一种基于密度聚类的人员聚集方法、系统、存储介质技术方案

本发明专利技术公开了一种基于密度聚类的人员聚集方法、系统、存储介质，涉及社会公共安全数据智能分析技术领域。本发明专利技术使用位置数据进行人员聚集计算，并对位置数据进行去噪、均值处理；使用半正矢公式计算两两经纬置度之间的距离，并生成距离矩阵；使用基于密度聚类的人员聚集计算，计算出人员聚集区域、聚集人数、聚集面积及人员聚集中心点。本发明专利技术不需要预先设定网格区域，获取人员聚集的相关信息；能够计算出人员聚集区域、聚集人数、聚集面积及聚集中心点后有利于后续在计算机软件开发中，实现这类数据的地图可视化展示；可以准确有效的获取人员的聚集区域，辅助人工对人员聚集的判定，做出相应的应对措施。相应的应对措施。相应的应对措施。

【技术实现步骤摘要】
一种基于密度聚类的人员聚集方法、系统、存储介质


[0001]本专利技术属于社会公共安全数据智能分析
，特别是涉及一种基于密度聚类的人员聚集方法、系统、存储介质。

技术介绍

[0002]随着科技信息的发展，定位技术在不断的发展，许多电子设备都拥有了定位的功能，基于GPS或者移动基站获取位置信息，基于用户的位置信息检测人员的聚集，发现聚集区域及聚集人员，实现人员聚集模式的识别。尤其在社会安全管理领域具有更有重大的意义，人员大规模聚集潜在会造成社会的危害，及时发现人员聚集并预警，有助于社会安全管理相关部门及时作出响应，采取措施对大规模聚集人员进行相应的处置，从而维护社会的稳定。
[0003]现阶段在社会安全管理领域，针对人员聚集的识别大多数是采用网格化的方式，提前设定好网格区域，持续跟踪统计该网格中人员的数量，当发现网格中的人数过多时，进行人员聚集的预警；也有些采用通过摄像头获取目标区域的图像，采用图像识别技术来识别图像中的人员，再来计算人员的数量，进而判断人员的聚集的情况。
[0004]现有的采用人员聚集设定网格来进行聚集的判断，具有如下缺点：(1)不灵活性，而且人员的活动是随机不固定的，很难通过网格化来找出网格外的人员聚集区域；(2)针对视频监控，一方面需要大量的安装视频设备，另一方面还需要对视频进行解析，采用图像识别技术监测图像中的人员，同时视频设备覆盖不广而且不连续，同样很难识别出大多数的人员聚集。

技术实现思路

[0005]本专利技术目的在于提供一种基于密度聚类的人员聚集方法、系统、存储介质，能够根据人员的经纬度位置数据，快速自动的计算出人员聚集的区域，人员聚集人数、人员聚集面积，针对聚集规模较大的聚集区域进行预警，辅助警务工作者对人员聚集进行判断，并采取相应的应对措施。
[0006]为解决上述技术问题，本专利技术是通过以下技术方案实现的：
[0007]本专利技术的一种基于密度聚类的人员聚集方法，包括如下步骤：
[0008]S1、对采集的人员位置数据预处理；
[0009]S2、计算处理后的位置数据经纬度两两之间的距离，生成距离矩阵；
[0010]S3、基于密度聚类算法对处理后的数据按照设定的半径和人员数量进行聚类，生成聚类标识；
[0011]S4、根据聚类标识，计算出每个聚类区内的聚类区域、聚类人数、聚类面积、聚集中心点。
[0012]进一步地，所述S1步骤具体包括如下分步骤：
[0013]S11、获取计算人员当前位置的数据，包括人员唯一标识、经纬度、时间戳数据；
[0014]S12、对经纬度数据根据人员唯一标识分组，并按照时间戳进行顺序排序，然后再对数据去噪；
[0015]S13、对去噪后的数据，在一个时间窗口内，按照人员唯一标识进行组内经度和纬度分别计算均值，生成该人员的经纬度。
[0016]进一步地，所述S2步骤包括如下分步骤：
[0017]S21、设A点的坐标为B点的坐标为用半正矢公式计算地球上两个点A和点B的距离；
[0018][0019]其中，R为地球的半径，可取平均值6371km；表示两点的维度；λ1，λ2表示两点的经度；D为两点之间的距离；A，B表示两个人员。
[0020]S22、根据上述公式分别计算位置数据两两之间的距离，生成距离矩阵distance＝[n，n]，n为数据的个数。
[0021]进一步地，所述S3步骤包括如下分步骤：
[0022]S31、设定最小半径R及半径为圆范围内的最少人数N；
[0023]S32、根据上述计算的距离矩阵distance进行扫描，距离矩阵distance的每一行中小于等于R的所有点个数只要大于等于N，则为一个聚集类别；
[0024]S33、所有这些聚集类别进行重复检查，只要有重复值则进行合并，直到没有重复；
[0025]S34、这些没有重复的类别就形成了最终的聚集类别，并为每个点打上相应的聚集标识。
[0026]进一步地，所述S4步骤包括如下分步骤：
[0027]S41、根据每个点的聚集标识，计算出每个聚集区域的区域；
[0028]S42、根据每个点的聚集标识，计算出每个聚集区域的人数；
[0029]S43、根据每个点的聚集标识，计算出每个聚集区域的面积；
[0030]S44、根据每个点的聚集标识，计算出每个聚集区域的中心点。
[0031]一种基于基于密度聚类的人员聚集系统，包括存储器和处理器；
[0032]所述存储器用于存储程序代码；
[0033]所述处理器用于调用所述程序代码，执行上述一种基于密度聚类的人员聚集方法所对应的方法步骤。
[0034]一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于密度聚类的人员聚集方法所对应的方法步骤。
[0035]本专利技术相对于现有技术包括有以下有益效果：
[0036](1)有利于实现人员的位置数据计算出人员聚集，不需要预先设定网格区域，获取人员聚集的相关信息；
[0037](2)有利于计算出人员聚集区域、人员聚集人数、人员聚集面积及人员聚集中心点后有利于后续在计算机软件开发中，实现这类数据的地图可视化展示。
[0038](3)可以准确有效的获取人员的聚集区域，辅助人工对人员聚集的判定，做出相应
的应对措施。
[0039]当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0040]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1为本专利技术的一种基于密度聚类的人员聚集方法的步骤流程图。
具体实施方式
[0042]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0043]请参阅图1所示，本专利技术的一种基于密度聚类的人员聚集方法，包括如下步骤：
[0044]S1、对采集的人员位置数据预处理；
[0045]S11、获取计算人员当前位置的数据，包括人员唯一标识、经纬度、时间戳数据；
[0046]S12、对经纬度数据根据人员唯一标识分组，并按照时间戳进行顺序排序，然后再对数据去噪；
[0047]S13、对去噪后的数据，在一个时间窗口内，按照人员唯一标识进行组内经度和纬度分别计算均值，生成该人员的经纬度；
[0048]S2、计算处理后的位置数据经纬度两两之间的距离，生成距离矩阵；
[0049]S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于密度聚类的人员聚集方法，其特征在于，包括如下步骤：S1、对采集的人员位置数据预处理；S2、计算处理后的位置数据经纬度两两之间的距离，生成距离矩阵；S3、基于密度聚类算法对处理后的数据按照设定的半径和人员数量进行聚类，生成聚类标识；S4、根据聚类标识，计算出每个聚类区内的聚类区域、聚类人数、聚类面积、聚集中心点。2.根据权利要求1所述的一种基于密度聚类的人员聚集方法，其特征在于，所述S1步骤具体包括如下分步骤：S11、获取计算人员当前位置的数据，包括人员唯一标识、经纬度、时间戳数据；S12、对经纬度数据根据人员唯一标识分组，并按照时间戳进行顺序排序，然后再对数据去噪；S13、对去噪后的数据，在一个时间窗口内，按照人员唯一标识进行组内经度和纬度分别计算均值，生成该人员的经纬度。3.根据权利要求1所述的一种基于密度聚类的人员聚集方法，其特征在于，所述S2步骤包括如下分步骤：S21、设A点的坐标为B点的坐标为用半正矢公式计算地球上两个点A和点B的距离；其中，R为地球的半径，可取平均值6371km；表示两点的维度；λ1，λ2表示两点的经度；D为两点之间的距离；A，B表示两个人员。S22、根据上述公式分别计算位置数据两两之间的距离，生成距离矩阵distance＝[n，n]，n为数据的个数。4.根据权利要求1所述的一种基于密度...

【专利技术属性】
技术研发人员：王明光，李飞，张爱文，钟浩，蒋维，刘红志，刘陈，徐佳申，高友光，崔影明，高进，
申请(专利权)人：道枢上海数字技术有限公司，
类型：发明
国别省市：