基于智能移动终端与活动特征分析的现场人员工作时间统计方法

摘要

本发明公开了一种基于智能移动终端与活动特征分析的现场人员工作时间统计方法，首先构建包括智能移动终端、后台系统、地图应用在内的系统，然后结合陀螺仪和GPS进行到达检测、离开检测以及活动检测，最后根据到达检测、离开检测、活动检测获得的可信到达事件、可信离开事件以及可信活动，进行考勤与工作时长统计。本发明可以实现更准确的到达、离开和现场活动检测，并实现对到达、离开和活动的反作弊检测。

说明书

技术领域

本发明涉及定位跟踪和生产自动化，尤其涉及一种基于智能移动终端与活动特征分析的现场人员工作时间统计方法。 

背景技术

目前对于现场工作人员的工作时间管理是很难准确做到的，而现场工作人员的工作时间却与其工作绩效、费用结算紧密相关。在有些场景下可以通过在现场安装考勤机来实现。但大多数情况下，并不具备这样的条件。同时考勤机方式也不适合露天、未通电或者工期较短的工地现场。目前有一些系统通过GPS定位来跟踪现场工作人员，但是GPS存在信号盲点，对室内活动无法检测，同时不能解决一些作弊的场景，比如替人配带。 

发明内容

针对上述问题，申请人经验研究改进，提供一种基于智能移动终端与活动特征分析的现场人员工作时间统计方法，实现更准确的到达、离开和现场活动检测，并实现对到达、离开和活动的反作弊检测。 

本发明的技术方案如下： 

一种基于智能移动终端与活动特征分析的现场人员工作时间统计方法，包括如下步骤： 

(1)构建系统； 

系统由智能移动终端、后台系统、地图应用组成； 

智能移动终端是指装备了GPS模块和陀螺仪的包括智能手机、可穿戴设备在内的可移动的计算设备，能够运行Android或者iOS操作系统，安装有客户端软件，下称客户端；所述客户端软件是基于Andorid或IOS开发的客户端软件，能够识别用户地理位置、侦测用户活动，与后台服务器端通信实现各类事件的记录； 

后台系统包括：Web服务接口：客户端与服务端的通信接口；用户界面：供用户通过其维护工作内容，查看工作统计；事件记录模块：用于记录由客户端发来的各类时间；工作内容管理模块：用于维护工作类型、工作地点和边界； 活动特征分析模块：用于预设的置信区间进行计算，判断工作活动的可信度；工作时间统计模块：用于根据可信的工作活动统计工作时间；后台系统下称服务器端； 

地图应用，为公开可用的互联网地图应用； 

(2)到达检测，包括以下步骤： 

步骤1-1，在地图上标记工作地点及边界； 

步骤1-2，客户端根据GPS提供的位置，检测到现场工作人员到达工作地点； 

步骤1-3，客户端提示用户确认到达，用户确认到达后，客户端自动向服务器端发送到达事件； 

步骤1-4，服务器端接收客户端自动发送的到达事件，或者接收用户通过客户端手动发送的到达事件； 

所述到达事件的数据结构包括：人员ID、事件发生时间、地理位置信息、工作内容；所述工作内容的数据结构包括：工作项ID、工作类型、工作内容描述、预设到达时间、负责人ID； 

步骤1-5，服务器端分析到达事件的合法性：判断到达事件的地理位置信息是否位于工作位置边界内；如果判断结果为是转入步骤1-6，如果判断结果为否转入步骤1-7； 

步骤1-6，提示客户端已确认到达，然后转入步骤1-8； 

步骤1-7，提示客户端未确认到达； 

步骤1-8，后续活动检测：判断在后续的离开事件之前的活动特征是否符合该工作类型的活动特征；如果判断结果为是转入步骤1-9，如果判断结果为否转入步骤1-10； 

步骤1-9，标记到达事件为可信； 

步骤1-10，标记到达事件为可疑； 

(3)离开检测，包括以下步骤； 

步骤2-1，在地图上标记工作地点及边界； 

步骤2-2，客户端根据GPS提供的位置，检测到现场工作人员离开工作地点； 

步骤2-3，客户端提示用户确认离开，用户确认离开后，客户端自动向服务器端发送离开事件； 

步骤2-4，服务器端接收客户端自动发送的离开事件，或者接收用户通过客户端手动发送的离开事件； 

所述离开事件的数据结构包括：人员ID、事件发生时间、地理位置信息、工作内容；所述工作内容的数据结构包括：工作项ID、工作类型、工作内容描述，预设离开时间、负责人ID； 

步骤2-5，服务器端分析离开事件的合法性：判断离开事件的地理位置是否位于工作位置边界外以及是否有对应的到达事件；如果判断结果为是转入步骤2-6，如果判断结果为否转入步骤2-7； 

步骤2-6，提示客户端已确认离开，然后转入步骤2-8； 

步骤2-7，提示客户端未确认离开； 

步骤2-8，后续活动检测：判断在所述离开事件之前的活动特征是否符合该工作类型的活动特征；如果判断结果为是转入步骤2-9，如果判断结果为否转入步骤2-10； 

步骤2-9，标记离开事件为可信； 

步骤2-10，标记离开事件为可疑； 

(4)活动检测，包括以下步骤； 

步骤3-1，通过陀螺仪检测包括移动速度、移动距离、移动高度、方向变化在内的活动数据；陀螺仪检测活动数据后，定期向服务器端发送活动检测定期报告事件；服务器端根据所述活动检测定期报告事件，计算当日强度指标和频度指标； 

所述活动检测定期报告事件的数据结构包括：人员ID、记录开始时间/结束时间、报告时间、移动速度、移动高度、角度变化、移动距离、工作内容；所述工作内容的数据结构包括：工作项ID、工作类型、工作内容描述、负责人ID； 

步骤3-2，判断所述强度指标和频度指标是否在对应的置信区间取值范围之内；如果判断结果为是转入步骤3-3，如果判断结果为否转入步骤3-4； 

步骤3-3，标记为可信活动，然后转入步骤3-5和步骤3-6； 

步骤3-4，标记为可疑活动，然后转入步骤3-6； 

步骤3-5，补充证据；补充证据完成后转入步骤3-3； 

所述补充证据是指提交用于人工可以判定工作真实性的包括现场工作的照片、客户的书面证明在内的证据； 

步骤3-6，根据标记结果更新特征数据库； 

(5)根据上述到达检测、离开检测、活动检测获得的可信的到达事件、可信的离开事件、可信的活动，进行考勤与工作时长统计。 

注：本发明所述的现场工作人员与长期固定在办公室工作的人员不同，是指会按要求在指定时间到达指定地点进行工作，例如销售人员，施工人员、工程巡检人员等。 

本发明的有益技术效果是： 

本发明结合陀螺仪和GPS实现比单纯GPS方式实现更准确的到达、离开和现场活动检测；结合后台数据进行行为模式分析，实现对到达、离开和活动的反作弊检测。 

本发明的优点将在下面具体实施方式部分的描述中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。 

附图说明

图1是本发明的系统结构图。 

图2是到达检测流程图。 

图3是到达事件结构图。 

图4是离开检测流程图。 

图5是离开事件结构图。 

图6是活动检测流程图。 

图7是活动检测定期报告事件结构图。 

具体实施方式

下面结合附图对本发明的具体实施方式做进一步说明。 

如图1所示，为实现本发明，首先需要构建由智能移动终端、后台系统以及地图应用所组成的系统。系统各部分的说明如下： 

1.智能移动终端：是指装备了GPS模块和陀螺仪的智能手机、可穿戴设备或其他可移动的计算设备(比如嵌入了计算设备的安全帽)，能够运行Android或者iOS操作系统。以下称为客户端。 

1.1.客户端软件：基于Andorid或IOS开发的客户端软件，能够识别用户地理位置、侦测用户活动，与后台服务器端通信实现各类事件的记录。 

2.后台系统： 

2.1.Web服务接口：客户端与服务端的通信接口。 

2.2.用户界面：用户通过用户界面维护工作内容，查看工作统计。 

2.3.事件记录模块：记录由客户端发来的各类时间(到达、离开、定时活动报告)。 

2.4.工作内容管理模块：维护工作类型，工作地点和边界。 

2.5.活动特征分析模块：基于工作类型与活动特征数据库，根据预设的置信区间进行计算，判断工作活动的可信度。 

2.6.工作时间统计模块：基于可信的工作活动统计工作时间。 

后台系统以下称为服务器端。 

3.地图应用：公开可用的互联网地图应用，例如百度地图。 

基于上述系统，本发明分别实现到达检测、离开检测、活动检测，并基于上述检测进行考勤与工作时长统计。以下分别进行说明。 

如图2所示，到达检测的流程如下： 

1-1.在地图上标记工作地点及边界； 

1-2.客户端根据GPS提供的位置检测到现场工作人员到达工作地点； 

1-3.客户端提示用户确认到达，用户确认到达后，客户端自动向服务器端发送到达事件； 

1-4.服务器端接收客户端自动发送的到达事件，或者用户通过客户端手动发送的到达事件； 

1-5.服务器端分析到达事件的合法性，即地理位置是否位于工作位置边界内？若是，转入步骤1-6；若否，转入步骤1-7； 

1-6.提示客户端已确认到达； 

1-7.提示客户端未确认到达； 

1-8.后续活动检测，判断在离开事件之前的活动特征是否符合该工作类型的活动特征？此为后续校验，即离开事件发生后，系统进行分析，回溯分析到达事件是否可信。若是，转入步骤1-9；若否，转入步骤1-10； 

1-9.标记到达事件为可信； 

1-10.标记到达事件为可疑。 

如图3所示，上述到达事件的结构为：包括人员ID、事件发生时间、地理位置信息、工作内容；工作内容的结构为：包括工作项ID、工作类型(销售活动、施工活动……)、工作内容描述，预设到达时间、负责人ID。 

如图4所示，离开检测的流程如下： 

2-1.在地图上标记工作地点及边界； 

2-2.客户端根据GPS提供的位置检测到现场工作人员离开工作地点； 

2-3.客户端提示用户确认离开，用户确认离开后，客户端自动向服务器端发送离开事件； 

2-4.服务器端接收客户端自动发送的离开事件，或者用户通过客户端手动发送的离开事件； 

2-5.服务器端分析离开事件的合法性，即判断地理位置是否位于工作位置边界外？以及是否有对应到达事件？若均为是，转入步骤2-6；若至少一者为否，转入步骤2-7； 

2-6.提示客户端已确认离开； 

2-7.提示客户端未确认离开； 

2-8.后续活动检测，判断在离开事件之前的活动特征是否符合该工作类型的活动特征？若是，转入步骤2-9；若否，转入步骤2-10； 

2-9.标记离开事件为可信； 

2-10.标记离开事件为可疑。 

如图5所示，上述离开事件的结构为：包括人员ID、事件发生时间、地理位置信息、工作内容；工作内容的结构为：包括工作项ID、工作类型(销售活动、施工活动……)、工作内容描述，预设离开时间、负责人ID。 

如图6所示，活动检测的流程如下： 

3-1.计算当日强度指标和频度指标； 

陀螺仪能够检测到移动速度、移动距离、移动高度、方向变化数据；活动检测主要依赖于陀螺仪检测活动数据后定期向服务器端发送； 

如图7所示，活动检测定期报告事件的结构为：包括人员ID、记录开始时间/结束时间、报告时间、移动速度(平均)、移动高度(绝对值总和，总和)、角度变化(绝对值总和，总和)、移动距离(绝对值总和)、工作内容；工作内容的结构为：包括工作项ID、工作类型(销售活动、施工活动……)、工作内容描述、负责人ID。 

强度指标的计算方式如下： 

以t时间内的移动距离(Dt)为例， 

Dt＝求和(t时间内，每次采样的水平移动距离D)。 

频度指标的计算方式如下： 

以t时间内活动比率(APt)为例， 

APt＝ANt/TNt*100％,ANt为t时间内采样结果为活动的样本数量，TNt为t时间内总的采样数。 

判断采样结果是否为活动，可通过对比D与预先设定的强度指标阈值TD来决定，例如TD为1米，采样间隔为30秒，如果采样结果D<1则标记为该样本为不活动。 

3-2.判断强度指标、频度指标是否在对应的置信区间取值范围之内？若是，转入步骤3-3；若否，转入步骤3-4； 

基于工作类型与活动特征的活动分析，不同的工作类型对应的活动特征是有差异的，本发明的一个重要原理就是基于后台的活动特征数据库对活动特征进行分析判断，从而确定其活动合理性来，进而对现场工作人员的工作进行确认。同时，后台数据库能够通过不断积累相关的活动数据来提高样本数量，进而分析的准确性。活动强度/频度指标的分布举例如表1： 

表1活动强度/频度指标分布 

实际应用中，系统可以设置任意的置信区间值来实现对可疑活动的判断。一般95％作为置信区间在实际应用中效果较理想。 

3-3.标记为可信活动； 

3-4.标记为可疑活动； 

3-5.标记为可疑活动后，可以补充证据，补充证据是指提交用于人工可以判定工作真实性的比如现场工作的照片，客户的书面证明等。如果补充证据成功，可以重新标记为可信活动； 

3-6.根据标记结果更新特征数据库。 

最后，基于上述检测功能进行考勤与工作时长统计(出勤统计/迟到早退统计/工作时长统计)。出勤统计：基于可信的到达、离开事件统计出勤情况；迟到早退统计：基于可信的到达、离开事件与工作内容预设的时间比对后可统计迟到早退情况；工作时长统计：基于可信的到达、离开事件以及实际的到达 时间、离开时间统计工作时长。此部分为现有技术，本发明不予详解 

以上所述的仅是本发明的优选实施方式，本发明不限于以上实施例。可以理解，本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本发明的保护范围之内。