CN103957505A - 一种基于ap的行为轨迹检测分析与服务提供系统及方法 - Google Patents

Abstract

本发明公开了一种基于AP的行为轨迹检测分析与服务提供系统及方法，该系统包括：由多个具有信号收集能力的AP组成的信号采集模块，数据信号接收接口，定位模块，定位数据储存模块，行为轨迹分析模块，服务提供模块。其实现方法包括：1)AP采集与不同终端间的无线信号强度与终端的MAC地址；2)移动终端的定位；3)移动终端的位置轨迹分析；4)根据移动终端和其它设备的提出的服务请求提供相应服务。本发明可对室内外的移动终端进行较为及时精准的定位，并可根据不同移动终端属性进行修正，增加定位精度。本发明不存在平台限制，手机、笔记本、平板电脑等移动终端都可进行定位与位置数据的分析，进而为终端用户及其它用户提供相应的服务。

Description

一种基于AP的行为轨迹检测分析与服务提供系统及方法

技术领域

本发明涉及一种定位、位置分析系统及实现方法，特别是涉及一种基于Wi-Fi技术的AP的定位、位置和行为分析系统及实现方法。

背景技术

随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。近年来，随着移动设备技术快速发展和日益普及，如何充分利用设备的移动性为用户提供更加丰富和完善的服务引起了众多研究者的关注，而基于位置的服务(Location Based Service，LBS)已经成为近年来移动计算研究领域的热点问题之一。提供基于位置服务的前提是移动设备需要知道自身所处的物理位置。当移动设备位于户外时，GPS(Global Position System)可以为这类应用提供一种简单有效的解决方案。然而，GPS无法在楼宇内工作，因此如何在楼宇内对移动设备进行定位依然是一个需要解决的科学问题。随着Wi-Fi技术应用的普及，WLAN(Wireless LocalArea Network)接入点(Access Point，AP)在城市楼宇内已经广泛部署，这使得很多室内环境(例如办公楼、咖啡厅等)中几乎每个角落都能够被Wi-Fi信号覆盖，因而基于Wi-Fi信号的室内定位技术得到了迅速的发展。我们就可以利用移动设备与接入点(Access Point，AP)或基站定期发送的信标信号中所含的接收信息强度(RSSI)信息进行定位计算，并且可以根据位置信息分析移动终端的行为轨迹，进而根据为不同设备发来的请求提供不同提供服务。

目前使用较广的基于Wi-Fi信号的定位方法主要有到达角度定位法(Angle0f Arrival，AOA)、到达时间定位法(Time Of Arrival，TOA)、信号强度分析法和位置指纹分类法等。由于室内环境复杂，无线信号入射角度的测量也很难十分准确。因此，基于AOA或TOA的方法并不太适用于室内环境。而且室内空间中存在着大量的障碍物，如墙壁、房门、桌椅、箱柜等等，当它们处于无线信号的传播路径上时会对信号的衰减程度产生难以计算的影响，因此信号强度分析法在室内环境下利用RSSI值的测距精度不高。位置指纹分类法是一类基于机器学习的定位方法，其基本思想是记录特定位置的信号指纹(AP的RSSI值)，通过比较测试样本与位置指纹的相似程度，进而估计样本的实际位置。与AOA、TOA和信号强度分析法相比，基于RSSI的位置指纹分类法不依赖于角度或距离这样的几何量，而是将RSSI的观测值本身作为标定位置的依据，这样就规避了接收信号强度测距等问题，拥有更好的定位精度。有了准确的定位，就可以提供基于位置服务。并且根据已有的行为轨迹进行修正，进一步提高了定位的精度。

发明内容

本发明的目的在于提供了一种基于AP的行为轨迹检测分析与服务提供系统系统及实现方法。通过定位模块的分析处理，可将各个无线接入点(AP)采集到的与各个移动终端的间的无线信号与指纹库进行匹配进而确定移动终端所在的具体位置。进而不间断的将移动终端在不同时间的位置信息记录于定位数据储存模块。行为轨迹分析模块可以根据记录于定位数据储存模块的移动终端的位置数据来分析移动终端的轨迹和行为。服务提供模块可根据不同用户发来的请求，提供相应的服务。

为解决以上所提出的技术问题本发明基于AP的行为轨迹检测分析与服务提供系统，包括：

信号采集模块，由多个在不同位置的具有信号收集能力的AP组成的，用于获得不同移动终端用户传送的无线信号强度(RSSI)和不同移动终端的MAC(Media Access Control，介质访问控制)地址信息。其中，移动终端包括：手机、笔记本电脑、平板电脑、掌上上网设备、POS(Point of sales)机、车载电脑、可穿戴设备；

数据信号接收接口，用于接收来自信号采集模块采集的不同移动终端用户传送的无线信号强度(RSSI)和不同移动终端的MAC(Media Access Control，介质访问控制)地址信息；

定位模块，利用数据信号接收接口获得的数据，利用位置带有权值分配的指纹分类法以及相关的行为轨迹信息，确定不同移动终端在空间中的具体位置，并将设备和位置信息储存于定位数据储存模块。其中位置指纹分类法，包括：训练阶段、定位阶段和数据修正阶段。其中在训练阶段建立位置－无线信号指纹识别数据库，并计算出不同AP的权值，用于定位阶段；

定位数据储存模块，用于记录所有定位模块产生的不同时间，不同移动终端的位置信息；

行为轨迹分析模块，用于分析不同移动终端(用户)的轨迹和行为，并将信息储存；

服务提供模块，根据不同的服务请求，基于定位数据储存模块以及行为轨迹分析模块的数据，为用户提供相应服务。

另外，本发明还提供了一种数据训练方法，包括：

(1)数据收集阶段：收集不同AP所测量的终端在各个基准点上的无线信号强度，作为训练数据；

(2)数据处理阶段：计算出不同AP所测量的终端在各个基准点上的无线信号强度的特征值，并计算出各个AP的权值分配；

(3)数据修正阶段：在实际定位中如发现定位精度不足，或已有的测量数据出现问题，可以添加或修正已有的训练数据，并根据新的训练数据重新计算各个基准点上的无线信号强度的特征值和各个AP的权值分配。

本发明还提供了一种基于AP的室内定位的实现方法，包括：

(1)信号采集模块AP的采集与不同终端间的无线信号强度与终端的MAC地址；

(2)数据信号接收接口接收来自信号采集模块采集的不同移动终端用户传送的无线信号强度(RSSI)和不同移动终端的MAC(Media Access Control，介质访问控制)地址信息；

(3)定位模块根据数据信号接收接口获得的数据，利用位置带有权值分配的指纹分类法以及相关的行为轨迹信息，确定不同移动终端在空间中的具体位置。并将设备和位置信息储存于定位数据储存模块，以供其他模块使用。

本发明利用Wi-Fi技术，并利用远程具有较高运算能力的定位模块和行为轨迹分析模块，可以及时有效地进行定位，并计算出设备的运行轨迹。通过服务提供模块，可以及时有效地为各种用户提供不同的服务，如及时定位服务，导航服务，空间客流分析及调查服务，地理围栏服务，基于位置广告推送功能，基于位置的支付服务及支付验证服务等。

附图说明

图1是本发明基于AP的行为轨迹检测分析与服务提供系统框架图；

图2是布局参考点的示意图。

具体实施方式

本发明的基于AP的行为轨迹检测分析与服务提供系统，包括：

信号采集模块，由多个具有信号收集能力的AP组成的，用于获得不同移动终端用户传送的无线信号强度(RSSI)和不同移动终端的MAC(Media Access Control，介质访问控制)地址信息。

数据信号接收接口，用于接收来自信号采集模块采集的不同移动终端用户传送的无线信号强度(RSSI)和不同移动终端的MAC(Media Access Control，介质访问控制)地址信息；

定位模块，利用数据信号接收接口获得的数据，利用位置带有权值分配的指纹分类法以及相关的行为轨迹信息，确定不同移动终端在空间中的具体位置，并将设备和位置信息储存于定位数据储存模块；

定位数据储存模块，用于记录所有定位模块产生的不同时间，不同移动终端的位置信息；

行为轨迹分析模块，用于分析不同移动终端(用户)的轨迹和行为，并将信息储存；

服务提供模块，根据不同的服务请求，基于定位数据储存模块以及行为轨迹分析模块的数据，为用户提供相应服务。

对于上述基于AP的行为轨迹检测分析与服务提供系统，其具体的实现的方法见图1，包括：

预处理阶段，执行位置指纹法的训练阶段，其具体执行过程如下：

(1)数据收集阶段：收集不同AP所测量的终端在各个基准点上的无线信号强度，作为训练数据；

(2)数据处理阶段：以一段时间不同AP所测量的终端在各个基准点上的无线信号强度的平均值或众数作为该终端在各个基准点位置(基准点的布置可如图2所示，在空间内等距确定)对该AP特征值，确定特征值的范围，并基于已经计算出的特征值，计算出各个AP的权值分配，方法如下：

设测试区域内能够检测到设备的全部AP的集合为V，样本a将使用样本属性向量s_a＝(s_a1，s_a2，…，s_an)来描述，其中每一个分量s_ai表示该样本中第i个属性的值(即第i个AP的RSSI的特征值)，n是全部AP的数量。如果在一个样本中没有检测到特定的AP的值，则将其RSSI值设为-129，即比RSSI的下限值低1。

在给每个AP分配权值之前，首先需要计算在测试区域内能够检测到的所有AP之间的相关系数。记两个AP之间相关系数为r_ij，其计算公式如式(1)，其中i,j∈V，Rssi_i和Rssi_j分别表示第i、j个AP的RSSI的观测值，E(a)和D(a)分别表示随机变量a的数学期望和方差，Cov(a，b)表示随机变量a和b的协方差。全部相关系数可以组成相关系数矩阵R。相关系数矩阵的计算过程使用全部的训练数据，并不区分训练样本所属的类，所以最后得出的相关系数是每对AP在全部测试区域内的相关系数。另外，计算一对AP的相关系数时，只考虑这两个AP能够被同时检测到的数据。

$r_{\mathrm{ij}}=\frac{\mathrm{Cov}({\mathrm{Rssi}}_i,{\mathrm{Rssi}}_j)}{\sqrt{D\left({\mathrm{Rssi}}_i\right)\·D\left({\mathrm{Rssi}}_j\right)}}=\frac{E({\mathrm{Rssi}}_i\·{\mathrm{Rssi}}_j)-E\left({\mathrm{Rssi}}_i\right)\·E\left({\mathrm{Rssi}}_j\right)}{\sqrt{E\left({\mathrm{Rssi}}_i^2\right)-E{\left({\mathrm{Rssi}}_i\right)}^2}\·\sqrt{E\left({\mathrm{Rssi}}_j^2\right)-E{\left({\mathrm{Rssi}}_j\right)}^2}}---\left(1\right)$

由式(1)可以看出，在计算相关系数矩阵时，可能遇到如下情况使得相关系数无定义：1)两个AP的可检测范围没有交集，即它们从来没有被同时检测到过；2)其中至少一个AP的RSSI的观测值的方差为0。为了方便计算，当出现相关系数无定义时，定义该AP对的相关系数为0。另外，对定义r_ii＝1。

得到相关系数矩阵之后，就可以用式(2)计算出每一个AP的权值：

$w_i=\frac{1}{R_i\·R_i^T},i\∈V---\left(2\right)$

式(2)中，w_i是分配给第i个AP的权值，R_i＝(r_i1,r_i2,…,r_in)是相关系数矩阵R中的第i个行向量。简单来说，每个AP的权值是它与所有V中的AP(包括它自己)的相关系数的平方和的倒数，所以一个AP与测试区域内能够检测到的所有AP的相关性(相关系数的绝对值)越高则它的权值越低。这是因为该AP与其它AP的相关性越高，就表示它所提供的信息与其它AP所提供的信息有更多的重复；反之，一个AP与其它AP越独立则它的权值越大，且对有w_i∈(0,1]。

为了便于分析训练数据的特征，定义所有AP的权值之和为训练数据集的维度D，如式(3)。

D＝W·N^T,N＝(1,1,…,1)   (3)

其中W＝(w₁,w₂,…,w_n)为训练数据集的权值向量，N是n维行向量且所有分量的值都为1。显然当一个训练数据集中包含的AP之间相关性越高，则这个训练数据集的维度越小；反之，则训练数据集的维度越大，且对任意的训练数据集有维度D∈[1,n]。

(3)数据修正阶段：在实际定位中如发现定位精度不足，或已有的测量数据出现问题，可以添加或修正已有的训练数据，并根据新的训练数据重新计算各个基准点上的无线信号强度的特征值和各个AP的权值分配。

第一阶段，信号采集模块获取不同移动终端用户当前对不同AP传送的无线信号强度(RSSI)和不同移动终端的MAC(Media Access Control，介质访问控制)地址信息；

第二阶段，数据信号接收接口接收来自信号采集模块采集的不同移动终端用户传送的无线信号强度(RSSI)和不同移动终端的MAC(Media Access Control，介质访问控制)地址信息；

第三阶段为实际的定位阶段，定位模块利用数据信号接收接口获得的数据，利用位置带有权值分配的指纹分类法以及相关的行为轨迹信息，确定不同移动终端在空间中的具体位置，并将设备和位置信息储存于定位数据储存模块，具体过程如下：

1)定位模块利用数据信号接收接口获得的数据；

2)将数据根据终端的MAC地址分类；

3)若某一终端MAC在同时获得的AP返回值的数量少于3个，忽略该终端；

4)若某一终端MAC在同时获得的AP返回值的超过基准点特征值的范围，忽略该终端；

5)根据每个AP的权值，若该样本点a不同AP所获得的信号强度分别为[s_a，1，s_a，2，…，s_a，n]，基准点b的各个特征值为[s_b，1，s_b，2，…，s_b，n]，可以简单地使用式(4)代替欧氏距离计算该样本点与各个基准点的加权距离。

$d(a,b)=\sqrt{\underset{i\∈V}{\mathrm{\Σ}}{w}_i{(s_{a,i}-s_{b,i})}^2}---\left(4\right)$

其中，d(a，b)表示a、b两个点之间的加权的距离；

6)将样本点与各个基准点的加权距离从小到大排序；

7)选择与当前样本点加权距离最小的一个或最小的几个基准点作为计算终端位置的基础；

8)结合行为轨迹信息确定终端位置；

9)将计算后的位置数据和终端MAC数据，时间数据记录到定位数据储存模块；

10)行为轨迹分析模块从定位数据储存模块获得数据，分析不同移动终端(用户)的轨迹和行为，并将信息储存；

11)服务提供模块接收服务请求，根据不同的服务请求，基于定位数据储存模块以及行为轨迹分析模块的数据，为用户提供相应服务。

因此，本发明的基于AP的行为轨迹检测分析与服务提供系统是一个根据AP所采集的传送到定位系统的移动终端的MAC地址、无线信号强度信息，使用基于位置指纹识别定位方法计算得到移动终端用户位置信息，并通过计算移动终端得轨迹和行为的判断，根据发来的服务请求提供相应服务的系统。

Claims (7)

1.一种基于AP的行为轨迹检测分析与服务提供系统，所述AP指无线接入点，其特征在于，包括：

信号采集模块，包括多个在不同位置的具有信号收集能力的WLAN接入点Access Point，即AP，用于获得不同移动终端用户传送的无线信号强度RSSI和不同移动终端的MAC地址信息；

数据信号接收接口，用于接收来自信号采集模块采集的不同移动终端用户传送的无线信号强度和不同移动终端的MAC地址信息；

定位模块，利用数据信号接收接口获得的数据，利用位置带有权值分配的以及相关的行为轨迹信息，确定不同移动终端在空间中的具体位置，并将设备和位置信息储存于定位数据储存模块；

定位数据储存模块，用于记录所有定位模块产生的不同时间，不同移动终端的位置信息；

行为轨迹分析模块，用于分析不同移动终端的轨迹和行为，并将信息储存，并可响应定位模块的请求并向其提供数据；

服务提供模块，根据不同的服务请求，基于定位数据储存模块以及行为轨迹分析模块的数据，为用户提供相应服务。

2.如权利要求1所述的基于AP的行为轨迹检测分析与服务提供系统，其特征在于，所述移动终端包括：手机、笔记本电脑、平板电脑、掌上上网设备、POS机、车载电脑、可穿戴设备。

3.如权利要求1所述的基于AP的行为轨迹检测分析与服务提供系统，其特征在于，所述可提供的服务包括基于位置的服务，包括及时定位服务，导航服务，空间客流分析及调查服务，地理围栏服务，基于位置广告推送功能，基于位置的支付服务及支付验证服务。

4.一种基于AP的行为轨迹检测分析与服务提供的方法，包括如权利要求1所述的系统，其特征在于该方法利用了位置指纹分类法，并包括如下步骤：

1)定位模块利用数据信号接收接口获得的数据；

2)将数据根据终端的MAC地址分类；

3)若某一终端MAC在同时获得的AP返回值的数量少于3个，忽略该终端；

4)若某一终端MAC在同时获得的AP返回值的超过基准点特征值的范围，忽略该终端；

5)根据每个AP的权值，若该样本点a不同AP所获得的信号强度分别为[s_a，1，s_a，2，…，s_a，n]，空间中已知具体位置坐标的基准点b的各个特征值为[s_b，1，s_b，2，…，s_b，n]，所述特征值是已知的固定AP扫描测量的终端在已知位置点上的无线信号强度(RSSI)的平均值或众数；使用式(4)代替欧氏距离计算该样本点与各个基准点的加权距离；其中测试区域内能够检测到设备的全部AP的集合为V，i为AP的编号，w_i是分配给第i个AP的权值；

$d(a,b)=\sqrt{\underset{i\∈V}{\mathrm{\Σ}}{w}_i{(s_{a,i}-s_{b,i})}^2}---\left(4\right)$

其中，d(a，b)表示a、b两个点之间的加权的距离；

6)将样本点与各个基准点的加权距离从小到大排序；

7)选择与当前样本点加权距离最小的一个或最小的几个基准点作为计算终端位置的基础；

8)结合行为轨迹信息确定终端位置；

9)将计算后的位置数据和终端MAC数据，时间数据记录到定位数据储存模块；

10)行为轨迹分析模块从定位数据储存模块获得数据，分析不同移动终端的轨迹和行为，并将信息储存；

11)服务提供模块接收服务请求，根据不同的服务请求，基于定位数据储存模块以及行为轨迹分析模块的数据，为用户提供相应服务。

5.如权利要求4所述方法，其特征在于，所述定位模块中，位置指纹分类法，包括如下步骤：

训练阶段、定位阶段和数据修正阶段；其中，训练阶段，目标是在于建立一个位置指纹分类识别数据库，包括设备在各个定位基准点和各个AP间信号的特征值以及各个AP在计算中的权值；

定位阶段，通过使用获得的终端与AP间的无线信号强度去与之前构建的位置指纹分类识别数据库进行匹配，通过运算，从而获得移动终端用户的位置；

数据修正阶段，提高定位精度，修正位置指纹分类识别数据库。

6.如权利要求4所述的方法，其特征在于所述训练阶段包括：

数据收集阶段：收集不同AP所测量的终端在各个基准点上的无线信号强度，作为训练数据；

数据处理阶段：计算出不同AP所测量的终端在各个基准点上的无线信号强度的特征值，并计算出各个AP的权值分配；

数据修正阶段：在实际定位中如发现定位精度不足，或已有的测量数据出现问题，添加或修正已有的训练数据，并根据新的训练数据重新进入数据处理阶段，计算各个基准点上的无线信号强度的特征值和各个AP的权值分配。

7.如权利要求6所述的方法，其特征在于，所述数据处理阶段的具体方法，包括：

以一段时间不同AP所测量的终端在各个基准点上的无线信号强度的平均值或众数作为该终端在此位置对该AP特征值，确定特征值的范围，并基于已经计算出的特征值，计算出各个AP的权值分配，方法如下：

设测试区域内能够检测到设备的全部AP的集合为V，样本a将使用样本属性向量s_a＝(s_a1，s_a2，…，s_an)来描述，其中每一个分量s_ai表示该样本中第i个属性的值，即第i个AP的RSSI的特征值，n是全部AP的数量；如果在一个样本中没有检测到特定的AP，则将其RSSI值设为-129，即比RSSI的下限值低1；

在给每个AP分配权值之前，首先需要计算在测试区域内能够检测到的所有AP之间的相关系数；记两个AP之间相关系数为r_ij，其计算公式如式(1)，其中i,j∈V，Rssi_i和Rssi_j分别表示第i、j个AP的RSSI的观测值，E(a)和D(a)分别表示随机变量a的数学期望和方差，Cov(a，b)表示随机变量a和b的协方差；全部相关系数可以组成相关系数矩阵R；相关系数矩阵的计算过程使用全部的训练数据，并不区分训练样本所属的类，所以最后得出的相关系数是每对AP在全部测试区域内的相关系数；另外，计算一对AP的相关系数时，只考虑这两个AP能够被同时检测到的数据；使用式(1)计算一对AP的相关系数；

$r_{\mathrm{ij}}=\frac{\mathrm{Cov}({\mathrm{Rssi}}_i,{\mathrm{Rssi}}_j)}{\sqrt{D\left({\mathrm{Rssi}}_i\right)\·D\left({\mathrm{Rssi}}_j\right)}}=\frac{E({\mathrm{Rssi}}_i\·{\mathrm{Rssi}}_j)-E\left({\mathrm{Rssi}}_i\right)\·E\left({\mathrm{Rssi}}_j\right)}{\sqrt{E\left({\mathrm{Rssi}}_i^2\right)-E{\left({\mathrm{Rssi}}_i\right)}^2}\·\sqrt{E\left({\mathrm{Rssi}}_j^2\right)-E{\left({\mathrm{Rssi}}_j\right)}^2}}---\left(1\right)$

由式(1)，在计算相关系数矩阵时，可能遇到如下情况使得相关系数无定义：1)两个AP的可检测范围没有交集，即它们从来没有被同时检测到过；2)其中至少一个AP的RSSI的观测值的方差为0；当出现相关系数无定义时，定义该AP对的相关系数为0；另外，对定义r_ii＝1；

得到相关系数矩阵之后，就用式(2)计算出每一个AP的权值：

$w_i=\frac{1}{R_i\·R_i^T},i\∈V---\left(2\right)$

式(2)中，w_i是分配给第i个AP的权值，R_i＝(r_i1,r_i2,…,r_in)是相关系数矩阵R中的第i个行向量；每个AP的权值是它与所有V中的AP的相关系数的平方和的倒数，所以一个AP与测试区域内能够检测到的所有AP的相关性越高则它的权值越低；这是因为该AP与其它AP的相关性越高，就表示它所提供的信息与其它AP所提供的信息有更多的重复；反之，一个AP与其它AP越独立则它的权值越大，且对有w_i∈(0,1]；

定义所有AP的权值之和为训练数据集的维度D，如式(3)

D＝W·N^T,N＝(1,1,…,1)   (3)

其中W＝(w₁,w₂,…,w_n)为训练数据集的权值向量，N是n维行向量且所有分量的值都为1；当一个训练数据集中包含的AP之间相关性越高，则这个训练数据集的维度越小；反之，则训练数据集的维度越大，且对任意的训练数据集有维度D∈[1,n]。