校园公共场所人流密度监控平台设计

   　当发生突发公共卫生事件时，公共场所人流密度大可能会造成较大风险，危害公众健康，而高校学生流动性大，人口聚集程度高，因此本文将以高校校园为应用场景，介绍基于时空众包方法的公共场所人流密度监控平台的设计理念与开发架构。

　　关键词：时空众包；深度学习；时空信息熵；人流密度监控

　　0引言

　　当发生突发公共卫生事件时，为避免风险，其中严格限制公共区域的人流量是一个非常有效的方法。此外，同学们在校园里的学习生活中可能也有错峰出行的需求，同时也方便同学们寻找空闲教室自习、错峰用餐和出行。在高校这一应用场景下，基于时间及空间的人流密集度测算[1]对于突发公共卫生事件的防控起着重要的作用。因此我们希望能搭建一个基于时空众包的校园公共场所人流密度监控平台。

　　1平台设计

　　本平台是依托于微信小程序进行开发的。前端在微信开发者工具提供的框架上搭建，设置了欢迎页，收集信息页和查询页，能够支持在各地点上传图像，并在任意时刻查询校园内所包括的任意地点的人群密度情况。后端在SpringBoot框架上搭建，主要功能是接收地址信息，存储图片到服务器，并且在查询时返回对应的人群密度情况。处理图像，连接到服务器进行时空信息熵计算，计算完人群密度后再存储到服务器上，以待查询。

　　1.1平台设计理念

　　突发公共卫生事件的防控依旧是一个非常重要的问题。其中，高校学生因流动性大，人口聚集程度高而成为了防控的关键一环。对此，严格限制公共区域的人流量是一个非常有效的方法。然而，校园摄像头的权限难以获取且不能做到全方位的覆盖，因此缺少相关数据是传统人群密集度测算的瓶颈所在。基于这样的现状，我们希望能搭建一个基于时空众包方法的校园公共场所人流密度监控平台，把收集数据的任务下达到分布在校园各处的同学们来完成，这样既提高了收集效率，弥补了数据的单一性，也更能够反映实时的真实情况，还同时增强了与用户的交互程度。

　　1.2开发工具和语言

　　随着时代发展，微信小程序的使用越来越广泛。微信给我们提供了完整的开发微信小程序工具,除此之外,微信还提供了各种后台服务器API[2]。因而本平台前端将在微信开发者工具提供的框架上搭建，后端则依托于SpringBoot框架。本平台在开发过程中主要使用了Java语言。Java语言是一种面向对象的高级语言，简单高效，可靠性强，功能强大，是我国应用最为广泛的编程语言之一[3]。因而，可以很好的满足本平台的开发需求。数据库工具本平台使用了Mysql数据库，可视化操作工具用的是NavicatforMySQL,具有数据存储、查找、修改和删除功能[4]。

　　1.3平台功能需求

　　本平台主要包含的功能模块包括数据收集处理模块，人流密度测算模块，用户任务匹配模块，信息维护模块和结果评价模块。

　　1.4平台性能需求

　　本平台设计主要的三个性能指标即为高效性，稳定性和准确性[5]。即在测算人流密度时能满足高效的同时也具备较高的准确性，同时兼顾稳定性。

　　1.5数据库结构设计

　　本平台中数据库主要包括用户信息表和图片信息表，其中图片信息表包含时间，地点和照片的存放地址，并将照片存放地址设为主码。

　　2平台主要功能模块的实现

　　2.1基于空间众包方法的数据收集处理模块

　　2.1.1传统方法的局限性大部分传统人流密集度方面的研究主要数据来源为摄像头提供的监控视频画面，通过对视频取帧，将人群图像转换为密度图，对密度图进行特征提取和标注，再通过回归计数，判断该图片中出现个体的数量，从而得出当前时间下的人流密度。由于高校内的校园（如教室、操场等）摄像头的权限难以获取且不能做到全方位的覆盖，为克服此缺陷，本平台的数据收集处理模块将采用空间众包的方法来获取用于分析人流密集度的数据资源，即以个体为单位获取各种角度的实时数据。2.1.2空间众包方法的优势空间众包作为一种创新性的交互式信息获取方法，其流程为公司或机构把原本应该由员工执行的工作任务以自由自愿的形式外包给非特定的大众网络。而本平台所采用的空间众包方法，目标在于让大量用户为平台提供实时的图像等人流密度数据，从时间空间的双重角度提供实时信息。众包任务操作方便快捷，可实现性很高，且从每位用户获得的数据都来源于不同角度，弥补了数据的单一性，更能够反映实时的真实情况，同时增强了与用户的交互程度。众包技术的使用在与用户共创价值的同时在一定程度上节约了平台成本，在突发性公共卫生事件结束后仍可应用于日常的如交通枢纽、工厂企业、医疗机构等公共场所的人流密集度监控，因此具有强大的潜力。

　　2.2基于时空信息熵计算方法的结果评价模块

　　时空信息熵作为一种评估单任务完成度的指标，将一个地点所有时间的情况作为一个任务，所有提交的空间角度，时间覆盖率越高，该任务的完成度就越高，以此来试图提高完成任务的可靠性。因此本模块将采用时空信息熵的计算方法来对人流密度的预测结果进行评估。时空信息熵分别需要利用信息获取的间隔时间和拍照间隔的角度来进行计算。时空信息熵越大，代表收集到的数据所包含的信息越多。我们综合了考虑时间和空间的信息熵来安排任务处理和用户选择，将时空信息熵作为一个预测结果的评价指标，用于监控平台自身的完善，以及提供给用户作为参考。2.2.1时间熵的计算对于时间信息熵来说，我们用于当任务提交较少时，用相同地点在不用时间段的资料来推算空缺时间段的人群密度情况。我们认为，距离当前查询的时间点比较近的几个数据点，对它是有影响的。假设对于当前查询地点，有一个非等间隔的时间序列t1,t2,...,tn是有测算数据p1,p2,...,pn的，查询时间为t，则我们用于计算当前人流密度p的公式为：∑∑==−⋅=njjniiipttpp11)(（1）2.2.2空间熵的计算对于空间信息熵来说，我们主要希望用它来优化有遮挡的，大场景中的人群密度估算。如果是一个普通的教室，我们使用一张照片就可以完成数据采集的任务，系统可以一次性计算出这些场所的人群密集程度。然而，对于像食堂，操场等等场景较复杂，或范围较大的地点，我们可能需要进行多角度采样，并根据不同采样方位的数据来计算一个信息可信度，再一并反馈给用户，这个数值由这里的空间信息熵来表示。假设场景中心点为s，现有提交的任务图片p1,p2,...,pn，则可以根据图像匹配技术，计算出物理位置相邻的图片间与s点连线的平均角度，从而计算出场景的覆盖率ɑ，具体公式如下：

　　2.3基于深度学习方法的人流密度测算模块

　　在这一个模块中，我们采用已经较为成熟的基于图像的人流密度统计方法，从获取的图像中分析出人流密度情况，对分析出的人流密度进行监控，防止人员聚集，给出出行建议。具体来说，我们采用的是深度学习的方法，即利用一个卷积神经神经网络来构建预测模型。步骤如下所示：（1）对数据进行预处理操作，包括对图像修改形状、对标签进行对应的映射，使其与修改形状后的图像对应。（2）根据提供的训练数据来生成对应的密度图，具体采用高斯滤波来生成。（3）搭建CNN网络，并使用预处理后的图像和其对应的密度图来训练CNN网络，网络的损失函数使用预测密度图和实际密度图之间的均方根误差来确定。（4）通过计算密度图的像素和来确定人流密度。经过训练，本模型最终对于单张图片的预测准确率可达85%。2.3.1分治法分治法思想顾名思义即“分而治之”，就是把一个较大的问题分解成若干个子问题，最后再合成求解。2.3.2二分图匹配法二分图是图论中的一种模型，求二分图的匹配在调度等问题当中有重要的应用，并且在很多情况下是求出最优解精确而高效的算法。当接收任务的参与者较多时，本模块先利用分治法对校园各地区进行划分，进行一定程度的聚类工作，形成各子地区。然后以距离为标准，通过二分图匹配方式将位于不同地区位置的师生分配给各子地区，并收集各子地区的相关数据再进行合并，最终输出整个校园的相关数据。这样的方法就使得任务分配进行地更高效，更精准。

　　2.4基于网格索引结构的信息维护模块

　　本模块通过维护一种基于网格索引的结构来定位校园中各建筑物的所在位置而不是细节保留偏多的位置坐标。这样的方法可以用较低的时间成本来维护移动工作者以及空间任务，并有利于在此基础上建立数据库，使得后台能有效检索任意位置的当前任务完成情况，并给予前端反馈。由上述分析可知，基于时空众包方法的校园公共场所人流密度监控平台实现流程图如图1所示：

　　3平台测试

　　3.1测试环境

　　基于时空众包方法的校园公共场所人流密度监控平台使用IDEA在Windows10操作系统上启动运行，JDK为jdk1.8版本。测试方法测试采用黑盒测试和白盒测试相结合的方式，对本平台进行功能测试。

　　3.3测试结果

　　经过测试，正确率基本达到80%左右。

　　4结论

　　当下，如何高效对突发公共卫生事件进行防控依旧是一个十分严峻的问题。其中，高校学生因流动性大，人口聚集程度高而成为了防控措施的关键一环。与难于获取数据的传统的人流密度检测方法不同，本平台采用时空众包方法，有利于高效严格控制高校公共区域的人流量，也以此助力突发公共卫生事件的防控。同时微信作为我们日常生活频繁使用的工具，本平台依托于微信小程序进行开发，使用便捷还可以满足同学们日常生活中的错峰出行需求，相信随着时间推移，本平台将会有更广泛的应用。

　　作者:许愿 徐乐怡 邓仪 李克剑 郭立言

转载请注明来自：http://www.uuqikan.com/jiaotongyunshulw/23821.html