[论文解读] Measurement and analysis of visitors' trajectories in crowded museums

Pietro Centorrino, Alessandro Corbetta+2 more|TU/e Research Portal|Nov 19, 2019

Video Surveillance and Tracking Methods参考文献 3被引用 8

一句话总结

本文提出了一种基于物联网的蓝牙低能耗（BLE）系统，用于非侵入式、实时追踪博物馆游客的行进轨迹，从而实现对人群动态的详细分析。通过结合BLE信标、树莓派接收器以及基于人工智能的轨迹重建技术，该系统成功在罗马博尔盖塞美术馆绘制了900多条游客路径，以高精度揭示了最常见的和最不常见的参观模式，包括群体检测与路径相似性度量。

ABSTRACT

We tackle the issue of measuring and analyzing the visitors' dynamics in crowded museums. We propose an IoT-based system -- supported by artificial intelligence models -- to reconstruct the visitors' trajectories throughout the museum spaces. Thanks to this tool, we are able to gather wide ensembles of visitors' trajectories, allowing useful insights for the facility management and the preservation of the art pieces. Our contribution comes with one successful use case: the Galleria Borghese in Rome, Italy.

研究动机与目标

• 为解决在游客流量密集的文化遗产场馆中管理人流的挑战，同时保护艺术品并确保游客舒适度。
• 开发一种低成本、非侵入性且可扩展的系统，用于在博物馆环境中持续、准确地追踪个体游客的移动轨迹。
• 分析真实游客轨迹，提取行为模式、群体动态与路径偏好，以优化博物馆管理与数字孪生建模。
• 支持数据驱动的决策制定，以优化入场时间安排、房间占用率与环境调控。

提出的方法

• 在博物馆入口向游客分发小型BLE信标，其定期广播唯一的ID。
• 利用部署在博物馆各房间内的14个基于树莓派的接收器（RPi）网络，捕获信标信号，包括接收信号强度指示（RSSi）与时间戳。
• 采用10秒为间隔的时间分箱策略，构建结构化数据矩阵以供处理，随后通过移动平均滤波进行降噪。
• 实施三种轨迹重建方法：基于最强RSSi的ArgMax方法、用于平滑处理的卡尔曼滤波，以及一种新颖的基于图的方法，即在房间邻接图上使用最短路径算法。
• 基于时间分箱内各房间的占用情况，定义自定义轨迹间距离度量 d(X,Y)，实现路径相似性比较与群体检测。
• 利用轨迹距离度量识别最常见与最不常见的参观路径，检测共同访问的群体，并识别未正式安排的导览路线。

实验结果

研究问题

• RQ1 游客在博尔盖塞美术馆中最常走的路径是什么？与其它游览路线相比有何差异？
• RQ2 轨迹相似性度量能否在不预先知晓游客关系的情况下，准确检测出成组移动的游客？
• RQ3 不同游客类型（导览型、音频导览型、自主游览型）在移动模式与房间访问顺序上存在哪些差异？
• RQ4 该系统在使用低成本BLE接收器采集的噪声RSSi数据下，能在多大程度上重建准确的游客轨迹？
• RQ5 轨迹数据能否用于构建博物馆人群动态的预测性数字孪生模型，以支持运营规划？

主要发现

• 最常见的参观路径从“普罗塞尔皮娜的掠夺”展厅开始，以“画廊馆”结束，呈顺时针行进模式（顺时针值为8），表明存在一条偏好的游览路线。
• 最不常见的路径涉及多次上下楼梯，包括一次逆时针快速前往画廊馆，随后返回并再次访问同一展厅，这种行为在现实中极为罕见。
• 共同移动的游客轨迹在所提出的度量下互距为90.3，显著低于独立游客的轨迹距离，证实了该方法检测共同访问群体的能力。
• 三位独立游客沿相似路径移动时，其轨迹互距超过1500，其中最高距离（2568）出现在两条轨迹之间，表明该度量对路径分歧具有高度敏感性。
• 该系统成功重建了900多条游客轨迹，保有高保真度，支持在真实博物馆环境中对移动模式与群体行为进行统计分析。
• 轨迹距离度量实现了未正式安排导览路线的自动检测，表明其在监控与优化博物馆运营方面具有潜在应用价值。