前言：想要寫出一篇引人入勝的文章？我們特意為您整理了校園公共場所人流密度監控平臺設計探析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：當發生突發公共衛生事件時，公共場所人流密度大可能會造成較大風險，危害公眾健康，而高校學生流動性大，人口聚集程度高，因此本文將以高校校園為應用場景，介紹基于時空眾包方法的公共場所人流密度監控平臺的設計理念與開發架構。

關鍵詞：時空眾包；深度學習；時空信息熵；人流密度監控

0引言

當發生突發公共衛生事件時，為避免風險，其中嚴格限制公共區域的人流量是一個非常有效的方法。此外，同學們在校園里的學習生活中可能也有錯峰出行的需求，同時也方便同學們尋找空閑教室自習、錯峰用餐和出行。在高校這一應用場景下，基于時間及空間的人流密集度測算[1]對于突發公共衛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控平臺。

1平臺設計

本平臺是依托于微信小程序進行開發的。前端在微信開發者工具提供的框架上搭建，設置了歡迎頁，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，存儲圖片到服務器，并且在查詢時返回對應的人群密度情況。處理圖像，連接到服務器進行時空信息熵計算，計算完人群密度后再存儲到服務器上，以待查詢。

1.1平臺設計理念

突發公共衛生事件的防控依舊是一個非常重要的問題。其中，高校學生因流動性大，人口聚集程度高而成為了防控的關鍵一環。對此，嚴格限制公共區域的人流量是一個非常有效的方法。然而，校園攝像頭的權限難以獲取且不能做到全方位的覆蓋，因此缺少相關數據是傳統人群密集度測算的瓶頸所在。基于這樣的現狀，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控平臺，把收集數據的任務下達到分布在校園各處的同學們來完成，這樣既提高了收集效率，彌補了數據的單一性，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開發工具和語言

隨著時展，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微信小程序工具,除此之外,微信還提供了各種后臺服務器API[2]。因而本平臺前端將在微信開發者工具提供的框架上搭建，后端則依托于SpringBoot框架。本平臺在開發過程中主要使用了Java語言。Java語言是一種面向對象的高級語言，簡單高效，可靠性強，功能強大，是我國應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需求。數據庫工具本平臺使用了Mysql數據庫，可視化操作工具用的是NavicatforMySQL,具有數據存儲、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據收集處理模塊，人流密度測算模塊，用戶任務匹配模塊，信息維護模塊和結果評價模塊。

1.4平臺性能需求

本平臺設計主要的三個性能指標即為高效性，穩定性和準確性[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確性，同時兼顧穩定性。

1.5數據庫結構設計

本平臺中數據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為主碼。

2平臺主要功能模塊的實現

2.1基于空間眾包方法的數據收集處理模塊

2.1.1傳統方法的局限性大部分傳統人流密集度方面的研究主要數據來源為攝像頭提供的監控視頻畫面，通過對視頻取幀，將人群圖像轉換為密度圖，對密度圖進行特征提取和標注，再通過回歸計數，判斷該圖片中出現個體的數量，從而得出當前時間下的人流密度。由于高校內的校園（如教室、操場等）攝像頭的權限難以獲取且不能做到全方位的覆蓋，為克服此缺陷，本平臺的數據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據資源，即以個體為單位獲取各種角度的實時數據。2.1.2空間眾包方法的優勢空間眾包作為一種創新性的交互式信息獲取方法，其流程為公司或機構把原本應該由員工執行的工作任務以自由自愿的形式外包給非特定的大眾網絡。而本平臺所采用的空間眾包方法，目標在于讓大量用戶為平臺提供實時的圖像等人流密度數據，從時間空間的雙重角度提供實時信息。眾包任務操作方便快捷，可實現性很高，且從每位用戶獲得的數據都來源于不同角度，彌補了數據的單一性，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。眾包技術的使用在與用戶共創價值的同時在一定程度上節約了平臺成本，在突發性公共衛生事件結束后仍可應用于日常的如交通樞紐、工廠企業、醫療機構等公共場所的人流密集度監控，因此具有強大的潛力。

2.2基于時空信息熵計算方法的結果評價模塊

時空信息熵作為一種評估單任務完成度的指標，將一個地點所有時間的情況作為一個任務，所有提交的空間角度，時間覆蓋率越高，該任務的完成度就越高，以此來試圖提高完成任務的可靠性。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測結果進行評估。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，代表收集到的數據所包含的信息越多。我們綜合了考慮時間和空間的信息熵來安排任務處理和用戶選擇，將時空信息熵作為一個預測結果的評價指標，用于監控平臺自身的完善，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，我們用于當任務提交較少時，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，距離當前查詢的時間點比較近的幾個數據點，對它是有影響的。假設對于當前查詢地點，有一個非等間隔的時間序列t1,t2,...,tn是有測算數據p1,p2,...,pn的，查詢時間為t，則我們用于計算當前人流密度p的公式為：∑∑==−⋅=njjniiipttpp11)(（1）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據采集的任務，系統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，并根據不同采樣方位的數據來計算一個信息可信度，再一并反饋給用戶，這個數值由這里的空間信息熵來表示。假設場景中心點為s，現有提交的任務圖片p1,p2,...,pn，則可以根據圖像匹配技術，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基于深度學習方法的人流密度測算模塊

在這一個模塊中，我們采用已經較為成熟的基于圖像的人流密度統計方法，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習的方法，即利用一個卷積神經神經網絡來構建預測模型。步驟如下所示：（1）對數據進行預處理操作，包括對圖像修改形狀、對標簽進行對應的映射，使其與修改形狀后的圖像對應。（2）根據提供的訓練數據來生成對應的密度圖，具體采用高斯濾波來生成。（3）搭建CNN網絡，并使用預處理后的圖像和其對應的密度圖來訓練CNN網絡，網絡的損失函數使用預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。經過訓練，本模型最終對于單張圖片的預測準確率可達85%。2.3.1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。2.3.2二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度等問題當中有重要的應用，并且在很多情況下是求出最優解精確而高效的算法。當接收任務的參與者較多時，本模塊先利用分治法對校園各地區進行劃分，進行一定程度的聚類工作，形成各子地區。然后以距離為標準，通過二分圖匹配方式將位于不同地區位置的師生分配給各子地區，并收集各子地區的相關數據再進行合并，最終輸出整個校園的相關數據。這樣的方法就使得任務分配進行地更高效，更精準。

2.4基于網格索引結構的信息維護模塊

本模塊通過維護一種基于網格索引的結構來定位校園中各建筑物的所在位置而不是細節保留偏多的位置坐標。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，并有利于在此基礎上建立數據庫，使得后臺能有效檢索任意位置的當前任務完成情況，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控平臺實現流程圖如圖1所示：

3平臺測試

3.1測試環境

基于時空眾包方法的校園公共場所人流密度監控平臺使用IDEA在Windows10操作系統上啟動運行，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合的方式，對本平臺進行功能測試。

3.3測試結果

經過測試，正確率基本達到80%左右。

4結論

當下，如何高效對突發公共衛生事件進行防控依舊是一個十分嚴峻的問題。其中，高校學生因流動性大，人口聚集程度高而成為了防控措施的關鍵一環。與難于獲取數據的傳統的人流密度檢測方法不同，本平臺采用時空眾包方法，有利于高效嚴格控制高校公共區域的人流量，也以此助力突發公共衛生事件的防控。同時微信作為我們日常生活頻繁使用的工具，本平臺依托于微信小程序進行開發，使用便捷還可以滿足同學們日常生活中的錯峰出行需求，相信隨著時間推移，本平臺將會有更廣泛的應用。

作者:許愿 徐樂怡 鄧儀 李克劍 郭立言 單位:蘇州大學計算機科學與技術學院