CN108989987B - 使用频繁客户端移动性模式确定客户端设备存在于场所中 - Google Patents
使用频繁客户端移动性模式确定客户端设备存在于场所中 Download PDFInfo
- Publication number
- CN108989987B CN108989987B CN201810586552.3A CN201810586552A CN108989987B CN 108989987 B CN108989987 B CN 108989987B CN 201810586552 A CN201810586552 A CN 201810586552A CN 108989987 B CN108989987 B CN 108989987B
- Authority
- CN
- China
- Prior art keywords
- client device
- mobility patterns
- frequent
- signal strength
- mobility
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/005—Discovery of network devices, e.g. terminals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0284—Relative positioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开涉及使用频繁客户端移动性模式确定客户端设备存在于场所中。一种示例方法包括:通过网络设备,从场所处无线网络中的多个接入点接收与和特定客户端设备相对应的特定时间戳相关联的多个信号强度值;基于与和特定客户端设备相对应的特定时间戳相关联的多个信号强度值来确定移动性模式;将与和特定客户端设备相对应的特定时间戳相关联的移动性模式、和与其他时间戳相关联的或与其他客户端设备相对应的移动性模式比较以识别一组频繁移动性模式;确定未关联客户端设备是否在阈值时间量内展现了阈值数目的频繁移动性模式;以及响应于未关联客户端设备在阈值时间量内展现了阈值数目的频繁移动性模式来确定未关联客户端设备存在于场所中。
Description
背景技术
存在分析通常涉及用于分析在公共场所和企业环境中用户流量模式的机制。基于分析,企业可以研发或改进客户参与的策略,以最大化盈利机遇、优化工作空间以及提升市场存在。
附图说明
以下详细描述参考附图,其中:
图1是用于使用频繁客户端移动性模式(frequent client mobility pattern)确定客户端设备存在于场所中的示例系统环境的框图;
图2A是在用于使用频繁客户端移动性模式确定客户端设备存在于场所中的网络设备处通过存在分析接收到的示例输入数据的框图;
图2B是从用于使用频繁客户端移动性模式确定客户端设备存在于场所中的输入数据所提取的示例移动性模式的框图;
图3是被用于使用频繁客户端移动性模式确定客户端设备存在于场所中的示例模型的框图;
图4是使用频繁客户端移动性模式确定客户端设备存在于场所中的示例过程的流程图;和
图5是用于使用频繁客户端移动性模式确定客户端设备存在于场所中的示例网络设备的框图。
具体实施方式
存在分析可以被实施在由网络设备所执行的网络应用中,该网络设备可以周期性地从无线网络中的接入点收集客户端设备的信号强度值,并且提供客户端设备的关于地理场所的存在信息(例如特定客户端设备是场所的路过设备还是访问者)。场所可以指一组接入点共同地为其提供无线网络服务的地理覆盖区域。路过客户端设备可以指在无线网络中的接入点附近检测到的客户端设备,但是该客户端设备的信号强度不够强到被分类作为存在于场所内。
在许多情形中,运行存在分析的网络设备基于由无线网络中的接入点从客户端设备接收到的信号的信号强度来静态地对客户端设备的存在信息分类。该静态分类对确定客户端设备的真实存在信息可能是不精确的。
在此所述的示例包括用于使用频繁客户端移动性模式确定客户端设备存在于场所中的方法。如果特定客户端设备在无线网络中的接入点附近内已经被检测到一段时间,则该方法可以基于由场所中的客户端设备所展现的频繁移动性模式来确定该特定客户端设备是在该场所内还是在该场所外。场所可以涉及由无线网络中的一组接入点(AP)服务的地理覆盖区域,例如商店、会议室、大厅区域等。周期性地,接入点可以报告每个接入点从客户端设备接收到的无线信号的信号强度值,以及每个客户端设备的关联状态。使用这些输入数据,运行存在分析的网络设备可以构建包括被关联客户端设备的移动性模式(或轨迹)的模型。这里,示例移动性模式可以是客户端设备的由具有给定时间戳的单个AP或多个AP所报告的接收信号强度指示(RSSI)值。接着,运行存在分析的网络设备可以使用闭合频繁集挖掘方法分析并选择由被关联客户端设备所展现的一组最频繁移动性模式。一旦模型被构建,则运行存在分析的网络设备可以将新客户端设备的移动性模式与模型中的模式匹配。如果新客户端设备显示来自模型的至少两个模式预定驻留时间量,则运行存在分析的网络设备可以确定新客户端设备存在于场所中。
图1是用于使用频繁客户端移动性模式确定客户端设备存在于场所中的示例系统环境的框图。图1包括部署有诸如AP1 120、AP2 125和AP3 130等多个接入点(AP)的示例场所100。该多个AP可以被连接到控制器或服务器170。在一些示例中,控制器或服务器170可以被远程定位并经由云基础设施被连接到多个AP。在其他示例中,控制器或服务器170可以被本地定位并经由有线和/或无线连接被连接到AP。此外,图1包括多个客户端设备,例如客户端1 140、客户端2 145、客户端3 150和客户端4 155。这些客户端设备中的一些客户端设备可以与由AP (例如AP1 120至AP3 130)服务的无线网络相关联。这些客户端设备中的一些客户端设备可以不与场所100中的任何AP相关联。此外,客户端设备140-155中的一些客户端设备可以存在于场所内,然而客户端设备140-155中的一些客户端设备可以存在于该场所的附近但是在该场所之外(例如在入口105之外但是被定位成非常靠近AP1 120)。此外,客户端设备140-155中的一些客户端设备可以不时地移动,然而客户端设备140-155中的一些客户端设备可以是不能移动的。
仅为了说明的目的,图1包括场所100的示例平面图布局。在这个示例中,在相应客户端设备穿过入口105移动到场所100中之后,场所100包括位于场所的每个侧边上的两个单独的货架(例如货架110)。货架110可以被用于向场所 100的客户显示货物。此外,场所100可以包括收银柜台115,在此客户可以对他们想要购买的货物付款结账。
注意在这个示例中,客户可以频繁地展现某些移动性模式或轨迹。例如,许多客户可以遵循如下移动轨迹:移动穿过场所100的单个入口(即入口105),在货架110的任一侧边上花费一些时间,然后到达收银柜台115以对他们已经选择的货物付款结账。为了检测存在于场所100内的客户端设备的这些频繁移动性模式(或轨迹),场所100中每个接入点可以周期性地报告从客户端设备接收到的无线信号的信号强度值,以及每个客户端设备的关联状态。
例如,在客户端1 140通过入口105刚进入场所100时,来自客户端1 140的无线信号可以同时由场所100中所有三个AP接收。具体地,AP1 120的第一无线电设备可以检测来自客户端1 140的RSSI值-63,并且AP1 120的第二无线电设备可以检测来自客户端1 140的RSSI值-83。接着,AP1 120将确定与所检测到的RSSI 值相对应的信号强度值。例如,RSSI值-63落入[-60,-65]波段内,而RSSI值-83落入[-80,-85]波段内。随后,AP1 120可以报告客户端1 120的如由其两个无线电设备所检测到的移动性模式。在给定的示例中,由AP1120所报告的移动性模式包括{AP1_R1=[-60,-65],AP1_R2=[-80,-85])}。类似地,AP2125可以报告客户端1 140的移动性模式为{AP2_R1=[-80,-85]},并且AP3 130可以报告客户端1 140的移动性模式为{AP3_R1=[-70,-75]}。注意,虽然RSSI被用在以上示例中,但是运行存在分析的网络设备可以使用任何信号强度度量,包括但不限于信噪比(SNR)、有效各向同性辐射功率(EIRP)等。
在控制器或服务器170接收客户端1 140的由AP1 120至AP3 130所报告的移动性模式时,控制器或服务器170可以基于它们的时间戳来聚合这些移动性模式。具体地,控制器或服务器170可以将相同客户端设备的在相同时间戳处但是由相同场所中的不同AP所报告的移动性模式组合为单个移动性模式。在以上示例中,控制器或服务器170可以将客户端1 140的移动性模式组合为移动性模式160 {AP1_R1=[-60,-65],AP1_R2=[-80,-85],AP2_R1=[-80,-85],AP3_R1=[-70,-75]}。
如果客户端1 140随后与场所100中AP中的一个AP相关联,则运行存在分析的网络设备可以确定客户端1 140存在于场所100内。如果确定相应客户端设备存在于场所100内,则运行存在分析的网络设备可以将相应客户端设备的所收集到的移动性模式作为输入数据来添加以构建和/或更新模型。在一些示例中,如果与相应客户端设备相对应的驻留时间大于阈值时间量(例如5分钟),则确定相应客户端设备被定位在场所内。这里,驻留时间可以指在由场所中的任何AP第一次和最后一次检测到相应客户端设备的时刻之间的时间差。
图2A是在用于使用频繁客户端移动性模式确定客户端设备存在于场所中的网络设备处通过存在分析接收到的示例输入数据的框图。在该示例中,输入数据 200包括从AP1210、AP2 220和AP3 230接收到的数据,并且每个AP具有两个不同的无线电设备(例如AP1210具有R1 212和R2 214;AP2 220具有R1 222 和R2 224;AP3 230具有R1 232和R2 234)。此外,客户端ID 240识别客户端设备,该客户端设备的无线信号强度值由无线网络中的AP报告。此外,时间戳250 指示无线网络中的AP报告从客户端设备接收到的无线信号的信号强度值的时刻。进一步,被关联260是指示了客户端设备当前是否与无线网络相关联的字段。
可以存在对输入数据200执行的多层级数据过滤和数据操纵。具体地,输入数据200可以被处理以过滤数据集。例如,如果特定记录已经丢失来自所有三个 AP的值,则该记录可以从输入数据200被移除。作为另一示例,可以基于客户端设备是否与无线网络相关联或未关联来过滤输入数据200以创建不同的输入数据集。
此外,输入数据200可以被处理以移除离群值(outliers)。例如,系统可以移除任何单个无线电设备记录或者在相同AP上看到的两个无线电设备记录。单个无线电设备记录的移除帮助避免在模型中考虑离群模式,原因在于被定位在角落中或者门道附近的AP可以听到可能在场所之外的客户端设备。
图2A中的示例输入数据200包括三个记录。第一记录示出了由AP1 210的 R1 212和R2 214、AP2 220的R2 224、以及AP3 230的R1 232在时间戳1478564238 处检测到的与无线网络相关联的具有ID号4的客户端设备。第二记录示出了由 AP1 210的R2 214、AP2 220的R1 222和R2 224以及AP3 230的R2 234在时间戳1478564298处检测到的与无线网络相关联的具有ID号4的客户端设备。第三记录示出了由AP1 210的R1 212、AP2 220的R2 224以及AP3 230的R1 232在时间戳1478564298处检测到的与无线网络相关联的具有ID号5的客户端设备。
每个无线电设备基于从客户端设备接收到的信号的RSSI值来报告RSSI值波段。例如,如果来自客户端设备的信号的RSSI是-63,则波段[-60,-65]被报告并且被包括在输入数据200中。波段[-60,-65]表示所报告的RSSI值落在-60和-65之间。在每个波段中间隔5允许客户端设备和AP之间的距离的精确确定。同时,也允许由无线网络中的客户端设备所展现的频繁普通移动性模式(frequent common mobility pattern)的识别。在客户端设备沿着场所中的相同轨迹移动时,客户端设备的由AP检测到的信号可以使用具有间隔5的信号强度波段来展现相同的移动性模式。
图2B是从用于使用频繁客户端移动性模式确定客户端设备存在于场所中的输入数据200所提取的示例移动性模式270的框图。具体地,图2B列出了示例客户端设备280和它们的移动性模式290。例如,客户端1示出了在不同时间戳处的四个不同移动性模式。在模式1中,来自客户端1的信号在第一时间戳处被接收并且由AP1的R1报告为[-60,-65],由AP1的R2报告为[-80,-85],由AP2的R1报告为[-80,-85],以及由AP3的R1报告为[-70,-75]。在模式2中,来自客户端1的信号在第二时间戳处被接收并且由AP3的R1报告为[-80,-85]以及由AP3的R2报告为[-70,-75]。在模式3中,来自客户端1的信号在第三时间戳处被接收并且由AP2的R1报告为[-65,-70],由AP2的R2报告为[-95,-100]以及由AP3的R1报告为[-75,-80]。在模式4中,来自客户端1的信号在第四时间戳处被接收并且由AP1 的R1报告为[-65,-70],由AP2的R1报告为[-55,-60],由AP2的R2报告为[-90,-95],由AP3的R1报告为[-70,-75]以及由AP3的R2报告为[-90,-95]。类似地,客户端2 示出了在两个不同时间戳处的两个不同移动性模式;客户端3示出了在三个不同时间戳处的三个不同移动性模式;以及客户端4示出了在六个不同时间戳处的六个不同移动性模式。
接着,通过将在不同时间戳处收集到的与不同客户端设备相对应的移动性模式比较,系统可以确定在所有移动性模式290之中出现多于一次的移动性模式的子集。例如,客户端1的模式1和客户端3的模式1是相同的移动性模式。此外,客户端1的模式3、客户端3的模式2以及客户端4的模式4是相同的移动性模式。而且,客户端1的模式4和客户端4的模式2是相同的移动性模式。进一步,客户端2的模式1、客户端4的模式1和模式5是相同的移动性模式。这里,假设所有四个客户端设备与无线网络相关联。因此,系统可以生成由被关联客户端设备所展现的一组频繁移动性模式。例如,频繁移动性模式可以包括客户端设备的其计数多于预定计数(例如出现多于一次)的移动性模式轨迹。
图3是被用于使用频繁客户端移动性模式确定客户端设备存在于场所中的示例模型的框图。模型300包括通过分析图2中的输入数据200生成的四个频繁移动性模式310-340。具体地,频繁移动性模式310被展现为客户端1的模式1和客户端3的模式1。此外,频繁移动性模式320被展现为客户端1的模式3、客户端 3的模式2以及客户端4的模式4。再者,频繁移动性模式330被展现为客户端2 的模式1、客户端4的模式1和模式5。进一步,频繁移动性模式340被展现为客户端1的模式4和客户端4的模式2。
在一些示例中,系统使用从移动客户端设备收集到的数据来构建模型。通过包括移动客户端设备,系统能够移除可能使频繁移动性模式的分布偏移的静态客户端设备。这些静态客户端设备可以是在收银柜台或安保设备处的台式计算机。在这些情形中,移动客户端设备可以基于哪个无线电设备在给定时间戳处检测到来自客户端设备的最大RSSI值来确定。例如,根据图2B中的移动性模式290, AP1的R1是在第一时间戳处检测到最大RSSI值[-60,-65]的无线电设备;AP3的 R2是在第二时间戳处检测到最大RSSI值[-70,-75]的无线电设备;AP2的R1是在第三时间戳处检测到最大RSSI值[-65,-70]的无线电设备;以及AP2的R1是在第四时间戳处检测到最大RSSI值[-55,-60]的无线电设备。因此,在这些移动性模式被报告的周期期间,检测到来自客户端1的最大信号强度的无线电设备已经从AP1 的R1改变为AP3的R2,随后改变为AP2的R1。在检测到来自特定客户端设备的最大信号强度的无线电设备中的这种连续改变指示特定客户端设备是移动客户端设备。因此,如果检测到最大信号强度的无线电设备在预定时间段期间已经改变了阈值次数,则系统可以确定特定客户端设备正在移动。例如,如果检测到来自客户端设备的最大RSSI的无线电设备在输入数据中的10个连续记录中改变超过3次,则相应客户端设备被确定是移动客户端设备。结果,输入数据中相应客户端设备的记录被用于闭合频繁移动性模式数据挖掘方法。
在一些示例中,系统可以从输入数据(例如图2A 中的输入数据200)中的每行查找最大RSSI值并且确定与最大RSSI值相对应的无线电设备名称。接着,系统可以将最大RSSI值和最大RSSI检测无线电设备添加到输入数据作为新度量。随后,系统可以过滤每个客户端设备的记录并且计算其驻留时间。例如,如果来自该客户端设备的信号连续地被检测到至少10分钟并且客户端设备被确定为移动客户端设备,则系统可以将该客户端设备的记录添加到移动客户端设备的记录数据集。在过滤了客户端设备的记录之后,得到的移动客户端设备的记录数据集可以被用于构建模型。
在构建模型时,根据预定比例(例如,输入数据的80%属于训练数据集,而输入数据集的20%属于验证数据集),输入数据被划分成两个单独集,例如训练数据集和验证数据集。训练数据集可以被用于模型训练目的。另一方面,在模型被构建之后,验证数据集可以被用于验证该模型。
随后,系统可以将移动客户端设备的来自训练数据集的记录数据集转换成事务以使用FP闭合数据集挖掘方法计算最普通的移动性模式。FP闭合数据集挖掘方法挖掘了既被闭合又具有大于或等于最小支持度(minimum support)的频繁模式(FP)。这里,最小支持度可以由领域专家按照需求来确定。如果一组模式中无超集具有与原始模式相同的支持度计数,则该模式在该组模式中可以被称作是“闭合的”。FP闭合数据集挖掘方法可以高效地找到闭合频繁集。闭合频繁集可以从频繁移动性模式集中移除冗余移动性模式。因此,在模型中获得的频繁移动性模式是唯一的。
在一些示例中,频繁移动性模式310-34可以使用闭合频繁集挖掘方法来获得。这里,闭合频繁集被定义为既被闭合又支持度大于或等于最小支持度(也已知为“最小支持度阈值(minsup)”)的频繁项集。如果具有与原始项集相同的支持度计数的超集不存在,则该项集在数据集中是闭合的。为了识别闭合频繁集,系统首先可以识别所有频繁项集。接着,从该类频繁项集,系统可以通过查看是否存在具有与频繁项集相同支持度的超集来找到闭合的那些频繁项集。如果存在,则该项集被取消。然而,如果无法找到超集,则该项集被确定是闭合的。在一些示例中,系统可以首先识别闭合项集,并随后使用最小支持度阈值来确定哪些闭合项集是频繁的。
闭合频繁项集和最大频繁项集可以是频繁项集的子集,而最大频繁项集是更紧凑的表达,原因在于该最大频繁项集是闭合频繁项集的子集。闭合频繁项集在此被用于说明目的,但是其他替代(例如,最大频繁项集)同样也可以被用在数据挖掘方法中。
一旦模型被构建,则系统可以将新客户端设备的移动性模式与模型中已有的频繁移动性模式匹配。如果至少两个模式得到匹配,则系统可以确定新客户端设备的驻留时间,匹配的移动性模式在该驻留时间期间被展现。驻留时间可以指在由网络中的任何AP第一次和最后一次检测到客户端设备的时刻之间的时间差。如果驻留时间大于预定阈值(例如,5分钟),则系统可以确定新客户端设备被定位在场所内。
在模型被构建之后,系统可以进一步验证已构建模型的有效性。如前所述,输入数据的某一比例被用于验证目的。为了验证该模型,系统可以使用如上所述的相同机制(例如,通过确定检测到来自客户端设备的信号的最大RSSI的无线电设备是否随时间改变)首先在验证数据集中找到移动客户端设备。随后,系统可以将每个移动客户端设备的移动性模式与模型中的频繁移动性模式匹配。如果由移动客户端设备所展现的至少两个移动性模式与模型中的频繁移动性模式匹配,并且如果移动客户端设备的驻留时间大于预定时间段(例如,5分钟),则该移动客户端设备可以被分类为在场所内。如果在验证集中客户端设备的移动性模式的阈值百分比(例如,60%)与模型中的频繁移动性模式匹配,则已构建模型被认为已经被验证。
下面的表格1示出了示例验证结果。
表格1
在这个示例中,来自验证数据集的被关联客户端设备的移动性模式有86.2%与训练数据集中的频繁移动性模式匹配,这验证了所选择支持度0.1是良好的。
使用频繁客户端移动性模式确定客户端设备存在于场所中的过程
图4是使用频繁客户端移动性模式确定客户端设备存在于场所中的示例方法 (例如,过程)的流程图。在操作期间,网络设备(例如,服务器或控制器)可以从场所处无线网络中的多个接入点接收与和特定客户端设备相对应的特定时间戳相关联的多个信号强度值(操作410)。接着,网络设备可以基于与和特定客户端设备相对应的特定时间戳相关联的多个信号强度值确定移动性模式(操作420)。随后,网络设备可以将与和特定客户端设备相对应的特定时间戳相关联的移动性模式、和与其他时间戳相关联的或者与其他客户端设备相对应的移动性模式比较以识别一组频繁移动性模式(操作430)。进一步,网络设备可以确定未关联客户端设备在阈值时间量内是否展现了预定数目的频繁移动性模式(操作440)。此外,网络设备可以响应于未关联客户端设备在阈值时间量内展现了阈值数目的频繁移动性模式来确定未关联客户端设备存在于场所中(操作450)。
在一些实施方式中,网络设备可以指包括能够在客户端设备和计算机网络之间建立连接的硬件或者硬件与软件的组合的网络控制器。在一些实施方式中,网络设备可以指包括可以处理和/或显示网络相关信息的硬件或者硬件与软件的组合的服务器计算设备(例如,预置服务器,私用、公用或混合云服务器)。例如,从接入点发送的与客户端设备相对应的信号强度值可以在网络控制器处被接收。网络控制器然后可以分析接收到的信息以确定客户端设备是否存在于场所中。在另一示例中,从接入点发送的与客户端设备相对应的信号强度值可以在服务器计算设备处被接收,该服务器计算设备然后可以分析接收到的信息以确定客户端设备是否存在于场所中。
在一些示例中,移动性模式包括多个信号强度值,然而每个信号强度值可以在特定时间戳处由无线网络中的特定接入点的特定无线电设备来报告。在一些示例中,每个信号强度值包括接收信号强度指示(RSSI)值的非重叠范围。
在一些示例中,该组频繁移动性模式在与和无线网络中的不同客户端设备相对应的不同时间戳相关联的移动性模式之中出现多于预定次数。
在一些示例中,阈值时间量包括驻留时间,该驻留时间指示了在由无线网络中的任何接入点第一次和最后一次检测到特定客户端设备的时刻之间的时间差。
在一些示例中,网络设备可以响应于在检测到与未关联客户端设备相对应的最大信号强度值的接入点无线电设备中在预定时间段内阈值次数的改变,来进一步确定该未关联客户端设备正在移动。此外,网络设备可以使用闭合频繁集挖掘方法来构建包括该组频繁移动性模式的模型。此后,网络设备可以响应于大多数移动客户端设备在预定驻留时间期间匹配至少两个频繁移动性模式来验证该模型。
用于使用频繁客户端移动性模式确定客户端设备存在于场所中的网络设备
如在此所使用的,网络设备可以至少部分地由硬件和程序的组合来实施。例如,硬件可以包括至少一个处理器(例如,处理器510)并且程序可以包括存储在至少一个机器可读存储介质(例如,520)上的可由一个或多个处理器执行的指令。此外,网络设备也可以包括嵌入式存储器以及可以在主机系统中被执行并用作嵌入式存储器的驱动器的软件。如在此所使用的,“处理器”可以是中央处理单元 (CPU)、基于半导体的微处理器、图形处理单元(GPU)、配置为检索并执行指令的现场可编程门阵列(FPGA)、适用于检索并执行存储在机器可读存储介质上的指令的其他电子电路中的至少一种,或者它们的组合。
至少一个处理器510可以获取、解码并执行存储在存储介质520上的指令以执行以下关于指令530-580所述的功能。在其他示例中,存储介质520中的任何指令的功能可以以电子电路的形式、以编码在机器可读存储介质上的可执行指令的形式或者它们的组合来实施。存储介质可以被定位在用于执行机器可读指令的计算设备中,或者被定位成远离该计算设备但是可以(例如经由计算机网络)由该计算设备访问以执行。在图5的示例中,存储介质520可以通过一个机器可读存储介质或者多个机器可读存储介质来实施。
虽然网络设备500包括至少一个处理器510和机器可读存储介质520,但是该网络设备500也可以包括其他合适的组件,例如附加处理组件(例如,一个或多个处理器、一个或多个ASIC等)、存储设备(例如,一个或多个存储驱动器等)、或者它们的组合。
如在此所使用的,“机器可读存储介质”可以是用于包含或存储诸如可执行指令、数据等信息的任何电、磁、光或其他物理存储装置。例如,在此所述的任何机器可读存储介质可以是任何随机存取存储器(RAM)、易失性存储器、非易失性存储器、快闪存储器、存储驱动器(例如,硬盘驱动器)、固态驱动器、任何类型存储盘(例如小型盘、DVD等)等,或者它们的组合。进一步,在此所述的任何机器可读存储介质可以是非暂时性的。在此所述的示例中,机器可读存储介质或媒介可以是物品(或制品)的一部分。物品或制品可以指任何被制造的单个组件或多个组件。
具体地,指令530-580可以由处理器510执行以:从场所处无线网络中的多个接入点接收与和特定客户端设备相对应的特定时间戳相关联的多个信号强度值;基于与和特定客户端设备相对应的特定时间戳相关联的多个信号强度值来确定移动性模式;将与和特定客户端设备相对应的特定时间戳相关联的移动性模式、和与其他时间戳相关联的或与其他客户端设备相对应的移动性模式比较以识别一组频繁移动性模式;确定未关联客户端设备在阈值时间量内是否展现了预定数目的频繁移动性模式;响应于未关联客户端设备在阈值时间量内展现了阈值数目的频繁移动性模式,确定未关联客户端设备存在于场所中;响应于在检测到与未关联客户端设备相对应的最大信号强度值的接入点无线电设备中在预定时间段内阈值次数的改变,确定未关联客户端设备正在移动;使用闭合频繁集挖掘方法来构建包括该组频繁移动性模式的模型;响应于大多数移动客户端设备在预定驻留时间期间匹配至少两个频繁移动性模式,验证模型;等。
Claims (18)
1.一种用于管理客户端设备的方法,包括:
通过网络设备,从场所处无线网络中的多个接入点接收与和特定客户端设备相对应的特定时间戳相关联的多个信号强度值;
通过所述网络设备,基于与和所述特定客户端设备相对应的所述特定时间戳相关联的所述多个信号强度值来确定移动性模式,其中所述移动性模式包括所述多个信号强度值所对应的信号强度值的区间;
通过所述网络设备,将与和所述特定客户端设备相对应的所述特定时间戳相关联的所述移动性模式、和与其他时间戳相关联的或与其他客户端设备相对应的移动性模式比较,以识别一组频繁移动性模式,其中所述一组频繁移动性模式包括在与和所述无线网络中不同客户端设备相对应的不同时间戳相关联的移动性模式之中出现多于预定次数的移动性模式;
通过所述网络设备,确定未关联客户端设备是否在阈值时间量内展现了阈值数目的频繁移动性模式;以及
通过所述网络设备,响应于所述未关联客户端设备在所述阈值时间量内展现了所述阈值数目的所述频繁移动性模式来确定所述未关联客户端设备存在于所述场所中。
2.根据权利要求1所述的方法,其中每个信号强度值在所述特定时间戳处由所述无线网络中的特定接入点的特定无线电设备报告。
3.根据权利要求2所述的方法,其中每个信号强度值包括接收信号强度指示RSSI值的非重叠范围。
4.根据权利要求1所述的方法,其中所述阈值时间量包括驻留时间,所述驻留时间指示了在由所述无线网络中的任何接入点第一次和最后一次检测到所述特定客户端设备的时刻之间的时间差。
5.根据权利要求1所述的方法,进一步包括:
响应于在检测到与所述未关联客户端设备相对应的最大信号强度值的接入点无线电设备中在预定时间段内阈值次数的改变,确定所述未关联客户端设备正在移动。
6.根据权利要求5所述的方法,进一步包括:
使用闭合频繁集挖掘方法来构建包括所述一组频繁移动性模式的模型。
7.根据权利要求6所述的方法,进一步包括:
响应于大多数移动客户端设备在预定驻留时间期间匹配至少两个频繁移动性模式来验证所述模型。
8.一种网络设备,至少包括:
存储器;
处理器,用于执行来自所述存储器的指令以:
从无线网络中的多个接入点接收包括与和场所处多个客户端设备相对应的多个时间戳相关联的多个信号强度值的输入数据;
针对所述多个客户端设备中的特定客户端设备,通过将与和所述特定客户端设备相对应的特定时间戳相关联的所述多个信号强度值分组在一起,来生成多个移动性模式中的特定移动性模式,其中所述多个移动性模式中的每个移动性模式包括所述多个信号强度值所对应的信号强度值的区间;
通过对每个相应移动性模式出现次数计数来从所述多个移动性模式识别一组频繁移动性模式,并且在所述出现次数超过预定值的情况下选择所述相应移动性模式作为所述一组频繁移动性模式的一部分,其中所述一组频繁移动性模式包括在与和所述无线网络中的不同客户端设备相对应的不同时间戳相关联的移动性模式之中出现多于两次的移动性模式;
确定未关联客户端设备在阈值时间量内是否展现了阈值数目的频繁移动性模式;以及
响应于所述未关联客户端设备在所述阈值时间量内展现了所述阈值数目的所述频繁移动性模式来确定所述未关联客户端设备存在于所述场所中。
9.根据权利要求8所述的网络设备,其中每个信号强度值在特定时间戳处由所述无线网络中的特定接入点的特定无线电设备报告。
10.根据权利要求9所述的网络设备,其中每个信号强度值包括接收信号强度指示RSSI值的非重叠范围。
11.根据权利要求8所述的网络设备,其中所述阈值时间量包括驻留时间,所述驻留时间指示了在由所述无线网络中的任何接入点第一次和最后一次检测到所述特定客户端设备的时刻之间的时间差。
12.根据权利要求8所述的网络设备,其中所述处理器进一步执行来自所述存储器的指令以:
响应于在检测到与所述未关联客户端设备相对应的最大信号强度值的接入点无线电设备中在预定时间段内阈值次数的改变,确定所述未关联客户端设备正在移动。
13.根据权利要求12所述的网络设备,其中所述处理器进一步执行来自所述存储器的指令以:
使用闭合频繁集挖掘方法来构建包括所述一组频繁移动性模式的模型。
14.根据权利要求13所述的网络设备,其中所述处理器进一步执行来自所述存储器的指令以:
响应于大多数移动客户端设备在预定驻留时间期间匹配至少两个频繁移动性模式来验证所述模型。
15.一种编码有能够由网络设备的至少一个处理器执行的指令的非暂时性机器可读存储介质,所述机器可读存储介质包括指令用于:
从场所处无线网络中的多个接入点接收与多个客户端设备相对应的多个信号强度值;
针对所述多个客户端设备中的特定客户端设备,基于与所述特定客户端设备相对应的所述多个信号强度值来确定多个移动性模式中的特定移动性模式,其中所述多个移动性模式包括所述多个信号强度值所对应的信号强度值的区间;
从所述多个移动性模式识别一组频繁移动性模式,其中所述一组频繁移动性模式包括在与和所述无线网络中的不同客户端设备相对应的不同时间戳相关联的移动性模式之中出现多于预定次数的移动性模式;和
基于未关联客户端设备在阈值时间量内与阈值数目的频繁移动性模式匹配来确定所述未关联客户端设备存在于所述场所中。
16.根据权利要求15所述的非暂时性机器可读存储介质,其中每个信号强度值在特定时间戳处由所述无线网络中的特定接入点的特定无线电设备报告;并且其中每个信号强度值包括接收信号强度指示RSSI值的非重叠范围。
17.根据权利要求15所述的非暂时性机器可读存储介质,其中所述阈值时间量包括驻留时间,所述驻留时间指示了在由所述无线网络中的任何接入点第一次和最后一次检测到所述特定客户端设备的时刻之间的时间差。
18.根据权利要求15所述的非暂时性机器可读存储介质,其中所述机器可读存储介质进一步包括指令用于:
响应于在检测到与所述未关联客户端设备相对应的最大信号强度值的接入点无线电设备中在预定时间段内阈值次数的改变,确定所述未关联客户端设备在移动;
使用闭合频繁集挖掘方法来构建包括所述一组频繁移动性模式的模型;以及
响应于大多数移动客户端设备在预定驻留时间期间匹配至少两个频繁移动性模式来验证所述模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/614,129 | 2017-06-05 | ||
US15/614,129 US10327107B2 (en) | 2017-06-05 | 2017-06-05 | Determining that a client device presents in a site using frequent client mobility patterns |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108989987A CN108989987A (zh) | 2018-12-11 |
CN108989987B true CN108989987B (zh) | 2021-09-07 |
Family
ID=62684584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810586552.3A Active CN108989987B (zh) | 2017-06-05 | 2018-06-04 | 使用频繁客户端移动性模式确定客户端设备存在于场所中 |
Country Status (3)
Country | Link |
---|---|
US (2) | US10327107B2 (zh) |
EP (1) | EP3413601B1 (zh) |
CN (1) | CN108989987B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MX2020006223A (es) * | 2017-12-14 | 2020-11-18 | Abl Social Federation Gmbh | Tecnicas analiticas de ubicacion. |
US11023352B2 (en) * | 2018-01-19 | 2021-06-01 | Seagate Technology Llc | Wear mitigation in a data storage system through data migration |
US10667235B1 (en) * | 2019-03-22 | 2020-05-26 | Eric Yellin | Server and plurality of access points for locating and identifying a mobile device |
US11337091B2 (en) * | 2020-04-30 | 2022-05-17 | Google Llc | Determination of user presence and absence using WiFi connections |
CN113873441B (zh) * | 2020-06-30 | 2024-02-09 | 香港科技大学 | 接触者追踪的方法及相应的处理方法、系统、设备和介质 |
CN111935778B (zh) * | 2020-07-09 | 2022-09-16 | RealMe重庆移动通信有限公司 | 一种功率调节方法、装置、存储介质及网络设备 |
US20220248166A1 (en) * | 2021-02-01 | 2022-08-04 | Zenreach, Inc. | Machine-learning model for detecting a device within a venue |
US11381962B1 (en) | 2021-02-01 | 2022-07-05 | Adentro, Inc. | Integration of content distribution systems with device detection systems in physical venues |
US20230012348A1 (en) * | 2021-07-08 | 2023-01-12 | Zenreach, Inc. | Machine learning model for combining device presence data with physical venue transaction data |
US20230069840A1 (en) * | 2021-09-08 | 2023-03-09 | Zenreach, Inc. | Integration of digital history with visits to physical venues |
CN117440311A (zh) * | 2022-07-14 | 2024-01-23 | 北京三星通信技术研究有限公司 | 由第一节点执行的方法及相关设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104685505A (zh) * | 2012-10-19 | 2015-06-03 | 迈克菲公司 | 场所感知安全 |
CN105320709A (zh) * | 2014-08-05 | 2016-02-10 | 阿里巴巴集团控股有限公司 | 终端设备上的信息提示方法及装置 |
CN106028391A (zh) * | 2016-05-19 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 人流量统计方法及装置 |
WO2017043746A1 (ko) * | 2015-09-07 | 2017-03-16 | 에스케이플래닛 주식회사 | 비콘을 활용한 컨텐츠 정보 제공 서비스 방법 및 매장 출입 여부 판단 방법 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8600674B1 (en) * | 2007-08-15 | 2013-12-03 | University Of South Florida | Using pattern recognition in real-time LBS applications |
US8478290B2 (en) | 2009-09-21 | 2013-07-02 | Aeroscout, Ltd. | Method to reduce database load in real time location systems |
US8989789B2 (en) * | 2011-06-29 | 2015-03-24 | Broadcom Corporation | Terminal mobility state detection |
US20130226655A1 (en) * | 2012-02-29 | 2013-08-29 | BVI Networks, Inc. | Method and system for statistical analysis of customer movement and integration with other data |
US20130262184A1 (en) | 2012-03-30 | 2013-10-03 | Arbitron Inc. | Systems and Methods for Presence Detection and Linking to Media Exposure Data |
US9674655B2 (en) | 2013-01-03 | 2017-06-06 | Cinarra Systems | Methods and systems for dynamic detection of consumer venue walk-ins |
US9882955B2 (en) * | 2013-01-09 | 2018-01-30 | RetailNext, Inc. | Wireless analytics in physical spaces |
CN103970805B (zh) * | 2013-02-05 | 2018-01-09 | 日电(中国)有限公司 | 移动模式挖掘设备和方法 |
WO2014197497A2 (en) * | 2013-06-03 | 2014-12-11 | The Morey Corporation | Geospatial asset tracking systems, methods and apparatus for acquiring, manipulating and presenting telematic metadata |
US20160269984A1 (en) | 2013-12-12 | 2016-09-15 | Locality Systems Inc. | Proximity recognition system |
US9465746B2 (en) | 2014-01-24 | 2016-10-11 | International Business Machines Corporation | Diagnostics for transactional execution errors in reliable transactions |
US9456433B2 (en) * | 2014-04-25 | 2016-09-27 | Aruba Networks, Inc. | Method and system for client device localization |
US10698073B2 (en) | 2014-05-30 | 2020-06-30 | Apple Inc. | Wireless access point location estimation using collocated harvest data |
US9485746B2 (en) | 2014-06-03 | 2016-11-01 | Cisco Technology, Inc. | Location classification accuracy for devices inside and outside of a deployment area |
US20160189170A1 (en) * | 2014-12-29 | 2016-06-30 | International Business Machines Corporation | Recognizing Customers Requiring Assistance |
US9426627B1 (en) | 2015-04-21 | 2016-08-23 | Twin Harbor Labs, LLC | Queue information and prediction system |
US10476972B2 (en) * | 2015-04-23 | 2019-11-12 | Google Llc | User presence determination |
US9955359B2 (en) | 2015-05-19 | 2018-04-24 | Cisco Technology, Inc. | Location services with multiple devices |
US9747735B1 (en) * | 2015-06-05 | 2017-08-29 | Brivo Systems Llc | Pattern analytics and physical access control system method of operation |
US9699603B2 (en) | 2015-10-14 | 2017-07-04 | Cisco Technology, Inc. | Utilizing mobile wireless devices to analyze movement of crowds |
US10417648B2 (en) * | 2015-11-09 | 2019-09-17 | Industrial Technology Research Institute | System and computer readable medium for finding crowd movements |
US10140832B2 (en) * | 2016-01-26 | 2018-11-27 | Flir Systems, Inc. | Systems and methods for behavioral based alarms |
KR102496681B1 (ko) * | 2016-02-03 | 2023-02-07 | 한국전자통신연구원 | 선박 위치 검사 방법 및 장치 |
US10573144B2 (en) * | 2016-10-10 | 2020-02-25 | Netgear, Inc. | Changing topology in a wireless network |
GB2569516B (en) * | 2016-10-14 | 2022-02-23 | Walmart Apollo Llc | Apparatus and method for providing reminders |
-
2017
- 2017-06-05 US US15/614,129 patent/US10327107B2/en active Active
-
2018
- 2018-06-04 CN CN201810586552.3A patent/CN108989987B/zh active Active
- 2018-06-04 EP EP18175828.5A patent/EP3413601B1/en active Active
-
2019
- 2019-05-14 US US16/412,314 patent/US11082804B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104685505A (zh) * | 2012-10-19 | 2015-06-03 | 迈克菲公司 | 场所感知安全 |
CN105320709A (zh) * | 2014-08-05 | 2016-02-10 | 阿里巴巴集团控股有限公司 | 终端设备上的信息提示方法及装置 |
WO2017043746A1 (ko) * | 2015-09-07 | 2017-03-16 | 에스케이플래닛 주식회사 | 비콘을 활용한 컨텐츠 정보 제공 서비스 방법 및 매장 출입 여부 판단 방법 |
CN106028391A (zh) * | 2016-05-19 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 人流量统计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108989987A (zh) | 2018-12-11 |
US20190268727A1 (en) | 2019-08-29 |
EP3413601B1 (en) | 2020-04-29 |
US20180352384A1 (en) | 2018-12-06 |
US11082804B2 (en) | 2021-08-03 |
EP3413601A1 (en) | 2018-12-12 |
US10327107B2 (en) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108989987B (zh) | 使用频繁客户端移动性模式确定客户端设备存在于场所中 | |
US9628937B2 (en) | Detection of unauthorized wireless personal area network low energy devices | |
JP6742320B2 (ja) | 取引リスク検出方法及び装置 | |
Goldstein et al. | Histogram-based outlier score (hbos): A fast unsupervised anomaly detection algorithm | |
US20140249887A1 (en) | System for monitoring customers within retail premises | |
CN107330128B (zh) | 认证异常判断方法及装置 | |
CN111654823A (zh) | 一种信息推送的方法及装置 | |
CN109145127B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US9699603B2 (en) | Utilizing mobile wireless devices to analyze movement of crowds | |
WO2018040671A1 (zh) | 活动目标群组的分类方法和电子设备 | |
US10382882B2 (en) | Systems and methods for identifying merchant locations based on transaction records | |
US20170330206A1 (en) | Motion line processing system and motion line processing method | |
EP3002982A1 (en) | Method and system for tracking communication devices in a radio communication network in a facility | |
US10614436B1 (en) | Association of mobile device to retail transaction | |
US9087298B2 (en) | Inference of anomalous behavior of members of cohorts and associate actors related to the anomalous behavior based on divergent movement from the cohort context centroid | |
US20170132648A1 (en) | Anonymous reporting of multiple venue location data | |
CN111046360A (zh) | 一种基于人脸识别的客户信息管理方法和系统 | |
CN110831102A (zh) | 路径构建方法及系统 | |
US10846720B1 (en) | Systems and methods for creating pattern awareness and proximal deduction of wireless devices | |
JP7112236B2 (ja) | 情報処理装置 | |
US10944534B2 (en) | Identifying doorway access points | |
CN109800823A (zh) | 一种pos终端的聚类方法及装置 | |
Zhang et al. | SODIT: An innovative system for outlier detection using multiple localized thresholding and interactive feedback | |
US9608746B1 (en) | Detecting deviation in broadcasting device properties | |
US20220343342A1 (en) | On-premises positioning determination and analytics system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |