人员行为分析方法与流程

本发明是有关于一种人员行为分析方法，且特别是有关于一种基于定位数据的人员行为分析方法。
背景技术：
：随着科技的发展，室内定位系统在零售、餐饮、物流、制造、化工、电力、医疗、养老等行业均展现出了广阔的市场前景，在此背景下，uwb(超宽带)定位、蓝牙定位、wi-fi定位、rfid定位、红外技术、超声波等技术纷纷进入市场，为不同行业的室内定位需求贡献了诸多行之有效的位置服务方案。目前各项技术应用于室内定位系统，所提供的服务主要还是依赖于对定位数据的查询和简单处理实现人员定位的基础功能，如人员点名，运动轨迹，电子围栏报警等。而如何基于现有技术，将室内定位装置所产出的大量时间、空间信息加以应用，结合云端智能ai分析系统进行大数据分析，使用定位数据来获取人员个人行为及社交行为的分析与预判，实为目前亟待克服的课题之一。技术实现要素：为解决上述问题，本发明提供一种人员行为分析方法，可以基于定位数据获取人员个人行为及社交行为的分析与预判，对相关人员的行为预期结果进行干预，如制定照顾和康复计划等。本发明一实施例的人员行为分析方法，包括以下步骤：获取人员于一第一阶段的定位坐标数据；根据所述定位坐标数据，计算得出所述人员于所述第一阶段内的运动特征数据；将所述运动特征数据与一标准运动数据相比较，分析所述人员的行为特征；根据所述行为特征，判断所述人员的行为变化。上述的人员行为分析方法，其中，所述标准运动数据通过以下方式生成：获取所述人员于一第二阶段的定位坐标数据，根据所述第二阶段的所述定位坐标数据，计算得出所述标准运动数据。上述的人员行为分析方法，其中，所述第二阶段早于所述第一阶段。上述的人员行为分析方法，其中，所述行为变化包括正常行为以及运动能力异常。上述的人员行为分析方法，其中，当所述行为变化为正常行为时，存储所述第一阶段的所述运动特征数据，作为下一阶段的标准运动数据。上述的人员行为分析方法，其中，当所述行为变化为运动能力异常时，向所述人员发出预警，并安排对应的照顾和康复计划。上述的人员行为分析方法，其中，所述运动特征数据包括平均速度和平均间隔。上述的人员行为分析方法，其中，所述标准运动数据通过以下方式生成：选取所述人员两个以上的常停留地点，获取所述人员于一第三阶段在所述常停留地点之间的常规运动数据，建立运动常模，作为所述标准运动数据。上述的人员行为分析方法，其中，所述运动特征数据包括运动时长、平均速度、运动区间、间歇点以及间歇时间。上述的人员行为分析方法，其中，所述标准运动数据包括运动时长、平均速度、运动区间、间歇点以及间歇时间。上述的人员行为分析方法，其中，所述行为变化包括正常行为、路线偏离以及运动能力异常。上述的人员行为分析方法，其中，当所述行为变化为正常行为时，存储所述第一阶段的所述运动特征数据。上述的人员行为分析方法，其中，当所述行为变化为路线偏离时，向所述人员发出预警，并安排对应的照顾计划。上述的人员行为分析方法，其中，当所述行为变化为运动能力异常时，向所述人员发出预警，并安排对应的康复计划。上述的人员行为分析方法，其中，所述标准运动数据通过以下方式生成：获取所述人员及邻近人员于一第四阶段的定位坐标数据，获取所述人员及所述邻近人员的社交行为数据，建立社交常模，作为所述标准运动数据。上述的人员行为分析方法，其中，所述运动特征数据包括社交时间、社交人员以及社交地点。上述的人员行为分析方法，其中，所述标准运动数据包括社交时间、社交人员以及社交地点。上述的人员行为分析方法，其中，所述行为变化包括无社交行为以及有社交行为。上述的人员行为分析方法，其中，所述有社交行为包括个人社交行为和共同社交行为。上述的人员行为分析方法，其中，所述个人社交行为和共同社交行为分为不同级别的社交行为。以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。附图说明图1是本发明一实施例人员行为分析方法的流程图。图2是本发明另一实施例人员行为分析方法的流程图。图3是本发明又一实施例人员行为分析方法的流程图。图4是根据图3所示实施例的人员社交圈示意图。其中，附图标记：100、200、300：人员行为分析方法s110、s120、s130、s140、s150：步骤s210、s220、s230、s240、s250、s260：步骤s310、s320、s330、s340、s350、s360、s370：步骤1～10：待分析人员具体实施方式下面结合附图对本发明的结构原理和工作原理作具体的描述：实施例一图1是本发明一实施例人员行为分析方法的流程图。如图1所示，在人员行为分析方法100中，步骤s110用于获取待分析人员在一定时间阶段t1内的定位坐标数据。其中，时间阶段t1可包括多个时间区间t1-tn，本实施例中以n等于3为例，但本发明并不以此为限。另外，定位坐标数据可通过具有定位系统或其他能给出人员行动位置变化的设备提供，例如手环、智能手机、智能手表等，本发明并不以此为限。接着，在步骤s120中，根据获取的定位坐标数据，计算出待分析人员在时间阶段t1内的运动特征数据，例如在时间区间t1-t3内的平均速度以及平均间隔时间。需要说明的是，在计算运动特征数据时，会将一些明显异常的速度筛选排除，如早起跑步和锻炼时间的速度，一般是排除最快/最慢的各5％，以便获得可以用于用来比对的平均速率。然后，在步骤s130中，将待分析人员的运动特征数据与标准运动数据相比较，根据运动特征数据相对于标准运动数据的变化，得出待分析人员的行为特征，例如运动平均速度下降、平均间隔时间增加。以表一为例：表一如表一所示，在连续3个时间区间(t1-t3)内，当待分析人员的平均速度累计下降率超过10％，平均间隔时间累计增加超过10％，或者平均速度累计下降率与平均间隔时间累计增加之和超过15％时，表示待分析人员的运动能力下降。同样的，在连续3个时间区间(t1-t3)内，当待分析人员的平均速度持续下降率超过3％，平均间隔时间持续增加超过3％，或者平均速度持续下降率与平均间隔时间持续增加之和超过4.5％时，也表示待分析人员的运动能力下降。另外，也可以一个时间区间为判断区间，相较于上一个时间区间，当待分析人员的平均速度同比下降率超过5％，平均间隔时间同比增加超过5％，或者平均速度同比下降率与平均间隔时间同比增加之和超过7.5％时，表示待分析人员的运动能力下降。由此，可根据待分析人员的行为特征，判断出待分析人员的行为变化，即待分析人员的运动能力是否下降。当待分析人员的运动能力下降时，可参照步骤s150，根据判断结果向待分析人员发出预警，并安排对应的照顾和康复计划，如肌肉能力的锻炼，平衡能力的加强等。当待分析人员的运动能力并未下降即行为变化为正常行为时，请参照步骤s140，将时间阶段t1的运动特征数据存储，将其作为标准运动数据。另外，也可以根据另一时间阶段t2内的定位坐标数据，计算得出标准运动数据，其中，时间阶段t2发生在时间阶段t1之前。实施例二图2是本发明另一实施例人员行为分析方法的流程图。如图2所示，在人员行为分析方法200中，步骤s210用于获取待分析人员在两个常停留地点之间，一定时间阶段t3内的定位坐标数据。其中，常停留地点例如是宿舍、食堂、超市、公司等，可以是两个，也可以是多个，本实施例以两个为例，但并不以此为限；时间阶段t3可包括多个时间点t1-tn，本实施例中以n等于10为例，但本发明并不以此为限。另外，定位坐标数据可通过具有定位系统或其他能给出人员行动位置变化的设备提供，例如手环、智能手机、智能手表等，本发明并不以此为限。所获取的定位坐标数据为待分析人员在时间点t1-tn时的位置数据。接着，在步骤s220中，根据获取的定位坐标数据，计算出待分析人员在时间阶段t3内的运动特征数据，例如在时间阶段t3内的运动时长、平均速度、运动区间、间歇点以及间歇时间等。然后，在步骤s230中，将待分析人员的运动特征数据与标准运动数据相比较，根据运动特征数据相对于标准运动数据的变化，得出待分析人员的行为特征，例如连贯运动轨迹、运动区间合理范围、运动速度变化以及间歇时间等。以表二为例：表二如表二所示，在时间阶段t3内，当待分析人员的连贯运动轨迹偏离超过1次、运动区间合理范围偏离超过20％、运动速度变化偏离超过15％以及间歇时间偏离超过±30％时，则判断待分析人员的行为出现轻度偏离；当待分析人员的连贯运动轨迹偏离超过3次、运动区间合理范围偏离超过30％、运动速度变化偏离超过20％以及间歇时间偏离超过±100％时，则判断待分析人员的行为出现重度偏离。在时间阶段t3内，当待分析人员的三项或以上的行为特征出现轻度偏离，则可以判断待分析人员的行为出现异常；同样的，当待分析人员的两项或以上的行为特征出现重度偏离，则也可以判断待分析人员的行为出现异常。具体的，以4个待分析人员在时间阶段t3即时间点t1-t10内为例，获取的定位坐标数据如表三所示：表三待分析人员t1t2t3t4t5t6t7t8t9t10ax，y，zx+3，y+3，zx+6，y+6，zx+9，y+9，zx+12，y+12，zx+15，y+15，zx+15，y+15，zx+15，y+15，zx+15，y+15，zx+15，y+15，zbx，y，zx+3，y+3，zx+6，y+6，zx+9，y+9，zx+12，y+12，zx+15，y+15，zx+15，y+15，zx+15，y+15，zx+15，y+15，zx+15，y+15，zcx，y，zx+3，y+3，zx，y，zx+3，y+3，zx，y，zx+3，y+3，zx+6，y+6，zx+9，y+9，zx+12，y+12，zx+15，y+15，zdx，y，zx+3，y+3，zx+6，y+6，zx+6，y+6，zx+6，y+6，zx+6，y+6，zx+6，y+6，zx+9，y+9，zx+12，y+12，zx+15，y+15，z如表三所示，以a、b、c、d作为4个待分析人员，分别获取4个待分析人员于时间点t1-t10的位置数据。以待分析人员a、b来看，自时间点t1开始，从第一常停留地点(x,y,z)匀速朝向第二常停留地点(x+15，y+15，z)前进，且其行走路线为标准路线，连贯运动轨迹未发生偏离，其行为属于正常行为。以待分析人员c来看，在其去往第二常停留地点的路上，曾有过两次往返，最终到达第二常停留地点，因此，待分析人员c的行走路线为非标准路线，连贯运动轨迹发生偏离，但其后的速度为匀速标准速度，其行为属于轻度偏离，计作轻度偏离一次，需特别观察，若特定时间内，累计轻度偏离和/或重度偏离超过一定次数，如上表二所示，则表示待分析人员可能存在健忘症状，参照步骤s260，向待分析人员c发出预警，需制定照顾计划。以待分析人员d来看，在其去往第二常停留地点的路上，曾在半途有过较长时间的停留，间歇时间较长，最终到达目的地，其行为属于轻度偏离，需特别观察，如无其他因素影响或持续出现上述情况，则可能存在体力不支等症状，表示待分析人员d运动能力退化，则同样参照步骤s260，向待分析人员d发出预警，需制定康复计划。在本实施例中，标准运动数据通过步骤s240获得。选取待分析人员在2个常停留地点之间，常规时间内的运动时长、平均速度、运动区间、间歇点以及间歇时间等，建立运动常模，作为标准运动数据。对于待分析人员a、b，其行为变化为正常行为时，请参照步骤s250，将时间阶段t3的运动特征数据存储，将其作为标准运动数据。实施例三图3是本发明又一实施例人员行为分析方法的流程图。如图3所示，在人员行为分析方法300中，步骤s310用于获取多个待分析人员在一定时间阶段t4内的定位坐标数据。其中，时间阶段t4可包括多个时间点t1-tn，本实施例中以n等于8为例，但本发明并不以此为限。另外，定位坐标数据可通过具有定位系统或其他能给出人员行动位置变化的设备提供，例如手环、智能手机、智能手表等，本发明并不以此为限。所获取的定位坐标数据为待分析人员在时间点t1-tn时的位置数据。接着，在步骤s320中，根据获取的定位坐标数据，计算出待分析人员在时间阶段t4内的运动特征数据，例如在时间阶段t4内的社交时间、社交人员以及社交地点等。然后，在步骤s330中，将待分析人员的运动特征数据与标准运动数据相比较，根据运动特征数据相对于标准运动数据的变化，得出待分析人员的行为特征，例如人员距离以及停留时间等。以表四为例：表四如表四所示，在时间阶段t4内，当待分析人员的停留时间少于5s时，则表示待分析人员之间不存在社交行为，当待分析人员之间的距离超过5米时，同样表示待分析人员之间不存在社交行为。只有当待分析人员停留一段时间且待分析人员之间的距离较近时，则表示待分析人员之间存在社交行为。具体的社交行为等级与待分析人员的停留时间、人员距离之间的关系如表四所示。其中，一级表示待分析人员之间进行简单的交谈，如打招呼等；二级表示待分析人员之间进行简单的聊天，如聊天气，伙食等；三级表示待分析人员之间进行较深层次的交流和沟通。具体的，以4个待分析人员在时间阶段t4即时间点t1-t8内为例，获取的定位坐标数据如表五所示：表五待分析人员t1t2t3t4t5t6t7t8ax,y,zx+5,y，zx+10，y，zx+15，y，zx+20，y，zx+25，y，zx+30，y，zx+35，y，zbx，y，zx，y，zx,y,zx,y,zx,y,zx,y,zx,y+5,zx,y+10,zcx,y,zx,y,zx,y,zx,y,zx,y,zx,y,zx+3,y+3,zx+6,y+6,zdx,y,zx,y,zx,y,zx,y,zx,y,zx,y,zx+3，y+3，zx+6，y+6，z如表五所示，以a、b、c、d作为4个待分析人员，分别获取4个待分析人员于时间点t1-t8的位置数据，t1-t8以分钟为单位。以待分析人员b、c、d来看，自时间点t1至时间点t6，待分析人员b、c、d均停留在相同的地点，他们之间的距离小于1米，且停留时间超过3分钟，因此，可以判断为待分析人员之间达成三级社交行为。在时间阶段t4内，待分析人员a一直以匀速沿同一方向移动，其并未停留，与待分析人员之间b、c、d之间未达成社交行为。另外，也可以采用同一时间阶段待分析人员之间的共同活动区域来判断是否达成社交行为及社交行为的等级。当待分析人员在同一时间阶段内共同参加某一项活动时，也可以认定为待分析人员之间达成社交行为，社交行为的等级由活动组织者来确定。例如，待分析人员之间共同上课、听讲座为一级，有互动的广场舞、交谊舞、座谈等为二级，等等。在本实施例中，标准运动数据通过步骤s340获得。收集待分析人员在一定时间段内每次社交行为的时间，人员，地点等，建立对应的社交行为常模，作为标准运动数据。对于待分析人员，其于时间阶段t4内如达成社交行为，请参照步骤s350，将时间阶段t4的运动特征数据存储，将其作为标准运动数据。最后，请参照步骤s360，也可以时间阶段t4内的运动特征数据，对待分析人员的社交行为进行分析，绘制待分析人员的社交圈示意图。图4是根据图3所示实施例的人员社交圈示意图。如图4所示，人员1～7、9、10之间均存在着社交行为，而人员8与其他人之间并无社交行为。如长时间与他人之间无社交行为，则参照步骤s370，需向待分析人员发出预警，如有必要，还需制定康复计划。由此，本发明的人员行为分析方法能够基于定位数据获取人员个人行为及社交行为的分析与预判，进而对个人运动平均速度和间歇时间的趋势进行分析，来判断个人的行动能力、运动区间、间歇点及间歇时间是否有发生变化，以便做针对性的照顾和康复计划。当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。当前第1页12