城市人流监控方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种城市人流监控方法、装置、电子设备及存储介质，所述方法包括：获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；根据所述标准化网格数据生成人流监控视图。本发明专利技术实施例降低了GPS信号、网络信号以及设备电源等不确定性因素对生成人流监控视图的影响，使人流监控更具灵活性，无需手动进行专业的特征提取，降低了城市人流监控对专业技术人员的依赖，提高了城市人员流动情况监控的通用性。

【技术实现步骤摘要】
城市人流监控方法、装置、电子设备及存储介质
本专利技术实施例涉及智慧城市
，尤其涉及一种城市人流监控方法、装置、电子设备及存储介质。
技术介绍
在智慧城市领域，实时的监控并预测城市中的人员流动情况对许多城市计算应用(如公共资源动态调度、高拥堵地区预警等)非常重要，政府交通部门以及基于位置的服务提供企业在制定决策及优化服务时需要两类信息：当前时间人口分布及流动情况和接下来一段时间内人口流动的预测情况。目前，城市人员流动情况的监控，需要专业人员从收集的原始人流大数据中提取关键信息，处理成方便一般人员理解的形式。这种处理方式依赖于专业技术人员的处理，对于技术人员的依赖性过高，从而使得城市人员流动情况的监控成本较高。
技术实现思路
有鉴于此，本专利技术实施例提供一种城市人流监控方法、装置、电子设备及存储介质，以提高城市人员流动情况监控的通用性，降低城市人流监控对专业技术人员的依赖。第一方面，本专利技术实施例提供一种城市人流监控方法，包括：获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；根据所述标准化网格数据生成人流监控视图。进一步的，基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据包括：对所述原始人流数据进行校准，得到校准轨迹数据，所述校准轨迹数据包括多个校准轨迹点，所述多个校准轨迹点之间的时间间隔相等；将所述校准轨迹数据与所述城市网格数据进行匹配，得到标准化网格数据。进一步的，根据所述标准化网格数据生成人流监控视图包括：根据所述标准化网格数据确定人流特征参数，所述人流特征参数包括人流密度、人流量和人流转移量；根据所述人流特征参数生成人流监控视图。进一步的，根据所述人流特征参数生成人流监控视图包括：基于深度学习模型，根据所述人流特征参数获取人流预测参数；根据所述人流预测参数生成人流监控视图。进一步的，基于深度学习模型，根据所述人流特征参数获取人流预测参数包括：将所述人流密度输入ConvLSTM网络模型，得到人流预测密度；将所述人流量输入ConvLSTM网络模型，得到人流预测量。进一步的，基于深度学习模型，根据所述人流特征参数获取人流预测参数包括：基于所述人流转移量分析局部转移情况生成融合特征；基于所述融合特征捕捉时空依赖得到隐层信息；基于所述隐层信息预测得到多阶人流转移预测矩阵；基于所述多阶人流转移预测矩阵确定人流预测转移量。第二方面，本专利技术实施例提供一种城市人流监控装置，包括：数据获取模块，用于获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；数据预处理模块，用于基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；监控视图生成模块，用于根据所述标准化网格数据生成人流监控视图。进一步的，所述数据预处理模块具体用于：对所述原始人流数据进行校准，得到校准轨迹数据，所述校准轨迹数据包括多个校准轨迹点，所述多个校准轨迹点之间的时间间隔相等；将所述校准轨迹数据与所述城市网格数据进行匹配，得到标准化网格数据。第三方面，本专利技术实施例提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术任意实施例提供的城市人流监控方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任意实施例提供的城市人流监控方法。本专利技术实施例提供的城市人流监控方法通过对原始轨迹点预处理，降低了GPS信号、网络信号以及设备电源等不确定性因素对生成人流监控视图的影响，使得人流监控视图更加准确；通过城市网格数据的匹配，实现了特定城市区域的人流监控视图的生成，人流监控更具灵活性。此外，监控人员只需接入原始人流数据即可获得对应的人流监控视图，无需手动进行专业的特征提取，降低了城市人流监控对专业技术人员的依赖，提高了城市人员流动情况监控的通用性。附图说明图1为本专利技术实施例一提供的一种城市人流监控方法的流程示意图；图2为本专利技术实施例二提供的一种城市人流监控方法的流程示意图；图3为本专利技术实施例三提供的一种城市人流监控装置的结构示意图。图4为本专利技术实施例四提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”、“批量”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。实施例一图1为本专利技术实施例一提供的一种城市人流监控方法的流程示意图，本实施例可适用于城市人员流动情况的监控。如图1所示，本专利技术实施例一提供的城市人流监控方法包括：S110、获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等。具体的，原始人流数据是记载了城市中人员的行动轨迹的多个原始轨迹点，原始轨迹点的格式为(id，timestep，lat，lon)，具体为轨迹点对应的用户id、轨迹点产生的时间戳(timestep)和轨迹点的经纬度位置(lat，lon)。若根据用户id进行区分，则原始人流数据包括多个用户的原始轨迹数据。原始人流数据可以通过第三方平台导入，如交管局、基于位置的服务平台等，获取方式可以是RESTAPI、Websocket、文本文本文档来自技高网...

【技术保护点】
1.一种城市人流监控方法，其特征在于，包括：/n获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；/n基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；/n根据所述标准化网格数据生成人流监控视图。/n

【技术特征摘要】
1.一种城市人流监控方法，其特征在于，包括：
获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；
基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；
根据所述标准化网格数据生成人流监控视图。


2.如权利要求1所述的方法，其特征在于，基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据包括：
对所述原始人流数据进行校准，得到校准轨迹数据，所述校准轨迹数据包括多个校准轨迹点，所述多个校准轨迹点之间的时间间隔相等；
将所述校准轨迹数据与所述城市网格数据进行匹配，得到标准化网格数据。


3.如权利要求1所述的方法，其特征在于，根据所述标准化网格数据生成人流监控视图包括：
根据所述标准化网格数据确定人流特征参数，所述人流特征参数包括人流密度、人流量和人流转移量；
根据所述人流特征参数生成人流监控视图。


4.如权利要求3所述的方法，其特征在于，根据所述人流特征参数生成人流监控视图包括：
基于深度学习模型，根据所述人流特征参数获取人流预测参数；
根据所述人流预测参数生成人流监控视图。


5.如权利要求4所述的方法，其特征在于，基于深度学习模型，根据所述人流特征参数获取人流预测参数包括：
将所述人流密度输入ConvLSTM网络模型，得到人流预测密度；
将所述人流量输入ConvLSTM网络模型，得到人流预测量。


6.如权利要...

【专利技术属性】
技术研发人员：宋轩，蔡泽坤，姜仁河，杨闯，柴崎亮介，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：广东;44