用于占用估計的系統和方法

專利名稱：用于占用估計的系統和方法
技術領域：
本發明涉及估計區域的占用(occupancy)，并且更具體地涉及基于占用者交通 (traffic)模型估計該區域內人的占用。
背景技術：
關于特定區域的占用的知識可以用于各種應用中。例如，建筑物內的占用的知識 可以用來改善建筑物的效率、舒適性和便利性并且在緊急情形下通過提供關于占用者位置 的信息而改善第一響應者的搜尋和營救努力。典型地，僅基于傳感器提供的數據來確定建 筑物占用。這些占用估計可能由于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 一種用于估計區域中的占用的系統。該系統包括輸入和占用估計器， 該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。至少一個傳感器裝置 是運動檢測傳感器，該運動檢測傳感器提供指示在特定區域內沒有檢測到占用者的負輸出 或者指示在特定區域內檢測到一個或多個占用者的正輸出。占用估計器在工作中被連接到 該輸入以接收傳感器數據。該占用估計器執行算法，該算法基于所接收的傳感器數據和生 成基于模型的占用估計的占用者交通模型來生成占用估計，其中該算法基于所提供的輸出 的狀態給由運動檢測傳感器提供的傳感器數據分配可靠性。輸出在工作中被連接到占用估 計器以傳送占用估計。在另一個方面，本文描述了一種用于估計區域中的占用的系統。該系統包括輸入 和占用估計器，其中該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， 由傳感器裝置提供的輸入提供關于在相鄰區域之間流動的占用者數量的信息。占用估計器 在工作中被連接到該輸入以接收傳感器數據。該占用估計器執行算法，該算法基于所接收 的傳感器數據和由占用者交通模型生成的基于模型的狀態估計來生成狀態估計，其中狀態 估計由包括每個區域的占用估計和與相鄰區域之間流動的占用者數量相關聯的流估計兩 者的狀態變量組成。輸出在工作中被連接到該占用估計器以傳送占用估計。在另一個方面，本文描述了一種用于估計區域中的占用的方法。該方法包括從一 個或多個傳感器裝置采集傳感器數據，其中至少一個傳感器裝置提供指示在區域之間移動 的占用者數量的數據。該方法還包括基于占用者交通模型來計算狀態變量的基于模型的估 計，所述狀態變量包括每個區域中的占用者數量以及相鄰區域之間流動的占用者數量。該 方法還包括通過組合每個狀態變量的基于模型的估計和所采集的傳感器數據來生成與每 個狀態變量相關聯的校正的估計。在另一個方面，本文描述了一種用機器可讀計算機程序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于生成區域的占用估計，該計算機可讀存儲介質 包括用于使控制器實施方法的指令。該計算機程序包括用于從一個或多個傳感器裝置采集輸入的指令，其中至少一個傳感器裝置提供指示在相鄰區域之間流動的占用者數量的數 據。該計算機程序還包括用于基于占用者交通模型來計算狀態變量的基于模型的估計的指 令，所述狀態變量包括每個區域中的占用者數量以及相鄰區域之間流動的占用者數量。該 計算機程序還包括用于通過組合每個狀態變量的基于模型的估計和所采集的傳感器數據 來生成與每個狀態變量相關聯的校正的估計的指令，其中該校正的估計包括與每個狀態變 量相關聯的平均值和協方差。


圖IA是被劃分成許多區的建筑物的樓層的示意圖。圖IB是對建筑物樓層的各區之間的連接進行建模的圖示。
圖2是圖解基于傳感器數據、傳感器模型和占用者交通模型計算占用估計的流程 圖。圖3A和3B是圖解為計算占用估計而采用的擴展卡爾曼(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占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是建筑物的樓層的示意圖。圖5B是圖解如何解釋建筑物的樓層平面以由基于動力運動的模型分析的圖示。圖6A是圖解使用基于KM的模型來建模單個房間中的占用者的圖示。圖6B是圖解使用基于KM的模型來建模單個房間中的占用者的圖示，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是圖解集中占用估計系統的框圖。圖9A-9C是圖解許多分布式占用估計系統的框圖。
具體實施例方式本申請公開了一種與由Robert Tomastik于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于基于占用者交通模型估計占用的系統和方法。在一 個示例性實施例中，僅基于占用者交通模型來估計占用。在另一個示例性實施例中，基于由 占用者交通模型生成的占用預測來估計占用，基于所接收的傳感器數據校正所述占用。本 申請對先前申請的范圍進行了擴展，公開了實施占用者估計的另外的實施例和方法。占用者交通模型試圖預測占用者將如何在整個區域中移動。在一個實施例中，占 用者交通模型是單階段(single-phase)占用者交通模型，該單階段占用者交通模型基于 占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占用者的移動。在另一個實 施例中，占用者交通模型是基于動力運動(kinetic motion, KM)的模型，該基于動力運動 (KM)的模型使用兩階段法來建模占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占用者經過區域的移動。在這兩種情況下，占用者交通模型是基于在整個區或區域中占用者的歷史或預期交通模式并且可以考慮諸如區域或建筑物的布局之類的因素。例如，建筑物布局可以包括 描述出口、過道、辦公室的位置以及相關過道和辦公室的占用限制的信息。另外，占用者交 通模型可以是描述區域內占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，由占用者交通模型生成的估計與傳感器數據結合采用以生成 占用估計。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占用者移動或位 置。為此，本發明公開了一種占用估計器，該占用估計器把傳感器數據和占用者交通模型當 作輸入，并且執行算法以基于所提供的輸入來生成對該區或區域的占用估計。基于傳感器 數據和占用者交通模型的占用估計提供比僅基于傳感器數據或僅基于模型的估計結果更 加準確的占用估計。除了提供對占用和移動與其變化的更加準確的估計的好處以外，傳感 器數據與占用者交通模型的組合允許連續估計建筑物占用，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，占用者交通模型在估計占用中作為獨立工具(例如沒 有傳感器數據反饋)進行操作。這個實施例尤其適合于可以預期占用者向所限定的出口移 動的流出操作模式。圖IA和IB圖解了將在整個本描述中用來輔助描述占用估計算法的示例，其中占 用估計是對建筑物的特定樓層做出的。關于本實施例所描述的概念可以應用于各種場景 或位置(例如，戶外、火車站、飛機場等等)。圖IA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，樓層平面基于各個辦公室和房間的位置進行進一步的細分(即，基于地點的細分)。在 圖IA和IB所圖解的區模型中，在每個出口處以及在每個相鄰區1-5之間的邊界包括用于 檢測占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，為改善占用 估計的分辨率、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IB是圖解圖IA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的較小圓表示建筑物中的出口。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占用者的數量由變量yu(t)表示。位于特定區中 的占用者的數量由變量Xi (t)表示(未示于圖IB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IA 和IB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，生成該區域的占用估計將包括生成每個單獨區的占用估計。另外，術語‘占用估計’被用于整個描述中并且通常指代與占用有關的輸出。因此， 對區域的占用估計可以包括這樣的數據，所述數據諸如區域內占用者的數量的平均估計、 與和占用的區域變化相關聯的所有可能占用水平相關聯的概率、指示與占用的估計相關聯 的置信可靠性的數據(例如，協方差)、以及其它與占用有關的類似有用數據。因此，在圖 IA和IB所示的示例中，為區域生成的占用估計將包括為區1-5每個生成的任一上面列出的 數據。
圖2是圖解被提供到占用估計算法20的輸入的示例性實施例的高級框圖。被提供到占用估計算法20的輸入包括傳感器數據ζ (由一個或多個傳感器裝置提供)、傳感器模 型h、以及占用者交通模型f。占用估計算法20基于傳感器數據ζ、傳感器模型h、以及占用 者交通模型f導出占用估計&。例如，在圖IA和IB所示的示例性實施例中，占用估計算法20 為五個區中的每個生成占用估計i。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ζ和占用估計Ji被表示為向量，盡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。占用者交通模型f是用于預測在整個區域中占 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 占用的先前估計。例如，占用者交通模型f可以應用于建筑物的每個區中的占用的先前估 計以生成建筑物的每個區中的占用的預測估計或基于模型的估計。然后由占用估計算法20將通過應用占用者交通模型f (例如，單階段模型或基于 KM的模型)而生成的基于模型的占用估計與傳感器數據ζ (如果可用的話)進行組合。占 用估計算法20將由占用者交通模型f提供的基于模型的占用估計與傳感器數據ζ進行組 合，這是通過基于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，則占用估計算法20給傳感器數據ζ分配較高權重并且對應的 占用估計;t在很大程度上基于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占用者交通模型f提供的基于模型的占用估計。根據基于模型的占用估計、傳感器數據ζ以及與這兩個輸入相關聯的加權，占用 估計算法20為區域生成占用估計々。例如，關于圖IA和IB所示的樓層平面，為區域生成占 用估計Jt可以包括為五個區1-5的每個生成占用估計。另外，占用估計Jt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占用估計、與五個區的每個區的每個可 能占用水平相關聯的概率、與五個區的每個區內或之間的占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，作為部分占用估計義生成的數據可以彼此相互關聯。例如，區域中的占用概 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 態或占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占用估計，但另 夕卜，曲線的形狀(例如，與曲線相關聯的標準差)將提供與占用估計相關聯的置信度或可靠 性的指示。在其它實施例中，占用估計Jt可以包括與估計相關聯的置信區間、與占用估計相 關聯的協方差、或者其它指示與占用估計i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，由占用估計算法20生成的占用估計J^是實時生成的，這允許 占用估計用于實時應用(例如，作為第一響應者的輸入)。在示例性實施例中，占用估計i 可以用于建筑物內的占用的預見性或事后估計。在又一個示例性實施例中，占用估計義可以 用來預測不久將來的占用估計。不久將來的占用估計可能在控制應用(諸如基于建筑物內 占用者的預期的不久將來的移動的電梯呼叫)中有用。不久將來的占用估計也可能對第一 響應者有用以提供不僅關于占用者的當前位置而且關于建筑物占用者的可能將來位置的 數據。在示例性實施例中，占用估計算法20是擴展卡爾曼濾波器(EKF)，EKF是用于基于 觀測和模型生成系統的狀態估計的熟知算法。EKF的好處是基于所接收的傳感器數據ζ和 占用者交通模型f實時提供計算的能力。在示例性實施例中，EKF采用占用者交通模型f以基于當前或目前占用估計來生成預測的或基于模型的占用估計。EKF可以利用單階段占用者交通模型或基于動力運動(KM)的占用者交通模型。在 其它實施例中，可以采用其它類型的能夠組合傳感器數據和基于模型的估計的濾波器(例 如，傳統卡爾曼濾波器)。將首先討論單階段占用者交通模型，包括占用估計算法20如何結 合單階段占用者交通模型以生成占用估計 。關于圖5Α-6Β討論基于KM的占用者交通模型。在示例性實施例中，擴展卡爾曼濾波器(以單階段模型或基于KM的模型為基礎) 占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) 的占用，f (例如，單階段占用者交通模型)是時間t和狀態x(t)的某個非線性函數，并且 v(t)是過程噪聲，表示占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，在與建筑物中的占用估計有關的示例中，函數f的精確形式將根據建筑物的布 局(以及別的因素)而改變。另外，因為f的結構描述區域內占用者的預期交通模式，所以 函數f的形式也可能基于區域的‘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，建筑物將處于流出模式(即疏散模式)，其中所有占用者被建模成 向可用的出口移動。其它模式可以專用于時刻(例如，上午活動的建筑物模式相對下午活 動的建筑物模式)或其它因素。為了簡單起見，以下示例假設流出模式，這是通過基于圖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) 的單階段占用者交通模型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，占用者的數量)，Xl(t)表 示在時間t時在區1中的占用者的先前狀態，y21 (t)表示在時間t時從區2移動到區1的 占用者的數量，Y31⑴表示在時間t時從區3移動到區1的占用者的數量，并且y61 (t)表示 在時間t時經由出口6從區1移動(離開)的占用者的數量。該模型對于未命令占用者向 出口移動的非流出模式而言將有所不同。例如，占用者的移動將不受限于從區2移動到區 1，而是還將包括從區1移動到區2。占用者交通模型f的結構因此部分依賴于建筑物的布 局并且可以在區域之間有所不同。在基于上面示例的示例性實施例中，有關從區1到出口 6的占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的鏈路的流量容力并且基于從區1到出口 6的通道 的物理特性進行選擇，并且參數α是對特定設計所特有的調整參數。在基于這個示例的實施例中，有關從區2到區1的占用者流的函數被建模為y21 (t) = min [a21x2 (t) * β /C2* (C1-X1 (t)) /C1, 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占用者的百分比，項β /C2表 示占用者移動穿過區2的延遲，C2是區2的最大占用(S卩，C2與對應于區2的面積成比例)， 項(C1-X1U)VC1表示減慢占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，并且最后β是調整參數。區3和區1之間的流動將以用于建模區2和區1之間的 流動的相同方式進行建模。以此方式，單階段占用者交通模型f基于關于每個區中的占用的當前信息來做出關于特定區中的占用的預測。在其它實施例中，可以采用附加建模參數 來建模通過區域的移動的另外方面。用來計算基于模型的占用估計的方程(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)計及占用者如何在各區之間移動的不確定性。用于建模 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。在采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于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，占用估計算法(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占用測量，函數h是傳感 器模型并且是時間和占用估計x(t)的函數，并且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中的占用者的(基于傳感器輸入的)先前測量，φ21⑴表示 指示從區2到區1的占用者移動的傳感器輸出，φ31⑴表示指示從區3到區1的占用者移動 的傳感器輸出，并且cp16(t)表示指示從區1到出口 6的占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，并且方程6中定義的Z1 (t)因此可能基于傳感器讀 數的誤差而隨時間累積誤差。然而，在采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，其中方差等于僅傳感器估計器(即，如果占用估計僅基于傳 感器輸入而沒有基于占用者交通模型)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占用估計算法20的傳感器數 據反映基于所接收的傳感器數據的區占用估計(如關于圖3A和3B更詳細描述的)。圖3A和3B是流程圖，每個圖解了占用估計算法20如何操作以組合傳感器數據 z(t)、傳感器模型h和占用者交通模型f(t)來生成占用估計的示例性實施例。這兩個實施 例采用擴展卡爾曼濾波器，其中基于模型的估計或狀態預測用傳感器數據進行校正以提供 利用占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于對狀態變量的處理。在圖3A中，僅占用估計⑷ (即特定區域中人數估計)被視為狀態變量。結果，僅占用估計㈨用傳感器數據進行校 正。在圖3B所示的實施例中，占用估計;^r^」和相鄰區域之間的占用者流⑷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并入狀態估計的計算中(而不管是否占用和流兩者被定義為狀態 變量)。關于圖3A，流程圖的左側圖解了為更新占用的狀態估計if^)而采用的算法步驟， 而圖3A的右側圖解了為生成協方差估計P (t 11)而采用的算法。協方差估計P (t 11)是與占 用估計㈨相關聯的不確定性的度量。在圖3A所示的示例性實施例中，傳感器數據z(t)與占用估計i (^㈨都為向量，盡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，計算或更新占用估計始于(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)當前占用估計小如在步驟30所示。占 用估計ir^)的符號表示這是基于來自時間t的觀測(即，模型輸出和傳感器更新兩者的組 合)的、對于時間t的占用估計。在步驟32，占用者交通模型f(t)被應用于當前占用估計 i例^以生成占用預測或基于模型的占用估計^ /⑷。也就是說，基于當前狀態估計和占用 者交通模型f(t)來預測下一狀態的占用。符號^㈨表示這是基于在時間t做出的觀測 的、對于時間t+Ι的狀態預測(即，該更新不是基于最近觀測的事件)。在步驟34，傳感器 模型h被應用于基于模型的占用估計;^⑷以生成測量預測■？々+7⑷。測量預測■ 々+/㈨表 示以基于模型的占用預測i ㈨為基礎的預期傳感器測量。例如，如果基于模型的占用預 測i ㈨預測占用者添加到區1 (在這種情況下是從區2)，則測量預測Z21 (t+111)將指示 一個占用者被檢測到從區2進入區1的預測傳感器測量或觀測。在步驟36，測量預測SfH/…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占用者的值。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于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 測到的區之間占用者移動。基于傳感器數據z(t+l)和測量預測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，基于模型的占用估計 X1 (t+1 |t)預測一個占用者從區2進入區1，導致Z21 (t+1 |t)的對應測量預測等于一。如果 傳感器數據Z21 (t+Ι)改為等于零，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，基于占用預測Vi+/⑷、修正u(t+l)以及關于協方差計算更詳細討 論的加權系數w(t+l)，更新占用估計；^小入如由這個方程所指示的，所更新的占用估計 義々+川+/)是以基于模型的占用估計irH/io和觀測的傳感器數據z(t+i)為基礎的，所述 占用估計㈨是基于占用者交通模型f(t)生成的。更新的狀態估計:Ii+變成下 一迭代中的當前狀態估計:小入作為占用者交通模型f(t)和傳感器數據Z(t+1)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占用的狀態估計的能力。在這 種情況下，預測測量■？夕⑷和傳感器數據Z (t+Ι)之間的誤差將增大，但是仍可以基于部 分傳感器數據ζ (t+Ι)和占用者交通模型f(t)或者如果沒有傳感器數據可用的話全部基于 占用者交通模型f (t)，來生成占用估計i (t+ /Ii+ 0。在圖3A所示的實施例中，協方差估計P(t|t)連同狀態估計㈨一起被生成為輸 出。狀態估計㈨指示占用的最佳猜測或估計，而協方差指示與占用估計相關聯的置信水 平。狀態估計:^々㈨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，術語占用估計廣義上不僅指代關于區域中 的實際占用者數量的估計而且指代諸如與占用者估計(例如jf^))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)始于當前協方差估計P (t 11)，如在步驟40所 示。在步驟42，基于先前的占用估計來評價占用者交通模型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)和與占用者交通模型相關 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，基于先前估計來評價傳 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)被應用于預測協方差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+1)，該加權參數W (t+1)表示在 步驟38被應用于傳感器數據的加權。
如通過協方差計算所示的加權參數W (t+1)，基于傳感器模型和占用者交通模型對 待應用于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(或者基于 模型的占用估計㈨中的置信度低)，則在步驟38應用于修正u(t+l)的濾波器增益值 W(t+1)導致對傳感器數據z(t)比對由占用者交通模型f(t)生成的占用預測的結 果提供更大權重的占用估計。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(或者基于模型的占用估計中的置信度高)，則所更新的狀態估計將更 多地受基于模型的占用估計交㈨的結果影響而更少地受相關傳感器數據ζ (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占用估計更多地 受對狀態估計應用占用者交通模型f(t)的結果影響。傳感器數據ζ (t)的加權還可以計及與用于提供傳感器數據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。類似于占用者交通模型f計及建筑物的布局 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占用，但是不提供關于房間中的占用者數量的信息(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占用的數據(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 示房間被占用的數據(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占用者可能存在于該房間中的可能性。在一個實施例中，傳感 器模型h計及傳感器類型，并且基于房間的大小(或者某個其他變量)分配位于房間中的 預期占用者數量。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于傳感器裝 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，基于濾波器增益值W (t+1)、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)。這個值反映了占用估計值 XfH川+力中的置信水平。在圖3A所示的實施例中，占用估計算法20組合傳感器數據ζ (t)和基于模型的占 用估計;ifH/㈨，所述基于模型的占用估計㈨是基于先前占用估計和占用者交通模型 f(t)生成的。具體而言，這種方法對傳感器數據ζ (t)和占用者交通模型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占用估計該結果 是高度可靠的占用估計川以及提供對所提供占用估計的相關可靠性的指示的協 方差估計P (t+Ι 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)占用估計算法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和占用者交通模型f(t)來生成占用估計。如上面所討論的，術語占用估計被廣義地用來描 述占用估計器濾波器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卩(^㈨)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 |t))。與圖3A所示的僅采用占用估計:？々㈨作為狀態變量的 實施例相比，這個實施例包括占用估計^(^㈨和流估計々㈨二者作為狀態變量。項表 示這兩個估計都是狀態變量，每個被提供為占用估計算法20的輸出。f{t I 0 =方程 7
Wl 0」 項/Y小)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占用估計:㈨以及反映從一個區域流動到另一個區域的人數的占用 者流估計Γ卞入例如，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 的占用者的數量。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 之間移動的占用者的數量由占用者交通模型f(t)來建模，但未被作為狀態變量包括進來。關于圖3B，流程圖的左側再次圖解了為更新狀態估計^ ΓΦ〉而采用的算法步驟，而 圖3B的右側圖解了為生成協方差估計P(t|t)而采用的算法。再次，協方差估計為包括占 用者估計J^iIO和流估計舊兩者的每個狀態變量生成協方差值。協方差估計P (t |t)是與 狀態估計卩MO相關聯的不確定性的度量。再次，可以基于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㈨兩 者都為向量(盡管為簡單起見它們沒有被如此描繪)，盡管在示例性實施例中一者或兩者 可以是標量。一般而言，圖3Β所示的擴展卡爾曼濾波器以與圖3Α所示的擴展卡爾曼濾波器相 同的方式進行操作。在步驟62，占用者交通模型f (t)基于(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^Y/舊來生成狀態預測ZY/+7I/入再 次，狀態估計Z1例^的符號表示這是基于來自時間t的觀測的、對于時間t的狀態估計(即， 模型輸出和傳感器更新兩者的組合)。符號㈨表示這是基于在時間t時做出的觀測 的、對于時間t+Ι的狀態預測(即，該更新不是基于最近觀測的傳感器數據)。在步驟64，傳感器模型h被應用于基于模型的狀態估計卩々+/⑷以生成測量預測 ㈨。測量預測^夕+7㈨表示以基于模型的狀態預測/Yr/⑷為基礎的預期傳感器測量。
這應用于預期在特定區域內檢測的占用者數量以及預期被檢測到從一個區流動到另一個 區的占用者數量。例如，如果基于模型的流估計預測j>21々+7|/)預測一個占用者從區2流動 到區1，則測量預測Z21(t+l|t)將指示一個占用者被檢測到從區2進入區1的預測傳感器 測量或觀測。在步驟66，測量預測S々+/㈨與實際傳感器數據ζ (t+Ι)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，基于模型的流估計J^1 ^+7丨/) 預測一個占用者從區2進入區1，導致z21(t+l|t)對應測量預測等于一。如果傳感器數據 z21 (t+Ι)改為等于零，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，基于狀態預測卩々+/⑷、修正u(t+l)、關于協方差計算更詳細討論的 加權系數w(t+i)、以及一個或多個約束，來更新狀態估計>V/|/〉。這個步驟的形式類似于圖 3A所圖解的步驟38，除了這個步驟圖解了如何采用一個或多個約束來把更新的狀態估計
㈨投影到允許的或可行的范圍。這個步驟也可以被用于圖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，諸如非負占用估計、占用的上限、以及 與相鄰區域之間的占用者流相關聯的有限速率。可以通過為每個狀態變量(例如，塒)或者 j>(0)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(標為識)，如以下方程所示。= argmin{(j - x)T [P(t 丨 0廣(y 一 太)}方程 8具體而言，這是^以加權歐幾里得(Euclidean)范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。更新的狀態估計然后由以下方程定義。均+ 11 “ 1) = [x(t + 11 /) + 爐(/ + 1) * u(t + 方程 9如所示，方程8的形式類似于圖3A的步驟38中圖解的方程，除了方程8把狀態變 量投影到由沢定義的可行范圍。對于關于狀態變量到允許的或可行范圍內的投影的附加細 1 ^JAL"T. -L. Chia, Parameterldentif ication 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r7〖+7|/+0變成 下一迭代中的當前狀態估計rY/j/入然而，在圖3所示的實施例中，在步驟69，基于一個或多 個約束進一步處理所更新的狀態估計卩0+ l\t+l)。例如，在這個步驟所采用的約束可以包括 被建模為物理上能夠占用特定房間的占用者數量或者在特定時間步長中能夠在相鄰房間 或區域之間流動的占用者數量。例如，被建模為存在于特定房間中的占用者數量不應當小 于零，但必須小于(基于房間大小而定義的)某個大的數。基于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范圍內。在這個實施例中，所投影的狀態估 計^(t+l\t+ 將變成當前狀態估計夕| /入在這個實施例中，擴展卡爾曼濾波器算法對位于每個區域中的占用者數量㈨ 以及在每個區域之間流動的占用者數量小)進行建模并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)連同狀態估計卩々㈨一起被生成為輸出并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(占用估計；^^㈨和流 量估計有關的項。計算或更新協方差估計P (t+1 11+1)始于當前協方差估計P (t 11)，如在步驟70所 示。在步驟72，基于先前的占用估計來評價占用者交通模型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)和與占用者交通模型相關 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 |t)具有涉及每個區域的占用估計《々㈨和每個 區域之間的占用者流估計々㈨的項。如上所述，區域之間(在這個示例中，區2和區1之間)的占用者流由以下方程描述。y21 (t) = min [a21x2 (t) * ^ /C2* (CrXl (t)) /C,, 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) * 3 /C2* (C「Xl (t)) /C,表示基于諸如下列因素在區域 之間的預期占用者流從區2移動到區1的占用者的預期百分比(a21)，區2中的占用者數 量(x2(t))，以及可能影響占用者從區2到區1的流動的、區1中的占用者阻塞。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的占用者 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 限制為等于流約束值C21。在圖3A所示的實施例中，占用者流夕夕㈨未被視為狀態變量，因此在計算與占用估 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，占用者流被視為狀態 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3B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圖解了如何可以基于流約束值來修改概率分布函數(PDF)，該PDF是 基于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占用者流y21相關聯的PDF (由線88圖解)。因此，未經修改的 PDF允許許多占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圖解與估計占用者流y21相關聯的PDF(由線90圖解)，其中采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 有概率被合并到表示流約束閾值(例如C21)的值上。例如，如果流約束閾值C21等于三個占 用者，則與在這些區之間流動的三個以上占用者相關聯所有概率被移除并且合并到該閾值 上。結果，與流約束閾值(例如C21)相關聯的概率被分配為等于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，并因此改善與占用流估計㈨ 相關聯的協方差P(t |t)。在步驟80，基于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)被應用于修改的 預測協方差p修改(t+i|t)以生成修正協方差s(t+i)。在步驟S4，修正協方差的逆sa+ir1 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被應用于傳感器數據的加權。通過協方差計算所示的加權參數W(t+1)基于傳感器模型和占用者交通模型對待 應用于傳感器數據的置信水平進行加權，以使得更新的狀態估計？〈/+7|/+/)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(或者基于模 型的狀態估計？々+/㈨中的置信度低)，則在步驟68應用于修正u (t+1)的濾波器增益值 W(t+1)導致對傳感器數據z(t)比對由占用者交通模型f(t)生成的狀態預測的結 果提供更大權重的更新狀態估計(t+111+1)。同樣，如果濾波器增益值W(t+1)指示與傳感 器數據z (t+1)相關聯的低置信度(或者基于模型的占用估計中的置信高)，則所更新的狀 態估計(t+l|t)將更多地受基于模型的狀態估計卩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 使得占用估計更多地受對先前狀態估計㈨應用占用者交通模型f (t)的結果影響。
如關于圖3A所討論的，傳感器數據z(t)的加權還可以考慮與用于提供傳感器數 據z(t)的傳感器裝置類型相關聯的可靠性。這包括基于運動檢測傳感器提供的輸入(即 占用或未占用)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于運動傳感器提供的數據的狀態。指示房間未被占用的數 據(即，特定房間的傳感器數據z貞la](t+l) =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占用的數據(即，特定房間的傳感器數據Zjgla](t+1) = 1)可以 被認為是不大可靠的，因為該數據未計及附加占用者可能存在于該房間中的可能性。因而， 在運動傳感器檢測到房間被占用的情形下，占用估計算法20將把傳感器提供的數據解釋 為高度有噪的，并因而不可靠。在運動傳感器檢測到房間未被占用的情形下，占用估計算法 20把數據建模為高度可靠的。在步驟86，基于濾波器增益值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 |t)以生成更新的協方差值P(t+l|t+l)。這個值反映了 占用估計值印+仆+7〉中的置信水平。因而，圖3B所示的實施例圖解了占用估計算法20組合傳感器數據z (t)和基于模 型的占用估計irH/㈨和流估計川)(在圖3B中被統稱為^(t+i|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占用者流相 關聯的約束如何可以用來改善與占用者流估計j>々+/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(包括但不限于流約束)如何可以用來把狀 態估計(涉及占用、流，或涉及兩者)投影到允許的狀態。關于圖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采用。圖3A和圖3B圖解了其中占用估計(以及占用者流估計)基于單階段占用模型來 生成并且由擴展卡爾曼濾波器校正的示例性實施例。對單階段占用模型的可選方案是關于 圖5A-7B描述的基于動力運動(KM)的模型。基于KM的模型預測占用者的預期移動，但是 與單階段占用模式不同，其提供不同的辦法來建模區域之間的阻塞。采用基于KM的模型的 好處之一是在房間級建模占用者移動的能力，因為基于KM的模型更好地計及阻塞將如何 影響單獨地點之間的占用者流。圖5A是建筑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 意圖以由基于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占用者的移動，在確定相鄰房 間之間的占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占用者橫越區段要花費的時間。還采 用門的寬度來建模占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。對于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。對于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
16100a'和100b，的組合。所建模的區段100a'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’的寬度等于所建模的區段100a’和100b’之間的開口的 長度。以此方式，盡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余門道，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占用者橫越房間102’將花費的 時間。圖6A和6B是圖解基于KM的模型如何預測特定區域內占用者的移動的圖示。用 于描述占用者在這個區域內的移動的相同分析將被應用于每個房間以預測所建模建筑物 的每個房間中的總體占用水平以及占用者的移動。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圖解了處于未阻塞狀態的區段130，而圖6B圖解了處于部分阻塞狀態的區 段130。圖6B所示的阻塞狀態被表征為隊列，其中接近阻塞狀態的占用者被添加到該隊列。 當占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。
* A方程 11項A表示單個占用者平均所占用的面積。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，當占用者經由出口 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。 由于區段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。位于每個基本單 元中的占用者數量被表示為r^rvr^... rv其中存在m個基本單元。位于區段130的未阻 塞部分中的占用者數量被表示為位于每個單元中的占用者之和。
m"時=I>,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 未阻塞部分中的占用者數量。位于區段中的總占用者數量；^㈦因此可以被表示為隊列中的 總占用者數量(被定義為q)與位于未阻塞部分中的占用者數量nt。t之和。= ^ +ntot 方程 13占用者從入口行進到出口所花費的時間由以下方程定義，X j = di/Vo 方程 14其中屯是從特定入口到出口的距離，而％是預期占用者行進的速度。定義每個基 本單元的寬度以使得占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，其中假設占用者正在移動經過未阻塞的區域。因此，如圖6A所示，如果占用者通過入口 132進入并因此與基本單元n3相關聯，則在下一時間步長占用者將被建模為已經進入到基
17本單元n2。在下一時間步長中，占用者將被建模為已經進入到基本單元rv因此可以預期 占用者大約在通過入口 132進入區段130后的三個時間步長到達出口 138。因而，在每個基本單元中的占用者數量可以由以下方程建模。 在時間k+1時位于特定單元i中的占用者數量等于在先前時間步長k中位于相鄰 單元中的占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的占用者數量之 和。因此方程15建模在區段130的未阻塞區域內的占用者的移動。隊列由以下方程維持。 在時間k+1’時在隊列中的占用者數量等于在先前時間步長k時在隊列中的占用 者數量與處于位于隊列末端的基本單元中的占用者數量 ,之和、減去經由出口 138離開隊 列的占用者數量。在到達隊列后，占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)隊列的長度僅基于隊列中的占用 者數量，并且隊列中的占用者數量是基于進入隊列和離開隊列的占用者數量來建模的。方程11-16定義占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，這種區分確定占用者如何被建模為流入和流出該區段。在示例性實施例中，基于KM的模型作為不要求基于傳感器數據校正占用估計的 獨立工具進行操作。例如，采用基于KM的模型而不利用傳感器數據可能在諸如可以預期占 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，占用估計將僅基于 上面關于基于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后)基于 KM的模型將被應用到的初始狀態(例如初始占用估計)可以基于關于占用者位置的統計占 用數據、模擬占用數據或存儲數據進行建模。例如，統計數據可以包括基于描述占用者的可 能位置的簡單分布(例如，高斯分布)的分配來定義初始占用者位置。模擬占用數據可以 是基于關于占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 特定數量的占用者)。另外，任何其它存儲數據(諸如關于預定會議時間的知識)可以用來 初始化該初始占用狀態。然后采用基于KM的濾波器來生成占用估計，所述占用估計考慮到 操作期間建模的阻塞來對占用者移動進行建模。在另一個示例性實施例中，基于KM的模型與傳感器數據結合使用以生成校正的 占用估計。如同上面描述的單階段模型，基于KM的模型的目標是生成關于在給定時間時多 少占用者位于特定區段中的預測。在單階段模型中，這是基于先前位于區域中的占用者數 量、進入該區域的占用者數量和離開區域的占用者數量。因而，相關狀態變量是特定區域中 的占用者數量以及在一些實施例中在區域之間流動的占用者數量。在基于KM的模型中，存 在若干組織與濾波器(例如，關于圖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，關于位于每個基本單元中的占用者數量(例如，參見方程15)、 隊列中的占用者數量(例如，參見方程16)以及相鄰房間之間的占用者流來定義狀態變量。 這些狀態變量將如關于圖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，關于隊列中的占用者數量以及每個基本單元中的占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 關于房間或區域中的總占用者數量的估計。在另一個示例性實施例中，關于隊列的狀態(S卩，隊列中的占用者數量)、每個區 段的未阻塞部分中的總占用者數量以及相鄰區域之間的占用者流來定義狀態變量。再次， 可以基于這些狀態變量導出特定區段或區域中的總占用者數量的估計。在這兩個實施例中，對占用者流的建模取決于每個區段的狀態(即，阻塞)。具體 而言，建模到特定區段中的占用者流部分取決于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。
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占用者流，如以下方程所示。
對于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，第一行被應用于建模多少占用者流入該區段。項‘、，描述預期占用者移動的速 度并且K建模占用者正嘗試經過的入口的寬度。占用者的速度被定義成對所有占用者 是恒定的值。因此，對于較大的門寬度，建模為流動經過特定門的占用者數量增大。下
-項
表示占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被建模為包含許多占用者， 則當確定占用者如何流動經過入口 134時，將考慮該單元內的占用者密度。要進入的 基本單元中的占用者密度越大，占用者將越不可能被允許經過特定入口進入。下一項
描述如何部分地基于相鄰區段中的隊列的大小q”
以及入口的寬度&和假設的占用者速度％來定義經過特定入口的占用者流。
方程18的第二行建模在入口朝向阻塞區的情形下占用者如何流入區段130。例如，如圖6B所示，將采用這個方程來建模經過入口 132的占用者流。這個方程的一般形式
幾乎等同于方程16中所示的方程的第一行，除了添加項Pk，該項Pk表示基于空位傳播經過
隊列的可能性、占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，所以占
用者試圖經過阻塞區進入區段可以被建模為填充空位，所述空位在占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，以使得占用者一離開隊列，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。 f k_x f \ 項x表示階躍函數，該階躍函數在其要被應用的項小于零時返回‘0’值而在其要 被應用的項大于零時返回‘1’值。項Pk定義通過入口的傳播空位將進入(即，將允許占用 者占據隊列中的空位位置)的可能性，并且與門的寬度相關，其中較寬的門增大空位進入
的可能性。項flfi- ；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并因 此增大占用者進入區段的機率。關于方程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占用者如何進入區段。方程18中的第三項表明如果整個區段被建模為阻塞，則沒有占用者將被建模為 進入該區段。基于上面定義的方程和區段內的占用者的建模，基于KM的模型提供到特定區段 中的占用者流的準確建模。由基于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占用者數量、以及每個基本單元中的占用者數量或者阻塞區 相對未阻塞區中的占用者數量。盡管基于不同的原理，基于KM的模型和單階段模型兩者都 提供對特定區域中的占用者數量以及區域之間的占用者流進行估計的輸出。以此方式，基 于KM的模型可以被用作關于圖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然后將使用所接收的傳感器數據來校正由單階段模型或基于KM的模型所提供的估 計。圖7A-7E圖解了將基于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 移動的占用者。另外，該模擬把每個房間中的占用初始化為平均等于1.4個占用者，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占用者方面的 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)配有用于以 80%的估計準確性檢測房間是被占用還是未被占用的運動傳感器。所模擬的傳感器輸出被 提供為基于KM的估計器的輸入。關于位于每個區中的占用者數量的估計與各區之間模擬的實際占用者移動進行 比較。每個區的結果分別示于圖7A-7E中。實線表示在不同時間點在每個區中模擬的實際 占用者計數，而虛線指示通過組合由基于KM的模型生成的基于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，每個區中的估計占用遵循位于每個區中的實 際占用者數量。
另外，為了量化與本發明的實施例相關聯的改進，運行其中基于不同方法生成估 計的附加模擬。然后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結合采用基于KM的模型的上述模擬進行比較。在一個模擬中，僅基于傳感 器數據生成估計。在另一個模擬中，基于來自視頻照相機(但沒有運動檢測器傳感器)的 傳感器數據和具有基于KM的模型的擴展卡爾曼濾波器，生成估計。這些估計的結果與采用 所有傳感器數據(包括運動傳感器數據)以及采用基于KM的模型的EKF的模擬進行比較在一百次模擬上且對于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，采用具有基于KM的占用者模型的EKF提供比僅傳感器辦法改進很多的結 果。采用運動傳感器(盡管其可靠性有限)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 濾波器中將基于KM的占用者模型生成的基于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，盡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圖解用于為區域(例如，如圖1A和1B所示的建筑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)提供占用估計的集中系統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，并且可以包括各 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，許多占用者攜帶 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。根據所采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占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占用者在各區之間移動的傳感器數據存儲為陣列或向量
21以使其能夠被作為輸入供應到占用估計算法(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占用估計。例如，在示例 性實施例中，這可以包括執行關于圖3A和3B所描述的功能和操作、以及與單階段模型或基 于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于 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計算機程序代碼的形式來 實現，所述指令被實現在計算機可讀介質156 (諸如軟盤、CD-ROM、硬盤驅動器或者任何其 他計算機可讀存儲介質)中，其中當計算機程序代碼被加載到計算機154中并由計算機154 執行時，計算機變成用于實行本發明的設備。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，其中當計算機程序代碼被加載到計算機中并由計算機執行時，計算 機變成用于實行本發明的設備。當被實施在通用微處理器上時，計算機程序代碼段配置微 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可以存儲描述占用者交通 模型f (單階段模型或基于KM的模型)、傳感器模型h和占用估計算法(例如，擴展卡爾曼 濾波器)的程序代碼或指令。計算機程序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于本發明所描述的處理和功能(例如，執行關于圖3A和 3B所描述的那些功能)。在示例性實施例中，控制器154在生成占用估計時僅依靠占用者 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的占用估 計。該占用估計可以包括這樣的數據，所述數據包含位于區域中的占用者數量的估計、與每 個可能占用水平相關聯的概率、占用的變化、指示與占用估計相關聯的可靠性或置信度的 數據、以及其它與占用有關的有用數據。占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于所接收的占用估計而采取某種動 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圖解了用于估計占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然后為整個區域生成占用估計。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)，盡管這些示例中所 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筑物。在圖9A所示的實施例中，分布式系統162a包括位于節點171和173的傳感器裝 置，其中每個傳感器裝置(或相關硬件)包括處理由相關傳感器裝置提供的數據以及基于 感測的數據和相關占用者交通模型(例如，單階段模型或基于KM的模型)及傳感器模型應 用占用估計器算法的能力。在示例性實施例中，占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于這些輸入生成占用估計和協方差(以及任何其它有用的統 計輸出)。為了本描述，分布式占用估計系統162a包括傳感器裝置和用于生成占用估計的 部件，所述部件可以包括用于對傳感器數據應用占用估計算法的硬件和軟件的組合，所述分布式占用估計系統162a將通常被稱為占用估計器(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占用估計器0E1，該0E1分別生成與節點171和172對 應的占用估計$ m⑴和& m⑴。在節點173處觀測的傳感器數據被提供到占用估計器0E2， 該0E2分別生成與節點173和174對應的占用估計》173⑴和i174(t)。在圖9A所示的實施例 中，占用估計器0E1和占用估計器0E2不共享關于相應節點的占用估計的信息。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，由占用估計器0E3生成的占用估計^m(t)被作為輸入提供到占用估 計器0E4。分布式系統160b的好處是占用估計器0E4使占用估計i m⑴和》174⑴部分地基 于關于節點172的占用的知識的能力。例如，如果占用估計⑴指示一個或多個占用者 位于節點172，則占用估計器0E4可以預測在下一時間步長中位于節點172的占用者將從節 點172移動到節點173(再次基于占用者向連接到節點174的出口移動的流出操作模式)， 從而通過并入附加數據改善預測的占用估計。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，由占用估計器0E5做出的占用估計im⑴彼作為輸入提供到占用估 計器0E6，并且來自節點173的傳感器數據和占用估計^ n3⑴都被作為輸入提供到占用估計 器0E5。這個實施例圖解了占用估計和傳感器數據都被相關占用估計器共享的分布式應用。 這種系統的好處是占用估計器0E5和0E6使占用估計基于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。占用估計器之間的占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 /區之間的占用估計以使得僅那些監視相鄰區的占用估計器共享占用估計，來最小化通信 成本。采用分布式系統來提供占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。盡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范圍的情況下進行形式和細節上的變化。例如，盡管包括處理器和存 儲器的計算機系統被描述用于實施占用估計算法，但是可以采用硬件和軟件的任何數量的 合適組合來執行由占用估計算法采用的數學函數。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 供到負責執行占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
一種用于估計區域中的占用的系統，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，所述傳感器裝置包括提供具有第一狀態或第二狀態的輸出的至少一個或多個運動檢測傳感器，所述第一狀態指示在特定區域內沒有檢測到占用者，所述第二狀態指示在特定區域內檢測到至少一個占用者；占用估計器，在工作中被連接到該輸入，其中該占用估計器執行算法以基于所接收的傳感器數據和由占用者交通模型生成的基于模型的占用估計來生成該區域的占用估計，其中基于由運動檢測傳感器提供的數據的狀態，該算法給該數據分配可靠性值；以及輸出，在工作中被連接到該占用估計器以傳送由該占用估計器生成的占用估計。
2.權利要求1的系統，其中當由運動檢測傳感器提供的運動傳感器數據處于第一狀態 時，該算法把運動傳感器數據解釋為指示特定區域未被占用。
3.權利要求2的系統，其中由算法分配的運動傳感器可靠性值指示運動傳感器數據在 運動檢測傳感器的輸出處于第一狀態的情況下是可靠的而在運動檢測傳感器的輸出處于 第二狀態的情況下是不可靠的。
4.一種用于估計區域中的占用的系統，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，其中由傳感器裝 置提供的該輸入提供關于在相鄰區域之間移動的占用者數量的信息；占用估計器，在工作中被連接到該輸入，其中該占用估計器執行算法以基于所接收的 傳感器數據和由占用者交通模型生成的基于模型的狀態估計來生成該區域的狀態估計，其 中該狀態估計包括狀態變量，所述狀態變量包括該區域的占用估計和與相鄰區域之間移動 的占用者數量相關聯的流估計；以及輸出，在工作中被連接到該占用估計器以傳送由該占用估計器生成的狀態變量。
5.權利要求4的系統，其中占用估計器基于一個或多個約束把狀態估計投影到允許值 范圍上。
6.權利要求5的系統，其中應用于狀態估計的約束包括與該區域的占用估計相關聯的 最小值、與該區域的占用估計相關聯的最大值、與相鄰區域之間移動的占用者數量相關聯 的最小值、與相鄰區域之間移動的占用者數量相關聯的最大值、或者其組合。
7.權利要求4的系統，其中占用者交通模型包括狀態方程，所述狀態方程基于區域中 的當前占用者數量和被建模為在相鄰區域之間移動的占用者數量來生成占用估計。
8.權利要求7的系統，其中與預期在相鄰區域之間移動的占用者數量有關的狀態方程 受約束的限制，該約束在物理上建模在給定時間步長中可能能夠在相鄰區域之間移動的占 用者數量。
9.權利要求8的系統，其中由占用估計器采用的算法是關于每個狀態估計生成平均估 計和協方差估計的擴展卡爾曼濾波器，其中關于相鄰區域之間的占用者流所生成的協方差 估計受該約束的限制，該約束建模在給定時間步長中能夠在相鄰區域之間移動的占用者數量。
10.一種用于估計區域中的占用的方法，該方法包括從一個或多個傳感器裝置采集傳感器數據，其中至少一個傳感器裝置提供指示在區域 之間移動的占用者數量的數據；基于預測區域內的占用者移動的占用者交通模型，計算狀態變量的基于模型的估計， 所述狀態變量的基于模型的估計包括位于每個區域中的占用者數量的基于模型的估計以 及在區域之間流動的占用者數量的基于模型的估計；以及通過組合每個狀態變量的基于模型的估計和所采集的傳感器數據來生成與每個狀態 變量相關聯的校正估計。
11.權利要求10的方法，其中生成與每個狀態變量相關聯的校正估計包括采用擴展卡爾曼濾波器(EKF)來組合基于模型的估計和所采集的傳感器數據，其中該 EKF生成與每個狀態變量相關聯的平均估計和協方差。
12.權利要求11的方法，其中生成與每個狀態變量相關聯的協方差包括基于占用者交通模型、占用者交通中的噪聲和與每個狀態變量相關聯的先前協方差估 計，生成與每個狀態變量相關聯的預測協方差；通過對與描述相鄰區之間的占用者流的狀態變量相關聯的預測協方差應用流約束值， 修改該預測協方差；基于傳感器模型和與每個狀態變量相關聯的修改的預測協方差，生成與每個狀態變量 相關聯的修正協方差；基于該修正協方差和該修改的預測協方差來計算加權參數；以及 基于加權參數、與每個狀態變量相關聯的先前協方差估計和修正協方差值，更新協方 差估計。
13.權利要求12的方法，其中生成與每個狀態變量相關聯的平均估計包括 根據狀態變量的基于模型的估計和傳感器模型，計算每個狀態變量的測量預測； 基于該測量預測與所采集的傳感器數據的比較，計算修正；對修正估計應用加權參數并且與狀態變量的基于模型的估計組合以生成每個狀態變 量的初始平均估計；以及根據基于模型的估計、修正、加權參數和由一個或多個約束定義的把平均估計投影到 允許的值范圍內的投影函數，生成平均估計。
14.權利要求13的方法，其中用于定義允許的值范圍的約束包括與區域的占用估計相 關聯的最小值、與區域的占用估計相關聯的最大值、與相鄰區域之間移動的占用者數量相 關聯的最小值、與相鄰區域之間移動的占用者數量相關聯的最大值、或者其組合。
15.權利要求12的方法，其中傳感器模型計及與提供傳感器輸入的傳感器的類型相關 聯的屬性。
16.權利要求16的方法，其中由運動檢測傳感器提供的傳感器輸入由傳感器模型基 于該運動檢測傳感器檢測到未占用區域還是占用區域進行解釋，其中如果檢測到未占用區 域，則傳感器模型把傳感器數據解釋為可靠，且其中如果檢測到占用區域，則傳感器模型解 釋為有噪的。
17.一種用于估計區域中的占用的系統，該系統包括用于從一個或多個傳感器裝置采集傳感器數據的裝置，其中至少一個傳感器裝置提供 指示在區域之間移動的占用者數量的數據；用于基于預測區域內的占用者移動的占用者交通模型來計算狀態變量的基于模型的 估計的裝置，所述狀態變量的基于模型的估計包括位于每個區域中的占用者數量的基于模型的估計以及在區域之間流動的占用者數量的基于模型的估計；以及用于通過組合每個狀態變量的基于模型的估計和所采集的傳感器數據來生成與每個 狀態變量相關聯的校正估計的裝置。
18.權利要求17的系統，還包括解釋裝置，用于基于由運動檢測傳感器提供的輸出是指示未占用區域還是占用區域來 解釋由一個或多個運動檢測傳感器提供的傳感器數據，其中如果輸出指示房間被占用，則 該解釋裝置指示由運動檢測傳感器提供的傳感器數據是不可靠的，而如果輸出指示房間未 被占用，則該解釋裝置指示由運動檢測傳感器提供的傳感器數據是可靠的。
19.權利要求17的系統，其中用于生成校正估計的裝置還包括用于基于一個或多個約束把校正估計投影到可行的值范圍內的裝置，其中所述約束 包括與區域的占用估計相關聯的最小值、與區域的占用估計相關聯的最大值、與相鄰區域 之間移動的占用者數量相關聯的最小值、與相鄰區域之間移動的占用者數量相關聯的最大 值、或者其組合。
20.權利要求17的系統，其中用于生成校正估計的裝置還包括濾波器，該濾波器生成 與每個狀態變量相關聯的協方差估計作為校正估計的一部分。
21.權利要求20的系統，其中用于生成校正估計的裝置還包括與區域之間的最大占用 者流相關聯的約束，其中基于所述約束來修改協方差估計以減小與協方差估計相關聯的不 確定性。
22.—種用機器可讀計算機程序代碼編碼的計算機可讀存儲介質，所述機器可讀計算 機程序代碼用于生成區域的估計及其傳播，該計算機可讀存儲介質包括用于使控制器實施 包括如下步驟的方法的指令從一個或多個傳感器裝置采集輸入，其中至少一個傳感器裝置提供指示在相鄰區域之 間流動的占用者數量的數據；基于占用者交通模型來計算狀態變量的基于模型的估計，所述狀態變量包括每個區域 中的占用者數量以及在相鄰區域之間流動的占用者數量；以及通過組合每個狀態變量的基于模型的估計和所采集的傳感器數據來生成與每個狀態 變量相關聯的校正估計，其中該校正估計包括與每個狀態變量相關聯的平均值和協方差。
23.權利要求22的計算機可讀存儲介質，其中由控制器實施的方法還包括對與在相鄰區域之間流動的占用者數量相關聯的狀態估計定義約束以建模被允許在相鄰區域之間流動的最大占用者數量；以及基于所定義的約束，修改與在相鄰區域之間流動的占用者數量相關聯的狀態估計的協 方差。
24.權利要求22的計算機可讀存儲介質，其中由控制器實施的方法還包括從一個或多個傳感器裝置采集輸入，其中至少一個傳感器裝置是提供指示特定區域是 否被占用的二進制輸出的運動檢測傳感器；以及基于由運動傳感器裝置提供的輸出的狀態，對由該裝置采集的輸入分配可靠性估計， 其中如果狀態指示區域未被占用，則所分配的可靠性估計指示由運動傳感器裝置提供的輸 入是可靠的，其中如果狀態指示區域被占用，則所分配的可靠性估計指示由運動傳感器裝 置提供的輸入是不可靠的。
全文摘要
占用估計器基于由一個或多個傳感器裝置提供的傳感器數據(z)和由占用者交通模型(f)生成的基于模型的占用估計來計算區域的占用估計(x)。占用者交通模型(f)基于在整個區域內占用者的預測移動。占用估計系統包括占用估計器算法(20)，該占用估計器算法組合傳感器數據(z)和由占用者交通模型(f)生成的基于模型的占用估計來生成該區域的占用估計(x)。
文檔編號G08G1/095GK101861606SQ200880116553
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R·N·托馬斯蒂克, S·梅恩 申請人:聯合工藝公司