用于占用估计的系统和方法
【专利摘要】一种用于估计被划分成多个区段的区域中的占用的方法和系统。该方法包括：把所述多个区段的每个建模为包含阻塞部分和未阻塞部分；基于状态方程来计算所述多个区段内的基于模型的占用预测，所述状态方程建模每个区段的阻塞部分中的占用者移动、建模每个区段的未阻塞部分中的占用者移动、以及部分地基于特定区段的入口被建模为阻塞还是未阻塞来建模区段之间的占用者移动；以及提供基于模型的占用预测作为输出。
【专利说明】用于占用估计的系统和方法
[0001]本申请是申请号为200880116675.5的同名称发明的分案申请。
【技术领域】
[0002]本发明涉及估计区域的占用(occupancy)，并且更具体地涉及基于占用者交通(traffic)模型估计该区域内人的占用。
【背景技术】
[0003]关于特定区域的占用的知识可以用于各种应用中。例如，建筑物内的占用的知识可以用来改善建筑物的效率、舒适性和便利性并且在紧急情形下通过提供关于占用者位置的信息而改善第一响应者的搜寻和营救努力。典型地，仅基于传感器提供的数据来确定建筑物占用。这些占用估计可能由于传感器数据的缺乏或者传感器数据误差随时间的累积而导致生成误差。
【发明内容】
[0004]本文描述了一种用于估计区域中的占用的系统。该系统包括用于执行算法的控制器，该算法生成与多个区段的每个内的预测的占用者移动相关联的占用估计。该算法是基于动力运动(KM)的模型，该基于KM的模型基于在每个区段的阻塞部分和未阻塞部分之间的建模区分来预测占用者移动。该系统还包括输出，该输出在工作中被连接到该控制器以传送由该算法生成的占用估计。
[0005]在另一个方面，本文描述了一种用于估计被划分成多个区段的区域中的占用的方法。该方法包括把多个区段的每个建模为包含阻塞部分和未阻塞部分。该方法还包括基于状态方程来计算多个区段内的基于模型的占用预测，所述状态方程建模每个区段的阻塞部分中的占用者移动、建模每个区段的未阻塞部分中的占用者移动、以及部分地基于特定区段的入口被建模为阻塞还是未阻塞来建模区段之间的占用者移动。
[0006]在另一个方面，本文描述了一种用于估计被划分成多个区段的区域中的占用的系统。该系统包括用于把多个区段的每个建模为包含阻塞部分和未阻塞部分的装置。该系统还包括用于基于状态方程来计算多个区段内的基于模型的占用预测的装置，所述状态方程建模每个区段的阻塞部分中的占用者移动、建模每个区段的未阻塞部分中的占用者移动、以及部分地基于特定区段的入口被建模为阻塞还是未阻塞来建模区段之间的占用者移动。
[0007]在另一个方面，本文描述了一种用机器可读计算机程序代码编码的计算机可读存储介质，所述机器可读计算机程序代码用于生成区域的占用估计，该计算机可读存储介质包括用于使控制器实施方法的指令。该计算机程序包括用于把多个区段的每个建模为包含阻塞部分和未阻塞部分的指令。该计算机程序还包括用于基于状态方程来计算多个区段内的基于模型的占用预测的指令，所述状态方程建模每个区段的阻塞部分中的占用者移动、建模每个区段的未阻塞部分中的占用者移动、以及部分地基于特定区段的入口被建模为阻塞还是未阻塞来建模区段之间的占用者移动。【专利附图】
【附图说明】
[0008]图1A是被划分成许多区的建筑物的楼层的示意图。
[0009]图1B是对建筑物楼层的各区之间的连接进行建模的图示。
[0010]图2是图解基于传感器数据、传感器模型和占用者交通模型计算占用估计的流程图。
[0011]图3A和3B是图解为计算占用估计而采用的扩展卡尔曼(Kalman)滤波器算法的示例性实施例的流程图。
[0012]图4A和4B是图解其中与区域之间的占用者流相关联的状态变量受约束的实施例之间的差别的曲线图。
[0013]图5A是建筑物的楼层的示意图。
[0014]图5B是图解如何解释建筑物的楼层平面以由基于动力运动(KM)的模型分析的图
/Jn ο
[0015]图6A是图解使用基于KM的模型来建模单个房间中的占用者的图示。
[0016]图6B是图解使用基于KM的模型来建模单个房间中的占用者的图示，包括建模房间内的阻塞。
[0017]图7A-7E是图解扩展卡尔曼滤波器的实施例的估计准确性的曲线图。
[0018]图8是图解集中占用估计系统的框图。
[0019]图9A-9C是图解许多分布式占用估计系统的框图。
【具体实施方式】
[0020]本申请公开了一种与由Robert Tomastik于2007年9月19日提交的、被指定PCT序列号 US07/20291 且题为“System and Method for Occupancy Estimation，，的申请有关的系统和方法。该申请公开了一种用于基于占用者交通模型估计占用的系统和方法。在一个示例性实施例中，仅基于占用者交通模型来估计占用。在另一个示例性实施例中，基于由占用者交通模型生成的占用预测来估计占用，基于所接收的传感器数据校正所述占用。本申请对先前申请的范围进行了扩展，公开了实施占用者估计的另外的实施例和方法。
[0021]占用者交通模型试图预测占用者将如何在整个区域中移动。在一个实施例中，占用者交通模型是单阶段(single-phase)占用者交通模型，该单阶段占用者交通模型基于占用者如何可以从一个区域流动到另一个区域的模型来预测占用者的移动。在另一个实施例中，占用者交通模型是基于动力运动(kinetic motion, KM)的模型,该基于动力运动(KM)的模型使用两阶段法来建模占用者如何在相邻区域之间移动。具体而言，该两阶段法考虑交通阻塞如何影响占用者经过区域的移动。
[0022]在这两种情况下，占用者交通模型是基于在整个区或区域中占用者的历史或预期交通模式并且可以考虑诸如区域或建筑物的布局之类的因素。例如，建筑物布局可以包括描述出口、过道、办公室的位置以及相关过道和办公室的占用限制的信息。另外，占用者交通模型可以是描述区域内占用者的预测移动或交通模式的数学模型、统计模型或者计算机模拟。
[0023]在示例性实施例中，由占用者交通模型生成的估计与传感器数据结合采用以生成占用估计。传感器数据可以由各种不同类型的传感器装置提供，每个传感器装置提供不同类型的传感器输出，所述传感器输出被分析以检测在整个区或区域中的占用者移动或位置。为此，本发明公开了一种占用估计器，该占用估计器把传感器数据和占用者交通模型当作输入，并且执行算法以基于所提供的输入来生成对该区或区域的占用估计。基于传感器数据和占用者交通模型的占用估计提供比仅基于传感器数据或仅基于模型的估计结果更加准确的占用估计。除了提供对占用和移动与其变化的更加准确的估计的好处以外，传感器数据与占用者交通模型的组合允许连续估计建筑物占用，即使缺乏来自一个或多个传感器的数据或者暂停传输传感器数据也是如此。在传感器可能被禁用或毁坏的紧急情形下这可能尤其有益。
[0024]在另一个示例性实施例中，占用者交通模型在估计占用中作为独立工具(例如没有传感器数据反馈)进行操作。这个实施例尤其适合于可以预期占用者向所限定的出口移动的流出操作模式。
[0025]图1A和IB图解了将在整个本描述中用来辅助描述占用估计算法的示例，其中占用估计是对建筑物的特定楼层做出的。关于本实施例所描述的概念可以应用于各种场景或位置(例如，户外、火车站、飞机场等等)。图1A图解了办公楼中的单个楼层的布局。在这个实施例中，楼层平面已被划分成五个单独区(标为区1、2、3、4和5)。在另一个实施例中，楼层平面基于各个办公室和房间的位置进行进一步的细分(即，基于地点的细分)。在图1A和IB所图解的区模型中，在每个出口处以及在每个相邻区1-5之间的边界包括用于检测占用者从一个区到另一个区的移动的传感器(未示出)。在其它实施例中，为改善占用估计的分辨率、可靠性和/或准确性，或者如果在边界处的传感器不存在或不在运行，可以在每个区中定位附加传感器。
[0026]图1B是图解图1A中定义的五个区的图示。标为1、2、3、4和5的大圆表示五个区，而标为6、7、8、9和10的较小圆表示建筑物中的出口。连接这些区的线指示存在连接相邻区的通道或过道。在相邻区之间移动的占用者的数量由变量yu(t)表示。位于特定区中的占用者的数量由变量Xi (t)表示(未示于图1B中)。
[0027]术语‘区域’在整个描述中用来指代区域以及该区域的各个分部。例如，在图1A和IB所示的示例性实施例中，术语‘区域’总体上指代楼层平面以及指代各个子区域或区1-5。因此，生成该区域的占用估计将包括生成每个单独区的占用估计。
[0028]另外，术语‘占用估计’被用于整个描述中并且通常指代与占用有关的输出。因此，对区域的占用估计可以包括这样的数据，所述数据诸如区域内占用者的数量的平均估计、与和占用的区域变化相关联的所有可能占用水平相关联的概率、指示与占用的估计相关联的置信可靠性的数据(例如，协方差)、以及其它与占用有关的类似有用数据。因此，在图1A和IB所示的示例中，为区域生成的占用估计将包括为区1-5每个生成的任一上面列出的数据。
[0029]图2是图解被提供到占用估计算法20的输入的示例性实施例的高级框图。被提供到占用估计算法20的输入包括传感器数据ζ (由一个或多个传感器装置提供)、传感器模型h、以及占用者交通模型f。占用估计算法20基于传感器数据ζ、传感器模型h、以及占用者交通模型f导出占用估计?例如，在图1A和IB所示的示例性实施例中，占用估计算法20为五个区中的每个生成占用估计?。在其它实施例中，对特定楼层平面中的每个房间做出估计。在示例性实施例中，传感器数据Z和占用估计JE被表示为向量，尽管在其它示例性实施例中可以以其它合适格式提供传感器数据。占用者交通模型f是用于预测在整个区域中占用者的预期交通模式的数学、计算机模拟或统计模型，其中这样的模型可以使用该区域中占用的先前估计。例如，占用者交通模型f可以应用于建筑物的每个区中的占用的先前估计以生成建筑物的每个区中的占用的预测估计或基于模型的估计。
[0030]然后由占用估计算法20将通过应用占用者交通模型f (例如，单阶段模型或基于KM的模型)而生成的基于模型的占用估计与传感器数据z (如果可用的话)进行组合。占用估计算法20将由占用者交通模型f提供的基于模型的占用估计与传感器数据z进行组合，这是通过基于每个输入的预测可靠性给相应输入分配权重实现的。例如，如果传感器数据z被确定为是高度可靠的，则占用估计算法20给传感器数据z分配较高权重并且对应的占用估计?在很大程度上基于所提供的传感器数据Z。反之，如果传感器数据Z被确定为是高度不可靠的，则更多权重被给予由占用者交通模型f提供的基于模型的占用估计。
[0031]根据基于模型的占用估计、传感器数据z以及与这两个输入相关联的加权，占用估计算法20为区域生成占用估计?。例如，关于图1A和IB所示的楼层平面，为区域生成占用估计i可以包括为五个区1-5的每个生成占用估计。另外，占用估计壬可以包括这样的数据，所述数据诸如与五个区的每个区相关联的平均占用估计、与五个区的每个区的每个可能占用水平相关联的概率、与五个区的每个区内或之间的占用者移动有关的数据、以及与五个区的每个区的上述估计相关联的可靠性(例如协方差值)。
[0032]另外，作为部分占用估计T生成的数据可以彼此相互关联。例如，区域中的占用概率可以由概率分布函数(PDF)描述为概率分布，该概率分布函数(PDF)定义与每个可能状态或占用水平相关联的可能性。曲线的峰值将表示与该区相关联的最可能占用估计，但另外，曲线的形状(例如，与曲线相关联的行准差)将提供与占用估计相关联的置信度或可靠性的指示。在其它实施例中，占用估计?可以包括与估计相关联的置信区间、与占用估计相关联的协方差、或者其它指示与占用估计?相关联的置信度或可靠性的可靠性计算。
[0033]在示例性实施例中，由占用估计算法20生成的占用估汁?是实时生成的，这允许占用估计用于实时应用(例如，作为第一响应者的输入)。在示例性实施例中，占用估计?可以用于建筑物内的占用的预见性或事后估计。在又一个示例性实施例中，占用估计支可以用来预测不久将来的占用估计。不久将来的占用估计可能在控制应用(诸如基于建筑物内占用者的预期的不久将来的移动的电梯呼叫)中有用。不久将来的占用估计也可能对第一响应者有用以提供不仅关于占用者的当前位置而且关于建筑物占用者的可能将来位置的数据。
[0034]在示例性实施例中，占用估计算法20是扩展卡尔曼滤波器(EKF)，EKF是用于基于观测和模型生成系统的状态估计的熟知算法。在其它实施例中，可以采用其它类型的能够组合传感器数据和基于模型的估计的滤波器(例如，传统卡尔曼滤波器)。EKF的好处是基于所接收的传感器数据z和占用者交通模型f实时提供计算的能力。在示例性实施例中，EKF采用占用者交通模型f以基于当前或目前占用估计来生成预测的或基于模型的占用估计。
[0035]EKF可以利用单阶段占用者交通模型或基于动力运动(KM)的占用者交通模型。将首先讨论单阶段占用者交通模型，包括占用估计算法20如何结合单阶段占用者交通模型以生成占用估计?。关于图5Α-6Β讨论基于KM的占用者交通模型。
[0036]在示例性实施例中，扩展卡尔曼滤波器(以单阶段模型或基于KM的模型为基础)占用估计的一般方程由以下方程定义:
【权利要求】
1.一种用于估计被划分成多个区段的区域中的占用的方法，该方法包括: 把所述多个区段的每个建模为包含阻塞部分和未阻塞部分； 基于状态方程来计算所述多个区段内的基于模型的占用预测，所述状态方程建模每个区段的阻塞部分中的占用者移动、建模每个区段的未阻塞部分中的占用者移动、以及部分地基于特定区段的入口被建模为阻塞还是未阻塞来建模区段之间的占用者移动；以及 提供基于模型的占用预测作为输出。
2.根据权利要求1的方法，还包括: 基于关于区域内的占用者位置的统计、模拟或存储数据，定义与区域内的占用者位置相关的初始条件。
3.根据权利要求1的方法，其中基于建模每个区段的阻塞部分中的占用者移动的状态方程来计算所述多个区段内的基于模型的占用预测包括: 把阻塞部分建模为具有由位于阻塞部分中的占用者数量定义的长度的队列，其中占用者被建模为基于队列延伸到区段中的距离进入该队列。
4.根据权利要求3的方法，其中基于建模每个区段的未阻塞部分中的占用者移动的状态方程来计算所述多个区段内的基于模型的占用预测包括: 把未阻塞部分建模为多个基本单元，其中占用者被建模为在每个时间步长中横越一个基本单元，其中占用 者被建模为当位于相邻于队列尾部的基本单元中的占用者在下一时间步长中前进时被添加到该队列。
5.根据权利要求4的方法，其中基于部分地基于特定区段的入口被建模为阻塞还是未阻塞来建模区段之间的占用者移动的状态方程来计算所述多个区段内的基于模型的占用预测包括: 基于区段的入口的宽度、在入口朝向区段的未阻塞部分时基本单元中的占用者的密度、以及在入口朝向区段的阻塞部分时队列中的空位的预测传播，生成与区段之间的占用者移动相关联的预测。
6.根据权利要求1的方法，还包括: 从一个或多个传感器装置采集传感器数据；以及 用所采集的传感器数据校正基于模型的占用预测以生成校正的占用估计。
7.根据权利要求6的方法，其中用所采集的传感器数据校正基于模型的占用预测以生成校正的占用估计包括: 应用扩展卡尔曼滤波器，该扩展卡尔曼滤波器生成与每个区段的阻塞部分中的占用者数量、每个区段的未阻塞部分中的占用者数量、以及相邻区段之间移动的占用者数量相关联的平均估计和协方差。
8.根据权利要求7的方法，其中该扩展卡尔曼滤波器还生成与每个区段的每个基本单元中的占用者数量相关联的平均估计和协方差。
9.一种用于估计被划分成多个区段的区域中的占用的系统，该系统包括: 用于把所述多个区段的每个建模为包含阻塞部分和未阻塞部分的装置； 用于基于状态方程来计算所述多个区段内的基于模型的占用预测的装置，所述状态方程建模每个区段的阻塞部分中的占用者移动、建模每个区段的未阻塞部分中的占用者移动、以及部分地基于特定区段的入口被建模为阻塞还是未阻塞来建模区段之间的占用者移动；以及 用于提供基于模型的占用预测作为输出的装置。
10.根据权利要求9的系统，还包括: 用于基于关于区域内的占用者位置的统计、模拟或存储数据来定义初始条件相关的区域内的占用者位置的装置。
11.根据权利要求9的系统，其中用于基于状态方程来计算所述多个区段内的基于模型的占用预测的装置包括: 用于把阻塞部分建模为具有由位于阻塞部分中的占用者数量定义的长度的队列的装置，其中占用者被建模为基于队列延伸到区段中的距离进入该队列； 用于把未阻塞部分建模为多个基本单元的装置，其中占用者被建模为在每个时间步长中横越一个基本单元，其中占用者被建模为当位于相邻于队列尾部的基本单元中的占用者在下一时间步长中前进时被添加到该队列；以及 用于基于区段的入口的宽度、在入口朝向区段的未阻塞部分时基本单元中的占用者的密度、以及在入口朝向区段的阻塞部分时队列中的空位的预测传播来生成与区段之间的占用者移动相关联的预测的装置。
12.根据权利要求9的系统，还包括: 用于从一个或多个传感器装置采集传感器数据的装置；以及 通过应用扩展卡尔曼滤波器而用所采集的传感器数据校正基于模型的占用预测以生成校正的占用估计的装置，该扩展卡尔曼滤波器生成与每个区段的阻塞部分中的占用者数量、每个区段的未阻塞部分中的占用者数量、以及相邻区段之间移动的占用者数量相关联的平均估计和协方差。
【文档编号】G06Q10/04GK103942624SQ201410164316
【公开日】2014年7月23日 申请日期:2008年2月26日 优先权日:2007年9月19日
【发明者】V.阿特拉兹赫夫, S.F.布尔拉特斯基, O.A.瓦西耶夫, N.S.埃里克马, R.N.托马斯蒂克 申请人:联合工艺公司