一种基于多数据融合的应急逃离引导方法和系统技术方案

本发明专利技术涉及一种基于多数据融合的应急逃离引导方法和系统，用于个人用户面临危险事件时，帮助用户选择最佳的脱困目的地和最安全的逃离路线。当危险事件发生时，用户采用客户端发送所在地的GPS和逃离引导请求。服务器端搜索事发地点周围一定范围内能够帮助用户脱困的特定类型的POI(城市信息点)，通过聚类算法识别出POI聚集密度较高、人群密度较高的候选安全区域，综合考虑用户前往安全区域的路线的安全性以及目标安全区域本身的安全性，选择一条全局安全系数最高的最优逃离路径。客户端根据最优路径进行实时跟踪引导。本发明专利技术能够提供简洁高效的即时引导服务，对于减少个人生命财产损失、保障和谐安定的生活环境等具有实践应用价值。

【技术实现步骤摘要】
一种基于多数据融合的应急逃离引导方法和系统
本专利技术涉及海量浮动车辆数据分析、基于社交媒体数据的城市人群出行模式分析、城市信息点(PointofInterest，POI)时空聚类分析、最优路径规划、位置相关服务、移动计算等领域，具体涉及一种基于多数据融合的面向个人的应急逃离引导方法和系统。
技术介绍
在过去的十多年时间中，信息技术的普及已经深刻的改变了人们的生活。随着大数据处理技术的发展以及云计算服务的落地，人们已经可以借助于更强大的计算资源来处理更加海量的数据，各类基于海量数据分析处理的应用也应运而生。同时，随着各类移动终端的普及，人们获取各类信息和服务的门槛也进一步降低。自IBM在2010年提出“智慧城市”的概念以后，各国也开始重视利用先进的IT技术，分析处理海量的数据，以更好地服务于公众。公共安全领域是一个近年来非常受重视的领域。随着中国城市化进程的加快，居民的城市生活越来越丰富，城市安全问题也有所突显。传统的关注点只关心面向公众的安全服务，实际上借助于大数据处理技术及智能的移动终端设备，推出面向用户个人的个性化安全服务已经成为可能。在城市生活中，个人时常有各类安全庇护需求。例如在不熟悉的地域遭人跟踪，或在突发暴力事件时急需安全的避难场所，或在夜晚出行需要优先考虑人流密集的、明亮的安全区域等。传统方式下个人遭遇危险事件时，往往选择大声呼救，盲目地选择逃离方向与逃离路径；或者是根据个人经验，向车流量大的道路或者人群密集的地方逃离。但是当事人对交通状况与地区安全的感知是经验性的，不可靠的，而且对时间不敏感。如果在危险情况下，选择不当会给当事人造成重大的损失。因此，需要更有效的应急逃离引导方案，以减少危险事件发生时所带来的危害，为个人用户提供个性化的逃离引导服务安全保障。
技术实现思路
针对个人在应急情况下的逃离引导需求，本专利技术提出了一种基于多数据融合的应急逃离引导服务的实现方法及系统。本专利技术重点要解决的问题是在威胁人身安全的危险事件发生时“往哪儿逃”和“如何逃”，采用的方法主要包括候选安全区域的聚合，路网流量经验模型的生成，以及基于安全系数计算的逃离路径选择。本专利技术所采用的技术方案的内容包括：(1)提出根据城市POI分布数据聚合得到候选安全区域的方法，实时的为用户搜索一定半径范围内的候选安全区域。融合带有地理标签的社交媒体数据和城市POI分布数据，评估各候选安全区域的安全系数。这部分解决“往哪儿逃”的问题。(2)基于海量浮动车的运营记录，融合地图路网数据信息，将浮动车GPS信息映射到路网空间，从而将浮动车的GPS轨迹转换成为了路网轨迹。然后从道路路网的角度，根据浮动车辆的经过路径、流量、流速等信息，统计每条路径在一个时间点的流量、流速信息，进而生成一个路网流量的经验模型，为评估路径的安全系数做准备。(3)计算事发点至各个候选安全区域的若干个候选路径，根据路网流量经验模型计算各个候选路径的安全系数。选择安全系数最高的候选路径作为去往各个候选避免区域的应急逃离路径。(2)和(3)两部分共同解决“如何逃”的问题。(4)提出结合目标区域安全评分与途经路径安全评分的综合最优逃离路径选择方法，为用户提供在融合多方面数据的基础上的整合化的最优方案。借助移动设备的定位跟踪能力，可以实时的对用户的逃离路径做出指引。这部分提供了整合“往哪儿逃”和“如何逃”的整合化解决方案。下面分4个部分具体阐述本专利技术的主要内容。1.候选安全区域聚类生成方法融合城市POI数据、人群分布数据的候选安全区域选择方法主要包括3个步骤：1)选取事发点周围指定半径覆盖到的所有能够帮助用户脱困的有效POI作为候选POI集合；2)使用NN-Aggregation算法从候选POI集合中聚合出候选的安全区域；3)融合人群分布情况和POI分布情况对候选安全区域的安全系数进行评估。下面对各个步骤的具体实现方式进行说明。1.1POI候选集的选择方法本专利技术中我们使用POI作为安全区域的组成单元。下面给出定义以便下文的说明。定义1(POI)：POI是地理空间中承担特定职能的地理实体(如咖啡馆，商场，酒店，医院等等)。本专利技术中我们将POI定义为POI＝<GPS,Opening_Hours,Type>,其中GPS是POI的地理坐标，Opening_Hours指代POI的营业时间，Type指代POI的类型。POI类型表征了POI所承担的特定公共服务职能。在具体实施时，POI类型可以采用多级分类模式，比如采用三级分类模式，其中一级类别包括：生活服务、餐饮服务、购物服务、医疗保健服务等；二级类别、三级类别采用其它的POI类型。但本专利技术不以此为限制，也可以不对POI类型进行分级。定义2(有效POI)：在本专利技术中我们只关注那些提供公共服务的POI，诸如医院、餐厅、商场。这些POI有较高的人流量和人口密度，有利于帮助用户最大可能的获得帮助，脱离困境。此外，有效POI还必须满足在用户请求服务的时候还处于营业状态。基于以上定义，我们给出候选的POI的选择方法：(1)给定事发点的GPS坐标p，搜索半径r以及当前时间t，返回满足如下条件的POI构成候选POI集合，即满足POI与事发点p的直线距离小于r，POI类型是指定的有效类型，同时当前请求时间属于该POI的正常营业时间；(2)如果步骤(1)得到的POI集合为空，则扩大搜索半径r＝2*r,再次执行步骤1的搜索。1.2候选安全区域的聚类方法上一步获取的候选POI集合并非最终推荐的安全区域。我们认为一个安全区域由较多有效POI聚集而成，这种地带人流量较大，人口密度较高，能够为用户提供更多的帮助以尽快脱险。为此，我们提出了安全区域聚类识别方法(NearestNeighborsAggregation，简称为NN-Aggregation)，将候选的安全区域从POI候选集中识别出来。定义3(临界聚合距离λ)：当两个POI之间的空间距离小于临界距离λ时，我们认为两个POI可聚合。定义4(临界POI聚合率φ)：假设已经聚合有一个POI簇W，簇中POI数为n。现有一个新POI记为poi，经计算poi与W中k个POI满足临界聚合距离条件λ，则针对poi的POI聚合率为：aggre_ratio(poi)＝k/n本专利技术中我们规定如果aggre_ratio(poi)＞φ，则可以将poi聚合到W中。依据以上定义，我们给出安全区域的识别过程：(1)从POI候选集中随机抽取一个POI，构造一个新的只有一个POI的安全区域；(2)从候选集中的剩余POI中选择一个满足临界POI聚合率φ条件的POI聚合到安全区域中；(3)反复执行步骤(2)，直到找不到可以聚合到安全区域的POI，则一个安全区域识别完毕。如果此时候选集合中还有未识别的POI，则跳转到步骤(1)，开始新的安全区域识别流程；否则整个识别过程结束。图2a是POI分布的模拟示意图，图2b是使用上述NN-Aggregation算法对POI进行聚类后识别出的安全区域示意图。1.3候选安全区域的安全系数计算方法在识别出用户周围可能本文档来自技高网...

【技术保护点】
一种基于多数据融合的应急逃离引导方法，其步骤包括：1)用户在遭遇应急事件时通过客户端向服务器发送应急引导请求，并通过客户端的GPS定位服务将用户所在地的GPS坐标发送至服务器；2)以POI表示地理空间中承担特定职能的地理实体，服务器以用户所在地的GPS坐标点为圆心，搜索一定半径R内的有效POI作为候选POI集合，然后将候选POI集合聚类成一系列的POI簇，表示若干候选的目标安全区域，如果半径R内的POI数量不能满足要求，则自动扩大搜索半径R；3)基于交通道路路网数据构建针对路段的栅格化索引，将每条路段注册到其经过的所有索引栅格上，在用户GPS位置周围的半径r所覆盖的栅格中，搜索候选起始路段集合；4)对每一个候选起始路段到每一个候选目标安全区域，规划出一系列引导路径；5)基于海量浮动车辆GPS数据并结合交通道路路网数据，得到带有时间片信息的道路流量流速模型，基于海量的带有地理标签信息的社交媒体数据，得到带有时间片信息的人群密度估计模型；根据道路流量流速模型评估每一条路径的安全系数，根据人群密度和POI密度评估候选目标安全区域的安全系数，然后综合路径安全系数和候选目标安全区域的安全系数得到整体最优的应急逃离引导路径，并将其返回给客户端；6)客户端接收服务器返回的最优应急逃离引导路径，并根据该引导路径引导用户到达目标安全区域。...

【技术特征摘要】
1.一种基于多数据融合的应急逃离引导方法，其步骤包括：1)用户在遭遇应急事件时通过客户端向服务器发送应急引导请求，并通过客户端的GPS定位服务将用户所在地的GPS坐标发送至服务器；2)以POI表示地理空间中承担特定职能的地理实体，服务器以用户所在地的GPS坐标点为圆心，搜索一定半径r内的有效POI作为候选POI集合，然后将候选POI集合聚类成一系列的POI簇，表示若干候选的目标安全区域，如果半径r内的POI数量不能满足要求，则自动扩大搜索半径r；3)基于交通道路路网数据构建针对路段的栅格化索引，将每条路段注册到其经过的所有索引栅格上，在用户GPS位置周围的半径r所覆盖的栅格中，搜索候选起始路段集合；4)对每一个候选起始路段到每一个候选目标安全区域，规划出一系列引导路径；5)基于海量浮动车辆GPS数据并结合交通道路路网数据，得到带有时间片信息的道路流量流速模型，基于海量的带有地理标签信息的社交媒体数据，得到带有时间片信息的人群密度估计模型；根据道路流量流速模型评估每一条路径的安全系数，根据人群密度和POI密度评估候选目标安全区域的安全系数，然后综合路径安全系数和候选目标安全区域的安全系数得到整体最优的应急逃离引导路径，并将其返回给客户端；所述候选路径安全系数的评估方法为：根据基于海量浮动车数据得到的道路流量流速模型，获取某个时间段t某个路段edge的车速speed(edge,t)与车流量flow(edge,t)，得到路段安全系数：设某个候选路径表示为R＝＜edge1,edge2,...,edgen＞，各个路段的长度依次为＜l1,l2,...,ln＞，则该路径的安全系数为：所述候选目标安全区域安全系数的评估方法为：对海量的带有地理标签信息的社交媒体数据进行分析并按地理标签进行分区域统计，得到在t时刻所在时间区间内POI附近一定半径内的社交媒体信息发表量，以此来表征安全区域的人流量，记为peopleFlow(POI,t)，安全区域的POI密集程度，记为density(cluster)：t时刻单位人口密度,记为PD：最后，安全区域cluster的安全系数计算方法如下：secure(cluster)＝PD×n，其中n为安全区域中的POI数；所述的最优应急逃离引导路径的选择方法为：使用Logistic分布函数分别对路径安全系数和目标安全区域安全系数做规范化：考虑应急事件发生对路径安全系数的动态影响，加入一个危险评分risk因子，系统对一次应急事件请求计算出目标指引的同时，自动增加该事件发生区域内的危险评分一个单位，对特殊的重大事件则可通过手工的方式记录相关危险评分；将候选安全区域和候选路径的危险评分risk因子加和,构成风险项risk(cluster,R)；最终，候选安全区域与候选路径的安全系数综合得分为：系统计算所有候选路径与候选安全区域的组合方案的最终得分finalScore(cluster,R)，选出其中最终得分最高的安全区域与安全路径作为最优方案返回；6)客户端接收服务器返回的最优...

【专利技术属性】
技术研发人员：高晓伟，皇甫杨，刘奎恩，武延军，李明树，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：北京;11