大型集會的人群監(jiān)測與態(tài)勢預(yù)警分析

陳思文，卞陽東，胡風(fēng)，王潮

?

大型集會的人群監(jiān)測與態(tài)勢預(yù)警分析

陳思文1,2,3，卞陽東4，胡風(fēng)1,2,3，王潮1,2,3

（1. 上海大學(xué)特種光纖與光接入網(wǎng)重點實驗室，上海 200444； 2. 上海大學(xué)特種光纖與先進通信國際合作聯(lián)合實驗室，上海 200444； 3. 上海大學(xué)上海先進通信與數(shù)據(jù)科學(xué)研究院，上海 200444； 4. 波士頓大學(xué)電子工程學(xué)院，波士頓 02215）

以上海外灘踩踏事件為例，提出大型集會人群監(jiān)測與人流態(tài)勢分析急需解決的問題：人群統(tǒng)計及景區(qū)內(nèi)部的人流密度、流向和流速分析，以及大型集會內(nèi)部局部區(qū)域人流走走停停和對沖等異動的判斷，分析當前三大類主要技術(shù)手段存在的先天性缺陷?；谑謾C信令與基站拜訪位置寄存器提出相應(yīng)的算法和對策建議，為未來各類大型集會對人流態(tài)勢研判和預(yù)警、應(yīng)急響應(yīng)和疏導(dǎo)提供支持。

人群監(jiān)測；態(tài)勢預(yù)警；拜訪位置寄存器；外灘踩踏事件；大型集會

1 引言

2014年12月31日23時35分，上海市黃浦區(qū)外灘陳毅廣場發(fā)生了踩踏事故，致36人死亡，47人受傷（下文簡稱“上海外灘踩踏事件”）[1]。2015年1月1日7時起到8日，上海市信息化專家委員會也緊急就此事開展多次討論，專家一致認為，對于特大型集會的人流態(tài)勢分析目前還需要發(fā)展技術(shù)層面的有效手段，需要加強基于手機和視頻的人流態(tài)勢監(jiān)測研究。

大型集會是踩踏事故的“重災(zāi)區(qū)”。美國、英國等各國在采取諸如疏導(dǎo)、限制人流、增加出口支路等管理措施的同時，也積極采用各類技術(shù)手段對人流態(tài)勢進行分析。

對大型集會的人群監(jiān)控應(yīng)整合社會學(xué)、心理學(xué)、建筑學(xué)等方面理解人群及擁擠、沖突的形成。但也需要為管理部門提供必要的信息技術(shù)手段，采取有效簡便的方法分析大型集會聚集地的人流態(tài)勢，判斷人群數(shù)量、局部高危區(qū)域人群密度、移動方向和速度及其變化，提供一定的分析數(shù)據(jù)，并對人群走走停停、出現(xiàn)對沖等異常行為進行分析，支撐管理部門對人流態(tài)勢進行研判和預(yù)警，以及應(yīng)急響應(yīng)和疏導(dǎo)采取措施。

現(xiàn)有的3類人群態(tài)勢分析技術(shù)方案分別為：1) 基于手機信號分析（移動通信信令、基站、Wi-Fi、藍牙等）；2) 基于視頻分析（計算機視覺）；3) 基于城市尺度的人群流動模式分析（如北京公交卡的城市脈動分析）。這3類技術(shù)手段對大型集會而言均存在先天性缺陷，不能有效地解決大型集會的人群數(shù)量統(tǒng)計、態(tài)勢分析，特別是景區(qū)內(nèi)部人群對沖、走走停停等異動監(jiān)測和預(yù)警。相關(guān)視頻數(shù)據(jù)，國內(nèi)仍然依靠人工監(jiān)視、分析，智能程度較低。

下面具體分析前2種技術(shù)方案的先天性缺陷，并提出建議措施。第3種城市尺度的人群分析，難以用于一個局部區(qū)域性分析，因此不予討論。

2 基于手機信號的人群統(tǒng)計和人流軌跡跟蹤

本文分析了多種手機信號，包括手機信令、基站定位、Wi-Fi、GPS和藍牙等，如果用于人群統(tǒng)計和人流軌跡跟蹤分析，發(fā)現(xiàn)都存在不同程度的技術(shù)缺陷，不能充分反映每個人的存在，會有相當部分群體不能納入統(tǒng)計。

2.1 基于手機信號的人群統(tǒng)計

中國手機用戶已經(jīng)超過12億，盡管一些用戶有2部手機，統(tǒng)計時需要去重[2]。但考慮到老人、小孩等無手機游客因素，如能正確統(tǒng)計外灘等大型集會現(xiàn)場的手機信號，應(yīng)該能反映人群擁擠狀態(tài)。由于不能保障每個手機用戶都打開GPS、藍牙及Wi-Fi接入等，因此手機信號統(tǒng)計主要依賴于信令統(tǒng)計分析[3~8]。

人群的信令統(tǒng)計方法，主要是基于信令網(wǎng)關(guān)對話務(wù)量進行分析，人群在特定場合特定時間的平均話務(wù)量在一定程度上可以通過統(tǒng)計和分析進行估算。而通過計算每個基站實時話務(wù)量與估算的人均話務(wù)量的比值即可估算出每個基站覆蓋范圍內(nèi)的人數(shù)。但是，特定場合人群的平均話務(wù)量還受到現(xiàn)場環(huán)境以及各種突發(fā)事件影響，估算出的人均話務(wù)量和實際可能存在較大偏差，使人數(shù)估算結(jié)果較為不精確。

這類信令網(wǎng)關(guān)話務(wù)量統(tǒng)計人群的方法還有一個致命的先天性缺陷，就是大型集會地區(qū)的通信話務(wù)量模型設(shè)置，并非針對一年一度或難得幾次的大型集會而設(shè)計。

移動通信網(wǎng)絡(luò)提供2種通信通道。1) 電路通道：由于基站設(shè)計容量和話務(wù)流量設(shè)置有限，很多手機無法分配通信鏈路，無法接入移動通信網(wǎng)絡(luò)撥打電話。2) 數(shù)據(jù)通道：即使網(wǎng)絡(luò)帶寬沒有阻塞，也有可能產(chǎn)生信令風(fēng)暴，最終導(dǎo)致無法上網(wǎng)。

也就是說，大型集會的游客人數(shù)，遠超過通信網(wǎng)絡(luò)的設(shè)計容量。通過信令網(wǎng)關(guān)進行話務(wù)量統(tǒng)計獲得的人群數(shù)據(jù)是不正確的，僅統(tǒng)計了那些能上移動通信網(wǎng)和打開手機的用戶，大批不能上網(wǎng)的用戶無法納入統(tǒng)計。

為此，本文專門做了調(diào)研，調(diào)查了64名學(xué)生，驗證了在大型集會舉行時，甚至還沒有臨近跨年活動時，上海外灘景區(qū)及東南西北4個方向的周邊地區(qū)通信信號很難暢通，很多人無法獲得通信和網(wǎng)絡(luò)服務(wù)，如圖1所示。

時間區(qū)域地點信號情況人數(shù) 18:00~22:00浦東正大廣場無信號6 有信號 時有時無 東方明珠無信號3 有信號 時有時無2 陸家嘴地鐵口無信號5 有信號 時有時無 浦西從步行街至中山東一路外灘周邊無信號 有信號8 時有時無 22:00~次日00:40浦東東方明珠無信號3 有信號 時有時無 正大廣場有信號 時有時無 無信號6 濱江大道有信號1 時有時無 無信號3 浦西四川中路—外灘有信號 時有時無3 無信號10 陳毅廣場—外灘源有信號 時有時無2 無信號14 英雄紀念碑有信號 時有時無2 無信號5 北京東路—中山東一路有信號 時有時無1 無信號8 河南中路—北京東路有信號 時有時無 無信號8 步行街以西有信號10 時有時無3 無信號 次日00:40之后浦東、浦西兩邊信號均恢復(fù)正常47

2.2 基于手機信號的人流軌跡分析

手機信號原本并非用于人流軌跡分析。筆者期望通過對于每個用戶手機連續(xù)定位，分析人流走向軌跡和路口分流等情況，并可以對接下來一段時間的人流走向進行一定的預(yù)測，給出容易超負荷和出現(xiàn)擁堵的路段、路口。

但目前主要的移動通信定位方式都是針對個人定位，不僅無法針對人群進行定位，而且個人定位的精度不高。除了GPS的衛(wèi)星定位，已有的移動通信定位方案還無法完全達到E-911的定位精度要求，難以用于人流軌跡分析。

1996年，美國聯(lián)邦通信委員會（FCC, Federal Communications Commission）頒布E-911法規(guī)，要求自2001年10月1日起，移動通信網(wǎng)絡(luò)必須能對發(fā)出緊急呼叫的移動臺提供精度在125 m內(nèi)的定位服務(wù)，而且滿足此定位精度的概率應(yīng)不低于67%[9]。1999年，F(xiàn)CC對定位精度提出新的要求：對基于網(wǎng)絡(luò)定位要求提供精度為100 m內(nèi)定位的概率應(yīng)不低于67%，精度為300 m內(nèi)定位概率應(yīng)不低于95%；對基于移動臺的定位為精度50 m內(nèi)概率應(yīng)不低于67%，精度為150 m以內(nèi)的定位概率應(yīng)不低于95%[10]。歐洲同樣也提出了相應(yīng)的E112規(guī)定。

如表1中所示，雙曲線定位模型到達時間差（TDOA，time difference of arrival）和圓周定位模型到達時間（TOA，time of arrival）都能夠有小于150 m的定位誤差，很低的定位開銷，定位速度也在可以接受的范圍內(nèi)，但是TOA的定位方式要求基站與移動臺（手機）的時間完全相同，這就很大程度上降低了定位的準確性。而方位角定位模型到達角（AOA，angle of arrival）在稍差的定位精度下開銷和速度都比較慢。全球定位系統(tǒng)（GPS）能夠?qū)崿F(xiàn)很精確的定位，但是很多人手機沒有打開GPS，難以低成本實現(xiàn)人群的定位。

表1 多種定位算法的比較

因此，不難理解上海外灘踩踏事件發(fā)生后2個著名公司的跨年熱力圖存在差異。原因在于很難獲得全面的手機用戶信息，一部分手機用戶沒有獲得定位，沒有反映到熱力圖上。如圖2所示，紅色表示人群密集，橙色次之，綠色表示人數(shù)較少（彩色的熱力圖見插頁1）。

3 基于視頻分析的人群統(tǒng)計及人流態(tài)勢分析

3.1 人流態(tài)勢分析需要解決的關(guān)鍵問題

如何監(jiān)測局部危險區(qū)域的人群走走停停和對沖，預(yù)警大型集會人群踩踏，是最迫切需要解決的難題。

英國學(xué)者Anders Johansson以麥加朝圣活動作為研究對象[11]，對人群擁擠的行為模式做了深入研究。他將重點研究位置放在發(fā)生多次重大慘案的old Jamarat Bridge，通過大量的視頻數(shù)據(jù)累計發(fā)現(xiàn)，在發(fā)生踩踏時間之前，人群的行為模式會進行相應(yīng)的變化，而只要在事發(fā)之前發(fā)現(xiàn)并及時進行處理便能達到預(yù)防災(zāi)難的效果。例如，人群中的走走停?，F(xiàn)象是十分恐怖的。

在大部分踩踏事件中，對沖行人流是導(dǎo)致事故發(fā)生的罪魁禍首，而對沖行人流的發(fā)生一般都是由于人群高度密集，人與人之間的信息傳遞不及時所引起的。所以預(yù)防行人之間產(chǎn)生對沖，對即將會發(fā)生的對沖行人流進行及時的預(yù)測、預(yù)警，是減少事故發(fā)生的有效措施。

3.2 視頻人流統(tǒng)計的技術(shù)缺陷

PAMI和ICPR等計算機視覺和模式識別領(lǐng)域的主要的期刊和會議都有大量的文獻涉及人群統(tǒng)計、異常行為分析[12~16]。但是已有的人群定位方法，大都基于對個人進行精確定位、跟蹤軌跡等達到統(tǒng)計的目的，只能適用于人流量不大和視頻清晰度高的情況，對于外灘等視頻清晰度低、人群密度大的場景不適合。

這是因為高密度人群的情況下，Hough變換等經(jīng)典的計算機視覺算法無法獲得清晰的輪廓、邊緣特征，這是計算機視覺領(lǐng)域的一個基本概念和判斷。因此較難判斷人群的密度、景區(qū)內(nèi)各個人群區(qū)域的運動方向和速率等。

3.3 視頻人流統(tǒng)計的研究現(xiàn)狀

最早用于人流量視頻統(tǒng)計的算法Jacobs’s method，是一種非常簡單估算大數(shù)量人群的方法，它把圖像內(nèi)的場景劃分為很多個小塊，選出幾個小塊，計算每個塊中的人數(shù)，再計算它們的平均數(shù)，得到場景內(nèi)總?cè)藬?shù)的近似值，該算法認為在最密集的人群中，每個站著的人占了約2.5平方英尺（0.23 m2）。而DDIS（Digital Design and Imaging Service）所用的多密度計算法，就是對Jacobs’s method的一次升級。

DDIS首先測量了集會地點可能發(fā)生人群聚集的地圖，之后在集會場所上空上升帶有照相機的氣球，短時間內(nèi)就可以從不同角度獲得人群影像，將影像覆蓋在3D模型上便可以通過人群密度與面積相乘得到總?cè)藬?shù)。

以色列CROWD VISION公司推出的實時視頻監(jiān)控軟件[17]不僅能夠統(tǒng)計人群數(shù)量、密度、分布以及流向，還能夠預(yù)測哪個地點將出現(xiàn)人群過于密集的情況。實時數(shù)據(jù)將匯集到指揮室，軍方人員、警方以及其他人群管理專家再綜合分析壓力、密度、走走停停等異?，F(xiàn)象。

對于人群的視頻分析原理主要分為兩類。一類是對于人數(shù)較少的情況，對于這種情況一般直接統(tǒng)計視頻內(nèi)人的數(shù)量，直對視頻圖像的像素點進行操作，從視頻中分割出運動物體的輪廓，再對其進行判斷分析、再計數(shù)，或者根據(jù)像素點所占的面積、周長等數(shù)據(jù)與人數(shù)之間的關(guān)系進行計數(shù)。當人群數(shù)量較多時，由于圖像中人與人之間的相互重疊或者背景遮擋等問題，Hough變換等經(jīng)典的計算機視覺算法無法獲得清晰的輪廓、邊緣特征，使用這些方法技術(shù)精確度很低。

另一類是針對高密度人群的統(tǒng)計。通常采用密度估計的方法，對視頻圖像中出現(xiàn)的人群密度做大致估計。人群密度的估計一般都是根據(jù)視頻圖像的紋理特征與人數(shù)之間的關(guān)系進行人數(shù)估計，人群密度大小與圖像的紋理特征具有一定的關(guān)系。

但是，上海外灘踩踏事件中由于光照、視頻清晰度低等原因，紋理分析的方法往往會失效，更無法分析人群異動、走走停停和對沖等異常行為。

(a) 百度熱力圖

(b) 力推熱力圖

圖2 熱力圖

4 基于基站拜訪位置寄存器的大型集會人群統(tǒng)計及校正統(tǒng)計人數(shù)誤差算法

4.1 基于基站拜訪位置寄存器的大型集會人群統(tǒng)計

基于移動通信網(wǎng)絡(luò)的人群統(tǒng)計不但能統(tǒng)計出人群數(shù)量，還能對踩踏事件的發(fā)生進行提前的預(yù)警，有英國學(xué)者Johansson實驗得出理論，當人群“壓力”超過0.02/s2時就有可能發(fā)生災(zāi)難，并且災(zāi)難事件至少持續(xù)30 min。而這個被稱為壓力的系數(shù)是由速度的方差乘以人群密度計算得到的，這些都可以通過信令分析結(jié)果輕松得到，只要壓力有超過警戒線的趨勢，便可以向用戶定向發(fā)送有關(guān)信息進行提醒，也就是所謂的小區(qū)廣播，做好相關(guān)預(yù)防工作。

傳統(tǒng)的基于移動通信網(wǎng)絡(luò)的人數(shù)統(tǒng)計往往在人數(shù)超過基站負載后失去其統(tǒng)計人數(shù)的功能。針對已有技術(shù)的不足，提出一種基于基站拜訪位置寄存器（VLR, visitor location register）的大型集會人群統(tǒng)計方法。

拜訪位置寄存器作為基站MSC中用于存儲來訪用戶信息的數(shù)據(jù)庫，除了存儲著來自原地位置寄存器的用戶登記業(yè)務(wù)，開關(guān)機狀態(tài)，是否有協(xié)議、通信資格、用戶地址等信息，還存儲著每個用戶的實時位置登記信息。為了避免移動交換中心使用窮舉法尋找用戶終端所在位置，用戶終端需要周期性地向移動通信網(wǎng)絡(luò)報告其所在的接入蜂窩位置，該周期通常在0.5~1 h。因而每個用戶在開機、接入無線網(wǎng)絡(luò)或者進入一個新的拜訪位置寄存器服務(wù)區(qū)內(nèi)時，都會在拜訪位置寄存器上進行登記，原地位置寄存器在修改該用戶的位置信息后，還要通知原來的拜訪位置寄存器，刪除該移動用戶的位置信息。由于拜訪位置寄存器容量寬裕、移動終端都能在拜訪位置寄存器中登記，以及目前中國智能手機的持有率在90%~110%，通過拜訪位置寄存器統(tǒng)計出的用戶數(shù)可以很直觀地反映出特定基站小區(qū)內(nèi)的實際人數(shù)，保證了統(tǒng)計數(shù)據(jù)的完整性。

拜訪位置寄存器位置數(shù)據(jù)更新機制使移動終端漫游的位置區(qū)改變時，移動臺（MS, mobile station）將主動發(fā)起位置更新的工作，包括在同屬于一個拜訪位置寄存器下的不同基站位置信息，以及不同移動交換中心（MSC，mobile switching center）或拜訪位置寄存器下的位置信息更新。在智能手機向基站發(fā)起主動業(yè)務(wù)的同時，拜訪位置寄存器的位置數(shù)據(jù)更新也在進行。這些主動業(yè)務(wù)包括基礎(chǔ)的建立通話連接、發(fā)送短信、接入互聯(lián)網(wǎng)、微信和各種推送在后臺使用的信令業(yè)務(wù)等。因為大部分智能手機存在大量需要使用數(shù)據(jù)鏈路的后臺程序，只要手機處于開機模式并接入互聯(lián)網(wǎng)，手機在拜訪位置寄存器中的位置信息更新幾乎是實時的。當然，除了位置信息，每部智能手機的業(yè)務(wù)信息、權(quán)限信息及開機狀態(tài)也是實時登記在拜訪位置寄存器中。

手機在關(guān)機時會向基站發(fā)出關(guān)機信息信號，從而在拜訪位置寄存器中登記為關(guān)機狀態(tài)，通過這個信息可以排除關(guān)機后離開基站范圍的那部分人。在某些特殊情況下手機系統(tǒng)被迫關(guān)閉（如被破壞、被拔電池板等），手機不會進行主動業(yè)務(wù)發(fā)起，基站會認為手機不在服務(wù)區(qū)內(nèi)，基站會每隔一段時間對這部手機進行一次嘗試尋呼，并同步一次拜訪位置寄存器中的信息。這個尋呼時間間隔根據(jù)運營商和基站不同而有所不同，一般在0.5~1 h之間，等到基站對這臺移動終端主動尋呼并發(fā)現(xiàn)不在基站覆蓋范圍內(nèi)時，才會判定該手機已關(guān)機。

以上這種情況會使一個手機系統(tǒng)意外關(guān)閉的人被默認依然存在該基站區(qū)域，從而造成數(shù)據(jù)上的延時，然而這種情況在統(tǒng)計人流數(shù)據(jù)中依然是極少數(shù)?？傮w而言，拜訪位置寄存器統(tǒng)計的人流數(shù)據(jù)具有實時性。

如果處于市中心地帶，建筑物較多的地方，如何排除障礙物中的人群也是一項挑戰(zhàn)?，F(xiàn)在大多建筑物中都設(shè)有Wi-Fi，只要人們的手機開通終端的WLAN功能，Wi-Fi便能夠反向獲得每位用戶的AP從而將用戶位置記錄下來。但由于用戶并不是所有人都會打開WLAN功能，這種情況下就需要通過相應(yīng)的滲透率來計算得到總?cè)藬?shù)。另一種排除建筑物中人群的方法是通過無線定位技術(shù)，當發(fā)現(xiàn)人們在長時間內(nèi)的位移只限定在小范圍內(nèi)，便可以大致認為此人處于建筑物中。

4.2 校正統(tǒng)計人數(shù)誤差算法

上文的分析中提到智能手機在人群中的持有率、手機系統(tǒng)意外關(guān)閉引起的數(shù)據(jù)反饋延時等情況，都是拜訪位置寄存器統(tǒng)計人數(shù)中誤差的一部分。然而以上這些誤差都屬于小概率事件，在統(tǒng)計人流態(tài)勢時可以忽略不計。

拜訪位置寄存器容量寬裕，且記錄所有正常開機狀態(tài)手機的位置信息，在基站業(yè)務(wù)超過負載時，依舊可以統(tǒng)計出基站覆蓋范圍內(nèi)人數(shù)。但與此同時，則會因為基站分攤?cè)肆鞫鸶哓撦d情況下的統(tǒng)計人數(shù)誤差。

基站在整體覆蓋范圍上成蜂窩狀遍布，但為了保持無線信號的全方位覆蓋，基站的實際功率可覆蓋范圍應(yīng)該比規(guī)劃范圍大很多。因此，手機在大部分時間都可以接收到2個甚至多個基站的信號。2個或多個基站信號覆蓋的范圍被稱為信號重疊區(qū)域。在重疊區(qū)域內(nèi)的手機一般接收2個基站的信號來源，一個為主基站，一個為輔基站，其位置信息以主基站的位置登記在拜訪位置寄存器中。而決定主基站與輔基站區(qū)別的一般是手機收到信號的強弱，又因為基站信號強弱與距離成反比，所以主基站一般由重疊區(qū)域內(nèi)移動終端離2個基站的距離決定。在一般情況下，基站的有效覆蓋范圍和蜂窩狀結(jié)構(gòu)相同，即近似圓形。而在特定基站業(yè)務(wù)量過大時，重疊區(qū)域原本屬于主基站范疇的用戶就會被移入較為空閑的輔基站，這樣，原本靠近主基站的重疊區(qū)域內(nèi)的人便被歸入輔基站，以輔基站的位置信息登記進拜訪位置寄存器。相對來說，等于主基站的覆蓋面積變小了，而按照原本算法將主基站的人數(shù)歸在原本的基站覆蓋范圍內(nèi)，使主基站范圍內(nèi)的人數(shù)比實際少，形成誤差。

對上述形成的誤差進行校正，采用結(jié)合信令截取統(tǒng)計方法，在基站滿負載之前，基于信令統(tǒng)計的人數(shù)有相當?shù)目尚哦龋梢杂靡孕Ｕ蛳到y(tǒng)或其他客觀因素導(dǎo)致的拜訪位置寄存器統(tǒng)計出的數(shù)目的偏差。而在基站業(yè)務(wù)量過大時，通過計算本基站與周邊基站由信令統(tǒng)計出的人數(shù)的增長速度，推算出基站范圍內(nèi)實際人數(shù)的估值，并在基站高業(yè)務(wù)量后根據(jù)實際情況以一定的系數(shù)在拜訪位置寄存器統(tǒng)計出的人數(shù)數(shù)據(jù)上進行修正，從而減小因分攤而流失人數(shù)造成的誤差。具體來說，就是通過計算本基站與周邊基站由信令統(tǒng)計出的人數(shù)的增長速度，推算出基站范圍內(nèi)實際人數(shù)的估值，并在基站高業(yè)務(wù)量后以根據(jù)實際情況對一定的系數(shù)在拜訪位置寄存器統(tǒng)計出的人數(shù)數(shù)據(jù)上進行修正，從而減小因為分攤而流失的人數(shù)造成的誤差。基于此，本文提出了減少拜訪位置寄存器統(tǒng)計人數(shù)的誤差算法，具體步驟如下。

1) 估算每個基站無線覆蓋面積

選取5個基站作為模擬對象，根據(jù)它們的經(jīng)緯度坐標，計算單個基站與其相鄰各基站的直線距離，選取最小的3個相鄰基站距離取平均值，得出該基站到鄰近基站的等效距離D，再計算出該基站的等效覆蓋半徑D。

在不考慮基站扇區(qū)具體的功率區(qū)別情況下，基站的覆蓋范圍在規(guī)劃中是一個標準的六邊形，而在實際情況中，其覆蓋范圍可以視作圓形。由此可以得到每個基站的覆蓋面積為

2) 計算基站未滿負荷時人數(shù)

基站到達滿負荷之前，基于拜訪位置寄存器統(tǒng)計的人數(shù)根據(jù)其與信令統(tǒng)計出的人數(shù)差值以一定的權(quán)重修正，該權(quán)重根據(jù)基站所處位置、信號覆蓋能力、范圍內(nèi)用戶群等因素變化。

3) 校正人數(shù)誤差

所以，基站到達滿負荷之后進行人數(shù)校正的步驟如下。

②計算基站面積

令基站的覆蓋半徑為，基站蜂窩正六邊形面積即為

③計算重疊面積

基站與其他基站重疊面積約為

④重疊面積占基站原本覆蓋面積比例為

4) 實現(xiàn)可視化

根據(jù)開放地理空間聯(lián)盟（Open Geospatial Consortium）所制定的地理數(shù)據(jù)繪制標準寫成KML（keyhole markup language）文件。CartoDB是一個云計算可視化集成工具網(wǎng)站，上傳KML文件，并編輯可視化信息，對一些參數(shù)進行設(shè)置后就能看到動態(tài)的熱力圖。

4.3 實驗仿真

在仿真實驗中，根據(jù)已知的基站坐標，選取5個基站作為模擬對象。首先計算單個基站與相鄰各基站的直線距離，采用選取最小的3個相鄰基站距離取平均值，得出該基站到鄰近基站的等效距離D，然后計算出該基站的等效覆蓋半徑D。根據(jù)輸入的基站經(jīng)緯度自動計算基站與其相鄰基站距離，并算出等效的覆蓋半徑。以仿真實驗中的基站4為例，根據(jù)算法計算出修正后基站統(tǒng)計得出的人數(shù)。如圖3所示，橫坐標表示統(tǒng)計檢測的時間長度（小時），其中實線條代表每小時基于拜訪位置寄存器統(tǒng)計出的人數(shù)，虛線條為每小時基于信令統(tǒng)計出的該基站范圍內(nèi)人數(shù)?？梢钥闯鲈诨矩摵傻竭_滿負荷之前，兩者的統(tǒng)計結(jié)果相近，超過基站可容納人數(shù)范圍后，基于信令截取的人數(shù)統(tǒng)計方式便不再提供有效的數(shù)據(jù)，因此可通過VLR統(tǒng)計出更準確的人數(shù)。

圖3 基于VLR和信令統(tǒng)計的每小時人數(shù)

5 結(jié)束語

1) 關(guān)于人群統(tǒng)計

由于話務(wù)量模型的問題，通過信令網(wǎng)關(guān)統(tǒng)計話務(wù)量的辦法無法精確統(tǒng)計外灘等大型集會的超負荷人群。而基于視頻的統(tǒng)計方法同樣也會受到光照、天氣、攝像頭清晰度等影響，無法實施Hough變換等邊緣提取及紋理分析，也就無法對大型集會的超負荷人群進行精確統(tǒng)計。

除了研究新的手機信號統(tǒng)計方法之外，可以在現(xiàn)場增加基站，還可以通過臨時部署無人機或熱氣球的方式，搭載高清晰攝像頭并實施補光措施，對大型集會現(xiàn)場實施視頻掃描，并統(tǒng)計人群數(shù)。

2) 關(guān)于人流態(tài)勢分析與踩踏預(yù)警

就“外灘事件”而言，目前的人群統(tǒng)計計算機視覺方法由于本身技術(shù)缺陷（受光照、攝像頭清晰度等因素制約），很難分析人群的密度、景區(qū)內(nèi)各個局部區(qū)域人群的運動方向和速率，更難以解決踩踏事件最關(guān)鍵的局部區(qū)域走走停停和對沖等監(jiān)測與預(yù)警。

也可以通過管理人員攜帶偽基站，統(tǒng)計局部高危區(qū)域的人群數(shù)量和密度。

因此，需要發(fā)展新的技術(shù)，在光照不足、低清晰度視頻情況下，能從群體角度識別人群的群體特征，進而判斷局部人群的走走停停、對沖等異常行為和踩踏前兆并實施預(yù)警。

[1] [EB/OL]. http://www.xinhuanet.com/politics/szjcxzt/shwtctsg/.

[2] 姜瑩. 工信部:國內(nèi)手機用戶達12.9億戶 4G用戶占比突破10%[EB/OL]. http://www.chinanews.com/it/2015/ 03-17/7135495. shtml.

JIANG Y. MIIT: domestic mobile phone users reached 1.29 billion and 4G user accounted for more than 10%[EB/OL]. http://www. chinanews.com/it/2015/03-17/7135495.shtml.

[3] 吳松, 雒江濤, 周云峰. 基于移動網(wǎng)絡(luò)信令數(shù)據(jù)的實時人流量統(tǒng)計方法[J]. 計算機應(yīng)用研究, 2014, 31(3): 776-779.

WU S, LUO J T, ZHOU Y F. Method of real-time traffic statistics using mobile network signaling[J]. Application Research of Computers, 2014, 31(3): 776-779.

[4] 陳娜. 基于位置信息的北京市出行模式研究[D]. 北京：北京交通大學(xué), 2016.

CHEN N. Position-based resident travel pattern of beijing[D]. Beijing: Beijing Jiaotong University, 2016.

[5] 代鑫, 楊俊宴, 吳浩. 基于手機信令數(shù)據(jù)的城市商業(yè)中心空間活力研究——以上海為例[C]// 2016中國城市規(guī)劃年會. 2016.

DAI X, YANG J Y, WU H. Study on the spatial vitality of urban commercial center based on mobile phone signaling data-take Shanghai as an example[C]//Annual National Planning Conference. 2016.

[6] 鐘煒菁, 王德. 上海市不同類型的城市空間活動動態(tài)特征比較——基于手機信令數(shù)據(jù)的探索[C]//2016中國城市規(guī)劃年會. 2016.

ZHONG W J, WANG D. Comparison of dynamic features of different types of urban spatial activities in Shanghai-based on mobile phone signaling data[C]//The Annual National Planning Conference 2016, 2016.

[7] 胡忠順, 王進, 朱亮. 基于手機信令數(shù)據(jù)的大客流監(jiān)控應(yīng)用研究[J]. 電信技術(shù), 2017(4):21-25.

HU Z S, WANG J, ZHU L. Study on the large passenger flow monitoring and application based on mobile phone signaling data[J]. Telecommunications Technology, 2017(4):21-25.

[8] 鐘煒菁, 王德, 謝棟燦, 等. 上海市人口分布與空間活動的動態(tài)特征研究——基于手機信令數(shù)據(jù)的探索[J]. 地理研究, 2017, 36(5): 972-984.

ZHONG W J, WANG D, XIE D C, et al. Research on the dynamic characteristics of population distribution and spatial activity in Shanghai-based on the exploration of mobile phone signaling data[J]. Geographical Research, 2017, 36(5): 972-984.

[9] FCC Docket. Revision of the commission’s rules to ensure compatibility with enhanced 911 emergency calling systems[S]. 1996, RM-8143:94-102.

[10] REED J H. An overview of the challenges and progress in meeting the E-911 requirement of location service[J]. IEEE Communications Magazine, 1998, 36(4): 30-37.

[11] JOHANSSON A. From crowd dynamics to crowd safety: a video-based analysis[J]. Social Science Electronic Publishing, 2008, 11(4): 497-527.

[12] KONG D. A viewpoint invariant approach for crowd counting[C]// The 18th International Conference on Pattern Recognition (ICPR'06). 2006.

[13] CONTE D. Counting moving people in videos by salient points detection[C]//2010 International Conference on Pattern Recognition. 2010: 1743-1746.

[14] LI M. Estimating the number of people in crowded scenes by MID based foreground segmentation and head-shoulder detection[C]//International Conference on Pattern Recognition. 2008.

[15] GAO C, LIU J, FENG Q, et al. People-flow counting in complex environments by combining depth and color information[J]. Multimedia Tools & Applications, 2016, 75(15): 9315-9331.

[16] ZENG C B. Robust head-shoulder detection by PCA-based multilevel HOG-LBP detector for people counting[C]//2010 International Conference on Pattern Recognition. 2010.w

[17] JOHANSSON A. Pedestrian, crowd and evacuation dynamics[J]. Encyclopedia of Complexity & Systems Science, 2012, 16: 697-716.

Population surveillance and trend alert analysis of mass gatherings

CHEN Si-wen1,2,3, BIAN Yang-dong4, HU Feng1,2,3, WANG Chao1,2,3

(1. Key Laboratory of Specialty Fiber Optics and Optical Access Networks, Shanghai University, Shanghai 200444, China; 2. Joint International Research Laboratory of Specialty Fiber Optics and Advanced Communication, Shanghai University, Shanghai 200444, China; 3. Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai 200444, China; 2. College of Engineering Electrical Engineering Department, Boston University, Boston 02215, America)

Taking the bund stampede in December 31th, 2014 as an example, the urgent problems of the population surveillance and trend alert analysis in mass gatherings were proposed: population statistics and the flow density in the scenic, flow and velocity analysis, the judgments of stop-and-go or head-on walking phenomenon inside the local area. In order to provide support for population situation judgment and early warning, emergency response and evacuation in future mass gatherings, the intrinsic defects of the current three principal techniques analysis and the corresponding suggestions were put forward.

population surveillance, trend alert, visitor location register, the bund stampede, mass gathering

TN929.5

A

10.11959/j.issn.2096-109x.2017.00207

2017-11-02；

2017-12-05。

王潮，wangchao@staff.shu.edu.cn

國家自然科學(xué)基金資助項目（No.61572304, No.61272096, No.60970006, No.61332019）

The National Natural Science Foundation of China (No.61572304, No.61272096, No.60970006, No.61332019)

陳思文（1991-），男，黑龍江富錦人，上海大學(xué)碩士生，主要研究方向是網(wǎng)絡(luò)空間安全。

卞陽東（1992-），男，上海人，波士頓大學(xué)碩士生，主要研究方向為機器學(xué)習(xí)及圖像處理。

胡風(fēng)（1991-），男，浙江溫州人，上海大學(xué)博士生，主要研究方向為信息安全、量子計算密碼、社會網(wǎng)絡(luò)。

王潮（1971-），男，江蘇鎮(zhèn)江人，博士，上海大學(xué)教授，主要研究方向為無線傳感器網(wǎng)絡(luò)、網(wǎng)絡(luò)信息安全與橢圓曲線密碼學(xué)、量子計算與量子攻擊密碼分析。