一种人群踩踏预警方法、系统、及具有该系统的服务器技术方案

本发明专利技术提供一种人群踩踏预警方法，所述人群踩踏预警方法包括以下步骤：步骤一，通过指定数据获取方式获取人群移动位置数据；步骤二，对人群移动位置数据进行分布式并行计算以得到人群踩踏预警区域；步骤三，将所述人群踩踏预警区域显示及预警。本发明专利技术所述的人群踩踏预警方法可以在一定程度上解决了大量或海量人群移动信息实时或准实时数据处理与分析时出现的性能瓶颈，满足对海量数据进行准实时分析处理，提高数据处理效率和吞吐量。

【技术实现步骤摘要】

本专利技术属于计算机
和安全预警
，涉及一种预警方法和系统，特别是涉及一种人群踩踏预警方法、系统、及具有该系统的服务器。
技术介绍
近年来群众聚集性的大型活动大都或多或少存在人员流动导致的拥挤践踏、长时间排队等候、疏密不均等等危险、混乱的社会现象。严重的人员流动事故一般会造成大量的人员伤亡和恶劣的社会影响。同时随着计算机技术的发展，日常处理的数据已经达到了TB、PB级别。数据量的增长，使得实时处理或准实时处理成为当前需要面对的首要挑战。而对大量或海量人群移动信息的实时或准实时数据处理与分析，提供预警显得尤为重要。目前会采用计算机集群或高性能计算服务器对海量流式数据进行计算分析，其中计算机集群的数据处理主要以MapReduce(编程模型)为主，通过调用Map方法和Reduce方法对数据进行处理，MapReduce对数据进行处理时的实时性较差。高性能计算服务器，虽然计算性能较高，但遇到大量或海量人群移动信息实时或准实时数据处理与分析时也会出现一些性能瓶颈：例如，计算时间较长，复杂度较高、处理效率低等。因此，如何提供一种人群踩踏预警方法、系统、及具有该系统的服务器，以解决现有技术中在遇到大量或海量人群移动信息实时或准实时数据处理与分析时就会出现性能瓶颈等问题，实已成为本领域从业者亟待解决的技术问题。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种人群踩踏预警方法、系统、及具有该系统的服务器，用于解决现有技术中遇到大量或海量人群移动信息实时或准实时数据处理与分析时就会出现性能瓶颈的问题。为实现上述目的及其他相关目的，本专利技术一方面提供一种人群踩踏预警方法，所述人群踩踏预警方法包括以下步骤：步骤一，通过指定数据获取方式获取人群移动位置数据；步骤二，对人群移动位置数据进行分布式并行计算以得到人群踩踏预警区域；步骤三，将所述人群踩踏预警区域显示及预警。于本专利技术的一实施例中，所述指定数据获取方式包括：通过Web服务数据获取方式、通过数据库数据获取方式、和/或通过消息中间件数据获取方式。于本专利技术的一实施例中，通过数据库数据获取方式包括Mongodb数据库、HDFS文件系统中获取人群移动位置数据；通过消息中间件数据获取方式包括通过TCPsocket接口，Kafka、Flume、RocketMQ消息中间件获取人群移动位置数据。于本专利技术的一实施例中，所述步骤二具体包括以下几个步骤：将步骤一中获取的人群移动位置数据生成人群分布式数据集；按照人群位置对所述人群分布式数据集进行网格划分以获取n个人群分布式数据子集；其中，n为大于等于2的正整数；将划分后的n个人群分布式数据子集结合给定计算聚类参数执行密度聚类以获取多个局部聚类的局部簇；从每一个局部聚类的局部簇中选择具有数据分布特征的特殊核心点集作为局部代表点；对从n个人群分布式数据子集中选出的局部代表点再次执行所述密度聚类以获取多个全局聚类的全局簇，将获取的多个全局聚类的全局簇标识为人群踩踏预警区域。于本专利技术的一实施例中，所述步骤二还包括：计算n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的距离，根据簇归属规则确定人群分布式数据子集中的数据点属于多个全局聚类的全局簇中的哪一个簇。于本专利技术的一实施例中，所述簇归属规则为将计算的n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的距离与预设距离阈值进行比较，若小于等于所述预设距离阈值，则确定人群分布式数据子集中的数据点属于与其之间的距离小于等于所述预设距离阈值的全局聚类的全局簇中的数据点所在全局簇。于本专利技术的一实施例中，计算的n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的距离为计算n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的欧几里得距离。于本专利技术的一实施例中，所述从每一个局部聚类的局部簇中选择具有数据分布特征的特殊核心点集作为局部代表点的步骤具体包括以下几个步骤：定义n个放置特殊核心点的核心点集合；计算n个人群分布式数据子集中每一数据点的第一统计量，将计算的各个数据点的第一统计量按递减的方式排序；选取与最大的第一统计量对应的数据点，并将其放于与其对应的核心点集合中；循环执行以上两个步骤，直至所述核心点集合中数据点的数量与其对应的人群分布式数据子集中数据点的数量的比值大于等于预定比值时，返回计算n个人群分布式数据子集中每一数据点的第一统计量，将计算的各个数据点的第一统计量按递减的方式排序的步骤。于本专利技术的一实施例中，所述核心点集合中数据点的数量与其对应的人群分布式数据子集中数据点的数量的比值用于表示放置特殊核心点的核心点集合对人群分布式数据子集的代表能力。于本专利技术的一实施例中，所述给定计算聚类参数包括给定的区域半径，以该区域半径的邻域，及在该领域内数据点的最小数目。本专利技术另一方面还提供一种人群踩踏预警系统，所述人群踩踏预警系统包括：数据获取模块，用于通过指定数据获取方式获取人群移动位置数据；处理模块，与所数据获取模块连接，用于对人群移动位置数据进行分布式并行计算以得到人群踩踏预警区域；前端展示模块，用于将所述人群踩踏预警区域显示及预警。于本专利技术的一实施例中，所述处理模块包括：数据集生成单元，用于将所述数据获取模块中获取的人群移动位置数据生成人群分布式数据集；划分单元，与所述数据集生成单元连接，用于按照人群位置对所述人群分布式数据集进行网格划分以获取n个人群分布式数据子集；其中，n为大于等于2的正整数；第一处理单元，与所述划分单元连接，用于将划分后的n个人群分布式数据子集结合给定计算聚类参数执行密度聚类以获取多个局部聚类的局部簇；选择单元，与所述第一处理单元连接，用于从每一个局部聚类的局部簇中选择具有数据分布特征的特殊核心点集作为局部代表点；第二处理单元，与所述第一处理单元和选择单元连接，用于对从n个人群分布式数据子集中选出的局部代表点再次执行所述密度聚类以获取多个全局聚类的全局簇，将获取的多个全局聚类的全局簇标识为人群踩踏预警区域。于本专利技术的一实施例中，所述人群踩踏预警系统还包括与所述第二处理单元连接的第三处理单元，所述第三处理单元用于计算n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的距离，根据簇归属规则确定人群分布式数据子集中的数据点属于多个全局聚类的全局簇中的哪一个簇。于本专利技术的一实施例中，所述簇归属规则预存在所述第三处理单元中，所述簇归属规则为将计算的n个人群分布本文档来自技高网...

【技术保护点】
一种人群踩踏预警方法，其特征在于，所述人群踩踏预警方法包括以下步骤：步骤一，通过指定数据获取方式获取人群移动位置数据；步骤二，对人群移动位置数据进行分布式并行计算以得到人群踩踏预警区域；步骤三，将所述人群踩踏预警区域显示及预警。

【技术特征摘要】
1.一种人群踩踏预警方法，其特征在于，所述人群踩踏预警方法包括以下步骤：
步骤一，通过指定数据获取方式获取人群移动位置数据；
步骤二，对人群移动位置数据进行分布式并行计算以得到人群踩踏预警区域；
步骤三，将所述人群踩踏预警区域显示及预警。
2.根据权利要求1所述的人群踩踏预警方法，其特征在于：所述指定数据获取方式包括：通
过Web服务数据获取方式、通过数据库数据获取方式、和/或通过消息中间件数据获取方
式。
3.根据权利要求2所述的人群踩踏预警方法，其特征在于：
通过数据库数据获取方式包括Mongodb数据库、HDFS文件系统中获取人群移动位
置数据；
通过消息中间件数据获取方式包括通过TCPsocket接口，Kafka、Flume、RocketMQ
消息中间件获取人群移动位置数据。
4.根据权利要求1所述的人群踩踏预警方法，其特征在于：所述步骤二具体包括以下几个步
骤：
将步骤一中获取的人群移动位置数据生成人群分布式数据集；
按照人群位置对所述人群分布式数据集进行网格划分以获取n个人群分布式数据子
集；其中，n为大于等于2的正整数；
将划分后的n个人群分布式数据子集结合给定计算聚类参数执行密度聚类以获取多
个局部聚类的局部簇；
从每一个局部聚类的局部簇中选择具有数据分布特征的特殊核心点集作为局部代表
点；
对从n个人群分布式数据子集中选出的局部代表点再次执行所述密度聚类以获取多
个全局聚类的全局簇，将获取的多个全局聚类的全局簇标识为人群踩踏预警区域。
5.根据权利要求4所述的人群踩踏预警方法，其特征在于：所述步骤二还包括：
计算n个人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的
距离，根据簇归属规则确定人群分布式数据子集中的数据点属于多个全局聚类的全局簇中
的哪一个簇。
6.根据权利要求5所述的人群踩踏预警方法，其特征在于：所述簇归属规则为将计算的n个
人群分布式数据子集中每一数据点与全局聚类的全局簇中的数据点之间的距离与预设距
离阈值进行比较，若小于等于所述预设距离阈值，则确定人群分布式数据子集中的数据点
属于与其之间的距离小于等于所述预设距离阈值的全局聚类的全局簇中的数据点所在全
局簇。
7.根据权利要求6所述的人群踩踏预警方法，其特征在于：计算的n个人群分布式数据子集
中每一数据点与全局聚类的全局簇中的数据点之间的距离为计算n个人群分布式数据子
集中每一数据点与全局聚类的全局簇中的数据点之间的欧几里得距离。
8.根据权利要求4所述的人群踩踏预警方法，其特征在于：所述从每一个局部聚类的局部簇
中选择具有数据分布特征的特殊核心点集作为局部代表点的步骤具体包括以下几个步骤：
定义n个放置特殊核心点的核心点集合；
计算n个人群分布式数据子集中每一数据点的第一统计量，将计算的各个数据点的第
一统计量按递减的方式排序；
选取与最大的第一统计量对应的数据点，并将其放于与其对应的核心点集合中；
循环执行以上两个步骤，直至所述核心点集合中数据点的数量与其对应的人群分布式
数据子集中数据点的数量的比值大于等于预定比值时，返回计算n个人群分布式数据子集
中每一数据点的第一统计量，将计算的各个数据点的第一统计量按递减的方式排序的步骤。
9.根据权利要求8所述的人群踩踏预警方法，其特征在于：所述核心点集合中数据点的数量
与其对应的人群分布式数据子集中数据点的数量的比值用于表示放置特殊核心点的核心
点集合对人群分布式数据子集的代表能力。
10.根据权利要求4...

【专利技术属性】
技术研发人员：沈建，孙德山，宁德军，萧海东，胡江泽，狄东杰，郭小武，陈方杰，曾志平，王阳阳，黄俊里，
申请(专利权)人：中国科学院上海高等研究院，
类型：发明
国别省市：上海;31