一種高精度定位系統(tǒng)中快速檢測(cè)人員過(guò)度聚集的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種高精度定位系統(tǒng)中快速檢測(cè)人員過(guò)度聚集的方法，特別涉及一種 基于改進(jìn)CLIQUE算法的室內(nèi)無(wú)線定位系統(tǒng)中快速檢測(cè)人員過(guò)度聚集的方法。
【背景技術(shù)】
[0002] 由于目前民用衛(wèi)星定位的定位精度比較低并且不適合室內(nèi)定位環(huán)境，目前基于室 內(nèi)無(wú)線定位或高精度定位的應(yīng)用系統(tǒng)需求大量出現(xiàn)。在這些定位系統(tǒng)中，用戶經(jīng)常有各種 檢測(cè)警報(bào)的需要以實(shí)現(xiàn)對(duì)人員的實(shí)時(shí)監(jiān)控和管理。其中，實(shí)現(xiàn)實(shí)時(shí)的人員過(guò)度聚集檢測(cè)報(bào) 警是一種非常規(guī)的需求并且具有非常重要的實(shí)際意義。過(guò)度聚集檢測(cè)主要是依據(jù)系統(tǒng)管理 員給出的聚集程度參數(shù)，快速找到可能的過(guò)度聚集區(qū)域。在安防領(lǐng)域以及需要實(shí)時(shí)檢測(cè)人 員情況的人員密集場(chǎng)景下，如機(jī)場(chǎng)，監(jiān)獄，工廠等，定位系統(tǒng)能夠快速實(shí)時(shí)地判斷人員過(guò)度 集中區(qū)域，對(duì)于避免安全事故或是潛在的斗毆、非法聚集等危險(xiǎn)事件的發(fā)生，實(shí)時(shí)的對(duì)人員 進(jìn)行監(jiān)控管理有重要的作用與意義。但是定位系統(tǒng)的后臺(tái)往往運(yùn)行多種并發(fā)的實(shí)時(shí)任務(wù)， 比如實(shí)時(shí)流量過(guò)大預(yù)警，陪同訪問(wèn)報(bào)警，非法闖入報(bào)警，卡片丟失檢測(cè)，獲取最新的定位數(shù) 據(jù)，人員位置實(shí)時(shí)更新，定位位置數(shù)據(jù)優(yōu)化與校正等等，因此，實(shí)時(shí)的過(guò)度聚集檢測(cè)問(wèn)題的 一種高效有效的并且適用于復(fù)雜場(chǎng)景的檢測(cè)方法非常必要。
[0003] 過(guò)度聚集（以下簡(jiǎn)稱聚集或是過(guò)度聚集）檢測(cè)可以通過(guò)直接判斷一定面積區(qū)域內(nèi) 的人數(shù)是否超過(guò)一定的閥值來(lái)進(jìn)行辨別。依據(jù)這種方式計(jì)算，需要直接求得人員定位數(shù)據(jù) 集子集的最小包圍凸多邊形，然后計(jì)算人員密度，判斷人員密度是否超過(guò)規(guī)定閥值。這種方 式直觀，但是要求解的數(shù)據(jù)子集的個(gè)數(shù)隨著人員數(shù)量的增加呈指數(shù)增長(zhǎng)，因而時(shí)間復(fù)雜度 為指數(shù)時(shí)間復(fù)雜度。而且求子集最小包圍凸多邊形和最小包圍凸多邊形覆蓋的面積也相對(duì) 比較復(fù)雜，這在實(shí)際的工程中也往往是不采用的方法。
[0004] 另一種比較直接的方式是遍歷檢測(cè)區(qū)域內(nèi)的的點(diǎn)，判斷每個(gè)點(diǎn)的a鄰域內(nèi)（矩 形或是圓形鄰域）的人員數(shù)是否超過(guò)一定的閥值來(lái)進(jìn)行判斷。這種方法時(shí)間復(fù)雜度為 0(M*L*N)，其中M*L為檢測(cè)區(qū)域矩形內(nèi)檢測(cè)點(diǎn)數(shù)，N為定位人員數(shù)。這種方式比較簡(jiǎn)單且 容易被管理員理解，但是其趨向于檢測(cè)圓型的聚集，對(duì)于一些聚集區(qū)域最大長(zhǎng)度超過(guò)2a 的非圓型過(guò)度聚集（以下簡(jiǎn)稱長(zhǎng)度超過(guò)2a的聚集），如長(zhǎng)條狀的或是樹枝狀的聚集往往 效果不好而且其時(shí)間復(fù)雜度高度依賴于空間中點(diǎn)的數(shù)，這對(duì)計(jì)算密集的服務(wù)器端是巨大 的挑戰(zhàn)。通過(guò)將空間充分細(xì)分并用矩陣記錄每個(gè)單元格的人數(shù)的方式可以將復(fù)雜度降為 0(M*L*D)，D是一個(gè)與鄰域大小和細(xì)分程度相關(guān)的常數(shù)，但是這種方式要對(duì)空間充分細(xì)分， 以使得誤差較小，這使得M*L過(guò)大，空間復(fù)雜度變?yōu)? (M*L)，并且這種方法依然存在效率不 高，并且無(wú)法解決如長(zhǎng)條狀的非圓形聚集。
[0005] 對(duì)上一種方法進(jìn)行改進(jìn)的一種改進(jìn)方法是對(duì)人員進(jìn)行遍歷，判斷每個(gè)人員的a 鄰域內(nèi)的人數(shù)是否超過(guò)一定的閥值。這種方式需要求出每個(gè)點(diǎn)與所有點(diǎn)的距離，然后判斷 與該點(diǎn)距離小于a的所有點(diǎn)數(shù)，所以算法復(fù)雜度變?yōu)椹?N*N)。在檢測(cè)范圍內(nèi)人員密度相對(duì) 小的情況下，這種方式可以提高效率。但是他的問(wèn)題同樣是難于檢測(cè)長(zhǎng)度超過(guò)2a過(guò)度聚 集，并且在N比較大時(shí)效率下降嚴(yán)重。這種方法的另一個(gè)不足就是當(dāng)聚集的區(qū)域是環(huán)狀或 是圓弧狀時(shí)，這種方法往往無(wú)效。

【發(fā)明內(nèi)容】

[0006] 為了克服現(xiàn)有技術(shù)的上述缺點(diǎn)，本發(fā)明提供了一種高精度定位系統(tǒng)中快速檢測(cè)人 員過(guò)度聚集的方法，可以提高檢測(cè)的效率、降低時(shí)間復(fù)雜度并且能夠適應(yīng)各種形狀的過(guò)度 檢測(cè)需求。
[0007] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：一種高精度定位系統(tǒng)中快速檢測(cè)人 員過(guò)度聚集的方法，包括如下步驟：
[0008] 假設(shè)長(zhǎng)度為a、寬度為b的檢測(cè)區(qū)域中有n個(gè)人員，
[0009] 步驟一、對(duì)檢測(cè)區(qū)域按照近鄰閥值A(chǔ)進(jìn)行單元格劃分；
[0010] 步驟二、將n個(gè)人員的定位數(shù)據(jù)投影到對(duì)應(yīng)的單元格之中，并分別用一個(gè)整型矩 陣記錄每個(gè)單元格中投中的數(shù)據(jù)點(diǎn)的個(gè)數(shù)和一個(gè)布爾型矩陣標(biāo)記單元格是否被訪問(wèn)過(guò)；
[0011] 步驟三、對(duì)每個(gè)人員定位數(shù)據(jù)點(diǎn)采用廣度優(yōu)先的方法訪問(wèn)單元格來(lái)尋找簇；
[0012] 步驟四、計(jì)算包含每個(gè)人員定位數(shù)據(jù)點(diǎn)的簇的大??；
[0013] 步驟五、當(dāng)包含某個(gè)人員定位數(shù)據(jù)點(diǎn)的簇的值大于設(shè)定的人員閥值N時(shí)，則進(jìn)行 過(guò)度聚集預(yù)警提示。
[0014] 與現(xiàn)有技術(shù)相比，本發(fā)明的積極效果是：
[0015] 通過(guò)本發(fā)明方法進(jìn)行過(guò)度聚集檢測(cè)，在不進(jìn)行考慮過(guò)度分散的樹枝狀過(guò)度聚集的 情況下，算法的時(shí)間雜度是〇(n)，n為檢測(cè)區(qū)域中的人數(shù)。當(dāng)定位人數(shù)在1000左右規(guī)模的 時(shí)候，本發(fā)明方法比直接遍歷的方式提高兩個(gè)數(shù)量級(jí)。檢測(cè)方法要不間斷重復(fù)地實(shí)時(shí)運(yùn)行， 而本方法只需要在檢測(cè)開始時(shí)開辟內(nèi)存存儲(chǔ)定位狀態(tài)，之后的重復(fù)實(shí)時(shí)監(jiān)測(cè)可以共享此內(nèi) 存資源，所以大大減少了開辟內(nèi)存的資源開銷。進(jìn)而，本方法可以大大節(jié)省服務(wù)器端的計(jì)算 資源。而且現(xiàn)有方法對(duì)長(zhǎng)條狀、樹枝狀聚集或是環(huán)狀聚集的檢測(cè)情況不理想，往往只能通過(guò) 擴(kuò)大鄰域半徑的方式進(jìn)行，但是這樣往往會(huì)使得閥值過(guò)低，出現(xiàn)檢測(cè)到大量過(guò)度聚集的情 況。但是本發(fā)明方法可以檢測(cè)這種形式的過(guò)度聚集情況，并且可以靈活地設(shè)置以對(duì)不希望 檢測(cè)情況進(jìn)行剔除。
【具體實(shí)施方式】
[0016] 通過(guò)對(duì)過(guò)度聚集檢測(cè)的需求進(jìn)行重新的梳理，我們考慮到，如果一定區(qū)域內(nèi)的人 數(shù)過(guò)多，則這個(gè)區(qū)域中的人員間距離相對(duì)近。我們把人員的位置信息抽象為空間上的點(diǎn)?；?于這個(gè)考慮，我們可以通過(guò)人員間的距離來(lái)確定聚集的區(qū)域和聚集的人員集合。對(duì)空間上 點(diǎn)我們做出如下定義。
[0017] 定義一：定義A為近鄰閥值，如果兩個(gè)點(diǎn)之間的距離小于A，貝lj稱兩者為以入近 鄰的（或兩者是相聚集），簡(jiǎn)稱兩點(diǎn)近鄰。其中，點(diǎn)a和他本身是以任意X近鄰的。
[0018] 定義二：定義點(diǎn)a和點(diǎn)b是以A可達(dá)的，如果存在一系列點(diǎn)Cl. . .cn，使得a與q 以入近鄰，b與~以A近鄰，并且(^與(^+1以A近鄰。
[0019] 定義三：一個(gè)點(diǎn)集u的子集s，如果該子集s中點(diǎn)都是互為以A可達(dá)的并且s中 點(diǎn)與U-S中任意點(diǎn)不是以A可達(dá)的則稱S為!!中以A為近鄰閥值的近鄰簇，簡(jiǎn)稱s為近 鄰簇。
[0020] 定義四：近鄰簇的大小為近鄰簇中數(shù)據(jù)點(diǎn)的個(gè)數(shù)。
[0021] 通過(guò)以上定義，我們定義過(guò)度聚集為：存在人員定位數(shù)據(jù)點(diǎn)組成的以A為近鄰閥 值的近鄰簇的大小超過(guò)給定的閥值。通過(guò)這種方式，空間上的人員相對(duì)集中的概念可以用 人員組成的近鄰簇表示。
[0022] 由以上說(shuō)明，過(guò)度聚集檢測(cè)可以轉(zhuǎn)化為檢測(cè)空間中數(shù)據(jù)點(diǎn)聚集成的各個(gè)近鄰簇的 大小是否超過(guò)閥值的問(wèn)題。而這種方式類似于聚類的思想?；诰嚯x的聚類是將空間中的 數(shù)據(jù)通過(guò)定義的距離，自動(dòng)把相近的數(shù)據(jù)點(diǎn)分成一類。這種傳統(tǒng)基于距離的聚類算法一般 只能處理球狀的類并且處理數(shù)據(jù)量變大時(shí)，效率不高。更關(guān)鍵的是，這種方式自動(dòng)聚成的類 通常并不滿足我們需要的簇的定義，需要進(jìn)一步的轉(zhuǎn)換，兩者之間的轉(zhuǎn)化往往相對(duì)復(fù)雜，實(shí) 際應(yīng)用中效果并不好。
[0023] 另一大類是基于空間細(xì)分或是密度的方法。在室內(nèi)定位系統(tǒng)中，其定位范圍往往 是在系統(tǒng)開發(fā)過(guò)程中確定的，并且定位的對(duì)象是人員，其空間密度不會(huì)特別大。所以基于密 度和空間細(xì)分方法是一種可行的解決方案。其中Clique是一種基于密度和空間細(xì)分的算 法，其思想跟本應(yīng)用很接近，我們通過(guò)簡(jiǎn)化和改進(jìn)clique算法提出一種新的方法應(yīng)用于聚 集檢測(cè)中。
[0024] CLIQUE聚類算法的中心思想如下：（1)給定一個(gè)多維數(shù)據(jù)點(diǎn)的集合，數(shù)據(jù)點(diǎn)在數(shù) 據(jù)空間中通常不是均衡分布的。CLIQUE區(qū)分空間中稀疏的和"擁擠的"區(qū)域（或單元），以 發(fā)現(xiàn)數(shù)據(jù)集合的全局分布模式。（2)如果一個(gè)單元中包含的數(shù)據(jù)點(diǎn)超過(guò)了某個(gè)輸入模型參 數(shù)，則該單元是密集的。在CLIQUE算法中，簇定義為相連的密集單元的最大集合（此處 的簇與之前定義大的近鄰簇不同，此處是密集單元格的集合）。根據(jù)上述這種算法的中心思 想，基于網(wǎng)格和密度的聚類算法可定義為：將數(shù)據(jù)空間分割成網(wǎng)格狀，然后將落到某個(gè)單 元中的點(diǎn)的個(gè)數(shù)當(dāng)成這個(gè)單元的密度。這時(shí)可以指定一個(gè)數(shù)值，當(dāng)某格單元各種點(diǎn)的個(gè)數(shù) 大于該數(shù)值時(shí)，就說(shuō)這個(gè)單元格是密集的。最后，聚類也就定義為連通的所有"密集"單 元格的集合。
[0025] 在人員過(guò)度聚集檢測(cè)問(wèn)題中，也可以借鑒根據(jù)clique的思想，將空間細(xì)分為若干 個(gè)小的空間，通過(guò)查找密集區(qū)域找簇，進(jìn)而找到相應(yīng)的近鄰簇，然后判斷簇是否滿足過(guò)度聚 集條件。對(duì)clique算法，我們進(jìn)行一些改進(jìn)和簡(jiǎn)化，降低算法的難度和復(fù)雜度。
[0026] 因?yàn)槎ㄎ恢械臄?shù)據(jù)維數(shù)比較低，都是二位坐標(biāo)數(shù)據(jù)，不需要進(jìn)行復(fù)雜的子空間聚 類和復(fù)雜的dml算法進(jìn)行子空間剪枝，即不用從一維情況開始尋找聚集單元，而是直接通 過(guò)二維空間中單元格里定位點(diǎn)的數(shù)量進(jìn)行判斷密集單元，從而大大簡(jiǎn)化了算法的難度。另 外，clique是通過(guò)對(duì)所有的空間單元搜索進(jìn)行聚類的，時(shí)間的復(fù)雜度取決于空間細(xì)分的程 度。但是在定位系統(tǒng)中，人員的數(shù)量往往遠(yuǎn)遠(yuǎn)小于區(qū)域劃分的單元格，因此這種搜索方式效 率并不是很高。本方法提出一種通過(guò)人員和標(biāo)記進(jìn)行搜索的算法，F(xiàn)lag-basedclique，以 下簡(jiǎn)稱fb-clique。具體做法是：先將定位數(shù)據(jù)投影到單元格內(nèi)，記錄每個(gè)單元格中數(shù)據(jù)的 個(gè)數(shù)。其次，對(duì)所有人員定位數(shù)據(jù)進(jìn)行遍歷，對(duì)每個(gè)定位數(shù)據(jù)用〇(1)的時(shí)間定位到所在的 單元格內(nèi)，從該單元開始用廣度優(yōu)先方式搜素。在搜索的過(guò)程中需要標(biāo)記單元格是否被訪 問(wèn)過(guò)，標(biāo)記通過(guò)標(biāo)記矩陣記錄。如果某個(gè)數(shù)據(jù)點(diǎn)對(duì)應(yīng)的單元格未被訪問(wèn)，將單元格