用於佔用估計的系統和方法

2023-05-05 12:15:46

專利名稱：用於佔用估計的系統和方法
技術領域：
本發明涉及估計區域的佔用(occupancy)，並且更具體地涉及基於佔用者交通 (traffic)模型估計該區域內人的佔用。
背景技術：
關於特定區域的佔用的知識可以用於各種應用中。例如，建築物內的佔用的知識 可以用來改善建築物的效率、舒適性和便利性並且在緊急情形下通過提供關於佔用者位置 的信息而改善第一響應者的搜尋和營救努力。典型地，僅基於傳感器提供的數據來確定建 築物佔用。這些佔用估計可能由於傳感器數據的缺乏或者傳感器數據誤差隨時間的累積而 導致生成誤差。

發明內容
本文描述了一種用於估計區域中的佔用的系統。該系統包括用於執行算法的控制 器，該算法生成與多個區段的每個內的預測的佔用者移動相關聯的佔用估計。該算法是基 於動力運動(KM)的模型，該基於KM的模型基於在每個區段的阻塞部分和未阻塞部分之間 的建模區分來預測佔用者移動。該系統還包括輸出，該輸出在工作中被連接到該控制器以 傳送由該算法生成的佔用估計。在另一個方面，本文描述了一種用於估計被劃分成多個區段的區域中的佔用的方 法。該方法包括把多個區段的每個建模為包含阻塞部分和未阻塞部分。該方法還包括基於 狀態方程來計算多個區段內的基於模型的佔用預測，所述狀態方程建模每個區段的阻塞部 分中的佔用者移動、建模每個區段的未阻塞部分中的佔用者移動、以及部分地基於特定區 段的入口被建模為阻塞還是未阻塞來建模區段之間的佔用者移動。在另一個方面，本文描述了一種用於估計被劃分成多個區段的區域中的佔用的系 統。該系統包括用於把多個區段的每個建模為包含阻塞部分和未阻塞部分的裝置。該系統 還包括用於基於狀態方程來計算多個區段內的基於模型的佔用預測的裝置，所述狀態方程 建模每個區段的阻塞部分中的佔用者移動、建模每個區段的未阻塞部分中的佔用者移動、 以及部分地基於特定區段的入口被建模為阻塞還是未阻塞來建模區段之間的佔用者移動。在另一個方面，本文描述了一種用機器可讀電腦程式代碼編碼的計算機可讀存 儲介質，所述機器可讀電腦程式代碼用於生成區域的佔用估計，該計算機可讀存儲介質 包括用於使控制器實施方法的指令。該電腦程式包括用於把多個區段的每個建模為包含 阻塞部分和未阻塞部分的指令。該電腦程式還包括用於基於狀態方程來計算多個區段內 的基於模型的佔用預測的指令，所述狀態方程建模每個區段的阻塞部分中的佔用者移動、 建模每個區段的未阻塞部分中的佔用者移動、以及部分地基於特定 區段的入口被建模為阻 塞還是未阻塞來建模區段之間的佔用者移動。


圖1A是被劃分成許多區的建築物的樓層的示意圖。圖1B是對建築物樓層的各區之間的連接進行建模的圖示。圖2是圖解基於傳感器數據、傳感器模型和佔用者交通模型計算佔用估計的流程 圖。圖3A和3B是圖解為計算佔用估計而採用的擴展卡爾曼(Kalman)濾波器算法的 示例性實施例的流程圖。圖4A和4B是圖解其中與區域之間的佔用者流相關聯的狀態變量受約束的實施例 之間的差別的曲線圖。圖5A是建築物的樓層的示意圖。圖5B是圖解如何解釋建築物的樓層平面以由基於動力運動(KM)的模型分析的圖示。圖6A是圖解使用基於KM的模型來建模單個房間中的佔用者的圖示。圖6B是圖解使用基於KM的模型來建模單個房間中的佔用者的圖示，包括建模房 間內的阻塞。圖7A-7E是圖解擴展卡爾曼濾波器的實施例的估計準確性的曲線圖。圖8是圖解集中佔用估計系統的框圖。圖9A-9C是圖解許多分布式佔用估計系統的框圖。
具體實施例方式本申請公開了一種與由Robert Tomastik於2007年9月19日提交的、被指定PCT 序列號 US07/20291 且題為 「System and Method forOccupancy Estimation」 的申請有關 的系統和方法。該申請公開了一種用於基於佔用者交通模型估計佔用的系統和方法。在一 個示例性實施例中，僅基於佔用者交通模型來估計佔用。在另一個示例性實施例中，基於由 佔用者交通模型生成的佔用預測來估計佔用，基於所接收的傳感器數據校正所述佔用。本 申請對先前申請的範圍進行了擴展，公開了實施佔用者估計的另外的實施例和方法。佔用者交通模型試圖預測佔用者將如何在整個區域中移動。在一個實施例中，佔 用者交通模型是單階段(single-phase)佔用者交通模型，該單階段佔用者交通模型基於 佔用者如何可以從一個區域流動到另一個區域的模型來預測佔用者的移動。在另一個實 施例中，佔用者交通模型是基於動力運動(kinetic motion, KM)的模型，該基於動力運動 (KM)的模型使用兩階段法來建模佔用者如何在相鄰區域之間移動。具體而言，該兩階段法 考慮交通阻塞如何影響佔用者經過區域的移動。在這兩種情況下，佔用者交通模型是基於在整個區或區域中佔用者的歷史或預期 交通模式並且可以考慮諸如區域或建築物的布局之類的因素。例如，建築物布局可以包括 描述出口、過道、辦公室的位置以及相關過道和辦公室的佔用限制的信息。另外，佔用者交 通模型可以是描述區域內佔用者的預測移動或交通模式的數學模型、統計模型或者計算機 模擬。在示例性實施例中，由佔用者交通模型生成的估計與傳感器數據結合採用以生成 佔用估計。傳感器數據可以由各種不同類型的傳感器裝置提供，每個傳感器裝置提供不同 類型的傳感器輸出，所述傳感器輸出被分析以檢測在整個區或區域中的佔用者移動或位置。為此，本發明公開了一種佔用估計器，該佔用估計器把傳感器數據和佔用者交通模型當 作輸入，並且執行算法以基於所提供的輸入來生成對該區或區域的佔用估計。基於傳感器 數據和佔用者交通模型的佔用估計提供比僅基於傳感器數據或僅基於模型的估計結果更 加準確的佔用估計。除了提供對佔用和移動與其變化的更加準確的估計的好處以外，傳感 器數據與佔用者交通模型的組合允許連續估計建築物佔用，即使缺乏來自一個或多個傳感 器的數據或者暫停傳輸傳感器數據也是如此。在傳感器可能被禁用或毀壞的緊急情形下這 可能尤其有益。在另一個示例性實施例中，佔用者交通模型在估計佔用中作為獨立工具(例如沒 有傳感器數據反饋)進行操作。這個實施例尤其適合於可以預期佔用者向所限定的出口移 動的流出操作模式。圖1A和1B圖解了將在整個本描述中用來輔助描述佔用估計算法的示例，其中佔 用估計是對建築物的特定樓層做出的。關於本實施例所描述的概念可以應用於各種場景 或位置(例如，戶外、火車站、飛機場等等)。圖1A圖解了辦公樓中的單個樓層的布局。在 這個實施例中，樓層平面已被劃分成五個單獨區(標為區1、2、3、4和5)。在另一個實施例 中，樓層平面基於各個辦公室和房間的位置進行進一步的細分(即，基於地點的細分)。在 圖1A和1B所圖解的區模型中，在每個出口處以及在每個相鄰區1-5之間的邊界包括用於 檢測佔用者從一個區到另一個區的移動的傳感器(未示出)。在其它實施例中，為改善佔用 估計的解析度、可靠性和/或準確性，或者如果在邊界處的傳感器不存在或不在運行，可以 在每個區中定位附加傳感器。圖1B是圖解圖1A中定義的五個區的圖示。標為1、2、3、4和5的大圓表示五個區， 而標為6、7、8、9和10的較小圓表示建築物中的出口。連接這些區的線指示存在連接相鄰 區的通道或過道。在相鄰區之間移動的佔用者的數量由變量yu(t)表示。位於特定區中 的佔用者的數量由變量Xi (t)表示(未示於圖1B中)。術語『區域』在整個描述中用來指代區域以及該區域的各個分部。例如，在圖1A 和1B所示的示例性實施例中，術語『區域』總體上指代樓層平面以及指代各個子區域或區 1-5。因此，生成該區域的佔用估計將包括生成每個單獨區的佔用估計。另外，術語『佔用估計』被用於整個描述中並且通常指代與佔用有關的輸出。因此， 對區域的佔用估計可以包括這樣的數據，所述數據諸如區域內佔用者的數量的平均估計、 與和佔用的區域變化相關聯的所有可能佔用水平相關聯的概率、指示與佔用的估計相關聯 的置信可靠性的數據(例如，協方差)、以及其它與佔用有關的類似有用數據。因此，在圖 1A和1B所示的示例中，為區域生成的佔用估計將包括為區1-5每個生成的任一上面列出的 數據。圖2是圖解被提供到佔用估計算法20的輸入的示例性實施例的高級框圖。被提 供到佔用估計算法20的輸入包括傳感器數據z (由一個或多個傳感器裝置提供)、傳感器模 型h、以及佔用者交通模型f。佔用估計算法20基於傳感器數據z、傳感器模型h、以及佔用 者交通模型f導出佔用估計&。例如，在圖1A和1B所示的示例性實施例中，佔用估計算法20 為五個區中的每個生成佔用估計1。在其它實施例中，對特定樓層平面中的每個房間做出估 計。在示例性實施例中，傳感器數據z和佔用估計Jt被表示為向量，儘管在其它示例性實施 例中可以以其它合適格式提供傳感器數據。佔用者交通模型f是用於預測在整個區域中佔用者的預期交通模式的數學、計算機模擬或統計模型，其中這樣的模型可以使用該區域中 佔用的先前估計。例如，佔用者交通模型f可以應用於建築物的每個區中的佔用的先前估 計以生成建築物的每個區中的佔用的預測估計或基於模型的估計。
然後由佔用估計算法20將通過應用佔用者交通模型f (例如，單階段模型或基於 KM的模型)而生成的基於模型的佔用估計與傳感器數據ζ (如果可用的話)進行組合。佔 用估計算法20將由佔用者交通模型f提供的基於模型的佔用估計與傳感器數據ζ進行組 合，這是通過基於每個輸入的預測可靠性給相應輸入分配權重實現的。例如，如果傳感器數 據ζ被確定為是高度可靠的，則佔用估計算法20給傳感器數據ζ分配較高權重並且對應的 佔用估計Jt在很大程度上基於所提供的傳感器數據ζ。反之，如果傳感器數據ζ被確定為是 高度不可靠的，則更多權重被給予由佔用者交通模型f提供的基於模型的佔用估計。根據基於模型的佔用估計、傳感器數據ζ以及與這兩個輸入相關聯的加權，佔用 估計算法20為區域生成佔用估計&。例如，關於圖IA和IB所示的樓層平面，為區域生成佔 用估計 可以包括為五個區1-5的每個生成佔用估計。另外，佔用估計義可以包括這樣的數 據，所述數據諸如與五個區的每個區相關聯的平均佔用估計、與五個區的每個區的每個可 能佔用水平相關聯的概率、與五個區的每個區內或之間的佔用者移動有關的數據、以及與 五個區的每個區的上述估計相關聯的可靠性(例如協方差值)。另外，作為部分佔用估計J^生成的數據可以彼此相互關聯。例如，區域中的佔用概 率可以由概率分布函數(PDF)描述為概率分布，該概率分布函數(PDF)定義與每個可能狀 態或佔用水平相關聯的可能性。曲線的峰值將表示與該區相關聯的最可能佔用估計，但另 夕卜，曲線的形狀(例如，與曲線相關聯的標準差)將提供與佔用估計相關聯的置信度或可靠 性的指示。在其它實施例中，佔用估計Jt可以包括與估計相關聯的置信區間、與佔用估計相 關聯的協方差、或者其它指示與佔用估計Jt相關聯的置信度或可靠性的可靠性計算。在示例性實施例中，由佔用估計算法20生成的佔用估計Jt是實時生成的，這允許 佔用估計用於實時應用(例如，作為第一響應者的輸入)。在示例性實施例中，佔用估計義 可以用於建築物內的佔用的預見性或事後估計。在又一個示例性實施例中，佔用估計Ji可以 用來預測不久將來的佔用估計。不久將來的佔用估計可能在控制應用(諸如基於建築物內 佔用者的預期的不久將來的移動的電梯呼叫)中有用。不久將來的佔用估計也可能對第一 響應者有用以提供不僅關於佔用者的當前位置而且關於建築物佔用者的可能將來位置的 數據。在示例性實施例中，佔用估計算法20是擴展卡爾曼濾波器(EKF)，EKF是用於基於 觀測和模型生成系統的狀態估計的熟知算法。在其它實施例中，可以採用其它類型的能夠 組合傳感器數據和基於模型的估計的濾波器(例如，傳統卡爾曼濾波器)。EKF的好處是基 於所接收的傳感器數據ζ和佔用者交通模型f實時提供計算的能力。在示例性實施例中， EKF採用佔用者交通模型f以基於當前或目前佔用估計來生成預測的或基於模型的佔用估 計。EKF可以利用單階段佔用者交通模型或基於動力運動(KM)的佔用者交通模型。將 首先討論單階段佔用者交通模型，包括佔用估計算法20如何結合單階段佔用者交通模型 以生成佔用估計i。關於圖5A-6B討論基於KM的佔用者交通模型。在示例性實施例中，擴展卡爾曼濾波器(以單階段模型或基於KM的模型為基礎)佔用估計的一般方程由以下方程定義χ (t+1) = f (t, x(t))+v (t)方程 1其中x(t)表示在時間t時在區域中(例如圖IA和IB所示的示例中的每個區中) 的佔用，f (例如，單階段佔用者交通模型)是時間t和狀態x(t)的某個非線性函數，並且 v(t)是過程噪聲，表示佔用者在區域中如何移動的不確定性。非線性函數f的結構與區域 相關。因而，在與建築物中的佔用估計有關的示例中，函數f的精確形式將根據建築物的布 局(以及別的因素)而改變。另外，因為f的結構描述區域內佔用者的預期交通模式，所以 函數f的形式也可能基於區域的『模式』而改變。模式定義區域的操作狀態。例如，在火災 或類似的緊急情況期間，建築物將處於流出模式(即疏散模式)，其中所有佔用者被建模成 向可用的出口移動。其它模式可以專用於時刻(例如，上午活動的建築物模式相對下午活 動的建築物模式)或其它因素。為了簡單起見，以下示例假設流出模式，這是通過基於圖IA和IB所圖解的樓層平 面的示例進行描述的。因此，以下方程描述區域(例如，圖IA和IB所示的樓層平面的區) 的單階段佔用者交通模型f:X1 (t+1) = X1 (t) +y21 (t) +y31 (t) -y16 (t)方程 2其中Xl(t+1)表示在時間t+1時在區1中的狀態(例如，佔用者的數量)，Xl(t)表 示在時間t時在區1中的佔用者的先前狀態，y21 (t)表示在時間t時從區2移動到區1的 佔用者的數量，Y31⑴表示在時間t時從區3移動到區1的佔用者的數量，並且y61 (t)表示 在時間t時經由出口6從區1移動(離開)的佔用者的數量。該模型對於未命令佔用者向 出口移動的非流出模式而言將有所不同。例如，佔用者的移動將不受限於從區2移動到區 1，而是還將包括從區1移動到區2。佔用者交通模型f的結構因此部分依賴於建築物的布 局並且可以在區域之間有所不同。在基於上面示例的示例性實施例中，有關從區1到出口 6的佔用者流的函數被建模為y16(t) = min[Xl(t)，a*C16]方程 3其中C16表示從區1到出口 6的鏈路的流量容力並且基於從區1到出口 6的通道 的物理特性進行選擇，並且參數α是對特定設計所特有的調整參數。在基於這個示例的實施例中，有關從區2到區1的佔用者流的函數被建模為y21(t) = mir^anxJth^/C^KfxJt))/。」 C21]方程 4其中a21是區2中的把區1中的出口作為最近出口的佔用者的百分比，項β /C2表 示佔用者移動穿過區2的延遲，C2是區2的最大佔用(S卩，C2與對應於區2的面積成比例)， 項(C1-X1U)VC1表示減慢佔用者移動到該區內的區1中的擁塞，C21是是從區2到1的鏈 路容量，並且最後β是調整參數。區3和區1之間的流動將以用於建模區2和區1之間的 流動的相同方式進行建模。以此方式，單階段佔用者交通模型f基於關於每個區中的佔用 的當前信息來做出關於特定區中的佔用的預測。在其它實施例中，可以採用附加建模參數 來建模通過區域的移動的另外方面。用來計算基於模型的佔用估計的方程(即方程1)的第二分量是由項v(t)表示 的過程噪聲。過程噪聲項v(t)計及佔用者如何在各區之間移動的不確定性。用於建模 過程噪聲v(t)的直接簡 單辦法是假設方程1中的過程噪聲v(t)是零平均值的高斯型 (Gaussian)，其方差與狀態x(t)成比例且在各區之間獨立。在採用擴展卡爾曼濾波器的實施例中，過程噪聲的協方差矩陣被設定為等於具有與當前估計的狀態方差對應的元素的對 角矩陣。在示例性實施例中，佔用估計算法(例如，擴展卡爾曼濾波器)還利用由以下方程 描述的傳感器模型h:z(t) = h (t，χ (t)) +w (t)方程 5
其中輸出向量ζ (t)表示在時間t時五個區的每個區中的佔用測量，函數h是傳感 器模型並且是時間和佔用估計x(t)的函數，並且w(t)是傳感器噪聲。例如，在圖IA和IB 所示的實施例中，傳感器裝置被定位在相鄰區之間的每個邊界上以及在每個出口處。在示 例性實施例中，針對圖IA和IB所示的示例所得到的傳感器模型(與區1有關)被表達為Z1 (t) = Z1 (t-Ι) + φ 21 (t) + Φ 31 (t) - Φ 16 (t)方程 6其中Zl(t_l)表示區1中的佔用者的(基於傳感器輸入的)先前測量，(p21(t)表示 指示從區2到區1的佔用者移動的傳感器輸出，cp31(t>表示指示從區3到區1的佔用者移動 的傳感器輸出，並且φ16⑴表示指示從區1到出口 6的佔用者移動的傳感器輸出。由傳感器 裝置提供的傳感器讀數可能是錯誤的，並且方程6中定義的Z1 (t)因此可能基於傳感器讀 數的誤差而隨時間累積誤差。然而，在採用擴展卡爾曼濾波器的實施例中，傳感器噪聲w(t) 被建模為零平均值的白噪聲，其中方差等於僅傳感器估計器(即，如果佔用估計僅基於傳 感器輸入而沒有基於佔用者交通模型)的估計方差。在示例性實施例中，通過對由傳感器 裝置提供的輸出(例如，φ2ι(0)應用傳感器模型h來分析傳感器數據ζ (t)。在另一個示例 性實施例中，對傳感器數據z(t)執行預處理以使得被提供到佔用估計算法20的傳感器數 據反映基於所接收的傳感器數據的區佔用估計(如關於圖3A和3B更詳細描述的)。圖3A和3B是流程圖，每個圖解了佔用估計算法20如何操作以組合傳感器數據 z(t)、傳感器模型h和佔用者交通模型f(t)來生成佔用估計的示例性實施例。這兩個實施 例採用擴展卡爾曼濾波器，其中基於模型的估計或狀態預測用傳感器數據進行校正以提供 利用佔用者交通模型和傳感器數據兩者的輸出(被稱為狀態估計)。圖3A所示的實施例和 圖3B所示的實施例之間的主要差別在於對狀態變量的處理。在圖3A中，僅佔用估計^ (即特定區域中人數估計)被視為狀態變量。結果，僅佔用估計用傳感器數據進行校 正。在圖3Β所示的實施例中，佔用估計和相鄰區域之間的佔用者流_Ρ々Ι0兩者被包括 作為狀態變量，意味著兩者都由可用的傳感器數據z(t)校正。另外，圖3B所示的實施例描 述了如何還可以把約束併入狀態估計的計算中(而不管是否佔用和流兩者被定義為狀態 變量)。關於圖3A，流程圖的左側圖解了為更新佔用的狀態估計；^川々而採用的算法步驟， 而圖3A的右側圖解了為生成協方差估計P (t 11)而採用的算法。協方差估計P (t 11)是與佔 用估計㈨相關聯的不確定性的度量。在圖3Α所示的示例性實施例中，傳感器數據z(t) 與佔用估計i…々都為向量，儘管在其它示例性實施例中一者或兩者可以是標量。在這個實施例中，計算或更新佔用估計ifHAi+/〉始於(由擴展卡爾曼濾波器算 法或由某種初始化程序在先前迭代中生成的)當前佔用估計 ΜΟ，如在步驟30所示。佔 用估計 MO的符號表示這是基於來自時間t的觀測(即，模型輸出和傳感器更新兩者的組 合)的、對於時間t的佔用估計。在步驟32，佔用者交通模型f(t)被應用於當前佔用估計i夕⑷以生成佔用預測或基於模型的佔用估計: rn /⑷。也就是說，基於當前狀態估計和佔用 者交通模型f(t)來預測下一狀態的佔用。符號㈨表示這是基於在時間t做出的觀測 的、對於時間t+Ι的狀態預測(即，該更新不是基於最近觀測的事件)。在步驟34，傳感器 模型h被應用於基於模型的佔用估計ifH/IO以生成測量預測S ⑷。測量預測^ ㈨表 示以基於模型的佔用預測㈨為基礎的預期傳感器測量。例如，如果基於模型的佔用預 測i /㈨預測佔用者添加到區1 (在這種情況下是從區2)，則測量預測z21 (t+111)將指示 一個佔用者被檢測到從區2進入區1的預測傳感器測量或觀測。在步驟36，測量預測㈨與實際傳感器數據ζ (t+Ι)進行比較以生成由修正 (innovation)變量u (t+Ι)表示的差信號。在這個實施例中，傳感器數據ζ (t+Ι)已被預處 理以提供表示在區之間移動的所檢測到的佔用者的值。在其它實施例中，傳感器模型h或 某個其它函數將需要被應用於輸入的傳感器數據以便解釋該數據以使得z(t+l)表示所檢 測到的區之間佔用者移動。基於傳感器數據z(t+l)和測量預測i ㈨之間的比較，確定 修正u(t+l)。在示例性實施例中，修正u(t+l)指示(在步驟34計算 的)預期傳感器輸 出和實際觀測的傳感器輸出之間的差。例如，使用上面描述的示例，基於模型的佔用估計 X1 (t+1 |t)預測一個佔用者從區2進入區1，導致Z21 (t+1 |t)的對應測量預測等於一。如果 傳感器數據Z21 (t+Ι)改為等於零，則修正U21 (t+1)將指示預測值和實際傳感器值之間的差 或誤差(在這種情況下誤差為一)。在步驟38，基於佔用預測義和/⑷、修正u(t+l)以及關於協方差計算更詳細討 論的加權係數W(t+1)，更新佔用估計i^lc 。如由這個方程所指示的，所更新的佔用估計 ifH川是以基於模型的佔用估計㈨和觀測的傳感器數據z(t+l)為基礎的，所述 佔用估計^fif+/㈨是基於佔用者交通模型f(t)生成的。更新的狀態估計M+/)變成下 一迭代中的當前狀態估計:作為佔用者交通模型f(t)和傳感器數據z(t+l)兩者的結 果生成狀態估計的好處是即使缺乏傳感器數據但還生成指示佔用的狀態估計的能力。在這 種情況下，預測測量和傳感器數據Z(t+1)之間的誤差將增大，但是仍可以基於部 分傳感器數據Z (t+Ι)和佔用者交通模型f(t)或者如果沒有傳感器數據可用的話全部基於 佔用者交通模型f (t)，來生成佔用估計i(H7丨/+ 。在圖3A所示的實施例中，協方差估計P(t|t)連同狀態估計 ΓΦ)—起被生成為輸 出。狀態估計 P㈨指示佔用的最佳猜測或估計，而協方差指示與佔用估計相關聯的置信水 平。狀態估計和協方差P(t|t) —起定義可以用來描述狀態估計和與該估計相關聯的 置信度的概率分布函數(PDF)。如上面所討論的，術語佔用估計廣義上不僅指代關於區域中 的實際佔用者數量的估計而且指代諸如與佔用者估計(例如，的實際數量結合計算 的協方差估計P (t |t)的數據。計算或更新協方差估計P (t+111+1)始於當前協方差估計P (t 11)，如在步驟40所 示。在步驟42，基於先前的佔用估計來評價佔用者交通模型f(t)以生成表示為F(t)的雅 可比矩陣。在步驟44，雅可比矩陣F(t)、初始協方差估計P(t|t)和與佔用者交通模型相關 聯的不確定性值Q (t)用來生成預測協方差P (t+1 |t)。在步驟45，基於先前估計來評價傳 感器模型h(t)以生成表示為H(t)的雅可比矩陣。在步驟46，雅可比評價H(t)和與傳感 器模型相關聯的不確定性R(t)被應用於預測協方差P (t+1 |t)以生成修正協方差S (t+1)。 在步驟48，修正協方差的逆S (t+1) 1用來生成加權參數W (t+Ι)，該加權參數W (t+Ι)表示在步驟38被應用於傳感器數據的加權。如通過協方差計算所示的加權參數W (t+Ι)，基於傳感器模型和佔用者交通模型對 待應用於傳感器數據的置信水平進行加權，以使得更新的狀態估計O反映哪個輸 入是最可靠的確定。也就是說，如果與傳感器數據ζ (t)相關聯的置信水平高(或者基於 模型的佔用估計^々+/㈨中的置信度低)，則在步驟38應用於修正u(t+l)的濾波器增益值 W(t+1)導致對傳感器數據z(t)比對由佔用者交通模型f(t)生成的佔用預測的結 果提供更大權重的佔用估計。同樣，如果濾波器增益值W(t+1)指示與傳感器數據ζ (t+1) 相關聯的低置信度(或者基於模型的佔用估計中的置信度高)，則所更新的狀態估計將更 多地受基於模型的佔用估計㈨的結果影響而更少地受相關傳感器數據z(t)影響。例 如，在傳感器被煙或火損壞的 情形下，則降低其輸出的相關置信度以使得佔用估計更多地 受對狀態估計應用佔用者交通模型f(t)的結果影響。傳感器數據ζ (t)的加權還可以計及與用於提供傳感器數據ζ (t)的傳感器裝置類 型相關聯的可靠性。一些傳感器比其他傳感器固有地更加可靠，而其他傳感器可能在一些 情況下是可靠的而在其他情況下是不可靠的。類似於佔用者交通模型f計及建築物的布局 所用的方式，傳感器模型h可以用來計及傳感器裝置類型的變化。例如，運動檢測傳感器裝 置可以用來檢測房間是否被佔用，但是不提供關於房間中的佔用者數量的信息(即，二進 制輸出)。在這種情形下，來自運動檢測傳感器的指示房間未被佔用的數據(即，特定房間 的傳感器數據ζ(t+1) =0)可以被認為是高度可靠的。然而，來自運動檢測傳感器的指 示房間被佔用的數據(即，特定房間的傳感器數據ζ貞la] (t+1) = 1)可以被認為是不大可靠 的，因為該數據未計及另外的佔用者可能存在於該房間中的可能性。在一個實施例中，傳感 器模型h計及傳感器類型，並且基於房間的大小(或者某個其他變量)分配位於房間中的 預期佔用者數量。另外，與特定傳感器裝置提供的數據相關聯的可靠性可以基於傳感器裝 置的類型以及從傳感器裝置接收的輸入進行選擇性的修改。 在步驟50，基於濾波器增益值W (t+Ι)、修正協方差S (t+Ι)和預測協方差P (t+111) 來更新狀態協方差P (t |t)以生成更新的協方差值P (t+111+1)。這個值反映了佔用估計值 幼沖的置信水平。在圖3Α所示的實施例中，佔用估計算法20組合傳感器數據ζ (t)和基於模型的佔 用估計i ㈨，所述基於模型的佔用估計是基於先前佔用估計和佔用者交通模型 f(t)生成的。具體而言，這種方法對傳感器數據ζ (t)和佔用者交通模型f(t)兩者應用擴 展卡爾曼濾波器技術以生成把這些輸入的可靠性考慮在內的佔用估計^該結果 是高度可靠的佔用估計僕+/〉以及提供對所提供佔用估計的相關可靠性的指示的協 方差估計P (t+i 11+1)。圖3B是圖解如何用擴展卡爾曼濾波器實施(如圖2所示的)佔用估計算法20的 另一個示例性實施例的流程圖，該擴展卡爾曼濾波器組合傳感器數據ζ (t)、傳感器模型h 和佔用者交通模型f(t)來生成佔用估計。如上面所討論的，術語佔用估計被廣義地用來描 述佔用估計器濾波器20的輸出，該輸出在這個示例性實施例中包括平均估計(在圖3B的 左側進行計算且被稱為狀態變量Pf^))和與每個平均估計相關聯的協方差(在圖3B的右 側計算的協方差且被稱為P (t 11))。與圖3A所示的僅採用佔用估計^ ~㈨作為狀態變量的 實施例相比，這個實施例包括佔用估計&々㈨和流估計A㈨二者作為狀態變量。項f mm示這兩個估計都是狀態變量，每個被提供為佔用估計算法20的輸出。 項卩將通常被稱為狀態估計，但是如方程7所示的那樣包括反映在時間t時在 區域中的人數估計的佔用估計㈨以及反映從一個區域流動到另一個區域的人數的佔用 者流估計Γ小入例如，如圖IB所圖解的，描述在給定的時間步長從區2移動到區域1 的佔用者的數量。這與圖3A所示的實施例形成對比，在圖3A所示的實施例中在相鄰區域 之間移動的佔用者的數量由佔用者交通模型f(t)來建模，但未被作為狀態變量包括進來。關於圖3B，流程圖的左側再次圖解了為更新狀態估計㈨而採用的算法步驟，而 圖3B的右側圖解了為生成協方差估計P(t|t)而採用的算法。再次，協方差估計為包括佔 用者估計㈨和流估計兩者的每個狀態變量生成協方差值。協方差估計ρ(t |t)是與 狀態估計相關聯的不確定性的度量。再次，可以基於每個狀態估計和對應的協方差來 生成概率分布函數。在圖3B所示的示例性實施例中，傳感器數據z(t)與狀態估計Zi㈨兩 者都為向量(儘管為簡單起見它們沒有被如此描繪)，儘管在示例性實施例中一者或兩者 可以是標量。一般而言，圖3B所示的擴展卡爾曼濾波器以與圖3A所示的擴展卡爾曼濾波器相 同的方式進行操作。在步驟62，佔用者交通模型f (t)基於(在先前迭代中由擴展卡爾曼濾 波器算法或由某種初始化程序所生成的)先前狀態估計ΡΓΦ〉來生成狀態預測卩⑷。再 次，狀態估計？例/!；的符號表示這是基於來自時間t的觀測的、對於時間t的狀態估計(即， 模型輸出和傳感器更新兩者的組合)。符號^Y/+/㈨表示這是基於在時間t時做出的觀測 的、對於時間t+Ι的狀態預測(即，該更新不是基於最近觀測的傳感器數據)。在步驟64，傳感器模型h被應用於基於模型的狀態估計^fH/⑷以生成測量預測 印+/㈨。測量預測印+/㈨表示以基於模型的狀態預測印+/㈨為基礎的預期傳感器測量。 這應用於預期在特定區域內檢測的佔用者數量以及預期被檢測到從一個區流動到另一個 區的佔用者數量。例如，如果基於模型的流估計預測夕210+7丨^預測一個佔用者從區2流動 到區1，則測量預測z21(t+l|t)將指示一個佔用者被檢測到從區2進入區1的預測傳感器 測量或觀測。在步驟66，測量預測·^㈨與實際傳感器數據z(t+l)進行比較以生成由修正變 量u(t+l)表示的差信號。再次，修正u(t+l)指示(在步驟64計算的)預期傳感器輸出和實 際觀測的傳感器輸出之間的差。例如，使用上面描述的示例，基於模型的流估計久,(t+i\i) 預測一個佔用者從區2進入區1，導致221(〖+1|0的對應測量預測等於一。如果傳感器數據 z21 (t+Ι)改為等於零，則修正U21 (t+1)將指示預測值和實際傳感器值之間的差或誤差(在 這種情況下誤差為一)。在步驟68，基於狀態預測⑷、修正u(t+l)、關於協方差計算更詳細討論的 加權係數W(t+1)、以及一個或多個約束，來更新狀態估計/Y小入這個步驟的形式類似於圖 3A所圖解的步驟38，除了這個步驟圖解了如何採用一個或多個約束來把更新的狀態估計 ^ ⑷投影到允許的或可行的範圍。這個步驟也可以被用於圖3A所示的實施例中，但在 此示出以圖解這兩個實施例之間的差別。
一般而言，EKF未被設計成考慮這樣的約束，諸如非負佔用估計、佔用的上限、以及 與相鄰區域之間的佔用者流相關聯的有限速率。可以通過為每個狀態變量(例如，邶域者 K0)定義該狀態變量到凸區域上的投影來考慮這樣的『硬』約束，已知狀態過程演變到該 凸區域(標為訴)，如以下方程所示。
=&^，11{0-1廣[/^丨0]_10-1)}方程8
具體而言，這是i以加權歐幾裡得(Euclidean)範數表示的到識的投影，其中加權 矩陣由協方差矩陣P(t|t)的逆指定。更新的狀態估計然後由以下方程定義。^ + 1^ + 1) = [^( + \\t) + W{t + \yu{t + 方程 g如所示，方程8的形式類似於圖3A的步驟38中圖解的方程，除了方程8把狀態變 量投影到由識定義的可行範圍。對於關於狀態變量到允許的或可行範圍內的投影的附加細 1 ^JAL"T. -L. Chia, ParameterIdentification and State Estimation of Constrained Systems，博士論文，Case WesternReserve University, Cleveland, OH 1985」。在諸如圖3A所示的實施例的示例性實施例中，所更新的狀態估計？ (t+ l\t+ /J變成 下一迭代中的當前狀態估計小λ然而，在圖3所示的實施例中，在步驟69，基於一個或多 個約束進一步處理所更新的狀態估計/Yi+/入例如，在這個步驟所採用的約束可以包括 被建模為物理上能夠佔用特定房間的佔用者數量或者在特定時間步長中能夠在相鄰房間 或區域之間流動的佔用者數量。例如，被建模為存在於特定房間中的佔用者數量不應當小 於零，但必須小於(基於房間大小而定義的)某個大的數。基於這些約束中的一個或多個， 在步驟68生成的狀態估計被投影到可能結果的範圍內。在這個實施例中，所投影的狀態估 計Zi投彰(t+ l\t+々將變成當前狀態估計叫/f入在這個實施例中，擴展卡爾曼濾波器算法對位於每個區域中的佔用者數量⑷ 以及在每個區域之間流動的佔用者數量進行建模並且用傳感器數據校正每個預測。 這種系統的好處是即使缺乏傳感器數據也可生成估計的能力。協方差估計P (t 11)連同狀態估計~㈨一起被生成為輸出並且指示與狀態估計相 關聯的置信水平。因此協方差估計P(t |t)將包括與這兩個狀態變量(佔用估計㈨和流 量估計有關的項。計算或更新協方差估計P (t+111+1)始於當前協方差估計P (t 11)，如在步驟70所 示。在步驟72，基於先前的佔用估計來評價佔用者交通模型f(t)以生成表示為F(t)的雅 可比矩陣。在步驟74，雅可比矩陣F(t)、初始協方差估計P(t|t)和與佔用者交通模型相關 聯的不確定性值Q (t)用來生成預測協方差P (t+111)。在這個實施例，預測協方差P (t+1 It)具有涉及每個區域的佔用估計和每個 區域之間的佔用者流估計㈨的項。如上所述，區域之間(在這個示例中，區2和區1之 間)的佔用者流由以下方程描述。y21(t) = minEanxJth^/C^KfxJt))/。」 C21]方程 10如所示，項min[a，b]的功能是選擇所計算的兩個項中的最小值(即，項『a』和項 『b』之間的最小值)。第一項a21x2 (t) * β /C2* (C「Xl (t)) /C1表示基於諸如下列因素在區域 之間的預期佔用者流從區2移動到區1的佔用者的預期百分比(a21)，區2中的佔用者數量(X2(t))，以及可能影響佔用者從區2到區1的流動的、區1中的佔用者阻塞。項C21是流約束值，該流約束值在這個方程中設置在給定的時間步長中可以從區2流到區1的佔用者 數量的最大值。因而，如果方程8的左邊項超過流約束值C21，則方程8把預期的流估計y21 限制為等於流約束值C21。在圖3A所示的實施例中，佔用者流々㈨未被視為狀態變量，因此在計算與佔用估 計相關聯的協方差時沒有機會利用流約束。在圖3B所示的實施例中，佔用者流被視為狀態 變量，這允許在方程4中引入的(且在方程10中再現的)流約束項用來改善協方差計算 (即，減小與狀態估計相關聯的不確定性)。在圖3Β中圖解的流程圖的步驟76，預測 的協方差P(t+l|t)被修改以考慮流約束值。圖4A和4B圖解了如何可以基於流約束值來修改概率分布函數(PDF)，該PDF是 基於狀態變量的預測平均估計和與狀態變量相關聯的協方差來生成的。圖4A圖解在沒有 考慮流約束的情況下與估計佔用者流y21相關聯的PDF (由線88圖解)。因此，未經修改的 PDF允許許多佔用者在任何給定時間從一個區移動到另一個區的可能性具有不同的概率。 圖4B圖解與估計佔用者流y21相關聯的PDF(由線90圖解)，其中採用流約束來修改與在 所定義的流約束閾值之上存在的流估計相關聯的概率。因而，在流約束閾值之上存在的所 有概率被合併到表示流約束閾值(例如C21)的值上。例如，如果流約束閾值C21等於三個佔 用者，則與在這些區之間流動的三個以上佔用者相關聯所有概率被移除並且合併到該閾值 上。結果，與流約束閾值(例如C21)相關聯的概率被分配為等於在閾值之上存在的概率之 和的概率。這具有減小與流估計相關聯的不確定性的效果，並因此改善與佔用流估計卞〉 相關聯的協方差P (t |t)。在步驟80，基於先前估計來評價傳感器模型h(t)以生成表示為H(t)的雅可比矩 陣。在步驟82，雅可比評價H(t)和與傳感器模型相關聯的不確定性R(t)被應用於修改的 預測協方差Pf_a(t+l|t)以生成修正協方差S (t+1)。在步驟84，修正協方差的逆S (t+ Γ1 用來生成加權參數W(t+1)，該加權參數W(t+1)表示在步驟68被應用於傳感器數據的加權。通過協方差計算所示的加權參數W (t+Ι)基於傳感器模型和佔用者交通模型對待 應用於傳感器數據的置信水平進行加權，以使得更新的狀態估計反映哪個輸入 是最可靠的確定。也就是說，如果與傳感器數據Z (t)相關聯的置信水平高(或者基於模 型的狀態估計(々+/…中的置信度低)，則在步驟68應用於修正u (t+Ι)的濾波器增益值 W(t+1)導致對傳感器數據z(t)比對由佔用者交通模型f(t)生成的狀態預測^rHZIW的結 果提供更大權重的更新狀態估計(t+11 t+Ι)。同樣，如果濾波器增益值W(t+1)指示與傳感 器數據ζ (t+Ι)相關聯的低置信度(或者基於模型的佔用估計中的置信高)，則所更新的狀 態估計(t+1 |t)將更多地受基於模型的狀態估計ffH/㈨的結果影響而更少地受相關傳感 器數據z(t)影響。例如，在傳感器被煙或火損壞的情形下，則降低其輸出的相關置信度以 使得佔用估計更多地受對先前狀態估計f ~⑷應用佔用者交通模型f(t)的結果影響。如關於圖3A所討論的，傳感器數據ζ (t)的加權還可以考慮與用於提供傳感器數 據z(t)的傳感器裝置類型相關聯的可靠性。這包括基於運動檢測傳感器提供的輸入(即 佔用或未佔用)來解釋由運動檢測傳感器提供的數據所用的方法。如上面所討論的，運動 傳感器提供的數據的相關性取決於運動傳感器提供的數據的狀態。指示房間未被佔用的數據(即，特定房間的傳感器數據Zjglal (t+Ι) = 0)可以被認為是高度可靠的。然而，來自運 動檢測傳感器的指示房間被佔用的數據(即，特定房間的傳感器數據= ι)可以 被認為是不大可靠的，因為該數據未計及附加佔用者可能存在於該房間中的可能性。因而， 在運動傳感器檢測到房間被佔用的情形下，佔用估計算法20將把傳感器提供的數據解釋 為高度有噪的，並因而不可靠。在運動傳感器檢測到房間未被佔用的情形下，佔用估計算法 20把數據建模為高度可靠的。在步驟86，基於濾波器增益值W(t+1)、修正協方差S(t+1)和修改的預測協方差P 修改(t+l|t)來更新狀態協方差P (t It)以生成更新的協方差值P(t+l|t+l)。這個值反映了 佔用估計值？ (t+川+O中的置信水平。
因而，圖3B所示的實施例圖解了佔用估計算法20組合傳感器數據ζ (t)和基於模 型的佔用估計㈨和流估計㈨(在圖3B中被統稱為f(t+l|t))以生成與狀態變量 相關聯的協方差和平均估計的方式。另外，這個實施例描述了與相鄰區之間的佔用者流相 關聯的約束如何可以用來改善與佔用者流估計㈨相關聯的協方差估計(即，減小與 估計相關聯的不確定性)。圖3B還描述了約束(包括但不限於流約束)如何可以用來把狀 態估計(涉及佔用、流，或涉及兩者)投影到允許的狀態。關於圖3B所描述的若干改善可 以根據應用而被單獨地或者彼此結合地採用。圖3A和圖3B圖解了其中佔用估計(以及佔用者流估計)基於單階段佔用模型來 生成並且由擴展卡爾曼濾波器校正的示例性實施例。對單階段佔用模型的可選方案是關於 圖5A-7B描述的基於動力運動(KM)的模型。基於KM的模型預測佔用者的預期移動，但是 與單階段佔用模式不同，其提供不同的辦法來建模區域之間的阻塞。採用基於KM的模型的 好處之一是在房間級建模佔用者移動的能力，因為基於KM的模型更好地計及阻塞將如何 影響單獨地點之間的佔用者流。圖5A是建築物的一部分的示意圖，而圖5B是圖形上圖解如何解釋圖5A所示的示 意圖以由基於KM的模型分析的圖示。圖5A 所示的樓層平面包括房間 100、101、102、104、106、108 和 110、門 112,114, 116、118、120和122、以及出口 124。為了在房間或地點級建模佔用者的移動，在確定相鄰房 間之間的佔用者流中的關鍵因素是房間的幾何結構以及連接相鄰房間的門的寬度。房間的 幾何結構以及特別是入口和出口之間的距離用來建模佔用者橫越區段要花費的時間。還採 用門的寬度來建模佔用者可能離開區段的速率。圖5B圖解了圖5A所示的樓層平面如何可以被建模為許多區段的示例性實施例。 圖5B包括所建模的區段100a，、100b，，101，、102，、104，、106，、108，和110，、所建模的門道 111』、112』、114』、116』、118』、120』和122』、以及所建模的出口 124』。在這個實施例中，所 有房間都被建模為簡單的矩形區段。對於那些形狀上已經是矩形的房間，所建模的區段共 享相同的形狀和尺寸。對於形狀上不是矩形的房間，該房間可以被建模為兩個或更多個矩 形區段的組合。例如，房間100在形狀上是非矩形的。這個房間在圖5B中被建模為區段 IOOa'和100b，的組合。所建模的區段IOOa'和100b，之間的『門道，由門道111，建模。 如圖5B所示，所建模的門道111』的寬度等於所建模的區段100a』和100b』之間的開口的 長度。以此方式，儘管單個房間已被劃分成兩個，但是由門道引起的阻塞效應在模型中被門 道的寬度最小化。
以類似的方式建模其餘門道，其中所建模門道的位置和寬度緊密跟蹤實際門道的 物理位置和寬度。房間的建模還包括記錄門道之間的距離。例如，在這個實施例中，該模型 將記錄門道114』和出口之間的距離，以允許該模型考慮到佔用者橫越房間102』將花費的 時間。圖6A和6B是圖解基於KM的模型如何預測特定區域內佔用者的移動的圖示。用 於描述佔用者在這個區域內的移動的相同分析將被應用於每個房間以預測所建模建築物 的每個房間中的總體佔用水平以及佔用者的移動。圖6A和6B兩者圖解了特定區段130，該 特定區段130包括三個入口 132、134和136以及出口 138。區段130的幾何結構由長度dQ 和寬度L定義。每個入口 132、134和136分別由寬度Wl、 和％定義，而出口 138由寬度 wQ定義。每個入口(132、134和136)和出口 138之間的距離分別由距離(^、屯和d3定義。圖6A圖解了處於未阻塞狀態的區段130，而圖6B圖解了處於部分阻塞狀態的區 段130。圖6B所示的阻塞狀態被表徵為隊列，其中接近阻塞狀態的佔用者被添加到該隊列。 當佔用者被添加到該隊列時，隊列的長度被增加，如由以下方程所定義。方程 11 9 L項A表示單個佔用者平均所佔用的面積。項q定義當前在該隊列內的人數，而(如 上面所定義的)項L與區段130的寬度對應。因而，當把人添加到隊列時，隊列長度(^或 阻塞區被進一步延伸到區段130內。相反，當佔用者經由出口 138離開時，長度dq的長度 將下降。區段130進一步被細分成如由圍繞出口 138的多個圓線所指示的多個基本單元。 由於區段130的長度，基本單元也可以被定義為橫跨區段寬度L的矩形。位於每個基本單 元中的佔用者數量被表示為r^rvr^... rv其中存在m個基本單元。位於區段130的未阻 塞部分中的佔用者數量被表示為位於每個單元中的佔用者之和。
m"如=2>/方程12項T ,表示未被建模為隊列部分的第一基本單元。因而，方程12定義區段130的 未阻塞部分中的佔用者數量。位於區段中的總佔用者數量^匆因此可以被表示為隊列中的 總佔用者數量(被定義為q)與位於未阻塞部分中的佔用者數量nt。t之和。元(/)= %+ ,方程 13佔用者從入口行進到出口所花費的時間由以下方程定義，T j = di/Vo方程 14其中屯是從特定入口到出口的距離，而％是預期佔用者行進的速度。定義每個基 本單元的寬度以使得佔用者可以被建模為在每個時間步長更靠近出口地前進一個基本單 元，其中假設佔用者正在移動經過未阻塞的區域。因此，如圖6A所示，如果佔用者通過入口 132進入並因此與基本單元n3相關聯，則在下一時間步長佔用者將被建模為已經進入到基 本單元n2。在下一時間步長中，佔用者將被建模為已經進入到基本單元rv因此可以預期 佔用者大約在通過入口 132進入區段130後的三個時間步長到達出口 138。因而，在每個基本單元中的佔用者數量可以由以下方程建模。ni + 0 = nM
(幻+2>乂幻方程15
在時間k+1時位於特定單元i中的佔用者數量等於在先前時間步長k中位於相鄰 單元中的佔用者數量與被建模為通過進入區段130的入口而進入單元i的佔用者數量之 和。因此方程15建模在區段130的未阻塞區域內的佔用者的移動。隊列由以下方程維持。q{k +1) ＝ q{k) + nTq -yo(k)方程 16在時間k+1時在隊列中的佔用者數量等於在先前時間步長k時在隊列中的佔用者 數量與處於位於隊列末端的基本單元中的佔用者數量 ,之和、減去經由出口 138離開隊列 的佔用者數量。在到達隊列後，佔用者不再被建模為在每個時間步長移動經過基本單元。相 反，阻塞區被建模為隊列，其中(如方程11中定義的)隊列的長度僅基於隊列中的佔用者 數量，並且隊列中的佔用者數量是基於進入隊列和離開隊列的佔用者數量來建模的。方程11-16定義佔用者經過區段的移動。具體而言，這些方程區分阻塞區域和未 阻塞區域。如下面更詳細討論的，這種區分確定佔用者如何被建模為流入和流出該區段。在示例性實施例中，基於KM的模型作為不要求基於傳感器數據校正佔用估計的 獨立工具進行操作。例如，採用基於KM的模型而不利用傳感器數據可能在諸如可以預期佔 用者朝出口移動的流出建模之類的應用中尤其實用。在這個實施例中，佔用估計將僅基於 上面關於基於KM的模型所描述的方程。(例如，在表示流出操作模式的火警發出後)基於 KM的模型將被應用到的初始狀態(例如初始佔用估計)可以基於關於佔用者位置的統計佔 用數據、模擬佔用數據或存儲數據進行建模。例如，統計數據可以包括基於描述佔用者的可 能位置的簡單分布(例如，高斯分布)的分配來定義初始佔用者位置。模擬佔用數據可以 是基於關於佔用者的可能位置的歷史或觀測數據(例如，教室可以被建模為根據時刻包含 特定數量的佔用者)。另外，任何其它存儲數據(諸如關於預定會議時間的知識)可以用來 初始化該初始佔用狀態。然後採用基於KM的濾波器來生成佔用估計，所述佔用估計考慮到 操作期間建模的阻塞來對佔用者移動進行建模。在另一個示例性實施例中，基於KM的模型與傳感器數據結合使用以生成校正的 佔用估計。如同上面描述的單階段模型，基於KM的模型的目標是生成關於在給定時間時多 少佔用者位於特定區段中的預測。在單階段模型中，這是基於先前位於區域中的佔用者數 量、進入該區域的佔用者數量和離開區域的佔用者數量。因而，相關狀態變量是特定區域中 的佔用者數量以及在一些實施例中在區域之間流動的佔用者數量。在基於KM的模型中，存 在若干組織與濾波器(例如，關於圖3A和3B描述的擴展卡爾曼濾波器)結合使用的模型 的方式。在一個實施例中，關於位於每個基本單元中的佔用者數量(例如，參見方程15)、 隊列中的佔用者數量(例如，參見方程16)以及相鄰房間之間的佔用者流來定義狀態變量。 這些狀態變量將如關於圖3A和3B所描述的那樣用傳感器數據進行校正以生成狀態估計和 相關協方差。在期望生成特定區或區域的估計的實施例中，關於隊列中的佔用者數量以及 每個基本單元中的佔用者數量的狀態估計可以如方程13中所描述的那樣進行組合以生成 關於房間或區域中的總佔用者數量的估計。在另一個示例性實施例中，關於隊列的狀態(S卩，隊列中的佔用者數量)、每個區 段的未阻塞部分中的總佔用者數量以及相鄰區域之間的佔用者流來定義狀態變量。再次， 可以基於這些狀態變量導出特定區段或區域中的總佔用者數量的估計。
在這兩個實施例中，對佔用者流的建模取決於每個區段的狀態(即，阻塞)。具體 而言，建模到特定區段中的佔用者流部分取決於區段的入口是被建模為阻塞的還是未阻塞 的。區段的入口可以被分類為三個狀態之一。在示例性實施例中，特定區段中的阻塞的影 響以及其對作為區段入口的門的影響由以下標記建模。
方程17 因此，標記在入口朝向未阻塞區的情況下被設定為『0』，在入口朝向阻塞區的情況 下被設定為『1』，而在特定區段的所有入口朝向阻塞區(即，該區段被完全阻塞)的情況下 被設定為『2』。例如，在圖6A中，所有入口 132、134和136將被分配為狀態f^ = 0，因為所 有入口朝向未阻塞區域。在圖6B中，入口 132將被分配標記f\ = 1，因為隊列被識別為延 伸超過入口 132的位置。入口 134和136將被分配標記f2、f3 = 0，因為每個入口朝向區段 130的未阻塞部分。在整個區段被識別為阻塞的情形下，則每個入口被分配標記& = 2。與 每個入口相關聯的標記確定如何建模到區段中的佔用者流，如以下方程所示。
對於入口朝向未阻塞或低密度區域的條件-如由該入口的標記被設定為零所 指示，第一行被應用於建模多少佔用者流入該區段。項『、，描述預期佔用者移動的速 度並且K建模佔用者正嘗試經過的入口的寬度。佔用者的速度被定義成對所有佔用者 是恆定的值。因此，對於較大的門寬度，建模為流動經過特定門的佔用者數量增大。下
-項
表示佔用者正企圖進入的特定基本單元中的動作者(agent)密度如
何影響進入的可能性。例如，在圖6B中，如果基本單元n5被建模為包含許多佔用者， 則當確定佔用者如何流動經過入口 134時，將考慮該單元內的佔用者密度。要進入的 基本單元中的佔用者密度越大，佔用者將越不可能被允許經過特定入口進入。下一項
描述如何部分地基於相鄰區段中的隊列的大小q」
以及入口的寬度&和假設的佔用者速度\來定義經過特定入口的佔用者流。
方程18的第二行建模在入口朝向阻塞區的情形下佔用者如何流入區段130。例 如，如圖6B所示，將採用這個方程來建模經過入口 132的佔用者流。這個方程的一般形式 幾乎等同於方程16中所示的方程的第一行，除了添加項Pk，該項Pk表示基於空位傳播經過 隊列的可能性、佔用者能夠進入區段的概率。因為阻塞區(即隊列)被建模為實體，所以佔 用者試圖經過阻塞區進入區段可以被建模為填充空位，所述空位在佔用者離開隊列時傳播經過該實體。這些空位被建模為瞬時行進經過隊列，以使得佔用者一離開隊列，空位就傳播
以允許來自相鄰區段的用戶進入阻塞區(即隊列)。項Pk由以下方程描述。
項x表示階躍函數，該階躍函數在其要被應用的項小於零時返回『0』值而在其要 被應用的項大於零時返回『1』值。項Pk定義通過入口的傳播空位將進入(即，將允許佔用
者佔據隊列中的空位位置)的可能性，並且與門的寬度相關，其中較寬的門增大空位進入
的可能性。項ft表示空位到達特定入口的可能性。因而，項Pk定義空位
被傳播到特定入口中的概率，其中概率指示更靠近出口的入口將更可能捕獲傳播空位並因 此增大佔用者進入區段的機率。關於方程19定義的概率與方程18結合使用以定義當入口 朝向阻塞或高密度區時佔用者如何進入區段。方程18中的第三項表明如果整個區段被建模為阻塞，則沒有佔用者將被建模為 進入該區段。基於上面定義的方程和區段內的佔用者的建模，基於KM的模型提供到特定區段 中的佔用者流的準確建模。由基於KM的模型生成的輸出因此將包括被建模為在每個區段 的每個入口和出口之間流動的佔用者數量、以及每個基本單元中的佔用者數量或者阻塞區 相對未阻塞區中的佔用者數量。儘管基於不同的原理，基於KM的模型和單階段模型兩者都 提供對特定區域中的佔用者數量以及區域之間的佔用者流進行估計的輸出。以此方式，基 於KM的模型可以被用作關於圖3A和3B描述的擴展卡爾曼濾波器的一部分以提供狀態預 測。EKF然後將使用所接收的傳感器數據來校正由單階段模型或基於KM的模型所提供的估 計。圖7A-7E圖解了將基於KM的模型用作EKF的輸入而運行的流出模擬的結果。該 模擬建模九個視頻傳感器來檢測在圖1A和1B所示的每個區之間以及經過三個出口的每個 移動的佔用者。另外，該模擬把每個房間中的佔用初始化為平均等於1.4個佔用者，其中整 個模擬持續大約100秒。視頻照相機在檢測在相鄰區之間和經過出口移動的佔用者方面的 模擬準確性被建模為98%。另外，圖1A和1B所示的每個房間(總共96個)配有用於以 80%的估計準確性檢測房間是被佔用還是未被佔用的運動傳感器。所模擬的傳感器輸出被 提供為基於KM的估計器的輸入。關於位於每個區中的佔用者數量的估計與各區之間模擬的實際佔用者移動進行 比較。每個區的結果分別示於圖7A-7E中。實線表示在不同時間點在每個區中模擬的實際 佔用者計數，而虛線指示通過組合由基於KM的模型生成的基於模型的估計與由視頻傳感 器提供的傳感器數據而生成的估計。如所示，每個區中的估計佔用遵循位於每個區中的實 際佔用者數量。另外，為了量化與本發明的實施例相關聯的改進，運行其中基於不同方法生成估 計的附加模擬。然後把這些結果與其中與由九個視頻傳感器和多個運動檢測器所提供的傳 感器數據和EKF結合採用基於KM的模型的上述模擬進行比較。在一個模擬中，僅基於傳感 器數據生成估計。在另一個模擬中，基於來自視頻照相機(但沒有運動檢測器傳感器)的傳感器數據和具有基於KM的模型的擴展卡爾曼濾波器，生成估計。這些估計的結果與採用 所有傳感器數據(包括運動傳感器數據)以及採用基於KM的模型的EKF的模擬進行比較在一百次模擬上且對於各種疏散時間進行平均，為每種方法生成以下結果。 表1如所示，採用具有基於KM的佔用者模型的EKF提供比僅傳感器辦法改進很多的結 果。採用運動傳感器(儘管其可靠性有限)的使用進一步減小了每房間平均誤差。結果， 擴展卡爾曼濾波器的使用把與僅傳感器辦法相關聯的誤差減小了 74%，其中在擴展卡爾曼 濾波器中將基於KM的佔用者模型生成的基於模型的估計與包括運動檢測傳感器的傳感器 數據組合。另外，儘管運動傳感器比其它檢測裝置更不可靠，但是在每個房間中使用運動檢 測器具有把平均誤差進一步減小另外36%的效果。本文描述的系統的另一個好處是實時執行計算的能力。本文描述的所有實施例 中，每五秒或更短提供更新。圖8圖解用於為區域(例如，如圖1A和1B所示的建築物的每個區或者如如圖5A 和5B所示的樓層平面的每個房間)提供佔用估計的集中系統152的示例性實施例。集中系 統152包括計算機或控制器154、計算機可讀介質156、多個傳感器裝置158a、158b、. . . 158N 以及顯示或控制器裝置160。傳感器裝置158a-158N被遍及特定區域分布，並且可以包括各 種不同類型的傳感器，包括視頻檢測器、無源紅外運動傳感器、訪問控制裝置、電梯負荷測 量、IT相關技術諸如計算機按鍵的檢測、以及其他相關傳感器裝置。另外，許多佔用者攜帶 有源裝置，諸如有源或無源射頻識別(RFID)卡、蜂窩電話或者其他可以被檢測以提供傳感 器數據的裝置。傳感器數據被傳送到計算機或控制器154。根據所採用的傳感器的類型以及傳感 器是否包括任何處理所捕獲數據的能力，計算機154可以提供對所提供的傳感器數據的初 始處理。例如，由視頻照相機感測裝置捕獲的視頻數據可能要求某種視頻數據分析預處理 以確定視頻數據是否示出佔用者從一個區橫越到另一個區。另外，由處理器154執行的這 種處理可以包括把指示所檢測的佔用者在各區之間移動的傳感器數據存儲為陣列或向量 以使其能夠被作為輸入供應到佔用估計算法(例如，擴展卡爾曼濾波器)。在圖8所示的實施例中，計算機154執行處理步驟以生成佔用估計。例如，在示例 性實施例中，這可以包括執行關於圖3A和3B所描述的功能和操作、以及與單階段模型或基 於KM的模型相關聯的計算。因而，所公開的發明可以以計算機或控制器實施的處理和用於實行那些處理的設備的形式來實現。本發明還可以以包含指令的電腦程式代碼的形式來 實現，所述指令被實現在計算機可讀介質156(諸如軟盤、CD-ROM、硬碟驅動器或者任何其 他計算機可讀存儲介質)中，其中當電腦程式代碼被加載到計算機154中並由計算機154 執行時，計算機變成用於實行本發明的設備。本發明還可以以例如像數據信號的計算機程 序代碼的形式來實現，無論存儲在存儲介質156中、加載到計算機或控制器154和/或由計 算機或控制器154執行，或通過某種傳輸介質(諸如通過電布線或電纜、經過光纖或者經由 電磁輻射)進行傳輸，其中當電腦程式代碼被加載到計算機中並由計算機執行時，計算 機變成用於實行本發明的設備。當被實施在通用微處理器上時，電腦程式代碼段配置微 處理器以創建特定邏輯電路。例如，在圖8所示的實施例中，計算機可讀存儲介質156可以存儲描述佔用者交通 模型f (單階段模型或基於KM的模型)、傳感器模型h和佔用估計算法(例如，擴展卡爾曼 濾波器)的程序代碼或指令。電腦程式代碼被傳送到計算機或控制器154，該計算機或 控制器154執行程序代碼以實施關於本發明所描述的處理和功能(例如，執行關於圖3A和 3B所描述的那些功能)。在示例性實施例中，控制器154在生成佔用估計時僅依靠佔用者 交通模型(即，沒有利用傳感器數據)。如圖8所示，計算機或控制器154生成被提供到顯示或控制器裝置160的佔用估 計。該佔用估計可以包括這樣的數據，所述數據包含位於區域中的佔用者數量的估計、與每 個可能佔用水平相關聯的概率、佔用的變化、指示與佔用估計相關聯的可靠性或置信度的 數據、以及其它與佔用有關的有用數據。佔用估計可以經由顯示裝置被簡單地顯示給一個 或多個用戶(例如，第一響應者)，或者可以被提供到基於所接收的佔用估計而採取某種動 作的控制器裝置。例如，控制器裝置可以是取暖、通風與空調(HVAC)系統、電梯控制系統、 緊急出口控制器以及其它裝置。可以經由任何數量的通信網絡(包括電信網絡、無線網絡 以及其它熟知的通信系統)來提供數據。圖9A-9C圖解了用於估計佔用的許多分布式系統162a、162b和162c。這與圖8 所示的集中系統152形成對比，在集中系統152中所有傳感器數據被提供到單個計算機或 控制器154，該單個計算機或控制器154然後為整個區域生成佔用估計。為了簡單起見，圖 9A-9C所示的示例僅包括四個子區域(標為節點171、172、173和174)，儘管這些示例中所 圖解的概念可以被擴展到具有任何數量的子區域的區域或建築物。在圖9A所示的實施例中，分布式系統162a包括位於節點171和173的傳感器裝 置，其中每個傳感器裝置(或相關硬體)包括處理由相關傳感器裝置提供的數據以及基於 感測的數據和相關佔用者交通模型(例如，單階段模型或基於KM的模型)及傳感器模型應 用佔用估計器算法的能力。在示例性實施例中，佔用估計算法用擴展卡爾曼濾波器進行實 施，所述擴展卡爾曼濾波器基於這些輸入生成佔用估計和協方差(以及任何其它有用的統 計輸出)。為了本描述，分布式佔用估計系統162a包括傳感器裝置和用於生成佔用估計的 部件，所述部件可以包括用於對傳感器數據應用佔用估計算法的硬體和軟體的組合，所述 分布式佔用估計系統162a將通常被稱為佔用估計器(0E)。在圖9A所示的實施例中，在節 點171處觀測的傳感器數據被提供到佔用估計器0E1，該0E1分別生成與節點171和172對 應的佔用估計和i172(t)。在節點173處觀測的傳感器數據被提供到佔用估計器0E2， 該0E2分別生成與節點173和174對應的佔用估計i 173⑴和i m⑴。在圖9A所示的實施例中，佔用估計器OEl和佔用估計器0E2不共享關於相應節點的佔用估計的信息。
在圖9B所示的分布式系統162b中，傳感器裝置被再次定位在節點171和173處。 然而在這個實施例中，由佔用估計器0E3生成的佔用估計im⑴被作為輸入提供到佔用估 計器0E4。分布式系統160b的好處是佔用估計器0E4使佔用估計 173⑴和 m⑴部分地基 於關於節點172的佔用的知識的能力。例如，如果佔用估計im⑴指示一個或多個佔用者 位於節點172，則佔用估計器0E4可以預測在下一時間步長中位於節點172的佔用者將從節 點172移動到節點173(再次基於佔用者向連接到節點174的出口移動的流出操作模式)， 從而通過併入附加數據改善預測的佔用估計。在圖9C所示的分布式系統162c中，傳感器裝置被再次定位在節點171和173處。 然而在這個實施例中，由佔用估計器0E5做出的佔用估計:^m(t)被作為輸入提供到佔用估 計器0E6，並且來自節點173的傳感器數據和佔用估計^ m(t)都被作為輸入提供到佔用估計 器0E5。這個實施例圖解了佔用估計和傳感器數據都被相關佔用估計器共享的分布式應用。 這種系統的好處是佔用估計器0E5和0E6使佔用估計基於可用的附加數據的能力，從而改 善分布式系統160c的總體可靠性和性能。佔用估計器之間的佔用估計的通信可以經由典型的通信網絡(包括電信網絡、局 域網(LAN)連接)或者經由無線網絡來提供。另外，在一些實施例中，通過僅共享相鄰節點 /區之間的佔用估計以使得僅那些監視相鄰區的佔用估計器共享佔用估計，來最小化通信 成本。採用分布式系統來提供佔用估計的好處是即使缺乏一個或多個分布式系統，分布式 系統也可運行的能力。儘管已參照優選實施例描述了本發明，但是本領域的技術人員會認識到可以在不 偏離本發明的精神和範圍的情況下進行形式和細節上的變化。例如，儘管包括處理器和存 儲器的計算機系統被描述用於實施佔用估計算法，但是可以採用硬體和軟體的任何數量的 合適組合來執行由佔用估計算法採用的數學函數。另外，計算機系統可以或可以不用來提 供對所接收的傳感器數據的數據處理。在一些實施例中，傳感器數據可以在被作為輸入提 供到負責執行佔用估計算法的計算機系統之前進行預處理。在其它實施例中，計算機系統 可以包括合適的數據處理技術以內部地處理所提供的傳感器數據。而且，在整個說明書和權利要求書中，術語『一』的使用不應當被解釋為意指「僅一 個」，而是應當被廣義地解釋為意指「一個或多個」。在整個公開中使用的順序編號步驟的使 用不意味著這些步驟必須被執行的次序。術語「或」的使用應當被解釋為包括性的，除非另 外指出。
權利要求
一種用於估計由多個區段定義的區域中的佔用的系統，該系統包括用於執行算法的控制器，該算法生成與所述多個區段的每個內的預測的佔用者移動相關聯的佔用估計，其中該算法是基於動力運動(KM)的模型，該基於動力運動的模型基於在每個區段的阻塞部分和未阻塞部分之間所建模的區分來預測佔用者移動；以及輸出，在工作中被連接到該控制器以傳送由該算法生成的佔用估計。
2.權利要求1的系統，其中該算法基於疏散的流出模式定義預測的佔用者移動。
3.權利要求1的系統，其中該算法是基於該區域內的佔用者的初始分布而初始化的。
4.權利要求3的系統，其中該區域內的佔用者的初始分布基於關於該區域內的佔用者 位置的統計、模擬或存儲數據。
5.權利要求1的系統，其中基於動力運動的模型基於先前佔用估計和一個或多個狀態 方程來生成佔用估計，所述狀態方程把阻塞部分定義為具有與位於阻塞部分的佔用者數量 相關的長度的隊列，並且定義響應於佔用者離開阻塞部分和佔用者從未阻塞部分或入口進 入該隊列的、空位經過該隊列的傳播。
6.權利要求5的系統，其中所述狀態方程預測位於隊列中的佔用者數量、位於區段的 未阻塞部分中的佔用者數量、以及進入區段的佔用者數量，其中進入區段的佔用者數量基 於區段的入口是被建模為阻塞還是被建模為未阻塞，其中進入區段的阻塞部分的佔用者數 量與建模的空位經過隊列的傳播相關。
7.權利要求1的系統，還包括輸入，在工作中被連接以從一個或多個傳感器裝置接收傳感器數據，其中由控制器執 行的算法還包括擴展卡爾曼濾波器，該擴展卡爾曼濾波器基於傳感器數據和由基於動力運 動的模型生成的預測的佔用者移動的組合來生成佔用估計。
8.一種用於估計區域中的佔用的系統，該系統包括輸入，在工作中被連接以從一個或多個傳感器裝置接收傳感器數據；基於動力運動(KM)的模型，該模型預測在被劃分成多個區段的區域內的佔用者移動， 其中基於動力運動的模型基於根據把每個區段建模為包括阻塞部分和未阻塞部分、在每個 區段的阻塞部分和未阻塞部分之間建模的區分來預測佔用者移動；佔用估計器，在工作中被連接到該輸入，其中該佔用估計器執行算法以基於所接收的 傳感器數據和由基於動力運動的模型生成的佔用者移動的預測來生成該區域的校正佔用 估計；以及輸出，在工作中被連接到該佔用估計器以傳送由該佔用估計器生成的佔用估計。
9.權利要求8的系統，其中基於動力運動的模型基於由佔用估計器生成的先前校正估 計和定義預測的佔用者移動的一個或多個狀態方程來生成狀態預測。
10.權利要求9的系統，其中所述一個或多個狀態方程生成關於每個區段的阻塞部分 中的佔用者數量、每個區段的未阻塞部分中的佔用者數量、以及相鄰區段之間移動的佔用 者數量的狀態預測。
11.權利要求10的系統，其中與每個區段的未阻塞部分中的佔用者數量有關的狀態方 程還定義位於在每個區段內定義的多個基本單元中的佔用者數量，其中狀態方程預測在定 義的時間步長中到相鄰基本單元的佔用者移動。
12.權利要求10的系統，其中與每個區段的阻塞部分中的佔用者數量有關的狀態方程進一步把阻塞部分定義為具有與隊列中的佔用者數量相關的長度的隊列，並且定義響應於 佔用者離開阻塞部分的、空位經過該隊列的傳播。
13.權利要求10的系統，其中與相鄰區段之間移動的佔用者數量有關的狀態方程部分 地基於區段的入口被建模為阻塞還是未阻塞，其中經過入口移動到區段的阻塞部分的佔用 者數量部分地基於建模的空位經過隊列到入口的傳播。
14.權利要求10的系統，其中由佔用估計器執行的算法是擴展卡爾曼濾波器，該擴展 卡爾曼濾波器用由所述一個或多個傳感器裝置提供的傳感器數據校正由基於動力運動的 模型生成的狀態估計。
15.權利要求8的系統，其中基於動力運動的模型與所接收的傳感器數據組合提供的 佔用估計與僅用所接收的傳感器數據生成的佔用估計相比每房間誤差改進60%，其中所述 傳感器數據包括位於相鄰區之間的五個視頻照相機和位於出口處的三個視頻照相機。
16.權利要求8的系統，其中基於動力運動的模型與傳感器數據組合提供的佔用估計 與僅用只從視頻照相機所接收的傳感器數據生成的佔用估計相比每房間誤差改進76%，其 中所述傳感器數據包括位於相鄰區之間的五個視頻照相機、位於出口處的三個視頻照相機 和位於每個房間中的運動檢測傳感器。
17.權利要求8的系統，其中校正佔用估計是實時生成的，其中以一秒間隔提供更新。
18.一種用於估計被劃分成多個區段的區域中的佔用的方法，該方法包括把所述多個區段的每個建模為包含阻塞部分和未阻塞部分；基於狀態方程來計算所述多個區段內的基於模型的佔用預測，所述狀態方程建模每個 區段的阻塞部分中的佔用者移動、建模每個區段的未阻塞部分中的佔用者移動、以及部分 地基於特定區段的入口被建模為阻塞還是未阻塞來建模區段之間的佔用者移動；以及提供基於模型的佔用預測作為輸出。
19.權利要求18的方法，還包括基於關於區域內的佔用者位置的統計、模擬和存儲數據，定義與區域內的佔用者位置 相關的初始條件。
20.權利要求18的方法，其中基於建模每個區段的阻塞部分中的佔用者移動的狀態方 程來計算所述多個區段內的基於模型的佔用預測包括把阻塞部分建模為具有由位於阻塞部分中的佔用者數量定義的長度的隊列，其中佔用 者被建模為基於隊列延伸到區段中的距離進入該隊列。
21.權利要求20的方法，其中基於建模每個區段的未阻塞部分中的佔用者移動的狀態 方程來計算所述多個區段內的基於模型的佔用預測包括把未阻塞部分建模為多個基本單元，其中佔用者被建模為在每個時間步長中橫越一個 基本單元，其中佔用者被建模為當位於相鄰於隊列尾部的基本單元中的佔用者在下一時間 步長中前進時被添加到該隊列。
22.權利要求21的方法，其中基於部分地基於特定區段的入口被建模為阻塞還是未阻 塞來建模區段之間的佔用者移動的狀態方程來計算所述多個區段內的基於模型的佔用預 測包括基於區段的入口的寬度、在入口朝向區段的未阻塞部分時基本單元中的佔用者的密 度、以及在入口朝向區段的阻塞部分時隊列中的空位的預測傳播，生成與區段之間的佔用者移動相關聯的預測。
23.權利要求18的方法，還包括從一個或多個傳感器裝置採集傳感器數據；以及用所採集的傳感器數據校正基於模型的佔用預測以生成校正的佔用估計。
24.權利要求23的方法，其中用所採集的傳感器數據校正基於模型的佔用預測以生成 校正的佔用估計包括應用擴展卡爾曼濾波器，該擴展卡爾曼濾波器生成與每個區段的阻塞部分中的佔用者 數量、每個區段的未阻塞部分中的佔用者數量、以及相鄰區段之間移動的佔用者數量相關 聯的平均估計和協方差。
25.權利要求24的方法，其中該擴展卡爾曼濾波器還生成與每個區段的每個基本單元 中的佔用者數量相關聯的平均估計和協方差。
26.一種用於估計被劃分成多個區段的區域中的佔用的系統，該系統包括用於把所述多個區段的每個建模為包含阻塞部分和未阻塞部分的裝置；用於基於狀態方程來計算所述多個區段內的基於模型的佔用預測的裝置，所述狀態 方程建模每個區段的阻塞部分中的佔用者移動、建模每個區段的未阻塞部分中的佔用者移 動、以及部分地基於特定區段的入口被建模為阻塞還是未阻塞來建模區段之間的佔用者移 動；以及用於提供基於模型的佔用預測作為輸出的裝置。
27.權利要求26的系統，還包括用於基於關於區域內的佔用者位置的統計、模擬和存儲數據來定義初始條件相關的區 域內的佔用者位置的裝置。
28.權利要求26的系統，其中用於基於狀態方程來計算所述多個區段內的基於模型的 佔用預測的裝置包括用於把阻塞部分建模為具有由位於阻塞部分中的佔用者數量定義的長度的隊列的裝 置，其中佔用者被建模為基於隊列延伸到區段中的距離進入該隊列；用於把未阻塞部分建模為多個基本單元的裝置，其中佔用者被建模為在每個時間步長 中橫越一個基本單元，其中佔用者被建模為當位於相鄰於隊列尾部的基本單元中的佔用者 在下一時間步長中前進時被添加到該隊列；以及用於基於區段的入口的寬度、在入口朝向區段的未阻塞部分時基本單元中的佔用者的 密度、以及在入口朝向區段的阻塞部分時隊列中的空位的預測傳播來生成與區段之間的佔 用者移動相關聯的預測的裝置。
29.權利要求26的系統，還包括用於從一個或多個傳感器裝置採集傳感器數據的裝置；以及通過應用擴展卡爾曼濾波器而用所採集的傳感器數據校正基於模型的佔用預測以生 成校正的佔用估計的裝置，該擴展卡爾曼濾波器生成與每個區段的阻塞部分中的佔用者數 量、每個區段的未阻塞部分中的佔用者數量、以及相鄰區段之間移動的佔用者數量相關聯 的平均估計和協方差。
30.一種用機器可讀電腦程式代碼編碼的計算機可讀存儲介質，所述機器可讀計算 機程序代碼用於生成區域的佔用估計，該計算機可讀存儲介質包括用於使控制器實施包括如下步驟的方法的指令把多個區段的每個建模為包含阻塞部分和未阻塞部分；基於狀態方程來計算所述多個區段內的基於模型的佔用預測，所述狀態方程建模每個 區段的阻塞部分中的佔用者移動、建模每個區段的未阻塞部分中的佔用者移動、以及部分 地基於特定區段的入口被建模為阻塞還是未阻塞來建模區段之間的佔用者移動；以及 傳送基於模型的佔用預測。
全文摘要
一種系統基於預測佔用者經過區域的移動的基於動力運動(KM)的模型來生成佔用估計，該區域被劃分成多個區段。該系統包括用於執行表示基於KM的模型的算法的控制器。基於KM的模型包括把多個區段的每個定義為包含阻塞部分和未阻塞部分的狀態方程。狀態方程部分地基於在每個區段的阻塞部分和未阻塞部分之間進行的區分來定義佔用者的移動。
文檔編號G08G1/095GK101861607SQ200880116675
公開日2010年10月13日 申請日期2008年2月26日 優先權日2007年9月19日
發明者N·S·埃裡克馬, O·A·瓦西耶夫, R·N·託馬斯蒂克, S·F·布爾拉特斯基, V·阿特拉茲赫夫 申請人:聯合工藝公司