基于智能手机的实时城市人口密度及人群流动估计方法技术

本发明专利技术公开了一种基于智能手机的实时城市人口密度及人群流动估计方法，通过测量手机扫描邻近被测量手机发出的蓝牙(或者Wi‑Fi)信号，并获取它们的MAC地址、信号强度、时间戳信息，然后结合测量手机自身的加速度计、陀螺仪、GPS传感器数据以及测量手机自身的位置信息，打包发送给中央服务器，以统计蓝牙(或者Wi‑Fi)用户数量和分布，并在此基础上确定城市不同区域的人口分布，然后结合城市地理结构以生成城市人口密度分布及城市人群流动地图。

Real time urban population density and crowd flow estimation method based on smart phone

The invention discloses a mobile intelligent mobile phone real-time city population density and population based estimation method, by measuring the mobile phone is a mobile phone near the scanning measurement (Wi Bluetooth or Fi) signal, and get the MAC address, signal strength, time stamp information, then combined with the mobile phone's accelerometer, measuring position information, GPS gyro sensor data and measuring their own mobile phone, sent to the central server, with statistical Bluetooth (or Wi Fi) the number and distribution of users, and on this basis to determine the population distribution in different regions of the city, and then combined with the city geographic structure to generate population distribution of city population density and city flow map.

【技术实现步骤摘要】
基于智能手机的实时城市人口密度及人群流动估计方法
本专利技术属于人口密度估计
，特别涉及一种基于智能手机的城市人口密度及人群流动估计方法。
技术介绍
人口是生活在特定社会制度、特定地域具有一定数量和质量人的总称。人口信息是重要的国情信息，它对行政管理、人口研究、了解市场供求、制定社会和经济发展计划等都具有重要意义。人口问题横跨自然、社会经济多个领域，是当今世界面临的影响可持续发展的重大问题之一。现有技术中，人口密度计算方法通过定性描述与定量分析相结合，反演出人口密度在区域网格中的分布状态，实现人口数据与自然资源、环境等数据的集成，不能体现人口极度聚居地区和极度稀少地区人口分布独特的随机性分布规律和人口空间分布的区域特征，计算过程过于粗糙，从而影响了模型的精确性和实时性。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种基于智能手机的实时城市人口密度及人群流动估计方法。为解决上述技术问题，本专利技术采用的技术方案是：一种基于智能手机的实时城市人口密度及人群流动估计方法，包括如下步骤：步骤一：构建图模型：将待测区域细分成多个晶格，所述图模型中的每个顶点唯一地表示一个晶格，相邻两个晶格之间通过有向边连接，用于表示人口的流动方向；步骤二：每个晶格中，通过测量手机扫描邻近被测量手机发出的蓝牙(或Wi-Fi)信号，并获取它们的MAC地址、信号强度、时间戳信息，然后结合所述测量手机自身的加速度计、陀螺仪、GPS传感器数据以及自身的位置信息，打包发送给中央服务器；步骤三：所述中央服务器收集来自不同晶格的所述测量手机发送的测量数据，以构成测量值{Z(t；s):t＝t1,…,tT,s＝s1,…,sm}，其中t1,…,tT∈Dt表示测量时间点，s1,…,sm∈Ds表示所述测量手机的位置；步骤四：计算蓝牙(或Wi-Fi)用户的渗透率ρ：检测到的蓝牙(或Wi-Fi)用户的个数和同一环境下人群个数的比值；步骤五：计算蓝牙(或Wi-Fi)用户的检测概率f(x)：其中x代表一对蓝牙(或Wi-Fi)用户的距离，f(x)代表在该距离下测量手机能检测到被测量手机的概率；步骤六：构建测量模型：以将步骤三中的测量值Z与人口密度λρ关联起来，(1)对应于单个测量的人群密度的估计：当人群均匀分布时，采用柏松分布近似：在以上公式中，参数R为一个较大数值，以使距离R以上的蓝牙(或Wi-Fi)用户被检测到的概率可以被忽略不计,f(x)为蓝牙(或Wi-Fi)用户的检测概率，ρ为蓝牙(或Wi-Fi)用户的渗透率，λ为人口密度，即单位面积内的人口数量，k为在一次随机检测中检测到的蓝牙(或Wi-Fi)用户的个数，M代表检测到的蓝牙(或Wi-Fi)用户个数的随机数；当人群非均匀分布时，可以经验选取其它统计分布函数近似,例如高斯分布函数，二项分布函数；(2)对应于测量手机在行进中获取的一连串测量的人群密度的估计：采用卡尔曼滤波的方法利用行进中获取的一连串测量值对人口密度估计进行实时的更新；(3)对于不同蓝牙(或Wi-Fi)用户测量值的相关性处理：利用数理统计的方法以及检测概率函数f(x)和不同蓝牙(或Wi-Fi)用户的相对位置对不同蓝牙(或Wi-Fi)用户测量值的相关性进行估计，并在此基础上对人群密度进行估计；f(x)步骤七：晶格内人口密度预测步骤八：从测量模型利用最大似然估计的方法估计出当前采样样本(即当前测量手机)周边的人口密度。并利用测量手机所在位置的人口密度和测量手机所在晶格的人口密度相对关系的经验估计，进一步估计出测量手机所在晶格的人口密度；步骤九：晶格内人口密度预测；步骤十：采用Krigging(中文翻译好像是克里格估计或克里金估计)的方法建立起不同晶格内人口密度Yi,i∈Γ时空相关性模型与动态模型建模；步骤十一：所有晶格内人口密度估计：获取步骤八和步骤九的数据，并利用步骤十建立起来的不同晶格内人口密度相关性模型，利用一个晶格内的人口密度的估计以及其相对于前一时刻同一晶格内的人口密度的变化估计出所有晶格内人口密度的变化。并进一步估计出所有晶格内的人口密度；Yi,i∈Γ步骤十二：人群在城市不同区域的流动性估计：利用步骤十一获取数据，以及各个晶格内的人口密度估计及其随时间及空间的变化，估计用户出行方式及人群在城市不同区域的流动性；作为优选，所述步骤二和步骤三之间还具有一个采样误差校准的步骤，我们采用了一个更复杂的分层采样(相应的英文术语为stratifiedsampling)处理方法，其中样本值的时空相关性被考虑其中。作为优选，所述步骤十一还包括获取道路传感器、监控视频、公交卡信息的步骤。作为优选，所述步骤十二还包括获取道路传感器、监控视频、公交卡的信息以及用户出行估计信息的步骤。与现有技术相比，本专利技术所具有的有益效果是：本专利技术通过测量手机检测周围环境中被测手机的蓝牙(或Wi-Fi)信号，统计接收蓝牙(或Wi-Fi)用户数量以确定城市不同区域的人口分布，然后结合城市地理结构以生成城市人口密度分布及城市人群流动地图。生成的城市人口密度分布及城市人群流动地图具有较强的实时性，而且在信息收集过程中不影响测量手机用户的正常使用。附图说明图1为本专利技术中的基于智能手机的城市人口密度及人群流动估计方法的结构框图；图2为本专利技术中的基于智能手机的城市人口密度及人群流动估计方法的图模型的示意图。具体实施方式为使本领域技术人员更好地理解本专利技术的技术方案，下面结合附图和具体实施例对本专利技术作详细说明。如图1和图2所示，本专利技术的实施例公开了一种基于智能手机的城市人口密度及人群流动估计方法，包括如下步骤：步骤一：构建图模型：将待测区域细分成多个晶格，所述图模型中的每个顶点唯一地表示一个晶格，相邻两个晶格之间通过有向边连接，用于表示人口的流动方向。具体地，目标地域首先会被细分成更小的区域，即“晶格”，图模型将以这些晶格作为基本单元。图模型不仅使得城市人群流动过程及不同区域人口密度的相关性变得可视化，而且能简化人群流动在时间和空间上的估计过程。假定Yi,i∈Γ被定义为第i个晶格(Yi,i∈Γ)中的人群密度，Γ表示所有晶格的集合合。每个晶格都有一个特征集合(如平均人口密度，人口数目及其统计分布等)。对目标地域进行细分和晶格化的同时也要考虑地理上人群流动的特点，例如，被一条河隔开的区域应该被划分成两个晶格(即使它们在人口密度分布上紧密关联)。区域细分及晶格化之后，相应的图模型可以建立起来。图模型中每个顶点唯一地表示一个晶格。只有当人群能够从一个晶格(代表的区域)直接流动到另外一个晶格(代表的区域)的时候才在对应于第一个晶格的顶点到相应于第二个晶格的顶点存在一条有向边。通过这样的方式建立起的图模型提供了一种较简便的方法来描述人口流动过程中不同区域之间的相关性。另外，图模型中的条件独立性也简化了对城市人群流动性的分析。为了说明这一点，考虑如下这个例子：如果区域Ds可以被分成三个晶格，分别为A1、A2和A3，人群可以从A1、经过A2、流动到A3，那么，Y1、Y2和Y3满足：[Y1,Y2,Y3]＝[Y1|Y2,Y3][Y2,Y3]＝[Y1|Y2][Y2|Y3][Y3]，其中，[Y]表示随机量Y的概率分布。换言之，Y1和Y3是条件独立的(以Y2为条件)。条件独立的关系使得人群流动估计算本文档来自技高网...

【技术保护点】
一种基于智能手机的实时城市人口密度及人群流动估计方法，其特征在于，包括如下步骤：步骤一：构建图模型：将待测区域细分成多个晶格，所述图模型中的每个顶点唯一地表示一个晶格，相邻两个晶格之间通过有向边连接，用于表示人口的流动方向；步骤二：每个晶格中，通过测量手机扫描邻近被测量手机发出的蓝牙(或Wi‑Fi)信号，并获取它们的MAC地址、信号强度、时间戳信息，然后结合所述测量手机自身的加速度计、陀螺仪、GPS传感器数据以及自身的位置信息，打包发送给中央服务器；步骤三：所述中央服务器收集来自不同晶格的所述测量手机发送的测量数据，以构成测量值{Z(t；s):t＝t1,…,tT,s＝s1,…,sm}，其中t1,…,tT∈Dt表示测量时间点，s1,…,sm∈Ds表示所述测量手机的位置；步骤四：计算蓝牙(或Wi‑Fi)用户的渗透率ρ：检测到的蓝牙(或Wi‑Fi)用户的个数和同一环境下人群个数的比值；步骤五：计算蓝牙(或Wi‑Fi)用户的检测概率f(x)：其中x代表一对蓝牙(或Wi‑Fi)用户的距离，f(x)代表在该距离下测量手机能检测到被测量手机的概率；步骤六：构建测量模型：以将步骤三中的测量值Z与人口密度λρ关联起来，(1)对应于单个测量的人群密度的估计：当人群均匀分布时，采用柏松分布近似：...

【技术特征摘要】
1.一种基于智能手机的实时城市人口密度及人群流动估计方法，其特征在于，包括如下步骤：步骤一：构建图模型：将待测区域细分成多个晶格，所述图模型中的每个顶点唯一地表示一个晶格，相邻两个晶格之间通过有向边连接，用于表示人口的流动方向；步骤二：每个晶格中，通过测量手机扫描邻近被测量手机发出的蓝牙(或Wi-Fi)信号，并获取它们的MAC地址、信号强度、时间戳信息，然后结合所述测量手机自身的加速度计、陀螺仪、GPS传感器数据以及自身的位置信息，打包发送给中央服务器；步骤三：所述中央服务器收集来自不同晶格的所述测量手机发送的测量数据，以构成测量值{Z(t；s):t＝t1,…,tT,s＝s1,…,sm}，其中t1,…,tT∈Dt表示测量时间点，s1,…,sm∈Ds表示所述测量手机的位置；步骤四：计算蓝牙(或Wi-Fi)用户的渗透率ρ：检测到的蓝牙(或Wi-Fi)用户的个数和同一环境下人群个数的比值；步骤五：计算蓝牙(或Wi-Fi)用户的检测概率f(x)：其中x代表一对蓝牙(或Wi-Fi)用户的距离，f(x)代表在该距离下测量手机能检测到被测量手机的概率；步骤六：构建测量模型：以将步骤三中的测量值Z与人口密度λρ关联起来，(1)对应于单个测量的人群密度的估计：当人群均匀分布时，采用柏松分布近似：在以上公式中，参数R为一个较大数值，以使距离R以上的蓝牙(或Wi-Fi)用户被检测到的概率可以被忽略不计,f(x)为蓝牙(或Wi-Fi)用户的检测概率，ρ为蓝牙(或Wi-Fi)用户的渗透率,λ为人口密度，即单位面积内的人口数量，k为在一次随机检测中检测到的蓝牙(或Wi-Fi)用户的个数，M代表检测到的蓝牙(或Wi-Fi)用户个数的随机数；当人群非均匀分布时，可以经验选取其它统计分布函数近似,例如高斯分布函数或二项分布函数；(2)对应于测量手机在行进中获取的一连串测量的人群密度的估计：采用卡尔曼滤波的方法利用行进中获取的一...

【专利技术属性】
技术研发人员：毛国强，
申请(专利权)人：毛国强，
类型：发明
国别省市：澳大利亚,AU