基于時空眾包方法的校園公共場所人流密度監(jiān)控平臺的設(shè)計與實現(xiàn)

許愿，徐樂怡，鄧儀，李克劍，郭立言

（蘇州大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，江蘇 蘇州 215006）

0 引言

當(dāng)發(fā)生突發(fā)公共衛(wèi)生事件時，為避免風(fēng)險，其中嚴(yán)格限制公共區(qū)域的人流量是一個非常有效的方法。此外，同學(xué)們在校園里的學(xué)習(xí)生活中可能也有錯峰出行的需求，同時也方便同學(xué)們尋找空閑教室自習(xí)、錯峰用餐和出行。

在高校這一應(yīng)用場景下，基于時間及空間的人流密集度測算[1]對于突發(fā)公共衛(wèi)生事件的防控起著重要的作用。因此我們希望能搭建一個基于時空眾包的校園公共場所人流密度監(jiān)控平臺。

1 平臺設(shè)計

本平臺是依托于微信小程序進行開發(fā)的。前端在微信開發(fā)者工具提供的框架上搭建，設(shè)置了歡迎頁，收集信息頁和查詢頁，能夠支持在各地點上傳圖像，并在任意時刻查詢校園內(nèi)所包括的任意地點的人群密度情況。

后端在SpringBoot框架上搭建，主要功能是接收地址信息，存儲圖片到服務(wù)器，并且在查詢時返回對應(yīng)的人群密度情況。處理圖像，連接到服務(wù)器進行時空信息熵計算，計算完人群密度后再存儲到服務(wù)器上，以待查詢。

1.1 平臺設(shè)計理念

突發(fā)公共衛(wèi)生事件的防控依舊是一個非常重要的問題。其中，高校學(xué)生因流動性大，人口聚集程度高而成為了防控的關(guān)鍵一環(huán)。對此，嚴(yán)格限制公共區(qū)域的人流量是一個非常有效的方法。然而，校園攝像頭的權(quán)限難以獲取且不能做到全方位的覆蓋，因此缺少相關(guān)數(shù)據(jù)是傳統(tǒng)人群密集度測算的瓶頸所在?；谶@樣的現(xiàn)狀，我們希望能搭建一個基于時空眾包方法的校園公共場所人流密度監(jiān)控平臺，把收集數(shù)據(jù)的任務(wù)下達到分布在校園各處的同學(xué)們來完成，這樣既提高了收集效率，彌補了數(shù)據(jù)的單一性，也更能夠反映實時的真實情況，還同時增強了與用戶的交互程度。

1.2 開發(fā)工具和語言

隨著時代發(fā)展，微信小程序的使用越來越廣泛。微信給我們提供了完整的開發(fā)微信小程序工具,除此之外,微信還提供了各種后臺服務(wù)器API[2]。因而本平臺前端將在微信開發(fā)者工具提供的框架上搭建，后端則依托于SpringBoot框架。

本平臺在開發(fā)過程中主要使用了Java語言。Java語言是一種面向?qū)ο蟮母呒壵Z言，簡單高效，可靠性強，功能強大，是我國應(yīng)用最為廣泛的編程語言之一[3]。因而，可以很好的滿足本平臺的開發(fā)需求。

數(shù)據(jù)庫工具本平臺使用了Mysql數(shù)據(jù)庫，可視化操作工具用的是Navicat for MySQL,具有數(shù)據(jù)存儲、查找、修改和刪除功能[4]。

1.3 平臺功能需求

本平臺主要包含的功能模塊包括數(shù)據(jù)收集處理模塊，人流密度測算模塊，用戶任務(wù)匹配模塊，信息維護模塊和結(jié)果評價模塊。

1.4 平臺性能需求

本平臺設(shè)計主要的三個性能指標(biāo)即為高效性，穩(wěn)定性和準(zhǔn)確性[5]。即在測算人流密度時能滿足高效的同時也具備較高的準(zhǔn)確性，同時兼顧穩(wěn)定性。

1.5 數(shù)據(jù)庫結(jié)構(gòu)設(shè)計

本平臺中數(shù)據(jù)庫主要包括用戶信息表和圖片信息表，其中圖片信息表包含時間，地點和照片的存放地址，并將照片存放地址設(shè)為主碼。

2 平臺主要功能模塊的實現(xiàn)

2.1 基于空間眾包方法的數(shù)據(jù)收集處理模塊

2.1.1 傳統(tǒng)方法的局限性

大部分傳統(tǒng)人流密集度方面的研究主要數(shù)據(jù)來源為攝像頭提供的監(jiān)控視頻畫面，通過對視頻取幀，將人群圖像轉(zhuǎn)換為密度圖，對密度圖進行特征提取和標(biāo)注，再通過回歸計數(shù)，判斷該圖片中出現(xiàn)個體的數(shù)量，從而得出當(dāng)前時間下的人流密度。

由于高校內(nèi)的校園（如教室、操場等）攝像頭的權(quán)限難以獲取且不能做到全方位的覆蓋，為克服此缺陷，本平臺的數(shù)據(jù)收集處理模塊將采用空間眾包的方法來獲取用于分析人流密集度的數(shù)據(jù)資源，即以個體為單位獲取各種角度的實時數(shù)據(jù)。

2.1.2 空間眾包方法的優(yōu)勢

空間眾包作為一種創(chuàng)新性的交互式信息獲取方法，其流程為公司或機構(gòu)把原本應(yīng)該由員工執(zhí)行的工作任務(wù)以自由自愿的形式外包給非特定的大眾網(wǎng)絡(luò)。而本平臺所采用的空間眾包方法，目標(biāo)在于讓大量用戶為平臺提供實時的圖像等人流密度數(shù)據(jù)，從時間空間的雙重角度提供實時信息。

眾包任務(wù)操作方便快捷，可實現(xiàn)性很高，且從每位用戶獲得的數(shù)據(jù)都來源于不同角度，彌補了數(shù)據(jù)的單一性，更能夠反映實時的真實情況，同時增強了與用戶的交互程度。

眾包技術(shù)的使用在與用戶共創(chuàng)價值的同時在一定程度上節(jié)約了平臺成本，在突發(fā)性公共衛(wèi)生事件結(jié)束后仍可應(yīng)用于日常的如交通樞紐、工廠企業(yè)、醫(yī)療機構(gòu)等公共場所的人流密集度監(jiān)控，因此具有強大的潛力。

2.2 基于時空信息熵計算方法的結(jié)果評價模塊

時空信息熵作為一種評估單任務(wù)完成度的指標(biāo)，將一個地點所有時間的情況作為一個任務(wù)，所有提交的空間角度，時間覆蓋率越高，該任務(wù)的完成度就越高，以此來試圖提高完成任務(wù)的可靠性。因此本模塊將采用時空信息熵的計算方法來對人流密度的預(yù)測結(jié)果進行評估。

時空信息熵分別需要利用信息獲取的間隔時間和拍照間隔的角度來進行計算。時空信息熵越大，代表收集到的數(shù)據(jù)所包含的信息越多。我們綜合了考慮時間和空間的信息熵來安排任務(wù)處理和用戶選擇，將時空信息熵作為一個預(yù)測結(jié)果的評價指標(biāo)，用于監(jiān)控平臺自身的完善，以及提供給用戶作為參考。

2.2.1 時間熵的計算

對于時間信息熵來說，我們用于當(dāng)任務(wù)提交較少時，用相同地點在不用時間段的資料來推算空缺時間段的人群密度情況。我們認為，距離當(dāng)前查詢的時間點比較近的幾個數(shù)據(jù)點，對它是有影響的。假設(shè)對于當(dāng)前查詢地點，有一個非等間隔的時間序列t1, t2, ..., tn是有測算數(shù)據(jù)p1, p2, ..., pn的，查詢時間為t，則我們用于計算當(dāng)前人流密度p的公式為：

2.2.2 空間熵的計算

對于空間信息熵來說，我們主要希望用它來優(yōu)化有遮擋的，大場景中的人群密度估算。如果是一個普通的教室，我們使用一張照片就可以完成數(shù)據(jù)采集的任務(wù)，系統(tǒng)可以一次性計算出這些場所的人群密集程度。然而，對于像食堂，操場等等場景較復(fù)雜，或范圍較大的地點，我們可能需要進行多角度采樣，并根據(jù)不同采樣方位的數(shù)據(jù)來計算一個信息可信度，再一并反饋給用戶，這個數(shù)值由這里的空間信息熵來表示。假設(shè)場景中心點為s，現(xiàn)有提交的任務(wù)圖片p1, p2, ..., pn，則可以根據(jù)圖像匹配技術(shù)，計算出物理位置相鄰的圖片間與s點連線的平均角度，從而計算出場景的覆蓋率ɑ，具體公式如下：

2.3 基于深度學(xué)習(xí)方法的人流密度測算模塊

在這一個模塊中，我們采用已經(jīng)較為成熟的基于圖像的人流密度統(tǒng)計方法，從獲取的圖像中分析出人流密度情況，對分析出的人流密度進行監(jiān)控，防止人員聚集，給出出行建議。

具體來說，我們采用的是深度學(xué)習(xí)的方法，即利用一個卷積神經(jīng)神經(jīng)網(wǎng)絡(luò)來構(gòu)建預(yù)測模型。步驟如下所示：

（1）對數(shù)據(jù)進行預(yù)處理操作，包括對圖像修改形狀、對標(biāo)簽進行對應(yīng)的映射，使其與修改形狀后的圖像對應(yīng)。

（2）根據(jù)提供的訓(xùn)練數(shù)據(jù)來生成對應(yīng)的密度圖，具體采用高斯濾波來生成。

（3）搭建CNN網(wǎng)絡(luò)，并使用預(yù)處理后的圖像和其對應(yīng)的密度圖來訓(xùn)練CNN網(wǎng)絡(luò)，網(wǎng)絡(luò)的損失函數(shù)使用預(yù)測密度圖和實際密度圖之間的均方根誤差來確定。

（4）通過計算密度圖的像素和來確定人流密度。

經(jīng)過訓(xùn)練，本模型最終對于單張圖片的預(yù)測準(zhǔn)確率可達85%。

2.4.1 分治法

分治法思想顧名思義即“分而治之”，就是把一個較大的問題分解成若干個子問題，最后再合成求解。

2.4.2 二分圖匹配法

二分圖是圖論中的一種模型，求二分圖的匹配在調(diào)度等問題當(dāng)中有重要的應(yīng)用，并且在很多情況下是求出最優(yōu)解精確而高效的算法。

當(dāng)接收任務(wù)的參與者較多時，本模塊先利用分治法對校園各地區(qū)進行劃分，進行一定程度的聚類工作，形成各子地區(qū)。然后以距離為標(biāo)準(zhǔn)，通過二分圖匹配方式將位于不同地區(qū)位置的師生分配給各子地區(qū)，并收集各子地區(qū)的相關(guān)數(shù)據(jù)再進行合并，最終輸出整個校園的相關(guān)數(shù)據(jù)。這樣的方法就使得任務(wù)分配進行地更高效，更精準(zhǔn)。

2.5 基于網(wǎng)格索引結(jié)構(gòu)的信息維護模塊

本模塊通過維護一種基于網(wǎng)格索引的結(jié)構(gòu)來定位校園中各建筑物的所在位置而不是細節(jié)保留偏多的位置坐標(biāo)。這樣的方法可以用較低的時間成本來維護移動工作者以及空間任務(wù)，并有利于在此基礎(chǔ)上建立數(shù)據(jù)庫，使得后臺能有效檢索任意位置的當(dāng)前任務(wù)完成情況，并給予前端反饋。

由上述分析可知，基于時空眾包方法的校園公共場所人流密度監(jiān)控平臺實現(xiàn)流程圖如圖1所示：

圖1 平臺整體設(shè)計過程

3 平臺測試

3.1 測試環(huán)境

基于時空眾包方法的校園公共場所人流密度監(jiān)控平臺使用IDEA在Windows10操作系統(tǒng)上啟動運行，JDK為jdk1.8版本。

測試方法

測試采用黑盒測試和白盒測試相結(jié)合的方式，對本平臺進行功能測試。

3.3 測試結(jié)果

經(jīng)過測試，正確率基本達到80%左右。

4 結(jié)論

當(dāng)下，如何高效對突發(fā)公共衛(wèi)生事件進行防控依舊是一個十分嚴(yán)峻的問題。其中，高校學(xué)生因流動性大，人口聚集程度高而成為了防控措施的關(guān)鍵一環(huán)。與難于獲取數(shù)據(jù)的傳統(tǒng)的人流密度檢測方法不同，本平臺采用時空眾包方法，有利于高效嚴(yán)格控制高校公共區(qū)域的人流量，也以此助力突發(fā)公共衛(wèi)生事件的防控。同時微信作為我們?nèi)粘Ｉ铑l繁使用的工具，本平臺依托于微信小程序進行開發(fā)，使用便捷還可以滿足同學(xué)們?nèi)粘Ｉ钪械腻e峰出行需求，相信隨著時間推移，本平臺將會有更廣泛的應(yīng)用。