逯　峰　沙伟春　冯松青　朱理臻

（1.广东省公安厅，广东 广州510050；2.广东省公安厅科技信息化处，广东 广州510050）

安全防范技术

基于PGIS时空大数据的治安视频（卡口）空间选址模型研究

逯峰1沙伟春2冯松青2朱理臻2

（1.广东省公安厅，广东 广州510050；2.广东省公安厅科技信息化处，广东 广州510050）

针对目前我国社会治安视频（卡口）规划存在的选点凭经验、规划缺指标、防控区域无法量化、成果缺乏科学性等问题。本文提出了一种基于时空大数据挖掘分析理论支撑的视频（卡口）空间规划方法，通过对已建视频（卡口）与用地、建筑、水系、交通、人口、案件、车流、商圈等时空分析，挖掘出与视频（卡口）选址相关的量化参数和指标，基于空间视觉金字塔的层次分析模式建立顾及人、车、案、商圈四要素的视觉金字塔分级选址模型，以最大覆盖模型理论对规划结果进行视域覆盖评价。选择3个城市进行模型实验与算法验证，对实验成果的布点精度和视域覆盖进行了评估。结果表明，模型计算出的空间布点精度中误差m=±13.05米，视频（卡口）视域完全覆盖了治安防控区域，模型科学可靠，可作为治安视频与卡口量化规划参考。

空间视觉金字塔层次分析模式PGIS最大覆盖模型时空数据挖掘

引言

社会治安视频（卡口）对于城市犯罪防控体系与刑事案件侦破有着举足轻重的作用。近年来，社会治安视频由于具备及时提供有效信息的能力，在预防、控制、打击和惩治违法犯罪上发挥巨大作用，被誉为是继刑事侦察、技术侦察、网络侦察技术之后的第四大侦察技术［1］。社会治安视频（卡口）采集点布设的合理性，直接影响到监控区域采集点数量及图像信息的完整性，进而影响社会视频网络的建设成本及公安机关对案件的判断和处置［2］。因此，合理的社会治安视频（卡口）布设方案在节约社会成本、保障公共安全中尤为重要。

过去社会治安视频（卡口）规划主要基于经验知识，采用粗放式思维确定视频（卡口）的空间点位。近年来，随着犯罪防控体系建设的深入，公安部门亟需科学、精确、合理的治安视频（卡口）规划方法。目前我国公安部门比较认可的社会治安视频（卡口）规划思想有两种，分别是“圈块格线点”和“五网工程”。其中“圈块格线点”理念考虑行政区划、道路、信息点与城市之间的空间关系，将城市“围圈”、“切块”、“分格”、“连线”、“定点”以最终实现对城市分层次的防控；“五网工程”选址主要突出全覆盖的理念。虽然两种方法的思想在社会治安视频（卡口）规划上起到了一定的推动作用，但由于缺乏科学、系统的解决方案和必要的数据支撑，导致上述规划理念还停留在方法论层面，缺乏具体的解决方法和量化指标，在实际推广应用中仍存在一定难度。另一方面，社会治安视频（卡口）还有助于惩治、打击和预防犯罪，因此选址需要同时考虑地理以及犯罪成因。李卫红等［3］研究发现案件、嫌疑人落脚点与地理环境显著相关，其中居住用地、商住混合用地以及医疗用地与嫌疑人落脚点表现出了显著的相关性。闻磊、李卫红等［4］研究提出中国城市财产犯罪分布主要与人口、出租屋、娱乐场所、路网密度及用地类型混合度具有显著的相关关系。张健、刘毅等［5］在进行鹫峰国家森林公园林火视频监控点选址时提出监控视频选址需要分析坡向、坡度、海拔、林班等因子；钟正、张玲等提出在3D GIS环境下，通过考虑建筑布局、景观效果、安全等级、区域出入口范围、可持续发展5个影响因子构建监控摄像头布局体系［6-8］；王自然等［9］提出视频选型与视域范围评估建模；杨向红［10］、张静等［11］研究提出用最大覆盖模型评估视频布点成效及优化布点选址。

下文将以广东省PGIS时空大数据分析为支撑，基于时空制图、几何运算、时空分析建模的方法进行视频（卡口）空间规划与建模，通过对已建视频（卡口）与用地、建筑、水系、交通、人口、案件、车流、商圈等时空分析，以空间视觉金字塔的层次分析模式，结合公安实际，提出一种新的视频（卡口）规划方法，通过设计量化规划指标，构建视觉金字塔分级选址模型（以下简称金字塔模型），根据该模型完成对全省视频（卡口）的合理规划，更好地为城市联合防控体系提供科学、精准的布点依据。

1　研究方法与模型

基于空间视觉金字塔的层次分析模式，结合“圈块格线点”理论，通过对PGIS时空大数据分析、筛选确定用于视频（卡口）点备选的空间数据集。根据已建社会治安视频（卡口）空间分布，挖掘时空要素如人口、案事件、车流、商圈等与视频（卡口）选址之间的关系，计算量化相应指标和阈值，构建金字塔选址模型。按照选址模型对备选空间点集通过时空制图、集合运算分步筛选，得出视频（卡口）规划布点的空间点集和规划数量。同时，根据视频型号、参数，利用视频视域模型计算覆盖范围，通过最大覆盖模型对视频覆盖进行评估，对视频（卡口）空间布点进一步做选址优化，优化结果作为最终规划成果。在此基础上，继而考虑城市发展蠕动与扩张系数，完成对视频（卡口）选址、数量的规划，研究方法流程如图1所示。

图1　研究方法流程图

1.1“圈块格线点”理论

“圈块格线点”理论是公安部门进行社会治安视频（卡口）布设的经验理论，即首先通过各级行政边界面对视频（卡口）点位进行边界面控制，然后对面控制形成的地域块进行进出控制，再将地域块分割成格，对于格内的路网和重点防控单位进行进出控制。据此理论，视频（卡口）位置要素应主要包括：

（1）道路交叉口。

在道路交叉口位置布控视频，可有效获取该条道路进出人员和车辆的信息，而多个交叉口的视频布控，则可以通过道路网的连接特性实现对街区格的防控。

（2）重点单位。

某些类别的关注人员流动量大、重要级别高或是城市地标性建筑，自然成为视频防控的重点位置；而公安部门所关注的内保单位也是公安业务上要重点防控的位置。

（3）行政边界面或人口聚居区。

跨区域犯罪和逃窜是公安业务经常遇到的情形，因此对于行政边界面或人口聚居区边界道路上的布控，可有效掌握罪犯跨区域动态，而且通过面布控的不断缩小可有效获取罪犯行动轨迹与活动区域。

1.2基于空间视觉金字塔的层次分析模式

视觉金字塔分析模式是基于层次分析法理论基础上提出的一种适用于社会治安视频（卡口）选址的层次分析方法。

1.2.1层次分析法

层次分析法（Analytic Hierarchy Process，简称AHP）是美国匹茨堡大学教授萨蒂于20世纪70年代初提出的一种基于网络系统和多目标综合评价理论的层次权重决策分析方法，它将复杂的多目标决策问题作为一个系统，把目标分解为多个目标或准则，进而分解为多指标的若干层次。通过定性指标模糊量化方法算出层次单排序和总排序，以作为目标、多方案优化决策的系统方法。

1.2.2视觉金字塔分析模式

视觉金字塔分析模式（如图2所示）是一种基于层次分析法理论的社会治安视频（卡口）选址分析方法。提出按照计算机图形显示视觉模式，建立一种从“宏观－微观”的整体规划思路。通过设定分级规划目标，建立分级规划模型，量化模型参数，构建分级规划成果评价自动反馈修正流程，实现在总体控制性规划指引下的详细规划。视觉金字塔模型包括面控制、盖面分析、点控制、线控制四个方面，按照面、点、线的顺序逐次多个指标单个或求和判定，最后综合分析确定层次分析的结果。

图2　视觉金字塔分析模式

（1）面控制。

面控制基于“4环8拍”的思想，以行政区划为基本面，采用环省、环市、环区县、环聚居区4级包围圈逐渐缩小的原则，构建4级视频围栏。控制穿过视频（卡口）围栏的等级道路（高速、国道、省道、县道、乡道、城市干道），保证每进出一道视频（卡口）围栏能被卡口拍2次，同时通过卡口过卡车流分析，在车流量大的卡点附近增设卡口。

（2）盖面分析。

盖面分析主要是顾及城市分格内视频（卡口）选址分布的完整覆盖。从治安防控的视觉，按警务最小管理格网或人口、建筑聚类的零散聚居区，与进出区域的道路交集作为一道视频（卡口）围栏。

（3）点控制。

点控制基于“道路交叉口+重点单位+立体防控点”的视频全布控原则，顾及“人、车、案、商圈”四要素对候选点逐点进行筛选、然后分系数覆盖，最终确定视频（卡口）空间点位。

筛选：每个布控点按照“人、车、案、商圈”四要素覆盖度和热点密度筛选；“人、车、案、商圈”即PGIS数据中的实有人口、车流量、案事件、商圈POI（兴趣点）要素数据。

布点系数：路口点按路口类型（如十字路口、T字路口、平交路口、立交路口等）确定布点系数，重点单位按级别确定布点系数。

（4）线控制。

线控制是在顾及“人、车、案、商圈”四要素的基础上，对长路段进行分段按间距覆盖加密，线控制需要考虑路段筛选及道路（含隧道、桥梁）间距。

路段筛选：路口间距大于阈值的路段，按照“人、车、案、商圈”四要素覆盖度和热点密度筛选加密。

道路（含隧道、桥梁）间距：筛选出的长路段按照间距阈值进行分段加密。

1.3选址指标量化

视觉金字塔模式中需要量化的指标主要包括热点密度，密度阈值，四因素权重阈值，视频（卡口）间距阈值：

（1）密度函数：

其中，di为热点密度，ni为分析区域内“人、车、案、商圈”等要素的数量，S为分析区域的面积。

（2）阈值计算方法：

建立视频与各因子间的线性方程，利用地理逻辑回归分析法，建立逻辑回归模型，通过机器学习可确定各因子的权重和阈值；当有K个自变量时：

其中，a,B为系数，pi=P(yi=1|x1,x2…,xki)为系列变量x1,x2,…,xki取值时的事件发生概率。

1.4金字塔层次模型

利用空间制图与几何后得出的空间点、线、面数据集，基于视觉金字塔分析模式，通过围栏、定点、连线三个量化目标构建金字塔选址模型：

参数说明：

βi：道路路口类型布点系数；Pi：道路路口；

Υi：重点单位布点系数；Ui：重点单位；

ωj：4要素权重；Di,j：4要素热点密度；

Lk：路口间距（Lk>100米）；dk：视频（卡口）间距；

ƒ(rl,φl)：视频（卡口）围栏与道路交叉函数，rl：视频（卡口）围栏半径，φl：路网变量。

1.5城市扩张系数

考虑到治安视频（卡口）的规模与城市的发展速度密切相关，监控视频的规模呈现动态增长的态势。因此本研究引入城市蠕动与扩张系数，计算方法如式5所示：

参数说明：λi为扩张系数，当i=1时，λ为道路扩张系数；当i=2时，λ为单位扩张系数；当i=3时，λ为城市（建筑物面积）扩张系数。

n为规划年数，当n=1时，为2016年规划，依次类推。

Xi为当年扩张因素总量，当i=1时，X为道路总里程数；当i=2时，X为单位POI总数；当i=3时，X为城市建筑物总面积。

Yi为前一年扩张因素总量。

1.6视频（卡口）空间选址模型

根据城市扩张系数，即可计算未来n年视频（卡口）规划数，计算公式如式6所示：

1.7视频（卡口）选址优化

1.7.1视频成像模型

空间中的一地面点被视频传感器感知必须满足两个条件：①空间点在视频传感器的视棱锥中，即空间点在视频传感器中成像；②视频传感器与空间点之间不存在遮挡。

条件①与视频传感器感知模型相关，条件②还与地理环境中的障碍物有关。视频传感器感知模型公式7所示，基本参数包括：成像芯片尺寸、焦距（f）、中心点等。姿态参数包括：方位角P、俯仰角T、横滚角v、尺度因子λ。

地理空间中一个点能被视频传感器感知到，需要视线与靶面有交点，即图像坐标满足x∈［xmin,xmax］，y∈［ymin,ymax］；［xmin,xmax］与［ymin,ymax］分别表示图像坐标系中图像点在坐标轴方向上的最大最小值。同时，视线之间无障碍点，即判断障碍物的高度是否高于当前视线与障碍物交点的高度，如图3所示，G1被覆盖，而G2未被覆盖。

图3　视频（卡口）覆盖视域分析图

1.7.2最大覆盖模型

最大覆盖模型是选址分析评价常用的模型，优化目标是对有限的服务网点（如商场）进行选址，为尽可能多的对象（如客户）提供服务。本研究将治安防控区转换为服务需求区，规划的视频（卡口）作为服务网点，按最大覆盖模型理论，可利用此模型对规划视频（卡口）点，确定终端参数，进行最大覆盖评估和选址优化。

xi∈{0,1},j∈M，xi=1建点，xi=0不建点；

yij≥0,i∈N,j∈M，节点i需求中被分配给设施点j的比例；

N-区域中的需求点（治安防控区）集合，N={1,2,…,n}；

M-区域中可建设设施（视频）的候选点集合，M={1,2,…,m}；

di-第i个需求点的需求量；

Dj-实施点j的服务能力；

P-允许建设设施点的数目；

A(j)-实施点j可覆盖需求点i的集合；

B(i)-可以覆盖需求节点i的设施节点i的集合；

1.7.3空间点位精度评价

规划点位与已建视频（卡口）点位进行空间重合度比较分析，采用点位误差和中误差指标评估规划点位精度。

2　实验样区与数据

2.1实验样区

研究区域包括广东省全省，本文以广州市、珠海市、河源市三个广东省属于不同层次类别城市作为实验对象。

2.2实验数据

本文实验数据主要来源于广东省PGIS空间数据库。PGIS空间数据库是公安系统多年累积起来的一套比较完整、涉及多种公安业务数据的GIS数据库系统。通过PGIS数据，不仅可以从基础数据如道路网数据、POI（兴趣点）数据的角度去分析，也可以对各种业务数据如人口数据、案事件数据、已建视频（卡口）数据等方面进行空间分析。本文涉及的数据种类包括商圈POI、人口、案事件、车流量等。

2.2.1商圈POI数据

商圈是人流比较活跃的区域，人员活动复杂，需要大量治安视频和卡口。从PGIS空间数据集中挖掘出商圈类POI的空间分布，可以很好的辅助社会治安视频（卡口）选址。

2.2.2人口数据

人口数据包括常住人口与暂住人口数据，代表一个城市实际居住人员的分布情况。挖掘人口的空间分布，对于视频（卡口）选址备选点具备较高的参考价值。

2.2.3案事件数据

案事件防控是社会治安视频（卡口）安置的直接目的，因此地区案事件分布数据，对于视频（卡口）点选址具备较强的参考价值。另外，由于案事件发生具备时间因素，相对于近期发生的案件，时间越久远的案件对于视频（卡口）点选址的参考价值越小。因此本研究采用近三年的案事件数据作为备选点选址参考。

2.2.4车流量数据

车流量数据是案情分析与未来案情防控的重要内容。主要应对犯罪分子利用或针对车辆进行犯罪的情况，把控车辆本身信息或在犯罪过程中的状态和轨迹。在车流量大的区域布控治安视频（卡口），有着十分重要的作用。

2.2.5已建视频（卡口）布控点空间数据

已建视频（卡口）布控点空间数据主要用于分析现有视频（卡口）布控点所在空间位置，及其周边要素如人口、案事件、商圈POI、车流量等信息，同时用于对备选点的周边要素信息进行比较分析。

2.2.6道路网（含隧道、桥梁）及行政警务界限数据

交通规则信息道路网（含隧道、桥梁）、行政界限、警务界限（派出所界限）主要作为分析过程中的基础数据图层。

3　模型实验与验证

3.1模型实验

模型实验选择广东省一类、二类、三类各一个城市（广州市、珠海市、河源市）作为计算对象，评价的方法如下：

（1）抽取三城市视频（卡口）选址备选空间点集；

（2）将三城市备选空间点集代入选址模型计算，得到视频（卡口）规划空间点集；

（3）模拟视频（卡口）规划选型与参数，基于最大覆盖模型进行选址优化与评价；

（4）成果精度评估覆盖评价。

3.2实验成果

下表是根据模型计算出来的广州市、珠海市、河源市三城市规划统计数：

表1　广州珠海河源视频（卡口）规划成果统计

3.3成果评价

（1）覆盖评价。

图4为三个城市的覆盖评价图：

经过分析，三个地市视频（卡口）空间覆盖范围已涵盖了所有治安防控区域。

（2）空间点位精度评价。

与视频（卡口）布控现状叠加分析后，三地市规划成果计算中误差综合为m=±13.05米，其中m广州=±13.12米，m珠海=±12.83米，m河源=±11.58米，均远小于视频（卡口）最小监控距离50米。

图4　广州、珠海、河源视频（卡口）覆盖评价图

4　结论

本文基于PGIS空间大数据分析与挖掘，提出了视觉金字塔层次分析方法，量化了视频（卡口）规划指标，并构建了对应的数学模型，通过模型计算的成果经过覆盖度与空间点位精度的评价，均达到了规划目标，验证了方法与模型的可靠性。该方法为公安行业社会治安视频（卡口）选址规划提供充足的理论基础与模型支撑，能有效改变社会治安视频（卡口）选址方法无法量化的现状，为视频（卡口）建设的合理规划、智能规划提供强有力的科学依据，对社会治安立体化防控具有重要的支撑意义，研究结果可供同行参考借鉴。

［1］隋信刚.社会治安视频监控的特点与作用［J］.辽宁警专学报，2012，1：62-64.

［2］谢征宇，贾利民，秦勇，等.铁路客运枢纽视频监控采集点布设模型［J］.中南大学学报自然科学版），2013，44（2）：254-257.

［3］李卫红，戴侃，闻磊.顾及地理因素的犯罪地理目标模型改进方法［J］.测绘科学，2015，40（7）：152-157.

［4］闻磊，李卫红，陈业滨.空间视角下中国城市财产犯罪成因分析［J］.测绘科学，2015，40（8）：86-91.

［5］张健，刘毅，韩宁，等.鹫峰国家森林公园林火视频监控点的选址［J］.东北林业大学学报，2009，37（5）：24-27.

［6］钟正，张玲，柳军燕.3DGIS环境下监控摄像头空间布局设计［J］.计算机工程与应用，2012，48（13）：211-222.

［7］孙建伟，山区视频监控点选址算法研究［D］.南京：南京师范大学，2015.

［8］谢征宇，贾利民，秦勇，等.铁路客运枢纽视频监控采集点布设模型［J］.中南大学学报自然科学版），2013，44（2）：254-257.

［9］王自然，张亚南，刘学军，等.视频传感器覆盖范围精细化计算方法［J］.国防科技大学学报，2015，37 （5）：54-60.

［10］杨向红.基于GIS的最大化区域覆盖的连续设施选址问题研究［D］.北京：清华大学，2013.

［11］张静，刘茂.广义最大覆盖模型在消防站优化选址中的应用［J］.安全与环境学报，2009，9（1）：169-172.