許 斌，付鵬飛

?

基于多數(shù)據(jù)源交叉表決的園區(qū)人員分布的方法研究

許 斌，付鵬飛

（泛亞汽車技術(shù)中心有限公司，上海 201208）

本文通過多種數(shù)據(jù)源的采集，表決，能夠較為精準(zhǔn)地描繪出大型園區(qū)內(nèi)所有人員的位置快照，進而得出某時刻園區(qū)人員的分布特征。從而形成一種交叉認(rèn)證的方式，門禁數(shù)據(jù)、視頻數(shù)據(jù)、Wi-Fi信號數(shù)據(jù)相結(jié)合，提升記錄的準(zhǔn)確度。彌補傳統(tǒng)人員分布統(tǒng)計方法不足，為園區(qū)數(shù)字化運營提供數(shù)據(jù)支撐。

交叉驗證；統(tǒng)計方法；優(yōu)化；表決

0 引言

人流量統(tǒng)計技術(shù)[1]由于其廣泛的應(yīng)用前景在很多領(lǐng)域受到研究者普遍的關(guān)注，如多媒體技術(shù)、計算機視覺以及視頻監(jiān)控等領(lǐng)域，準(zhǔn)確而實時的人流量估計可以給園區(qū)/商場的管理者提供有價值的信息，自動地管理公共場合的人流信息，動態(tài)地分配園區(qū)/商場內(nèi)有限的資源（如電力資源，暖通資源，保潔資源，安全資源等），同時可以為安全控制提供重要的保證。同時積累的大量數(shù)據(jù)能夠協(xié)助園區(qū)規(guī)劃人員調(diào)整運營策略，新建園區(qū)規(guī)劃，發(fā)現(xiàn)表征之下的潛在問題，更深層次地提升企業(yè)效率。但是由于實際應(yīng)用中的諸多困難，使人流量統(tǒng)計技術(shù)仍然面臨巨大的挑戰(zhàn)。結(jié)合目前公司的實際情況，統(tǒng)計公司大樓或園區(qū)的人員數(shù)量，主要有以下幾個方式：

（1）門禁和閘機，通過驗證有效身份記錄人員進出。門禁和閘機相對來說比較準(zhǔn)確，但針對一卡多刷（一人刷卡，多人進出）的情況，可行性較低且當(dāng)發(fā)生次數(shù)較多的時，準(zhǔn)確度會有所下降。

（2）攝像頭人臉識別[2]，是基于離線數(shù)據(jù)處理和人臉識別的算法，實現(xiàn)識別效果較高的方案，但這種方案容易受到光照條件、拍攝角度以及遮擋物的影響，從而影響識別效果。

（3）WIFI探針[3]，基于員工多數(shù)把手機帶在身邊的先驗假設(shè)，使用信號三角定位算法，可以精準(zhǔn)地定位員工位置。

（4）紅外對射設(shè)備，可以有區(qū)分生命對象和無生命對象，但不能區(qū)分單人還是多人，人群密集的情況下，誤差率超多60%。

總之，所獲得的數(shù)據(jù)源會因為各種異常狀況導(dǎo)致準(zhǔn)確度下降，如門禁系統(tǒng)，會出現(xiàn)一人刷卡多人進出的情況。攝像頭人臉抓拍則受限于光照條件，角度等。如果員工進入工作區(qū)域但不連接wifi，則對wifi探針來說本身就是一種樣品丟失。閘機系統(tǒng)的準(zhǔn)確度較高，但是本身會有部署上面的難題，如閘機很難在樓層或更小的顆粒度部署。

基于此，本文在傳統(tǒng)企業(yè)及園區(qū)的傳統(tǒng)基礎(chǔ)設(shè)施的基礎(chǔ)上，將采集到的數(shù)據(jù)集合進行處理，提出了一種處理流程和表決的方式，得出最終的人員分布統(tǒng)計數(shù)據(jù)。從而形成一種交叉認(rèn)證的方式，可以很大程度提高記錄的準(zhǔn)確度，為后續(xù)的數(shù)據(jù)展示提供良好的基礎(chǔ)。

1 基本理論概況

1.1 統(tǒng)計學(xué)習(xí)

統(tǒng)計學(xué)習(xí)[4]是用計算機基于數(shù)據(jù)構(gòu)建統(tǒng)計模型并運用學(xué)習(xí)產(chǎn)生的模型對新的數(shù)據(jù)進行預(yù)測和分析的一門學(xué)科。統(tǒng)計學(xué)習(xí)主要由監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)等組成，由于我們主要關(guān)注的是監(jiān)督學(xué)習(xí)，它是統(tǒng)計學(xué)習(xí)的一個重要分支，也是統(tǒng)計學(xué)習(xí)中內(nèi)容最為豐富、應(yīng)用最為廣泛的部分，在監(jiān)督學(xué)習(xí)的情況下，統(tǒng)計學(xué)習(xí)的方法可以概括如下：從給定的有限訓(xùn)練數(shù)據(jù)出發(fā)，假設(shè)數(shù)據(jù)是獨立同分布的產(chǎn)生的，并假設(shè)要學(xué)習(xí)的模型屬于某類函數(shù)的集合，我們通常稱為假設(shè)空間，應(yīng)用某個評價準(zhǔn)則，從假設(shè)空間中選取一個最優(yōu)的模型，即在給定的評價準(zhǔn)則下，選擇具有最優(yōu)預(yù)測能力的模型，我們把這個過程叫做模型選擇[5]，具體過程為：首先得到一個有限的數(shù)據(jù)集合，其次，確定包含所有可能模型的假設(shè)空間，即學(xué)習(xí)模型的集合，再確定評價準(zhǔn)則，利用學(xué)習(xí)算法進行學(xué)習(xí)，最后根據(jù)準(zhǔn)則選出最優(yōu)的模型，最后利用學(xué)習(xí)到的模型對新數(shù)據(jù)進行預(yù)測和分析。

1.2 交叉數(shù)據(jù)驗證

交叉驗證(Cross-validation)[6]主要用于建模應(yīng)用中，例如PCR、PLS回歸建模中。在給定的建模樣本中，拿出大部分樣本進行建模型，留小部分樣本用剛建立的模型進行預(yù)報，并求這小部分樣本的預(yù)報誤差，記錄它們的平方加和。交叉驗證的基本思想是把在某種意義下將原始數(shù)據(jù)[7]（dataset）進行分組，一部分做為訓(xùn)練集（train set），另一部分做為驗證集（validation set or test set），首先用訓(xùn)練集對分類器進行訓(xùn)練,再利用驗證集來測試訓(xùn)練得到的模型（model），以此來做為評價分類器的性能指標(biāo)。常見的形式主要有Holdout驗證、K-fold cross-vali-dation和留一驗證。

1.3 人員統(tǒng)計算法

員工每次刷卡，會產(chǎn)生一條包括有員工ID號，卡機ID號，刷卡時間等信息的時序數(shù)據(jù)，存入卡機系統(tǒng)數(shù)據(jù)庫中。通過在每個卡機刷卡、記錄刷卡時間和位置、查詢卡機系統(tǒng)數(shù)據(jù)的方式，我們可以利用人工刷卡探測的方法將卡機ID信息與建筑出入口的地理位置對應(yīng)起來，建立起映射關(guān)系。由此可以從刷卡記錄，獲悉刷卡人所在的園區(qū)內(nèi)地理位置。通過同步卡機數(shù)據(jù)庫，匹配卡機地理位置信息，可以得到園區(qū)內(nèi)所有人最近刷卡位置表（后簡稱表1）。根據(jù)表1中位置信息進行分類匯總，便可得知各樓或各層人數(shù)情況。但對每客戶端、每次請求都進行分類匯總操作是不經(jīng)濟的，故增加人數(shù)統(tǒng)計表（后簡稱表2），后臺程序定時對表1進行分類匯總，結(jié)果數(shù)據(jù)存入表2中；前端展示時直接使用表2中的結(jié)果數(shù)據(jù)，減少系統(tǒng)負(fù)擔(dān)，提高響應(yīng)速度。

2 系統(tǒng)設(shè)計

本系統(tǒng)基于傳統(tǒng)企業(yè)及園區(qū)的傳統(tǒng)基礎(chǔ)設(shè)施，如門禁/閘機，CCTV監(jiān)控，和WIFI探針系統(tǒng)，將采集到的數(shù)據(jù)集合進行處理，提出了一種處理流程和表決的方式，得出最終的人員分布統(tǒng)計數(shù)據(jù)，具體設(shè)計主要包括以下模塊。

2.1 數(shù)據(jù)存儲模塊

門禁/閘機刷卡、人臉抓拍一體機以及wifi探針三個采樣系統(tǒng)均擁有自身獨立的MySql存儲數(shù)據(jù)庫保存原始數(shù)據(jù)集，不僅彼此獨立也便于采集模塊與其他應(yīng)用集成[6]。從而保證關(guān)鍵數(shù)據(jù)源字段的一致性，此外本文的數(shù)據(jù)處理后臺需要定時抓取三個采樣系統(tǒng)數(shù)據(jù)源的數(shù)據(jù)庫。

2.2 數(shù)據(jù)結(jié)構(gòu)

Source Data Architecture源數(shù)據(jù)結(jié)構(gòu)如表1所示Target Data Architecture目標(biāo)數(shù)據(jù)結(jié)構(gòu)如表2所示。

表1 Source Data Architecture源數(shù)據(jù)結(jié)構(gòu)

Tab.1 Source Data Architecture source data structure

表2 Target Data Architecture目標(biāo)數(shù)據(jù)結(jié)構(gòu)

Tab.2 Target Data Architecture target data structure

2.3 數(shù)據(jù)采集模塊設(shè)計

首先對企業(yè)園區(qū)的樓層進行單位統(tǒng)計區(qū)域的劃分。以便于基于劃分統(tǒng)計區(qū)域和統(tǒng)計時間片統(tǒng)計出每一個區(qū)域的實時人數(shù)。原始數(shù)據(jù)采集獲取主要包括3個部分。即閘機/門禁刷卡系統(tǒng)、人臉抓拍一體機以及Wifi探針等。通過以上三個部分?jǐn)?shù)據(jù)收集模塊收集員工特征信息，即：

基于門禁/閘機刷卡，從而確定卡片序號和員工ID一對一映射的關(guān)系，如刷卡事件發(fā)生時，可以確定員工的ID。

基于人臉抓拍一體機，通過員工的圖片數(shù)據(jù)庫，對員工進行人臉識別并進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，提取員工體貌特征。

基于wifi探針，wifi連接系統(tǒng)開放域賬號登錄，當(dāng)員工使用域賬號連接wifi的時候，可獲取員工的ID。

對于訪客，本文關(guān)閉門禁/閘機和wifi探針采樣通道，即不計入采集模塊的數(shù)據(jù)庫。采用人臉抓拍一體機的無監(jiān)督學(xué)習(xí)，自動總結(jié)訪客特征。對于未注冊的人臉時，將數(shù)據(jù)歸為其他人員，記錄訓(xùn)練后的面部特征，給特征分配隨機ID用于后續(xù)匹配和去重。

2.4 同步處理

鑒于采集模塊的記錄內(nèi)容無法直接使用，因此本文采用數(shù)據(jù)處理服務(wù)器對采集模塊的數(shù)據(jù)進行同步處理，頻率為5分鐘/次。采集模塊的每個子模塊（門禁/閘機，自拍一體機以及wifi探針）需要開放數(shù)據(jù)字段接口，子模塊的字段接口需具有一致性。

以ID為主鍵，第一次同步為全量同步，通過數(shù)據(jù)分析服務(wù)器的數(shù)據(jù)庫驅(qū)動客戶端查詢采集模塊的數(shù)據(jù)，獲得數(shù)據(jù)后插入本地的數(shù)據(jù)庫中。其后每5分鐘執(zhí)行一次增量備份，即只同步比數(shù)據(jù)分析服務(wù)器庫中記錄ID更大的數(shù)據(jù)條目。如此即可生成了一張原始數(shù)據(jù)條目表，如表3所示。

使用間隔5分鐘，將一天的時間切割成1440段時間片，數(shù)據(jù)分析服務(wù)器從上表1中，生成每個時間片中的人員位置快照。結(jié)合實際經(jīng)驗，對某個員工來說，每個時間片中的位置是唯一的。同時最新的記錄時間則記錄的員工的最新位置信息如表4所示。

表3 原始數(shù)據(jù)條目表

Tab.3 Original data entry table

表4 最新位置信息表

Tab.4 Latest location information table

2.5 系統(tǒng)調(diào)優(yōu)和表決

因系統(tǒng)目前使用刷卡地理位置表征員工實時位置，但是刷卡數(shù)據(jù)為離散化追蹤信息，本質(zhì)上是對用戶實時位置的一種離散化抽樣與邊信道估計。當(dāng)因樓層僅有進門卡機無出門卡機、員工跟隨他人進入等原因，致使抽樣頻率降低、樣本減少時，系統(tǒng)數(shù)據(jù)的實時準(zhǔn)確性必然降低[8]。但通過員工部門、行為習(xí)慣調(diào)查、歷史運營數(shù)據(jù)等先驗知識，可以進一步對位置數(shù)據(jù)進行插值優(yōu)化（去重和表決），盡可能提升運營管理的準(zhǔn)確度[9]。

（1）閘機處數(shù)據(jù)調(diào)優(yōu)

當(dāng)接收到的刷卡信息來自一樓大廳閘機時，由于需要等待和乘坐電梯，員工不會立刻進入其部門所在樓層；此時，將對應(yīng)員工數(shù)計入大廳人數(shù)計數(shù)。另由于東西層大廳不連通，可將東西側(cè)刷卡人員歸納到各自刷卡的大廳中，進一步提升準(zhǔn)確性。

（2）樓層數(shù)據(jù)調(diào)優(yōu)

當(dāng)員工乘坐電梯到達工作樓層，并刷卡進入部門區(qū)域時，其最新的刷卡位置可作為判斷其所在樓層的準(zhǔn)確依據(jù)。但如果因樓層玻璃門未關(guān)閉，或一人刷卡多人同時進入樓層，此時無法通過該層刷卡記錄獲取樓層字段信息，相當(dāng)于損失了采樣點，導(dǎo)致人員位置和各層人數(shù)出現(xiàn)誤差。此時，可以使用該員工的門卡號查詢其部門信息與工位信息，再映射到所在樓層。此映射是一個柔性校正過程，基于大多數(shù)員工主要活動樓層為部門所在樓層這一假設(shè)，支持該假設(shè)的依據(jù)為日常運營統(tǒng)計數(shù)據(jù)先驗知識。

（3）調(diào)優(yōu)

三種采樣源有個是相互印證的過程，這也是絕大多數(shù)情況。但不可避免地會出現(xiàn)單個數(shù)據(jù)源樣本丟失情況，下表5就是針對單個數(shù)據(jù)源的樣本丟失進行插值。

表5 調(diào)優(yōu)數(shù)據(jù)表

Tab.5 Tuning data table

通過表決調(diào)優(yōu)，我們就可以記錄了每個時間段每個人的位置信息。

（4）整體流程和系統(tǒng)數(shù)學(xué)算法

系統(tǒng)步驟如圖1所示。

圖1 系統(tǒng)步驟圖

（5）數(shù)學(xué)算法

A1初始化

A1.1 定義CardID為在第棟建筑的第層的第個采樣設(shè)備（閘機/抓拍一體機/wifi探針）所記錄的員工ID

A1.2 建立表1a，其中存儲的數(shù)據(jù)為CardID- Door，即，在第棟建筑的第層的第個閘機錄入過的員工ID；

建立表1b，其中存儲的數(shù)據(jù)為CardID-Video，即，在第棟建筑的第層的第個抓拍一體機錄入過的員工ID；

建立表1c，其中存儲的數(shù)據(jù)為CardID-Wifi，即，在第棟建筑的第層的第個Wifi探針錄入過的員工ID；

A1.3 建立表1，其中表1為表1a，1b，1c進過表決插值、調(diào)優(yōu)以后的集合。表1中，CardID- Access，CardID-Video，CardID-Wifi，統(tǒng)一抽象為CardID

A1.4 定義N為第棟建筑的總?cè)藬?shù)，并將其存儲于表2中。

A1.7 令大廳的對應(yīng)的值為1；

A2. 讀取當(dāng)前時刻T；

A2.1 如果TT≥D，那么

A2.2?T；

A2.3 獲取CardID；

A2.4 如果=1，那么

A2.4.1 查詢用戶的部門信息得到，，，并更新CardID；

A2.7 如果T=0，那么

A2.8.1 清空表1，表2；

A2.8 跳轉(zhuǎn)到步驟A2。

（6）數(shù)據(jù)可視化

數(shù)據(jù)可視化[10]采用一般的B/S架構(gòu)，使用諸多現(xiàn)代瀏覽器服務(wù)技術(shù)python, flask, gunicorn, nginx等。其中還包括了WebGL的3D渲染技術(shù)。因這部分通用技術(shù)不是本文的核心，故不加贅述。

（7）敏感信息處理

本文的方法依賴于員工的行為記錄，實際上涉及到了員工身份、部門信息、行為記錄等敏感信息，這些信息都不應(yīng)對外公開[11]。本方法在實例中使用了展現(xiàn)層和持久化層分離的做法。對數(shù)據(jù)持久化層做了嚴(yán)格的底層網(wǎng)絡(luò)安全部署。同時使用了單向加密技術(shù)，對于高度機密的信息進行HMAC-SHA256的加密方法，進行先加密再持久化。從而實現(xiàn)底層和應(yīng)用層對于敏感信息的雙重保護。

3 結(jié)論

本文在企業(yè)及園區(qū)的傳統(tǒng)基礎(chǔ)設(shè)施的基礎(chǔ)上，采用成本最小的方式，將采集到的數(shù)據(jù)集合進行處理，提出了一種處理流程和表決的方式，得出最終的人員分布統(tǒng)計數(shù)據(jù)。從而形成一種交叉認(rèn)證的方式，可以很大程度提高記錄的準(zhǔn)確度，為后續(xù)的數(shù)據(jù)展示提供良好的基礎(chǔ)[12]。園區(qū)管理人員可以在集中監(jiān)控大屏上看到整個樓宇的人員密集度分配，同時可以查詢到具體樓層的人數(shù)。最終顯示的人數(shù)是集合了門禁數(shù)據(jù)，人臉抓拍一體機和wifi探針定位技術(shù)交叉認(rèn)證的最終結(jié)果，在數(shù)據(jù)的可靠性上大于任何一個單一數(shù)據(jù)源的分析結(jié)果。在泛亞園區(qū)的實際測試中，其可靠度高達90%。通過分析，主要的誤差來源于員工不把手機帶在身邊，同時另外兩個采樣源丟失了一個的時候。導(dǎo)致系統(tǒng)認(rèn)為員工的手機所在位置即員工所在位置。

我們在實際應(yīng)用中認(rèn)為90%的可靠度足夠滿足我們管理需求。園區(qū)的管理人員通過直觀的數(shù)據(jù)，可以進行智能動態(tài)決策，優(yōu)化資源分配、從容應(yīng)對突發(fā)事件。如調(diào)整保潔時間，增減出入口數(shù)量，調(diào)節(jié)區(qū)域照明和暖通，分配安防資源等。同時關(guān)于園區(qū)/樓宇未來的規(guī)劃建設(shè)，此人員熱力圖也有極大的指導(dǎo)意義。

[1] 彭章祥. 基于視頻的人流量統(tǒng)計技術(shù)研究[D]. 華中科技大學(xué), 2014.

[2] 滿憲金. 人臉圖像識別方法的研究[J]. 軟件, 2013, 34(3):136-137.

[3] 徐暢. 基于WiFi的人流量監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D]. 北京郵電大學(xué), 2017.

[4] 陳元, 陳文偉. 數(shù)據(jù)開采與統(tǒng)計學(xué)[J]. 計算機工程與應(yīng)用, 2000, 36(5):15-17.

[5] 方書晴. 淺析數(shù)據(jù)挖掘的分類與預(yù)測[J]. 軟件, 2012, 33(6):77-79.

[6] 張健, 馬駿, 劉茉. 基于數(shù)理統(tǒng)計方法的城市道路環(huán)形交叉口通行能力研究[J]. 北華大學(xué)學(xué)報(自然), 2003, 4(6):541-543.

[7] 何清頂. 測量船遙測數(shù)據(jù)處理方法研究[J]. 軟件, 2013, 34(3):90-91.

[8] 萬林. 基于概率統(tǒng)計方法的基因調(diào)控網(wǎng)絡(luò)的多層次研究[D]. 北京大學(xué), 2009.

[9] 秦愛武, 周敏. 本地數(shù)據(jù)庫在大數(shù)據(jù)量數(shù)值計算中的分布式應(yīng)用[J]. 軟件, 2012, 33(2):56-57.

[10] 毛俊生, 楊志清, 李國鋒. 基于B/S模式的裝備信息管理系統(tǒng)的設(shè)計[J]. 軟件, 2012, 33(4):47-49.

[11] 顧德軍, 伍鐵軍. 一種基于人頭特征的人數(shù)統(tǒng)計方法研究[J]. 機械制造與自動化, 2010, 39(4):134-138.

[12] 齊勁松, 王偉, 吳成富,等. 三余度飛控計算機交叉數(shù)據(jù)鏈系統(tǒng)設(shè)計[J]. 測控技術(shù), 2007, 26(5):73-75.

Study on the Method of Personnel Distribution in the Park Based on Cross-voting of Multiple Data Sources

XU Bin, FU Peng-fei

(Pan Asia Technical Automotive Center Co., Ltd, Shanghai 201208, China)

Through the collection and voting of multiple data sources, this paper can accurately describe the location snapshot of all personnel in a large park, and then obtain the distribution characteristics of personnel in the park at a certain time. In this way, a cross-authentication method is formed. Access control data, video data and wi-fi signal data are combined to improve the accuracy of records. It makes up for the deficiency of traditional personnel distribution statistics methods and provides data support for the digital operation of the park.

Cross validation; Statistical method; Optimization; Vote

TP391.41

A

10.3969/j.issn.1003-6970.2018.07.044

許斌(1968?)，男，碩士研究生，高級工程師，主要研究方向：數(shù)據(jù)分析，智能化運營，企業(yè)現(xiàn)代化管理，軟件系統(tǒng)構(gòu)架設(shè) 計；付鵬飛(1982?)，男，本科，中級工程師，主要研究方向：數(shù)據(jù)分析，機器視覺。

本文著錄格式：許斌，付鵬飛. 基于多數(shù)據(jù)源交叉表決的園區(qū)人員分布的方法研究[J]. 軟件，2018，39（7）：208-212