基于时空轨迹与来客地图的商场客流动态监测与分析方法及系统与流程
本发明涉及智能客流分析与空间数据处理,特别涉及基于时空轨迹与来客地图的商场客流动态监测与分析方法及系统。
背景技术:
1、随着大型商业综合体内部物理空间的日益复杂化,准确掌握场内客流的动态分布与运动规律成为商业运营管理的重要基础。现有的客流监测手段主要依赖单一的视频监控点位计数或单一的无线射频探针定位。基于视频的方案在遇到建筑立柱遮挡、通道死角以及人群密集交汇时容易产生目标跟踪丢失现象。基于射频信号的方案在复杂的室内多腔体环境下易受多径效应干扰而产生定位漂移。两种单一手段在形成连续可靠的单体长周期运动轨迹方面存在一定的局限性。
2、在客流热力分布的可视化表达方面,传统的空间热度叠加统计法多以网格内绝对人数的累加值为依据。这种统计算法会使得商场主通道和出入口等顾客必经之地的热度常年处于峰值,而那些进店人数偏少但顾客滞留体验时间长的特色店铺的热度被掩盖,难以客观反映各个商铺真实的空间吸引力差异。同时,在应对突发性大客流聚集的安全管理中,常规方法多采用固定的人口密度阈值进行事后报警。这种静态阈值预警往往滞后于拥堵发生的实际时间,且较难自适应节假日高峰或极端天气带来的整体客流基线变化,安保管理人员较难获得充足的提前干预时间。
3、此外,在当前的移动设备运行环境下,终端硬件地址的随机化隐私保护机制逐渐普及。这使得基于固定硬件标识的传统顾客重识别机制容易失效,容易将同一位顾客在不同时段的轨迹误判为多名不同顾客,从而导致商铺入店率、驻留时长等客流转化指标的计算结果产生偏差。如何在合规的前提下保障多维客流数据的连续性与统计客观性,是当前商业空间运营数据化转型过程中需要探讨的技术课题。
技术实现思路
1、针对现有技术中存在的单一数据源客流轨迹易断连、空间热力分布无法客观反映商铺引流能力以及突发大客流预警滞后的技术问题,本发明提供了一种基于时空轨迹与来客地图的商场客流动态监测与分析方法及系统。
2、本发明提供了一种基于时空轨迹与来客地图的商场客流动态监测与分析方法,包括以下步骤:
3、步骤s1,实时获取商场内多维度的客流原始数据,所述客流原始数据包括射频定位数据与视觉图像数据;通过计算所述射频定位数据与所述视觉图像数据之间的时空相似度矩阵,并采用二分图最优匹配算法消除轨迹断点,生成单体目标的连续时空轨迹;
4、步骤s2,将所述连续时空轨迹映射至预构建的由多个网格节点组成的商场三维语义网格中,生成包含客流密度图层和驻留时间图层的多图层动态来客地图;
5、步骤s3,将商场内的客流等效为流体介质,基于所述多图层动态来客地图,提取各所述网格节点间所述连续时空轨迹的实时流速与流量特征;将提取的所述实时流速与流量特征输入预设的流体力学演化模型中,预测下一时刻各所述网格节点处的局部客流压强;当目标网格节点处的所述局部客流压强在预设时间窗内连续超过警戒压强阈值时,输出针对所述目标网格节点所在区域的客流拥堵预警信号;
6、步骤s4,对所述连续时空轨迹和所述多图层动态来客地图进行行为关联分析,计算商场内各区域的客流转化指标,并据此生成用于指导商场动线优化的客流动态分析报告。
7、可选地,在所述步骤s1中,所述通过计算所述射频定位数据与所述视觉图像数据之间的时空相似度矩阵,包括:
8、提取所述视觉图像数据中的全局外观特征与局部细节特征;
9、基于时间戳对齐规则,计算所述射频定位数据与提取出的所述全局外观特征、所述局部细节特征之间的联合相似度,以构建所述时空相似度矩阵。
10、可选地,在所述步骤s2中,所述多图层动态来客地图还包括异常轨迹图层;
11、所述将所述连续时空轨迹映射至预构建的由多个网格节点组成的商场三维语义网格中,生成包含客流密度图层和驻留时间图层的多图层动态来客地图,包括:
12、统计各所述网格节点内所述连续时空轨迹的分布数量、滞留时长以及轨迹折返频率,分别投影渲染至对应的所述客流密度图层、所述驻留时间图层以及所述异常轨迹图层。
13、可选地,在所述步骤s3中,所述提取各所述网格节点间所述连续时空轨迹的实时流速与流量特征,包括:
14、将单位时间内穿过各所述网格节点边界的所述连续时空轨迹的数量提取为所述流量特征;
15、根据所述连续时空轨迹在相邻的所述网格节点间的空间位置变化率,提取出所述实时流速。
16、可选地,在所述步骤s3中,所述将提取的所述实时流速与流量特征输入预设的流体力学演化模型中,预测下一时刻各所述网格节点处的局部客流压强,包括:
17、利用所述流体力学演化模型构建所述商场三维语义网格的流场分布图;
18、根据所述流场分布图中各所述网格节点的所述实时流速与所述流量特征,结合预设的流体动量映射规则,计算得到各所述网格节点处的所述局部客流压强。
19、可选地,在所述步骤s4中,所述客流转化指标包括商铺入店率与商铺深逛率;
20、所述计算商场内各区域的客流转化指标,包括:
21、提取所述连续时空轨迹在商场内各商铺预设多边形边界内的越线记录与内部移动路径;
22、结合所述多图层动态来客地图中各所述网格节点的所述驻留时间图层数据,分别计算各商铺的有效进入人次与深度体验人次,进而得出所述商铺入店率与所述商铺深逛率。
23、可选地,在所述步骤s4中,所述据此生成用于指导商场动线优化的客流动态分析报告,包括:
24、根据所述商场内各区域的所述商铺入店率与所述商铺深逛率,对所述商场三维语义网格进行聚类划分,识别出客流冷区与客流热区;
25、提取所述连续时空轨迹在所述客流冷区与所述客流热区之间的断点特征与流向比例,并据此生成包含业态调整建议与物理引导设施部署建议的所述客流动态分析报告。
26、可选地,所述方法还包括基于所述连续时空轨迹的隐私保护步骤:
27、在生成所述单体目标的连续时空轨迹后,对所述单体目标的身份标识信息进行不可逆的哈希映射脱敏处理;
28、在后续的步骤中,仅保留所述单体目标的匿名轨迹坐标序列与行为属性标签进行监测与分析。
29、可选地,所述方法还包括环境补偿步骤:
30、周期性获取商场外部的天气状态数据与节假日状态数据;
31、将所述天气状态数据与所述节假日状态数据映射为动态补偿权重;
32、利用所述动态补偿权重对所述步骤s3中提取的所述实时流速与流量特征进行自适应加权修正。
33、可选地,在所述步骤s1中,所述消除轨迹断点具体包括基于隐马尔可夫模型hmm的物理约束清洗:
34、构建以商场离散化语义区域为隐藏状态、以射频与视觉传感器上报坐标为观测状态的隐马尔可夫模型;
35、引入物理拓扑距离约束构建状态转移概率矩阵,当两区域间的实际绕行距离大于单体目标在时间间隔内的最大物理位移时,将状态转移概率强制置为零;
36、采用维特比解码算法求解最优隐藏状态序列,若判定观测坐标触发状态转移概率零值条件,则作为多径闪烁异常点进行剔除。
37、可选地,在所述步骤s2中,所述生成包含客流密度图层和驻留时间图层的多图层动态来客地图,包括:
38、采用基于密度的聚类算法将网格节点划分为独立的功能候选区域;
39、基于逆文档频率idf思想,将单体目标的连续时空轨迹视为文档,将功能候选区域视为特征词,计算各所述功能候选区域的逆文档频率权重;
40、将所述功能候选区域的停留点空间密度与所述逆文档频率权重相乘,得到该区域的综合热度显示权重分值,并渲染至多图层动态来客地图。
41、第二方面,本发明提供了一种基于时空轨迹与来客地图的商场客流动态监测与分析系统,包括:
42、数据采集与融合模块,用于实时获取商场内多维度的客流原始数据,所述客流原始数据包括射频定位数据与视觉图像数据;通过计算所述射频定位数据与所述视觉图像数据之间的时空相似度矩阵,并采用二分图最优匹配算法消除轨迹断点,生成单体目标的连续时空轨迹;
43、来客地图生成模块,用于将所述连续时空轨迹映射至预构建的由多个网格节点组成的商场三维语义网格中,生成包含客流密度图层和驻留时间图层的多图层动态来客地图;
44、流体力学监测模块,用于将商场内的客流等效为流体介质,基于所述多图层动态来客地图,提取各所述网格节点间所述连续时空轨迹的实时流速与流量特征;将提取的所述实时流速与流量特征输入预设的流体力学演化模型中,预测下一时刻各所述网格节点处的局部客流压强;当目标网格节点处的所述局部客流压强在预设时间窗内连续超过警戒压强阈值时,输出针对所述目标网格节点所在区域的客流拥堵预警信号;
45、商业动线分析模块,用于对所述连续时空轨迹和所述多图层动态来客地图进行行为关联分析,计算商场内各区域的客流转化指标,并据此生成用于指导商场动线优化的客流动态分析报告。
46、本发明取得了如下有益效果:本发明通过对视觉全局局部特征与射频定位数据进行时空相似度计算与最优匹配,有效填补了单一传感盲区导致的轨迹断点,实现了单体高连贯时空轨迹的生成。同时,本技术方案引入逆文档频率思想与驻留时间维度计算空间热度权重,能够客观凸显特色商铺的真实商业吸引力,改善了传统密度热力图易受主通道高客流干扰的问题。本发明进一步将客流等效为流体介质并构建流体力学演化模型,结合环境参数补偿与信息熵体系,有效消除了客流基线波动带来的误报,实现了客流拥堵风险的提前预测与主动预警。此外,利用增量式布谷鸟过滤器与多维指纹构建机制,本发明能够在终端硬件标识随机化的脱敏条件下实现新老访客的稳定关联,为商业场馆的动线规划与业态优化提供了量化决策依据。
47、本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
48、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com