智能数据分析（精选12篇）
智能数据分析 篇1
0引言
近几年来,由于通信技术和信息技术的长足进步, 以及政府对环境保护方面条例的推行,高级量测体系 (AMI)因其在系统运行、资产管理,特别是通过负荷响应实现节能减排方面的显著效果而得到了广泛的应用[1]。大量智能电表的部署和应用,使得电力公司能获取高频率、广覆盖且时标一致的配电网末端的实测数据。同以往配电网量测具有的稀疏特点相比,高级量测体系除了能向电力公司提供用户结费所需的电能消费数据外,还能实时或准实时地获取各测量点的功率、电压、 电流及功率因数等重要运行参数[2]。通过近几年来智能电表的大规模安装和推广,目前各省电力公司的数据中心都累积了海量智能电表量测数据,如何运用这一宝贵的基础性数据资源,挖掘其潜在价值,为配电网的网络优化、优质运行及资产管理等业务提供有力支撑,是学术界和产业界共同关注的焦点,目前在美国、加拿大、 法国等国家对智能电表数据分析的相关研究和实践工作正如火如荼地开展。本文将在分析我国智能电表数据应用现状的基础上,深入探讨国内外行业内常用的智能电表数据分析方法及典型应用场景,并给出基于智能电表数据对配电网拓扑进行校验的分析实例。
1我国智能电表数据应用现状
由于高级量测体系能为实施各方带来显著效益, 2009年以来,国家电网公司全面推动了智能电表的安装和应用,截至2014年7月,已累计安装智能电表2.2亿只,用电信息采集系统覆盖2.3亿户[3]。南方电网公司也在加快计量自动化系统的建设,截至2014年8月, 南方电网公司下属的广东电网公司、深圳电网公司和广西电网公司已建成省级计量自动化系统,广西电网公司已实现厂站、专用变压器、配电变压器3类终端全覆盖, 低压集抄客户覆盖率44.1%[4],智能电表在我国得到空前的发展和应用。
从目前情况来看,我国的智能电表量测数据及采集系统呈现出规模大、采集频率高、数据存储时间长、数据多样化及测量点分布密集5个主要特征。1系统规模大:当前我国的采集系统一般以省为中心进行集中式部署。以浙江省电力公司为例,已在省公司数据中心建设覆盖全省十几个地市的超大规模采集系统,预计2016年将超过2000万用户[5]。一个以省为中心部署的采集系统,将包含数百万采集终端及几千万只智能电表, 其系统规模无疑是巨大的。2采集频率高:与传统抄表系统相比,智能电表数据采集间隔一般为15min,对于重点用户,采集频率可能还要更高,当前智能电表“生产数据”的速度比传统电表高出十倍甚至是百倍。3数据存储时间长:从数据分析的视角来说,原始累积数据越丰富、数据的时间尺度越长,对分析结果越有利;目前基于各种因素的综合考量,历史数据一般需要保存7 ~ 10年。对于如此长时间尺度的海量数据,如何管理、 分类、归档及保证其检索的性能,都是非常困难的事情。 4数据种类多样化:当前智能电表要求采集的数据类型是非常繁多的,其中包含电量类数据:总电能示值、各费率电能示值、最大需量等;负荷类数据:电压、电流、 有功功率、无功功率、功率因数等;事件类数据:终端和电表的各种事件和报警;工况数据:采集终端及计量设备的工况信息;电能质量类数据:功率、电压、谐波等;另外还有费控信息等其他数据。5测量点分布密集:无论是国家电网公司还是南方电网公司都对测量点提出了全覆盖要求,即测量点需覆盖变电站馈线出口、 专用变压器、公用变压器和低压用户,业务范围从原来单一的居民集抄扩大到厂站计量、大用户负荷管理及变压器监测等。
为充分挖掘智能电表数据的潜在价值,国家电网公司启动了一批基于智能电表数据应用的研究项目。例如基于营配数据融合的配电网资源优化及服务关键技术研究项目,就是充分应用智能电表量测数据,对用户用电消费行为、配电网规划设计模式、短期负荷预测等方面开展研究。另外为了消除配电和用电营销业务之间的数据孤岛,国家电网公司正在实施营配调数据贯通工作, 为智能电表数据的分析准备基础条件。目前中国电力科学研究院正在开展电力大数据相关研究,开发电力大数据平台,开展面向大数据的能效分析等关键技术研究, 可以预见智能电表数据的深层价值将在未来几年有所体现。不过目前我国对智能电表数据的分析和应用也存在数据碎片化、缺乏系统性,以及超大规模数据集计算效率不高等问题。
2智能电表数据分析方法
智能电表数据分析是指运用统计分析方法对收集来的大量原始智能电表量测数据进行处理、建模和计算, 提取有用信息并形成结论,挖掘其内在关联和深层价值,为电力公司的商业运营、电网规划和运行维护等提供决策支持,使其更具有洞察力的过程与科学。与智能电表数据相关的数学统计分析方法可以归结为以下主要4类:相关(correlation)分析、聚类(cluster)分析、 异常(exception)分析以及趋势分析[6]。
1)相关分析。相关分析是研究现象之间是否存在某种关联关系的一种统计方法。相关分析分为线性相关分析和偏相关分析等,在智能电表数据分析中,线性相关分析最为常用,它研究两个变量间线性关系的程度, 用相关系数R来描述。可以利用负荷与温度的相关关系, 结合天气情况来预测负荷高峰。也可以利用连接在同一配电变压器二次侧的智能电表电压测量值来对某一组电表的相关性进行分析。
2)聚类分析。聚类分析就是以一定的标准来汇集某一类数据。例如,连接同一个变压器的电表可以通过聚类分析来确定变压器的负荷。虚拟电表是人为定义的聚类,能够聚类具有同一属性的电表的数据,一种典型的虚拟电表是聚类具有线性关系的电表来进行区域规划和分析(如某一馈线或变压器的负荷)。
3)异常分析。异常分析是指对偏离一般规律的异常事件或现象进行原因追溯的分析方法。异常分析在设备故障和用电异常(如窃电)诊断等方面能发挥重大作用。如统计变压器故障前的一系列历史异常数据,对其进行抽样和建模,就可以预测变压器的故障,从而及时检修或更换。
4)趋势分析。趋势分析是将两期或多期连续的同一指标进行对比,得出它们的增减变动方向、数额和幅度,以揭示事物变化趋势和变化规律的一种分析方法。 趋势分析是智能电表数据分析的常用方法,最简单直接的分析就是利用多条趋势曲线同时展示某一用户用电量的同比或环比数据。设备故障前的趋势模型也能够用于辨别零件的毁坏或操作故障。
智能电表数据是配电系统某一时刻运行状态的真实反映,它必然满足或是符合电气工程基本原理和内在规律,如从电源向负荷方向,配电馈线的电压分布呈下降趋势;同一电源点下的各测量点的电压值相近且波动率相似;某一区域供入供出的电量必然守恒等等。基于电气工程的基本原理,采用智能电表量测数据为主要输入, 结合上述数学统计分析方法,以信息技术为实现手段, 求解某一配电系统特定问题的过程,称为智能电表数据分析法或数据分析元(smart meter data analytics),它是基于多学科的综合分析方法,为我们系统地求解某一问题提供理论指导,目前已成为电力公司数据分析的热点。美国电力科学研究院的T.A.Short,基于同一配电变压器二次侧的用户智能电表电压测量值具有强烈相关性的电气原理,采用线性回归的数学方法,以智能电表的电压值和电量值作为样本数据,实现了对变压器相位的识别,以及变压器与智能电表的电气连接关系和阻抗模型的自动创建[7]。加拿大BC Hydro公司通过类似的原理,利用相关分析,对配电网GIS的拓扑正确性进行校验。该方法的优势是不需要现场人工排查或是额外安装测量装置,只需利用电表数据进行分析就能得出准确的结论。从以上研究成果看出,智能电表数据分析元在实际的工程应用中已经取得了非常明显的效果。
在智能电表数据分析的实际应用中,我们通常需要从超大规模的数据集中提取、处理和运算数据,因此大数据处理是智能电表数据分析过程中需要解决的重大问题。以加拿大BC Hydro公司为例,一个普通居民用户的智能电表,每天会产生3KB以上的数据,每月是100KB左右。当安装智能电表数目达到160万时,计量数据库里每天增加11GB的数据[8]。我国由于人口众多、 地域辽阔,主要省份的电力用户数量都在千万以上,其数据规模可以想象将会更加巨大。
在此情景下,显然单机或通常意义上集群系统已无法在指定的时间内完成在对智能电表数据的运算, 应用并行 计算模式 已成为必 然。 并行计算(parallel computing)是指同时使用多个计算资源解决计算问题的过程,它的基本思想是用多个处理器来协同求解同一问题,即将被求解的问题分解成若干个部分,各部分均由一个独立的处理机来并行计算。并行计算系统既可以是专门设计的、含有多个处理器的超级计算机,也可以是以某种方式互联的若干台独立计算机构成的集群[9]。 目前开源的并行计算机集群系统主要有Hadoop、Spark等,这些系统已经被广泛使用在互联网和电信等领域, 相信在智能电表数据分析方面也会得到良好应用。
3智能电表数据分析主要应用场景
3.1客户行为分析
负荷曲线是客户消费行为的直观显示,智能电表数据能详细的记录客户消费细节,如间隔为15min的电量、 功率、电压等参数。由于具有相似消费习惯的客户具有相似的负荷分布形状,因此可以根据其负荷分布的相似度来对客户加以分类,从而更加方便企业对客户的分类和精细化管理,并针对某类用户制定更加有针对性的运营策略。
把用户实际的负荷曲线叠加到电网峰谷时段上,可以展现出用户更多的用电细节,计算其峰值时段的电能费用,估算用户错峰的潜力。因此利用智能电表数据对客户行为进行分析,能更有效地促进需求侧管理,合理抑制负荷峰值,提高电网资产的利用率。
3.2资产管理
利用智能电表数据来辅助配电网资产管理是智能电表数据应用的一个重要方向。通过对电表数据的分析, 可以监测设备的运行状态,提前识别设备故障,从而合理优化资产的维护和更换计划。美国的弗罗里达电力电灯公司(Florida Power & Light,FPL)利用智能电表量测数据,对故障配电变压器的二次侧电压数据进行回溯分析,结果发现故障变压器的二次侧电压在故障发生前2 ~ 3个月的时间内存在明显的偏高现象。通过对变压器故障机理深入分析得出,这类故障是由于高压侧绕组损坏,变压器变比发生变化而导致[10]。利用这一规律, FPL实施了全系统变压器的故障预警监测,主动更换将要故障的变压器,实现防患于未然。在AMI项目启动的第1个月(2012年11月),就发现了372台符合此条件的变压器(FPL变压器总数在879 000台左右)。 在2014年1 ~ 6月也已更换452台配电变压器(以电压高于252 V为判据,240 V为额定电压),它们大都是服务年限高于15年的老变压器。通过对智能电表数据的应用,FPL在系统运营方面得到了显著的收益,包括变被动故障为主动的计划停运维护,变压器更新开支平均节省25%,缩短了用户停电时间(比故障停运情形减少93 min)[11,12]。
从以上案例可以看出,智能电表数据能很好地帮助电力公司提高其资产的管理和运维水平,减少非必要的事故停电,提高用户满意度。
3.3故障定位与响应
通常电力公司一般依据客户电话来确定电网故障的位置,在派遣工作人员去现场处理之前,需要几个或是更多的故障电话来大致确认故障范围和影响区域,然而这样就会大大增加故障的处理时间。派遣现场工作人员处理故障前,利用电表数据和线路故障指示器联合判断故障地点,将极大地减少故障影响时间。
许多智能电表都是内置电容供电的智能传感器, 在线路停电后仍然能够上报“失电”故障信息(last gasp)至故障管理系统。从各智能电表接收到的故障信息能够清楚地判断故障范围,如果把智能电表和地理信息系统结合在一起,通过故障点的分布和拓扑关系可进一步显示各故障点的相关性。另外派遣现场作业人员处理故障前,调度中心的操作人员能够下发指令到相关的电表判断是否断电,这能够极大地减少故障误报。智能电表在恢复供电后也会上报“上电”信息(first breath)。智能电表和操作人员之间的这种互动过程能帮助确认故障修复并检测是否有多重电网故障同时存在。
3.4网损分析
目前配电网网损计算中存在的最突出问题就是供售电数据不同期,产生此问题的根本原因是不同电压等级的售电量抄表日期不一致,且与供电量的结算日期不同。而智能电表的大量应用,使电力公司可获得变压器、馈线和大量用户的同期(准同期)数据,依据这些数据可得到同期线损,较过去通过手工抄表数据所计算的结果要精确很多。
除了网损的同期问题外,网损计算的周期也是值得关注的问题。传统网损分析一般每月进行一次,属于事后折算定性分析,存在明显的滞后性和盲目性,往往不能正确评价损耗率是否合理,也不能及时做出补救措施。 电力是一种特殊的商品,每时每刻都随着工农业生产、 居民生活、天气等发生变化,线损率也随之变化。怎样来实时地跟踪这些变化,或者将发生变化的监测时间压缩到最小是亟待解决的问题[13]。智能电表采集间隔一般为15min,可以把原来一个月进行一次的网损分析缩短至15分钟级,甚至可以对重点关注的某个或一组用户,设置到5min或更小的间隔,这样可以为网损分析提供实时(或准实时)的测量数据,对电网运行过程中的用电异常、窃电行为提供及时主动预警。
3.5配电网状态估计
传统意义上,电力公司通过位于变电站内或配电线路沿线的SCADA设备来监测配电系统,例如线路重合闸设备、电压调节器和电容控制器等。SCADA测量能够提供电流、电压等信息,再结合配电管理系统DMS中的先进软件应用,可以有效地提升对配电线路分析、检测的清晰度和性能,对配电线路所有测量点实时电气信息做出状态估计,但是SCADA无法显示配电线路以外的电气信息。
智能电表数据可以补偿SCADA实时数据的不足, 其提供的小时冻结数据甚至是分钟冻结数据显著提升了状态估计精度。把智能电表系统收集的历史数据与天气信息和GIS模型结合起来,构建精度更高的用户模型。 用户数据实现近实时收集,随时掌握用户点的精确功率流,为配电网状态做出更精确的估计。
3.6电压和无功优化
集成的电压 / 无功优化(volt/var optimization,VVO) 与传统未经协调的局部控制方法不同,VVO使用全网实时信息和在线模型对配电网络进行全面评估,提供全网优化和协调控制策略,使各项调节控制措施产生的结果能与最佳控制目标一致。 当前应用的VVO系统采用准实时的配电网潮流模型,潮流模型建立在实时网络拓扑模型、节点负荷模型和二次回路等效模型之上。负荷模型的调整依靠变电站自动化和馈线自动化SCADA系统的测量来实现,并采用下游配电线路的状态估计电压作为配电网潮流模型的参考电压。因此客户端电压的精度取决于参考电压的精度与配电线路、配电变压器和二次回路等效模型的压降。这些模型的误差都给电压无功优化带来许多不确定性,降低了VVO的性能。利用覆盖全网的智能电表(包含馈线、配电变压器和居民电表) 和通信网络,智能电表的量测数据作为SCADA系统的冗余,能够通过减少无功优化中的不确定性,提升电压无功优化性能。
VVO的另一个目的是在不违反电力服务标准的情况下,使得任意用户点的配电电压尽可能低。大多数VVO方案依靠状态估计所得到的低电压限制和模型结果往往精度不够,VVO应用倾向于采用保守方案来保持电压不违反低电压门限。智能电表的历史数据和实时数据能显著提升模型的精度,并保证无功控制行为不违反运行限制。另外在系统中的薄弱点,通过对智能电表进行特定的设置,使其能为VVO返回近实时测量数据, 为其优化过程提供帮助。
综上所述,智能电表数据大量应用于配电网的规划设计、运行维护及客户服务等各个方面,除了上面列举的方向外,智能电表数据还可以广泛应用于负荷预测、 可靠性评估、相位识别、三相不平衡分析等方面。
4基于智能电表数据的配电网拓扑校验应用实例
本应用实例将介绍如何采用智能电表数据分析方法,对配电网地理信息系统(GIS)中设备的电气连接关系进行正确性校验。电力公司通常使用GIS系统来描述和管理配电系统中各种电力设备以及它们的电气连接关系,在已有的配电网GIS系统数据中,存在着大量的错误或者误差,例如:
1)实际电气拓扑关系与GIS系统数据不相符, 如电力用户与台式变压器的连接线路不相符、台式变压器与馈线的连接线路不相符等;
2)设备资产的地理位置错误、参数不一致等。
这些错误和误差对配电系统的资产管理、系统运维、供电中断响应以及维修人员的人身安全都有不良影响。目前,为了校验和修正这些错误或者误差,电力公司的通常做法是:当实际拓扑关系发生变更时,利用人工记录这些变更并更新GIS中的相关数据,或者专门组织人力进行实地巡测来修正这些错误。这些方法均需要耗费大量的时间、人力和物质资源,而且准确性不够,同时对于采用地下电缆铺设的台区、偏远台区等不具备良好的可操作性。
加拿大BC Hydro公司基于智能电表数据分析方法,为解决上述问题提供了新的思路,其主要分析过程如下:
(1)按一般的电气工程原理,配电网的电压分布具有以下特性:
1)因为与不同馈线相连的负荷的分布是不同的,所以其电压分布是不同的;
2)电压值的大小在同一馈线上从上游至下游呈递减趋势;
3)负荷在系统中是变化和相互影响的,如果两个负荷的电气距离越近,它们的电压曲线就越相似,相关度就越高,反之亦然。
(2)从GIS系统中选取某一配电变压器,例如此台区下共有13个电力用户的智能电表,利用这些智能电表的小时电压分布序列(一周的时间),按照样本数据相关性分析算法,对其进行相关系数计算(见图1),可得出一周内所有电表小时电压曲线之间的相关系数矩阵。可以看出,除了电表11和电表13,其他所有该变压器下的智能电表小时电压之间的相关系数都大于0.97,这样高的相关性可以表明这些电表确实都是接在该变压器下。 然而,电表11和13与其他电表之间的相关系数在比较低的0.67 ~ 0.78区间(在图1中以灰色底色示出),这表明这两个电表在实际的拓扑结构中可能是连接在其他变压器下的。 再把这两个检出的电表与其他相邻的台区内电表进行电压特性相关分析和量值比较,可以推断出其正确的接线位置。
BC Hydro公司基于智能电表数据对配电网拓扑进行正确性校验,是电气工程原理与其他分析方法相结合,用于解决电力系统实际生产运行问题的典型案例,具有很好的参考和借鉴意义,详细内容参见文献 [14-15]。
5结语
智能电表数据是配电系统运行的基础性数据,它为电力公司提供了规模巨大、时标一致、量测频率更高、覆盖范围更广的可信数据源。聚类、相关分析等统计学方法,以及信息技术都是进行智能电表数据分析的常用手段。当然综合应用电气工程、统计学和大数据等相关学科,寻找智能电表数据与电网运行的内在关联,系统地求解某一配电系统的实际问题,已成为智能电表数据分析的重要方法。挖掘智能电表数据蕴含的深层价值,将作为未来电网的一个基本功能,广泛服务于运营决策、配电网规划、运行管理及客户服务等各个方面,为配电系统迈向智能化提供更加有力的支撑。
智能数据分析 篇2
一、概述：
近年来，随着经济的不断深入发展，人民生活水平显著提高，乘坐飞机商务出行、旅游的人数屡创新高，使得机场的客流不断增加。在国内民航新建、迁建、扩建机场项目猛增的同时，也需同步配备相应的安防及智能视频分析系统，以满足民航机场安全管理要求和机场运营业务的高速发展。同时随着国内外恐怖事件的不断发生，也给传统的机场安防带来了严峻的考验，这实际上也为机场安防及智能视频分析系统的建设、升级和改造带来了契机。
由于机场监控设备数量庞大、监控对象日趋复杂，在传统的视频监控模式下，机场安保人员需要监视太多的视频画面，远远超出承受能力，导致实际监控效果降低。及时协助发现异常行为并进行处理、消除安全隐患、保证人身财产安全等，对机场安全管理工作具有极其重要的意义。机场视频智能分析技术，旨在利用当今最先进的人脸识别技术，加强对机场的智能监控，乘客运动轨迹查询，通过智能分析处理技术及时发现机场内部及周界的异常行为并自动报警，从而减轻监管工作人员的负担，提升工作效率，提高监测准确度，使机场管理工作更加有效。同时，结合机场安防预案，对突发事件实现快速响应，保障机场安全。
二、需求描述
XXXXXXXX机场是XXXXXXXXXXXXXXXX的国家门户枢纽机场，占地面积大，共有XX、XX、XX三个航站楼，总面积XX万平方米，货运库XX万平方米，停机位XXX个，值机柜台XX个，自助值机XX台，安检通道XX个，出港行李转盘XX个，进港行李转盘X个，可满足年旅客吞吐量XXXX万人次。因此会存在候机楼里乘客数量多，乘客误机，区域人员密度聚集以及机场周界过长管理起来比较困难等问题。为了机场更好的人性化、智能化管理，更优质的乘客服务，故利用目前比较先进的人脸识别技术、智能视频分析技术，形成大数据智能整合、分析，更好的解决以上的问题。
三、系统功能
1、候机楼人数统计
XXX机场旅客年吞吐量达到XXXX多万人次，三个航站楼，旅客数量非常大，为了保证机场管理人员能及时获得每个候机楼里的具体乘客人数，故通过智能视频分析技术在XX个安检通道进行进入候机楼的人数统计，然后在各个登机口进行出候机楼（登机）人数统计，从而得到比较准确的候机楼人数统计。
（1）、统计进入候机楼旅客数量
（2）、统计登机旅客数量
（3）、统计每个安检口的进入乘客数量（4）、统计每个登机口的登机乘客数量
（5）、大数据分析：通过对每个出入口的人流量统计从而以柱形图、波线图等更直观的 方式把数据进行展现，已达到用数据说明情况，用数据解决问题的效果。
2、密度聚集检测
对机场重点区域进行视频监控，并利用智能视频分析技术来对重点区域进行人员密度聚集检测、报警。
（1）、重点区域设臵：可利用现有的高清视频监控系统，在需要监测的重点区域进行自定义区域、时间段、密集程度报警值等设臵。
（2）、提前预警：密集程度有低、中、高、较高四种级别，建议报警值设臵在“中”级，这样就可以在事件发生前预警并通过调取该区域的实时视频监控对报警区域进行查看，根据实际情况做出相对应的处理。
3、智能周界
机场周界通过智能生物科技感应人体电流来判断是否有入侵物体，一旦报警就发送一个信号至智能视频分析系统，调动摄像头自动监控报警区域，并记录报警事件的一段视频资料。
（1）、接收周界设备发出的报警信号：一旦周界设备检测到有入侵事件，就向系统发送信号，系统对信号进行接收。
（2）、报警视频存储：系统接收到信号后，就自动调用摄像头对报警区域进行实时监测
和视频录像，并保存该事件发生前后的一段视频录像，便于后续取证和处理。
（3）、报警记录查询：系统会自动记录并保存所有的报警记录，可通过时间、地点等多种组合条件放进行查询。
4、VIP乘客管理
机场和航空公司为了给VIP乘客提供更优质和精细的服务，可利用人脸识别技术第一时间识别到乘客身份并及时通知相关工作人员，为VIP乘客提供相应的服务。
（1）、VIP乘客信息注册：各航空公司提供本公司的VIP乘客相关资料在系统中进行注册。
（2）、人脸识别：在机场安检口抓拍到一张清晰的人脸照片后，与各航空公司VIP客户事前注册的人脸信息进行对比，对比成功后把该信息推送至相关人员。
5、乘客运动轨迹及乘客搜索
由于机场候机楼乘客数量众多，登机口分布比较广，当需要对某些特定乘客进行查找，并确定其位臵时，可通过人脸识别技术、智能视频分析技术、大数据处理等对进入安检口后的乘客进行运动轨迹生成，从而及时有效的对该乘客的运动轨迹进行分析并做出有效的相应提示。
（1）、未登机人员查找: 在机场安检口登记进入候机楼的乘客信息，并抓拍一张清晰的人脸照片。进入候机楼后，候机楼中的所有符合人脸识别要求的摄像头一旦抓取到照片并比对成功后，就进行轨迹记录。后续通过输入未登机人员的身份信息就可迅速查找到此人的运动轨迹，在距离此人最近的区域进行广播，以提高机场寻找人员的效率。
（2）、人脸检索：在系统中输入待查询的人脸照片，系统自动检测出照片中的人脸信息，选择需要检索的人脸后进行相似度、时间段等参数设臵后开始检索，最后检索出的结果会在界面上显示出来。
（3）、记录查询：人脸系统查询包括黑名单报警查询和人脸抓拍查询，可以通过时间、通道等相关参数快速查询信息。黑名单报警查询可以查询某个时间段、某个通道的所有报警事件，并可查看报警详细信息;人脸抓拍查询则可查询某个时间段、某个通道的所有抓拍人脸事件，并可详细查看图片、具体抓拍时间点等信息。
四、总结
智能数据分析 篇3
动态可视化的健康规划
“在我们未来的发展方向上，将会以智能体脂秤为主要的数据入口，同时支持接收手环、手表等可穿戴智能硬件提供的各项人体基础数据，经过强大算法的云端计算，最终在App进行呈现，为用户提供科学的有价值的分析结果和有针别的、切实有效的健康管理建议。”智能秤的创新者，国内智能健康硬件创业公司有品公司CEO张悦，今年初在接受记者采访时这样表示。据悉，有品成立于2013年4月，2013年12月推出了首款Latin智能健康秤，同月获得了戈壁创投400万元A轮融资2014年6月，又获得了腾讯和京东商城2100万美元B轮投资。
而就在今年的春节过后不久，有品就上线了全新的有品App2.0版本，较之于之前的1.0，其旨在通过此次的软件升级，打造智能、好用的身体指标监测和每日运动量管理工具。
其实，早从2013年起，一些大型展会和市面上就相继出现了许多智能秤的身影，有些还被冠之以“智能体制分析仪”的大名。然而由于受价格和功能稳定性等因素的影响，发展至今，整个智能秤的总体市场规模还是太小，单就一年中国市场中8000万台秤的出货量来看，智能秤只占到了其中的200万台，并且绝大部分还是出口欧美。
然而，“经过近两年的发展，相关产品已经筛掉了很多初代产品的坑爹设计，产品设计和质量都相当稳定了”，一位业内人士如此评价智能秤近年来的发展。
以有品为例。有品智能秤在使用时，手机App即刻同步脂肪率、内脏脂肪指数等9项重要体征指标。
“我们APP的l.O版本，完成了工具化第一步的目标，给用户呈现的是最直观、较详细的、他的个人身体状态和身体类型指示，这是一种静态的身体数据展现。而升级后的2.0版本，关键词是动态展现和交叉分析。我们希望基于用户长时间的测量数据积累，通过对他数据的挖掘和分析，能给用户带来更有价值的结果。其实我们从1.0到2.0的版本升级，就是从原来静态化的信息展示，变成了现在动态化、延续性、场景化的信息展示。最主要的目的，就是希望为我们的用户更科学更直观地提供对他们来说最有价值最核心的信息。”张悦说。
比如人们一直部说“每逢佳节胖三斤”，春节等长假过后，一定有很多用户的体重体脂部有较大的变化。这时候有品2.0在场景化使用方面就会给用户提供一些减肥小指导之类的内容，帮助指导用户减掉那些“过节肉”。再比如用户每周上秤三天，或者每月上秤8天，有品2.0都会根据用户这段时间的身体信息，给他们一些有针对性的健康指导。这种指导既包括饮食上的也包括运动上的。
但是仅仅有身体的数据是不够的，在此基础上，有品2.0版本里还有计步器功能，就是希望通过采集用户的步行数据，获得其最基本的运动量，从而了解其运动状态和生活习惯。这是一个久坐不动的白领还是一个定期运动或者工作活动强度比较大的人？基于这些数据，有品会描摹出用户身体状况可能的发展趋势，比如一个人如果一天开车上下班，中午叫个外卖，在办公的时候也基本坐着不动，那么他的生活方式就是不健康的，长此以往可能会出现问题。那么有品就会基于他的现实情况和以后可能出现的健康风险，给出一些有针对性的运动建议和目标，让用户在直观了解自己可能存在的健康风险同时，根据有针对性的建议对自己的生活做出调整。
挖掘价值数据才是智能秤的未来
经过亲身试验，“给我数据不如给我方法”是用户对于智能秤功能的最人期待。
对于普通用户而言，脂肪率、基础代谢率、肌肉含量、骨重等都是一些“死”的数据，用户们需要的不是那些生硬的名词解释，而是希望透过这些数据，如果知道它们中的哪一项不正常，自己应该怎么让它正常，因而教会用户方法才是核心。
当代社会，大数据主导一切。经营自己的身体和管理一家公司其实并没有多大区别，无论是人员管理、营销方向制定，亦或是身体健康状况跟踪，都离不开大数据的参考。智能秤就有做这方面工作的先天优势，它们可以是提供自身数据的私人助理。通过它们定期监控体重、体水分率、内脏脂肪、骨骼含量、体脂肪率等指标并给予一定的建议，防患于未然。
今年6月初，有品又发布了最新一款智能秤有品魔秤CI。其采用了BIA生物点阻抗测量方法，通过有品独家、核心的分析算法，可以检测到用户的体重、体脂、肌肉率等9项身体指标，全面反映用户的身体状况，满足用户对智能体脂秤的基础需求。而在此基础上，C1在功能方面，去除了此前S系列的内置记忆模块和悬浮进程花瓣提示灯。用户在测量过程中，无需进程提示可直接显示测试结果。
比如，在应用一侧，有品App可以记录和学习用户的生活起居和运动习惯，并根据天气状况给予针对性的建议，比如“18点雷阵雨不适合户外运动”。而如果用户在有品App里添加了自己的胸围、腰围、臀围和大腿围等数据，有品还可以根据数据了解用户的体型，配合体重、体脂等指标，给予用户预防慢性疾病的个性化建议。
那么，智能秤的使命是什么？如果这个问题放在3、4年前，或许是个可笑的提法。然而随着近年来智能硬件的井喷发展，智能秤作为智慧家居中的一员，将被赋予了家庭营养专家和医生助手的新功能。
未来，智能秤将成为家庭生活中的一部分，是一个新的数据入口，记载了来自个人自身的许多数据，是唯一准确知道你个人体质信息的专家。而这部分最个性化的数据将为用户提供定制化的膳食搭配和运动建议，调养用户的身体。当大病来临时，这位“私人医生”又将为用户的主治医生提供更为准确和详细的数据报告。
而推出智能秤，是构筑数据生态圈的第一步。张悦表示有品将构建以“智能体脂健康秤及其App”为核心，其他衍生性的可穿戴智能硬件为支持的健康管理闭环的新愿景。
智能数据分析 篇4
智能家居 (Smart Home) 是以住宅为平台, 利用综合布线技术、网络通信技术、安全防范技术、自动控制技术、音视频技术将与家居生活有关的设施集成, 构建高效的住宅设施与家庭日程事务的管理系统, 提升家居安全性、便利性、舒适性、艺术性, 并实现环保节能的居住环境[1]。
随着3G和4G移动网络的发展, 智能手机的普及化应用程度也在迅猛增长, 手机已经不再局限于简单的通话, 而是一部可随身携带的移动性电脑。智能手机等移动终端通过无线通信技术与智能家居连接到一起, 实现了随时随地对智能家居设备的控制, 这为基于智能移动终端的智能家居的拓展打开了更大的想象空间[2,3,4]。
专利可以充分体现技术发展的脉络, 本文通过对在中国申请的基于智能移动终端的智能家居技术方面的专利申请进行分析, 希望能够为基于智能移动终端的智能家居技术的相关专利申请提供一些有益的指导[5]。
2 发展趋势及重点专利分析
本文主要针对基于手机等智能移动终端的智能家居领域的中国专利申请进行分析, 因此, 选取CPRSABS数据库 (中国专利检索系统文摘数据库) 进行专利分析, 该数据库收录了中国所有的专利文摘信息, 数据覆盖全面, 数据项丰富, 其中包含关键词、范畴分类及权利要求1的信息。
2.1 专利申请量分布及技术生长率
在CPRSABS数据库中利用关键词“智能家居、数字家庭”和“手机、PAD、智能移动终端”进行检索, 共得到295篇专利。通过对在中国的历年专利申请分析, 得到如图1所示的中国专利申请趋势。
由图1可见, 对基于智能移动终端的智能家居的专利申请出现于2003年左右, 其发展过程可以分为3个阶段:1) 2003—2005年, 该阶段的专利申请量较少且无明显增长势头, 这说明此时还处于智能家居的技术萌芽阶段, 主要是探索和研究, 整个行业还处于概念熟悉、产品认知的阶段, 技术产出比较贫乏;2) 2006—2010年, 申请量开始逐年小幅增加, 但仍比较低, 这说明此时处于技术的开创期, 技术投入已经开始产出, 产品开始进入市场;3) 2010—2013年, 该阶段申请量大幅度增长, 出现了质的飞跃, 说明该技术处于蓬勃发展的阶段, 初期的研究已经逐渐形成技术成果大量产出。2014年的申请量相对较少, 是因为大部分发明专利申请还处于未公开阶段。
技术生长率V是反映一项技术创新情况的重要指征。V=a/A, 其中, a是当年发明专利申请量, A是追溯5年的发明专利申请量累积数。由图2可见, 2003—2005年, 技术生成率整体呈飞速下降趋势, 这说明该阶段技术创新的难度比较大, 创新速度缓慢, 可能是由于对概念和技术的不熟悉有关;2005—2007年, 随着对技术的逐渐了解, 技术创新速度快速增加, 技术生长率也突飞猛进;从2008年至今, 技术生长率进入了平稳阶段, 说明该领域的技术创新进入了稳步发展阶段。
通过对申请量和技术生长率的分析可以看出, 2005年和2010年是基于智能移动终端的智能家居领域发展的两个拐点。
2005年, 该领域的专利申请量为0, 说明该技术的发展进入了冰点期, 究其原因, 是因为该阶段处于市场徘徊期。在2005年之前的几年, 国外的智能家居产品基本还没有打开国内市场, 而国内一些嗅觉灵敏的企业率先成立了智能家居研发生产基地, 智能家居企业进入了野蛮成长和恶性竞争阶段, 给该行业带来了极大的负面影响, 比如, 过分夸大产品的功能却并未达到相应的效果;由于技术的不成熟导致产品不稳定, 用户体验度差, 投诉率升高等。行业用户和媒体开始质疑智能家居的真实效果, 由原来的鼓吹变得持谨慎怀疑态度, 很多企业也被迫退出了这一市场。
2010年, 该领域的专利申请量出现了猛增, 说明该技术迎来了复苏的春天。究其原因, 是因为2010年以智能手机为代表的智能移动终端市场迎来了井喷的一年。随着移动互联网技术的迅速普及, 智能手机的娱乐、商务等应用越来越被消费者所认可, 用户关注度攀升。因而基于智能移动终端的智能家居领域作为与消费者生活紧密关联的新兴产业, 也进入了蓬勃发展的阶段。
2.2 中国专利IPC分布
由图3可见, 基于智能移动终端的智能家居领域技术相关的专利申请主要集中在G部和H部, 其中, G05B (一般的控制或调节系统;这种系统的功能单元;用于这种系统或单元的监视或测试装置) 申请量占30%, H04L (数字信息传输) 占25%, H04M (电话通信) 占10%, 可见, 上述三个领域是基于智能移动终端的智能家居技术研究的热点和重点。此外, 该领域的专利申请还分布在H04W (无线通信网络) 、G08B (信号装置或呼叫装置;指令发信装置;报警装置) 、G08C (测量值、控制信号或类似信号的传输系统) 、H04N (图像通信, 例如电视) 、G07C (时间登记器或出勤登记器;登记或指示机器的运行;产生随机数;投票或彩票设备;未列入其他类目的核算装置、系统或设备) 、G06F (电数字数据处理) 、H05B (电热;其他类目不包含的电照明) 等领域, 可见, 基于智能移动终端的智能家居领域涉及的技术内容非常广泛, 对该领域的研究具有广阔的发展前景。
2.3 重要申请人分析
图4展示出了以中国作为目标市场的主要专利申请人的专利申请量, 从图中可以看出, 该领域的申请人主要是家电企业 (如海尔、四川长虹、TCL等) 、高校 (如中山大学、北京工业大学等) 、电网企业 (如国家电网、上海市电力公司等) 、物联网企业 (如宁波高新区智轩物联网科技有限公司、江苏中江物联网科技有限公司等) 、移动终端企业 (如小米科技有限责任公司等) 。海尔集团和中山大学的申请量遥遥领先, 其他企业的申请量相当, 但总体而言都比较少。该领域目前还没有国外申请人进军国内市场, 国内市场具有很大的发展空间, 很好的机遇。与此同时, 国内企业也面临着重大的挑战, 虽然国内企业具有了一定的知识产权保护意识, 但是对该领域的研究还处于初级阶段, 竞争实力不够强。国内企业应该积极布局专利壁垒, 以防国外企业进入中国市场后对国内企业的冲击。
2.4 关键技术分析
基于智能移动终端的智能家居涉及的关键技术主要集中在以下几个方面:
1) 无线通信技术。近几年来, 随着无线通信技术、传感器技术的发展, 智能家居的实现方式也极大地丰富起来。目前业界的主要研究方向是基于物联网和Zig Bee技术的智能家居系统, 例如公开号为CN102882752A, CN103247141A, CN101038492A的发明专利申请, 公告号为CN202454039U, CN202495961U的实用新型专利申请。
2) 通信安全。由于基于智能移动终端的智能家居系统需要借助网络通信技术进行信号与数据的传输, 因此其通信安全存在隐患。黑客可能借此侵入系统的各个设备或终端, 窃取用户重要信息, 侵犯用户隐私。因此, 对基于智能移动终端的智能家居系统的安全性研究是一个重要方向, 例如公开号为CN101141348A, CN103731756A的发明专利申请, 公告号为CN202353639U, CN203301520U的实用新型专利申请。
3) 环保节能。智能家居不仅能使人们生活高效便利, 还能回馈社会节能环保, 这在提倡低碳、节能、环保的当今世界, 无疑受到业界的青睐。以国家电网为代表的各电力公司以及高校纷纷展开了有关这方面的研究, 例如公开号为CN102591307A, CN102193550A, CN103763824A的发明专利申请, 公告号为CN203761642U, CN203444301U的实用新型专利申请。
3 小结
根据以上分析, 可以看出, 目前基于智能移动终端的智能家居技术还处于蓬勃发展阶段, 在中国的专利申请还处于起步阶段, 国外企业还没有申请国内专利保护, 这对国内企业来说存在着重大机遇与挑战。国内申请人对关键技术和核心专利的掌控比较均衡。相信通过中国企业的自身技术研究的发展以及对于知识产权意识的提高, 中国企业能够在该领域专利申请方面占据一席之地。
参考文献
[1]百度百科.智能家居[EB/OL].[2014-09-02].http://baike.baidu.com/view/37089.htm?fr=aladdin.
[2]杜守理, 徐杨.基于手机控制的智能家居系统研究与设计[J].微计算机信息, 2012, 28 (10) :87-90.
[3]王宁, 黄樟钦, 程亮, 等.智能手机远程家居监控系统的设计与实现[J].计算机应用, 2005, 25 (9) :2212-2218.
[4]熊琼, 师卫, 腾生强.基于ARM cortex TM-A8与Android的智能家居系统[J].电视技术, 2014, 38 (9) :85-88.
智能手机行业分析 篇5
中国的手机市场是全球最大的市场，中国的消费者要求也更高、更多，能真正在中国市场杀出重围，中国手机也就能走出国门，在其他国家降维打击，笑傲世界。
从目前的中国手机市场竞争格局看：
华为份额一家独大，华为+荣耀占据接近50%市场，从线上到线下，从百元机，到高端8000+。都有产品覆盖，采取全线进攻战略，对标每一家品牌，采取机海战术。
苹果牢牢占据高端市场，凭借iOS生态和品牌影响力赢得大量粉丝群体，是中国手机市场最高利润获得者;但是现在逐渐受到华为冲击，中高端份额减少，但是依旧保持强大的品牌形象。
ov在线下广泛铺货，销售触角深入到中国各大县城乡镇，四通八达，并且拥有自我生产制造基地，产品品控一流;但是由于给了线下大额利润，产品性能较低于其他互联网手机，且华为同样开始进攻线下，ov在稳守线下同时又开始转型互联网手机。
小米从互联网起家，曾凭借性价比的大旗做到过中国手机品牌第一，一时风光无限，但是由于利润较低，也开始逐步上攻高价位市场，以此获得更高品牌影响力和利润。
中国的消费者群体广大，年龄、职业、偏好分布不均，因此对于手机厂商来说，很难对所有消费者面面俱到，能够满足特定客群，就能打响一个品牌，满足的用户越多，自身的品牌力就越强大。
对于大多数消费者来说，手机的选购首先在于价格档位的确定，因此对于手机厂商，更多会从不同价格档位进行用户分析，进而更好地设计手机针对用户痛点满足需求。
首先是对于最高价格档位来说，8000+的市场，苹果一家独大，这部分消费者是中国的高净值人群，他们有着明显的消费者特点，追求品牌，崇尚高端品位。苹果iOS生态相比安卓具有独特性和舒适性，苹果处理器性能一直领先其他芯片，并且苹果的高端品牌力从乔布斯时代一直延续至今。
其次对于4000-8000档位的用户，这部分用户对于价格相对不敏感，可以分为两类，一类和8000+档类似，特点是追求品牌，崇尚高端，苹果在中国各地的线下店设计高端时尚，也是吸引这部分人的重要原因;另外一类用户追求产品的独特性，因此品牌能将苹果手机的缺点部分进行升级改进，同样能获得市场认可，如华为将摄像头和手机颜值做到极致，针对商务人士推出mate系列，针对拍照人士推出p系列，同时保持品牌营销输出，营造科技品牌卖点，已经在逐步追赶苹果;如一加手机将屏幕做到极致，并且追求简洁设计风格，受到部分数码爱好者等好评。
再往下是-4000市场，这部分消费者占据消费群体的腰部，人数最多，具体也可分成几类人群;第一是大量的线下消费群体，对数码参数不了解，看重购物体验，追求手机的手感、颜值、品质，这部分市场曾被ov牢牢占据，ov能够铺货到中国的角角落落，凭借高额线下利润，与数码店紧密合作，注重产品品控和设计，俘获了这部分消费者认可，但是目前华为的Nova系列和荣耀品牌开始贴身进攻ov的基本盘，线下大量开店，相比之下，华为系的产品性能、颜值不输给ov，另外，其高价位产品赋予的品牌力价值以及持续的网络营销，使得华为系手机在线下已经和ov能平分秋色;第二类群体是大量的线上消费者，由于互联网的普及，很多消费者也越来越多了解手机参数，崇尚网络购物追求性价比，这部分市场起初被小米牢牢占据，国内的手机品牌性价比第一影响力依旧，但是性价比是极致的堆料，较低的行业门槛也引来众多竞品，ov开始发力线上的ace系列和iQOO品牌，荣耀品牌本身的出现就是针对小米线上产品，崇尚性价比的消费者对品牌的忠诚度相对不高，因此这部分的市场也愈发激烈，不过众多厂商竞争的结果一定是利润最低化，使得广大消费者受益。
最后是2000以下市场，这部分消费者分线上和线下，可以概括为三类特点人群，一类是完全不了解参数，只看重品牌，因此华为高端品牌力的建设在这里获得了余荫;第二类人群同样不了解参数，听从线下导购的介绍，凭借手机可感参数如手感和颜值就直接购买，这部分消费使得ov能大量出货;第三类是纯粹的参数党，反复比较价格性能，追求最极致性价比，红米品牌大量出货在此。
智能数据分析 篇6
关键词:智能住宅 智能化 建筑环境 自动化
中图分类号:TU855文献标识码:A文章编号:1674-098X(2012)01(a)-0048-01
随着互联网、自动化技术发展日新月异,IT技术、以太网逐渐进入建筑,将建筑带入一个飞速发展的数字化时代。我国建筑智能化蓬勃发展的同时,国内相关标准应当顺应完善。在技术不断发展、不断深入的时候,有些行业标准没有得到及时跟进,必然出现标准滞后的严重现象,制约着国内智能建筑向前发展。现在智能化系统越来越多,建筑情况越来越复杂,有些标准已经不能适应现在技术发展的要求。当技术人员碰到具体的问题时,找不到与之对应的性能指标,无法指导后期的工作。因此,对于现有的智能化标准,应当紧跟技术发展的步伐,加强更新换代的速度,使其更好地为建筑服务。
1 我国智能化建筑的现状分析
在我国,新建建筑大多为智能建筑,目前全国各大城市如上海、天津、广州、深圳等已全面进入智能建筑建设的新高潮。继我国大陆第一幢智能大厦北京发展大厦、上海浦西第一高楼世茂国际广场、南京第一幢甲级智能建筑中信银行大厦、香港第一幢智能建筑汇丰银行总部大楼等经典的智能大厦随着城市化脚步到来后,21世纪新型智能楼宇以更快的速度在发展。例如首都机场新航站楼、上海金茂大厦、广州中信广场、新电视塔、珠江新城东、西塔等。据住建部统计,我国城镇化水平将超过50%,城镇人口超过7.5亿。城市化建设已成为推动我国经济增长、社会进步的重要手段。从当前我国智能建筑的总体发展水平来看,在沿海经济较发达地区的中心城市普及程度和水平来看,在沿海经济较发达地区的中心城市普及程度和水平较高,只是各种类型建筑的需求不同,智能化程度有所差异。目前,建筑智能化系统工程投资额约占建筑总投资的8%-10%,较高的可达15%。目前,据住建部公布,我国既有建筑的总面积为400亿平方米,每年城乡新建房屋建筑面积近20亿平方米。据预测,到2020年,中国还将建约300亿平方米的房屋,这将为智能建筑发展提供广阔的市场,未来,智能建筑将日新月异。
1.1 住宅智能化问题
我国智能建筑系统设计不完善、检测不充分、技术不兼容等问题逐渐暴露出来,其主要根源在于“标准”存在严峻漏洞,在建筑业技术不断发展、不断深入的时候,有些行业标准没有得到及时跟进,必然出现标准滞后的严重现象,将制约着国内智能建筑向前发展。就国内智能化建筑标准游走于核心技术边缘,法规落后,难以跟上时代步伐的现状,我国对于现有的智能化标准,应当紧跟技术发展的步伐,加强更新换代的速度,使其更好地为智能建筑服务。如今,中国智能建筑各项标准也陆续制定出台中,但是随着科学技术的发展和设备的更新换代,是否需要每隔相应期间对原有的标准进行修改补充;加大国内标准准制定的力度等系列问题值得业界深思。
1.2 住宅安防智能化
随着多行业用户对智能化重视度的提升,安防项目的总额度大幅增加,IT、电信、智能建筑等领域的大型集成商进入安防系统集成行业,从不同角度切入并满足了用户对智能化监控的需求,直接提升了智能建筑行业的系统集成能力,整合型集成商的优势明显,可以说在全国范围内的智能建筑市场普遍面临这种现状。新建建筑较少将安防系统单独招标,而是打包在弱电总包内,对于安防资质反而不太有硬性的规定,一定程度上反而在工程案例、资质、资金实力等方面提高了安防工程商的准入门槛。基于建筑物内部的Intranet的各弱电子系统的资源共享、统一管理及有效联动的智能建筑进行总集成是未来必然的发展趋势,现在的大项目也一定要求系统集成。
1.3 住宅管理智能化
智能家居是以住宅为平台,利用综合布线技术、网络通信技术、智能家居-系统设计方案安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成,构建高效的住宅设施与家庭日程事务的管理系统,提升家居安全性、便利性、舒适性、艺术性,并实现环保节能的居住环境。智能小区,为在城市内在一个相对独立的区域、统一管理、特征相似的住宅楼群构成的住宅小区实施的建筑智能化。例如进小区大门(或楼栋门)要刷卡;有人按门铃不但可以与其对话,而且更能看到对方的样貌;小区里各重要位置都有电子眼时实监控;一旦有人非法入侵设防区域,控制台会立刻收到报警信号。一般,智能小区系统集成包括以下子系统:楼宇自控系统、结构化综合布线系统、计算机网络系统、程控交换系统、可视对讲联网系统、家居安防系统、闭路电视监控系统、背景音乐及公共广播系统、电子巡更系统、周界防范系统、三表计量系统、园区/停车场出入口、门禁、考勤、一卡通消费系统、视频会议系统、VOD点播系统、物业管理系统等。
2 住宅智能化实现的方式
关于智能建筑的概念,目前在国际和国内均无统一的定义,其原因在于智能建筑是传统建筑业与通讯信息产业结合的产物,近年来信息产业又以超乎寻常的速度迅猛发展,而智能建筑中的许多技术都是和计算机与通讯技术有关,因此智能建筑本身在不断的发展之中,其采取的新技术和新概念使智能建筑具有越来越强大的功能和更多的便捷。
2.1 HFC网络技术
我国有线电视覆盖范围广阔,用户普及率高,是电信网之外的另一个资源大网。随着技术的发展,有线电视网逐步发展为双向HFC综合信息网,除传送常规的广播电视信号外,还可以进行高速的数据传输,传送图像、数据和语音等多媒体数据。HFC双向混合光纤同轴电缆传输网从有线电视前端中心用光纤将信号送到各小区的光节点,从光节点处通过同轴电缆分配网与住户连接 HFC网频带宽、速度快、性能可靠稳定,是智能化住宅小区理想的信息传输网络平台。
2.2 网络没计方案
有线电视台控制巾心总前端通过IP主干城域网与各个分前端连接,分前端通过光纤连接各光节点,光节点以下是双向同轴电缆分配网连接到用户端。若CMTS位于小区内,则小区智能控制中心为有线电视的一个分前端,CMTS与CM之间是采用同轴电缆分配网相连接。在双向HFC网上构建小区宽带信息传输网时,根据网络结构,在小区控制管理中心没置电缆调制解调器头端系统(CMTS)和路由交换机,用户端设置电缆调制解调器(CM),南此构成双向HFC网的用户宽带接入传输平台。
参考文献
[1] 李炳穆.浅谈住宅智能化技术发展趋势[J].城市建设,2011(2):5-8.
[2] 张卫东.智能化住宅小区系统技术应用集成[J].中国建筑论坛,2010(2)104-208.
论智能视频分析 篇7
1 视频报警与智能视频分析
笔者将智能视频监控从功能、发展趋势上划分为视频报警和智能视频分析。
相对于利用主、被动红外和微波、振动、张力、压力、电子声学等原理的报警 (均基于模拟信号) , 视频报警是最近几年报警领域新的发展成果, 优势明显——直观、现场感强、令人一目了然, 因而便于值班人员判断、处警、决策。早期的视频报警只能做到将画面的某个部位设为禁区 (设置虚拟红线) , 一旦有人进入即报警。目前视频报警的功能和应用已得到很大的扩展, 入侵检测报警 (翻越、穿越报警) 可以做到多目标报警、多目标跟踪;非法停车、滞留检查报警 (车辆停入或滞留禁停区即报警) 、徘徊检测报警;遗弃物 (故意将物体遗弃在公共场合或设定区域的行为) 检测报警、物品搬移 (在原现场内存在的物体被搬移、丢失) 检测报警、游泳溺水检测报警 (利用水下、水上摄像机覆盖游泳池水面、水下全景, 一旦发现泳者沉于池底或在水中挣扎, 立即报警) , 以及攀爬检测报警、人员聚集检测报警 (用于预防群体事件) 、流量 (车流量、人流量) 统计等也都得以实现。
2 智能视频分析模式
目前智能视频分析有两种模式:一是基于前端DSP的嵌入式, 二是后台服务器处理式。两种模式都在发展。早期的智能视频分析应用基本上都采用基于前端DSP的嵌入式模式, 该模式在局部、重要点位的应用对人们认识智能视频分析有启蒙、宣传的作用。该模式的优点是仅当有报警触发时才上传信息, 无需将画面实时上传至监控中心, 因而可以大幅降低对传输带宽的占用, 并可大幅节省录像空间, 使得同样的存储容量可以支撑更长时间;直接接收模拟图像, 因此不存在用于分析的源信号断开及延时的问题。其缺点是单点式工作, 系统架构不灵活。
为满足应急联动防控的需要, 智能视频分析正在由前端DSP嵌入式向后端服务器架构或两者相结合的方向发展。后端处理模式对网络传输要求较高, 其分析会在遇到网络信号不连续时出现误差, 也会受到网络信号传输延时的影响。但这种模式强大的源信号处理功能、灵活的信号切换功能、规模和功能扩展的方便性等都促进了其发展, 而相关技术的发展以及需求, 尤其是大规模、大系统、大范围布局的需求的增长, 也使这种模式有了较快的发展。
无论哪种模式, 智能视频监控与传统视频监控相比都有着明显的优势:有助于解决保安人员因长时间观看屏幕而疲劳、注意力降低的问题;能真正做到7×24小时全天候监控;能自动进行监控, 使值班人员只需对告警图像进行确认和处理, 无需时时紧盯多个监控屏幕, 提高了监控效率;可以在远距离、光线不足、低对比度、环境伪装等挑战下识别人眼无法分辨的细微变化, 从而发现入侵行为;能自动报警, 并可自动跟踪、跟踪交接, 形成联防, 更可贵的是可以起到预防、预警的作用, 改变只能在事后分析查证的被动局面。
3 智能视频分析技术原理
按照技术原理划分, 智能视频分析 (行为分析) 可分为基于背景建模技术和基于图像光流判断技术的两种。
(1) 基于背景建模技术的智能视频分析
基于背景建模技术的智能视频分析, 即建立监控区域的静态背景模型;在该模型的基础上检测监控区域内的动态目标, 并记录该动态目标的行动轨迹;当该轨迹达到设定报警规则要求时发出相应警报。该技术主要用于对特定区域或特定时间内的入侵事件的监控。
背景建模技术是智能视频分析应用最为成熟, 运用历史最长的一种技术, 已在国内外得到广泛应用。该技术抓捕目标的灵敏度高, 触警规则的设量自由多样, 对摄像机架设的要求相对较低。上文所述的视频报警大都运用了该技术。背景模型与真实模型的匹配程度决定着此类检测报警的准确度。偶然的外界影响, 如光线变化 (如驶过汽车车灯的照射) 、飘动的树叶以及突然的天气变化会导致误报。通过引入一些新的提高报警准确率的技术, 诸如在原有背景模型基础上加入运动目标轨迹约束, 设置景深信息, 自学习重复运动物体轨迹等方法, 可以滤除车灯照射、树叶摇动、小动物活动等偶然事件的干扰, 已取得了较为理想的应用效果。
需要指出的是, 由于此类检测报警的准确度取决于静态背景的完整性。故其应用场景应是目标稀少, 或是监视时段内目标稀少的场合, 例如周界围墙、下班后的工作大楼、重要物资仓库、金库、文博馆、设定的重点区域或高速公路路肩 (监控违章停车) 、禁区等。而诸如人员拥挤的道路、广场等场景, 由于动态目标图像所占面积几乎覆盖了背景面积, 计算机无法准确定位静态背景, 容易给出错误结果。
(2) 基于光流变化的异常事件监测
光流即视频图像的像素运动的瞬时速度。利用图像序列中像素强度数据的时域变化和相关性来确定各像素位置的“运动”, 即研究图像灰度在时间上的变化与景象中的物体结构及其运动的关系。比如, 斗殴动作会使图像中的光流激烈且杂乱无序地变化;如果系统能够识别这种变化, 并在其达到一定阀值时发出相应的警报, 即可实现对斗殴行为的报警。奔跑事件与聚集事件报警也是基于对光流异常变化的识别而实现的。
该技术也可运用于公共治安管理中的群体性事件报警;但在舞厅等场合, 由于其光流变化与斗殴的表现相似, 该技术并不适用。
4 典型应用
4.1 基于人头特征检测的饱有量计算
由于人脸特征统计对摄像机安装角度要求较高, 且难以解决人员相互遮挡的问题, 因此利用人体特征识别统计场馆各出入口人流数量的应用, 在实际工作中主要采用人头特征检测。
人头特征检测有三种检测方法。
(1) 基于颜色分割的方法
此方法针对人头颜色特征进行图像分割, 算法简单, 准确性较低, 易受光线变化影响。
(2) 基于运动分割和边缘检测的方法
此方法通过在前景或边缘图像上搜索圆弧顶点来寻找人头, 结合标定信息对前景进行人头分割。其缺点是运行复杂, 不能处理遮挡。
(3) 基于样本训练的方法
此方法提取人头共有特征——颜色分布、边缘纹理等, 采集大量人头样本进行训练, 从而得到人头识别器 (识别器的训练方法有基于神经网络、Boosting以及SVM的方法等) ;用人头识别器在图像中搜索人头, 将人头目标检测出来后, 结合其他特征, 如运动、领域边缘分布等进行后期处理, 而后再除去一些误检, 最终得到较准确的结果。此方法是目前最常用的客流量统计方法。其优点是:受多人同时通过的影响较小, 适用于人流量大的公共场馆;可同时统计双向流量;在固定的出入口使用时, 能取得很高的统计准确率;可根据光照情况自动控制补光。
4.2 人脸识别
人脸识别涉及人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等一系列相关技术。
目前人脸识别有基于可见光、近红外与三维人脸的三种实现途径, 三者的采集手段和优缺点如表1所示。
红外光和三维识别技术都有专门的采集条件;对于大规模应用而言, 采用可见光人脸识别技术较为理想。
人脸识别之所以被普遍看好且已在不同领域 (如追逃、门禁以及重点部位、取款机的监控等) 运用, 主要是因为其具有自然性, 不易为被测个体察觉。
(1) 自然性
所谓自然性, 是指人脸识别所利用的生物特征同人类 (甚至其他生物) 进行个体识别时所利用的生物特征相同——人类可以通过人脸、语言、体形等进行识别 (指纹识别与虹膜识别等不具有自然性, 因为人类或者其他生物并不通过此类生物特征区别个体) , 人脸识别也是通过观察比较人脸来区分和确认身份的。
(2) 不被察觉
人脸识别不令人反感, 不容易引起被识别人的注意, 不容易被伪装欺骗;这与需要利用电子压力传感器采集指纹的指纹识别, 以及利用红外线采集虹膜图像的虹膜识别大有不同。
人脸识别被认为是生物特征识别领域, 甚至人工智能领域最困难的研究课题, 其主要困难来源于人脸的相识性和易变性。
(1) 相识性
就人脸而言, 人与人之间的区别不大——人脸的结构, 甚至各人脸器官的外形都很相似。此特点对于利用人脸进行定位是有利的, 但对于利用人脸区分人类个体是不利的。
(2) 易变性
人脸的外形很不稳定:人在做出不同表情时, 脸部的外形会出现变化;在不同的观察角度上, 人脸的视觉图像相差很大;光照条件 (如白天、夜晚、室内、室外等) 、人脸上的各种遮盖物 (如口罩、墨镜、头发、胡须等) 以及年龄等多方面因素都增加了人脸区分与识别的困难, 提高了产生误报的几率;如果人脸经过整型, 就更加难以识别了。
人脸识别需要有一个比较稳定的成像机制。图像中人脸的大小、光照、摄像机与人脸的角度等, 都要符合一定的要求。只有这些前提条件得到满足, 一个良好的人脸识别系统才有可能实现。
在光线较好的监控环境下, 如人脸姿态偏转保持在左右60度, 上下30度范围内, 人脸抓拍率可以达到95%左右。在人脸部区域的分辨率不低于120×120像素 (对于性能较强的系统, 此要求可降低至80×80像素) 的前提下, 人脸建模的成功率在65%左右 (建模时必须对抓拍到的人脸进行筛选, 建模成功后还应与黑名单中的图像进行比对、识别。成功率的高低与需比对识别的黑名单中存留的人脸图像清晰与否有直接的关系, 能达到60%已是较好的结果) 。
需说明的是, 人脸识别对成像角度、像素数、清晰度、无遮挡等的要求较高, 传统的监控摄像机一般不能满足人脸识别系统的成像要求。目前用于工程的人脸抓拍摄像机为高清摄像机, 可根据监控范围 (监控区域宽度) 选用100万像素高清、200万像素高清或500万像素高清摄像机。
5 结束语
智能视频分析概观 篇8
新技术、新产品的出现, 总是要以现实的需要、独特的功能为基础;而其为市场所认可、接受的过程, 却总是同自身缺陷的“斗争”、同市场需求的磨合伴随始终。智能视频分析, 也是如此。目前, 国内的智能视频分析技术与产品早已突破了诞生之初的种种困境, 几乎人人都不再对智能视频分析在视频监控领域的重要地位抱有怀疑。然而在近几年突飞猛进式的发展、相关企业如雨后春笋般的涌现背后, 却有着不容忽视的问题——产品的同质化、早期不成熟的宣传对用户的误导, 以及其技术或市场应用角度上的某些短板等等。
难道很多曾经很有发展潜力的技术, 最终却因未能克服自身的缺陷, 不适应市场需要而衰亡的阴影, 也在笼罩着智能视频分析吗?
所幸有许多有识之士已经意识到了这些问题的存在, 并开始尝试采用各种各样的方法来解决这些问题, 深入地思考智能视频分析技术及产品未来的发展方向。本期通过《智能视频分析概观》、《理性与务实——点评智能视频分析行业发展现状》、《智能视频分析技术的发展现状与趋势分析》三篇文章, 为读者介绍智能视频分析技术、产品、市场的概况, 以及现阶段存在的问题和解决之道。
1 智能视频分析发展状况及产品特点
视频监控系统根据视频源信号的不同, 可以分为纯模拟、模数混合、纯数字三种类型。从第一代的VCR, 到第二代的DVR, 再到第三代的NVR, 视频监控系统经历了三个阶段的发展演变。第二阶段的DVR也包含既可以接入本地模拟视频, 也可以接入数字视频的混合式DVR;第三阶段的NVR, 则以接入IPC网络摄像机为主, 同时也支持模拟摄像机加网络视频编码器的方式。在这一过程中, 视频监控系统在技术、方案和应用上均已经形成了比较完善的模式, 已经广泛应用于各个行业。
近年来, 在“平安城市”工程、技术和成本的改善, 以及奥运会、世博会、广州亚运会等的推动下, 中国视频监控市场快速发展, 网络化、个人化和智能化将是中国视频监控市场重要的发展趋势, 这也说明智能视频监控已经发展到了不可替代的阶段。作为未来监控发展方向的智能视频分析技术, 行业称之为第四代视频监控技术, 是视频监控技术一个里程碑式的创新, 是视频监控领域最前沿的应用模式之一。目前, 国外市场正大量涌出新生的智能视频监控系统, 而中国也慢慢出现了各类智能视频监控品牌, 掀开了中国智能视频监控发展的热潮。
智能视频分析产品从实现方式上区分主要有两种类型:一种是基于硬件的, 主要放置在前端, 与模拟摄像机一起使用, 也可以使用提供智能分析模块的芯片, 与前端的摄像机做成一体化产品, 直接传送报警事件、经过叠加和处理后的智能视频图像;另一种是纯软件的, 基于PC X86平台, 大都是在Windows/Linux操作系统下开发, 应用于后端平台管理系统中。目前在智能视频的应用中, 这两种类型产品的使用都比较广泛。
从国外智能视频的发展过程来看, 国外对智能分析功能的要求简单, 设置也简单, 比较适合前端智能应用模式 (比如博物馆物品被盗检测, 就是一种非常简单的智能应用) , 总体来说前端智能性能单一, 价格昂贵。国内智能分析应用就比较复杂, 国内的客户对前端功能要求较多, 设置繁琐;而嵌入式DSP在前端频繁设置是很困难的, 并且其内存缓存也小, 逐级缓存间交换数据需要很长时间优化, 因此不适合频繁设置参数的方式, 适合固化一种或几种固定算法的方式。所以国内应用比较适合后端模式, 因为基于X86的Windows/Linux平台在频繁设置上没有困难, 并且价格相对较低。因此, 从中国用户的需求来看, 前端智能应用起来困难, 后端实现方式比较灵活。
但是, 后端做智能分析同样存在一定的弊病。基于X86平台的智能分析服务器需要占用单独的机房空间, 而且在功耗、散热稳定性上也不如前端智能。解决这个问题有两个思路, 一是发展运算速度更快、成本更低、功耗更低的CPU处理芯片, 从而降低成本和功耗;一是基于嵌入式处理器做多功能的开发。后者并非没有可能, 目前一些专注于智能分析的公司正在多媒体处理系列芯片 (如Davinci6467、华为海思Hi3520等) 上面做多路智能的开发, 并且Intel正全力研发运算速度更快、成本更低、功耗更小的嵌入式微处理器, 如果这些微处理器研发成功并能在行业上大规模应用的话, 则基于嵌入式的后端智能分析将迎来更大的发展。总之, 前端智能和后端智能各有其应用场合, 但是随着嵌入式设备性能的提高, 成本的下降, 前端智能将得到更广阔的市场空间。
2 智能视频技术概述
智能视频技术源自对计算机视觉与人工智能的研究, 其发展目标是在图像与事件描述之间建立一种映射关系, 使计算机从纷繁的视频图像中分辩、识别出关键目标物体。这一研究应用于安防视频监控系统, 将能借助计算机强大的数据处理能力过滤掉图像中无用的或干扰信息, 自动分析、抽取视频源中的关键有用信息, 从而使传统监控系统中的摄像机成为人的眼睛, 使“智能视频分析”计算机成为人的大脑, 并具有更为“聪明”的学习思考方式。这一根本性的改变, 可极大地发挥与拓展视频监控系统的作用与能力, 使监控系统具有更高的智能, 大幅度节省资源与人员配置, 同时必将全面提升安全防范工作的效率。因此, 智能视频监控不仅仅是一种图像数字化监控分析技术, 而是代表着一种更为高端的数字视频网络监控应用。
智能视频分析包含视频诊断、视频分析和视频增强等, 它们各自又包含了大量的功能算法, 比如清晰度检测、视频干扰检测、亮度色度检测、PTZ (云台) 控制功能检测, 以及视频丢失、镜头遮挡、镜头喷涂、非正常抖动等检测都属于视频诊断, 而视频分析算法则包含区域入侵、绊线检测、遗留遗失检测、方向检测、人群计数、徘徊检测、流量统计、区域稠密度统计、人脸识别、车牌识别、烟火烟雾检测、自动PTZ跟踪等功能, 视频图像增强则包括稳像、去雾、去噪、全景拼接等算法。由此组合衍生出的算法种类又有很多, 应用方式也千变万化, 所以智能视频分析的应用范围很广。
3 视频诊断算法的特点及应用
随着平安城市工程在全国范围内的迅速推进, 视频监控系统的基础建设已经初具规模。视频监控系统的规模迅速扩大, 摄像头的数量也达到了几万个, 甚至几十万个之多。这么多摄像头的日常维护是一项非常艰巨的任务, 因而视频诊断应运而生, 担负起了大量摄像机的自动检测和诊断的工作。视频诊断可以对视频图像出现的噪声 (对图像起干扰作用的亮度分布称为图像噪声) 、雪花、模糊、偏色、亮度失衡、非正常抖动, 以及云台控制故障、恶意遮挡摄像头做出准确判断并发出报警信息。在视频摄像头日益增多的今天, 视频诊断的应用有利于帮助用户快速掌控前端设备运行情况, 轻松维护大型的视频监控系统。下面对视频诊断所包含的主要内容的原理、功能和应用逐一进行介绍。
(1) 清晰度检测
自动检测视频中由于聚焦不当、镜头损坏或异物遮蔽引起的视野主体部分的图像模糊;自动检测镜头对准无意义物体的情况。该功能对实时视频的画面清晰程度和信息含量做出评价, 从而及时发现故障 (如偶然的异物遮挡、人为的遮蔽等) 。“骤变”作为此功能在周界防范技术领域的应用延伸, 目前已得到人们普遍的认可。
(2) 视频噪声检测
自动检测视频图像中图像模糊、扭曲、雪花或滚屏等噪声现象, 主要的监测对象是由于线路老化、传输故障、接触不良或受到电磁干扰而在视频画面上出现的点状、刺状、带状的干扰。在视频质量诊断系统中, 呈带状、网状的、周期性的干扰一般交由“雪花”检测项监测;而点状、刺状的随机干扰则交由“噪声”检测项监测, 从而提高诊断的准确性。
(3) 锐度检测
检测由于聚焦不当、镜头损坏或灰尘引起的视野主体部分的图像模糊, 或者镜头对准无意义物体 (白墙等) 的情况。
(4) 亮度异常检测
自动检测视频中由于摄像头故障、增益控制紊乱、照明条件异常或人为恶意遮挡等原因引起的画面过暗、过亮或黑屏现象。该功能对视频的明暗程度进行诊断, 由于可在不同时段改变诊断计划和监测阈值, 在昼夜都能发挥作用。
(5) 偏色检测
自动检测由于线路接触不良、外部干扰、AWB失效或摄像头故障等原因造成的画面偏色现象, 主要包括全屏单一偏色或多种颜色混杂的带状偏色。该功能对视频的颜色信息进行分析, 其特点是当视频中出现丰富色彩时, 能够区分它们是由自然场景带来的, 还是由于摄像头自身故障产生的。
(6) PTZ (云台) 控制功能诊断
自动检测前端云台和镜头是否能够按用户指令正确运动, 如有无左转失灵、上下倒序等故障。该功能能够自动对PTZ的各指令进行测试, 使管理人员准确及时地掌握系统内PTZ的运行情况。不过, 此功能需要系统拥有控制前端PTZ的权限。
(7) 视频冻结检测
自动检测由于视频传输调度系统故障引起的视频画面冻结现象, 可避免错失真实的现场视频图像。
(8) 视频抖动检测
检测因摄像头长期在室外工作, 固定支架松动造成的图像受到严重干扰, 画面抖动的情况。
(9) 人为遮挡画面
检测因摄像头长期在室外工作引起的灰尘遮挡的情况, 检测人为恶意遮挡或图像被替换的情况 (可以进行报警) 。
(10) 视频缺失检测
自动检测因前端云台、摄像机工作异常、损坏、遭人为恶意破坏, 或是视频传输环节故障而引起的间发性或持续性的视频缺失现象 (当视频丢失时, 一般采取人工补假图的方法来处理) 。
4 智能视频分析算法特点及应用
视频分析方法主要有背景模型法和时间差分法两类。背景模型法是利用当前图像和背景图像的差分 (SAD) 来检测出运动区域, 可以提供比较完整的运动目标特征数据, 精确度和灵敏度比较高, 具有良好的性能表现。背景的建模和自适应是背景模型法的关键, 一般在系统设置时期设置系统自适应学习时间来建模, 根据背景实际“热闹程度”选取3~5分钟的学习时间。系统建模完成后, 随着时间的变化, 背景会有相应的改变, 而系统具有“背景维护”能力, 可以将一些后来融入背景的图像, 如云等自动加为背景。时间差分法就是高级的VMD, 又称相邻帧差法, 即利用视频图像特征, 从连续得到的视频流中提取所需要的动态目标信息。时间差分法的实质就是将相邻帧图像相减来提取前景目标移动的信息。此方法不能完全提取所有相关特征像素点, 只能检测出目标的边缘, 在其提取的运动实体内部可能出现空洞。
视频分析的过程 (背景模型法) 是:首先, 系统进行背景学习, 学习时间因背景热闹程度不同而有所不同, 期间系统自动建立背景模型;之后, 系统进入“分析”状态, 如果前景出现移动物体, 且处在设置的范围区域内、大小满足设置, 系统将会对该目标进行提取和跟踪, 并根据预设的算法 (入侵、遗留、盗窃等) 触发报警 (期间如果背景中出现雨雪、中云、波浪、摇摆的柳树等物体, 或发生摄像机抖动的情况, 系统将启动预处理功能来加以过滤) 。在触发报警之前, 系统能够进行目标识别, 即将提取的目标与已经建立的模型进行比对, 并选择最佳的匹配。
下面以北京东方网力科技有限公司的智能分析算法为例, 介绍智能视频分析算法的具体应用。
北京东方网力科技有限公司的智能分析算法主要由核心基本智能分析算法模块和特殊应用领域的智能分析算法构成。核心基本智能分析算法模块共有7种, 分别为区域入侵监测、绊线检测、遗失检测、遗留检测、方向检测、徘徊检测、人群流量统计 (计数) 。这些智能应用可以不受行业和领域的限制, 在任意项目上通用。特殊应用领域的智能分析算法则以插件的方式, 针对不用行业领域定制开发, 并采用组合的方式, 灵活应对不同项目的需求。这些特殊应用领域的智能分析算法共有8种, 分别为对象识别 (人、车辆和物区分) 与轨迹识别、PTZ动态跟踪、人脸识别、车牌识别、图像增强 (水雾、雨雾、烟雾、沙尘或干扰过滤) 、图像稳像 (防震动、抖动、晃动) 、数字全景拼接和烟火监测。
(1) 区域入侵监测
识别出目标沿一定轨迹进入/离开标定区域的事件、目标在标定区域内的出现或消失, 以及目标在标定区域内存在与否。
(2) 绊线检测
识别出单方向、双方向穿越警戒线的行为;识别出逆行、转向等行为;识别物体运行方向, 对逆行等行为进行报警。
(3) 物体遗失检测
在指定区域内的物品被偷盗、搬移、取走时发出声光报警信息。
(4) 物体遗留检测
识别出在标定区域内出现的, 遗留、遗弃的单件、多件物品, 可设定遗留报警时间。
(5) 方向检测
识别物体运行方向, 对逆行等行为进行报警。
(6) 徘徊检测
识别出人员或车辆在标定区域内长时间徘徊与滞留的可疑情况, 可设定徘徊报警的时间和人数。
(7) 人群流量统计 (计数)
单向、双向累计人流统计, 包含人群稠密度检测。
(8) 对象识别 (人、车辆和物区分) 与轨迹识别
对视场内的人员、车辆、物品、动物等目标进行分类判别, 对视场内已识别目标的行动轨迹、速度、方向、距离进行跟踪。
(9) PTZ动态跟踪
通过智能视觉技术锁定目标后 (支持自动、手动、接力三种锁定模式) , 自动控制PTZ摄像机的云台旋转以跟踪目标, 确保可疑目标的放大画面特写始终保持在视频画面中央, 并在目标离开视场后自动回到预置位。其开发难点是出现目标交叉、被遮挡等干扰后如何识别并成功地继续跟踪。
(10) 人脸识别
根据人的脸部特征进行采集和抓拍, 并能进行比对分析, 在发现可疑人员时给予报警提示。
(11) 车牌识别
能够做到自动记录并分析判断车辆的身份, 对于有不良身份记录的车辆进行提前预警。
(12) 图像增强
改善雾、雨、雪环境下的视频效果, 提高画面的能见度。
(13) 图像稳像
消除位于铁路边、公路边的摄像机所拍摄图像的震动、抖动、晃动。
(14) 数字全景拼接
对监控系统获得的多个相关联的分散场景画面进行无缝拼接, 在不降低视频帧率的情况下实现全景监控。
(15) 烟火监测
能够自动监测防区内突发的火情, 发出报警并触发其他动作。
5 智能视频分析系统设计架构及典型应用
接下来以北京东方网力科技有限公司的智能视频分析系统为例, 介绍智能视频分析系统的设计架构与典型应用。
北京东方网力科技有限公司的智能视频分析系统可分为三部分, 即配置管理中心服务器、智能分析服务器和数据中心。配置管理中心服务器是对多个分析服务器进行集中式管理的, 独立的管理软件系统, 用来管理摄像机, 摄像机的规则配置, 各分析服务器的状态查询、监控、任务分配和负载均衡等。智能分析服务器基于智能算法, 通过网络从视频监控平台获取实时视频和回放视频流, 然后进行智能分析处理。它可以对分析结果进行存储, 也可以将结果通过网络发送到指定的数据库系统。数据中心用于存储智能分析的结果, 可使用多种文件系统或数据库来存储, 同时提供数据的查询功能。系统架构如图1所示。
北京东方网力科技有限公司的智能分析产品在无锡惠山区社会治安监控项目中得到了成功应用, 构建了智能抽减帧分析系统。该系统在物理上有派出所和分局两级结构, 在派出所配有智能分析服务器及Web访问客户端, 在分局配有智能分析管理服务器、存储服务器、Web访问客户端及管理客户端 (如图2所示) 。智能分析服务器负责从派出所本地的NVR及DVR上获取视频录像, 将录像的码流解码成YUV原始视频流, 使用用户设定的智能分析算法对YUV图像进行智能分析, 将分析后的图片数据上传给分局存储设备, 将智能分析的结果输出至分局数据库 (智能分析管理服务器) 。
从图2中可以看出, 将智能分析服务器放置在各派出所可使其在获取视频录像时, 只需从本地的NVR或DVR中调用即可, 不需要占用派出所至分局的网络资源, 同时可以有效地规避网络带来的不稳定因素, 降低系统误报率。
5.1 系统工作流程
系统工作流程如图3所示。
5.1.1 视频录像获取
该系统进行智能分析的视频源是存储在NVR中的高清图像和存储在DVR中的标清图像。部署在派出所的智能分析服务器直接从本地派出所的NVR中获取到高清视频录像, 从DVR中获取到标清视频录像, 然后按照智能分析规则进行智能分析。
5.1.2 视频智能分析
智能分析服务器在获取到视频录像后, 将录像的码流解码成YUV原始视频流, 使用用户设定的智能分析算法对YUV图像进行智能分析。具体的智能分析功能包括车牌识别、运动目标检测、虚拟墙和区域警戒功能。
(1) 车牌识别功能
车牌识别要求摄像机正对道路, 偏移角度不宜太大;道路的宽度应控制在3.6m以内;视频录像中车牌的大小为图像宽度的1/6~1/4, 横向像素在100~150像素左右。
(1) 视频触发车辆抓拍
智能分析服务器采用目前已经非常成熟的视频车辆检测的方法来检测车辆。当视频录像中有车辆经过设定区域时, 系统自动捕获一幅经过车辆的图像 (图像中车辆的颜色、特征和车牌的号码、颜色可以用肉眼清楚地分辨) , 白天能清晰识别车辆牌照及整个车身的特征情况, 晚上能克服迎头拍摄时车辆的前大灯眩光问题看清车牌。
(2) 自动车牌识别
视频分析服务器对捕获的图片进行智能分析, 可以获得车牌号码、车辆经过的时间和地点等信息;所保存的图像为24位真彩色图像, 采用JPEG压缩格式;采用循环覆盖方式保存图像;车牌号码为系统自动识别的结果, 所有车辆的信息, 包括图像路径均保存在XML文件中, 以保证能够与其他应用系统实现联动与对接。
(3) 黑名单车辆报警记录
对于肇事逃逸、未年检、报废、有违规记录的车辆进行实时报警, 并且可以单独录制该车辆经过卡口前后的视频流, 可以根据车牌号码进行车辆行驶历史记录查询, 给出其轨迹信息。
(2) 运动目标检测功能
智能分析服务器对视频区域内出现的车辆 (包括机动车和摩托车等) 和行人等目标进行检测, 并定位抓拍图像, 对目标进行颜色和大小等的分类识别。
为了保证运动目标检测的准确性, 用于视频分析的录像需符合下列要求:
◆环境照度不低于100Lux, 背景前景环境光照度差不高于150Lux;
◆运动目标大于40×40个像素。
(3) 虚拟墙和区域警戒功能
智能分析服务器对翻越围栏、进入禁区等事件进行报警。此功能一般应用于重要的视频监控点位, 目前主要包括周界安防、运动目标轨迹指示等功能, 具体内容如下:
◆对设防区域设定周界, 检测试图闯入的行为, 提供报警信息;
◆对进入划定区域内的物体进行目标跟踪, 标识其运动轨迹。
为了保证智能分析的准确性, 用于智能分析的录像需符合下列要求:
◆环境照度不低于100Lux;
◆监控目标大于40个像素;
◆监控目标在摄像机视场清晰可见, 不存在明显的遮挡, 其成像应尽量避免受到逆光和灯光直射等的干扰;
◆目标在监控场景中至少存在2~3秒。
5.1.3 数据存储
在分局配置存储设备用来存储智能分析服务器上传的图片数据, 图片分析的结果存储在智能分析管理服务器中。
在实际应用中, 标清图像如果是CIF分辨率, 单张图片的大小是20K, 如果是D1分辨率, 单张图片的大小是40~50K。高清图像采用1600×1200分辨率, 单张图片的大小是200K。
根据存储需求在分局配置大容量存储服务器来完成海量图片的长时间存储, 具体容量根据用户的实际使用情况确定。
5.1.4 用户检索
用户在Web访问客户端上通过IE浏览器访问智能分析管理服务器, 搜索、查看录像视频、图片等信息。比如, 用户输入时间及车牌号码, 可以查出当时相应车辆的图片信息及视频录像。
另外, 派出所用户可以通过Web访问客户端手动修订图片识别信息, 比如对系统不能识别的图片, 用户可以进行人工识别并手动添加识别结果。
5.2 主要设备介绍
本系统主要由智能分析服务器、智能分析管理服务器、存储设备、Web访问客户端、管理客户端等设备组成。
(1) 智能分析服务器
智能分析服务器主要负责智能视频分析算法的运行等任务, 其硬件为标准服务器。智能分析服务器只需通过网络接入需要分析的视频码流, 根据设置的规则和任务运行智能视频分析算法, 将视频中有价值的图片单独打标签保存, 从而完成智能抽帧减帧的功能, 并把报警记录图片统一上传到存储设备中, 把分析结果上传到智能分析管理服务器中。
单台智能分析服务器在IBM3650的硬件支持下, 可以实现16路CIF分辨率或10路D1分辨率, 又或是4路高清1600×1200分辨率的视频录像分析。
(2) 智能视频分析管理服务器
智能分析管理服务器是整个系统的核心, 运行着智能分析管理软件、数据库软件及Web服务, 主要完成用户登录管理、报警信号管理、事件图片的搜索管理、系统工作时间设置管理、报警联动管理等, 主要功能如下:
◆借助配置的数据库存储各个智能分析服务器上传的图片和管理客户端设置的报警规则;
◆实时将所检测到的报警事件转发给客户端;
◆支持对报警事件Web方式快速联网数据库的智能检索、查询, 如根据关键线索快速搜索相关视频、图片信息;
◆进行矩阵、报警终端的联动等;
◆系统用户权限、时间同步设置, 设备工作状态管理, 软件授权认证管理。
(3) 管理客户端
用户通过管理客户端设置报警规则、报警任务, 调节精度等相关参数。管理客户端实时显示报警信息, 并支持用户对报警实时视频的浏览和对事件的分布式快速检索、比对、查询。
(4) Web访问客户端
用户可以在Web访问客户端上通过IE浏览器访问报警记录, 搜索、查看录像视频、图片等信息。另外, 用户可以通过Web访问客户端手动修订图片识别信息, 比如对系统不能识别的图片, 用户可以进行人工识别并手动添加识别结果。
摘要：本文通过对智能视频架构、各种算法及其在不同场景中应用的分析, 系统地阐明了智能视频技术的应用特点和应用前景, 并结合北京东方网力科技有限公司的视频管理平台软件, 提出了基于视频分析技术和视频管理软件一体化的解决方案。
智能数据分析 篇9
随着经济的发展, 科学技术不断进步, 实现电网的智能化是当今时代的发展趋势, 也是电力系统的未来发展方向。在现代科学技术和计算机技术的推动下, 电网的智能化向着更加先进的方向发展。当前的电力企业在现代通信网络技术的推动之下, 大都采用先进的技术设备, 集合专业的技术人才, 充分利用计算机普及的背景, 集成各种先进的技术, 建设现代化的新型电网。电网的智能化主要依靠网络, 可以把原来相对分散的电力用户集中联系起来, 可以在较短的时间内准确的获取各种电网系统所需的数据, 对电网的运行状况进行实时的检测和控制。
和传统的电网相比, 智能电网系统具有明显的优势。
第一, 利用计算机网络对电网进行及时的监测, 避免出现运行的故障, 最大程度的降低电力在运行中出现的各种问题, 提高供电的安全性和可靠性, 一旦出现电力问题, 可以利用网络的优势, 整合各方面的意见, 快速的排除电力故障。
第二, 出现电力故障的时候, 可以在较短的时间内进行故障隔离, 防止对大范围用户的影响, 减少停电的时间和次数, 降低人力和物力的资源消耗, 实现稳定。还可以有效的应对外力破坏, 及时制止其他计算机网络的恶意攻击, 保障电力系统的安全运行。
第三, 实现资源的优化配置。可以根据当地的实际情况, 根据不同时间段的用电情况, 合理的配置电力系统的人力和物力资源, 实现资源的最佳配置。另外, 根据不同区域的不同情况, 在结合当地用户数量和经济发展水平的基础上, 进行资源的优化配置, 减少地区的不平等差异。这种方式可以确保电力市场的公平竞争, 较少了资源的浪费, 节约了大量的电力资源, 实现电力系统的安全运行。能够有效的运行各种外在的社会资源, 确保电力系统的可持续发展。
第四, 可以真正做到用户之上的经营理念。根据客户的实际情况, 提供优质的服务。实现网络信息系统与电力市场之间的联系, 改变以往脱离市场的情况, 使得参与电力经济交易的企业在市场的竞争中可以更好地参与电网安全管理工作。
2 智能化开关柜设计的原则
2.1 一次系统设计原则
首先, 智能化开关柜大都使用计算机智能进行监测与控制, 不会对一次系统接线带来影响, 一次系统接线方式及供电方案不变。
其次, 网络的模拟功能在设计的时候具有重要的作用, 要结合计算机技术和各种人工智能, 对其模拟功能进行最大限度的利用。
再次, 智能化的重要一项作用就是无人值班, 降低人力资源的开支, 通过计算机监控系统, 对电力系统的运行状况进行有效的监督和控制, 这种方法不仅极大的提高了工作的效率, 同时节约了大量的资源, 是开发电脑系统的作用之一。
2.2 二次系统设计原则
首先, 开关柜内、值班室与中央信号系统信息数据设置与回路设计不要进行变动, 尽量按照原来的状况。在计算机监测与控制系统中加入一套重复的计量、信号与控制回路信息。
其次, 开关柜内的信息数据设置与回路设计保持原状, 值班室的中央信号系统取消, 集中的保护屏应保留, 计算机监测与控制系统中加入一套重复的计量、信号与控制回路信息。
再次, 开关柜内的信息数据设置与回路设计保持原状, 值班室的中央信号系统中出线开关柜不进入中央信号系统。
3 智能开关的设计
3.1 系统功能
图中展示的结构图是智能电网开关柜自动识别系统的总体结构。这个系统主要包括两个部分, 即开关柜发送端和接收、记录的系统后台。不同的部分具有不同的功能。
发送端的主要功能有下面的几点。打开开关柜门的时候, 发送端装置就会及时的播放开关柜的语音信息, 这些语音信息的主要作用是提示, 确保工作人员打开开关柜的方式是正确的, 同时向后台发送经PT2262编码后的开门信息, 后台接收到信息之后就会进行记录, 记录开关柜编号和开关柜打开的准确时间。当工作人员按下打开装置的确认按钮之后, 就不会再出现浯音提醒, 这个功能就自动的关闭了, 发送端就会及时的向后台发送编码后的确认操作情况。当工作人员完成操作后关闭开关柜门时, 装置向后台发送编码后的关门事件信息, 后台就会对开关柜编号和关门时间进行记录, 同时, 在一些特殊的情况下, 比如装置电池电量低于一定标准的时候, 发送端就会及时的将警报信息发送到系统的后端, 系统就会采取有效的应对措施, 避免出现问题。
3.2 发送端设计
传感器一般选择使用磁性开关, 可以向以单片机为核心的控制模块提供柜门的开关的信息。WT588D是语音模块系统的中心所在, 它具有51单片机内核的语音芯片, 可以通过个人计算机上录制好的语音信息下载到芯片内置的存储器, 或者外挂的大容量存储器。
WT588D的优势是里面存储了200多个语音地址, 并且不同的地址可以组合不同种类的语音信息。在开关柜的自动识别系统中, 播放的语音基本相似, 只是各个开关柜名称及编号不同而已。如果将所有的语音完整地存放进存储器中, 在录音时需要针对每个开关柜单独录制, 混杂在一起, 容易出现错误。但是使用WT588D进行分段录制, 之后再组合起来, 就大大简化了录制的程序, 在使用时仅仅改变与开关柜名称及编号相对应部分的录音就可以完成任务。
无线发送采用DF发射模块, DF无线发射模块通讯方式为调幅AM, 工作频率为315MHz。DF超再生式接收模块通讯方式为调频AM, 接收灵敏度高, 用示波器观察输出波形干净, 抗干扰能力强。DF模块的传输距离与调制信号频率及幅度, 发射电压技电池容量, 发射天线, 接收机的敏感度等有关。
3.3 后台接收设计
无线接收模块选择使用DF接收模块, DF接收模块包含两种不同的模块, 即超再牛接收模块和超外差接收模块。为了提高抗干扰能力, 确保和单片机配合工作时候具有较强的稳定性, 很多电网系统一般选择使用DF超外差RX3600这种具有较高的安全性和较强灵敏度的接收模块。
4结语
电网的发展已经走上了智能化发展的道路, 随着电网互联的不断加剧, 电网安全性问题也日益严峻。实行智能电网提高了电网的信息监测性, 对电网资产形成了有效的控制, 在极大的提高电网安全可靠性的同时, 也在很大程度上降低了电网前期的规划, 运行以及后期维修的成本, 能够对电力负荷和市场参与者的随机性进行及时的有效控制, 提升了电能的质量, 允许有多种发电选择, 实现了资源的优化配置, 不断完善电力市场。
智能电网是依托新的技术发展而形成的一个标准化技术体系, 然而它对技术的使用不是简单叠加, 智能电网的标准不是固定不变的, 在技术的发展下是一个不断完善的过程, 电网稳定性理论日趋成熟, 是推动技术进步的内在动力。
参考文献
[1]郑国兴.智能配电系统断路器与智能电力仪表的配合[J].低压电器, 2007 (04) :23-25.
[2]尤龙.智能化电器和智能化开关柜现状与发展[J].西北电力技术, 2003 (04) :54-56.
[3]周双喜.电力系统电压稳定性分析及其控制[M].北京:中国电力出版社, 2003.
[4]张玉泉, 张小军, 任玉芳.智能化开关柜的发展与应用[J].电工技术, 2012 (01) :76-77.
智能数据分析 篇10
信息技术将智能化成为了现实, 而当代的建筑技术也飞速发展。因此结合了信息智能化技术的建筑业开始成熟, 这就是早起的智能大厦。目前国内很多建筑都冠上了“3A”“5A”的名号, 这些广告商所谓的几A就是BA楼宇的自动化、CA通讯的自动化、OA办公上的自动化、FA火灾预警和灭火的自动系统随着信息技术的飞速发展, SA保安系统。BA系统其实就是日常生活中我们都习以为常的楼空系统, 这就是对整个建筑进行监控的设备系统。
而智能的定义是一直到2000年国家出台了有关智能建筑方面的设计标准才对智能建筑做了一个确切的定义。智能建筑是在建筑的平台上对设备以及办公通过网络集成进行自动化的设计, 并且集合众家之长对服务以及管理和系统进行整合以此提供一个高效安全便利舒适的环境。因此称得上智能建筑的都是高效安全以及便利舒适的建筑。但是真正意义上的智能建筑还应当具备节能的特点。2006年对设计标准进行了重新的修订。这次的修订内容在技术上进行了提升和补充, 并且对不同类型的建筑进行了分类, 并将节能和环保写入了定义的术语中。新的设计标准中, 只能建筑的定义有了新的标准, 是在建筑物的基础上集合了各个系统的有点, 是系统、服务结构以及管理等的集合体, 将一个更加环保节能以及高效便捷的安全环境提供给使用者。
在智能建筑中, 建筑的结构以及工程和建筑包括在水电暖线路的设计上都构成了一个专业的整体, 这种有机的体制就好像是一个人的身体, 在各个企管相互协调的情况下人才能够健康的活动, 而且这种智能建筑也像是人一样可以通过对外界的反应而表现出一些不同的状态从而对建筑自身的状态进行调节。这样通过自身的调节达到建筑的舒适安全和健康节能的标准。这样大环境下, 工作效率的提高也是必须的, 因为环境舒适了因此就不会出现所谓的楼宇综合症, 综合看来的话, 有A的并非就是智能建筑, 这是一个综合性的定义。
建筑的智能化其实就是通过建筑中的电信系进行同一控制的, 在我国这种系统还被称作弱电系统, 这也是由于其自身的特点以及设计理念来命名的, 是区别于传统的电气设计以及照明设计等强点设计的弱电设计, 因此这种建筑上的智能系统的应用通常都是被称为弱电设计。
职能就是要求建筑具有多种功能, 因为面对不同的需求, 建筑的只能包含了很多的内容和种类, 而一个建筑是无法将整个智能系统都囊括的, 如此一来, 在智能建筑的设计初期就应当综合考虑建筑的功能在使用、投资以及管理等方面的综合要求。而且建筑要实现智能化还应当将子系统于只能系统相互连接搭配起来, 只能一个设计标准, 有侧重的对系统进行有机的集成以及结合。由于智能系统是一个综合性强并且具有高统一性的关联性系统, 是通过网络技术进行整个系统的连接互通以及操作相关联并且还对整体资源进行了共享, 以此提高效率的同时保证了功能和成本的降低。
2 简述设备的监控系统
根据相关的验收标准规定, 对于智能建筑在其设备的监控中主要的子系统有以下几个: (1) 空调与通风的系统; (2) 变配电的系统; (3) 公共照明的系统; (4) 给排水的系统; (5) 热源和热交换的系统; (6) 冷冻和冷却水的系统; (7) 电梯和自动扶梯的系统; (8) 建筑设备监控系统与子的系统 (设备) 间的数据通信接口功能; (9) 中央管理工作站与操作分站的功能; (10) 系统的实时性; (11) 系统的可维护功能; (12) 系统的可靠性; (13) 现场设备安装质量; (14) 现场设备的性能; (15) 依据设计要求所需的评测项目等。
由此很容易就总结出, 建筑在智能化系统中最主要的设备监控即BA系统是系统中最能体现节能以及对环境的改良和创造上, 其整个系统的建立需要庞大的技术支持, 因此在整个系统中称得上是龙头系统。
3 系统的检测
系统检测实际是对整个智能系统的整体性能的的验收和系统等级评价的一个重要的依据, 通过对系统安装后的调试并运行一个规定的时间, 然后对系统的功能运行情况以及性能和整体上存在的可能性缺陷进行测评以及检验。弱电专业在整个智能化设计中只是其中一个方面, 完整的智能系统需要的是多专业的相互配合。可以举一个例子, 在对建筑进行设计时, 需要进行阳光利用方面的考虑以及阳光和人工照明之间的联系, 还有热辐射的考虑等。因此智能建筑是多学科、多技术系统的综合体。
4 建筑设备监控系统
虽然, 从现实来看, 建筑设备监控系统已经被广泛的应用在办公楼、宾馆、体育场馆等各类的公共建筑当中, 可是, 在我国目前的国民经济发展中, 住宅 (小区) 的建设占有相当大的比重。住宅 (小区) 智能化的发展有着广阔的市场前景。与在公共建筑里不同的是, 应依据住宅 (小区) 自身的特点与建筑设备监控系统的功能、技术结合起来, 发挥该系统的作用。除小区内的公共部分与其他公共建筑里的建筑设备监控系统一样, 在住宅内部, 家庭控制器 (Home controller) 是智能化系统的一个主要产品。
4.1 建筑设备监控系统的功能
按照《智能建筑工程质量验收规范》GB50339-2003里6.1.2所阐述的:建筑设备监控系统用于对建筑物内各类机电设备进行监测、控制及自动化管理, 达到安全、可靠、节能和集中管理的目的。
我们把它总结归一下, 即:
实现自动监视与自动调节以适应室内环境的变化;各类机电设备的启、停和运行进行连锁操作, 以确保机组的安全运行;各类机电设备的故障自动监测, 以保证设备的安全和及时维修;实现优化控制以实现节能降耗;实现过程控制自动化以节约设备管理人员。
4.2 系统检测的条件应具备:
(1) 系统安装调试完毕后, 已进行了规定时间的设运行; (2) 已提供了相应的技术文件和工程实施及质量控制记录。
4.3 建筑设备监控系统的检测应以系统功能和性能检测为主,
同时对现场安装质量、设备性能及工程实施过程中的质量记录进行抽查或复核。
4.4 系统检测的流程
4.4.1 一般由工程建设单位, 也可由工程承包方或使用单位向检测机构申请办理系统检测委托手续。
4.4.2 检测单位在熟悉委托方所提供的各项工程资料, 对工程
的情况有了基本的了解, 并已明确知道委托方的需求后, 应及时的制定检测方案。
4.4.3 检测单位按照已制定的检测方案进行检测工作。
现场应详细、准确的填写原始记录表。原始记录表应字迹清晰、没有笔误, 以便现场检测人员签字或者盖名章。
现今, 我国在智能建筑的国家标准、技术规范和行业法规还尚不规范、健全, 譬如说现在改版后的《智能建筑设计标准》 (GB/T50314-2006) 已经改为按照各类建筑物的功能予以分类了, 但是《智能建筑工程质量验收规范》GB50339-2003至今还尚未改版, 依旧按照各系统进行分类。这就造成现在的智能建筑设计与施工市场不够规范和系统化。另一方面, 必须从行政上和技术上对智能建筑的市场和质量进行有效的监督和管理。要做到这一点, 首先应加强对系统集成商的资格审查, 重点审查其规模和人才构成, 考核其从业技术水平。对于建筑设计、施工单位, 则应将智能建筑设计与施工纳入质量监督体系, 对设计阶段、施工阶段、系统运行管理阶段均应实施监督。工程完成后还应按有关的质量评定标准和验收规范进行检测和验收。
摘要：现代社会中由于信息的高速发展和传播, 并且整个信息的控制和逻辑的整合系统都得到了极大地发展。文章通过对智能建筑进行定义以及对其发展的情况进行了简要的论述, 建筑在监控系统以及系统的设计进行了简要的论述, 阐述智能监控系统在整个智能建筑中的主要地位。
让成绩分析智能起来！ 篇11
1 利用Excel函数统计学生个人总分、平均分、排名等项目
2 统计总人数、及格人数、及格率、最高分、最低分、各分数段分布等内容
3 模板的制作
4 局域网联机汇总各科、各班级成绩的方法
网络大补贴
EXCEL教学成绩统计系统 V7.5http://www.skycn.com/soft/25163.html
Excel自动生成网页，学生成绩网上查http://www.pconline.com.cn/pcedu/soft/office/excel/0511/725239.html
用分类汇总做成绩统计http://www.diybl.com/course/5_office/excel/excelshl/2007214/22721.html
期中考试结束了，各位教师是否开始忙于成绩的统计和分析？这里汇集了几位老师的实战经验，让我们和原始计算器说再见，借助Excel从繁重的劳动中解脱出来吧。
统计项目Excel来帮忙
运行Excel 2003，在成绩表第一行中输入以下内容：学号、姓名、各考试科目名称、总分、名次，输入学号时，用填充柄自动填充。在学号下方依次输入“总人数”、“及格人数”、“及格率”、“总分”、“均分”、“最高分”、“最低分”。
各段成绩格式不同
选定所有录入学生成绩的单元格，进入“格式→条件格式”，在“单元格数值”范围中填入“80”与“100”，单击“格式”按钮，将单元格数值设置为自己喜欢的格式：如数值颜色为蓝色、字形为倾斜等，这样，在80到100之间的分数在输入后自动变为蓝色并倾斜。确定，返回条件格式对话框，单击“添加”，设置60到79、小于60分等分数段的格式（见图1）。
(1)
个人总分
单击总分下的单元格，在编辑栏中输入=SUM(C2:H2)，在下一个单元格中输入=SUM(C3:H3)，然后选定这两个单元格，将光标移动到两个单元格的右下角，到变成细十字，按住鼠标左键向下拖拉至最后一名学生，以后只要输入学生各科成绩，每位学生的总分即自动求出。
个人名次
在Excel中可以用单元格自动排序的方式给成绩排序，但不好处理同分数的名次，利用RANK函数则没有这样的问题。
方法是：总分位于I列，名次位于J列，在第一名学生的名次单元格中输入=RANK(I3,$I$3:$I$59)，该公式的目的是排出I3单元格的数据从I2到I59所有数据中的位次(假设该班共56名学生，学生的姓名、成绩等数据从第3行排到第59行)。在第二名学生的名次单元格中输入=RANK(I4,$I$3:$I$59)，然后拖动鼠标，选中这两个单元格，利用自动填充的功能，在每个学生的名次单元格中输入RANK函数的公式。这样只要将学生各科成绩输入到对应的单元格中后，RANK函数即自动求出该学生的名次，同分数的名次则自动排为相同的名次，下一个名次数值自动空出。
各科逐一分析
以“语文”为例。在“总人数”单元格中输入公式=COUNT(C3:C59)，在“及格人数”单元格中输入= COUNTIF(C3:C59,">=72")，在“及格率”单元格中输入=COUNTIF(C3:C59,">=72")/COUNT(C3:C59)，[满分为120分为">=72"，若满分为100分则为">=60"] ，“总分”单元格中输入=SUM(C3:C59)，“平均分”单元格中输入=AVERAGE(C3:C59)，“最高分”输入=MAX(C3:C59)，“最低分”单元格输入=MIN(C3:C59)。以上公式输入后可利用自动填充功能填充其他各科的公式（见图2）。
(2)
每科各分数段人数
可用FREQUENCY函数来实现。在（A67：A74）区域输入39、49、59、69、79、89、99、109（即统计出40分以下~120分范围内组距为10的各分数段人数），同时选中c67至c75单元格区域，输入公式:=FREQUENCY(C3:C59,$A$67:$A$74)，按下“Ctrl+Shift+Enter”组合键进行确认，即可求出c67至c75区域中，按A67: A74区域进行分隔的各段数值的出现频率数目。其他单元格可用自动填充功能实现。
有时要将优秀人数和不及格人数统计出来，在语文优秀人数的单元格中输入公式=COUNTIF(C3:C59, “>=80”)(假设各科的满分为100分)。及格人数改为>=60，不及格人数改为<=59即可。这样Excel就自动统计出各分数段人数了。
保存为模板文件
在“打印预览”中，按下“设置”，单击“工作表”标签，选中打印风格线，单击“页眉/页脚”标签，单击“自定义”，设置表格标题、页眉、页脚、纸张的大小、页边距，调整字体、字号、单元格的宽度及高度，然后“另存为”为“模板”，取名为“成绩统计”，确定，保存为模板文件。
最后，我们就可以使用已建立的模板来处理学生的成绩。启动Excel，执行“文件”菜单中的“新建”，在对话框中出现的“常用”标签下找到已建立的“成绩统计”模板，双击，出现了原来的模板文件，输入学生新的成绩总分、各科的平均分、各分数段的人数，最高分、各学生的总分名次即自动统计得出。最后打印输出，既美观又便于分析。
联机汇总各科成绩
利用Excel提供的共享工作簿命令，在局域网中对Excel文档联机处理，可以快速汇总各科、各班级的成绩。
在局域网中的一台电脑上新建一个Excel文档，命名为“学生综合成绩表”，设置好格式后存入一个专门的“学生成绩”文件夹，右击从快捷菜单中选择共享，弹出图3所示文件夹属性对话框，在共享标签中找到“网络共享和安全”，在“共享名”框中输入“学生成绩”（名称可任意），注意在图中圈中的两个复选框中必须都打上钩，设置好后，录入成绩的教师就能在任何一台联网微机上打开此综合成绩表。
(3)
(4)
光能打开还不行，所有人都能同时编辑，还要打开“学生综合成绩表”的“工具”菜单，选择“共享工作簿”命令，在“编辑”标签中勾选“允许多用户同时编辑”，同时“允许工作簿合并”，这样就可以多个人同时编辑了。
最后，所有录入成绩的教师从各自电脑上打开“网上邻居”，找到学生综合成绩表所在的计算机名称、共享文件夹名称——“学生成绩”（如果设置了密码，要告诉大家），打开学生综合成绩表，按学科、班级录入各自的成绩，并注意随时存盘，存盘时会有如图4所示提示。若单元格被其他用户更改，在单元格中会有批注提示用户，可防止数据冲突。使用此法，能充分利用现有电脑及教师资源，提高效率。
本文相关小提示
为防止别人更改数据，可以将成绩输入和成绩统计分别放在两个工作表中，如将成绩输入放在Sheet1中，而将成绩统计放在Sheet2中，并将Sheet2保护起来。进入“工具→保护→保护工作表”，输入密码即可（此时需将函数公式中加入“Sheet1!”）。
变形监测数据分析的群集智能模型 篇12
变形监测资料的合理准确处理对于保障建筑物的安全, 防止变形朝不安全的方向发展具有重要意义。近年来, 随着进化计算研究热潮的兴起, 人们将微粒群优化算法 (Particle Swarm Optimization, PSO) 、神经网络 (Neural Network) 等智能技术应用到变形数据分析工作[1], 利用微粒群算法去训练神经网络, 表现出了优于传统优化方法的很多性能。其中, PSO是一种新的仿生群集智能 (Swarm Intelligence) 随机优化算法, 该算法使用参数较少且易于选择, 对目标函数的形式没有特殊要求[2], 以往的研究表明, PSO在优化神经网络方面具有很大的潜力。
PSO在搜索初期收敛速度很快, 但与其他全局优化算法如遗传算法 (Genetic Algorithm, GA) 一样, 在后期却易于陷入局部极优点, 即早熟收敛, 且存在搜索精度不理想、不能保证收敛等缺点。研究发现, 缺乏合理的变异机制, 是导致PSO运算后期收敛速度变慢, 且容易收敛到局部极值点的重要因素, 为此, 引入非均匀变异机制, 当算法出现早熟收敛时, 对微粒群进行变异操作, 使微粒在其他区域继续搜索, 且变异算子随算法的迭代进行动态调整, 逐渐由全空间变异逐步转为局部微调, 重点搜索有效范围, 从而避开局部极值点。同时, 为了进一步提高算法性能, 对标准PSO的惯性权重因子进行了改进, 然后将改进PSO (Improved PSO, IPSO) 用于优化BP神经网络的权重以及阈值, 并建立了IPSO-BP模型, 最后将该模型应用到大坝变形分析工作中, 通过算例表明, IPSO-BP模型在收敛速度、搜索精度方面优于标准PSO-BP模型以及回归分析模型。
1 标准PSO及其改进
1.1 基本原理
PSO由美国的Kennedy和Eberhart于1995年提出, 通过对生物群体行为的模拟来实现对解空间的有效搜索[3]。为了改进其收敛性能, Shi Y和Eberhart在文献[4]中提出在算法的速度进化方程中引入惯性权重, 目前, 大多数文献将带惯性权重的PSO称之为标准PSO。其数学描述如下:
假定目标搜索空间是D维的, 搜索粒子数有N个, 每个粒子在空间的位置坐标表示一个潜在的有效解。第i个微粒的位置向量维Xi= (xi1, xi2, …, xiD) , 此时的粒子飞行速度向量为Vi= (vi1, vi2, …, viD) , 粒子迄今为止搜索到的最优位置向量 (即此位置坐标处粒子具有最优的目标函数值) Pi= (pi1, pi2, …, piD) 。整个微粒群迄今的最优位置向量为Pg= (pg1, pg2, …, pgD) , 每次迭代时, 微粒群中的每个粒子的速度和位置更新公式如下:
式中:i=1, 2, …, N;rand () 为随机数, 服从 (0, 1) 上的均匀分布;v
进化过程中, vid应限制于一定范围内, 即vid∈[vmin, vmax], 其中, vmax=k·xmax, vmin=k·xmin, 0.1≤k≤1.0, 当vid超出该范围时, 则设为vmax或vmin。若微粒离开搜索空间时, 则位置更新为:
1.2 改进策略
1.2.1 惯性权重的改进
标准PSO算法具有运算简单、易于实现、需要调整的参数少等优点, 然而在实际优化问题的应用中, 其搜索精度存在一定缺陷, 且控制参数的选择对于算法的收敛速度及优化精度有很大影响, 若标准PSO的惯性权重因子w选择不合理, 将导致粒子飞离搜索空间而只能通过最大速度来限制粒子飞行, 增大搜索时间, 对微粒快捷搜索目标不利。针对这一问题, 文中w采用下式进行计算:
式中:w0为微粒飞行初始的取值;maxiter为微粒迭代的最大次数;iter为当前迭代次数。
这样, 在粒子搜索最初, 取值会大些, 有利于微粒的全局搜索, 可以不断搜索新的区域, 搜索过程中 取值适当减小, 开发能力逐渐增强, 使算法可在可能最优解周围精细搜索, 有效地平衡了收敛的全局性和收敛速度, 提高了算法的搜索精度。
1.2.2 变异算子
分析公式 (1) 不难发现, 当粒子的当前位置处在全局极值位置Pg时, 该粒子只有在先前速度和惯性权系数不等于0情形下, 才有可能离开这一点;如果种群中粒子的先前速度都接近于0, 一旦它们落于Pg, 则很难再移动, 这意味着算法将收敛到种群目前寻优到的最优解, 即Pg, 如果Pg对应的解只是优化问题的一个局部最优解, 则算法就会过早收敛[5]。
为了解决这一问题, 将变异思想引入到标准PSO算法。改进思路是:在算法出现早熟收敛现象时, 对微粒群进行变异操作, 使变异粒子在解空间的其他区域进行搜索, 寻找更优的全局解, 从而跳出局部最优, 避免算法陷入局部极值点。由于在均匀变异方式下, 发生变异的分量在其变化范围内均匀取值, 无法重点搜索局部范围, 因此本文采用非均匀变异机制。对于一个在[ai, bi]范围内变化的分量xi, 按下式对其进行变异:
如果随机产生的一位二进制数为0,
如果随机产生的一位二进制数为1,
式 (5) 、 (6) 中, α是闭区间[0, 1]内的随机数;β为一个确定非均匀性程度的参数, 一般可取β=2。由式 (5) 、 (6) 可见, 随着迭代次数iter的逐渐增大, 变异算子动态地由全空间变异逐步转为局部微调, 使搜索范围逐渐减小。改进PSO (IPSO) 的运算流程如图1。
2 IPSO-BP模型
1989年Robert Hecht-Nielson证明, 任何一个在闭区间连续的函数都可以用具有1个隐层的BP网络来逼近, 即1个3层网络可以完成任意n维到m维的映射, 因此本文采用3层前向神经网络, 即1个输入层、1个隐层、1个输出层。假定隐层节点数nhid足够多的初始网络隐层激励函数和输出层分别为ψ (x) 和ϕ (x) , 给定样本集Ω={Pi, qi|1≤i≤N;Pi, qi∈R}, 则前向神经网络的输出为:
其中:W, V为权值, 满足-1<W, V<1, k=max (q1, q2, …, qN) 。网络学习算法采用反向传播算法 (Back Propagation Algorithm, BP) 。
为了获得既稳定又相对快速的训练算法, 进化过程可分2步进行, 将BP算法和IPSO取长补短进行阶段性结合:首先, 利用IPSO训练网络的权值;然后, 在由IPSO得到的一个接近最优解的空间B (W*) 之后, 再使用BP算法进一步寻优, 得到网络权值的最优值W*。记这种组合训练法为IPSO-BP。
采用IPSO-BP训练法可以提高网络训练的精度和学习收敛的速度。应用IPSO优化BP的具体步骤如下:
(1) 将网络中所有神经元间的连接权编码成实数码串表示的个体, 即将微粒群中每一个体的分量映射为网络中的权重和阈值, 从而构成一个神经网络。
(2) 初始化IPSO, 设置微粒数M, 进化代数t以及加速因子c1, c2和权重w, 随机初始化微粒的位置和速度, vij∈[vmin, vmax]并设置算法停止条件。
(3) 运行IPSO算法训练BP神经网络, 对微粒适应值进行评价, 当适应值小于预设阈值或迭代达到最大预设次数时, 算法停止, 保存计算结果。由于每个微粒代表一组网络权值, 对微粒的评价就是对该组权值在训练集上产生的均方误差的评价, 故可将均方误差作为IPSO算法的适应度:
式中:X为微粒向量;tk, p为训练样本P在k输出端的给定输出;n为训练集样本个数;c为输出端个数;Yk, p为微粒对应的网络输出。这样, 可以保证通过IPSO算法寻优得到的D维参数W, 能够使得网络输出误差较小。
(4) 在用IPSO算法得到一个接近最优的网络权值后, 初始化BP算法, 将IPSO的训练结果作为BP算法训练的起始值, 设置算法停止条件。
(5) 当全部样本的输出误差小于设定的误差 时, 训练结束, 保存训练结果即完成神经网络个体的训练。利用BP算法得到网络权值最优值W*的训练过程主要由信息正向传递、误差信号逆向传播、权重和阈值的调整等步骤组成, 详见参考文献[6]。
3 应用实例
在某混凝土重力坝的变形监控工作中, 采用IPSO-BP模型对其坝顶引张线数据进行处理, 共选取120组观测数据, 前100组作为学习样本, 以确定最优连接权重、阈值等参数, 后20组数据作为预测样本, 以利用学习得到的网络模型求得水平位移预测值。为对结果进行对比分析, 同时建立PSO-BP模型 (其算法是基本PSO算法优化后的BP算法, 模型形式及输入和IPSO-BP模型相同) 和统计回归模型。
影响混凝土大坝水平位移的主要因素有上游水位、温度和时效, 因而BP算法采用多输入单输出模式, 输入节点为:水位分量, 大气温度和时效分量, 输出节点为坝顶水平位移, 隐含层神经元个数为9, 即采用的网络结构为3-9-1, 学习速率为0.016, 动量因子为0.012, 取误差平方和指标为0.01。在用IPSO寻找BP神经网络最佳权值和最佳阈值时, 各参数设置为:群体规模M=1 000, 每一个种群对应一个46维的参数 (包括36个可调权重和10个神经元阈值) , 进化代数t=2 000, 加速度c1=c2=1.8, 惯性因子的初始值w=0.9, 以后随着进化递减, 最小值为0.35, 微粒的最大速度vmax=1, 算法停止阈值ε=0.02, 非均匀变异率pm=0.01。统计模型采用的回归因子为:水位因子、温度因子、时效因子, 模型形式为:
式中:H为上游水位;θ=ti/100 (即以100 d为单位) ;ti为观测时刻距初始时刻的天数, d。
通过逐步回归分析 (显著水平α=0.05) , 得到统计模型的复相关系数为0.941, 回归中误差m=±1.06, 这表明所建立的统计模型拟合精度高, 具有较高的可靠性。3种模型的计算结果及拟合效果对比见表1和图2。从表1可以看出, 3种模型都能较好地拟合出实际变形情况, 其中, IPSO-BP模型的拟合精度比统计模型的拟合精度高, 略好于PSO-BP。从图2可以看出, IPSO-BP模型的拟合效果明显优于统计模型和PSO-BP模型。
为了评价模型的实际预报能力, 选用监测数据的后20组数据作为预测样本, 分别利用以上3种模型对某坝段的水平位移进行预测, 预报精度对比如表2所示。从表2可以看出:IPSO-BP模型的预测精度高于统计分析模型和PSO-BP模型, 其预测值和实测值最为吻合, 较好地反映了大坝水平位移的变化趋势。同时, 利用PSO对BP算法进行训练时需迭代750余次, 而采用IPSO只需迭代200次即能达到相近精度, 接近于全局最优, 可见IPSO-BP比PSO-BP在收敛速度方面有所进步。
4 结 语
能否准确分析建筑物变形状况的关键在于是否选择好的监测数据分析模型。本文结合BP神经网络算法, 将IPSO引入到大坝变形预测模型中, 通过分析和验证, 得到如下结论:
(1) IPSO-BP模型能较好地描述和预测建筑物的变形过程, 因此, 该模型在变形监测的数据分析和变形预报中有较好的实际应用价值;
(2) 标准PSO算法存在许多缺陷, 需要进一步的研究。本文通过引入非均匀变异机制, 选择合理的惯性权重因子对其进行改进, 并将IPSO应用于优化BP神经网络, 得到的数学模型在精度和预报能力等方面有明显提高;
(3) IPSO-BP具有原理清晰、公式简洁和全局寻优能力强等优点, 其拟合效果及预测精度明显优于统计回归模型和PSO-BP模型, 且具有较高的可靠性, 因此, 该方法在变形监测数据处理中有较好的应用前景。
参考文献
[1]李红连, 黄丁发, 陈宪东.大坝变形监测的研究现状与发展趋势[J].中国农村水利水电, 2006, (2) :89-93.
[2]张燕, 汪镭, 康琦, 等.微粒群优化算法及其改进形式综述[J].计算机工程与应用, 2005, (2) :1-3.
[3]J Kennedy, R Eberhart.Particle Swarm Opti mization[C]∥Inter-national Conference on Neural Networks.Piscataway, 1995:1 942-1 948.
[4]Shi Y, Eberhart R.A modified particle swarmopti mizer[C]∥In-ternational Conference on Computational Proceeding.Piscataway, 1998:69-73.
[5]Natsuki Higashi, Hitoshi Iba.Particle Swarm Opti mization withGaussian Mutation[C]∥Proceedings of the 2003 IEEE SwarmIntelligence Symposium.Indianapolis, 2003:72-79.
【智能数据分析】推荐阅读：
智能数据平台05-20
智能数据链05-29
数据安全智能解决方案07-04
数据采集与智能化分析09-08
数据智能决策在监狱发展中的应用07-09
智能分析系统07-07
智能诊断分析系统07-20
智能检测与分析05-11