一种基于时空二维的视频布局规划方法与流程

本发明涉及大数据领域，特别是一种基于时空二维的视频布局规划方法。

背景技术：

过去社会视频(卡口)规划主要基于经验知识，采用粗放式思维确定监控视频空间点位。近年来，随着犯罪防控体系建设的深入，公安部门亟需科学、精确、合理的公共视频(卡口)规划方法。目前我国公安部门比较认可的社会监控视频(卡口)规划思想有两种，分别是“圈块格线点”和“五网工程”。其中“圈块格线点”理念考虑行政区划、道路、信息点与城市之间的空间关系，将城市“围圈”、“切块”、“分格”、“连线”、“定点”以最终实现对城市分层次的防控；“五网工程”包括“天网”、“地网”、“人网”、“法网”、“数网”，其选址主要突出全覆盖的理念。

虽然两种方法的思想在社会公共视频与卡口规划上起到了一定的推动作用，但由于缺乏科学、系统的解决方案和必要的数据支撑，导致上述规划理念还停留在方法学层面，缺乏具体的解决方法和量化的指标体系。

而且两种方法中的视频(卡口)选址主要依靠熟悉地形的当地人员或有经验工作人员进行布点，无法做到脱离人工作业的工作方式。同时社会治安视频(卡口)主要服务于公共安全行业，具体规划须与公安治安的“打、防、管、控”业务紧密联系，因此在实际推广应用中仍存在一定难度。另一方面，社会监控视频(卡口)主要用于辅助惩治、打击和预防犯罪，因此选址需要同时考虑地理以及犯罪成因因素。

技术实现要素：

本发明的目的在于克服现有技术的缺点与不足，提供了一种基于时空二维的视频布局规划方法。

本发明通过以下的方案实现：一种基于时空二维的视频布局规划方法，包括以下步骤：

S1：对数据进行采集处理；

S2：规划卡口的空间布局；

S3：规划视频空间布局。

进一步，所述步骤S1中所采集的数据包括：基础地理信息、交通专题类地理信息、公共资源类地理信息和警用业务类地理信息。

进一步，所述S2中包括：

S21：根据卡口空间布局计算，搭建卡口规划模型；

S22：对待建卡口点数与点位进行统计。

进一步，所述S21中，卡口规划模型P为:

其中，A为区域与等级道路交点集；

R为剔除内部内小路后的道路交叉口点集；

c表示道路与区域的交点；

r表示距离c最近的道路交叉点；

H为高速公路服务区、收费站、出入口点集；

跃阶函数f(x)表达式为：

进一步，所述S22中，待建卡口点数的计算模型为：

其中，P为规划点数；P1为待建规划点数；E为已建视频点数；

跃阶函数f(x)为：

进一步，所述步骤S3中具体包括：

S31：建立视频空间规划数量计算模型；

S32：对待建视频点位与点数计算。

进一步，所述步骤S31中，视频空间规划数量计算模型包括：视频空间布点模型和视频空间规划数量计算模型；

假设：A为区域与等级道路交点集；R为剔除内部路小路后的道路交叉口点集；H为高速公路服务区、收费站、出入口点集；D为信息点点集；S为过长路段按间距加密点集；Tr为道路交叉口类型,Ti为道路车道数；Te为单位类型；

所述视频空间布点模型包括：视频空间规划布点集P，其表达式为：

P＝A₁∪R₁∪D₁∪S₁，其中，

A1为盖面视频空间选点集，表达式为：

其中，跃阶函数f(x)为：

R1为路口视频空间选点集，其表达式为：

其中，跃阶函数f(x)为：

R0的表达式为：

跃阶函数f(x)为：

D1为重点单位视频空间选点集，表达式为：

其中g(d,Te)的表达式为：

S1为长度段加密空间选点集，其表达式为：

其中，跃阶函数f(x)为：

所述视频空间规划数量计算模型的表达式为：

其中，1≤α(r，T_l)≤nα为路口点系数，

1≤β(d，T_e)≤m，β为单位点系数，

λ₁为城市扩张系数；λ₂道路蠕动扩张系数；λ₃单位蠕动扩张系数。

进一步，所述步骤S32中，所述对待建视频点位与点数计算的模型为：

其中，P为规划点数；P1为待建规划点数；E为已建视频点数；

跃阶函数f(x)为：

进一步，还包括步骤S4：对视频覆盖度进行计算。

进一步，所述步骤S4中包括：

S41：筛选出视频盲区与视域重合度高的区域，并分析盲区内是否有必要增设视频点以及对重合范围较大的视频点之间是否有必要进行删减或移动；

S42：对比视频点的视域范围与防控区面积，计算规划点位的覆盖度。

相比于现有技术，本发明具备以下的有益效果：

(1)本发明从数据中挖掘视频(卡口)建设规律，减少人为主观因素干扰，规划结果具有客观性；

(2)本发明法从公安业务应用出发，考虑了社会治安视频(卡口)布点的选址因素，即实有人口、案事件、车流量、商圈POI四大因素，而这些因素对治安视频(卡口)布点的约束性是长久的，且在各个城市具有通用性；

(3)本发明考虑了城市的发展对视频(卡口)数量的影响，具备长时效性，随着时间的推移，规划模型仍将适用。

(4)本发明在完成后引入了对结果的评价反馈，可以对规划成果在模型中进行修正，保证了该模型在各城市规划中的适用性。

为了更好地理解和实施，下面结合附图详细说明本发明。

附图说明

图1是本发明的基于时空二维的视频布局规划方法的步骤流程图。

图2是步骤S2的具体步骤流程图。

图3是步骤S3的具体步骤流程图。

图4是视频成像模型示意图。

图5是步骤S4的具体步骤流程图。

具体实施方式

以下结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

请参阅图1，其为本发明的基于时空二维的视频布局规划方法的步骤流程图。

本发明提供了一种基于时空二维的视频布局规划方法，包括以下步骤：

S1：对数据进行采集处理。

进一步，所述步骤S1中所采集的数据包括：基础地理信息、交通专题类地理信息、公共资源类地理信息和警用业务类地理信息。

具体的，所述基础地理信息包括：基础地图类、地貌类、建构筑物类、水系类、用地类等。

所述交通专题类地理信息包括：交通路网、交通规则、交通站点、交叉路口、桥梁、隧道、天桥、地下通道、交通附属设施等。

所述公共资源类地理信息包括：地址、地名、公共设施、公共场所、行业、单位、商业、金融、教育、医疗、卫生等286类行业信息。

所述警用业务类地理信息包括：人口类、案件类、辖区类、行政区划类、视频卡口类、实时交通信息类等数据。

另外，在完成数据采集后，基于时空大数据集，本实施例中还利用时空聚类、时空统计、空间相关性分析、空间回归分析、BP神经网络机器学习等数据挖掘、分析方法。具体包括：

1、顾及人、车、案、商圈四要素的治安风险区域、风险等级自动识别、阈值训练提取；

2、聚居区、零散聚聚区自动识别；

3、构建基于路口类型与车道数的路口模型、路口布点系数机器学习；

4、重点单位布点系数机器学习；

5、基于人、车、案、商圈四要素筛选的视频路段间距识别；

另外，还基于时空数据进行城市蠕动、城市扩张系数的挖掘。

S2：规划卡口的空间布局。

具体的，在进行卡口的空间布局时，首先需要对以下几个方面进行设定，具体包括：

1、“4围8拍”分“4级卡口围栏”整体分区域控制

卡口围栏：以行政区划为基本面，以环省、环市、环区县、环聚居区4级包围圈逐渐缩小控制范围的原则，构建4级卡口围栏。控制穿过卡口围栏的等级道路(高速、国道、省道、县道、乡道、城市干道)，保证每进出一道视频围栏能被卡口各抓拍1次，同时通过卡口过卡车流分析，在车流量大、路段间距较长的地段(卡口主城区3公里、城区周边5公里、国省道15公里为间隔)增设卡口，将省、市、区县切块分区域控制。

2、控制特殊点位车辆的进出，细化卡口空间布局

特殊点位：在高速公路出入口、大型服务区、收费站增设卡口点位，实现进出特殊点位的机动车辆、非机动车辆及行人的双向实时监控，实现所有车辆的抓拍、识别、比对功能。

3、考虑卡口实际施工因素，优化卡口布点位置

施工因素：局部上，考虑到卡口施工与取电等的难易程度，优先在道路平直、坡度较小、平缓以及道路较平整路段选择卡口具体点位，对整体卡口布点进行局部优化。

接着，请同时参阅图2，其为步骤S2的具体步骤流程图。接着，再进行卡口的空间规划模型的建立，具体包括以下步骤：

S21：根据卡口空间布局计算，搭建卡口规划模型。

进一步，所述S21中，卡口规划模型P为:

其中，A为区域与等级道路交点集；

R为剔除内部内小路后的道路交叉口点集；

c表示道路与区域的交点；

r表示距离c最近的道路交叉点；

H为高速公路服务区、收费站、出入口点集；

跃阶函数f(x)表达式为：

其中，||c-r||：表示c-r的绝对值。c-r表示的是等级道路与区域的交点距离最近道路交叉点的距离，当||c-r||大于距离阈值(距离阈值是前期大数据挖掘获得的值)时，f(||c-r||)取值为1，当||c-r||<＝距离阈值时，f(||c-r||)取值为0。

S22：对待建卡口点数与点位进行统计。进一步，所述S22中，待建卡口点数的计算模型为：

其中，P为规划点数；P1为待建规划点数；E为已建视频点数；

跃阶函数f(x)为：

S3：规划视频空间布局。

具体的，在进行视频空间布局之前，需要完成以下几个方面的控制，具体包括：

1、顾及“人、车、案、商圈”4要素，盖面定点连线区域细化控制，具体包括以下几个模式：

(1)盖面控制模式

所述盖面为：按照基本警务管理单元(派出所或警务室)、零散聚居区、乡镇、自然村进行面覆盖检查，补漏。保证进出这些区域的路有视频覆盖。

(2)定点控制模式

定点：打破城市分级分类，一类点视频统一按照“道路交叉口+重点单位+立体防控点”视频全布控的原则，通过筛选-抽稀-定系数三个步骤，完成视频空间布点。

筛选：每个布控点按照“人、车、案、商圈”四要素覆盖度和热点密度筛选；

抽稀：按照大数据挖掘出来的最小间距阈值，对过密的路口、单位空间布点进行抽稀。

系数：按路口类型(如十字路口、T字路口、平交路口、立交路口等)、道路车道数两个维度确定布点系数，重点单位按级别确定布点系数；

立体防控点：高空瞭望点、桥梁、隧道、过街天桥、地下通道从上之下的立体防空点，按照挖掘的阈值筛选布点。

(3)连线控制模式

路段筛选：定点间距(路口间距)大于100米的路段，按照“人、车、案、商圈”四要素覆盖度和热点密度筛选。

间距加密：路口点覆盖后，在筛选出的长路段按间距增设视频点；

(4)区域细化

视频补点：考虑重点人口聚集区、重要管制物品(包括易燃易爆、有毒化学品等)生产与周转区域、城市化进程中产生的城乡结合部、城中村等区域视频补点；

点位优化：根据路段曲折度，在道路、桥梁、隧道拐弯点优先部署视频点。

2、顾及未来城市蠕动和扩张，确保视频立体防控网的智慧延展

以2013-2015年的数据为例，考虑未来城市蠕动、城市扩张对视频规划的影响，基于2013-2015时空数据分析，挖掘城市逐年蠕动、扩张系数，将蠕动、扩张系数按单位扩张、路网扩张、建成区扩张3类，按等量蠕动、扩张模型分别计算。

参数说明：

λ_i为扩张系数，当i＝1时，λ₁为路网扩张系数；当i＝2时，λ₂为单位扩张系数；当i＝3时，λ₃为城市建成区扩张系数。

n为规划年数，当n＝1时，为2016年规划，依次类推。

X_i为当年扩张因素总量，当i＝1时，X₁为路网总里程数；当i＝2时，X₂为单位POI总数；当i＝3时，X₃为城市建筑物总面积。

Y_i为前一年扩张因素总量。

3、顾及各类型案件流动性，严控案件高发区动态变化

对近五年各类型案件进行分类分析，挖掘案件高发区域的流动趋势，预测未来案件高发区域的流向性，将其与规划点位视域范围进行叠加，识别案件高发区域内的视频空白区域，并在此区域内增设视频点位，严格控制案件高发区的动态变化。

接着，请同时参阅图3，其为本发明的步骤S3的具体步骤流程图。进一步，所述步骤S3中进行视频空间模型建立具体包括以下步骤：

S31：建立视频空间规划数量计算模型。进一步，所述步骤S31中，视频空间规划数量计算模型包括：视频空间布点模型和视频空间规划数量计算模型。

假设：A为区域与等级道路交点集；R为剔除内部路小路后的道路交叉口点集；H为高速公路服务区、收费站、出入口点集；D为信息点点集；S为过长路段按间距加密点集；Tr为道路交叉口类型,Ti为道路车道数；Te为单位类型；

所述视频空间布点模型包括：视频空间规划布点集P，其表达式为：

P＝A₁∪R₁∪D₁∪S₁

其中，

A1为盖面视频空间选点集，表达式为：

其中，跃阶函数f(x)为：

R1为路口视频空间选点集，其表达式为：

其中，跃阶函数f(x)为：

R0的表达式为：

跃阶函数f(x)为：

D1为重点单位视频空间选点集，表达式为：

其中g(d,Te)的表达式为：

S1为长度段加密空间选点集，其表达式为：

其中，跃阶函数f(x)为：

所述视频空间规划数量计算模型的表达式为：

其中，1≤α(r，T_l)≤nα为路口点系数，

1≤β(d，T_e)≤m，β为单位点系数，

λ₁为城市扩张系数；λ₂道路蠕动扩张系数；λ₃单位蠕动扩张系数。

“#”表示集合中元素的个数，如#A表示集合A中的元素个数。

S32：对待建视频点位与点数计算。进一步，所述步骤S32中，所述对待建视频点位与点数计算的模型为：

其中，P为规划点数；P1为待建规划点数；E为已建视频点数；

跃阶函数f(x)为：

步骤S4：对视频覆盖度进行计算。

具体的，在对视频覆盖度进行评估计算时，需要应用到以下两个模型，视频成像模型和最大覆盖模型，具体的模型如下：

(1)视频成像模型

空间中的一地面点被视频传感器感知必须满足两个条件：①空间点在视频传感器的视棱锥中，即空间点在视频传感器中成像；②视频传感器与空间点之间不存在遮挡。

条件①与视频传感器感知模型相关，条件②还与地理环境中的障碍物有关。视频传感器感知模型公式7所示，基本参数包括：成像芯片尺寸、焦距(f)、中心点等。姿态参数包括：方位角P、俯仰角T、横滚角v、尺度因子λ。

地理空间中一个点能被视频传感器感知到，需要视线与靶面有交点，即图像坐标满足x∈[x_min，x_max]，y∈[y_min，y_max]；[x_min，x_max]与[y_min，y_max]分别表示图像坐标系中图像点在坐标轴方向上的最大最小值。同时，视线之间无障碍点，即判断障碍物的高度是否高于当前视线与障碍物交点的高度。如附图4所示，其为本发明视频成像模型示意图。在附图中，G₁被覆盖，而G₂未被覆盖。

(2)最大覆盖模型

最大覆盖模型是选址分析评价常用的模型，优化目标是对有限的服务网点(如商场)进行选址，为尽可能多的对象(如客户)提供服务。本研究将治安防控区转换为服务需求区，规划的视频(卡口)作为服务网点，按最大覆盖模型理论，可利用此模型对规划视频(卡口)点，确定终端参数，进行最大覆盖评估和选址优化。

其中，具体的模型如下：

max∑_j∈M∑_i∈A(j)d_iy_ij

Σ_j∈B(i)y_ij≤1，i∈N，∑_i∈A(j)d_iy_ij≤D_jx_j，i∈M，∑_j∈Mx_j＝p

x_i∈{0，1}，j∈M，xi＝1建点，xi＝0不建点；

y_ij≥0，i∈N，j∈M，节点i需求中被分配给设施点j的比例；

N-区域中的需求点(治安防控区)集合，N＝{1，2，...，n}；

M-区域中可建设设施(视频)的候选点集合，M＝{1，2，...，m}；

d_i-第i个需求点的需求量；

D_j-实施点j的服务能力；

P-允许建设设施点的数目；

A_(j)-实施点j可覆盖需求点i的集合；

B_(i)-可以覆盖需求点i的设施节点i的集合；。

进一步请参阅图5，其为本发明的步骤S4的具体步骤流程图。在基于上述两个模型的基础上，在S4中对视频覆盖度的评估具体包括以下步骤：

S41：筛选出视频盲区与视域重合度高的区域，并分析盲区内是否有必要增设视频点以及对重合范围较大的视频点之间是否有必要进行删减或移动。

S42：对比视频点的视域范围与防控区面积，计算规划点位的覆盖度。

相比于现有技术，本发明具备以下的有益效果：

(1)本发明从数据中挖掘视频(卡口)建设规律，减少人为主观因素干扰，规划结果具有客观性；

(2)本发明法从公安业务应用出发，考虑了社会治安视频(卡口)布点的选址因素，即实有人口、案事件、车流量、商圈POI四大因素，而这些因素对治安视频(卡口)布点的约束性是长久的，且在各个城市具有通用性；

(3)本发明考虑了城市的发展对视频(卡口)数量的影响，具备长时效性，随着时间的推移，规划模型仍将适用。

(4)本发明在完成后引入了对结果的评价反馈，可以对规划成果在模型中进行修正，保证了该模型在各城市规划中的适用性。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。