人流量估测系统及用于其的故障处理方法技术方案

本发明专利技术提供一种人流量估测系统及其故障处理方法。该人流量估测系统包括：传感器网络，包括布置在待估测区域中的多个用于检测人流量的传感器；模型构建模块，基于传感器的布置位置来构建人流量状态模型，并基于传感器的数据来构建传感器网络模型；人流量估测模块，基于人流量状态模型及传感器网络模型来估测人流量及提供估测人流量的数据权重；还包括故障检测模块，用于检测传感器网络中的各个传感器是否异常；模型构建模块还用于在传感器存在异常时调整人流量状态模型及传感器网络模型。本发明专利技术提出一种高弹性且稳定的人流估测系统，通过实时调整人流量状态模型及传感器网络模型，有效处理传感器故障，使其估测时刻保持在高精度水平。

【技术实现步骤摘要】
人流量估测系统及用于其的故障处理方法
本专利技术涉及人流量估测领域，更具体而言，其涉及一种人流量估测系统及用于其的故障处理方法。
技术介绍
人流量估测系统在多种建筑应用中扮演着关键角色。通常而言，基于传感器融合的方案被广泛研究并用于对建筑内部的人流量估测。然而，由于建筑级别的人流量估测需要大量的不同种类的传感器来获取人流数据，故存在传感器故障高发性。显而易见地，若部分传感器发生问题，即便将这些故障传感器断开连接，因其仍被配置在传感器网络模型中，所以人流量估测系统的精度仍将显著降低。目前，已有部分现有技术关注到人流量估测系统中的传感器故障问题。但这些技术主要聚焦于如何检测出这些问题传感器及其所发生的故障。目前亟待进一步解决的问题为：如何处理这些故障传感器并保证人流量估测系统的估测结果依然可靠。
技术实现思路
本专利技术的目的在于提供一种稳定可靠的人流量估测系统。本专利技术的另一目的在于提供一种用于改善人流量估测系统的稳定性的故障处理方法。为实现本专利技术的目的，根据本专利技术的一个方面，提供一种人流量估测系统，其包括：传感器网络，其包括布置在待估测区域中的多个用于检测人流量的传感器；模型构建模块，其基于所述传感器的布置位置来构建人流量状态模型，并基于所述传感器的数据来构建传感器网络模型；人流量估测模块，其基于所述人流量状态模型及传感器网络模型来估测人流量及提供估测人流量的数据权重；其中，还包括故障检测模块，其用于检测所述传感器网络中的各个传感器是否异常；且所述模型构建模块还用于在所述传感器存在异常时调整人流量状态模型及传感器网络模型。为实现本专利技术的另一目的，根据本专利技术的另一方面，还提供一种用于人流量估测系统的故障处理方法，其中，所述人流量估测系统包括传感器网络、模型构建模块、人流量估测模块以及故障检测模块；所述故障处理方法包括：故障检测步骤S100，实时检测传感器网络中的各个用于检测人流量的传感器是否异常；模型调整步骤S200，在检测到传感器存在异常时，调整所述人流量估测系统中涉及的人流量状态模型及传感器网络模型；在未检测到传感器存在异常时，不调整原人流量状态模型及传感器网络模型；人流量估测步骤S300，基于步骤S200中的人流量状态模型及传感器网络模型来估测人流量并提供估测人流量的数据权重；其中，所述人流量状态模型基于所述传感器的布置位置来构建，且所述传感器网络模型基于所述传感器的数据来构建。附图说明图1是本专利技术的人流量估测系统应用于一个待估测区域的实施例的布局示意图。图2是本专利技术的人流量估测系统应用于另一个待估测区域的实施例的布局示意图。图3是本专利技术的人流量估测系统应用于另一个待估测区域的实施例在存在特定传感器故障时的布局示意图。具体实施方式本专利技术示出了一种人流量估测系统。该人流量估测系统包括：传感器网络，其包括布置在待估测区域中的多个用于检测人流量的传感器；模型构建模块，其基于传感器的布置位置来构建人流量状态模型，并基于传感器的数据来构建传感器网络模型；人流量估测模块，其基于人流量状态模型及传感器网络模型来估测人流量及提供估测人流量的数据权重；其中，还包括故障检测模块，其用于检测传感器网络中的各个传感器是否异常；且模型构建模块还用于在传感器存在异常时调整人流量状态模型及传感器网络模型。本专利技术提出一种具有高弹性且稳定的人流估测系统，通过实时调整人流量状态模型及传感器网络模型，可有效地处理传感器故障，使其估测全天候保持在高水平的精度。更具体而言，此处在传感器存在异常时对人流量状态模型及传感器网络模型的调整方式至少包括两种，如下将逐一描述。对于其中第一种调整方式，模型构建模块将在故障检测模块判定特定传感器存在异常时，降低人流量状态模型及传感器网络模型中涉及特定传感器的数据权重。或者人流量估测模块将在特定传感器存在异常时，自动降低所述所述特定传感器的估测人流量的数据权重。值得注意的是，后者中提及的异常并非为直观检测得出，其有可能是根据估测过程中的计算结果而得出特定传感器存在异常的参数，并进而做出反向推断。作为结果，当该特定传感器的数据权重降低时，其在人流量状态模型及传感器网络模型分析中的贡献度将变小，因而对分析结果的影响也会变小，这将避免该故障对结果精度的过度影响。可选地，为将各数据对应的数据权重更直观地呈现给用户，该人流量估测系统还包括可信度评估模块，其用于根据人流量估测模块提供的各个传感器的估测人流量的数据权重来评估来自各个传感器的的数据的可信度。基于可信度评估模块，用户可监控人流估测系统的状态，并了解传感器故障对整个系统的影响，从而根据在不同应用情形下的人流精确度需要来决定是否或何时改变传感器故障。更具体而言，当模型构建模块基于卡尔曼滤波算法来调整人流量状态模型及传感器网络模型时，或者当人流量估测模块基于卡尔曼滤波算法来分析人流量状态模型及传感器网络模型时，数据权重对应于卡尔曼滤波算法中涉及特定传感器的方程的协方差值；当特定传感器的数据权重降低时，对应方程中的协方差值增大，可信度则随之降低。可选地，该估测结果的可信度还可用于在早期发现存在潜在发生传感器故障的可能性。例如，人流量估测系统在可信度评估模块于第二预设时段内提供的特定传感器的可信度逐渐降低时，发出针对特定传感器的故障预警信号。由此还可提前做出故障处理措施，进一步改善估测精度。对于其中第二种调整方式，还可以将发生故障的特定传感器从传感器网络模型中移除，并基于调整后的传感器网络模型及对应的人流量状态模型来进行人流量估测，由此在传感器故障发生时提供了十分灵活的方式来再配置该人流量估测系统中的模型。具体而言，传感器网络模型中的多个传感器布置在待检测空间的各个出入口处，以将待估测区域划分成多个待估测子区域；传感器网络模型用于反映各个传感器检测到的人流量数据，而人流量状态模型则用于反映各个待估测子区域内的人数以及进出各个待估测子区域的人流量。在故障检测模块判定特定传感器存在异常时，由特定传感器划分的相邻的两个待估测子区域被合并成一个新的待估测子区域。如此设置，虽然无法再估测该故障传感器检测点的人流进出数据，但其他的检测数据都能够得到较高精度的保证，进而使得整个系统的人流估测具有较高精度。此外，还对该人流量估测系统中的其他部件做出了更为细致的改善，如下将逐一说明。例如，模型构建模块可以更为细化地包括：用于调整人流量状态模型的自适应配置子模块；以及用于用于基于所述多个传感器的数据来构建或调整传感器网络模型的动态传感器融合子模块。再如，模型构建模块基于卡尔曼滤波算法、贝叶斯网络算法或DS（DempsterShafer）证据算法来处理人流量状态模型及传感器网络模型。或者人流量估测模块基于卡尔曼滤波（Kalmanfilter）算法、贝叶斯网络（BayesianNetworks）算法或DS证据算法来估测人流量。此外，作为故障检测的若干具体示例，故障检测模块还可在第一预设时段内未接收到来自特定传感器的数据时，判定特定传感器存在异常；和/或故障检测模块可在接收到的来自特定传感器的数据质量低于第一预设区间时，判定特定传感器存在异常。可选地，传感器的具体类型可包括光束传感器和/或PIR（PassiveInfraRed）传感器和/或视频摄像头。在此将结合前述方案及图1来提供一个人流量本文档来自技高网...

【技术保护点】
1.一种人流量估测系统，其特征在于，包括：传感器网络，其包括布置在待估测区域中的多个用于检测人流量的传感器；模型构建模块，其基于所述传感器的布置位置来构建人流量状态模型，并基于所述传感器的数据来构建传感器网络模型；人流量估测模块，其基于所述人流量状态模型及传感器网络模型来估测人流量及提供估测人流量的数据权重；其中，还包括故障检测模块，其用于检测所述传感器网络中的各个传感器是否异常；且所述模型构建模块还用于在所述传感器存在异常时调整人流量状态模型及传感器网络模型。

【技术特征摘要】
1.一种人流量估测系统，其特征在于，包括：传感器网络，其包括布置在待估测区域中的多个用于检测人流量的传感器；模型构建模块，其基于所述传感器的布置位置来构建人流量状态模型，并基于所述传感器的数据来构建传感器网络模型；人流量估测模块，其基于所述人流量状态模型及传感器网络模型来估测人流量及提供估测人流量的数据权重；其中，还包括故障检测模块，其用于检测所述传感器网络中的各个传感器是否异常；且所述模型构建模块还用于在所述传感器存在异常时调整人流量状态模型及传感器网络模型。2.根据权利要求1所述的人流量估测系统，其特征在于，所述模型构建模块用于在所述故障检测模块判定特定传感器存在异常时，降低所述人流量状态模型及传感器网络模型中涉及所述特定传感器的数据权重；和/或所述人流量估测模块用于在传感器存在异常时，自动降低所述所述特定传感器的估测人流量的数据权重。3.根据权利要求2所述的人流量估测系统，其特征在于，所述模型构建模块基于卡尔曼滤波算法来调整人流量状态模型及传感器网络模型，所述人流量估测模块基于卡尔曼滤波算法来分析人流量状态模型及传感器网络模型，所述数据权重对应于卡尔曼滤波算法中涉及所述特定传感器的方程的协方差值；在数据权重降低时，所述协方差值增大。4.根据权利要求2所述的人流量估测系统，其特征在于，还包括可信度评估模块，其用于根据所述人流量估测模块提供的各个传感器的估测人流量的数据权重来评估来自各个传感器的的数据的可信度。5.根据权利要求4所述的人流量估测系统，其特征在于，当所述人流量估测模块基于人流量状态模型及传感器网络模型应用卡尔曼滤波算法估测时，所述可信度对应于卡尔曼滤波算法中涉及所述特定传感器的方程的协方差值；在所述协方差值增大时，所述可信度低。6.根据权利要求4所述的人流量估测系统，其特征在于，所述人流量估测系统在所述可信度评估模块于第二预设时段内提供的特定传感器的可信度逐渐降低时，发出针对所述特定传感器的故障预警信号。7.根据权利要求1至6任意一项所述的人流量估测系统，其特征在于，多个所述传感器将所述待估测区域划分成多个待估测子区域；所述人流量状态模型用于反映各个所述待估测子区域内的人数以及进出各个所述待估测子区域的人流量。8.根据权利要求7所述的人流量估测系统，其特征在于，在所述故障检测模块判定特定传感器存在异常时，由所述特定传感划分的相邻的两个所述待估测子区域被合并成一个新的待估测子区域。9.根据权利要求1至6任意一项所述的人流量估测系统，其特征在于，所述模型构建模块包括动态传感器融合子模块，用于基于所述多个传感器的数据来构建传感器网络模型。10.根据权利要求1至6任意一项所述的人流量估测系统，其特征在于，所述模型构建模块包括：用于调整人流量状态模型的自适应配置子模块，用于在所述故障检测模块判定特定传感器存在异常时，降低所述人流量状态模型及传感器网络模型中涉及所述特定传感器的数据权重。11.根据权利要求1至6任意一项所述的人流量估测系统，其特征在于，所述模型构建模块基于卡尔曼滤波算法、贝叶斯网络算法或DS证据算法来调整人流量状态模型及传感器网络模型。12.根据权利要求1至6任意一项所述的人流量估测系统，其特征在于，所述人流量估测模块基于卡尔曼滤波算法、贝叶斯网络算法或DS证据算法来估测人流量。13.根据权利要求1至6任意一项所述的人流量估测系统，其特征在于，所述故障检测模块用于在第一预设时段内未接收到来自特定传感器的数据时，判定所述特定传感器存在异常；和/或所述故障检测模块用于在接收到的来自特定传感器的数据质量低于第一预设区间时，判定所述特定传感器存在异常。14.根据权利要求1至6任意一项所述的人流量估测系统，其特征在于，所述传感器布置在待检测空间的各个出入口处。15.根据权利要求1至6任意一项所述的人流量估测系统，其特征在于，传感器包括光束传感器和/或...

【专利技术属性】
技术研发人员：方辉，李祥宝，贾真，
申请(专利权)人：开利公司，
类型：发明
国别省市：美国,US