探析人流量预测在警务中的实践*

江苏警官学院 吕海翔，刘简宁，刘雨衡，苏甫，朱嘉琪，蔡敏

一、人流量预测技术需求产生的背景及意义

（一）人流量预测技术的需求

当前随着二胎三胎政策的开放，我国人口增速变快，人口管理压力变大。根据全国第七次人口普查显示，十年来我国流动人口超预期增长，人口持续向大城市和都市圈聚集。2010年以来，中国工业化、城镇化持续推进，带来了流动人口快速增长。城市交通发达，伴随着城市人群的高流动性，造成了城市交通的严重拥堵。但人流量的密集也会带来众多安全隐患和事故发生，给人们的安全带来威胁。由于国内城市人口密度稠密、流动性大等特性导致相关部门对突发事件的预防与处理难度较大，既增加了公共安全事故发生的风险，也给公安机关带来了不小的压力，维护公共安全已成为保证中国经济健康发展的关键一环。

城市化进程的加快，在一定程度上提高了对警力服务的需要。从我国当前城市人口得知，总人数超过百万的已经有近50个城市，这些城市中有着较多的政府和经济中心，人口密度大、流动性强，对城市经济发展重要性高，如果出现危险问题，就会对城市、国家产生重要的影响，因此对这些人流量大的城市就要做好防范准备和管理。

（二）人流量预测技术的研究意义

人流量预测技术能够帮助实现对城市的精细化管理，对于实用性而言，能够提高城市管理的决策支持服务能力，特别是在维护公共安全、新型智慧城市建设、城市居民出行选择和提升城市居民出行舒适度等方面实现进一步优化，实现错峰出行和资源有效调配；对于理论研究而言，人流量预测是基于现代化机器学习技术和人工智能技术等实现的，能够促进人工智能技术的理论发展，加强深度神经网络结构等的研究和进步，对未来发展有着重要的理论意义和良好的应用前景。

二、人流量预测技术分析

（一）国际上一些地区研究现状

本身技术相对先进，再加上城市化进程高，因此，在人流量管理和预测方面相对起步更早，在分析和预测技术上更为全面。从人流量预测模型看，包括GUtierrez j等提出的多元线性回归模型、Feng X等提出的AMSVM-STC模型，Akagi Y等提出的 CGM模 型、Wei Y等 EMD-BPN模型，这些分析模型主要是通过对区域、站点的目标变量时间序列分别进行独立建模，输出下一时段的预测结果。在这些模型中涉及了地理空间特征、时间属性特征、天气等其他特征，这些特征具备强烈的代表性，对于时空预测有着有效的帮助。

近年来，人口流量和统计技术通过不断引进，国内逐渐出现一定的实用性技术，但受到发展周期、使用规模、技术引进价格等因素的影响，目前还没有实现全面的应用。因此，目前主要还是以通过历史测量数据，分析数据特征、建立预测模型，从而对某个区域在某个时间段内的人口流量变化做出预测，这种方式需要的数据量大，但基于国家对个人因素数据的保护，所以无法实现对个人的实时定位，所以一般是通过公交、地铁等公共交通方式的刷卡记录、公共摄像头的记录、出租车载客、网络地点签到、数据流量使用等数据进行分析和统计。

（三）研究现状总结

对于人流量预测技术，经历了人工计数、机械计数、单目标预测、多目标预测的阶段，其中人工计数、机械计数准确度、效率等不足，因此实用性低，随后传统机器学习技术出现，通过对地点、时间等建立预测模型，能够实现有效的同区域未来时间预测，但对于多区域位置、多时段等还无法形成有效的预测，随后现代化预测分析在传统分析技术的基础上，构建丰富的时空特征，实现了更加准确地时空序列关系建模，预测更加准确和全面。

三、人流量预测技术的核心原理及算法

（一）运动目标的提取

运动目标提取是通过专业的监控设备获取区域图像等，自动找到其中的非静止物体，并根据一定的条件进行提取。当前常用的提取技术主要包括两种，第一种是采取去除图像背景的方式，这种需要建立处理的背景条件，根据原始图像中相互连续的图像选取中其中的相同背景，进行提取，从而通过对比得到其中的运动目标，但这种方式的使用需要图像变化较小的条件，因此一般只对静态的图像情况进行应用。第二种方式是基于时域差分实现，这种方式是基于连续帧地得到其中的运动画面，然后再通过差分的方式得到其中的对象。

（二）人体目标检测

通过监控等图像中得到运动目标，就需要对这些运动目标进行检测和识别，检测这些目标是不是运动人体，防止将动物等其他物体判断为人体。对于人体的检测一般是根据人体本身的结构特征进行判断，这些结构特征相对多样化，包括可以根据外廓形状、肤色颜色等进行检测。以外廓特征为例，将获取的监控图像进行二值化处理，进行图像的横向投影和纵向投影，得到相应的人体数据，根据其中的纵向和横向比例来进行模型的对比，得到是否为人体的结果。而肤色颜色特征则，是由于人体本身的皮肤显色相对恒定，因此得到的色度等特征值基本不变，那么通过HSI空间得到相应的模型数据，就可以判断是否为人体。脸型模型可以通过手工测量等得到相应的数据，然后根据脸型的模型进行悬链，得到模型的均值、协方差等数据，通过对比阈值得到像素和均值数据，判断目标数据是否为人脸模型。

（三）多目标跟踪与计数

通过上一步得到人体数据后，可能会出现同一图像不同人体的情况，因此为了避免同一人体的干扰，需要对人体做运动跟踪处理。运动跟踪处理的方式也是基于模型化或特征化的对比跟踪。根据实际应用性，二维数据模型构造简单，在识别应用性上相对方便，而三维模型本身结构复杂，需要的数据量更大，参数对比的过程更加繁杂。因此对于某些要求不高的环境下应用性较低。

图1 多目标跟踪与计数

以上方法是基于人体的特征数据进行目标跟踪，因此主要的模型和参数对比集中在人体特征上。而人体特征相对不变，因此实际检测对比和检测效果良好，同时不受其他方向、区域等因素的干扰，具备高抗噪、结果显著的特点。

（四）基于神经网络的人群密度检测

人流量检测的原理是识别出图像中的行人后，对人体进行跟踪，不断获取人体在不同图像中的位置信息，然后根据人体的运动情况进行有效性检测以及人群计数。在实际检测过程中，通过检测图像的预处理，对图像进行清晰化，随后基于背景的差异进行差分处理，得到图像的前景。对前景进行阴影的去除、形态学处理，然后根据阈值连通大小，进行图像的整合，从而确定人体。

在实际处理过程中，首先将目标区域确定为运动人体所在区域，并将该区域当做首帧画面，对该画面中的人体目标进行确定。然后再根据人体目标的数量建立相应的跟踪窗口，通常一个人体对应一个跟踪窗口，如果某个图像中增加新的人体，那么就需要在重新对该目标进行目标链设定，同时对总的人体目标进行更新，如果旧有人体目标离开图像，那么表示该人体离开，对应去掉相应的目标链，从而完成对图像人群的跟踪和检测。

四、人流量预测技术在警务系统中的应用

（一）警力分配现状

城市警力属于城市资源的一种，对于警务系统而言，城市警力分配需要首先要满足供求关系，符合城市警力要求，这里以农村和城市警力分配进行说明：

一是对警力服务的需求度。城市经济和生活条件好，本身人口较多，流动性强，而人口基数的增加相应地提高了犯罪的概率，因此总体来看，城市相比农村在警力服务上的需求更高。而从出现的警情差异来看，城市人口的复杂度更高，包括各类人群，而农村相对复杂度低，主要为农民群体，因此，这种人群的复杂性导致警情的差异，例如城市出现的公用设施破坏、抢劫等，而农村则一般为偷盗犯罪，因此城市的某些警情条件在农村没有相应的发生基础。

二是对警力服务的要求不同。城市由于发展条件较好，在相关的资源、管理要求、规定等方面较为全面，因此对警力的要求更细致和全面，同时警力还需要做到交叉和多头管理，而农村地区分析，个体相对需求较少，基本满足自给自足生活，因此对警力服务的要求较低。由于城市的复杂度高，因此要求警力服务人员需要具备的专业知识更全面和深刻，了解相关的法律规定，能对各种突发情况进行处理。

三是警力运行机制的不同。由于对警力服务的要求、需求度等差异，就会使得警力服务机构和人员在设置和日常运行上存在显著的不同。例如城市警力配备更加优良、规模更大，在警力的细致划分上更加详细，警力人员的专业性和全面性更高，能对于各种情况进行及时有效的处理，而农村的警力要求相对简单，因此在人员设备的安排上相对简单，主要用于处理日常事务。

图2 警力分配优化

（二）基于人流量预测技术的警力分配优化

1.高人流量设置常驻点

人流量预测可以对城市不同空间位置的人群分布情况进行预测，从而辅助警力系统进行分配，例如在节假日期间，民众会大批量的前往商场、公园及旅游场所进行休闲、娱乐和购物，通过人流量的预测，分析不同空间位置场所的人员数量，例如交通主干路可能出现的拥堵情况、商场周边的乱停车现象、室外节目观赏的治安维护要求等，可以在这些地点布置相应的警员，同时对于常年处于高人流量的地区，可以设置长期服务点，设置驻守人员，这样可避免对人员分配的频繁更改。

2.基于人流量建立警务云系统

目前我国各省都在建立省级警务云系统，通过利用计算机和相应的数据算法，能够在1s内从全省数据中得到某个人员的相关信息、运动轨迹，从而在5s内完成该人员的行动路径推算、分析，获取碰撞轨迹，从而为观察、监视犯罪人员，分析犯罪行为提供帮助。

3.重点区域重点管控

警务人员在维护城市治安时，必须对一些特殊区域进行重点防控。例如：政府机构由于其特殊的职能,需要对其重点保护；火车站、商业广场、交通站点等区域人流大量集中,应属于重点管控范畴;学校区域未成年人群分布较多，属于弱势群体分布地区，也应对其重点防控，以防止犯罪产生严重后果；多数犯罪类型具有空间聚集现象，对于犯罪发生地区，需要警力集中覆盖。

4.警力分配优化

人口数量、犯罪数量等在空间上的异质性导致每个区域对于警力数量的需求不尽相同。因此，本文利用犯罪数量、人、户的空间分异特征，以街道单元为空间分割尺度,计算每个派出所不同类型警力数量配比。

治安管理是城市管理的主要方面，用于预防城市犯罪，因此基于不同地区的犯罪绝对数量可以判断当前区域的分配要求，在这里可以通过计算犯罪总数在高一级地区的占比，来对不同划分区域内安排治安警力数量，如公式所示：

其中，M为研究区派出所的治安警力总数；N为研究区犯罪发生总数；i代表第i个街道单元,j代表某街道单元中的第j个派出所,则∑ij表示第i个街道单元上的派出所数量之和；Ni表示第i个街道单元中的犯罪发生总数,Mij表示第i个街道单元中的第j个派出所治安警力数量。

五、结论与展望

本次研究通过人流量的检测和预测技术，对区域的人流量进行未来预判，从而将有限的警力资源进行合理分配，但警力分配是一个较为复杂的问题，其位置在空间上的公平分配和警力在空间上的异质性具有一定的冲突，本文规定了空间位置优化和警力分配的先后顺序，在一定程度上可以解决二者之间的冲突，但空间位置和警力的分离处理是基于人流量的多少实现的，但人流量大的地方虽然对治安警力要求高，但并未涉及人群特点等特征分析，无法求解到最优的分配结果，对于警力的分配优化有待进一步研究，还需引入更多因子对比研究。