基于高性能流数据处理框架的实时步行分析系统

1.本发明涉及行人行为分析技术领域，具体为基于高性能流数据处理框架的实时步行分析系统。


背景技术：

2.在过去的20年里，可步行性逐渐被认为是城市宜居性和活力的重要组成部分，因此，了解人群行为和促进步行友好型环境，现在正成为城市设计和管理方案的迫切需要，在最近的研究中，许多行人分析被提出来发现和理解街头步行行为，然而，其中大多数需要密集的现场调查和人工建模，这通常是耗时和费力的，此外，在这些方法中使用的静态数据主要来自人口普查和调查，这可能足以描绘一个长期的趋势，但却不足以描述一个从根本上更动态的城市环境，虽然自动化方法被广泛用于机动车计数，但在行人研究中的应用较少；
3.因此，亟需设计一种基于高性能流数据处理框架的实时步行分析系统系统以解决上述缺陷，显得尤为重要。


技术实现要素：

4.1)发明要解决的技术问题
5.针对现有技术的不足，本发明设计了基于高性能流数据处理框架的实时步行分析系统，该系统旨在解决现有技术下针对行人行为分析技术存在很大的局限性的技术问题。
6.2)技术方案
7.为实现上述目的，本发明提供如下技术方案：
8.基于高性能流数据处理框架的实时步行分析系统，包括系统主体以及与系统主体进行信息交互的客户端、接收机和gps，所述系统主体具体包括中央处理模块、路径偏离模块、定位模块、存储模块、步数计算模块、时间计算模块和资源监测与部署模块，所述步数计算模块包括步行测度模块和摄录模块，所述资源监测与部署模块包括云端资源模块。
9.作为本发明优选的方案，所述资源监测与部署模块中系统实时监测具体为周期性的收集、计算每个处理通道的数据到达和处理频率，它会将计算结果发送到队列模型中。
10.作为本发明优选的方案，所述队列模型具体基于排队理论为每一个处理通道建立g/g/k模型，根据allen-cunneen approximation(a-c公式)估算当前通道的平均响应时间以及吞吐量；
[0011][0012]
其中，
[0013]wqi
表示估算的平均等待时长；
[0014]
ρ
qi
表示具有多队列的通道qi的利用率；
[0015]
α
qi
表示流数据到达通道i间隔时间的变异系数；
[0016]
β
qi
表示流数据在通道i处理时间的变异系数。
[0017]
作为本发明优选的方案，所述ρ
qi
的计算公式为：
[0018][0019]
其中，
[0020]
λ为该通道内数据的平均到达频率；
[0021]
μ为该通道数据的平均处理频率；
[0022]
m则为该通道设置的队列数量。
[0023]
作为本发明优选的方案，所述α
qi
的换算公式为：
[0024][0025]
其中，
[0026]
t
aqi
表示数据到达通道i的平均间隔时长。
[0027]
作为本发明优选的方案，所述β
qi
的换算公式为：
[0028][0029]
其中，
[0030]
t
aqi
表示数据到达通道i的平均间隔时长。
[0031]
作为本发明优选的方案，所述资源监测与部署模块中将所有通道的质量损失成本、资源成本以及由于重新部署造成的额外资源成本进行求和，根据用户对于三种成本权重的自定义设置，目标函数旨在寻找基于当前资源部署情况进行调整的最优策略，其中，条件要求每个通道的利用率小于等与1，每个通道的队列数量小于等于系统允许的通道最大队列数量mqi，以及权重的自定义设置应满足三种成本系数相加为1，其计算公式如下：
[0032][0033]
s.t.pqi≤1，
[0034][0035]
γ+η+δ＝1
[0036]
其中，
[0037]qqi
代表通道i在当前资源部署情况下的质量损失；
[0038]cqi
代表通道i的资源成本；
[0039]rqi
代表对通道i的资源进行变更所造成的资源成本。
[0040]
作为本发明优选的方案，所述步行测度模块通过对给定路段中实时人流量来估算行人的步行速度，具体计算公式如下：
[0041][0042]
其中，
[0043]
νm是行人的平均自由行走速度，根据已有研究，νm取值为1.34m/s；
[0044]
c表示当前监测范围内每平方米的平均行人数量。
[0045]
3)有益效果
[0046]
与现有技术相比，本发明的有益效果是：
[0047]
本发明系统中设置资源监测与部署模块，用于调度系统的计算和存储资源，该模块可以根据实时网络流量以及云端资源的使用情况，将计算任务在客户端与云端之间进行有效迁移，在确保低延时、高吞吐的计算要求下，尽可能减少步行者数据处理在终端的资源消耗。
附图说明
[0048]
图1为本发明系统框架结构示意图。
具体实施方式
[0049]
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例,基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]
实施例：
[0051]
本发明实施例提供基于高性能流数据处理框架的实时步行分析系统，该系统旨在解决现有技术下针对行人行为分析技术存在很大的局限性的技术问题；
[0052]
请参阅图1，本发明提供一种技术方案：
[0053]
基于高性能流数据处理框架的实时步行分析系统，包括系统主体以及与系统主体进行信息交互的客户端、接收机和gps，系统主体具体包括中央处理模块、路径偏离模块、定位模块、存储模块、步数计算模块、时间计算模块和资源监测与部署模块，步数计算模块包括步行测度模块和摄录模块，资源监测与部署模块包括云端资源模块；
[0054]
具体而言的，利用客户端以及接收机能够与系统主体进行信息交互，根据路径偏离模块对路径进行实时监测，分别通过定位模块、步数计算模块以及时间计算模块和资源监测与部署模块对行人步走行为进行监测和分析，从而更好的对步行进行分析检测，本系统很好的解决了现有技术下仅仅局限于静态检测的不足，进一步完善了步行检测技术。
[0055]
其中，资源监测与部署模块中系统实时监测具体为周期性的收集、计算每个处理通道的数据到达和处理频率，它会将计算结果发送到队列模型中；
[0056]
进一步的，队列模型具体基于排队理论为每一个处理通道建立g/g/k模型，根据allen-cunneen approximation(a-c公式)估算当前通道的平均响应时间以及吞吐量；
[0057][0058]
其中，
[0059]wqi
表示估算的平均等待时长；
[0060]
ρ
qi
表示具有多队列的通道qi的利用率；
[0061]
α
qi
表示流数据到达通道i间隔时间的变异系数；
[0062]
β
qi
表示流数据在通道i处理时间的变异系数；
[0063]
更进一步的，ρ
qi
的计算公式为：
[0064][0065]
其中，
[0066]
λ为该通道内数据的平均到达频率；
[0067]
μ为该通道数据的平均处理频率；
[0068]
m则为该通道设置的队列数量。
[0069]
α
qi
的换算公式为：
[0070][0071]
其中，
[0072]
t
aqi
表示数据到达通道i的平均间隔时长。
[0073]
β
qi
的换算公式为：
[0074][0075]
其中，
[0076]
t
aqi
表示数据到达通道i的平均间隔时长。
[0077]
此外，资源监测与部署模块中将所有通道的质量损失成本、资源成本以及由于重新部署造成的额外资源成本进行求和，根据用户对于三种成本权重的自定义设置，目标函数旨在寻找基于当前资源部署情况进行调整的最优策略，其中，条件要求每个通道的利用率小于等与1，每个通道的队列数量小于等于系统允许的通道最大队列数量mqi，以及权重的自定义设置应满足三种成本系数相加为1，其计算公式如下：
[0078][0079]
s.t.pqi≤1，
[0080][0081]
γ+η+δ＝1
[0082]
其中，
[0083]qqi
代表通道i在当前资源部署情况下的质量损失；
[0084]cqi
代表通道i的资源成本；
[0085]rqi
代表对通道i的资源进行变更所造成的资源成本。
[0086]
最后，步行测度模块通过对给定路段中实时人流量来估算行人的步行速度，具体计算公式如下：
[0087][0088]
其中，
[0089]
νm是行人的平均自由行走速度，根据已有研究，νm取值为1.34m/s；
[0090]
c表示当前监测范围内每平方米的平均行人数量。
[0091]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以
理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.基于高性能流数据处理框架的实时步行分析系统，包括系统主体以及与系统主体进行信息交互的客户端、接收机和gps，其特征在于：所述系统主体具体包括中央处理模块、路径偏离模块、定位模块、存储模块、步数计算模块、时间计算模块和资源监测与部署模块，所述步数计算模块包括步行测度模块和摄录模块，所述资源监测与部署模块包括云端资源模块。2.根据权利要求1所述的基于高性能流数据处理框架的实时步行分析系统，其特征在于：所述资源监测与部署模块中系统实时监测具体为周期性的收集、计算每个处理通道的数据到达和处理频率，它会将计算结果发送到队列模型中。3.根据权利要求2所述的基于高性能流数据处理框架的实时步行分析系统，其特征在于：所述队列模型具体基于排队理论为每一个处理通道建立g/g/k模型，根据allen-cunneen approximation(a-c公式)估算当前通道的平均响应时间以及吞吐量；其中，w
qi
表示估算的平均等待时长；ρ
qi
表示具有多队列的通道qi的利用率；α
qi
表示流数据到达通道i间隔时间的变异系数；β
qi
表示流数据在通道i处理时间的变异系数。4.根据权利要求3所述的基于高性能流数据处理框架的实时步行分析系统，其特征在于：所述ρ
qi
的计算公式为：其中，λ为该通道内数据的平均到达频率；μ为该通道数据的平均处理频率；m则为该通道设置的队列数量。5.根据权利要求3所述的基于高性能流数据处理框架的实时步行分析系统，其特征在于：所述α
qi
的换算公式为：其中，t
aqi
表示数据到达通道i的平均间隔时长。6.根据权利要求3所述的基于高性能流数据处理框架的实时步行分析系统，其特征在于：所述β
qi
的换算公式为：其中，t
aqi
表示数据到达通道i的平均间隔时长。
7.根据权利要求2所述的基于高性能流数据处理框架的实时步行分析系统，其特征在于：所述资源监测与部署模块中将所有通道的质量损失成本、资源成本以及由于重新部署造成的额外资源成本进行求和，根据用户对于三种成本权重的自定义设置，目标函数旨在寻找基于当前资源部署情况进行调整的最优策略，其中，条件要求每个通道的利用率小于等与1，每个通道的队列数量小于等于系统允许的通道最大队列数量mqi，以及权重的自定义设置应满足三种成本系数相加为1，其计算公式如下：义设置应满足三种成本系数相加为1，其计算公式如下：义设置应满足三种成本系数相加为1，其计算公式如下：γ+η+δ＝1其中，q
qi
代表通道i在当前资源部署情况下的质量损失；c
qi
代表通道i的资源成本；r
qi
代表对通道i的资源进行变更所造成的资源成本。8.根据权利要求1所述的基于高性能流数据处理框架的实时步行分析系统，其特征在于：所述步行测度模块通过对给定路段中实时人流量来估算行人的步行速度，具体计算公式如下：其中，ν
m
是行人的平均自由行走速度，根据已有研究，ν
m
取值为1.34m/s；c表示当前监测范围内每平方米的平均行人数量。

技术总结
本发明公开了基于高性能流数据处理框架的实时步行分析系统，包括系统主体以及与系统主体进行信息交互的客户端、接收机和GPS，其特征在于：所述系统主体具体包括中央处理模块、路径偏离模块、定位模块、存储模块、步数计算模块、时间计算模块和资源监测与部署模块，所述步数计算模块包括步行测度模块和摄录模块，所述资源监测与部署模块包括云端资源模块，本发明系统中设置资源监测与部署模块，用于调度系统的计算和存储资源，该模块可以根据实时网络流量以及云端资源的使用情况，将计算任务在客户端与云端之间进行有效迁移，在确保低延时、高吞吐的计算要求下，尽可能减少步行者数据处理在终端的资源消耗。理在终端的资源消耗。理在终端的资源消耗。


技术研发人员：黄骁然 王艺丹 谭朦曦
受保护的技术使用者：北方工业大学
技术研发日：2023.06.12
技术公布日：2023/9/6