一种确定群体行为发生地的方法及设备与流程

本发明涉及识别突发群体行为，尤其涉及一种确定群体行为发生地的方法及设备。

背景技术：

当今社会是一个人口密集，高度复杂的社会，面临的突发事件和突发行为越来越多，对其疏散的难度和重要性也越来越突出。现有的视频监测系统大多数只是进行场景内运动目标的监测和跟踪，而对运动目标行为的识别与理解却很少，虽然人们不断建立越来越大的视频监控系统，但这些监控系统几乎只能提供一种事后录像取证的工具。

目前，利用智能视频监控应对旅客群体突发行为进行疏散主要面临两大挑战：

一方面，监控场景范围广，旅客群体突发行为模式复杂。随着监控设备的普及和技术的成熟，监控场景的范围越来越广泛，从公共广场到建筑内部，不同监控场景的旅客群体活动具有不同的突发行为模式，最具代表性的突发行为模式为旅客群体的聚集和逃散，例如广场中某处发生骚乱，旅客群体四处逃散，或向一侧出口逃散，或者广场上某一区域发生聚集。面对如此复杂的突发行为模式，能够实时确定旅客群体突发行为的发生地对进行安全疏散来说十分重要。

另一方面，利用智能视频监控探测突发模式比较困难。对于智能视频监控来说，及时地探测出旅客群体的突发行为是衡量探测方法有效性的重要标准，及时的探测有助于警报的发出和旅客群体的疏散和逃生，从而能够将危险造成的损失降到最低，但现有技术都无法实现及时的探测出群体突发行为的聚集地，无法及时指导聚集群体进行疏散和逃生。

技术实现要素：

本发明提供一种确定群体行为发生地的方法及设备，能够及时确定群体行为的发生地，对聚集群体进行智能疏散，确保公共场合应急情况的安全疏散。

本发明提供一种确定群体行为发生地的方法，该方法包括：

将监控到的环境区域划分成对应不同环境属性的栅格区域，将每个栅格区域划分为至少一个精细栅格；

基于边缘数据中心对所述精细栅格区域内终端的采样数据进行处理，确定所述精细栅格对应的终端行为参数警戒值，及确定所述精细栅格区域内的终端行为参数；

根据所述确定的精细栅格对应的终端行为参数警戒值，及所述精细栅格区域内的终端行为参数，确定所述精细栅格是否发生用户群体聚集行为。

本发明提供一种确定群体行为发生地的设备，该设备包括：处理器以及存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器用于执行如下步骤：

将监控到的环境区域划分成对应不同环境属性的栅格区域，将每个栅格区域划分为至少一个精细栅格；

基于边缘数据中心对所述精细栅格区域内终端的采样数据进行处理，确定所述精细栅格对应的终端行为参数警戒值，及确定所述精细栅格区域内的终端行为参数；

根据所述确定的精细栅格对应的终端行为参数警戒值，及所述精细栅格区域内的终端行为参数，确定所述精细栅格是否发生用户群体聚集行为。

本发明提供的一种确定群体行为发生地的方法及设备，具体以下有益效果：

一方面，基于5g边缘数据中心平台对采集的群体数据进行计算，能够降低群体行为检测数据预处理的计算量和计算复杂度，满足群体行为检测的高速甚至实时的要求；

另一方面，能够确定群体行为的发生地，对突发聚集行为快速回应，对聚集群体进行智能疏散，确保公共场合应急情况的安全疏散。

附图说明

图1为一种确定群体行为发生地的方法步骤图；

图2为划分精细栅格区域图；

图3为射频拉远rru设备确定终端数量图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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它实施例，都属于本发明保护的范围。

实施例一

为了能更详细的解释本发明的内容，下面就本发明采用的边缘数据作具体介绍，如下所示：

边缘数据中心是指位于本地接近用户侧的数据中心，可以向本地用户提供服务，本地用户不必去访问远端的数据中心，因此边缘数据中心可以向用户提供高带宽、低时延的访问应用。

例如，将边缘数据中心的处理方式应用在车联网，通过边缘数据中心低时延的处理能够是车联网达到规定的安全级别，其中，基于边缘数据中心的服务器能够下沉到网络边缘的各个节点，节省网络时延。

具体的，边缘数据中心可以作为每个社区网络边缘设置的服务器，通过该网络边缘设置的服务器对采集的各类样本数据进行处理。

本实施例应用了边缘数据中心边缘计算的方法对上述精细栅格区域内终端的采样数据进行处理，边缘数据中心的边缘计算，是智能化云计算的落地部署，应用在物联网局部实现了数据成环，并能够通过边缘计算(edgecomputing)确定上述精细栅格对应的终端行为参数警戒值，及确定上述精细栅格区域内的终端行为参数，进一步实现数据决策、行为反馈、自动组网、负载平衡等全层域的智能化，在脱离云计算的情况下，应用也能够独立地、灵活地运行，从而在应用场景的小范围内形成物联网“生态”。

基于5g网络具体超低时延、超高速率和海量连接的特性，需要对大量数据在本地进行计算并下发终端时，利用5g网络下的边缘数据中心能够更加实时、高效的对大量数据进行处理。

本实施例中的边缘数据中心为5g边缘数据中心应用层，5g边缘数据中心应用层由应用服务器构成，负责数据边缘计算的加工分析、提供应用接口，以及数据展示。

本发明提供的一种确定群体行为发生地的方法，用于在群体聚集的公共场所利用边缘数据中心进行边缘计算，及时的确定发生了群体行为，并确定发生群体行为的发生地点，能够及时利用广播或视频等公共场所现有设备对发生群体事件的用户进行疏散指导，尤其在发生突发事件例如发生火灾时，及时确定发生火灾的事故地点，对群体进行安全疏散指导。

该方法的具体实施如图1所示，实施步骤如下：

步骤101：将监控到的环境区域划分成对应不同环境属性的栅格区域，将每个栅格区域划分为至少一个精细栅格；

步骤102：基于边缘数据中心对上述精细栅格区域内终端的采样数据进行处理，确定上述精细栅格对应的终端行为参数警戒值，及确定上述精细栅格区域内的终端行为参数；

步骤103：根据上述确定的精细栅格对应的终端行为参数警戒值，及上述精细栅格区域内的终端行为参数，确定上述精细栅格是否发生用户群体聚集行为。

实施中，上述环境属性是根据不同建筑区域的不同用途确定的不同环境属性，从而确定不同环境属性的栅格区域。

具体的，为了确定环境属性的栅格区域，从而确定用户群体聚集行为的发生地点，需要根据建筑环境区域的用途将上述环境区域划分成不同环境属性的栅格区域。以兰州西站为例，可以将兰州西站这个环境区域根据不同的用途，分为以下几个不同环境属性的栅格区域：

南北站房、高架候车厅、南北城市通廊、高架车道、落客平台、站台雨棚以及物流通道；

实施中，确定了上述栅格区域也就确定了该栅格区域内的用户群体可能发生聚集行为的发生地点，为了将确定的用户群体聚集行为的发生地点的范围尽可能的缩小，可以将每个栅格区域划分为至少一个精细栅格；

如图2所示，将覆盖高架层检票区的一个栅格区域划分为4个精细栅格：覆盖高架层检票区西北、覆盖高架层检票区东北、覆盖高架层检票区西南以及覆盖高架层检票区东南；将覆盖站台层雨棚的一个栅格区域划分为4个精细栅格：覆盖站台层雨棚西北侧、覆盖站台层雨棚东北侧、覆盖站台层雨棚西南侧以及覆盖站台层雨棚东南侧。

实施中，基于边缘数据中心可以是5g边缘数据中心，上述精细栅格区域内终端的采样数据可以是射频拉远设备rru中的终端行为参数和/或由终端的sim卡标识信息确定的终端行为参数。

作为一种可选的实施方式，上述精细栅格区域内的终端行为参数是根据精细栅格区域内终端的采样数据确定的如下任一或任多个参数，包括：

终端数量、话务增长量、溢出率概率。

实施中，上述终端行为参数警戒值也是根据精细栅格区域内终端的采样数据确定的如下任一或任多个参数，包括：

终端数量、话务增长量、溢出率概率。

具体的，上述终端行为参数警戒值是在没有发生用户群体聚集行为的情况下即正常情况下，基于边缘数据中心对预先划分的精细栅格区域内的终端采样数据进行边缘计算，得出的终端行为参数警戒值基于常识判断，群体用户在正常情况下的运动是有序的，群体用户的位置按一定规律分布，即精细栅格区域内的终端位置按一定规律分布，精细栅格区域内的终端和网络设备的交互数据有一定的规律性，因此根据上述每个精细栅格区域内的终端行为参数值能够确定每个精细栅格区域在正常情况下的终端行为参数警戒值。

上述精细栅格区域内终端行为参数警戒值是低于该精细栅格区域内正常情况下的终端行为参数值。

例如：上述精细栅格区域是地铁站，精细栅格区域内的终端行为参数值是话务增长量，该地铁站是换乘站，当列车到达地铁站后，用户在短时间内完成上下车，要出站的用户沿侧站台集中到楼梯口出站，要换乘的用户沿换乘线进入另一条线站台，若此时出站或者换乘的用户开始通话或者上网，根据终端和网络设备的交互数据，能够判断当前该精细栅格区域内，话务量急剧上升，说明正常情况下，每当地铁进站后，在换乘线路或者出站线路上，该精细栅格区域的话务量出现高峰，若一小时内地铁进站5次，那么在一小时内该精细栅格区域的话务量会出现5次高峰，说明精细栅格区域内的终端和网络设备的交互数据，在正常情况下有一定的规律性，因此，可以对正常情况下设定时间内，精细栅格区域内的终端行为参数求均值，来确定终端行为参数警戒值，也可以对正常情况下设定时间内，精细栅格区域内的终端行为参数求和，来确定终端行为参数警戒值，本实施例不做过多限定。

上述精细栅格区域内的终端行为参数与终端行为参数警戒值是对应的，即精细栅格区域内的终端行为参数是终端数量时，该精细栅格对应的终端行为参数警戒值为该精细栅格区域内未发生群体聚集行为时，该精细栅格区域内的终端数量；精细栅格区域内的终端行为参数是话务增长量、溢出率概率时，该精细栅格对应的终端行为参数警戒值为该精细栅格区域内未发生群体聚集行为时，该精细栅格区域内的话务增长量、溢出率概率。

上述终端行为参数值中的终端数量能够说明在上述精细栅格区域内使用终端的用户的数量，话务增长量能够说明在上述精细栅格区域内使用终端的用户进行语音通话的话务量是否较正常情况下该时间段内的话务量有所增长，从而能够判断该精细栅格区域内是否发生了群体聚集行为，溢出率概率能够说明在上述精细栅格区域内使用终端的用户在信令信道sdcch上的溢出总次数与试呼总次数，较正常情况下该时间段内的溢出总次数与试呼总次数是否有所增加，从而判断该精细栅格区域内的用户是否发生了群体聚集行为，因此根据精细栅格区域内的终端数量、话务增长量、溢出率概率是否高于正常标准，从而确定该精细栅格区域内用户发生了群体聚集行为。

作为一种可选的实施方式，根据精细栅格区域内终端的采样数据确定终端数量，包括：

根据各个精细栅格区域内终端的采样数据中的用户身份识别卡sim卡标识信息，确定上述各个精细栅格区域内的终端数量。

实施中，通过采样数据中的sim卡标识信息确定上述终端的数量。

具体的，每个智能终端都有sim卡，用于网络数据业务的正常使用，每个sim卡卡号iccid都是唯一的，可以通过采集iccid来统计终端的数量，如果是移动用户，则可以通过采集移动用户识别码imsi统计移动用户数量。

具体实现时，如果统计全部的移动、联通、电信用户的话，工作量太大，因此，根据移动用户标识imsi，只统计移动用户数量，根据移动、联通、电信用户的比例，最终计算出所有终端用户数量。

实施中，根据射频拉远rru设备确定当前与rru进行交互的精细栅格区域内的终端数量，如图3所示。

上述rru设备主要完成对射频信号的滤波、信号放大和上下变频处理，并采用数字中频技术来实现从中频模拟信号到基带数字信号的转换。通过rru设备检测到的当前与rru进行交互的精细栅格区域内的终端语音/数据，确定该精细栅格区域内的终端数量，具体方法如下：

基站配置为s/2/3/3，三个扇区中每个扇区载频数分别是2、3、3；

1个载频需配置8个信道，2个载频需配置16个信道，16个信道中选取1个作为广播控制信道bcch(broadcastcontrolchannel)传输控制信号；

若剩余15个信道都作为业务信道tch(trafficchannel)传输语音/数据业务；

若上述剩余的15个信道满足15个全速率的用户同时通话或者30个半速率的用户同时通话，呼损为2％；

根据爱尔兰b容量表确定15个信道对应的话务量为5.411erl，根据话务模型确定每个用户话务量为0.025erl，则确定容量＝5.411/0.025＝216.44，即确定用户数为216.44。

图3中，栅格区域确定为七里河_兰州西客站_e607528，将上述栅格区域划分为8个精细栅格区域：七里河区_兰州西客站-1(室分)_e608470、七里河区_兰州西客站-2(室分)_e608572、七里河区_兰州西客站-3(室分)_e608566、七里河区_兰州西客站-4(室分)_e608495、七里河区_兰州西客站-5(室分)_e608496、七里河区_兰州西客站-6(室分)_e607815、七里河区_兰州西客站-7(室分)_e608465、七里河区_兰州西客站-8(室分)_e608405，根据图中未从安检口至候车区区域内rru设备中承载的原用户数，以及从安检口至候车区区域内的新用户数，确定上述原用户数和新用户数之间的数量差在设定范围内时，说明当前精细栅格区域内终端用户行为参数在正常范围内，该精细栅格区域内未发生用户群体聚集行为。

作为一种可选的实施方式，根据精细栅格区域内终端的采样数据确定话务增长量、溢出率概率，包括：

根据各个精细栅格区域内终端的采样数据中语音信道中传输的语音数据以及信令信道传输的信令数据，确定上述各个精细栅格区域内的话务增长量以及溢出率概率。

实施中，上述信令信道传输的信令数据包括独立专用控制信道sdcch中话务溢出总次数与话务试呼总次数；

上述语音信道中传输的语音数据包括语音溢出总次数与语音试呼总次数。

精细栅格区域溢出概率＝精细栅格区域溢出率超过设定门限次数/精细栅格区域总的话务统计报告次数*100％。

其中，精细栅格区域溢出率是精细栅格区域sdcch话务溢出率；或者

精细栅格区域语音信道语音溢出率；

上述sdcch话务溢出率可以通过以下公式进行计算：

sdcch话务溢出率＝忙时sdcch溢出总次数/忙时sdcch试呼总次数；

上述语音溢出率可以通过以下公式进行计算：

语音信道语音溢出率＝忙时语音信道溢出总次数/忙时语音信道试呼总次数；其中忙时定义为一天24小时按时段统计语音信道语音数据最大值的时段为忙时，如可定义忙时为上午10:00～11:00。

实施中，发生聚集行为时精细栅格区域内确定的话务量/上行rlc吞吐率(bps)会发生变化，例如：精细栅格区域为广场，当该精细栅格区域发生聚集时，该精细栅格区域话务量/上行rlc吞吐率为6.3erl/20mbps，而没有发生聚集的正常情况下，该精细栅格区域话务量/上行rlc吞吐率为5.6erl/8mbps，因此当精细栅格区域发生聚集时，话务量/上行rlc吞吐率会大大增加高于正常情况下该精细栅格区域的话务量/上行rlc吞吐率，语音/话务溢出率可能超过20％。

上述吞吐率是单位时间内通过某通信信道或某个节点成功交付数据的平均速率，通常以每秒比特数bps为单位，上行rlc吞吐率越大，说明话务量越高，越可能在语音数据传输信道发生拥堵。

实施中，基于边缘数据中心对上述精细栅格区域内终端的采样数据进行处理，确定上述精细栅格在正常情况下对应的终端行为参数警戒值，以兰州西客站作为一个栅格区域为例，将兰州西客站分为14个精细栅格区域，如图2所示，具体实施步骤如下：

步骤201：预先定义上述每个精细栅格区域内用户的最大数量，作为每个精细栅格区域终端行为参数的参考值；

步骤202：建立直角坐标系，将每个精细栅格区域所在的x轴和y轴均分为n等分，得到每个精细栅格区域对应的n个单元精细栅格区域；

具体的，定义单元精细栅格区域为：(a1i，b2i)，其中：

其中，i为大于零的整数；

上述int函数为对函数内的值取整数值，i的取值为从1到n，表示单元精细栅格的编号，单元精细栅格区域是一个矩形空间，能够根据坐标位置变化实现计算该精细栅格区域终端行为参数，上述矩形空间的长度和宽度分别为dal和dbl，如下式所示：

上述dal是精细区域栅格在x轴上进行n等份后，得到的单元精细栅格区域在x轴的长度，其中，结束a1-开始a1＝精细区域栅格在x轴的长度；

dbl是精细区域栅格在和y轴上进行n等分后，得到的单元精细栅格区域在y轴的长度，其中，结束b2-开始b2＝精细区域栅格在y轴的长度。

步骤203：对上述每个单元精细栅格终端行为参数初始化；

具体的，定义上述每个单元精细栅格区域内的终端数量为1、话务增长量为1、溢出率概率为1；

步骤204：确定上述精细栅格区域内单元精细栅格终端行为参数；

具体的，上述终端行为参数与单元精细栅格所在的位置有关，即单元精细栅格区域内的终端行为参数表示如下：

式中，yt为预先定义的精细栅格终端行为参数的数据压缩系数，(a1，b2)为初始单元精细栅格区域；

其中，wir为预先定义的精细栅格区域终端行为参数最大值。

步骤205：确定上述单元精细栅格所在的精细栅格终端行为参数；

根据当前单元精细栅格区域所在位置(a1i，b2i)，确定当前终端行为参数；

根据当前单元精细栅格区域所在位置的上一位置，确定遗漏终端行为参数；

根据上述当前终端行为参数以及遗漏终端行为参数，确定该单元精细栅格区域实际终端行为参数如下：

实际终端行为参数＝当前终端行为参数+遗漏终端行为参数；

其中，上述终端行为参数为以下任一种参数：

溢出率概率、话务增长量、终端数量。

具体的，对x轴进行操作，确定当前单元精细栅格在x轴的终端行为参数，在当前单元精细栅格所在的精细栅格区域内的x轴求积分值imia，根据以下公式，确定当前精细栅格区域内的终端行为参数：

q＝imia+βq-gv；

上述βq为当前精细栅格区域所在上一位置时遗漏的终端行为参数，β为终端行为参数留存系数，gv是未识别到数据量。

确定单元精细栅格区域在y轴上应有的终端行为参数，参照步骤205，这里不再赘述。

上述单元精细栅格在x轴进行终端行为参数计算时，规定单元精细栅格不仅在单元精细栅格所在的精细栅格x轴上进行计算，也可以在上述精细栅格以及与精细栅格相邻的精细栅格两个区间相交的x轴上进行终端行为参数计算。

步骤206：确定精细栅格对应的行为参数平均值；

根据上述确定的单元精细栅格所在的精细栅格终端行为参数，参照步骤1中预先定义的每个精细栅格区域内用户的最大数量，确定上述精细栅格终端行为参数为精细栅格对应的行为参数平均值。

具体的，根据求出的终端行为参数平均值与上述预先定义的精细栅格区域内用户的最大数量进行比较，确定上述求出的终端行为参数平均值是否合理正确。

步骤207：确定精细栅格对应的终端行为参数警戒值。

确定精细栅格对应的终端行为参数警戒值是比上述确定的终端行为参数平均值稍小的值，具体大小可由用户定义。

具体的，当确定的该精细栅格区域内终端行为参数中的任一参数高于对应的终端行为参数警戒值时，确定该精细栅格区域内发生用户群体聚集行为。

作为一种可选的实施方式，根据上述确定的精细栅格对应的终端行为参数警戒值，及上述精细栅格区域内的终端行为参数，确定上述精细栅格是否发生用户群体聚集行为，包括：

确定上述精细栅格区域内的终端行为参数超过上述精细栅格对应的终端行为参数警戒值时，确定上述精细栅格是否发生用户群体聚集行为。

作为一种可选的实施方式，确定上述精细栅格发生用户群体聚集行为之后，还包括：

根据发生用户群体聚集行为的精细栅格的位置，以及除上述发生用户群体聚集行为的精细栅格外其他精细栅格区域内的用户数量，确定上述发生用户群体聚集行为的精细栅格内用户群体的疏散路径。

以兰州西客站为例，将兰州西客站作为一个栅格区域，划分成多个精细栅格，包括：站台、楼梯、出入口，根据上述确定的精细栅格的位置，确定该精细栅格区域内的安全通道的位置，同时根据除上述发生用户群体聚集行为的精细栅格外其他精细栅格区域内的用户数量，确定用户数量较多的精细栅格区域可能会出现拥堵，确定疏散路径时能够避开上述可能会出现拥堵的精细栅格区域。

实施中，基于边缘数据中心预先确定设定时间段内正常情况下精细栅格区域内的终端行为参数警戒值，作为该精细栅格区域内终端行为参数的基准数据；

确定该精细栅格区域在设定时间段内的终端行为参数高于上述基准数据时，确定疏散路径。

作为一种可选的实施方式，确定上述发生用户群体聚集行为的精细栅格内用户群体的疏散路径之后，还包括：

根据确定的疏散路径进行广播通知或视频播放的形式对精细栅格内用户群体进行疏散指导。

作为一种可选的实施方式，上述疏散指导有以下三种方式：

正常的疏散指导方式：广播通知、视频播放；

一般的疏散指导方式：有线/无线传输音视频播放、数字播放、智能控制；

紧急的疏散指导方式：报警强插广播、双向对讲广播系统。

综上，本实施例提供的方法能够判断精细栅格区域内的用户数量，及时地确定出该精细栅格区域内的用户的行为中包含的行为参数信息，根据这些行为参数确定发生群体聚集行为，能够提高判断的准确率和时间效率，降低漏报错报率，为解决公共场所群体聚集行为提供更有价值的信息。

实施例二

基于同一发明构思，本发明还提供一种确定群体行为发生地的设备，该设备的具体实施可参见方法实施例部分的描述，重复之处不再赘述。

该设备包括：处理器以及存储器，其中，上述存储器存储有程序代码，当上述程序代码被上述处理器执行时，使得上述处理器用于执行如下步骤：

将监控到的环境区域划分成对应不同环境属性的栅格区域，将每个栅格区域划分为至少一个精细栅格；

基于边缘数据中心对上述精细栅格区域内终端的采样数据进行处理，确定上述精细栅格对应的终端行为参数警戒值，及确定上述精细栅格区域内的终端行为参数；

根据上述确定的精细栅格对应的终端行为参数警戒值，及上述精细栅格区域内的终端行为参数，确定上述精细栅格是否发生用户群体聚集行为。

作为一种可选的实施方式，上述处理器还用于：

根据不同建筑区域的不同用途确定不同环境属性的栅格区域。

作为一种可选的实施方式，确定上述精细栅格发生用户群体聚集行为之后，还包括：

根据发生用户群体聚集行为的精细栅格的位置，以及除上述发生用户群体聚集行为的精细栅格外其他精细栅格区域内的用户数量，确定上述发生用户群体聚集行为的精细栅格内用户群体的疏散路径。

作为一种可选的实施方式，上述终端行为参数为根据精细栅格区域内终端的采样数据确定的如下任一或任多个参数，包括：

终端数量、话务增长量、溢出率概率。

作为一种可选的实施方式，根据精细栅格区域内终端的采样数据确定终端数量，包括：

根据各个精细栅格区域内终端的采样数据中的用户身份识别卡sim卡标识信息，确定上述各个精细栅格区域内的终端数量。

作为一种可选的实施方式，根据精细栅格区域内终端的采样数据确定话务增长量、溢出率概率，包括：

根据各个精细栅格区域内终端的采样数据中语音信道中传输的语音数据以及信令信道传输的信令数据，确定上述各个精细栅格区域内的话务增长量以及溢出率概率。

作为一种可选的实施方式，上述信令信道传输的信令数据包括独立专用控制信道sdcch中话务溢出总次数与话务试呼总次数；

上述语音信道中传输的语音数据包括语音溢出总次数与语音试呼总次数。

作为一种可选的实施方式，其特征在于，根据上述确定的精细栅格对应的终端行为参数警戒值，及上述精细栅格区域内的终端行为参数，确定上述精细栅格是否发生用户群体聚集行为，包括：

确定上述精细栅格区域内的终端行为参数超过上述精细栅格对应的终端行为参数警戒值时，确定上述精细栅格是否发生用户群体聚集行为。

作为一种可选的实施方式，其特征在于，确定上述发生用户群体聚集行为的精细栅格内用户群体的疏散路径之后，还包括：

根据确定的疏散路径进行广播通知或视频播放的形式对精细栅格内用户群体进行疏散指导。

实施例三

基于同一发明构思，本发明还提供一种计算机存储介质，该计算机存储介质的具体实施可参见方法实施例部分的描述，重复之处不再赘述。

一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如下步骤：

将监控到的环境区域划分成对应不同环境属性的栅格区域，将每个栅格区域划分为至少一个精细栅格；

基于边缘数据中心对上述精细栅格区域内终端的采样数据进行处理，确定上述精细栅格对应的终端行为参数警戒值，及确定上述精细栅格区域内的终端行为参数；

根据上述确定的精细栅格对应的终端行为参数警戒值，及上述精细栅格区域内的终端行为参数，确定上述精细栅格是否发生用户群体聚集行为。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。