技术领域
[0001] 本
发明属于时空大数据的技术应用领域，特别涉及一种基于时空大数据的景区实时负荷监控方法及系统。
背景技术
[0002] 移动
物联网与物联网的融合，利用多层技术手段实现旅游景区人流分析逐渐被广泛应用起来，对景区游客流量进行实时统计和监控，便于管理人员对客流量进行管控和疏导，在有效避免安全事件发生的同时，也为旅游行业管理者提供精确、科学、详细、使用的游客数据和信息服务，提升旅游行业的管理和服务
水平。
[0003] 虽然部分景区也安装了监控设备和人流告警装置，但是都不能做到有效实时性，不能具体精确到景区内的某个景点，对游客的实时统计工作也相对滞后，在景区内景点达到负荷值时，使得管理人无法第一时间获取应急数据，有针对性的对具体某个景点做疏散工作，进而影响游客的旅游体验。
发明内容
[0004] 本发明的目的在于克服
现有技术的不足，提供一种能够根据景区内各景点最大游客承载能
力，为景区提供超负荷短信预警，实时负荷状态监控基于时空大数据的景区实时负荷监控方法及系统。
[0005] 本发明的目的是通过以下技术方案来实现的：一种基于时空大数据的景区实时负荷监控方法，包括以下步骤：
[0006] S1、获取景区客流量数据，采用以下两种方式获取景区客流量数据：一是基于视频分析原理，采用以头、肩识别的方式进行游客量统计，捕捉当前景点的游客数量；二是基于WiFi模式，在景区内部
覆盖网络信息，当游客连接开放式WiFi时则会被统计到
数据库；
[0008] S3、对客流数据进行区域划分；
[0009] S4、参考景区过往的真实客流数据以及最大负荷数值，为景区的每个景点设置一个游客载流上限标签，记为tValue，并将负荷
阈值设置为游客载流量上限*80％，同时入库保存；
[0010] S5、对步骤S1获取的客流量数据进行处理，判断景点客流量是否超负荷；
[0011] S6、采用基于百度Echarts的景区实时客流分布
密度热力图展示当前客流量信息。
[0012] 进一步地，所述步骤S2包括以下子步骤：
[0013] S21、计算景点的经纬度二进制编码：地球的经度区间是[-180,180]，纬度区间是[-90,90]；
[0014] 首先计算纬度编码：将区间[-90,90]二分为[-90,0)和[0,90]左右两个区间,判定景点的纬度所处区间，若景点处于左边区间则记为0，处于右边区间则记为1；
[0015] 将景区所处区间继续划分为左右两个区间，判定景点的纬度所处区间，若景点处于左边区间则记为0，处于右边区间则记为1；
[0016] 依次对景点所处区间进行划分和判断操作，得到景点纬度的八位数二进制编码；
[0017] 采用与纬度编码相同的划分和判断操作，得到景点经度的八位数二进制编码；
[0018] S22、生成GeoHash编码，按照偶数位放经度，奇数位放纬度的规则，重新组合经度和纬度的二进制串，生成16位新的二进制编码；然后将16位二进制编码转
化成十进制数值，再查找对应的base32编码，即可得到GeoHash编码；
[0019] S23、重复步骤S21和S22的操作，得到景区内每个景点的GeoHash编码。
[0020] 进一步地，所述步骤S3包括以下子步骤：
[0021] S31、将步骤S1获取到的实时客流数据按时间和空间一一对应进行划分：将时间数据分别以yyyy-MM-dd和hh:mm:ss的形式进行分割，分别得到年月日的时间字符串和时分秒的字符串；将空间数据做GeoHash编码处理，判断GeoHash字符串的前缀是否和步骤S2中得到的各个景点GeoHash编码相同，将相同的客流数据点判定为位于对应的景点之中；
[0022] S32、将处理后的得到时间字符串年月日、时分秒和GeoHash编码按照yyyy-MM-dd+GeoHash编码+hh:mm:ss的形式重新组合，得到多个矩形区域。
[0023] 进一步地，所述步骤S5具体实现方法为：采用基于Spark Streaming的实时客流统计来对客流量数据进行处理，具体的步骤为：
[0024] S51、添加一张工作人员表，存储景区内负责各个景点的管理人员的信息；
[0025] S52、为每个景点添加一个客流数变量count和权重变量weight，统计每批次数据在不同景点的count值，并计算出weight值：
[0026] weight(i)＝count(i)/(count(1)+count(2)+…+count(n))
[0027] i＝1,2，…，n，n表示景点总数量；
[0028] S53、当count(i)≥tValue，即当景点i的客流量超过所设景点客载阈值时，此时不宜再接纳游客，数据库查询i景点负责人的联系方式，向景点管理人员发送警告消息。
[0029] 进一步地，所述步骤S6包括以下子步骤：
[0030] S61、采用步骤S5得到的结果流作为热力图的数据源；其中，定义经纬度为
位置信息，weight为权重，热力图的数据格式由(lat,lng,weight)组成，lat表示纬度，lng表示经度；
[0031] S62、基于canvas在地图上填充数据；
[0032] S63、根据步骤S5得到的每个数据点的权重值weight，计算每个数据点在地图上的透明度值alpha：
[0033] weightMin＝alpha[0]，weightMax＝alpha[1]，其余的alpha值的计算公式为：
[0034] alpha[i]＝(weight[i]-weight[min])/(weight[max]-weight[min])；
[0035] S64、调用canvas提供的getImageData()方法得到画布上每个
像素点的灰度值，从而得到彩色色带中对应位置的
颜色。
[0036] 本发明还公开了一种基于时空大数据的景区实时负荷
监控系统，包括数据源采集模块、景区数据分析模块、客流负荷监控模块和结果
可视化模块，景区数据分析模块包括景区地图划分子模块和客流数据划分子模块；
[0037] 所述数据源采集模块，用于通过调用第三方API获取精确的景区内各景点的GIS信息；基于景区提供的免费WiFi获取游客的GPS数据；基于视频分析原理，采用以头、肩识别的方式获取游客量；
[0038] 所述景区地图划分子模块，用于对景区GIS数据进行优化处理：将景区根据景点位置进行地图分块；
[0039] 所述客流数据划分子模块，用于对游客GPS数据进行优化处理：对游客GPS数据进行区域划分；
[0040] 所述客流负荷监控模块，用于为每个景点添加客流阈值标签，比较当前客流量与阈值，当客流量超出阈值时发出警告；添加景区景点管理人员表并存储各个景点负责人的联系方式，当出现负荷警告时，联系该景点负责人；为经过每个景点的客流数据添加一个权重值，实时计算权重值；
[0041] 所述结果可视化模块，用于定义热力图的数据格式，并基于canvas在地图上填充数据，根据每个数据点的权重计算对应的透明值alpha，然后在地图上进行热力图绘制。
[0042] 本发明的有益效果是：本发明的监控方法能够根据景区内各景点最大游客承载能力，为景区提供超负荷短信预警，实时负荷状态监控。一方面在景区景点承载超负荷的情况下，向景区管理人员下发预警短信，避免景区超负荷接待；另一方面通过绘制景区人数分布图，掌握景区内每个景点在不同时段内的人口密度分布及游客行为特征，预测景区未来游客数量，方便工作人员提前做好各景点超载措施。
附图说明
[0043] 图1为本发明的基于时空大数据的景区实时负荷监控方法的
流程图；
[0044] 图2为景区内客流量数据划分的流程图；
[0045] 图3为本发明基于时空大数据的景区实时负荷监控系统的结构示意图。
具体实施方式
[0046] 下面结合附图和具体
实施例进一步说明本发明的技术方案。
[0047] 如图1所示，本发明的一种基于时空大数据的景区实时负荷监控方法，包括以下步骤：
[0048] S1、获取景区客流量数据，采用以下两种方式获取景区客流量数据：一是基于视频分析原理(在景区大
门、各景点通道的位置安装客流监控摄像机)，采用以头、肩识别的方式进行游客量统计，捕捉当前景点的游客数量；二是基于WiFi模式，在景区内部覆盖网络信息，当游客连接开放式WiFi时则会被统计到数据库；
[0049] S2、进行景区地图分块；要查询一个景点附近有多少个人，最直观做法是去数据库里面查表，计算并查询距离该景点xx公里范围内的数据，筛选出来，把数据返回给客户端。这种做法需要对整个表里面的每一项都计算一次相对距离，太耗时了。因此考虑将景区进行区域划分，这样，即使每块区域里面的每条数据都计算一次相对距离，也比之前全表都计算一次快很多。地图分块的过程其实就是一种添加索引的过程，把地图上的点添加一个合适的索引，并且能够排序，就可以利用类似二分查找的方法进行快速查询并统计一个一个景区景点的游客量。
[0050] 具体包括以下子步骤：
[0051] S21、计算景点的经纬度二进制编码：地球的经度区间是[-180,180]，纬度区间是[-90,90]；
[0052] 首先计算纬度编码：将区间[-90,90]二分为[-90,0)和[0,90]左右两个区间,判定景点的纬度所处区间，若景点处于左边区间则记为0，处于右边区间则记为1；
[0053] 将景区所处区间继续划分为左右两个区间，判定景点的纬度所处区间，若景点处于左边区间则记为0，处于右边区间则记为1；
[0054] 依次对景点所处区间进行划分和判断操作，得到景点纬度的八位数二进制编码；
[0055] 采用与纬度编码相同的划分和判断操作，得到景点经度的八位数二进制编码；
[0056] 以四川雅安市的碧峰峡景区为例，碧峰峡景区的经度是116.413384，维度是39.910925。将区间[-90,90]二分为[-90,0)、[0,90]左右两个区间,确定39.910925属于右区间，标记为1；然后将[0,90]二分为[0,45)，[45,90]左右两个区间，确定39.910925属于左区区间，标记为0；依次递归这个过程，得到维度的二进制结果为10111000；同理可得到碧峰峡景区的经度二进制码为11010110，如表一所示。
[0057] 表一
[0058]
[0059]
[0060] S22、生成GeoHash编码，按照偶数位放经度，奇数位放纬度的规则，重新组合经度和纬度的二进制串，生成16位新的二进制编码：碧峰峡的二进制码为1 11001 11011 01000；然后将16位二进制编码转化成十进制数值分别为1 25 27 8，再查找对应的base32编码，即可得到GeoHash编码：1tv8；
[0061] S23、重复步骤S21和S22的操作，得到景区内每个景点的GeoHash编码。
[0062] 每一个GeoHash字符串分别代表一个矩形区域，这个矩形区域内所有的点都共享同一GeoHash，即可利用字符串的前/后缀匹配来查询并统计客流信息。
[0063] S3、对客流数据进行区域划分；基于景区按景点进行地图划分的处理后，对游客GPS数据进行区域划分，同样的，划分的过程也是添加索引的过程，每一个索引代表着一个小矩形区域，里面包含了位于这个区域的移动对象。本发明针对常用的空间点索引
算法进行改进，将索引结构划分为年月日+GeoHash编码+时分秒的形式，既可以根据景区内具体景点统计客流信息，也可以根据时间得到实时的人流分布信息，从而达到后续实时负荷监控的目的。如图2所示，具体包括以下子步骤：
[0064] S31、将步骤S1获取到的实时客流数据按时间和空间一一对应进行划分：将时间数据分别以yyyy-MM-dd和hh:mm:ss的形式进行分割，分别得到年月日的时间字符串和时分秒的字符串；将空间数据做GeoHash编码处理，判断GeoHash字符串的前缀是否和步骤S2中得到的各个景点GeoHash编码相同，将相同的客流数据点判定为位于对应的景点之中；
[0065] S32、将处理后的得到时间字符串年月日、时分秒和GeoHash编码按照yyyy-MM-dd+GeoHash编码+hh:mm:ss的形式重新组合，得到多个矩形区域。这样的好处是，既可以根据景区内具体景点统计客流信息，也可以根据时间得到实时的人流分布信息，从而达到后续实时负荷监控的目的。
[0066] S4、参考景区过往的真实客流数据以及最大负荷数值，为景区的每个景点设置一个游客载流上限标签，记为tValue，并将负荷阈值设置为游客载流量上限*80％，同时入库保存；
[0067] S5、对步骤S1获取的客流量数据进行处理，判断景点客流量是否超负荷；S5具体实现方法为：采用基于Spark Streaming的实时客流统计来对客流量数据进行处理，Spark Streaming是Spark核心API的一个扩展，可以实现高吞吐量的、具备容错机制的实时流数据的处理。将上述处理后的实时客流数据按批次，通过kafka不断地接入到Spark Streaming中，然后通过Spark引擎处理生成按照批次的结果流。具体的步骤为：
[0068] S51、添加一张工作人员表，存储景区内负责各个景点的管理人员的信息，包括手机号或其他联系方式；
[0069] S52、为每个景点添加一个客流数变量count和权重变量weight，统计每批次数据在不同景点的count值，并计算出weight值：
[0070] weight(i)＝count(i)/(count(1)+count(2)+…+count(n))
[0071] i＝1,2，…，n，n表示景点总数量；
[0072] S53、当count(i)≥tValue，即当景点i的客流量超过所设景点客载阈值时，此时不宜再接纳游客，数据库查询i景点负责人的联系方式，向景点管理人员发送警告消息(优先通过短信的方式告知，通过第三方短信发送服务发送阿里大鱼SDK向管理人员发送短信)。
[0073] S6、采用基于百度Echarts的景区实时客流分布密度热力图展示当前客流量信息；热力图是一种很好的展现客流动态的方式，它的实现原理大致可归纳为这样几个步骤：一，为每个数据点设置一个从中心向外灰度渐变的圆；二，利用灰度可以
叠加的原理，计算每个像素点数据交叉叠加得到的灰度值；三，根据每个像素计算得到的灰度值，在一条彩色色带中进行颜色映射，最后对图像进行着色，得到热流图。本发明基于百度Echarts绘制景区客流分布热力图。具体包括以下子步骤：
[0074] S61、采用步骤S5得到的结果流作为热力图的数据源；其中，定义经纬度为位置信息，weight为权重，热力图的数据格式由(lat,lng,weight)组成，lat表示纬度，lng表示经度；
[0075] S62、基于canvas在地图上填充数据；
[0076] S63、根据步骤S5得到的每个数据点的权重值weight，计算每个数据点在地图上的透明度值alpha：
[0077] weightMin＝alpha[0]，weightMax＝alpha[1]，其余的alpha值的计算公式为：
[0078] alpha[i]＝(weight[i]-weight[min])/(weight[max]-weight[min])；
[0079] S64、调用canvas提供的getImageData()方法得到画布上每个像素点的灰度值，从而得到彩色色带中对应位置的颜色。
[0080] 另外，由于本发明在处理数据源时在景区地图上分别做了对应的网格划分，因此在
渲染热力图时对数据点进行的是网格操作，可以有效的降低渲染成本，提高热力图的展示效率。
[0081] 本发明还公开了一种基于时空大数据的景区实时负荷监控系统，包括数据源采集模块、景区数据分析模块、客流负荷监控模块和结果可视化模块，景区数据分析模块包括景区地图划分子模块和客流数据划分子模块；
[0082] 所述数据源采集模块，用于通过调用第三方API获取精确的景区内各景点的GIS信息；基于景区提供的免费WiFi获取游客的GPS数据；基于视频分析原理，采用以头、肩识别的方式获取游客量；
[0083] 所述景区地图划分子模块，用于对景区GIS数据进行优化处理：将景区根据景点位置进行地图分块；
[0084] 所述客流数据划分子模块，用于对游客GPS数据进行优化处理：对游客GPS数据进行区域划分；
[0085] 所述客流负荷监控模块，用于为每个景点添加客流阈值标签，比较当前客流量与阈值，当客流量超出阈值时发出警告；添加景区景点管理人员表并存储各个景点负责人的联系方式，当出现负荷警告时，联系该景点负责人；为经过每个景点的客流数据添加一个权重值，实时计算权重值；
[0086] 所述结果可视化模块，用于定义热力图的数据格式，并基于canvas在地图上填充数据，根据每个数据点的权重计算对应的透明值alpha，然后在地图上进行热力图绘制。
[0087] 如图3所示，本发明的系统结构主要分为三层：
[0088] 最底层是
数据采集层，该层主要是获取景区地理位置数据和游客目标位置数据。主要数据来源自WiFi探针和视频监控。基于景区提供的免费WiFi，在景区内部覆盖网络信息中通过探针来获取游客手机的码，每部手机都有一个唯一的MAC码，wifi探针抓取这个码，并进行计数统计。另外则是通过视频方式获取游客数据，在景区内各景点入口安装摄像头，自动捕捉当前景点通道的游客数量。
[0089] 第二层是数据分析层，该层将采集到的实时数据，包括景区GIS数据、游客GPS数据进行优化处理，主要完成景区景点的区域划分、数据
访问交互、对客流数据的处理等功能。然后将处理后的数据接入到客流负荷监控模块中。
[0090] 第三层是客流负荷监控层，该层主要将处理后的客流数据接入到负荷监控模块中，完成实时客流统计、超负荷告警等功能。
[0091] 第四层是数据展示层，该层基于第三方工具Echarts，通过第三层得到的结果流，绘制景区在各个景点不同时段的人口密度分布图。
[0092] 本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体
变形和组合，这些变形和组合仍然在本发明的保护范围内。
