一种基于遥感影像分析的商场客流规律统计方法

创新者：龙海东

一种基于遥感影像分析的商场客流规律统计方法

创新者：龙海东

在商业机构中需要对商场客流量进行有效的统计，在统计过程中所采用的统计方法就显得非常重要。本文通过对一种基于遥感影像分析的商场客流规律统计方法的介绍，为商场客流量统计提供了更加精准的方法。

商场客流统计数据在商业机构中应用十分广泛，一般用于商场有针对性的开展促销活动，增加营业额；也可用于供货商分析各大商场的营业状况，调整供货计划。传统的商场客流统计方法通常利用红外线感应或者摄像头影像模式识别的方法，采取这类方法时需要在商场内部安装特定的传感器用于采集数据；这些传感器往往由商场安装或授权使用，因此采集的数据需要商场运营商授权才可获得，一般机构难以获得此类信息。大数据时代的到来给很多领域带来革命性的改变，尤其是遥感影像在数据开放方面尤为突出，使利用遥感影像的应用拓展至更广的方面。本文阐述了一种基于遥感影像的商场客流规律统计方法，将遥感影像分析和商业运作结合起来，使遥感影像分析向商业应用方向进一步拓展。

大数据给信息挖掘带来福音

曾几何时，大数据这个概念已悄然的融入我们每个人的生活之中，在不经意之间改变了我们生活和工作的方式，同时也改变可我们认识世界和改造世界的方法。我们的行为、位置，甚至身体的每一个变化都可能成为被记录和分析的数据。

大数据具有很多特性，其中最为典型的是开放性、相关性和复用性。

所谓开放性是指大数据是共享的或通过较低的门槛可获取的数据，不需要通过自己从底层建立一整套齐全的数据收集、存储和预处理设备，使用者可直接运用自身相关专业的知识直接进行数据的分析，得出某一专业领域需要的结论。

相关性指在处理大数据时主要考虑的因素往往不是事情的前因后果，而是更专注于事件之间的关联关系。简单来讲，大数据分析者乐于看到这样的规律，即A事件出现的同时B事件也会出现，至于A与B之间的因果关系则不需进行深入的研究。因为A与B总是会同时出现这条规律已经足以解决特定领域的问题。

复用性指大数据的应用范围不会局限在某一各领域内，从不同的专业视角看待同一组数据，会得出不同的结论，从而应用到不同的专业领域之中。

大数据的这些特性说明传统意义上专业性很强的基础数据可以被应用到其他的领域当中，同样很多普通的行业中遇到的问题也可以使用更为广泛的数据来源和颠覆传统意义的方法加以解决。

遥感影像应用范围大幅拓展

人类本身就生活在一个三维的空间里，地理空间信息包含在我们生活的方方面面，人们的工作和生活越来越离不开各种地理空间系统。遥感影像是地理给空间系统的基础数据之一，是各种分析的原始资料；而且，遥感影像本身具有其他数据所不具有的优势，主要表现在：

信息量大

遥感影像按获取手段划分通常分为航空遥感影像和航天遥感影像。从覆盖范围上看，一幅航空遥感影像覆盖的范围从几百米至千米不等，航天遥感影像甚至可达数百千米，可获得大范围的地表影像；从影像分辨率上看，无论是航空遥感还是航天遥感影像的分辨率均已经达到亚米级，对地物的发现和识别的准确率都较以往有大幅提高。因此，遥感影像从覆盖范围上还是从清晰程度上都提供了较为丰富的信息，为后续的分析工作提供了基础的数据保证。

可视性好

遥感影像众多信息中少数的以图片形式存在的信息，是一种能够看得见的数据。随着遥感技术的发展，影像的分辨率还会进一步缩小，图像的清晰程度越来越高，对判读的要求在降低，这使得很多非遥感专业的人员也有参与到遥感图像分析的工作中，从而使遥感影像的应用范围大幅拓展。

处理技术成熟

遥感图像的处理经过多年的研究积累了大量成熟的算法，可运用计算机技术极大的提高工作效率。近年来在“互联网+”概念的带动下，遥感影像的数据共享程度也在不断攀升。通过大家熟知的Google Earth等地理信息系统可获得某一地点、一段时期内不同时相的影像数据，为数据的分析提供大量的数据来源。

利用卫星遥感影像分析商场客流规律

分析方法

本方法利用互联网地理信息系统平台，如Google Earth、百度地图、天地图等，下载待分析的商场卫星遥感影像图；利用ARCMAP图像分析软件获取每幅遥感图像中露天停车场内车辆数量；默认车辆数量与客流量总体基本呈正比关系，将车辆数量和遥感影像的成像时间相结合，绘制不同时间跨度的曲线图，从中寻找规律，得出结论。

样本选取

分析目标的选取要尽量选择大型综合商场，且商场具有地面停车场，从而使利用遥感图像查明车辆数量成为可能。本文选取国内某大型综合商场作为分析样本，该商场毗邻大型居住社区，购物人群稳定；周边交通便利，停车位充足，可满足顾客自驾车前往；商场经营项目丰富，可满足不同人群不同方面的购物需求。商场遥感影像如图1所示。

图1　某商场卫星遥感影像图

数据收集

利用Google Earth、百度地图、天地图等数据开放平台，下载该商场营业以来所有遥感影像图，并记录每幅遥感影像的成像时间。

数据处理

利用ARCMAP处理收集的遥感影像需要进行3步操作。

制作停车场空场底图

停车场空场底图是停车场没有车辆停放时场景，是利用多幅图像合成的成果，作为后续处理的基准。首先选取一幅停车场内车辆相对较少的影像作为基准，使用ARCMAP中掩膜工具将有车辆停放的停车位剔除；在其他时相的影像图中查找之前被剔除的且没有车辆停放的停车位，利用裁切工具裁切下来；将剔除后的地图和裁切的图像合成为一幅图，图内所有车位均无车辆停放，作为后续处理的底图。

配准各时相的遥感影像图

通常，对栅格数据集进行地理配准的步骤包括：

1.在ArcMap中，添加需要与投影数据对齐的栅格

2.使用控制点对齐栅格

控制点是在栅格数据集和实际坐标中可以精确识别的位置。许多不同类型的要素都可以用作可识别位置，如道路或河流交叉点、小溪口、岩石露头、土地的堤坝尽头、已建成场地的一角、街道拐角或者两个灌木篱墙的交叉点。

需要创建的链接数量取决于计划使用的变换的复杂程度，此变换用于将栅格数据集变换到地图坐标。不过，添加更多的链接并不一定会获得更好的配准效果。如有条件，应该在整个栅格数据集中散布链接，而不是将它们集中在某一个区域中。通常，使栅格数据集的每个角点附近具有至少一个链接且内部也具有几条链接，这样可以收到最好的效果。

一般来说，栅格数据集和目标数据之间的重叠部分越大，对齐效果越好，因为可以在更广阔的范围内设定控制点来对栅格数据集进行地理配准。例如，如果目标数据仅占栅格数据集覆盖区域的四分之一，则用于对齐栅格数据集的点将限制在此重叠区域中。因此，重叠区域之外的区域很可能无法正确对齐。

3.如果对对齐（也称为配准）满意，则保存地理配准信息。

4.导出配准后的遥感影像图

图像相减识别变化区域

以逐个像元比较的方式，确定第一个输入的哪些值与第二个输入的值在逻辑上不同。如果两个输入的值不同，则使用第一个输入的值作为输出。如果两个输入的值相同，则输出为0。原理如图2所示。

提取车辆数量

图2　图像差异提取原理示意图

假设遥感影像的地面分辨率为0.5m，车辆尺寸最小为1m×2m，1辆车辆占据4个像素。在前期得出的差异图像中，寻找4个相邻的不为0的像素算作1辆车辆，计数器累加计数1次。遍历所有像素之后，计数器的计数值作为车辆数量。

数据分析

数据分析采取多样本求平均值的方法，以年为单位统计为例，找出所有当年的样本，求和后除以样本数量，即为该年度的平均值。具体计算见下公式：

分析结论

以年为单位来看，客流量呈周期性波动

从车辆数量曲线中可以看到，客流量基本以4年为周期上下波动，2009年和2014年客流量较多，而2011年和2015年有所回落。以年为单位的统计结果显示，经济规律在一定程度上影响了商场的客流量。客流变化曲线见表1。

表1　以年为单位的客流量统计曲线

以月为单位来看，夏季客流相对较少

以月为统计单位的分析结果看，全年的客流量高峰分布在全年的两头，主要原因或因为节日较为集中，购物需求比较旺盛。3、4月份和9、10月份客流量处于平均水平，而客流量得低谷分布在8月份。究其原因，或因为3、4月份和9、10月份气温适宜，人们的出游愿望比较强烈，一定程度上分流了购物的人群；而8月份由于天气炎热，人们更愿意待在家里。以月为单位的统计结果显示，气温也在一定程度上影响了商场的客流量。客流变化曲线见表2。

表2　以月为单位的客流量统计曲线

以周为单位来看，周二和周末客流较为集中

以周为单位的统计结果看，人们周末的空闲时间较多，购物休闲的需求较大；值得注意的是周二作为普通工作日，人们表现出了较强的购物欲望，这也是众多商家需要关注的地方。以月为单位的统计结果显示，短时间内客流量的变化可能取决于人们的工作节奏。客流变化曲线见表3。

表3　以周为单位的客流量统计曲线

结束语

大数据时代的正以不可阻挡的趋势改变着我们的日常生活，给我们的生产方式带来的变革有时是细微的但也是革命性的；随着遥感技术的不断发展，相信遥感技术能够随着大数据的浪潮乘风破浪，将应用的范围推向更高更远的领域，惠及更多人的工作和生活。

10.3969/j.issn.1001-8972.2015.24.037