基于AOI劃分的室內軌跡可視分析方法

賀懷清，張昱旻，劉浩瀚

（中國民航大學計算機科學與技術學院，天津 300300）

隨著無線通信技術及室內定位技術的快速發(fā)展[1]，基于無線技術的室內定位系統(tǒng)日益普及，如Wi-Fi、藍牙、RFDI（radio frequency data identificatin）等[2]，其積累的大量室內軌跡數(shù)據(jù)為獲取人們在室內空間的活動模式提供了可能性，例如，通過發(fā)現(xiàn)室內熱點區(qū)域[3]來調整購物中心商店的布局和進行廣告推薦；實時檢測室內人員位置從而降低意外事件發(fā)生的風險[4]；分析軌跡相似度從而分析人群移動模式等[5]。室內空間相較室外空間具有如下特征：①室內空間具有垂向性，為分析軌跡間的關系帶來巨大挑戰(zhàn)；②室內空間相對較小，軌跡數(shù)據(jù)間的相似度較高，在進行聚合分析時具有挑戰(zhàn)性；③室內空間沒有明確的路網(wǎng)，在分析人群移動模式時較為困難。因此，室內軌跡具有很強的隨意性[6]，在進行軌跡分析時難以自動分析出清晰且具有結構化的信息。

目前較為常用的軌跡可視化方法[7-8]，如專題圖、路徑可視化及流圖等主要面向室外空間軌跡的表達與分析。鑒于室內軌跡數(shù)據(jù)的特征，室外的軌跡可視化方法無法直接用于室內軌跡數(shù)據(jù)分析。現(xiàn)有的室內軌跡數(shù)據(jù)分析方法可以分為3 類：第1 類方法直接比較軌跡的形狀和軌跡點之間的距離[9-10]；第2 類方法首先將室內軌跡特征提取為圖形，再對圖形進行比較[11]；第3 類方法將軌跡轉換為一系列位置點或興趣點的語義信息，軌跡對比轉換為位置或興趣區(qū)（AOI，area of interest）的順序模式比較[12]。這3 類方法在分析過程中對數(shù)據(jù)存在一定的限制，如要先進行軌跡對齊操作和考慮軌跡中離群點對分析結果的影響等，這些要求在實際情況中難以滿足。

面向室內軌跡數(shù)據(jù)的可視分析方法研究大多與特定領域結合，且側重于對數(shù)據(jù)的可視化展示，如承達瑜等[13]利用多視圖分析商鋪間的關聯(lián)關系；Liang 等[14]設計了一個結合連通性的過渡矩陣來展示商場熱點路徑；文獻[15-16]對校園軌跡數(shù)據(jù)進行可視化呈現(xiàn)以提供更好的校園服務；Prentow 等[17]針對醫(yī)院員工軌跡數(shù)據(jù)進行分析，以挖掘數(shù)據(jù)中的噪聲。以上研究均與特定領域結合，在對室內軌跡數(shù)據(jù)分析的普適性方面存在欠缺，且側重于數(shù)據(jù)的可視化呈現(xiàn)，沒有發(fā)揮可視分析過程中人機交互的優(yōu)勢。

在軌跡數(shù)據(jù)分析方法研究方面：Ye 等[12]檢測每個軌跡中的停留點，將軌跡轉換為停留點序列，然后將停留點聚集起來形成感興趣的區(qū)域，并使用停留點所屬的興趣區(qū)域表示軌跡；文獻[18-19]使用鄰域函數(shù)對感興趣的區(qū)域進行建模，將室內空間劃分為有意義的區(qū)域，然后將空間點與區(qū)域的標簽進行關聯(lián)，從而提高軌跡的聚類效果，更易找到室內人員感興趣的區(qū)域。但這些方法興趣區(qū)的劃分方式單一，不利于探索式分析室內軌跡數(shù)據(jù)，且此類方法重點關注于發(fā)現(xiàn)頻繁模式，沒有進一步挖掘室內人員的人群移動模式和異常行為模式。

受第3 類室內軌跡數(shù)據(jù)分析方法的啟發(fā)，并鑒于上述研究中存在的問題，本文提出了一種基于自定義AOI 劃分的可視分析方法來挖掘室內人員的人群移動模式，通過可視化可使用戶更好地理解與分析數(shù)據(jù)[20]。本文的主要貢獻包括以下3 點：①提出了一種基于用戶自定義AOI 劃分的室內軌跡可視分析方法；②利用本文提出的可視分析方法能夠交互式推理室內人員行為；③在真實數(shù)據(jù)集上的實驗驗證了該方法是有效且實用的。

1 任務分析與方法架構

1.1 室內軌跡分析任務

為分析室內人員行為模式，總結室內軌跡分析任務如下。

任務1室內人員的時空模式分析。查看室內各區(qū)域人員流動情況及人數(shù)波動。

任務2人群移動模式分析。個體的移動與室內AOI 關系密切，通過分析人與AOI、AOI 與AOI 之間的關聯(lián)關系，從而推斷個體或人群的移動模式，得到規(guī)律性的經(jīng)驗信息。

任務3異常行為模式分析。對異常行為模式的分析可以得到有意義的信息，據(jù)此可優(yōu)化室內空間或調整室內活動使之更合理。

1.2 可視分析方法架構

為有效完成1.1 節(jié)中提出的可視分析任務，探索式地分析室內軌跡數(shù)據(jù)，本文設計的可視化方法主要從兩方面考慮：一方面可以感知一天內室內各個區(qū)域人員分布情況；另一方面可以直觀地展示軌跡并進行軌跡間的對比。

可視分析方法由3 個模塊組成，分別是數(shù)據(jù)存儲模塊、數(shù)據(jù)處理模塊和可視化模塊，其框架流程如圖1所示。數(shù)據(jù)存儲模塊管理原始數(shù)據(jù)；數(shù)據(jù)處理模塊根據(jù)可視化模塊的需求對原始數(shù)據(jù)進行處理；可視化模塊負責展示處理后的數(shù)據(jù)；人機交互部分展示細節(jié)信息，同時用戶可以提出新的可視化需求，數(shù)據(jù)處理模塊重新生成數(shù)據(jù)傳遞給可視化模塊進行展示。

圖1 可視分析方法框架Fig.1 Framework of visual analysis method

2 研究方法

2.1 相關定義

定義1興趣區(qū)。

關于AOI 的定義是本文研究方法的基礎，室內軌跡數(shù)據(jù)是由一序列帶有時間戳的室內定位數(shù)據(jù)組成，通常軌跡所經(jīng)過區(qū)域的屬性信息可以表示軌跡的語義。將室內有意義的區(qū)域對象定義為一組興趣區(qū)，每個興趣區(qū)a都有表示其范圍的屬性，具體定義如下

a=〈（x，y），l，h，f〉

式中：（x，y）表示興趣區(qū)左上角頂點的坐標位置；l與h分別表示興趣區(qū)的寬度和長度；f表示興趣區(qū)所在樓層。

定義2興趣區(qū)分組（AOIG，area of interest grouping）。

室內空間屬性相似的AOI 可以劃分為一組，如工作人員工作區(qū)域可以劃分為一組，定義為工作區(qū)域。興趣區(qū)分組G定義如下

G={〈lable，S〉|S∈{a1，a2，…，an}}

式中：lable 表示興趣區(qū)分組的標簽名；S為一個由n個興趣區(qū)元素a組成的集合。

定義3室內移動物體軌跡表示。

以AOI 劃分為基礎對原始軌跡數(shù)據(jù)進行處理，得到通過AOI 序列表示的室內軌跡

T={〈A1，…，Ai，…，Am〉|Ai=〈ak，tb，tl〉}

室內軌跡由m個帶有時間信息的興趣區(qū)Ai組成，軌跡序列元素按照時間先后順序出現(xiàn)。單個Ai以三元組的方式表示，包含興趣區(qū)ak，其中k為興趣區(qū)編號；tb和tl分別表示經(jīng)過ak的起始時間和在此興趣區(qū)的停留時長。

2.2 可視化設計

將地圖按照單個監(jiān)控器的監(jiān)控范圍進行網(wǎng)格劃分，這是AOI 劃分的基礎單元格；室內空間包含不同的功能區(qū)域，與AOI 劃分區(qū)域相對應；代表室內區(qū)域的AOI，其功能相似的劃分至同一組。AOI 可再嵌套劃分，從而實現(xiàn)多尺度分析室內人員行為的目的。

室內空間較小且功能區(qū)域密集，為減少用戶認知時間，在AOI 劃分與分組階段完成AOI 顏色分配。同組AOI 設定為同一系列顏色，并在軌跡時間序列中延續(xù)使用此配色方案。

1.2 節(jié)中可視化模塊主要由熱力圖、折線圖、路徑可視化和時間片拼接圖組成。熱力圖與折線圖用于室內人員的時空模式分析（任務1），時間片拼接圖與路徑可視化結合人機交互操作完成人群移動模式分析與異常行為模式分析（任務2 和任務3）。

2.2.1 時空模式可視分析

采用熱力圖與折線圖對室內人員的時空模式進行分析。其中熱力圖用于觀測室內各個區(qū)域內一段時間人員的流入量，可以實時了解室內各區(qū)域人員流動情況；折線圖用于可視化室內各區(qū)域人數(shù)隨時間的變化，觀察各區(qū)域發(fā)生人員變動的時間點。熱力圖與折線圖可以分別以基礎單元、AOI 或AOI 分組為單位進行可視化分析。

興趣區(qū)人流量熱力圖如圖2（a）所示，可視化AOI每小時的人員流入量，坐標軸區(qū)域的矩形使用不同顏色映射AOI 一小時內進入的人數(shù)。點擊熱力圖縱坐標生成相應AOI 的折線圖，興趣區(qū)人流量折線圖如圖2（b）所示。

圖2 時序特征分析Fig.2 Time sequence analysis

2.2.2 行為軌跡可視分析

此部分通過路徑可視化進行分析，將軌跡路徑繪制成地圖上的一條折線，以突出軌跡的空間位置信息。雖已有時空立方體技術[21]可以精確表達室內軌跡的垂向空間信息，但軌跡可視中存在遮擋，不易于觀察。

時間維度信息同樣是軌跡可視分析的重要部分，其對人員停留單監(jiān)控器的時間進行可視化。在地圖中用圓餅表示人員在此區(qū)域的停留時長，半徑r=t/120，其中t表示人員單元網(wǎng)格內停留的分鐘數(shù)。

對隨機選取的1 位人員的軌跡進行可視化得到的結果如圖3 所示，從圖3 中可以直觀地分析出此人移動過程中經(jīng)過哪些區(qū)域，以及主要活動區(qū)域（AOI 11與AOI 14）。

圖3 單人軌跡可視化Fig.3 Single person trajectory visualization

2.2.3 時間序列可視分析

軌跡可視化可對人群行為特征進行分析，但當軌跡很多時會出現(xiàn)非常嚴重的遮擋[7]，無法較好地進行軌跡對比，于是通過時間片拼接圖對以AOI 時間序列表示的軌跡進行可視化展示。不再觀察人員在AOI 內的軌跡細節(jié)，而是著重分析人員經(jīng)過的AOI 序列。繪制時間片拼接圖所需數(shù)據(jù)依據(jù)定義3 中的格式生成，時間片顏色編碼與AOI 劃分相對應。

當AOI 劃分出現(xiàn)變動時，時間片拼接圖隨之發(fā)生變動。據(jù)此可對單AOI 區(qū)域內室內人員的行為模式展開分析。

隨機選取10 位人員的時間片拼接圖如圖4 所示，時間片的顏色編碼與AOI 分組相對應。通過簡單分析可得到序號為①、④、⑤、⑥、⑩的人員軌跡間相似度很大（時間片從顏色及時序上極其相似），結合用戶定義的AOI 分組可以歸納這5 位人員的移動模式。對于時間片拼接圖中獨特的時間片序列，結合軌跡可視化分析是否為異常行為或未分析到的人群移動模式。

圖4 時間片拼接圖Fig.4 Time slice splicing view

2.3 交互設計

可視化可使用戶更好地理解數(shù)據(jù)，結合交互設計可充分發(fā)揮分析人員的主動性進行分析。

時間片拼接圖中包含時間片映射組件，用戶與之交互可以隱藏或顯示相應的AOI 時間片，據(jù)此突出顯示部分時間片。用戶可以通過鼠標滑動與軌跡或時間片交互突出顯示某位人員的軌跡，鼠標右擊標記軌跡和添加人群分類。

以AOI 序列表示的室內軌跡有較為明確的語義信息，用戶通過設定在AOI 的停留時長進行軌跡過濾。分析人員在輸入框中輸入軌跡在相應AOI 的停留時長，從而進行歸集篩選，如圖5（a）所示。用戶可通過圖5（b）中的工具篩選人群軌跡或單人軌跡，總結人群移動模式或分析異常行為。

圖5 軌跡過濾工具Fig.5 Tool of trajectory filter

3 案例分析

3.1 數(shù)據(jù)描述

選用ChinaVis2019 挑戰(zhàn)賽[22]公開數(shù)據(jù)集。數(shù)據(jù)集由兩部分組成：一是場館內部的傳感器分布數(shù)據(jù)，匯總了室內地圖與傳感器布置表，使用的傳感器單體可以覆蓋一個64 m2的正方形區(qū)域，室內地圖以此為單位進行網(wǎng)格劃分，即傳感器分布圖；二是傳感器日志數(shù)據(jù)，記錄會議期間每個傳感器收集的參會人員移動信息。傳感器日志數(shù)據(jù)中僅包含人員產(chǎn)生位置變化時的傳感器日志數(shù)據(jù)，共計180 多萬條。

3.2 準備工作

完善AOI 劃分與AOI 分組是后續(xù)可視分析的基礎。在室內地圖區(qū)域功能不明確的情況下，可利用軌跡過濾工具篩選包含每個AOI 的軌跡，并通過路徑可視化與時間片拼接圖分析軌跡特征從而推測區(qū)域功能。本案例室內地圖中room1 ～6 區(qū)域的功能不明確，經(jīng)過分析得到如下結論：

（1）room1 與room3 為茶水間或休息室；

（2）room2 為受邀請人員（資深專家或商業(yè)精英）的休息室；

（3）room4 為媒體記者休息室；

（4）room5 為比賽場地；

（5）room6 為工作人員休息室。

分析各AOI 特征并進一步完成AOI 分組，得到分組結果如表1 所示。

表1 AOI 分組Tab.1 The grouping results of AOI

3.3 時空模式分析

本次實驗使用的數(shù)據(jù)背景為全國性學術大會，由學術研討、成果展覽和比賽3 部分組成，通過分析室內人員時空模式可以推斷室內各AOI 活動開展時間。

3.3.1日程安排分析

以分析第1 天的室內傳感器日志數(shù)據(jù)為例展開介紹。

通過熱力圖分析會場內各個AOI 的人員時空模式得到：主會場和分會場分別只在上午和下午舉辦活動，且各個會場內會議分段進行；room5 比賽整日進行，包含中午休息時間；室內其他區(qū)域諸如展廳、海報區(qū)、簽到處、服務臺整日開放；room1 與room3 僅在特定的時間點提供服務，符合茶歇休息室的特征；餐廳在中午時對外開放。

具體的時間點安排使用折線圖或軌跡可視分析工具進一步分析，以分析主會場及分會場日程安排的具體時間點為例，如圖6 所示。

圖6 第一天主會場及4 個分會場人數(shù)統(tǒng)計折線圖Fig.6 Line chart attendee distribution in the main venue and four sub-venues on the first day

分析主會場及分會場折線圖，當曲線趨于平穩(wěn)時，認為室內正在開展某項活動；曲線出現(xiàn)輕微波動時室內活動階段性結束；當AOI 人數(shù)逐漸減少趨于0 時表示某主題結束。據(jù)此方法分析出第1 天主會場及各分會場活動時間安排，具體如表2 所示。此部分分析內容在人群移動模式分析中得到驗證。

表2 第1 天主會場及分會場日程安排表Tab.2 The schedule of the main venue and sub-venue on the first day

3.3.2 展廳內人員時空模式分析

以AOI 為單位進行可視分析，無法分析出區(qū)域內部的時空模式。地圖中的AOI 可以進行二次劃分，由用戶自定義二次劃分或按照地圖中的網(wǎng)格單元進行分析。實驗中對展廳AOI 按照地圖網(wǎng)格單元劃分再次進行時空模式分析。

通過分析熱力圖發(fā)現(xiàn)，第2 天展廳內部8 個傳感器未接收到數(shù)據(jù)，此現(xiàn)象應是傳感器發(fā)生故障導致；并且地圖中3 個縱向排列的傳感器在某時間段內出現(xiàn)了人員流入高峰，分析其折線圖確定具體時間段為13：00～14：30，推斷該段時間展廳內部此3 個傳感器區(qū)域內開展了小型活動。

自定義AOI 的方式不僅可以使用戶極其便利地分析室內所有區(qū)域的人員時空模式情況，同時可對單AOI 內部人員時空模式展開分析。

3.4 人群移動模式分析

軌跡可視分析是分析室內人員人群移動模式的重要內容，反映了室內人員活動時的心理或條件約束。路徑可視化圖與軌跡時間片拼接圖配合軌跡過濾工具可高效篩選軌跡并直觀地進行軌跡對比分析，在路徑可視化圖中可分析出人員移動軌跡及主要停留區(qū)域；通過時間片拼接圖可總結人群移動規(guī)律及特點，從而得到各類人群的移動模式。

根據(jù)背景知識可推斷參加會議的人員包括普通觀眾、工作人員、專家、記者、參展單位人員和參加比賽人員。結合3.2 節(jié)中對AOI 的分析，除普通觀眾與參展單位人員外，各類別人員均有單獨的活動區(qū)域（或休息室），據(jù)此可完成部分人員類別分析。參展單位人員的篩選可依據(jù)人員在展區(qū)活動的總時長進行分析，經(jīng)過對比設定不同時間參數(shù)人群移動模式，最終設定展廳軌跡篩選參數(shù)為100 min。剩余未進行類別標記的人員認定為普通觀眾。

因篇幅有限，本節(jié)僅對專家和參賽人員移動模式展開分析，如圖7 所示。

圖7 各類人員軌跡可視化Fig.7 Visualization of various personnel trajectories

3.4.1 專家移動模式分析

利用軌跡過濾工具篩選在room2 的停留時長至少為5 min 的軌跡，通過分析路徑可視化圖可總結此類人員的活動區(qū)域：在圖7（a）的地圖中上方扶梯為此類人員專用通道；此類人員在主會場的座位分布在會場前方。通過時間片拼接圖可總結此類人員時空移動模式：到達場館后無需簽到，前往room2 等候會議開始，上午參加主會場會議后，中午前往餐廳就餐，餐后返回room2 休息，下午參加各個分會場會議。

此類人員中包括各個會場的主講人，將各個會場AOI 再次劃分，每個會場劃分為講臺AOI 與觀眾席AOI，并進行顏色編碼。使用軌跡過濾工具篩選出在講臺區(qū)域停留的軌跡，如圖7（a）所示。通過與時間片映射組件交互隱藏時間片序列中表示各個會場觀眾席區(qū)域AOI的時間片，突出顯示主講人在講臺區(qū)域停留的時間片，據(jù)此表2 中的日程安排表得以驗證。

3.4.2 參賽人員移動模式分析

參賽人員軌跡可視化如圖7（b）所示，總結此類人員的移動模式：到達場館后前往簽到處簽到，比賽開始前在展廳參觀，比賽時間持續(xù)整日，中午前往餐廳就餐；參賽人員的離場時間分為3 個時間段；主要活動區(qū)域為room5。

3.5 異常行為模式分析

異常行為監(jiān)控是保證室內活動安全開展的重要工作，在完成室內人員時空模式分析與人群移動模式分析后，以上分析結果可作為已知信息進而分析異常行為。

如在本案例中已分析出主會場及各個分會場活動時間安排，通過分析熱力圖與折線圖可以挖掘異常時空模式情況：在分會場活動結束前出現(xiàn)人員陸續(xù)離場的情況。在進行人群移動模式分析過程中對比人員間的軌跡挖掘出異常行為：媒體記者人群中出現(xiàn)在休息室訪問專家的情況，按照已有知識屬于越權行為；專家中出現(xiàn)軌跡點大幅度跳躍的情況。使用軌跡過濾工具進行多方案軌跡篩選，發(fā)現(xiàn)僅參觀展廳與海報區(qū)的人群出現(xiàn)異常情況，如圖8 所示。

圖8 群體異常行為模式Fig.8 The abnormal behavior pattern of the group

異常行為模式分析比較靈活，在人員時空模式分析與人群移動模式分析過程中可能發(fā)現(xiàn)異常行為，分析人員也可以使用軌跡過濾工具憑經(jīng)驗篩選軌跡展開分析。

3.6 分析結果對比

利用本文提出的基于AOI 劃分的室內軌跡可視分析方法對本案例進行分析，分析結果與ChinaVis2019挑戰(zhàn)賽實際情況進行對比，本文方法在日程安排分析、人群移動模式分析和異常行為模式分析上的正確率分別達到了100%、100%和84%。

可見日程安排分析與人群移動模式分析部分所得結果能很好覆蓋實際內容。日程安排分析關注于室內所有空間，并且可通過AOI 再劃分的方式對室內區(qū)域人員時空模式展開詳細分析。人群移動模式分析中在完成所有類型人員的移動模式分析的基礎上，對人群進一步劃分，如對受邀人群中各會場主講人的分析。

此實驗進行的異常行為模式分析相較于賽方給出的答案（12 處異常行為）有兩處異常沒有覆蓋到，分別是室內某些區(qū)域出現(xiàn)擁堵狀況與工作人員遲到。賽后再次使用本文可視分析方法對這兩件異常事件分析，擁堵狀況可通過AOI 再次劃分分析熱力圖與折線圖的方式得到結果；工作人員遲到通過觀察時間序列可視化可直觀分析得出，在人群移動模式分析中未對此行為模式關注。

通過與賽方給出的真實情況對比可看出，本文可視分析方法能夠較好地在整體、局部、自主分析上完成對室內定位數(shù)據(jù)的分析。

4 結語

本文提出了一種基于自定義AOI 劃分的室內軌跡可視分析方法，按照自定義的AOI 完成時空模式分析、人群移動模式分析與異常行為模式分析。其不僅可以對室內空間全局展開分析，也可分析單AOI 內部人員行為模式。最后，對ChinaVis2019 提供的室內傳感器日志數(shù)據(jù)進行分析驗證，證明了該方法的有效性與實用性。

基于自定義AOI 劃分的室內軌跡可視分析方法可以應用于其他用室內場景，諸如醫(yī)院、教室等，根據(jù)自定義的AOI 劃分探索式分析人群軌跡特征和異常行為模式。室內工作人員可以借助此方法合理調配人力、物力，提供更豐富周到的室內服務；總結室內人員移動模式可豐富在室內舉辦活動的經(jīng)驗；此方法也可作為安全監(jiān)控的輔助工具，實時了解室內狀況。

室內軌跡分析方法仍然存在很多挑戰(zhàn)，相較于傳統(tǒng)的室內軌跡分析方法，本文方法在探索式分析室內人員移動模式上具有優(yōu)勢，基于自定義AOI 劃分與分組的方法使得室內軌跡可視化效果簡潔且易于理解，軌跡過濾工具使得分析過程變得高效。但本文方法中的軌跡篩選方式存在一定的局限性，完全由用戶憑經(jīng)驗定義篩選條件是一件繁瑣的工作。接下來的工作將結合機器學習相關方法自動完成人群劃分，減少分析人員的工作量，提高該可視化方法的普適性；進一步完善AOI 劃分與分組方法，支持更多類型及規(guī)模的室內場景軌跡數(shù)據(jù)的分析。