CN105930886A - 一种基于临近状态探测的商品关联性挖掘方法 - Google Patents

Abstract

本发明公开了一种基于临近状态探测的商品关联性挖掘方法，本发明通过在商品上添加写入商品ID信息的被动式RFID标签，当顾客拿起商品A，再拿起关联商品C或拿起替代性产品R时，货架周围部署的RFID阅读器天线将采集商品在不同位置时散射的RSS，通过计算各商品标签散射的RSS值并求其差，可以得到二者之间的距离向量，再分别计算商品A与C或者A与R的IMR值，最后得出二者的IMR值的差，即可计算出两件商品之间的距离；当两件商品之间的距离小于特定值时，并由同一个人所拿起，则二者之间具有关联性。

Description

一种基于临近状态探测的商品关联性挖掘方法

技术领域

本发明属于无线定位领域，具体涉及一种基于临近状态探测的商品关联性挖掘方法。

背景技术

顾客购物行为分析对于提高用户体验和零售利润非常重要。和在线购物不同，实体店一直缺乏一种有效的顾客购物购买前行为识别的方法，比如试穿行为、比价行为等。通过对此类行为的挖掘可以为商家提供消费者兴趣、体验、体验等多方面综合信息，这对于提高利润及服务质量非常有效。

应用RFID(Radio Frequency Identification：射频识别)技术，人们可以有效地对货物进行追踪管理。商家可以为商品加上被动式射频标签。同传统的条形码标签相比，RFID标签可以在非视距范围外远程读写。而挑战在于，被动式RFID标签仅为识别而设计，因而可被读写的标签资源十分有限，很难获得其位置及运动行为等信息，很难用于实际应用。

发明内容

本发明的目的在于克服上述不足，提供一种基于临近状态探测的商品关联性挖掘方法，能够将RFID技术和实际需求有效结合起来，检测出商品是否被同一个人拿起。

为了达到上述目的，本发明包括以下步骤：

步骤一：对商品贴上被动式RFID标签，并利用RFID标签写入设备将商品ID信息写入RFID标签；

步骤二：在货架周围部署RFID阅读器天线，RFID阅读器天线发射信号，并持续不断地收集被动式标签散射的RSS值，存储在数据库中；

步骤三：当顾客拿起商品A，再拿起关联商品C或拿起替代性产品R时，由于贴有被动式RFID标签的商品在不同位置时散射的RSS不同，通过计算各商品标签散射的RSS值并求其差，可以得到二者之间的距离向量；

步骤四：再分别计算商品A与C或者A与R的IMR值，再求出二者的IMR值的差，即可计算出两件商品之间的距离；

步骤五：当两件商品之间的距离小于特定值时，并由同一个人所拿起，则二者之间具有关联性。

所述步骤二中，RFID阅读器天线采用Laird A9028R30NF天线，天线的增益为8dbi，真偶极子天线的典型增益为2dbi，阅读器采用Impinj R420，发射功率为10mW～32.5mW、频率为920～925MHz。

所述步骤三中，计算商品标签之间的距离向量时，首先建立一个天线移动模型来描述处在不同位置时天线的方向与距离的关系，为提高精度，在天线移动应限定在一定范围内，定义移动范围的上届为其中Y是天线和标签的垂直距离，又因为小于半波长时信号已不可分辨，因此天线移动距离(r)的下界为即，因此，为满足这些条件，我们往返移动天线，即穿梭往返天线；

假设，O为天线的初始位置，T为在(x,Y)位置的固定标签，T到O的距离为d，角度为∝，A为穿梭往返天线，标签T的位置向量为：

$\stackrel{\→}{OT}=(d\·\cos \mathrm{\α},d\·\sin \mathrm{\α})=(x,Y)$

假设，A在最大范围R内沿着纵轴移动，A的位移在(-R,R)内周期性的随着t变化，用正弦函数来简单模拟A的位移，故而，A的位置向量可以表示为：

$\stackrel{\→}{OA}=(0,R\·\sin t)$

从天线到标签的距离向量为

$\stackrel{\→}{AT}=\stackrel{\→}{OT}-\stackrel{\→}{OA}=(x,Y)-(0,R\·\sin t)=(x,Y-R\·\sin t).$

所述步骤四中，计算IMR值由RSS值的积分表示：

$\begin{array}{c}{\∫}_0^{2\mathrm{\π}}RSS\left(t\right)dt={\∫}_0^{2\mathrm{\π}}\left(10\lg \right(M\·{\left(\frac{1}{x^2+(Y-R\sin t)}\right)}^2\left)\right)dt\\ =10{\∫}_0^{2\mathrm{\π}}\lg Mdt-20{\∫}_0^{2\mathrm{\π}}\lg (x^2+(Y-R\sin t\left)\right)dt\end{array}$

将上式中的sin t用θ替换，有：

$\begin{array}{c}\∫RSS\left(\mathrm{\θ}\right)d\mathrm{\θ}=10{\∫}_0^{2\mathrm{\π}}\lg Mdt-20{\∫}_0^{2\mathrm{\π}}\frac{\lg (x^2+(Y-R\sin t\left)\right)\·\cos tdt}{\cos t}\\ =10{\∫}_{-1}^1\lg Md\mathrm{\θ}-(20{\∫}_0^1\frac{\lg (x^2+(Y-R\mathrm{\θ}\left)\right)d\mathrm{\θ}}{\sqrt{1-{\mathrm{\θ}}^2}}+20{\∫}_{-1}^1\frac{\lg (x^2+(Y-R\mathrm{\θ}\left)\right)d\mathrm{\θ}}{\sqrt{1-{\mathrm{\θ}}^2}}\\ +2020{\∫}_{-1}^0\frac{\lg (x^2+(Y-R\mathrm{\θ}\left)\right)d\mathrm{\θ}}{\sqrt{1-{\mathrm{\θ}}^2}}\end{array}$

给定不同的x值，可以得到标签位置和IMR值的关系，当标签的到天线的垂直距离Y为常数时，它的IMR值同标签的水平距离x成反比，从而得出IMR值。

所述步骤五中，特定值为40cm。

与现有技术相比，本发明通过在商品上添加写入商品ID信息的被动式RFID标签，当顾客拿起商品A，再拿起关联商品C或拿起替代性产品R时，货架周围部署的RFID阅读器天线将采集商品在不同位置时散射的RSS，通过计算各商品标签散射的RSS值并求其差，可以得到二者之间的距离向量，再分别计算商品A与C或者A与R的IMR值，最后得出二者的IMR值的差，即可计算出两件商品之间的距离；当两件商品之间的距离小于特定值时，并由同一个人所拿起，则二者之间具有关联性；本发明采用多重抽样抵消了多径效应问题，提高了定位的精度，本发明在不需要对现有的RFID设备进行改造的情况下，首次用RFID定位技术解决实体商品关联性难以发掘的问题，可以简单、快速、准确的识别消费者购物行为。

附图说明

图1位本发明的流程图；

图2为本发明实施例中的天线运动模型图；

图3位本发明中不同位置下的标签IMR值参照图。

具体实施方式

参见图1，本发明包括以下步骤：

步骤一：对商品贴上被动式RFID标签，并利用RFID标签写入设备将商品ID信息写入RFID标签；

步骤二：在货架周围部署RFID阅读器天线，RFID阅读器天线采用Laird A9028R30NF天线，天线的增益为8dbi，真偶极子天线的典型增益为2dbi，阅读器采用Impinj R420，发射功率为10mW～32.5mW、频率为920～925MHz，RFID阅读器天线发射信号，并持续不断地收集被动式标签散射的RSS值，存储在数据库中；

步骤三：当顾客拿起商品A，再拿起关联商品C或拿起替代性产品R时，由于贴有被动式RFID标签的商品在不同位置时散射的RSS不同，通过计算各商品标签散射的RSS值并求其差，可以得到二者之间的距离向量；

步骤四：再分别计算商品A与C或者A与R的IMR值，再求出二者的IMR值的差，即可计算出两件商品之间的距离；

步骤五：当两件商品之间的距离小于40cm时，并由同一个人所拿起，则二者之间具有关联性。

实施例：

1、天线移动模型

与一个RSS值对应单个标签位置的传统RSS模型不同，CBID(Customer BehaviorIdentification：顾客行为识别)移动阅读器的天线并对标签的RSS进行多次采样。我们首先建立一个简单的天线移动模型来描述处在不同位置时天线的方向与距离的关系。

为提高精度，在天线移动应限定在一定范围内。定义移动范围的上届为其中Y是天线和标签的垂直距离，如图3所示。又因为小于半波长时信号已不可分辨，因此天线移动距离(r)的下界为即，因此，为满足这些条件，我们往返移动天线，即穿梭往返天线。

参见图1，其中O为天线的初始位置，T为在(x,Y)位置的固定标签。T到O的距离为d，角度为∝。A为穿梭往返天线。标签T的位置向量为：

$\stackrel{\→}{OT}=(d\·\cos \mathrm{\α},d\·\sin \mathrm{\α})=(x,Y)$

假设，A在最大范围R内沿着纵轴移动，A的位移在(-R,R)内周期性的随着t变化。我们用正弦函数来简单模拟A的位移。故而，A的位置向量可以表示为：

$\stackrel{\→}{OA}=(0,R\·\sin t)$

从天线到标签的距离向量为

$\stackrel{\→}{OT}=(d\·\cos \mathrm{\α},d\·\sin \mathrm{\α})=(x,Y).$

2、多维RSS加权

我们还使用了一种叫做IMR(Integration of Multi-RSS:多维RSS加权)的新的度量方式，作为标签位置的指纹。通过移动阅读器的天线，CBID在天线移动时收集特定标签的一组RSS值。的变化使得RSS的值多样化。因为

$RSS=10\log \left(\frac{P_{T_x}}{1mW}{T}_b{G_r}^2{G_t}^2{\left(\frac{\mathrm{\λ}}{4\mathrm{\π}d}\right)}^4\right)$

其中，

表示阅读器的发射功率，将其值设为32dbm；

G_r，G_t分别表示阅读器、标签的天线增益，这里使用的Laird A9028R30NF天线的G_r为8dbi，真偶极子天线的典型增益G_t为2dbi；

T_b表示反向散射的传输损耗，这里将其值设为1/3。

令则在t时刻，收到的来自标签的RSS可以表示为：

$\begin{array}{c}RSS\left(t\right)=10\lg (M\·\frac{1}{{\left|AT\right|}^4})=10\lg (M\·{\left(\frac{1}{\sqrt{x^2+(Y-R\sin t)}}\right)}^4)\\ =10\lg (M\·{\left(\frac{1}{x^2+(Y-R\sin t)}\right)}^2)\end{array}$

Y可以通过实际的部署测量。在实验中，我们设定穿梭往返天线与标签的距离为1m。于是上式中唯一未知的参数就是标签位置的横坐标x和时间t。IMR用于反映t和x，并用于采集标签位置。

CBID阅读器在完整的天线移动周期内收集特定标签的RSS值。标签的IMR指纹由RSS值的积分表示：

$\begin{array}{c}{\∫}_0^{2\mathrm{\π}}RSS\left(t\right)dt={\∫}_0^{2\mathrm{\π}}\left(10\lg \right(M\·{\left(\frac{1}{x^2+(Y-R\sin t)}\right)}^2\left)\right)dt\\ =10{\∫}_0^{2\mathrm{\π}}\lg Mdt-20{\∫}_0^{2\mathrm{\π}}\lg (x^2+(Y-R\sin t\left)\right)dt\end{array}$

将上式中的sin t用θ替换，有：

$\begin{array}{c}\∫RSS\left(\mathrm{\θ}\right)d\mathrm{\θ}=10{\∫}_0^{2\mathrm{\π}}\lg Mdt-20{\∫}_0^{2\mathrm{\π}}\frac{\lg (x^2+(Y-R\sin t\left)\right)\·\cos tdt}{\cos t}\\ =10{\∫}_{-1}^1\lg Md\mathrm{\θ}-(20{\∫}_0^1\frac{\lg (x^2+(Y-R\mathrm{\θ}\left)\right)d\mathrm{\θ}}{\sqrt{1-{\mathrm{\θ}}^2}}+20{\∫}_{-1}^1\frac{\lg (x^2+(Y-R\mathrm{\θ}\left)\right)d\mathrm{\θ}}{\sqrt{1-{\mathrm{\θ}}^2}}\\ +2020{\∫}_{-1}^0\frac{\lg (x^2+(Y-R\mathrm{\θ}\left)\right)d\mathrm{\θ}}{\sqrt{1-{\mathrm{\θ}}^2}}\end{array}$

给定不同的x值，可以得到标签位置和IMR指纹的关系。如图2所示。可以看出，当标签的到天线的垂直距离Y为常数时，它的IMR值同标签的水平距离x成反比。

参见图3，虚线框标出了阅读器的实际范围为0～10m时的振幅。

令S为从特定标签收到的信号向量。S被认为是多径信号MPS和噪声信号N的集合。因此，有S＝MPS+N。通常，我们认为噪声信号服从数学期望为0的标准正态分布。因此N的积分趋向于0。另一方面，多径效应可能改变RSS的值，在某些位置或角度增强RSS，在其他条件下减弱RSS。在本例中，我们在每个天线的位置采用穿梭往返天线模式和RSS值的集合，每个标签的多重抽样可以抵消多径效应。基于上述原因，基于IMR的定位方法优于传统的基于单RSS的定位方法。

Claims (5)

1.一种基于临近状态探测的商品关联性挖掘方法，其特征在于，包括以下步骤：

步骤一：对商品贴上被动式RFID标签，并利用RFID标签写入设备将商品ID信息写入RFID标签；

步骤二：在货架周围部署RFID阅读器天线，RFID阅读器天线发射信号，并持续不断地收集被动式标签散射的RSS值，存储在数据库中；

步骤三：当顾客拿起商品A，再拿起关联商品C或拿起替代性产品R时，由于贴有被动式RFID标签的商品在不同位置时散射的RSS不同，通过计算各商品标签散射的RSS值并求其差，可以得到二者之间的距离向量；

步骤四：再分别计算商品A与C或者A与R的IMR值，再求出二者的IMR值的差，即可计算出两件商品之间的距离；

步骤五：当两件商品之间的距离小于特定值时，并由同一个人所拿起，则二者之间具有关联性。

2.根据权利要求1所述的一种基于临近状态探测的商品关联性挖掘方法，其特征在于，所述步骤二中，RFID阅读器天线采用Laird A9028R30NF天线，天线的增益为8dbi，真偶极子天线的典型增益为2dbi，阅读器采用Impinj R420，发射功率为10mW～32.5mW、频率为920～925MHz。

3.根据权利要求1所述的一种基于临近状态探测的商品关联性挖掘方法，其特征在于，所述步骤三中，计算商品标签之间的距离向量时，首先建立一个天线移动模型来描述处在不同位置时天线的方向与距离的关系，为提高精度，在天线移动应限定在一定范围内，定义移动范围的上届为其中Y是天线和标签的垂直距离，又因为小于半波长时信号已不可分辨，因此天线移动距离(r)的下界为即，因此，为满足这些条件，我们往返移动天线，即穿梭往返天线；

假设，O为天线的初始位置，T为在(x,Y)位置的固定标签，T到O的距离为d，角度为∝，A为穿梭往返天线，标签T的位置向量为：

$\stackrel{\→}{OT}=(d\·\cos \mathrm{\α},d\·\sin \mathrm{\α})=(x,Y)$

假设，A在最大范围R内沿着纵轴移动，A的位移在(-R,R)内周期性的随着t变化，用正弦函数来简单模拟A的位移，故而，A的位置向量可以表示为：

$\stackrel{\→}{OA}=(0,R\·\sin t)$

从天线到标签的距离向量为

$\stackrel{\→}{AT}=\stackrel{\→}{OT}-\stackrel{\→}{OA}=(x,Y)-(0,R\·\sin t)=(x,Y-R\·\sin t).$

4.根据权利要求1所述的一种基于临近状态探测的商品关联性挖掘方法，其特征在于，所述步骤四中，计算IMR值由RSS值的积分表示：

$\begin{array}{c}{\∫}_0^{2\mathrm{\π}}RSS\left(t\right)dt={\∫}_0^{2\mathrm{\π}}\left(10\lg \right(M\·{\left(\frac{1}{x^2+(Y-R\sin t)}\right)}^2))dt\\ =10{\∫}_0^{2\mathrm{\π}}\lg Mdt-20{\∫}_0^{2\mathrm{\π}}\lg (x^2+(Y-R\sin t))dt\end{array}$

将上式中的sin t用θ替换，有：

$\begin{array}{c}\∫RSS\left(\mathrm{\θ}\right)d\mathrm{\θ}=10{\∫}_0^{2\mathrm{\π}}\lg Mdt-20{\∫}_0^{2\mathrm{\π}}\frac{\lg (x^2+(Y-R\sin t))\·\cos tdt}{\cos t}\\ =10{\∫}_{-1}^1\lg Md\mathrm{\θ}-(20{\∫}_0^1\frac{\lg (x^2+(Y-R\mathrm{\θ}))d\mathrm{\θ}}{\sqrt{1-{\mathrm{\θ}}^2}}+20{\∫}_{-1}^1\frac{\lg (x^2+(Y-R\mathrm{\θ}))d\mathrm{\θ}}{\sqrt{1-{\mathrm{\θ}}^2}})\\ +2020{\∫}_{-1}^0\frac{\lg (x^2+(Y-R\mathrm{\θ}))d\mathrm{\θ}}{\sqrt{1-{\mathrm{\θ}}^2}}\end{array}$

给定不同的x值，可以得到标签位置和IMR值的关系，当标签的到天线的垂直距离Y为常数时，它的IMR值同标签的水平距离x成反比，从而得出IMR值。

5.根据权利要求1所述的一种基于临近状态探测的商品关联性挖掘方法，其特征在于，所述步骤五中，特定值为40cm。