)、f(B1-S4),分别可以表征采样位置B1上反映公交车内S2级、S3级、S4级人群拥挤度的状态。
按照对采样位置B1的构造高斯函数方法,依次对采样位置B2、B3……B16进行构造函数,得到如下函数:
B1组:f(B1-S1)f(B1-S2)f(B1-S3)f(B1-S4);
B2组:f(B2-S1)f(B2-S2)f(B2-S3)f(B2-S4);
……
B16组:f(B16-S1)f(B16-S2)f(B16-S3)f(B16-S4)。
至此,每个采样位置对整个教室内4种人群拥挤度表征的高斯分布函数组已经分别确定出来。在构造高斯分布函数时,同时对应着采样位置到接入点的距离,B1、B2……、B16的距离分别对应着D1、D2……、D16。将每个采样位置到接入点的距离、人群拥挤度、高斯分布函数(组)的对应关系保存到人群拥挤度对应关系表里,可以构建得出高斯分布函数与人群拥挤度等级的对应表模型,其中距离相同的函数模型可以合并在一起,生成类似如图4所示的对应关系表,完成人群拥挤度等级对应关系表的构造。
值得注意的是,这种圆环法实现测量人群拥挤度的方案生成的人群拥挤度等级对应关系表,一般来说每个距离下每个拥挤度下的函数个数与该距离的圆周上采样位置的数量相同,最简单的采样方式就是每个圆周上有且仅取一个采样位置,因为圆环法方法本身符合AP的信号球形发射分布特性,不同人员的站法排列能够能符合概率分布的随机特性,将某一距离对应的不同人群拥挤度表现出来;在圆周上的一个采样位置对同一人数进行越多的随机排布,则该采样位置的分布状态能够等效该圆环上所有的采样位置对同等人数的概率评估。
在具体实现过程中,终端也可以直接计算出对应人群拥挤度等级的高斯函数组,将该函数组以及对应网格的离线距离发送到服务器,由服务器直接构建高斯分布函数组与人群拥挤度等级的关系对应表模型,其中距离相同的函数模型可以合并在一起,生成类似如图4所示的表格,完成人群拥挤度对应关系表的构造。
该种方式离线采样量小,获得的数据符合概率统计规律。
(2)实时测量人群拥挤度等级阶段:
在上述教室中有用户使用终端时,或安装了一个测量终端,若终端打开了无线连接功能,则终端可以利用内置的无线网卡搜索到教室内AP的信号并能够进行采样,终端才采样信号的同时能够得到终端到AP的距离l,即当前采样的位置到AP的距离l;此时用户不必连接AP就能够采样该处的AP信号强度值,但用户需要连接无线网或开启移动数据以使终端能够连接到网络,与服务器进行通信。
终端在某一时刻连续采样AP信号强度,假设采样20次,终端将这20个信号强度值按照上述公式(2)、(3)统计出均值和方差;终端上将方差、均值和终端到AP的实时距离发送到服务器。
服务器接收到实时采样信号统计出来的方差、均值,根据上述公式(4)构造出实时高斯分布函数fo1,服务器在人群拥挤度对应关系表中L1-L16中匹配出与l最接近的距离,比如L3,那么将fo1与L3,即B3对应的所有高斯函数中进行匹配,找出函数分布状态最接近的目标函数,匹配方式有很多,本实施例仍以采用巴氏距离(Bhattacharyya distance)进行匹配,具体见上述公式(5)、(6);通过匹配,使DB(p,q)的值最小,可以在人群拥挤度对应关系表中选择出最匹配的目标函数,通过目标函数就可以对应出来一个人群拥挤度等级;例如fo1通过匹配后与人群拥挤度对应关系表中的f(B3-S1)最为匹配,那么可以认为实时采样的结果表明现在教室内的人群拥挤度等级为S1级别,可以估计出教室内的人数在30人以下。
假设刷新时间为5s,一分钟内可以测量12次,那么可以匹配多次,取其中的众数,更准确地选举拥挤度,如1分钟内由于人员的流动,会产生部分变化,若12次中有11次S1,1次S2,那么就可以认为人群拥挤度等级为S1。
服务器不断地根据新的实时采样数据进行对比和刷新,若有正在寻找教室的用户或者教室使用的管理人员想要调取该教室的拥挤度数据,可以向服务器发布信息请求,服务器可以将拥挤度的结果直接发送到查询终端,告知用户或者管理人员教室内的人员数量情况,并且可以根据用户需求多次反馈刷新。当教室管理员得知目前所有的教室的人群拥挤度等级都在S4时,则可以考虑增开新的教室以供学生上自习。
在以上图7和图8两种测量人群拥挤度的方案的具体实现中,实时匹配阶段也可以采用一种更为简单的处理方式,以上述计算图书馆的人群拥挤度为例,该实时匹配方法如下:
在上述教室中有用户使用终端时,若打开了WLAN功能,则终端可以利用内置的无线网卡采样到教室内AP的信号,并且能够得到终端到AP的距离L’,即当前采样位置到AP的距离L’;此时终端不必连接AP就能够测量和采样该处的AP信号强度,但终端需要连接任意无线网或开启移动数据以使终端能够连接到网络,与服务器进行通信。
终端在某一时刻采样一个AP信号强度R1,终端上将这一个信号强度和终端到AP的实时距离L’发送到服务器;当然在具体实现过程中,还可以在秒级时间内采集多个信号强度,取均值,将均值和终端到AP的实时距离L’发送到服务器;一个信号强度值和短时间内多个信号强度值的均值,从信号强度的结果表达上看都可以等效为一个信号强度值。
服务器接收到实时采样的信号强度值和实时采样距离L’,服务器在人群拥挤度对应关系表中L1-L16中匹配出与L’最接近的距离,比如L2,那么将R1代入L2对应的高斯分布函数组,即代入B2对应的函数组中的所有高斯分布函数,计算相应的概率,找出概率结果最高的对应函数,通过匹配最高概率,可以在人群拥挤度对应关系表中找到目标函数,通过目标函数就可以对应出来一个人群拥挤度等级;例如计算概率结果最高的函数为人群拥挤度对应关系表中的f(B2-S1),那么可以认为实时采样的结果表明现在教室内的人群拥挤度等级为S1级别,可以估计出教室内的人数在30人以下。
假设刷新时间为0.5s,5s内可以测量10次,那么可以匹配多次,取其中的众数,能更准确地评估人群拥挤度等级,如5s内由于人员的流动,会产生部分变化,若10次中有8次S1,2次S2,那么就可以认为人群拥挤度等级为S1。
结合上述图7和图8的两个实施例场景,只要具有测量人群拥挤度功能的终端打开了无线连接功能,就能够向服务器发布实时采样的数据,而服务器也在实时更新匹配结果,而匹配的时间内一般教室或公交车不会有非常大的变化,即使车内或者室内人员在某一时刻有变化,经过下一次的刷新,结果又会回归准确,因此即使期间存在人员流动误差,也可以通过大量的数据保持测量的准确性;数据更新是实时的,而且持续更新,因此为用户提供了可靠的参照信息。
一旦室外用户或者管理员需要调取结果,可通过终端连接服务器查看空间(即教室或公交)内人群的拥挤度,可以在短时间内更新几次数据以使参照结果更强,并根据人群拥挤度做出自己的决策规划。
综合以上提到的实施例,以及一些本发明中可能出现的技术组合,关于人群拥挤度对应关系表的构建以及实时匹配的方案总结如下。
离线建立人群拥挤度对应关系表的方案:
A1.在某一采样位置的某一个人群拥挤度等级下,终端采集AP的n个信号强度值,将n个信号强度值的均值和方差、采样位置到AP的距离发送给服务器;服务器根据均值和方差构造概率分布函数,服务器根据距离和分布函数构建人群拥挤度对应关系表;
A2.在某一采样位置的某一个人群拥挤度等级下,终端采集AP的n个信号强度值,得到n个信号强度值的均值和方差,根据所述均值和方差构建概率分布函数,将概率分布函数和采样位置到AP的距离发送给服务器;服务器根据距离和分布函数构建人群拥挤度对应关系表。
A3.在某一采样位置的某一个人群拥挤度等级下,终端采集AP的n个信号强度值,将n个信号强度值和采样位置到AP的距离发送给服务器;服务器根据n个信号强度值,得到n个信号强度值的均值和方差,根据均值和方差构建概率分布函数,服务器根据距离和分布函数构建人群拥挤度对应关系表。
其中A1-A3方案中n个信号强度值可以分为至少一组数据,每一组数据都可以对应统计出一组均值和方差,每一组均值和方差都可以对应统计出来一个函数。
实时测量人群拥挤度等级的方案:
B1.终端采集AP的一个信号强度值,将一个信号强度值和当前采样位置到AP的距离发送给服务器;服务器根据实时距离确定出人群拥挤度对应关系表中最接近距离对应的一组概率分布函数,将这一个信号强度值代入到这一组函数中的所有函数中,函数值最大的函数所对应的人群拥挤度等级可作为接入点的信号覆盖区域的实时人群拥挤度等级。
B2.终端采集AP的n个信号强度值,求出这n个信号强度值的均值,将均值和当前采样位置到AP的距离发送给服务器;服务器根据该距离确定出人群拥挤度对应关系表中最接近距离对应的一组概率分布函数,将均值代入到这一组函数中的所有函数中,函数值最大的函数所对应的人群拥挤度等级可作为接入点的信号覆盖区域的实时人群拥挤度等级。
B3.终端采集AP的n个信号强度值,求出这n个信号强度值的均值、方差,将均值、方差和当前采样位置到AP的距离发送给服务器;服务器根据该距离确定出人群拥挤度对应关系表中最接近距离对应的一组函数,服务器根据均值和方差构建概率分布函数,利用预定的数学匹配规则将得到的概率分布函数与这一组函数中的函数进行匹配,找到状态最接近的函数作为目标函数,目标函数所对应的人群拥挤度等级可作为接入点的信号覆盖区域的实时人群拥挤度等级。
B4.终端采集AP的n个信号强度值,求出这n个信号强度值的均值、方差,并根据均值和方差构建概率分布函数,将该概率分布函数以及当前采样位置到AP的距离发送给服务器;服务器根据该距离确定出人群拥挤度对应关系表中最接近距离对应的一组函数,利用预定的数学匹配规则将得到的概率分布函数与一组函数中的所有函数进行比对,找到状态最接近的函数作为目标函数,目标函数所对应的人群拥挤度等级可作为接入点的信号覆盖区域的实时人群拥挤度等级。
B5.终端采集AP的n个信号强度值,将这n个信号强度值、当前采样位置到AP的距离发送给服务器;服务器根据这n个信号强度值可以得到均值、方差、或概率分布函数等,根据采样距离确定出人群拥挤度对应关系表中最接近距离对应的一组函数,可以通过在一组函数中代入均值、或匹配概率分布函数得到目标函数,目标函数所对应的人群拥挤度等级可作为接入点的信号覆盖区域的实时人群拥挤度等级。
以上列举的方案中,A1-A3中的任意一种实现方式可以与B1-B5中的任何一种实现方式自由组合。值得一提的是在A1-A3中提到的采集n个信号的采样规则也有很多种,最精简的一种方式即取不同的距离下,每个距离每个拥挤度随机排布相应人数n次,每次采集一个信号,共采集n个信号,该n个信号不涉及到分组;此外为了使数据更精确,可以使采样距离差距变小,可以适当增多采样的次数,可以适当地选取同一个采样距离的不同位置,可以适当地增加排布的方式等。
请参阅图9,图9为本发明实施例中一种人群拥挤度对应关系表的构建数据获取装置示意图。根据本发明实施例的一个方面,提供一种人群拥挤度对应关系表的构建数据获取装置,该装置500包括:
采样模块501,用于在每一个人群拥挤度等级的维度下,在采样位置上对接入点的信号进行采样得到接入点的信号强度值;不同的人群拥挤度等级表示接入点的信号覆盖区域内存在不同数量范围的人;
统计模块502,用于对采样模块501在每一个人群拥挤度等级的维度下采样得到的接入点的信号强度值进行数学统计得到数学统计参数,数学统计参数用于构建人群拥挤度对应关系表;
测算模块503,用于测算采样位置到接入点的距离,该距离用于构建人群拥挤度对应关系表;
告知模块504,用于将统计模块502得到的数学统计参数和测算模块503得到的距离告知给服务器。
接入点的信号覆盖区域可以有M个人群拥挤度等级,每个人群拥挤度等级分别表示接入点的信号覆盖区域内存在不同数量范围的人数,AP可以是接入点的信号覆盖区域中信号最稳定的一个AP,M一般大于1。
统计模块502可以具体用于将采样模块501得到的接入点的信号强度值按照公式(2)、(3)计算出至少一组均值和方差,每一组均值和方差用于构建匹配拥挤度等级的人群拥挤度对应关系表中的匹配函数;测算取模块503还可以用于按照上述公式(1)来获取采样位置到AP的距离。
对于更多其他的采样位置,则上述模块分别循环上述采样、统计、测算、和告知的过程。
本实施例中提供了一种人群拥挤度的离线数据获取装置,通过采样模块501对AP信号进行采样,统计模块502获得描述该位置上人群拥挤度的数学统计参数。测算模块503获得描述该采样位置的距离,告知模块504将数学统计参数和距离发送给服务器,为服务器构建人群拥挤度的对应表提供数据基础。通过对现场接入点的信号强度的采集,简单方便,无需额外布置和维护专门的硬件设备,节约成本。
请参阅图10,图10为本发明实施例中一种构建人群拥挤度对应关系表的装置示意图。根据本发明实施例的一个方面,提供一种构建人群拥挤度对应关系表的装置,该装置600包括:
距离获得模块601,用于获得采样位置到接入点的距离;
参数获得模块602,用于获得每一个人群拥挤度等级下的接入点信号强度值的数学统计参数;接入点信号强度值是终端在采样位置对所述接入点的信号采样得到的,不同的人群拥挤度等级表示接入点的信号覆盖区域内存在不同数量范围的人;
计算模块603,用于根据参数获得模块602获得的数学统计参数构建至少一个匹配函数,每一个匹配函数对应一个人群拥挤度等级,且每一个匹配函数都对应上述距离;
构建模块604,用于根据距离获得模块601在每个采样位置获得的距离以及计算模块603在每个采样位置得到的对应不同人群拥挤等级的匹配函数,构建人群拥挤度对应关系表,人群拥挤度对应关系表包含距离、匹配函数以及人群拥挤度等级的对应关系。
参数获得模块602具体用于接收所述离线采样终端发送的对应于每一个人群拥挤度等级AP信号强度值的至少一组均值和方差;计算模块603具体用于根据每一组均值和方差构造概率分布函数,将概率分布函数作为匹配函数,如按照公式(4)将均值与方差计算为相应的高斯分布函数,该高斯分布函数能够表示在采样位置上测得AP覆盖区域的人群拥挤度等级;构建模块604用于构建和保存每个人群拥挤度等级、距离和每一个概率分布函数的对应关系,构建如图4所示的匹配拥挤度等级的人群拥挤度对应关系表,将上述距离的维度下所有的概率分布函数构建出一组匹配函数。
本实施例中提供了一种构建人群拥挤度对应关系表的装置,通过距离获得模块601得到距离,通过参数获得模块602得到AP信号强度值的数学统计参数,计算模块603可以在每一个距离下,对应的每个拥挤度下,将参数获得模块602中得到的数学统计参数得到一个函数或函数簇;使得利用一个距离和单个函数就可以直接确定出一个人群拥挤度等级,因此构建模块604构建的对应关系表可以用于通过距离和目标函数来就能匹配人群拥挤度等级。无需复杂的计算,大大提高了易用性。
请参阅图11,图11为本发明实施例中一种人群拥挤度的匹配数据获取装置示意图。根据本发明实施例的一个方面,提供一种人群拥挤度的匹配数据获取装置,该装置700包括:
采样模块701,用于对接入点进行采样得到接入点的信号强度值;
统计模块702,用于对采样模块701采样到的接入点的信号强度值进行数学统计得到数学统计参数;
测算模块703,用于测算当前采样位置到接入点的距离;
告知模块704,用于将测算模块得到的距离和统计模块得到的数学统计参数告知服务器,以使服务器根据上述距离和数学统计参数在人群拥挤度对应关系表中获取接入点的信号覆盖区域内的人群拥挤度等级。
在具体实现过程中,统计模块702可以直接获得采样模块701采样的实时位置上一个AP信号强度值,也可以将采样模块701采样的AP信号强度值按照公式(2)、(3)统计出均值和方差,还可以将采样模块701采样的AP信号强度值按照公式(2)统计出均值。
本实施例中提供了一种人群拥挤度的实时数据获取装置,告知模块704将测算模块703测算的实时采样位置到AP的距离以及统计模块702获取到的数学统计参数一同发送给服务器,提供匹配对应表的实时匹配条件。通过对现场接入点的信号强度的采集,无需利用取景设备识别出每个人的信息,无需布置和维护专门的硬件设备,部署简单,极易推广,节约成本。
请参阅图12,图12为本发明实施例中一种测量人群拥挤度的装置示意图。根据本发明实施例的一个方面,提供一种测量人群拥挤度的的装置,该装置800包括:
参数获得模块801,用于获得终端采样的接入点信号强度值的数学统计参数;
距离获得模块802,用于获得终端到接入点的距离;
查找模块803,用于在人群拥挤度对应关系表中查找与距离获得模块802获得的距离最接近的样本距离;人群拥挤度对应关系表包含样本距离、匹配函数以及人群拥挤度等级的对应关系,样本距离对应至少一个匹配函数,每个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示接入点的信号覆盖区域内存在不同数量范围的人;
选择模块804,用于根据参数获得模块801获得的数学统计参数在样本距离对应的所有匹配函数中选择出目标函数;
对应模块805,用于根据对应关系得到目标函数对应的人群拥挤度等级,目标函数对应的人群拥挤度等级用于指示接入点的信号覆盖区域内的人群拥挤度。
在具体实现过程中,选择模块804具体包括计算单元8041和比对单元8042以及选择单元8043,根据参数获得模块801接收到AP信号数学统计参数的差异,获得目标函数至少包含以下3种情形:
1)当参数获得模块801接收的AP信号强度值的数学统计参数为AP的一个信号强度值时,查找模块803用于在人群拥挤度对应关系表中查找到与该距离最接近的距离对应的匹配函数组,计算单元8041用于将接入点的一个信号强度值代入匹配函数组中的所有匹配函数计算函数值;选择单元8043用于根据计算单元的计算结果将函数值结果最大的匹配函数作为目标函数。
2)当参数获得模块801接收的AP信号强度值的匹配参数为一组均值和方差时,查找模块803用于在人群拥挤度对应关系表中查找到与该距离最接近的距离对应的匹配函数组,若函数组为高斯分布函数组,计算单元8041用于根据上述一组均值和方差按照公式(4)构建实时高斯分布函数,比对单元8042用于将计算单元8041构建的待分析概率函数与样本距离对应的所有匹配函数按照公式公式(5)、(6)进行分布状态比对;选择单元8043用于根据比对单元8042的比对结果选择与实时高斯函数分布状态最接近的函数作为目标函数,目标函数在该人群拥挤度对应关系表中对应的人群拥挤度等级即AP覆盖区域的实时人群拥挤度等级。
3)当参数获得模块801接收的AP信号强度值的数学统计参数为均值时,查找模块803在人群拥挤度对应关系表中查找到与该距离最接近的距离对应的函数组,计算单元8041用于将均值代入匹配函数组中的所有匹配函数计算函数值;选择单元8043用于根据计算单元的计算结果将函数值结果最大的匹配函数作为目标函数。
本发明提供了一种测量人群拥挤度的装置,通过对现场接入点的信号强度的采集,无需利用取景设备识别出每个人的信息;通过距离和接入点信号强度值的统计参数在人群拥挤度对应关系表中进行简单的对应得到人群拥挤度等级,无需复杂的计算;信号强度的采集依靠用户所携带终端即可完成检测,无需布置和维护专门的硬件设备,大大提升了易用性,因此部署简单,极易推广,节约成本。
请参阅图13,图13为本发明实施例中一种构建人群拥挤度对应关系表的***示意图。根据本发明实施例的一个方面,提供一种构建人群拥挤度对应关系表的***,该***900包括:
终端901,服务器902;
终端901包括手机、平板电脑、PC等设备,用于:在每一个人群拥挤度等级的维度下,在采样位置上对接入点信号进行采样得到接入点的信号强度值;不同的人群拥挤度等级表示接入点的信号覆盖区域内存在不同数量范围的人;对每一个人群拥挤度等级的维度下采样得到的接入点的信号强度值进行数学统计得到数学统计参数;测算采样位置到接入点的距离;将用于构建人群拥挤度对应关系表的数学统计参数和距离告知给服务器902;
服务器902用于:获得终端901告知的距离;获得终端901告知的数学统计参数;根据数学统计参数构建至少一个匹配函数,每一个匹配函数对应一个人群拥挤度等级,且每一个匹配函数都对应距离;针对每一个采样位置遍历上述步骤,构建人群拥挤度对应关系表,人群拥挤度对应关系表包含距离、匹配函数以及人群拥挤度等级的对应关系。
本发明提供了一种构建人群拥挤度对应关系表***,能够为测量人群拥挤度提供庞大的人群拥挤度对应关系表。使整个测量人群拥挤的过程中采用匹配的方式进行,无需大量的图像采集信息,无需布置和维护专门的硬件设备,使后期的计算量变得极小,具有很高的易用性。
请参阅图14,图14为本发明实施例中一种测量人群拥挤度的***示意图。根据本发明实施例的一个方面,提供一种测量人群拥挤度的***,该***1000包括:
终端1001,服务器1002;
终端包括手机、平板电脑、车载电脑、PC等设备,终端1001用于:对接入点的信号强度进行采样得到接入点的信号强度值;对接入点的信号强度值进行数学统计得到数学统计参数;测算当前采样位置到接入点的距离;将距离和数学统计参数告知服务器1002;
服务器1002用于:获得终端1001告知的数学统计参数,获得终端1001告知的距离;在人群拥挤度对应关系表中查找与该距离最接近的样本距离;人群拥挤度对应关系表包含该样本距离、匹配函数以及人群拥挤度等级的对应关系,样本距离对应至少一个匹配函数,每个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示接入点的信号覆盖区域内存在不同数量范围的人;根据数学统计参数在样本距离对应的所有匹配函数中选择出目标函数;根据对应关系得到目标函数对应的人群拥挤度等级,目标函数对应的人群拥挤度等级用于指示接入点的信号覆盖区域内的人群拥挤度。
本发明提供的一种匹配人群拥挤度对应关系表***,无需采用图像采集每个人的实时位置,能够实时根据采样信号在人群拥挤度对应关系表中匹配出接入点的信号覆盖区域的人群拥挤度,估计人员数量分布,计算量小,无需额外的硬件部署和维护。
请参阅图15,图15为本发明实施例中一种计算机体系硬件设备结构示意图;其中硬件设备1100包括处理器1101、存储器1102、收发器1103等硬件模块;该体系适用于本发明中的服务器和终端。
处理器1101,用于产生相应的操作控制信号,发给计算处理设备相应的部件,读取以及处理软件中的数据,尤其是读取和处理存储器1102中的数据和程序,以使其中的各个功能模块执行相应的功能,从而控制相应的部件按指令的要求进行动作。
存储器1102,用于存储程序和各种数据,主要存储操作***、应用程序和功能指令等软件单元、或者他们的子集、或者他们的扩展集。操作***包括各种***程序如windows系列等,用于实现各种基础业务以及处理基于硬件的任务器,还可以包括非易失性随机存取存储器(NVRAM),向处理器1101提供包括管理计算处理设备中的硬件、软件及数据资源,支持控制软件和应用程序的运行。
收发器1103,用于采样、获取或发送信息,可以在不同的单元或模块之间用来传递信息。
上述各个硬件单元可以通过总线连接进行通信。
以下分别对于构建人群拥挤度对应关系表的***和测量人群拥挤度对应关系表的***中的服务器和终端进行分析。
1)构建人群拥挤度对应关系表的***中的服务器:通过调用存储器1102中的数据和指令,收发器1103从终端发来的消息中确认终端告知的采样位置到AP的距离,并获得终端告知的在该采样位置上每一个人群拥挤度等级下采样的AP信号强度值的数学统计参数;处理器1101根据距离和数学统计参数,构建出用于匹配人群拥挤度等级的人群拥挤度对应关系表;将人群拥挤度对应关系表存储在存储器1102中,该人群拥挤度对应关系表中存储了人群拥挤度对应关系表包含距离、匹配函数以及所述人群拥挤度等级的对应关系。可选的,若终端发送来的只是一些信号强度值,则处理器还可以将这些信号强度值按照一定的数量进行参数化,将其转变为对应的数学统计参数。
对于图10对应的本发明实施例中一种构建人群拥挤度对应关系表的装置,其中距离获得模块601和参数获得模块602的部分功能可以集成在本实施例中收发器1103中,还有部分功能可以集成在本实施例中处理器1101中;计算模块603和构建模块604可以集成在本实施例中处理器1101中;距离获得模块601、参数获得模块602、计算模块603、构建模块604在执行相应操作时所调用的指令和数据都存储在存储器1102中。
2)构建人群拥挤度对应关系表的***中的终端:通过调用存储器1102中的数据和指令,收发器1103接收接入点的信号覆盖区域中的AP的信号,按照存储器1102中存储的采样规则进行采样,如采样的次数和时间间隔,获取每个人群拥挤度等级下的n个信号强度值;接入点的信号覆盖区域可以有M个人群拥挤度等级,M个人群拥挤度等级分别对应不同的人数区间,处理器1101调用存储器1102中的参数化公式,可以根据采样的信号获取每个人群拥挤度等级下的n个信号强度值的数学统计参数;处理器1101通过调用存储器1102中的距离公式,可以获得采样位置到AP的距离;收发器1103将处理器1101获取到的数学统计参数和距离发送到服务器。
对于图9对应的本发明实施例中一种人群拥挤度对应关系表的构建数据获取装置,其中采样模块501和告知模块504的部分功能可以集成在本实施例中收发器1103中,还有部分功能可以集成在本实施例中处理器1101中;统计模块502和测算模块503可以集成在本实施例中处理器1101中;采样模块501、统计模块502、测算模块503、告知模块504在执行相应操作时所调用的指令和数据都存储在存储器1102中。
3)测量人群拥挤度***中的服务器:通过调用存储器1102中的数据和指令,收发器1103接收实时采样终端发送的实时采样位置到AP的实时距离和实时采样位置上采样的AP信号强度值的匹配参数;处理器1101通过调用存储器1102中的匹配方法程序,根据实时距离和匹配参数,在人群拥挤度对应关系表中匹配出AP覆盖区域的人群拥挤度等级;如果收发器1103接收到查询终端的拥挤度等级查询请求,则收发器1103将实时匹配出的人群拥挤度等级发送给查询终端。
对于图12对应的本发明实施例中一种测量人群拥挤度的装置,其中距离获得模块802和参数获得模块801的部分功能可以集成在本实施例中收发器1103中,还有部分功能可以集成在本实施例中处理器1101中;查找模块803、选择模块804和对应模块805可以集成在本实施例中处理器1101中;距离获得模块802、参数获得模块801、查找模块803、选择模块804和对应模块805在执行相应操作时所调用的指令和数据都存储在存储器1102中。
4)测量人群拥挤度***中的终端:通过调用存储器1102中的数据和指令,收发器1103接收接入点的信号覆盖区域中的AP的信号,按照存储器1102中存储的采样规则进行采样,如采样的次数和时间间隔,处理器1101调用存储器1102中的参数化公式,可以根据采样的信号获取每个人群拥挤度等级下的n个信号强度值的数学统计参数;处理器1101通过调用存储器1102中的距离公式,可以获得实时采样位置到AP的距离;收发器1103将处理器1101获得到的数学统计参数和距离发送告知给服务器。
对于图11对应的本发明实施例中一种人群拥挤度的匹配数据获取装置,其中采样模块701和告知模块704的部分功能可以集成在本实施例中收发器1103中,还有部分功能可以集成在本实施例中处理器1101中;统计模块702和测算模块703可以集成在本实施例中处理器1101中;采样模块701、统计模块702、测算模块703、告知模块704在执行相应操作时所调用的指令和数据都存储在存储器1102中。
本发明通过对现场接入点的信号强度的采集,无需利用取景设备识别出每个人的信息,因此不会受到光线、阴影、遮挡的干扰;通过距离和接入点信号强度值的统计参数在人群拥挤度对应关系表中进行简单的对应得到人群拥挤度等级,无需复杂的计算;信号强度的采集依靠用户所携带终端即可完成检测,无需布置和维护专门的硬件设备,大大提升了易用性,因此部署简单,极易推广,节约成本。
请参阅图16,图16为本发明实施例中一种用于测量人群拥挤度的采样终端的结构示意图;其中终端设备1200包括RF电路1201、Wi-Fi模块1202、显示单元1203、输入单元1204、第一存储器1205、第二存储器1206、处理器1207、电源1208等硬件模块,该终端1200可以为手机、平板电脑、PDA(Personal Digital Assistant,个人数字助理)、或车载电脑。
其中,RF电路1201用来收发通信信号,Wi-Fi模块1202用来连接网络和扫描网络信号,包括无线网卡模块。
显示单元1203用来显示用户交互界面,该显示单元1203可用于显示由用户输入的信息或提供给用户的信息以及终端1200的各种菜单界面。该显示单元1203可包括显示面板,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)或OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板。在具体实现中,上述触控面板覆盖该显示面板,形成触摸显示屏,处理器1207根据触摸事件的类型在触摸显示屏上提供相应的视觉输出。
输入单元1204可用于接收输入的数字或字符信息,接收用户切换应用程序界面操作,并产生切换信号,以及产生与终端的用户设置以及功能控制有关的信号输入。具体地,本发明实施例中,该输入单元1204可以包括触控面板,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上操作),可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板。除了触控面板,输入单元1204还可以包括其他输入设备,包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
其中,第一存储器1205存储该终端预设数量的应用程序以及界面信息;可以理解的,第二存储器1206可以为该终端1200的外存,第一存储器1205可以为该终端1200的内存。第一存储器1205可以为NVRAM非易失存储器、DRAM动态随机存储器、SRAM静态随机存储器、Flash闪存等其中之一;第二存储器1206可以为硬盘、光盘、USB盘、软盘或磁带机、云服务器等。
处理器1207是终端1200的控制中心,利用各种接口和线路连接整个终端的各个部分,通过运行或执行存储在该第一存储器1205内的软件程序和/或模块,以及调用存储在该第二存储器1206内的数据,执行终端1200的各种功能和处理数据,从而对终端1200进行整体监控。可选的,该处理器1207可包括一个或多个处理单元。
电源1208可以为整个终端供电,包括各种型号的锂电池。
以下分别对于构建人群拥挤度对应关系表的终端和测量人群拥挤度对应关系表的***中的终端进行分析。
1)构建人群拥挤度对应关系表的***中的终端:通过显示单元1203和输入单元1204可以启动采集操作,调用存储器1205或1206中的数据和指令,其中存储器1205或1206中存有的程序和指令可以执行上述S101-S104的方法,Wi-Fi模块1202接收接入点的信号覆盖区域中的AP的信号,按照存储器1205或1206中存储的采样规则进行采样,如采样的次数和时间间隔,获取每个人群拥挤度等级下的n个信号强度值;接入点的信号覆盖区域可以有M个人群拥挤度等级,M个人群拥挤度等级分别对应不同的人数区间,处理器1207调用存储器1205或1206中存储的参数化公式,可以根据采样的信号获取每个人群拥挤度等级下的n个信号强度值的数学统计参数;处理器1207通过调用存储器1205或1206中的距离公式,可以获得采样位置到AP的距离;RF电路1201或Wi-Fi模块1202将处理器1207获取到的数学统计参数和距离发送到服务器。
2)测量人群拥挤度对应关系表的***中的终端:通过调用存储器1205或1206中的数据和指令,其中存储器1205或1206中存有的程序和指令可以执行上述S301-S304的方法,Wi-Fi模块1202接收接入点的信号覆盖区域中的AP的信号,按照存储器1205或1206中存储的采样规则进行采样,如采样的次数和时间间隔,处理器1207调用存储器1205或1206中的参数化公式,可以根据采样的信号获取每个人群拥挤度等级下的n个信号强度值的数学统计参数;处理器1207通过调用存储器1205或1206中的距离公式,可以获得实时采样位置到AP的距离;RF电路1201或Wi-Fi模块1202将处理器1207获得到的数学统计参数和距离发送告知给服务器。
本领域普通技术人员可知,上述方法中的全部或部分步骤可以通过程序指令相关的硬件完成,该程序可以存储于一计算机可读存储介质中,该计算机可读存储介质如ROM、RAM和光盘等。通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可以用硬件实现,或固件实现,或它们的组合方式来实现。
在具体实现中,人群拥挤度对应关系表的构建数据获取装置的执行过程如图2所示的人群拥挤度对应关系表的构建数据获取方法的实施例,构建人群拥挤度对应关系表的方法装置的执行过程如图3所示的构建人群拥挤度对应关系表的方法实施例,人群拥挤度的匹配数据获取装置的执行过程如图5所示的人群拥挤度的匹配数据获取方法实施例,测量人群拥挤度的装置的执行过程如图6所示的测量人群拥挤度的方法实施例;人群拥挤度对应关系表的构建数据获取装置的组成结构如图9所示的人群拥挤度对应关系表的构建数据获取装置的装置实施例,构建人群拥挤度对应关系表的装置的组成结构如图10所示的构建人群拥挤度对应关系表的装置的装置实施例,人群拥挤度的匹配数据获取装置的组成结构如图11所示的人群拥挤度的匹配数据获取装置的装置实施例,测量人群拥挤度的装置的组成结构如图12所示的测量人群拥挤度的装置的装置实施例。
以上所述仅为本发明技术方案的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围。
Claims (29)
1.一种测量人群拥挤度的方法,其特征在于,所述方法包括:
获得终端采样的接入点的信号强度值的数学统计参数;
获得所述终端到所述接入点的距离;
在人群拥挤度对应关系表中查找与所述距离最接近的样本距离;所述人群拥挤度对应关系表包含所述样本距离、匹配函数以及人群拥挤度等级的对应关系,所述样本距离对应至少两个匹配函数,其中,一个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示所述接入点的信号覆盖区域内存在不同数量范围的人;
根据所述数学统计参数在所述样本距离对应的所有匹配函数中选择出目标函数;根据所述对应关系得到所述目标函数对应的人群拥挤度等级,所述目标函数对应的人群拥挤度等级用于指示所述接入点的信号覆盖区域内的人群拥挤度。
2.如权利要求1所述方法,其特征在于,所述数学统计参数为一组均值和方差,所述一组均值和方差是通过对所述终端采样的接入点的信号强度值进行数学统计得到的;所述匹配函数为概率分布函数;所述根据所述数学统计参数在所述样本距离对应的所有匹配函数中选择出目标函数具体包括:
根据所述一组均值和所述方差构建待比对概率分布函数;
将所述待比对概率分布函数与所述样本距离对应的所有概率分布函数进行分布状态比对;
选择与所述待比对概率分布函数的分布状态最接近的概率分布函数作为所述目标函数。
3.如权利要求1所述方法,其特征在于,所述数学统计参数为所述接入点的信号强度值;所述匹配函数为概率分布函数;所述根据所述数学统计参数在所述样本距离对应的所有匹配函数中选择出目标函数具体包括:
将所述信号强度值代入到所述样本距离对应的所有概率分布函数中计算函数值;选择函数值最大的概率分布函数作为所述目标函数。
4.如权利要求1所述方法,其特征在于,所述数学统计参数为均值,所述均值是通过对所述终端采样的接入点的信号强度值进行数学统计得到的;所述匹配函数为概率分布函数;所述根据所述数学统计参数在所述样本距离对应的所有匹配函数中选择出目标函数具体包括:
将所述均值代入到所述样本距离对应的所有概率分布函数中计算函数值;
选择函数值最大的概率分布函数作为所述目标函数。
5.如权利要求1-4任一项所述方法,其特征在于,所述方法还包括:
接收查询终端发送的对所述接入点的信号覆盖区域内的实时人群拥挤度的查询请求;将得到的所述目标函数对应的人群拥挤度等级发送给所述查询终端。
6.如权利要求2-4任一项所述方法,其特征在于,所述概率分布函数包括:
高斯分布函数、或卡方分布函数、或t分布函数。
7.一种构建人群拥挤度对应关系表的方法,其特征在于,所述方法包括:
获得采样位置到接入点的距离;
获得每一个人群拥挤度等级下的接入点信号强度值的数学统计参数;所述接入点信号强度值是终端在所述采样位置对所述接入点的信号采样得到的,不同的人群拥挤度等级表示所述接入点的信号覆盖区域内存在不同数量范围的人;
根据所述数学统计参数构建至少一个匹配函数,一个匹配函数对应一个人群拥挤度等级,且所述至少一个匹配函数都对应所述距离;
构建人群拥挤度对应关系表,所述人群拥挤度对应关系表包含有所述距离、所述匹配函数以及所述人群拥挤度等级的对应关系。
8.如权利要求7所述方法,其特征在于,所述数学统计参数包括一组均值和方差,则所述根据所述数学统计参数构建至少一个匹配函数具体为:
根据每一个人群拥挤度等级下的一组均值和方差,在每一个人群拥挤度等级下构建一个概率分布函数,所述概率分布函数作为所述匹配函数。
9.如权利要求7所述方法,其特征在于,所述数学统计参数包括至少两组均值和方差,所述根据所述数学统计参数构建至少一个匹配函数具体为:
根据每一个人群拥挤度等级下的每一组均值和方差,在每一个人群拥挤度等级下构建一簇概率分布函数,所述概率分布函数作为所述匹配函数,所述一簇概率分布函数中的所有概率分布函数都对应同一个人群拥挤度等级。
10.如权利要求8或9所述方法,其特征在于,所述概率分布函数包括:高斯分布函数、或卡方分布函数、或t分布函数。
11.一种人群拥挤度对应关系表的构建数据获取方法,其特征在于,所述方法包括:
在每一个人群拥挤度等级的维度下,在采样位置上对接入点的信号进行采样得到所述接入点的信号强度值;不同的人群拥挤度等级表示所述接入点的信号覆盖区域内存在不同数量范围的人;
对每一个人群拥挤度等级的维度下采样得到的所述接入点的信号强度值进行数学统计得到数学统计参数;
测算所述采样位置到所述接入点的距离;
将用于构建人群拥挤度对应关系表的所述数学统计参数和所述距离告知给服务器。
12.如权利要求11所述方法,其特征在于,所述采样位置为采样网格中的每个节点或每个采样网格的中心点;所述采样网格是在所述接入点的信号覆盖区域内根据采样精度设立的,所述采样精度越高,所述采样网格越密集。
13.如权利要求11所述方法,其特征在于,所述采样位置为采样圆环上的任意一点,所述采样圆环是在所述接入点的信号覆盖区域内根据采样精度设立的,所述采样精度越高,所述采样圆环的间隔越小,每一个采样圆环上至少存在一个采样位置,同一个圆环上的采样位置到所述接入点的距离相同。
14.如权利要求13所述方法,其特征在于,当存在采样圆环上有至少两个采样位置时,处在所述采样圆环上的采样位置呈等圆弧长度间隔分布。
15.如权利要求13所述方法,其特征在于,当存在采样圆环上有且仅有一个采样位置时,所述在采样位置上对接入点信号进行采样得到所述接入点的信号强度值具体包括:
在一个人群拥挤度等级的维度下,在所述接入点的信号覆盖区域内将对应于所述人群拥挤度等级相应数量的人员进行n次随机排布,所述n为自然数;
每一次随机排布时在所述采样位置对所述接入点信号采样一个信号强度值,得到所述一个人群拥挤度等级的维度下的n个信号强度值;
在每一个群拥挤度等级的维度下执行上述操作,在每一个人群拥挤度等级的维度下都采集到n个信号强度值。
16.如权利要求11所述方法,其特征在于,所述对每一个人群拥挤度等级的维度下采样得到的所述接入点的信号强度值进行数学统计得到数学统计参数包括:将任意一个人群拥挤度等级维度下的接入点的信号强度值分为至少一组数据,针对每一组数据相应计算出一组均值和方差,所述一组均值和方差用于构建所述人群拥挤度对应关系表中的匹配函数,使每一个匹配函数分别对应一个人群拥挤度等级。
17.如权利要求11-16任一项所述方法,其特征在于,所述接入点包括:所述接入点的信号覆盖区域内发射信号最稳定的接入点。
18.一种测量人群拥挤度的装置,其特征在于,所述装置包括:
参数获得模块,用于获得终端采样的接入点的信号强度值的数学统计参数;
距离获得模块,用于获得所述终端到所述接入点的距离;
查找模块,用于在人群拥挤度对应关系表中查找与所述距离获得模块获得的距离最接近的样本距离;所述人群拥挤度对应关系表包含所述样本距离、匹配函数以及人群拥挤度等级的对应关系,所述样本距离对应至少两个匹配函数,其中,一个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示所述接入点的信号覆盖区域内存在不同数量范围的人;
选择模块,用于根据所述参数获得模块获得的数学统计参数在所述样本距离对应的所有匹配函数中选择出目标函数;
对应模块,用于根据所述对应关系得到所述选择模块选择出的目标函数对应的人群拥挤度等级,所述目标函数对应的人群拥挤度等级用于指示所述接入点的信号覆盖区域内的人群拥挤度。
19.如权利要求18所述装置,其特征在于,所述选择模块具体包括计算单元、比对单元、和选择单元,当所述数学统计参数为一组均值和方差时,所述一组均值和方差是通过对所述接入点的信号强度值进行数学统计得到的;
所述计算单元用于根据所述一组均值和所述方差构建待比对概率分布函数;
所述比对单元用于将所述计算单元构建的待比对概率函数与所述样本距离对应的所有概率分布函数进行分布状态比对,所述概率分布函数为所述匹配函数;
所述选择单元用于根据所述比对单元的比对结果选择与所述待比对概率分布函数的分布状态最接近的概率分布函数作为所述目标函数。
20.如权利要求18所述装置,其特征在于,所述选择模块具体包括计算单元和选择单元,当所述数学统计参数为所述接入点的信号强度值时;
所述计算单元用于将所述接入点的信号强度值代入所述样本距离对应的所有概率分布函数计算函数值,所述概率分布函数为所述匹配函数;
所述选择单元用于根据所述计算单元的计算结果将函数值结果最大的概率分布函数作为所述目标函数。
21.如权利要求18所述装置,其特征在于,所述选择模块具体包括计算单元和选择单元,当所述数学统计参数为均值时,所述均值是通过对所述接入点的信号强度值进行数学统计得到的;
所述计算单元用于将所述均值代入所述样本距离对应的所有概率分布函数计算函数值,所述概率分布函数为所述匹配函数;
所述选择单元用于根据所述计算单元的计算结果将函数值结果最大的概率分布函数作为所述目标函数。
22.如权利要求18-21任一项所述装置,其特征在于,所述装置还包括接收模块和发送模块;
所述接收模块用于接收查询终端发送的对所述接入点的信号覆盖区域内的实时人群拥挤度的查询请求;
所述发送模块用于将得到的所述目标函数对应的人群拥挤度等级发送给所述查询终端。
23.一种构建人群拥挤度对应关系表的装置,其特征在于,所述装置包括:
距离获得模块,用于获得采样位置到接入点的距离;
参数获得模块,用于获得每一个人群拥挤度等级下的接入点信号强度值的数学统计参数;所述接入点信号强度值是终端在所述采样位置对所述接入点的信号采样得到的,不同的人群拥挤度等级表示所述接入点的信号覆盖区域内存在不同数量范围的人;
计算模块,用于根据所述参数获得模块获得的数学统计参数构建至少一个匹配函数,一个匹配函数对应一个人群拥挤度等级,且所述至少一个匹配函数都对应所述距离;
构建模块,用于构建人群拥挤度对应关系表,所述人群拥挤度对应关系表包含有所述距离、所述匹配函数以及所述人群拥挤度等级的对应关系。
24.如权利要求23所述装置,其特征在于,所述参数获得模块具体用于获得每一个人群拥挤度等级下的接入点信号强度值的一组均值和方差,所述计算模块具体用于根据所述参数获得模块获得的每一个人群拥挤度等级下的一组均值和方差,在每一个人群拥挤度等级下构建一个概率分布函数,所述概率分布函数为所述匹配函数。
25.如权利要求23所述装置,其特征在于,所述参数获得模块具体用于获得每一个人群拥挤度等级下的接入点信号强度值的至少两组均值和方差,所述计算模块具体用于根据所述参数获得模块获得的每一个人群拥挤度等级下的至少均值和方差,在每一个人群拥挤度等级下构建一簇概率分布函数,所述一簇概率分布函数为所述匹配函数,所述一簇概率分布函数中的所有概率分布函数都对应同一个人群拥挤度等级。
26.一种人群拥挤度对应关系表的构建数据获取装置,其特征在于,所述装置包括:
采样模块,用于在每一个人群拥挤度等级的维度下,在采样位置上对接入点的信号进行采样得到所述接入点的信号强度值;不同的人群拥挤度等级表示所述接入点的信号覆盖区域内存在不同数量范围的人;
统计模块,用于对所述采样模块在每一个人群拥挤度等级的维度下采样得到的所述接入点的信号强度值进行数学统计得到数学统计参数,所述数学统计参数用于构建人群拥挤度对应关系表;
测算模块,用于测算所述采样位置到所述接入点的距离,所述距离用于构建人群拥挤度对应关系表;
告知模块,用于将所述统计模块得到的所述数学统计参数和所述测算模块得到的所述距离告知给服务器。
27.如权利要求26所述装置,其特征在于,所述统计模块具体用于将所述采样模块在任意一个人群拥挤度等级下采样得到的接入点的信号强度值分为至少一组数据,针对每一组数据计算出一组均值和方差,所述一组均值和方差用于构建所述人群拥挤度对应关系表中的匹配函数,使一个匹配函数对应一个人群拥挤度等级。
28.一种测量人群拥挤度的***,其特征在于,所述***包括:
服务器,终端;
所述终端用于,
对接入点的信号强度进行采样得到所述接入点的信号强度值;对所述接入点的信号强度值进行数学统计得到数学统计参数;
测算当前采样位置到所述接入点的距离;
将所述距离和所述数学统计参数告知所述服务器;
所述服务器用于,
获得所述终端告知的所述数学统计参数;
获得所述终端告知的所述距离;
在人群拥挤度对应关系表中查找与所述距离最接近的样本距离;所述人群拥挤度对应关系表包含所述样本距离、匹配函数以及人群拥挤度等级的对应关系,所述样本距离对应至少一个匹配函数,一个匹配函数对应一个人群拥挤度等级,不同的人群拥挤度等级表示所述接入点的信号覆盖区域内存在不同数量范围的人;
根据所述数学统计参数在所述样本距离对应的所有匹配函数中选择出目标函数;
根据所述对应关系得到所述目标函数对应的人群拥挤度等级,所述目标函数对应的人群拥挤度等级用于指示所述接入点的信号覆盖区域内的人群拥挤度。
29.一种构建人群拥挤度对应关系表的***,其特征在于,所述***包括:
服务器,终端;
所述终端用于,
在每一个人群拥挤度等级的维度下,在采样位置上对接入点信号进行采样得到所述接入点的信号强度值;不同的人群拥挤度等级表示所述接入点的信号覆盖区域内存在不同数量范围的人;
对每一个人群拥挤度等级的维度下采样得到的所述接入点的信号强度值进行数学统计得到数学统计参数;
测算所述采样位置到所述接入点的距离;
将用于构建人群拥挤度对应关系表的所述数学统计参数和所述距离告知给所述服务器;
所述服务器用于,
获得所述终端告知的所述距离;
获得所述终端告知的数学统计参数;
根据所述数学统计参数构建至少一个匹配函数,一个匹配函数对应一个人群拥挤度等级,且每一个所述匹配函数都对应所述距离;
构建人群拥挤度对应关系表,所述人群拥挤度对应关系表包含有所述距离、所述匹配函数以及所述人群拥挤度等级的对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850259.5A CN104540168B (zh) | 2014-12-30 | 2014-12-30 | 一种测量人群拥挤度的方法、装置与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850259.5A CN104540168B (zh) | 2014-12-30 | 2014-12-30 | 一种测量人群拥挤度的方法、装置与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104540168A CN104540168A (zh) | 2015-04-22 |
CN104540168B true CN104540168B (zh) | 2018-05-11 |
Family
ID=52855601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410850259.5A Expired - Fee Related CN104540168B (zh) | 2014-12-30 | 2014-12-30 | 一种测量人群拥挤度的方法、装置与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104540168B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095991A (zh) * | 2015-07-20 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 用于人群风险预警的方法及装置 |
CN107306422B (zh) * | 2016-04-25 | 2021-06-25 | 西门子公司 | 一种用于拥挤检测的方法和装置 |
GB201711411D0 (en) * | 2016-12-30 | 2017-08-30 | Maxu Tech Inc | Early entry |
CN107066978A (zh) * | 2017-04-18 | 2017-08-18 | 云熠信息科技有限公司 | 一种人群信息采集分析方法和*** |
CN107169555B (zh) * | 2017-06-30 | 2020-11-13 | Oppo广东移动通信有限公司 | 一种闸机提示方法、装置、存储介质和终端 |
CN110972068A (zh) * | 2018-09-28 | 2020-04-07 | ***通信集团甘肃有限公司 | 一种用户位置分布检测方法及装置 |
CN109413385A (zh) * | 2018-10-23 | 2019-03-01 | 深圳如果技术有限公司 | 一种视频定位监控方法、***及云服务器 |
CN111093151B (zh) * | 2019-12-27 | 2021-02-26 | 中国联合网络通信集团有限公司 | 人口密度确定设备及方法 |
CN111372286B (zh) * | 2020-03-03 | 2023-06-23 | 浙江每日互动网络科技股份有限公司 | 移动终端数据处理方法、介质和电子设备 |
CN112399555B (zh) * | 2020-10-20 | 2023-07-14 | 北京嘀嘀无限科技发展有限公司 | 一种位置定位的方法、装置、可读存储介质和电子设备 |
CN112614035B (zh) * | 2020-11-06 | 2021-09-21 | 山东理工职业学院 | 座椅富余程度分析*** |
CN117854008B (zh) * | 2024-01-16 | 2024-07-19 | 浙江威星电子***软件股份有限公司 | 基于数字孪生的智慧运动场馆管理*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2000962A1 (en) * | 2007-06-06 | 2008-12-10 | Nederlandse Organisatie voor toegepast- natuurwetenschappelijk onderzoek TNO | Estimating crowds |
CN102215468A (zh) * | 2010-04-02 | 2011-10-12 | 广东宜通世纪科技股份有限公司 | 一种人群分布监测方法和*** |
CN102693354A (zh) * | 2011-03-23 | 2012-09-26 | 索尼公司 | 信息处理设备、信息处理***、信息处理方法、程序、记录介质 |
CN102967848A (zh) * | 2012-11-28 | 2013-03-13 | 电子科技大学 | 一种基于距离关系库及接收信号强度的定位方法 |
-
2014
- 2014-12-30 CN CN201410850259.5A patent/CN104540168B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2000962A1 (en) * | 2007-06-06 | 2008-12-10 | Nederlandse Organisatie voor toegepast- natuurwetenschappelijk onderzoek TNO | Estimating crowds |
CN102215468A (zh) * | 2010-04-02 | 2011-10-12 | 广东宜通世纪科技股份有限公司 | 一种人群分布监测方法和*** |
CN102693354A (zh) * | 2011-03-23 | 2012-09-26 | 索尼公司 | 信息处理设备、信息处理***、信息处理方法、程序、记录介质 |
CN102967848A (zh) * | 2012-11-28 | 2013-03-13 | 电子科技大学 | 一种基于距离关系库及接收信号强度的定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104540168A (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104540168B (zh) | 一种测量人群拥挤度的方法、装置与*** | |
CN103718627B (zh) | 使用三阶段过程对室内楼层和位置的预测 | |
US11243288B2 (en) | Location error radius determination | |
US9313617B2 (en) | Identification of points of interest and positioning based on points of interest | |
CN103747524A (zh) | 一种基于云平台的Android终端室内定位方法 | |
Antevski et al. | A hybrid BLE and Wi-Fi localization system for the creation of study groups in smart libraries | |
Ching et al. | Uniwide WiFi based positioning system | |
Cooper et al. | LoCo: boosting for indoor location classification combining Wi-Fi and BLE | |
CN108450060A (zh) | 基于wi-fi接入点的定位方法、设备 | |
Papapostolou et al. | Scene analysis indoor positioning enhancements | |
Kjærgaard | Indoor positioning with radio location fingerprinting | |
Beal | Contextual geolocation: a specialized application for improving indoor location awareness in wireless local area networks | |
Hegde et al. | Wi-Fi Router Signal Coverage Position Prediction System using Machine Learning Algorithms | |
Connelly et al. | A toolkit for automatically constructing outdoor radio maps | |
Lau et al. | Novel indoor localisation using an unsupervised Wi-Fi signal clustering method | |
Teller et al. | Organic indoor location discovery | |
Mo et al. | A novel technique for human traffic based radio map updating in Wi-Fi indoor positioning systems | |
Matos et al. | Wi-Fi fingerprint similarity in collaborative radio maps for indoor positioning | |
Qi et al. | Fast floor identification method based on confidence interval of Wi-Fi signals | |
CN108519579A (zh) | 基于区间重叠度分析优选AP的WiFi指纹定位技术 | |
Wierenga et al. | Simple: developing a lbs positioning solution | |
Le et al. | ISIL: Instant search-based indoor localization | |
Tran et al. | Indoor Location Prediction Using Multiple Wireless Received Signal Strengths. | |
Shi et al. | A WLAN-based positioning system for indoor augmented reality services | |
Kim et al. | Ontology based location reasoning method using smart phone data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180511 Termination date: 20181230 |
|
CF01 | Termination of patent right due to non-payment of annual fee |