張 宇

(1.中煤科工集團重慶研究院有限公司，重慶 400039;2.中煤科工集團重慶智慧城市科技研究院有限公司，重慶 401121)

0 引言

隨著人民生活水平的不斷提高以及居住環(huán)境的日益改善，市民開始更多傾向于城市公園出游。公園周邊交通狀況逐漸惡劣以及游園人數(shù)超過公園接待能力，嚴重影響公園的公共安全。因此，智慧公園的安防監(jiān)控系統(tǒng)需要通過科學(xué)的手段來分析園區(qū)及周邊的人流、人群的聚集程度，從而判斷可能出現(xiàn)的大面積人員擁擠并提出預(yù)警，以最大程度減少安全風(fēng)險出現(xiàn)的可能性。

本文主要研究內(nèi)容包括：通過對人員出入口、園區(qū)重點區(qū)域感知網(wǎng)和數(shù)據(jù)分析，準確把握園區(qū)內(nèi)人流、重點區(qū)域態(tài)勢；研究園區(qū)人員聚集趨勢預(yù)警和預(yù)測模型庫，對景區(qū)內(nèi)人員危險聚集進行有效預(yù)判。

1 系統(tǒng)架構(gòu)

智慧公園安防監(jiān)控系統(tǒng)主要有感知層、服務(wù)層和應(yīng)用層三層架構(gòu)，以及安全保障體系、標準管理體系兩方面的支撐[1]。

①感知層。通過建立智能化的各類傳感設(shè)備，實現(xiàn)對人(流量、危險闖入、聚集程度)、車(公園入園要道、園區(qū)車流量、車輛違停、交通事故)、危險源(水情、化糞池、下水道等)的全面感知和智能控制。

②核心服務(wù)層。服務(wù)層涵蓋數(shù)據(jù)采集、協(xié)議解析、存儲計算、數(shù)據(jù)治理、挖掘分析、共享交換等業(yè)務(wù)內(nèi)容。向下接入感知層的傳感數(shù)據(jù)，向上支撐智慧公園分析應(yīng)用，保障智慧公園平臺的運行。

③智慧應(yīng)用層。通過工程師站與數(shù)據(jù)的交互，實現(xiàn)系統(tǒng)的統(tǒng)一管理、統(tǒng)一指揮。利用二維、三維地理信息和虛擬現(xiàn)實技術(shù)，將各系統(tǒng)的信息直觀、清晰地呈現(xiàn)；結(jié)合遙感(remote sensing,RS)技術(shù)，實現(xiàn)實時監(jiān)測、遠程控制；通過分析，以圖表方式對關(guān)鍵指標進行關(guān)聯(lián)展示，輔助管理層決策。

④園區(qū)安全及保障體系。園區(qū)安全主要通過控制各種角色的活動，從政策、制度、規(guī)范、流程以及記錄等方面作出規(guī)定，包括物理安全、網(wǎng)絡(luò)安全、主機安全、應(yīng)用安全和數(shù)據(jù)安全及備份恢復(fù)5個方面。

⑤園區(qū)標準及管理體系。建立智慧公園的數(shù)據(jù)標準、技術(shù)標準、業(yè)務(wù)規(guī)范、管理規(guī)范。數(shù)據(jù)標準包括采集標準、訪問標準、質(zhì)量標準和管理標準；技術(shù)標準包括感知設(shè)備標準、管控平臺標準、接口標準；業(yè)務(wù)規(guī)范包括業(yè)務(wù)流程規(guī)范、業(yè)務(wù)分類規(guī)范、業(yè)務(wù)內(nèi)控規(guī)范；管理規(guī)范包括系統(tǒng)運維管理、信息資源共享交換管理、系統(tǒng)評價管理等內(nèi)容。

智慧公園安防監(jiān)控系統(tǒng)架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)圖

fig.1 System architecture

2 系統(tǒng)功能

智慧公園安防監(jiān)控系統(tǒng)的建設(shè)，可實現(xiàn)以下功能。

①公園人流量監(jiān)測：實現(xiàn)對全園區(qū)人數(shù)、熱門景點人數(shù)監(jiān)測和預(yù)測，以及園區(qū)熱力圖顯示。

②公園車流量監(jiān)測：實現(xiàn)對公園周邊主要道路的車流量監(jiān)測和預(yù)測。

③人員聚集地監(jiān)測：實現(xiàn)對園區(qū)重點區(qū)域的人員聚集程度監(jiān)測和預(yù)警。

④危險源監(jiān)測：實現(xiàn)對園區(qū)危險區(qū)域(如化糞池、下水道等)的氣體監(jiān)測。

⑤人、車誘導(dǎo)：實現(xiàn)對園區(qū)的交通疏導(dǎo)。

⑥防火監(jiān)測：實現(xiàn)對園區(qū)的電力電纜、重要設(shè)備、林木等的防火監(jiān)測。

⑦區(qū)域越限監(jiān)測：實現(xiàn)對園區(qū)危險區(qū)域的越限監(jiān)測。

⑧手機APP：通過手機APP實現(xiàn)對園區(qū)信息的發(fā)布。

3 關(guān)鍵技術(shù)解決方法

3.1 手機基站即時到達定位技術(shù)

手機基站即時到達定位(time of arrival，TOA)技術(shù)的基本原理，是通過檢測電波從手機終端傳播到多個基站的時間，確定手機終端的位置。其定位精度受到基站數(shù)量以及時間同步的影響[2]。

通過測得電波到達時間Ti(i=1,2,…,n)，由Ti×C得到移動設(shè)備與某個信號發(fā)射器之間的距離。然后，根據(jù)幾何知識建立方程組，并求解得到移動設(shè)備的位置范圍[3]。最后，根據(jù)移動設(shè)備的數(shù)量和位置，確定園區(qū)的總?cè)藬?shù)以及人員分布情況。

TOA定位原理如圖2所示。

圖2 TOA定位原理圖

3.2 紋理分析法

在公園的人員易聚集地點安裝高清攝像頭，對聚集地點的視頻圖像進行采集，并提取場景的前景特征點數(shù)。利用特征點數(shù)進行人群密度初判：若密度較低，采用圖形分析法統(tǒng)計人數(shù)；若密度較高，則采用紋理分析法[4]。

紋理分析法主要步驟如圖3所示。

圖3 紋理分析法主要步驟圖

灰度共生矩陣M(i，j，d，θ)的定義為：在某個方向θ上，相鄰一定間隔d的兩個像素點的灰度值分別為i和j，統(tǒng)計灰度值分別為i和j的像素點對同時出現(xiàn)的頻率，即某個方向上像素灰度值由i變化到j(luò)的聯(lián)合分布情況。不同的(d，θ)對應(yīng)不同的灰度共生矩陣。因此，必須將(d，θ)控制在某個范圍內(nèi)。θ通常取值為0°、45°、90°、135°。d通常取值為1[5]。根據(jù)這4個方向產(chǎn)生灰度共生矩陣。

從視頻圖像的灰度共生矩陣(gray level co-occurrence,GLCM)能提取14個代表紋理的參數(shù)。但這14個特征中僅有4個參數(shù)是不相關(guān)的[1]，選用能量二階距(angular second moment,ASM)、熵(entropy,ENT)這兩個參數(shù)表示圖像中的人群分布情況。

①ASM：ASM是灰度共生矩陣所有元素平方之和，它反映了圖像灰度分布均勻程度和紋理粗細程度。當紋理粗時，ASM值大；當紋理細時，ASM值小。

(1)

②ENT：ENT用來表達圖像中信息量的多少。若圖像中沒有任何紋理，則灰度共生矩陣幾乎為零矩陣，ENT也接近于零；若圖像中充滿紋理，ENT值會較大。因此，人群密度越高時ENT值越大，反之ENT值小。

(2)

根據(jù)式(2)分析可知，對于人群較為密集的人群圖像，ASM值均呈現(xiàn)較小的趨勢，而ENT值則呈現(xiàn)較大的趨勢。將人群密集度分為少、中少、中多、多、密集5個程度，分別根據(jù)灰度共生矩陣得到標準的ASM值和ENT值，與現(xiàn)場實際的ASM值和ENT值進行對比，即可得到人群聚集的程度。

在Matlab軟件中，首先通過“graycomatrix”命令得到兩張圖在d為1，θ為0°、45°、90°、135°這4個灰度的共生矩陣；然后，根據(jù)式(1)、式(2)計算出這4個灰度共生矩陣的ASM值和ENT值。

區(qū)域特征值如表1所示。

表1 區(qū)域特征值

通過表1可以看出，人員密集區(qū)域能量ASM<0.01，ENT>3；人員稀少區(qū)域能量ASM>0.1，ENT<1.5。因此，從整體上來說，不同人員聚集度的ASM值和ENT值相差較大。這就說明，可以通過這兩個值的比較來區(qū)分人員聚集程度。

3.3 柯布-道格拉斯效用函數(shù)

用于園區(qū)人數(shù)預(yù)測的柯布-道格拉斯效用函數(shù)的基本形式為：

Y=A(t)L?Kβeε

(3)

式中：Y為園區(qū)總?cè)藬?shù)；L為影響要素；K為預(yù)測準確度；eε為隨機誤差項；?、β分別為影響要素和預(yù)測準確度的預(yù)測彈性[6]。

對該模型作對數(shù)變換，得到對參數(shù)而言的對數(shù)線性函數(shù)模型：

lnY=lnA+?lnL+βlnK+ε

(4)

結(jié)合園區(qū)總?cè)藬?shù)因素分析，可以建立如下關(guān)于園區(qū)總?cè)藬?shù)模型：

lnY=lnA+C1lnx1+C2lnx2+C3lnx3+ε

(5)

式中：x1為園區(qū)單位時間溫度；x2為園區(qū)單位時間光照度；x3為預(yù)測準確率，將影響要素都作為某段時間內(nèi)平均值，以避免可能產(chǎn)生的變量之間的共線性；ε為模型的隨機誤差項，描述除解釋變量以外的因素對總?cè)藬?shù)的干擾，包含園區(qū)突然舉辦大型活動等難以具體量化的因素的影響；Y為當天總?cè)肆髁俊?/p>

任選一個公園11天內(nèi)的游覽總?cè)藬?shù)及其影響因素作為樣本，樣本數(shù)據(jù)如表2所示。

表2 樣本數(shù)據(jù)

根據(jù)樣本數(shù)據(jù)對建立的公園人流量模型進行分析。令W=ln(Y)、W1=ln(x1)、W2=ln(x2)、W3=ln(x3)、C=ln(A)為常數(shù)。由此可以得到以下模型：

W=C+C1W1+C2W2+C3W3+ε

(6)

式中：ε為隨機誤差項；C、C1、C2、C3為待估計參數(shù)，其意義是Wi(i=1、2、3)的估計彈性。

①使用EVIEWS軟件”datay,x1,x2,x3”命令建立(y，x1，x2，x3)4個數(shù)組。

②使用“generate series”命令產(chǎn)生W=log(Y)、W1=log(x1)、W2=log(x2)、W3=log(x3)。

③建立如下方程：

W=C+C1W1+C2W2+C3W3+ε

(7)

對該方程進行回歸估計“LSWCW1W2W3”,再換算成方程的表達式“View Representations”。

得到回歸方程：W=-4.833 908 808 7-0.107 526 748 231W1+1.076 675 066 55W2+0.269 588 888 4W3。

則Ln(Y)=-4.833 91-0.107 53×ln(X1)+1.076 68×ln(X2)+0.269 59×ln(X3)。

通過顯著性檢驗，得出Y=0.007 96(0.898 05X1)×(2.934 92X2)×(1.309 43X3)作為下一個單位時間的人數(shù)預(yù)測。

4 結(jié)束語

通過公園安防監(jiān)控系統(tǒng)的建設(shè)，可滿足公園全面感知信息數(shù)據(jù)的獲取，構(gòu)建較為完善的預(yù)警與輔助決策功能。通過智能服務(wù)平臺，可實現(xiàn)智慧公園管理。安防監(jiān)控系統(tǒng)在公園的日常監(jiān)控和風(fēng)險預(yù)警工作中廣泛應(yīng)用，具備提供視頻監(jiān)控、區(qū)域報警、人流監(jiān)測、車流監(jiān)測、交通引導(dǎo)、流量預(yù)測、風(fēng)險評估等核心能力，有很高的實際應(yīng)用價值。