一種基于多數(shù)據(jù)融合的應(yīng)急逃離引導(dǎo)方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種基于多數(shù)據(jù)融合的應(yīng)急逃離引導(dǎo)方法和系統(tǒng)，用于個人用戶面臨危險事件時，幫助用戶選擇最佳的脫困目的地和最安全的逃離路線。當(dāng)危險事件發(fā)生時，用戶采用客戶端發(fā)送所在地的GPS和逃離引導(dǎo)請求。服務(wù)器端搜索事發(fā)地點周圍一定范圍內(nèi)能夠幫助用戶脫困的特定類型的POI(城市信息點)，通過聚類算法識別出POI聚集密度較高、人群密度較高的候選安全區(qū)域，綜合考慮用戶前往安全區(qū)域的路線的安全性以及目標(biāo)安全區(qū)域本身的安全性，選擇一條全局安全系數(shù)最高的最優(yōu)逃離路徑?？蛻舳烁鶕?jù)最優(yōu)路徑進(jìn)行實時跟蹤引導(dǎo)。本發(fā)明能夠提供簡潔高效的即時引導(dǎo)服務(wù)，對于減少個人生命財產(chǎn)損失、保障和諧安定的生活環(huán)境等具有實踐應(yīng)用價值。
【專利說明】一種基于多數(shù)據(jù)融合的應(yīng)急逃離引導(dǎo)方法和系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及海量浮動車輛數(shù)據(jù)分析、基于社交媒體數(shù)據(jù)的城市人群出行模式分析、城市信息點(Point of Interest,POI)時空聚類分析、最優(yōu)路徑規(guī)劃、位置相關(guān)服務(wù)、移動計算等領(lǐng)域，具體涉及一種基于多數(shù)據(jù)融合的面向個人的應(yīng)急逃離引導(dǎo)方法和系統(tǒng)。
【背景技術(shù)】
[0002]在過去的十多年時間中，信息技術(shù)的普及已經(jīng)深刻的改變了人們的生活。隨著大數(shù)據(jù)處理技術(shù)的發(fā)展以及云計算服務(wù)的落地，人們已經(jīng)可以借助于更強大的計算資源來處理更加海量的數(shù)據(jù)，各類基于海量數(shù)據(jù)分析處理的應(yīng)用也應(yīng)運而生。同時，隨著各類移動終端的普及，人們獲取各類信息和服務(wù)的門檻也進(jìn)一步降低。
[0003]自IBM在2010年提出“智慧城市”的概念以后，各國也開始重視利用先進(jìn)的IT技術(shù)，分析處理海量的數(shù)據(jù)，以更好地服務(wù)于公眾。公共安全領(lǐng)域是一個近年來非常受重視的領(lǐng)域。隨著中國城市化進(jìn)程的加快，居民的城市生活越來越豐富，城市安全問題也有所突顯。傳統(tǒng)的關(guān)注點只關(guān)心面向公眾的安全服務(wù)，實際上借助于大數(shù)據(jù)處理技術(shù)及智能的移動終端設(shè)備，推出面向用戶個人的個性化安全服務(wù)已經(jīng)成為可能。
[0004]在城市生活中，個人時常有各類安全庇護(hù)需求。例如在不熟悉的地域遭人跟蹤，或在突發(fā)暴力事件時急需安全的避難場所，或在夜晚出行需要優(yōu)先考慮人流密集的、明亮的安全區(qū)域等。傳統(tǒng)方式下個人遭遇危險事件時，往往選擇大聲呼救，盲目地選擇逃離方向與逃離路徑；或者是根據(jù)個人經(jīng)驗，向車流量大的道路或者人群密集的地方逃離。但是當(dāng)事人對交通狀況與地區(qū)安全的感知是經(jīng)驗性的，不可靠的，而且對時間不敏感。如果在危險情況下，選擇不當(dāng)會給當(dāng)事人造成重大的損失。因此，需要更有效的應(yīng)急逃離引導(dǎo)方案，以減少危險事件發(fā)生時所帶來的危害，為個人用戶提供個性化的逃離引導(dǎo)服務(wù)安全保障。

【發(fā)明內(nèi)容】

[0005]針對個人在應(yīng)急情況下的逃離引導(dǎo)需求，本發(fā)明提出了一種基于多數(shù)據(jù)融合的應(yīng)急逃離引導(dǎo)服務(wù)的實現(xiàn)方法及系統(tǒng)。本發(fā)明重點要解決的問題是在威脅人身安全的危險事件發(fā)生時“往哪兒逃”和“如何逃”，采用的方法主要包括候選安全區(qū)域的聚合，路網(wǎng)流量經(jīng)驗?zāi)Ｐ偷纳?，以及基于安全系?shù)計算的逃離路徑選擇。
[0006]本發(fā)明所采用的技術(shù)方案的內(nèi)容包括:
[0007](I)提出根據(jù)城市POI分布數(shù)據(jù)聚合得到候選安全區(qū)域的方法，實時的為用戶搜索一定半徑范圍內(nèi)的候選安全區(qū)域。融合帶有地理標(biāo)簽的社交媒體數(shù)據(jù)和城市POI分布數(shù)據(jù)，評估各候選安全區(qū)域的安全系數(shù)。這部分解決“往哪兒逃”的問題。
[0008](2)基于海量浮動車的運營記錄，融合地圖路網(wǎng)數(shù)據(jù)信息，將浮動車GPS信息映射到路網(wǎng)空間，從而將浮動車的GPS軌跡轉(zhuǎn)換成為了路網(wǎng)軌跡。然后從道路路網(wǎng)的角度，根據(jù)浮動車輛的經(jīng)過路徑、流量、流速等信息，統(tǒng)計每條路徑在一個時間點的流量、流速信息，進(jìn)而生成一個路網(wǎng)流量的經(jīng)驗?zāi)Ｐ?，為評估路徑的安全系數(shù)做準(zhǔn)備。[0009](3)計算事發(fā)點至各個候選安全區(qū)域的若干個候選路徑，根據(jù)路網(wǎng)流量經(jīng)驗?zāi)Ｐ陀嬎愀鱾€候選路徑的安全系數(shù)。選擇安全系數(shù)最高的候選路徑作為去往各個候選避免區(qū)域的應(yīng)急逃離路徑。(2)和(3)兩部分共同解決“如何逃”的問題。
[0010](4)提出結(jié)合目標(biāo)區(qū)域安全評分與途經(jīng)路徑安全評分的綜合最優(yōu)逃離路徑選擇方法，為用戶提供在融合多方面數(shù)據(jù)的基礎(chǔ)上的整合化的最優(yōu)方案。借助移動設(shè)備的定位跟蹤能力，可以實時的對用戶的逃離路徑做出指引。這部分提供了整合“往哪兒逃”和“如何逃”的整合化解決方案。
[0011]下面分4個部分具體闡述本發(fā)明的主要內(nèi)容。
[0012]1.候選安全區(qū)域聚類生成方法
[0013]融合城市POI數(shù)據(jù)、人群分布數(shù)據(jù)的候選安全區(qū)域選擇方法主要包括3個步驟:I)選取事發(fā)點周圍指定半徑覆蓋到的所有能夠幫助用戶脫困的有效POI作為候選POI集合；
2)使用NN-Aggregation算法從候選POI集合中聚合出候選的安全區(qū)域；3)融合人群分布情況和POI分布情況對候選安全區(qū)域的安全系數(shù)進(jìn)行評估。下面對各個步驟的具體實現(xiàn)方式進(jìn)行說明。
[0014]1.1POI候選集的選擇方法
[0015]本發(fā)明中我們使用POI作為安全區(qū)域的組成單元。下面給出定義以便下文的說明。
[0016]定義I (POI) =POI是地理空間中承擔(dān)特定職能的地理實體(如咖啡館，商場，酒店，醫(yī)院等等)。本發(fā)明中我們將POI定義為POI =〈GPS，Opening_Hours, Type),其中GPS是POI的地理坐標(biāo)，OpeningJtours指代POI的營業(yè)時間，Type指代POI的類型。POI類型表征了 POI所承擔(dān)的特定公共服務(wù)職能。在具體實施時，POI類型可以采用多級分類模式，比如采用三級分類模式，其中一級類別包括:生活服務(wù)、餐飲服務(wù)、購物服務(wù)、醫(yī)療保健服務(wù)等；二級類別、三級類別采用其它的POI類型。但本發(fā)明不以此為限制，也可以不對POI類型進(jìn)行分級。
[0017] 定義2(有效Ρ0Ι):在本發(fā)明中我們只關(guān)注那些提供公共服務(wù)的Ρ0Ι，諸如醫(yī)院、餐廳、商場。這些POI有較高的人流量和人口密度，有利于幫助用戶最大可能的獲得幫助，脫離困境。此外，有效POI還必須滿足在用戶請求服務(wù)的時候還處于營業(yè)狀態(tài)。
[0018]基于以上定義，我們給出候選的POI的選擇方法:
[0019](I)給定事發(fā)點的GPS坐標(biāo)p，搜索半徑r以及當(dāng)前時間t，返回滿足如下條件的POI構(gòu)成候選POI集合，即滿足POI與事發(fā)點P的直線距離小于r，POI類型是指定的有效類型，同時當(dāng)前請求時間屬于該POI的正常營業(yè)時間；
Dis(p.PO1.GPS) <=r
[0020].: PO1.Type e VaIidTypeSet
t G PO!.0pening _ I lours
[0021](2)如果步驟(1)得到的POI集合為空，則擴大搜索半徑r = 2*r，再次執(zhí)行步驟I的搜索。
[0022]1.2候選安全區(qū)域的聚類方法
[0023]上一步獲取的候選POI集合并非最終推薦的安全區(qū)域。我們認(rèn)為一個安全區(qū)域由較多有效POI聚集而成，這種地帶人流量較大，人口密度較高，能夠為用戶提供更多的幫助以盡快脫險。為此，我們提出了安全區(qū)域聚類識別方法(Nearest Neighbors Aggregation,簡稱為NN-Aggregation),將候選的安全區(qū)域從POI候選集中識別出來。
[0024]定義3(臨界聚合距離λ ):當(dāng)兩個POI之間的空間距離小于臨界距離λ時，我們認(rèn)為兩個POI可聚合。
[0025]定義4 (臨界POI聚合率φ:):假設(shè)已經(jīng)聚合有一個POI簇W，簇中POI數(shù)為η?，F(xiàn)有一個新POI記為poi,經(jīng)計算poi與W中k個POI滿足臨界聚合距離條件λ，則針對poi的POI聚合率為:
[0026]aggre_ratio (poi) = k/n
[0027]本發(fā)明中我們規(guī)定如果> ψ，則可以將poi聚合到W中。
[0028]依據(jù)以上定義，我們給出安全區(qū)域的識別過程:
[0029](I)從POI候選集中隨機抽取一個POI，構(gòu)造一個新的只有一個POI的安全區(qū)域；
[0030](2)從候選集中的剩余POI中選擇一個滿足臨界POI聚合率Φ條件的POI聚合到安全區(qū)域中；
[0031](3)反復(fù)執(zhí)行步驟(2)，直到找不到可以聚合到安全區(qū)域的Ρ0Ι，則一個安全區(qū)域識別完畢。如果此時候選集合中還有未識別的P0I，則跳轉(zhuǎn)到步驟(1)，開始新的安全區(qū)域識別流程；否則整個識別過程結(jié)束。圖2a是POI分布的模擬示意圖，圖2b是使用上述NN-Aggregation算法對POI進(jìn)行聚類后識別出的安全區(qū)域示意圖。
[0032]1.3候選安全區(qū)域的安全系數(shù)計算方法
[0033]在識別出用戶周圍可能的安全區(qū)域后，我們需要對安全區(qū)域的安全性進(jìn)行評估，本發(fā)明中我們定義“安全系數(shù)”來度量。
[0034]定義5 (安全區(qū)域的安全系數(shù)):安全系數(shù)是某個安全區(qū)域在特定時刻的安全性得分。假設(shè)當(dāng)前時刻為t,則安全區(qū)域cluster的安全系數(shù)定義為:secure (cluster, t)。cluster的安全系數(shù)與3方面的因素有關(guān):l)t時刻cluster中正處于營業(yè)狀態(tài)的POI數(shù)目；2)t時刻cluster中人流量；3) cluster中的POI密集程度。
[0035]定義6 (t時刻POI人流量):人流量反應(yīng)了一個地區(qū)的繁華程度。在本發(fā)明的應(yīng)用場景下，這種繁華程度與地帶的安全性成正相關(guān)關(guān)系。我們利用海量的帶有地理標(biāo)簽信息的社交媒體數(shù)據(jù)來近似的估計某個POI在以t時刻為中間點的半小時內(nèi)的人流量。具體方法為:對數(shù)據(jù)進(jìn)行分析并按地理標(biāo)簽進(jìn)行分區(qū)域統(tǒng)計，得到在t時刻所在時間區(qū)間內(nèi)POI附近一定半徑內(nèi)的社交媒體信息發(fā)表量，以此來表征安全區(qū)域的人流量，記為peopleFlow (POI, t)。
[0036]定義7 (安全區(qū)域POI密集程度):我們用安全區(qū)域cluster內(nèi)的平均POI間距來表征這一指標(biāo),記為density (cluster)。假設(shè)cluster的POI數(shù)為η,則
【權(quán)利要求】
1.一種基于多數(shù)據(jù)融合的應(yīng)急逃離引導(dǎo)方法，其步驟包括: 1)用戶在遭遇應(yīng)急事件時通過客戶端向服務(wù)器發(fā)送應(yīng)急引導(dǎo)請求，并通過客戶端的GPS定位服務(wù)將用戶所在地的GPS坐標(biāo)發(fā)送至服務(wù)器； 2)以POI表示地理空間中承擔(dān)特定職能的地理實體，服務(wù)器以用戶所在地的GPS坐標(biāo)點為圓心，搜索一定半徑R內(nèi)的有效POI作為候選POI集合，然后將候選POI集合聚類成一系列的POI簇，表示若干候選的目標(biāo)安全區(qū)域，如果半徑R內(nèi)的POI數(shù)量不能滿足要求，則自動擴大搜索半徑R ； 3)基于交通道路路網(wǎng)數(shù)據(jù)構(gòu)建針對路段的柵格化索引，將每條路段注冊到其經(jīng)過的所有索引柵格上，在用戶GPS位置周圍的半徑r所覆蓋的柵格中，搜索候選起始路段集合； 4)對每一個候選起始路段到每一個候選目標(biāo)安全區(qū)域，規(guī)劃出一系列引導(dǎo)路徑； 5)基于海量浮動車輛GPS數(shù)據(jù)并結(jié)合交通道路路網(wǎng)數(shù)據(jù)，得到帶有時間片信息的道路流量流速模型，基于海量的帶有地理標(biāo)簽信息的社交媒體數(shù)據(jù)，得到帶有時間片信息的人群密度估計模型；根據(jù)道路流量流速模型評估每一條路徑的安全系數(shù)，根據(jù)人群密度和POI密度評估候選目標(biāo)安全區(qū)域的安全系數(shù)，然后綜合路徑安全系數(shù)和候選目標(biāo)安全區(qū)域的安全系數(shù)得到整體最優(yōu)的應(yīng)急逃離引導(dǎo)路徑，并將其返回給客戶端； 6)客戶端接收服務(wù)器返回的最優(yōu)應(yīng)急逃離引導(dǎo)路徑，并根據(jù)該引導(dǎo)路徑引導(dǎo)用戶到達(dá)目標(biāo)安全區(qū)域。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2)得到半徑R內(nèi)候選目標(biāo)安全區(qū)域的方法是: a)給定事發(fā)點的GPS坐標(biāo)P、搜索半徑r以及當(dāng)前時間t，返回滿足如下條件的POI構(gòu)成候選POI集合，即滿足POI與事發(fā)點P的直線距離小于r，POI類型是指定的有效類型，同時當(dāng)前請求時間屬于該POI的正常營業(yè)時間:
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，構(gòu)成所述候選POI集合的有效POI是指提供公共服務(wù)的Ρ0Ι，包括醫(yī)院、餐廳、商場。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，定義所述臨界POI聚合率Φ為:假設(shè)已經(jīng)聚合有一個POI簇W，簇中POI數(shù)為n，現(xiàn)有一個新POI記為poi，經(jīng)計算poi與W中k個POI滿足臨界聚合距離條件λ，則針對poi的POI聚合率為:
aggre_ratio(poi) = k/n, 如果叩講^ —/W/VH/w/) > φ，則可以將poi聚合到W中。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟5)所述候選路徑安全系數(shù)的評估方法為: 根據(jù)基于海量浮動車數(shù)據(jù)得到的道路流量流速模型，獲取某個時間段t某個路段edge的車速speed (edge, t)與車流量flow (edge, t),得到路段安全系數(shù):
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟5)所述候選目標(biāo)安全區(qū)域安全系數(shù)的評估方法為: 對海量的帶有地理標(biāo)簽信息的社交媒體數(shù)據(jù)進(jìn)行分析并按地理標(biāo)簽進(jìn)行分區(qū)域統(tǒng)計，得到在t時刻所在時間區(qū)間內(nèi)POI附近一定半徑內(nèi)的社交媒體信息發(fā)表量，以此來表征安全區(qū)域的人流量，記為peopleFlow (POI, t), 安全區(qū)域的POI密集程度,記為density (cluster):
7.據(jù)權(quán)利要求1所述的方法，其特征在于，步驟5)所述的最優(yōu)應(yīng)急逃離引導(dǎo)路徑的選擇方法為: 使用Logistic分布函數(shù)分別對路徑安全系數(shù)和目標(biāo)安全區(qū)域安全系數(shù)做規(guī)范化:
8.根據(jù)權(quán)利要求1所述的方法，其特征在于:步驟6)中客戶端使用移動設(shè)備的GPS服務(wù)，實時跟蹤用戶行徑路線，一旦用戶偏離預(yù)定撤離路線，則將用戶的新位置的GPS坐標(biāo)提交到服務(wù)器，重新規(guī)劃最佳逃離路線。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于:步驟6)中客戶端在獲知用戶GPS位置的情況下，根據(jù)周邊各個區(qū)域的不同的安全指數(shù)，在地圖中分別繪制不同級別的顏色圖層，為終端用戶提供更為直觀的預(yù)覽效果，對不同區(qū)域安全指數(shù)分級按照綠色、淺綠色、黃色、橙色、紅色，逐步過渡；對未識別的區(qū)域設(shè)定為無色圖層；對可識別的安全區(qū)域，使用綠色或淺綠色表示；對系統(tǒng)可識別的不安全區(qū)域使用黃色或紅色表示。
10.一種采用權(quán)利要求1所述方法的基于多數(shù)據(jù)融合的應(yīng)急逃離引導(dǎo)系統(tǒng)，其特征在于，包括: 客戶端，用于向服務(wù)器發(fā)送應(yīng)急引導(dǎo)請求，并通過GPS定位服務(wù)將用戶所在地的GPS坐標(biāo)發(fā)送至服務(wù)器，并接收服務(wù)器返回的最優(yōu)安全引導(dǎo)路徑，對用戶做實時引導(dǎo)； 服務(wù)器，與客戶端建立通信連接，用于響應(yīng)應(yīng)急引導(dǎo)請求，計算最優(yōu)安全路徑并發(fā)送至客戶端，包括: 候選安全區(qū)域搜索模塊，首先以用戶所在地的GPS坐標(biāo)點為圓心，搜索一定半徑R內(nèi)的有效POI作為候選POI集合，然后將候選POI集合聚類成一系列的POI簇，成為候選安全區(qū)域，如果半徑R內(nèi)的候選POI數(shù)量不能滿足要求，則自動擴大半徑R，以取回足夠數(shù)量的POI ； 候選起始路段搜索模塊，首先對交通道路路網(wǎng)數(shù)據(jù)建立針對路段的柵格化索引，將每條路段注冊到它經(jīng)過的所有索引柵格上，在用戶GPS位置周圍的半徑r所覆蓋的柵格中，搜索候選起始路段集合； 路徑搜索模塊，對每一個候選起始路段到每一個候選目標(biāo)安全區(qū)域，規(guī)劃出一系列引導(dǎo)路徑； 道路流量流速分析模塊，對海量浮動車輛GPS數(shù)據(jù)結(jié)合交通道路路網(wǎng)數(shù)據(jù)分析整理和統(tǒng)計，將GPS數(shù)據(jù)轉(zhuǎn)換為對應(yīng)到道路路網(wǎng)上的流量流速數(shù)據(jù)，得到帶有時間片信息的道路流量流速模型，并對其進(jìn)行存儲和索引，供安全系數(shù)評估模塊調(diào)用； 人群密度分析模塊，對海量的帶有地理標(biāo)簽信息的社交媒體數(shù)據(jù)，按照時間戳信息和地理標(biāo)簽信息進(jìn)行整理和統(tǒng)計，得到帶有時間片信息的人群密度估計模型，并對其進(jìn)行存儲和索引，供安全系數(shù)評估模塊調(diào)用； 安全系數(shù)評估模塊，根據(jù)基于海量浮動車輛數(shù)據(jù)生成的道路流量流速模型評估每一條路徑的安全系數(shù)，根據(jù)帶有時間片信息的人群密度估計模型評估候選目標(biāo)安全區(qū)域的安全系數(shù)，然后綜合路徑安全系數(shù)和候選目標(biāo)安全區(qū)域的安全系數(shù)得到整體最優(yōu)的應(yīng)急逃離引導(dǎo)路徑，并將其返回給通信模塊； 通信模塊，負(fù)責(zé)接收客戶端應(yīng)急引導(dǎo)請求，并將安全系數(shù)評估模塊計算得到的最優(yōu)應(yīng)急引導(dǎo)路徑 返回給客戶端。
【文檔編號】G01C21/00GK103954278SQ201410192691
【公開日】2014年7月30日 申請日期:2014年5月8日 優(yōu)先權(quán)日:2014年5月8日
【發(fā)明者】高曉偉, 皇甫楊, 劉奎恩, 武延軍, 李明樹 申請人:中國科學(xué)院軟件研究所