CN114238346A - 监控密度分析方法、装置、存储介质和电子设备 - Google Patents
监控密度分析方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN114238346A CN114238346A CN202210173920.8A CN202210173920A CN114238346A CN 114238346 A CN114238346 A CN 114238346A CN 202210173920 A CN202210173920 A CN 202210173920A CN 114238346 A CN114238346 A CN 114238346A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- database
- monitoring
- value
- indexed
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供了一种监控密度分析方法、装置、存储介质和电子设备,该方法包括:对预设数据库中的坐标数据进行处理,获取待分析的目标坐标点的待索引Geohash编码;根据二分法从处理后的数据库中索引出与所述待索引Geohash编码相匹配的坐标值;获取每个所述相匹配的坐标值对应的数量,根据所述对应的数量统计出与所述待索引Geohash编码相匹配的人流数、车流数、警情数和监控设备数;将所述人流数、车流数和警情数导入预设的监控密度预测模型中进行运算,输出对应的监控设备预测数;将所述监控设备数和所述监控设备预测数进行比较,根据所述比较结果输出对应的监控密度调整建议。本申请可以提高一个区域内的监控设备的布局合理性的分析效率。
Description
技术领域
本申请涉及计算机技术领域,更具体地,涉及一种监控密度分析方法、装置、存储介质和电子设备。
背景技术
在现实生活中,监控设备(比如摄像头等)已经在各个公共场所、私人场所等地随处可见,并且布局越来越密集。早期的监控设备通常是由不同的商家和行政单位等主体各自搭建的,各主体之间仅采用自己搭建的监控设备进行监控,监控设备资源并不共享。
随着视频监控建设一体化改革的推进,各主体之间的监控设备的共享逐渐被打通。此时就发现一个城市中,存在部分区域的监控设备过于密集,而有些区域的监控设备则不足,存在监控设备布局不尽合理的问题。
传统整个城市的监控设备布局合理性的问题,传统的方法是由相关的监控设备管理人员进行逐个核查来判断是否合理,指出布局不足的地区并进行监控设备调整。然而,这种人工核查的方式效率低下,且存在一定的主观性,无法客观公正高效地得出一个区域的监控设备布局是否布局合理。
发明内容
有鉴于此,有必要提供一种监控密度分析方法、装置、电子设备和存储介质,以提高一个区域内的监控设备的布局合理性的分析效率。
在其中一个实施例中,提供了一种监控密度分析方法,所述方法包括:
对预设数据库中的坐标数据进行处理,使得处理后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录具有相同坐标值的数量;所述预设数据库包括人流坐标数据库、车流坐标数据库、警情坐标数据库和监控设备坐标数据库;
获取待分析的目标坐标点的待索引Geohash编码;
根据二分法从处理后的数据库中索引出与所述待索引Geohash编码相匹配的坐标值;
获取每个所述相匹配的坐标值对应的数量,根据所述对应的数量统计出与所述待索引Geohash编码相匹配的人流数、车流数、警情数和监控设备数;
将所述人流数、车流数和警情数导入预设的监控密度预测模型中进行运算,输出对应的监控设备预测数;
将所述监控设备数和所述监控设备预测数进行比较,根据所述比较结果输出对应的监控密度调整建议。
在其中一个实施例中,所述根据二分法从处理后的数据库中索引出与所述待索引Geohash编码相匹配的坐标值,包括:
根据二分法从处理后的车流坐标数据库的所有数据作为索引范围,计算出表示车流坐标的车流Geohash编码的第一中间值;
比较所述第一中间值与所述待索引Geohash编码的大小,根据所述比较结果确定新的索引范围;
根据二分法从所述新的索引范围中继续确定索引范围,直到所确定的索引范围中的数据量小于第一数据量为止;
从小于第一数据量的索引范围中索引出与所述待索引Geohash编码相匹配的车流坐标值。
在其中一个实施例中,所述从小于第一数据量的索引范围中索引出与所述待索引Geohash编码相匹配的车流坐标值,包括:
从小于第一数据量的索引范围中查询与所述待索引Geohash编码的前N位一样的车流Geohash编码,作为相匹配的车流坐标值,其中,N为大于0的正整数。
在其中一个实施例中,所述车流数为预设时间段内的车流数的平均值、中位数、最高值中的任意一种数值;
所述人流数为所述预设时间段内的人流数的平均值、中位数、最高值中的任意一种数值;
所述警情数为所述预设时间段内的警情数的平均值、中位数、最高值中的任意一种数值。
在其中一个实施例中,所述将所述监控设备数和所述监控设备预测数进行比较,根据所述比较结果输出对应的监控密度调整建议,包括:
当所述预测数小于所述设备数的第一百分比时,生成减少监控设备的建议;
当所述预测数大于所述设备数的第二百分比时,生成增加监控设备的建议;
当所述预测数处于所述设备数的第一百分比和第二百分比的范围内,生成保持不变的建议,其中,所述第一百分比小于100%,第二百分比大于100%。
在其中一个实施例中,所述生成增加监控设备的建议,包括:
生成将与所述目标坐标点最近且过密的监控设备移动到所述目标坐标点处的建议。
在其中一个实施例中,所述将所述监控设备数和所述监控设备预测数进行比较,根据所述比较结果输出对应的监控密度调整建议,包括:
当所述预测数和所述设备数均达到饱和值时,则生成保持不变的建议。
在其中一个实施例中,所述对预设数据库中的坐标数据进行处理,使得处理后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录具有相同坐标值的数量,包括:
将所述人流坐标数据库、车流坐标数据库、警情坐标数据库和监控设备坐标数据库中的数据进行合并,使得合并后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录每个坐标值对应的人流数、车流数、警情数和监控设备数。
在其中一个实施例中,提供了一种基于重合度的监控设备调整装置,包括:
数据处理模块,用于对预设数据库中的坐标数据进行处理,使得处理后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录具有相同坐标值的数量;所述预设数据库包括人流坐标数据库、车流坐标数据库、警情坐标数据库和监控设备坐标数据库;
坐标点获取模块,用于获取待分析的目标坐标点的待索引Geohash编码;
坐标点索引模块,用于根据二分法从处理后的数据库中索引出与所述待索引Geohash编码相匹配的坐标值;
流量获取模块,用于获取每个所述相匹配的坐标值对应的数量,根据所述对应的数量统计出与所述待索引Geohash编码相匹配的人流数、车流数、警情数和监控设备数;
设备数量预测模块,用于将所述人流数、车流数和警情数导入预设的监控密度预测模型中进行运算,输出对应的监控设备预测数;
建议生成模块,用于将所述监控设备数和所述监控设备预测数进行比较,根据所述比较结果输出对应的监控密度调整建议。
在其中一个实施例中,提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行本申请各实施例中所述的方法。
在其中一个实施例中,提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行本申请各实施例中所述的方法。
上述的监控密度分析方法、装置、存储介质和电子设备,首先通过对人流坐标数据库、车流坐标数据库和警情坐标数据库等数据库中的数据进行处理,使得相同时间段下的相同坐标值数据仅保留唯一值,并记录具有该相同坐标值的数量,该数量可以体现出在对应时间段下的人流数、车流数、警情数等流量值,从而降低了数据库中的数据量大小,并提高了数据的规范性。其次,采用Geohash编码来体现坐标位置信息,使得一个编码即可体现出经度和纬度信息,无需对经度和纬度分别进行索引,且利用二分法进行索引,可以进一步提高索引效率;另外,通过建立利用人流数、车流数、警情数来预测数所需的监控设备数量的预测模型,从而可以根据实际采集到的信息客观推测出各个坐标点所需的合理的监控设备,便于交通执法等城市管理人员可以获知整个城市或各个片区的各个地点、道路路口等处的监控资源是否充足合理,无需管理人员手动进行统计估算,降低了人为主观性,提高了统计的效率,使得管理人员可以很快了解到整个城市的监控设备布局合理性。
附图说明
图1为一个实施例中监控密度分析方法的流程示意图;
图2为一个实施例中根据二分法从处理后的数据库中索引出与待索引Geohash编码相匹配的坐标值的流程示意图;
图3为一个实施例中监控密度分析装置的结构框图;
图4为一个实施例中电子设备的内部结构图。
具体实施方式
以下,将参照附图来描述本申请的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本申请的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本申请的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本申请。这里使用的词语“一”、“一个(种)”和“该”等也应包括“多个”、“多种”的意思,除非上下文另外明确指出。此外,在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在一个实施例中,提供了一种监控密度分析方法,如图1所示,该方法包括:
步骤102,对预设数据库中的坐标数据进行处理,使得处理后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录具有相同坐标值的数量。
本实施例中,预设数据库包括人流坐标数据库、车流坐标数据库、警情坐标数据库和监控设备坐标数据库。各数据库中分别存储了不同坐标点下的流量数据,流量数据包括坐标数据、目标身份标识、目标行动轨迹、时间、坐标点下的目标数量等其中的一种或多种。该目标可为人、车、警情等目标。其中,该坐标点可为某一个行政区域下的各个坐标点,比如为北京市、上海市全市、浙江省全省、杭州市、诸暨市等区域下的各个坐标点下的流量数据。
比如人流坐标数据库中则存储了不同坐标点下的人流数据,车流坐标数据库中则存储了不同坐标点下的车流数据,警情坐标数据库中则存储了对应坐标点下产生的警情数据。其中,车流数据包括在不同坐标下经过的可表示车辆的唯一标识信息,比如可为车辆的车牌号码等,也可以包括在该坐标点下经过的车流数;人流数据包括对应人物的身份证号等唯一标识信息,也可以包括在该坐标点下经过的人流数。警情可以包括超速、闯红灯、追尾、撞人等交通事件,警情数据可为对应的警情事件的编号,也可以包括在相应坐标点下的警情数量。监控设备坐标数据库中则对应存储了不同坐标点下的监控设备的数量、对应监控设备的设备标识、名称、设备参数、设备描述等其中的一种或几种数据。
在一个实施例中,数据库中还进一步记录了车流数、人流数和警情数对应的时刻或时间段,该时间段可为以1秒、5秒、半分钟、1分、3分钟、半小时、1小时、2小时、12小时、1天、2天、一周、甚至一个月等任意时长为单位的时间段。
在一个实施例中,电子设备可预先对数据库中存储的数据进行处理,由于数据库中存储的数据可能并不规范,电子设备可以将该数据进行归一化等处理,使得处理后的数据具有统一的形式,便于索引和管理。其中,电子设备可以对每个时间段内,不同坐标点下的流量数据进行统计,使得每个单位时间段内每个坐标数据仅保留一个唯一坐标值,并记录该坐标值对应的数量,该数量即可为对应的车流数、人流数、警情数和监控设备数。
举例来说,处理后的车流坐标数据库中存储的车流信息如下表1所示。
在一个实施例中,该坐标值可以为采用Geohash编码原理所体现出的坐标值,也可以是经度值和/或纬度值等任意形式的能够体现出坐标信息的数据。比如表1中的坐标值即为采用Geohash编码所体现的坐标信息。
表1
在一个实施例中,步骤102包括:将人流坐标数据库、车流坐标数据库、警情坐标数据库和监控设备坐标数据库中的数据进行合并,使得合并后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录每个坐标值对应的人流数、车流数、警情数和监控设备数。
本实施例中,处理后的数据库可以是将人流坐标数据库、车流坐标数据库、警情坐标数据库和监控设备坐标数据库进行汇总后的数据库,处理后的数据库中记录了各个坐标点下的车流数、人流数、警情数和设备数。其部分数据信息可以如下表2所示。
表2
通过将多个数据库中的数据信息整合到一个数据库中,从而可以通过一次索引即可得到对应的车流数、人流数、警情数、设备数等其中的一个或多个数据,减少了数据库的索引次数,提高了索引效率。
在一个实施例中,处理后的各个数据库中的数据可为按照坐标值进行顺序或倒序排序后的数据,以便于进行索引。
在一个实施例中,上述各数据库中的数据,涉及到人流量数据可以由公安部门所部署的MAC探针来采集并提供,涉及到车流量数据可以由公安部门的卡口、电子警察***等来采集并提供,涉及到监控设备的信息可以由公安监控及其他部门监控建设点位数据来采集,涉及到警情数据可以有公安110来提供。
步骤104,获取待分析的目标坐标点的待索引Geohash编码。
本实施例中,采用Geohash作为地址编码。通过将二维空间的经度值和纬度值数据进行编码,形成一个字符串,实现地址检索。Geohash编码是用一个字符串表示经度和纬度两个坐标,在数据库中可以实现在一列上应用索引。
Geohash的核心思想是对某一数字通过二分法进行无限逼近,按照哈夫曼编码的方式,可以得到经度、维度的哈夫曼编码值,并对两个编码值进行融合。融合规则可为将奇数位作为维度,将偶数位作为经度,也可以反之,或采用其它的融合方法。比如,对纬度39.92324精确到0.001后的编码为1011 1000 1100 0111 1001。经度116.3906精确到0.001后的编码为1101 0010 1100 0100 0100。两者融合后的编码为:11100 11101 00100 0111100000 01101 01011 00001。
在得到两者的融合编码后,从左至右,以每5位为一组进行编组,不足5位的,前面以0补足5位,然后按照Base32算法,可对每一个编组进行字符化。如39.92324, 116.3906(11100 11101 00100 01111 00000 01101 01011 00001)进行Base32的字符串化后获得字符串为:wx4g0ec1。
其中,目标坐标点可为需要判断对应位置的监控设备是否满足监控需求的坐标点。待索引Geohash编码可为用户输入的目标坐标点信息,也可以是根据***自定义的事件而触发的指令,根据该指令自动获取对应待索引Geohash编码。
Geohash编码的这一可以用于附近地点搜索,本实施例采用Geohash编码进行来表达坐标信息,可以快速实现一个单位网格或一个小的区域范围内的数据的统计。
步骤106,根据二分法从处理后的数据库中索引出与待索引Geohash编码相匹配的坐标值。
本实施例中,可以采用二分法的方式进行坐标值索引,可以提高索引的效率。其中,与待索引Geohash编码相匹配的坐标值可为与该坐标值之间的距离处于预设距离范围内的部分或所有的坐标值。该预设距离可为预先设置的任意合适的距离数值,比如为100米、20米、10米等任意合适的数值。
在一个实施例中,由于Geohash编码表示的并不是一个点,而是一个区域。Geohash编码的前缀可以表示更大的区域,例如wx4g0ec1,它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围。如果Geohash的位数是6位数,则该编码数据可以表示大概1千米的范围。因此,相匹配的坐标值可为是前N位编码值与待索引Geohash编码相同的坐标值。
具体地,电子设备可以查询前N位数值与待索引Geohash编码的前N为数值一样的Geohash编码,将其作为相匹配的坐标值。其中,N可为任意合适的数字,比如可为5、6、7、8等。以待索引编码为wx4g0ec1为例,N可为6或7,即前缀为wx4g0e或wx4g0ec的所有编码均作为与待索引Geohash编码相匹配的坐标值。
上述实施例中,通过直接将前N位相同的Geohash编码作为相匹配的坐标值,可以降低相匹配的坐标值的计算复杂度,提高索引效率。
步骤108,获取每个相匹配的坐标值对应的数量,根据对应的数量统计出与待索引Geohash编码相匹配的人流数、车流数、警情数和监控设备数。
本实施例中,针对索引到的坐标值,可获取与该坐标值对应的数量,该数量包括人流数、车流数、警情数量和监控设备数。人流数、车流数和警情数为预设时间段内的人流数、车流数和警情数的平均值、中位数、最高值中的任意一种数值。
具体的,该人流数、车流数、警情数的数量可以是上述的一个单位时间段内的数量,也可以是多个时间段内的总量。或者是多个时间段内的各数量的平均值、中位数、最高值等其中的一种或几种数值。举例来说,该数量可为在最近一个月内或最近一周内统计到的总量。
步骤110,将人流数、车流数和警情数导入预设的监控密度预测模型中进行运算,输出对应的监控设备预测数。
本实施例中,电子设备预先设置了监控密度预测模型。预测模型为用于输出监控设备预测数的模型。预测模型为根据预先设定的样本数据集训练而得到的模型,其训练得到的模型可为TextCNN模型、BERT模型等。其中,监控设备预测数与人流数、车流数和警情数均成正相关,人流数、车流数和警情数越大,则输出的监控设备预测数也越大。
在一个实施例中,该模型中设置人流数、车流数和警情数等参数的权值,其中,人流参数、车流参数和警情参数的权值并不一定相同,权值越大,则对应参数所占比重越大,该权值可为根据实际经验而设定的权值。
相比于作业人员的经验判断,本实施例通过利用流数、车流数和警情数等三个参数进行监控设备的需求数量分析,提高了监控设备数量分析的合理性和全面性。
步骤112,将监控设备数和监控设备预测数进行比较,根据比较结果输出对应的监控密度调整建议。
本实施例中,在根据该预测模型输出了预测数之后,可以将该预测数和该目标坐标点对应的设备数进行比较,以判断两者的大小,并根据判断结果来给出相应的监控密度调整建议。其中,该建议包括建议增加监控设备、建议减少监控设备、建议维持不变等。
比如说,当设备数大于预测数,则生成建议减少监控设备的建议;当设备数小于预测数,则生成建议增加监控设备的建议;当设备数与预测数相同,则生成维持设备不变的建议。
上述的监控密度分析方法,首先通过对人流坐标数据库、车流坐标数据库和警情坐标数据库等数据库中的数据进行处理,使得相同时间段下的相同坐标值数据仅保留唯一值,并记录具有该相同坐标值的数量,该数量可以体现出在对应时间段下的人流数、车流数、警情数等流量值,从而降低了数据库中的数据量大小,并提高了数据的规范性。其次,采用Geohash编码来体现坐标位置信息,使得一个编码即可体现出经度和纬度信息,无需对经度和纬度分别进行索引,且利用二分法进行索引,可以进一步提高索引效率;另外,通过建立利用人流数、车流数、警情数来预测数所需的监控设备数量的预测模型,从而可以根据实际采集到的信息客观推测出各个坐标点所需的合理的监控设备,便于交通执法等城市管理人员可以获知整个城市或各个片区的各个地点、道路路口等处的监控资源是否充足合理,无需管理人员手动进行统计估算,降低了人为主观性,提高了统计的效率,使得管理人员可以很快了解到整个城市的监控设备布局合理性。
在一个实施例中,如图2所示,步骤106包括:
步骤202,根据二分法从处理后的车流坐标数据库的所有数据作为索引范围,计算出表示车流坐标的车流Geohash编码的第一中间值。
步骤204,比较第一中间值与待索引Geohash编码的大小,根据比较结果确定新的索引范围。
步骤206,根据二分法从新的索引范围中继续确定索引范围,直到所确定的索引范围中的数据量小于第一数据量为止。
步骤208,从小于第一数据量的索引范围中索引出与待索引Geohash编码相匹配的车流坐标值。
本实施例中,以车流数获取过程为例,其中,电子设备可以对处理后的车流坐标数据库中的坐标数据取极大值x-max和极小值x-min,并根据该极大值和极小值计算出第一中间值x1-middle,从而划分成了两个区间[x-max~x1-middle]和[x1-middle~x-min],在划分出了两个区间之后,电子设备可以比较待索引Geohash编码具体处于哪个区间内,并将待索引Geohash编码所处的区间作为新的索引范围,对其进行第二次区间划分,并进行第二次划分的区间继续确定索引范围。举例来说,如果待索引Geohash编码属于区间[x-max~x1-middle],则对该区间再次去第二中间值x2-middle,再次形成两个区间[x-max~x2-middle]和[x2-middle~x1-middle],针对第二次形成的两个区间,再次判断待索引Geohash编码所属区间,确定新的索引范围,并对其进行第三次区间划分。以此类推,直到最新一次所确定的索引范围内的数据量小于第一数据量为止。
其中,第一数据量可为预设的任意合适的数据量,在该数据量内,则无需再次进行区间划分,可以直接在该索引范围内进行检索,比如采用循环索引的方式对该最新索引范围内的所有数据进行索引,得到相匹配的车流坐标值。
除了针对车流坐标值可以采用上述的二分法进行索引之外,人流坐标值和警情坐标值均可以采用类似的二分法进行索引。
比如针对人流坐标值来说,电子设备可以根据二分法从处理后的人流坐标数据库的所有数据作为索引范围,计算出表示人流坐标的人流Geohash编码的第二中间值;比较第二中间值与待索引Geohash编码的大小,根据比较结果确定新的索引范围;根据二分法从新的索引范围中继续确定索引范围,直到所确定的索引范围中的数据量小于第二数据量为止;从小于第二数据量的索引范围中索引出与待索引Geohash编码相匹配的人流坐标值。
针对警情坐标值来说,电子设备可以根据二分法从处理后的警情坐标数据库的所有数据作为索引范围,计算出表示警情坐标的警情Geohash编码的第三中间值;比较第三中间值与待索引Geohash编码的大小,根据比较结果确定新的索引范围;根据二分法从新的索引范围中继续确定索引范围,直到所确定的索引范围中的数据量小于第三数据量为止;从小于第三数据量的索引范围中索引出与待索引Geohash编码相匹配的警情坐标值。
其中,上述的第一数据量、第二数据量和第三数据量可以是相同的数据量,也可以是根据实际情况而设定不同的数据量。
以数据库内的坐标数据总量为n来说,记采用循环所有区域的方式来索引的时间复杂度为O(n),则采用二分法匹配的坐标值的方式的时间复杂度最小为O(log2n),最大为O(n)。当n越大,则采用二分法的方式来进行索引的时间复杂度相对与循环索引而言则越小,其索引的效率和实时性越高。
在一个实施例中,步骤206包括:从小于第一数据量的索引范围中查询与待索引Geohash编码的前N位一样的车流Geohash编码,作为相匹配的车流坐标值。
具体地,当经过多次二分法进行区间划分之后,针对最后一次划分的数据量小于第一数据量的待索引Geohash编码所处区间,电子设备可以查找出该区间中与待索引Geohash编码的前N位相同的坐标值,将其作为相匹配的车流坐标值。其中,N为大于0的正整数,比如可为5、6、7、8等。以待索引编码为wx4g0ec1为例,N可为6或7,即前缀为wx4g0e或wx4g0ec的所有编码均作为与待索引Geohash编码相匹配的坐标值。
上述实施例中,通过直接将前N位相同的Geohash编码作为相匹配的坐标值,可以降低相匹配的坐标值的计算复杂度,提高索引效率。
在一个实施例中,步骤112包括:当预测数小于设备数的第一百分比时,则生成减少监控设备的建议;当预测数大于设备数的第二百分比时,则生成增加监控设备的建议;当预测数处于设备数的第一百分比和第二百分比的范围内,则生成保持不变的建议,其中,第一百分比小于100%,第二百分比大于100%。
本实施例中,上述的第一百分比和第二百分比可为任意合适的数值。比如第一百分比为80%,第二百分比为120%。通过设置百分比,从而使得监控设备具有一个合理的范围,更加贴合实际。
在一个实施例中,当预测数和设备数均达到饱和值时,则生成保持不变的建议。
本实施例中,每个坐标点或坐标区域等感知点位下的监控设备的数量是存在饱和值的,不需要对应坐标点或区域内的监控设备的数量不做上限设置。因此,当检测到对应感知点位下已有的监控设备已经达到了饱和值,且在预测出的设备预测数也达到了该饱和值的前提下,即使该设备预测数超过了设备数的第二百分比,则仍然生成保持不变的建议。
在一个实施例中,步骤112包括:生成将与目标坐标点最近且过密的监控设备移动到目标坐标点处的建议。
本实施例中,电子设备在完成了整个行政区域内的各个待分析的目标坐标点的设备数量预测之后,可以综合全局的各个感知点位下的设备数与预测数的大小,梳理出需要增加监控设备的各个点位的坐标点,形成第一坐标点集,以及梳理出需要减少监控设备的各个点位的坐标点,形成第二坐标点集。针对第一坐标点集中的某个坐标点,可以在第二坐标点集中进行排查,查找出与坐标点最接近的一个或多个坐标点,并生成将该查找出的坐标点下的监控设备移动到该需要增加监控设备的坐标点下的建议。其中,该查找方法也可以采用上述的二分法进行索引。
上述方法中,通过进一步生成对需要减少监控设备的设备进行移动到具体的需要增加监控设备的坐标点的建议,可以指示相关作业人员参考,并对现有的监控设备进行合理利用,提高了设备利用的合理性。
在一个实施例中,如图3所示,提供了一种基于重合度的监控设备调整装置,该装置包括:
数据处理模块302,用于对预设数据库中的坐标数据进行处理,使得处理后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录具有相同坐标值的数量;预设数据库包括人流坐标数据库、车流坐标数据库、警情坐标数据库和监控设备坐标数据库;
坐标点获取模块304,用于获取待分析的目标坐标点的待索引Geohash编码;
坐标点索引模块306,用于根据二分法从处理后的数据库中索引出与待索引Geohash编码相匹配的坐标值;
流量获取模块308,用于获取每个相匹配的坐标值对应的数量,根据对应的数量统计出与待索引Geohash编码相匹配的人流数、车流数、警情数和监控设备数;
设备数量预测模块310,用于将人流数、车流数和警情数导入预设的监控密度预测模型中进行运算,输出对应的监控设备预测数;
建议生成模块312,用于将监控设备数和监控设备预测数进行比较,根据比较结果输出对应的监控密度调整建议。
在一个实施例中,坐标点索引模块306还用于根据二分法从处理后的车流坐标数据库的所有数据作为索引范围,计算出表示车流坐标的车流Geohash编码的第一中间值;比较第一中间值与待索引Geohash编码的大小,根据比较结果确定新的索引范围;根据二分法从新的索引范围中继续确定索引范围,直到所确定的索引范围中的数据量小于第一数据量为止;从小于第一数据量的索引范围中索引出与待索引Geohash编码相匹配的车流坐标值。
在一个实施例中,坐标点索引模块306还用于从小于第一数据量的索引范围中查询与待索引Geohash编码的前N位一样的车流Geohash编码,作为相匹配的车流坐标值,其中,N为大于0的正整数。
在一个实施例中,人流数、车流数和警情数为预设时间段内的人流数、车流数和警情数的平均值、中位数、最高值中的任意一种数值。
在一个实施例中,建议生成模块312还用于当预测数小于设备数的第一百分比时,生成减少监控设备的建议;当预测数大于设备数的第二百分比时,生成增加监控设备的建议;当预测数处于设备数的第一百分比和第二百分比的范围内,生成保持不变的建议,其中,第一百分比小于100%,第二百分比大于100%。
在一个实施例中,建议生成模块312还用于生成将与目标坐标点最近且过密的监控设备移动到目标坐标点处的建议。
在一个实施例中,建议生成模块312还用于当预测数和设备数均达到饱和值时,则生成保持不变的建议。
在一个实施例中,提出了一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述任意实施例中的监控密度分析方法的步骤。
在一个实施例中,提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述任意实施例中的监控密度分析方法的步骤。
在一个实施例中,提供了一种电子设备,该电子设备具体可以是终端,也可以是服务器。如图4所示,电子设备400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,包括承载指令的在计算机可读介质,在这样的实施例中,该指令可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该指令被中央处理单元(CPU)401执行时,执行本发明中描述的各个方法步骤。
尽管已经描述了示例实施例,但是对于本领域技术人员来说显而易见的是,在不脱离本发明构思的精神和范围的情况下,可以进行各种改变和修改。因此,应当理解,上述示例实施例不是限制性的,而是说明性的。
Claims (10)
1.一种监控密度分析方法,其特征在于,所述方法包括:
对预设数据库中的坐标数据进行处理,使得处理后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录具有相同坐标值的数量;所述预设数据库包括人流坐标数据库、车流坐标数据库、警情坐标数据库和监控设备坐标数据库;
获取待分析的目标坐标点的待索引Geohash编码;
根据二分法从所述处理后的数据库中索引出与所述待索引Geohash编码相匹配的坐标值;
获取每个所述相匹配的坐标值对应的数量,根据所述对应的数量统计出与所述待索引Geohash编码相匹配的人流数、车流数、警情数和监控设备数;
将所述人流数、所述车流数和所述警情数导入预设的监控密度预测模型中进行运算,输出对应的监控设备预测数;
将所述监控设备数和所述监控设备预测数进行比较,根据所述比较结果输出对应的监控密度调整建议。
2.根据权利要求1所述的方法,其特征在于,所述根据二分法从所述处理后的数据库中索引出与所述待索引Geohash编码相匹配的坐标值,包括:
根据二分法从处理后的车流坐标数据库的所有数据作为索引范围,计算出表示车流坐标的车流Geohash编码的第一中间值;
比较所述第一中间值与所述待索引Geohash编码的大小,根据所述比较结果确定新的索引范围;
根据二分法从所述新的索引范围中继续确定索引范围,直到所确定的索引范围中的数据量小于第一数据量为止;
从小于第一数据量的索引范围中索引出与所述待索引Geohash编码相匹配的车流坐标值。
3.根据权利要求2所述的方法,其特征在于,所述从小于第一数据量的索引范围中索引出与所述待索引Geohash编码相匹配的车流坐标值,包括:
从小于第一数据量的索引范围中查询与所述待索引Geohash编码的前N位一样的车流Geohash编码,作为相匹配的车流坐标值,其中,N为大于0的正整数。
4.根据权利要求1所述的方法,其特征在于,所述对预设数据库中的坐标数据进行处理,使得处理后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录具有相同坐标值的数量,包括:
将所述人流坐标数据库、所述车流坐标数据库、所述警情坐标数据库和所述监控设备坐标数据库中的数据进行合并,使得合并后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录每个所述坐标值对应的人流数、车流数、警情数和监控设备数。
5.根据权利要求1所述的方法,其特征在于,所述车流数为预设时间段内的车流数的平均值、中位数、最高值中的任意一种数值;
所述人流数为所述预设时间段内的人流数的平均值、中位数、最高值中的任意一种数值;
所述警情数为所述预设时间段内的警情数的平均值、中位数、最高值中的任意一种数值。
6.根据权利要求1所述的方法,其特征在于,所述将所述监控设备数和所述监控设备预测数进行比较,根据所述比较结果输出对应的监控密度调整建议,包括:
当所述预测数小于所述设备数的第一百分比时,生成减少监控设备的建议;
当所述预测数大于所述设备数的第二百分比时,生成增加监控设备的建议;
当所述预测数处于所述设备数的第一百分比和第二百分比的范围内,生成保持不变的建议,其中,所述第一百分比小于100%,第二百分比大于100%。
7.根据权利要求6所述的方法,其特征在于,所述生成增加监控设备的建议,包括:
生成将与所述目标坐标点最近且过密的监控设备移动到所述目标坐标点处的建议。
8.一种基于重合度的监控设备调整装置,其特征在于,包括:
数据处理模块,用于对预设数据库中的坐标数据进行处理,使得处理后的数据库中的每个坐标数据仅保留一个唯一坐标值,并记录具有相同坐标值的数量;所述预设数据库包括人流坐标数据库、车流坐标数据库、警情坐标数据库和监控设备坐标数据库;
坐标点获取模块,用于获取待分析的目标坐标点的待索引Geohash编码;
坐标点索引模块,用于根据二分法从所述处理后的数据库中索引出与所述待索引Geohash编码相匹配的坐标值;
流量获取模块,用于获取每个所述相匹配的坐标值对应的数量,根据所述对应的数量统计出与所述待索引Geohash编码相匹配的人流数、车流数、警情数和监控设备数;
设备数量预测模块,用于将所述人流数、所述车流数和所述警情数导入预设的监控密度预测模型中进行运算,输出对应的监控设备预测数;
建议生成模块,用于将所述监控设备数和所述监控设备预测数进行比较,根据所述比较结果输出对应的监控密度调整建议。
9.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210173920.8A CN114238346B (zh) | 2022-02-25 | 2022-02-25 | 监控密度分析方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210173920.8A CN114238346B (zh) | 2022-02-25 | 2022-02-25 | 监控密度分析方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114238346A true CN114238346A (zh) | 2022-03-25 |
CN114238346B CN114238346B (zh) | 2022-05-17 |
Family
ID=80748124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210173920.8A Active CN114238346B (zh) | 2022-02-25 | 2022-02-25 | 监控密度分析方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114238346B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114827590A (zh) * | 2022-06-22 | 2022-07-29 | 浙江力嘉电子科技有限公司 | 摄像头位置分布合理性分析方法、装置和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106535129A (zh) * | 2016-11-22 | 2017-03-22 | 腾云天宇科技(北京)有限公司 | 一种统计移动设备数量的方法、装置和计算设备 |
US20180150479A1 (en) * | 2015-05-29 | 2018-05-31 | Zhejiang Uniview Technologies Co., Ltd | Video monitor layout |
CN110490277A (zh) * | 2019-07-16 | 2019-11-22 | 视联动力信息技术股份有限公司 | 一种监控设备数量统计方法、***、电子设备及存储介质 |
CN110929648A (zh) * | 2019-11-22 | 2020-03-27 | 广东睿盟计算机科技有限公司 | 监控数据处理方法、装置、计算机设备以及存储介质 |
CN111367958A (zh) * | 2019-11-19 | 2020-07-03 | 杭州海康威视***技术有限公司 | 一种数据分析方法、装置、电子设备及存储介质 |
US20210287400A1 (en) * | 2020-03-10 | 2021-09-16 | Shenzhen Fugui Precision Ind. Co., Ltd. | Method for optimizing camera layout for area surveillance and apparatus employing the method |
-
2022
- 2022-02-25 CN CN202210173920.8A patent/CN114238346B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180150479A1 (en) * | 2015-05-29 | 2018-05-31 | Zhejiang Uniview Technologies Co., Ltd | Video monitor layout |
CN106535129A (zh) * | 2016-11-22 | 2017-03-22 | 腾云天宇科技(北京)有限公司 | 一种统计移动设备数量的方法、装置和计算设备 |
CN110490277A (zh) * | 2019-07-16 | 2019-11-22 | 视联动力信息技术股份有限公司 | 一种监控设备数量统计方法、***、电子设备及存储介质 |
CN111367958A (zh) * | 2019-11-19 | 2020-07-03 | 杭州海康威视***技术有限公司 | 一种数据分析方法、装置、电子设备及存储介质 |
CN110929648A (zh) * | 2019-11-22 | 2020-03-27 | 广东睿盟计算机科技有限公司 | 监控数据处理方法、装置、计算机设备以及存储介质 |
US20210287400A1 (en) * | 2020-03-10 | 2021-09-16 | Shenzhen Fugui Precision Ind. Co., Ltd. | Method for optimizing camera layout for area surveillance and apparatus employing the method |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114827590A (zh) * | 2022-06-22 | 2022-07-29 | 浙江力嘉电子科技有限公司 | 摄像头位置分布合理性分析方法、装置和电子设备 |
CN114827590B (zh) * | 2022-06-22 | 2022-09-13 | 浙江力嘉电子科技有限公司 | 摄像头位置分布合理性分析方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114238346B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108346292B (zh) | 基于卡口数据的城市快速路实时交通指数计算方法 | |
Zheng et al. | Detecting collective anomalies from multiple spatio-temporal datasets across different domains | |
Donovan et al. | Using coarse GPS data to quantify city-scale transportation system resilience to extreme events | |
CN113034913A (zh) | 交通拥堵预测方法、装置、设备及存储介质 | |
CN111639786B (zh) | 资源配置方法、装置、存储介质及计算机设备 | |
CN105979532B (zh) | 一种业务处理***的性能容量分析预警方法及装置 | |
Yabe et al. | A framework for evacuation hotspot detection after large scale disasters using location data from smartphones: case study of kumamoto earthquake | |
CN115034600A (zh) | 一种用于地质灾害监测的预警方法及*** | |
CN114238346B (zh) | 监控密度分析方法、装置、存储介质和电子设备 | |
CN112132490B (zh) | 城市传染病高风险社区识别方法、装置、电子设备及介质 | |
Chao et al. | Population density-based hospital recommendation with mobile LBS big data | |
CN114201482A (zh) | 人口动态分布统计方法、装置、电子设备及可读存储介质 | |
CN112738729A (zh) | 一种用手机信令数据判别探亲返乡游客的方法及*** | |
CN113256405B (zh) | 欺诈用户集中区域的预测方法、装置、设备及存储介质 | |
CN110737673B (zh) | 一种数据处理的方法及*** | |
CN110826897A (zh) | 地域安全评价方法、装置、设备及存储介质 | |
Tang et al. | Multidimensional analysis of atypical events in cyber-physical data | |
CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
CN112330159B (zh) | 一种基于区块链的3dgis信息平台管理方法及*** | |
CN116433053B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN112396196A (zh) | 针对智能交通***实现智慧运维管理的*** | |
CN116935643A (zh) | 交通管理方法、装置、设备及存储介质 | |
CN116013084A (zh) | 交通管控场景确定方法、装置、电子设备及存储介质 | |
CN114512001B (zh) | 区域交通监测方法、装置、电子设备、介质及程序产品 | |
CN117010537A (zh) | 目标区域预测方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |