CN109644320B - 一种使用wi-fi探针检测公共场所人流量的方法 - Google Patents

一种使用wi-fi探针检测公共场所人流量的方法 Download PDF

Info

Publication number
CN109644320B
CN109644320B CN201780033645.7A CN201780033645A CN109644320B CN 109644320 B CN109644320 B CN 109644320B CN 201780033645 A CN201780033645 A CN 201780033645A CN 109644320 B CN109644320 B CN 109644320B
Authority
CN
China
Prior art keywords
detection
probe
data
mac address
pedestrian
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
Application number
CN201780033645.7A
Other languages
English (en)
Other versions
CN109644320A (zh
Inventor
杜豫川
岳劲松
仇越
暨育雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Publication of CN109644320A publication Critical patent/CN109644320A/zh
Application granted granted Critical
Publication of CN109644320B publication Critical patent/CN109644320B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • 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
    • G01S5/0278—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 involving statistical or probabilistic considerations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
    • G06M11/00—Counting of objects distributed at random, e.g. on a surface
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • 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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/10—Small scale networks; Flat hierarchical networks
    • H04W84/12—WLAN [Wireless Local Area Networks]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种使用WIFI探针检测公共场所内人流量的方法，通过比较WIFI探针的检索面积与公共场所各功能区域的面积，给出不同的探针布设方案，完成对移动设备MAC层信息的采集，并对检测结果进行多方面分析，得到行人在公共场所内的轨迹信息。

Description

一种使用WI-FI探针检测公共场所人流量的方法
技术领域
本发明属于WI-FI数据采集和行人流量检测技术领域，具体涉及一种使用WI-FI探针检测公共场所内人流量的方法。通过比较WI-FI探针的检测面积与公共场所各功能区域的面积，给出不同的探针布设方案，完成对移动设备MAC层信息的采集，并对检测结果进行多方面的分析，得到行人在公共场所内的轨迹信息。
背景技术
大型商场、交通枢纽、旅游度假区等场所经常出现大客流现象，尤其在客流高峰期，大量行人涌入主要道路，会造成一定的安全隐患，影响这些场所内的运营效率。因此，对道路行人流量的实时检测具有重要意义，根据检测结果科学估测实际人流量，可以为相应的安保人员提供可靠的人流量数据，从而适时采用合理的手段保证商场、交通枢纽及旅游度假区内的正常运作。目前关于人流量的检测手段也越来越多样化，根据检测技术的类别大致可以分为以下几类：
(1)人工调查法：人工调查是最为传统的客流计数方法，方法简单且可叠加人工判断标准。但由于其对调查人员要求较高，计数误差大，数据质量不高，调查后资料整理工作繁重，数据系统性不佳且无法提供实时数据，目前也不能满足交通需求的增长，在人流量较密集的场所实时难度较大，效率低下，
(2)闸机式客流计数：闸机是一种通道阻挡装置(通道管理设备)，用于管理人流并规范行人出入，主要应用于地铁闸机系统、收费检票闸机系统。其最基本最核心的功能是实现一次只通过一人，可用于各种收费、门禁场合的入口通道处。该方式成本较低，且数量精确度佳，但在服务人群多带有大量的行李包裹的情况下，该方式通过效率较低，在紧急情况下对行人的疏散造成阻碍，且不利于行动不便人士的出行。并且该方式检测人流数据仅为某一断面，需要布置多个断面才可掌握人流分布，占地面积较大。
(3)踏板式客流计数：压力板客流统计仪安装在检验区域的地面，行人经过时触发压力传感器信息得以被自动记录下来。该类仪器大致可以分为两类，一类是根据“人体踏抬步数据模型模式”进行计数和方向判断，另一类是根据“乘客脚踏轮廓”进行判断。该方法降低了对客流运行的影响且安装简单，但检测正确率低，且踩压系统部件容易损坏，可维护性较差。
(4)红外式客流计数：红外式客流计数可分为被动红外式客流计数和主动红外式客流计数。被动红外式客流计数采用的是可避免其他物体干扰的、仅能检测人体所发出的信号的热释红外线探头。有人通过的时候，红外传感器便可探测到由人体红外光谱所产生的某种变化，同时触发一个脉冲信号，然后根据脉冲信号个数来判断人数。主动红外式则是通过发射头发射定制波长红外线覆盖一定区域，并通过传感器检测到的乘客反射的光线识别乘客数量。主动红外式客流计数克服了被动红外式客流计数中受环境、光线影响的缺点，但由于它采用通过对脉冲个数进行简单的判断来确定人数，因而造成统计的准确度低，对多人同时通过的情况更是无法准确测定。并且，仅利用红外方式无法判别客流的方向，且检测设备成本较高，不宜于大范围使用。
(5)视频客流计数：视频客流计数可分为单目视频客流计数和双目视频客流计数。视频客流技术通过在关键通道内安装摄像头获取视频图像，利用图像处理计数如图像分割，人工神经网络、立体图像分析等捕获客流计数。但该方法起步较晚，技术尚未成熟。且实施成本、维护成本都较高，人流密集时难以解决人流个体分割问题因而精确度较低。
(6)WI-FI探针客流检测：WI-FI探针客流检测是通过在检测区域内部署WI-FI网络以获取开启WI-FI功能的移动设备的MAC地址，从而实现客流计数。基于WI-FI的客流统计方法操作简单，设备成本合理，受非视距因素影响小，灵活性高，能同时获取大量的统计数据，在密集客流下的人流统计中具有较大的优势。并且对探针获取的数据内容进行深入分析，可以得到人流停留时间、流线流向等特征数据。并且这种检测方法在后续操作支持云平台、数据应用可扩展至营销层。目前在大型商业区、旅游景点、游乐场所等场所应用广泛。
WI-FI探针技术：WI-FI探针可以探测到开启了WI-FI功能的移动设备的MAC地址，其原理包括：WI-FI是基于IEEE802.11a/b/g/n协议，在标准协议中，定义了无线接入点和客户端两种工作模式，协议中也规定了Beacon、Ack、Data和Probe等多种无线数据帧类型。当客户端连接到无线接入点时进行交互的就是数据帧和应答帧，同时无线接入点周期性的发送Beacon。当客户端没有连接到无线接入点上，客户端也会不断发送Probe帧到附近的无线接入点进行探测。而WI-FI探针就是基于各种无线数据帧来抓获附近客户端信息的无线接入点，它能截获一定范围内WI-FI打开了的移动客户端的MAC层信息，主要包括MAC地址、信号接收强度值、时间戳等。
但是，人工调查法、闸机计数法、踏板式计数法、红外式计数法以及视频计数法等都存在需要人力较多、设备昂贵且占地面积较大等缺点，而目前较为流行的基于WI-FI的客流检测方法又普遍存在以下问题：
(1)移动设备的唯一MAC地址被探针检测到的前提是移动设备的WI-FI需要是打开状态。而实际场景下人群中移动设备打开WI-FI的比例较低且未知。所以一般情况下WI-FI检测到的客流量与实际客流量差异较大，从检测量上看效果并不理想。
(2)移动设备发射出的无线探测信号在被探针捕获到的过程中存在多径现象与反射现象，而无线信号的多径现象与反射现象会使信号强度衰减，导致探针检测到的接收信号强度值(RSSI)有不同程度的衰减，情形严重时甚至检测不到。所以也会导致WI-FI的检测率较低。
(3)由于检测率较低的基本特征，导致不能直接使用检测结果对客流量进行统计。所以需要在检测量与实际量之间建立合适的预测模型，从而提高由检测值预测实际值的精度，同时也应满足行人流量不断波动情况下预测模型的高准确性。
(4)由于大部门的检测设备都布设在公共区域出入口处，所以一般只能得到客流的进出数据，无法还原人在整个公共场所内部各功能区域之间的流动情况，即轨迹信息。
而目前关于WI-FI客流统计方面的研究比较有限，主要集中在基于对接收信号强度值(RSSI)的精准研究探求室内行人的准确定位问题，以及在现有室内WI-FI系统下的包括客流密度、客流轨迹等特征参数的描述。对于如何有效提高WI-FI客流统计的检测率、如何布设WI-FI探针以达到较优的检测效果以及如何通过数据分析得到行人的轨迹信息等方面仍缺乏研究。
术语解释
为使本发明的描述更加准确清晰，现对本发明中会出现的各种术语作如下解释：
WI-FI探针：一种基于各种无线数据帧来抓获附近移动设备信息的无线接入点，它能截获一定范围内WI-FI打开了的移动客户端的MAC(Media Access Control)层信息，主要包括MAC地址、信号接收强度值、时间戳等；
检测区域：WI-FI探针所具备的有效检测面积，一般是以探针为圆心，50-100米为半径的球形区域；
功能区域：公共场所内提供不同功能的公共区域面积；
检测时段：使用WI-FI探针对道路行人进行检测时所使用的单位检测时间长度。行人移动设备：行人随身携带的具有WI-FI功能的电子设备，例如智能手机、手提电脑、IPAD等；
MAC地址：即Media Access Control地址，意译为媒体访问控制，是每个移动设备的物理地址、硬件地址、用来定义网络设备的位置。表现为一串唯一的由数字和字母组成的12位字符；
MAC地址原始数据：由WI-FI探针检测到的所有MAC地址数据条；
无效MAC地址数据：MAC地址原始数据中，不属于待研究道路范围内的MAC地址数据条；
有效MAC地址数据：MAC地址原始数据中，属于待研究道路范围内的MAC地址数据条；
检测人流量数据：同有效MAC地址数据；
估测人流量数据：根据检测人流量数据与实际人流量数据之间的函数模型，有检测人流量数据估测得到的实际人流量数据；
停留时长：某个MAC地址数据在某个功能区域内的停留时间长度；
轨迹重构：对某个移动设备MAC地址检测结果的分析，重构其在公共场所各功能区域之间的轨迹。
发明内容
本发明的目的在于，提供一种使用WI-FI探针检测公共场所内人流量的方法。具体检测手段是通过比较WI-FI探针的检测面积与公共场所各功能区域的面积，给出不同的探针布设方案，完成对移动设备MAC层信息的采集，并对检测结果进行多方面的分析，得到行人在公共场所内的轨迹信息。
使用WI-FI探针检测人流量时，本发明主要解决以下三个问题：
(1)由于公共场所内的功能区域的面积有大有小，因此根据功能区域的面积，确定所需的WI-FI探针个数是首先要解决的问题。当探针个数较多时，由于移动设备发射出的无线信号在传播过程中存在多径现象和反射现象，从而会导致探针捕获到的信号接受强度(RSSI)有不同程度的衰减，甚至无法被检测到。因此，本发明在探究多个探针的空间布局对无线信号的检测结果的影响的基础下，给出了多探针在功能区域内的布设方案，从而较大限度地减少无线信号的传播过程中多径现象和反射现象对检测结果的影响。
(2)WI-FI探针的有效检测范围是以设备为中心，一定长度为半径的球形区域。所以当检测区域大于功能区域面积时，待检测功能区域之外的移动设备也会被检测到从而导致检测结果中存在这些无效数据。所以，本发明需要设定科学的数据筛选标准来剔除这些无效数据，从而保证检测结果的可靠性。
(3)当行人流量变化时，无线信号的多径与反射的程度不同，导致在所给的数据筛选标准下的检测率也会随着人流量的变化而发生明显变化。本发明给出一个适用于人流量不断变化情况下的由检测量预测实际量的计算模型，从而提高预测精度。
(4)针对某个特定的MAC地址时，分析其在公共场所内各功能区域之间的轨迹信息，其中包括当存在同时有两个功能区域检测到某个MAC地址时，通过合理的分析方法给出该MAC地址实际经过各个功能区域的概率，从而在无法直观确定轨迹节点时给出各自的概率大小。
为解决以上问题，本发明采用的技术方案包括：
(1)使用多个WI-FI探针检测行人流量时，根据功能区域的几何特征，为尽可能保证更多的检测面积，以及考虑到布设探针的成本，给出较优的多探针布设方案。
(2)收集原始检测数据时，应取各个探针检测结果的并集，统计在某段时间段内检测到的移动设备MAC地址数目。
(3)为有效剔除无效干扰数据，需要设计预实验确定数据筛选的标准。预实验在待测行人道路上进行，保证多个探针的的布设形式与检测人流量时相同，在探针有效检测范围内，使用已知MAC地址的多个智能设备，并随意位移一段时间后，对探针检测到的MAC地址数据的接收信号强度值进行统计分析，确定所需检测范围内的接收信号强度最小值，作为数据筛选标准，用来排除所需检测范围以外区域内的行人移动设备MAC地址数据。
(4)由于行人流量不断变动，检测率也随之变化。本发明在确定人流预测模型时直接探讨行人检测值与实际值之间的关系，首先需要在使用探针检测人流量的同时，人工计数出实际人流量的大小，并通过设计实验和数据处理，给出多种确定实际人流量与检测人流量之间的函数关系，并由此函数关系根据检测值推算实际值，从而提高检测精度。
(5)在重构轨迹时，会发生某一时刻有两个相邻的功能区域都检测到了某个MAC地址数据，这时，需要根据现有的探针检测数据，给出该MAC地址在这一时刻属于每个功能区域的概率大小，从而便于后续分析。
在探究WI-FI探针在公共场所功能区域内的布设形式时，由于探针自身具有半径为r的检测区域，而功能区域一般可认为是长为a、宽为b的矩形，所以探针检测面积与功能区域面积存在大小关系，会直接影响到所需的探针个数及布设形式。因此，根据探针检测半径r与功能区域边长的大小关系，给出探针的三种布设方案，示意图如附图1所示：
1)当功能区域某边长小于探针检测半径，即a＜r或b＜r时，在功能区的中心处布设一个WI-FI探针；
2)当功能区域的一个边长远大于探针检测半径，即a＞＞r或b＞＞r时，沿功能区域的较长边布设一组WI-FI探针；
3)当功能区域的两个边长均远大于探针检测半径，即a＞＞r且b＞＞r时，沿功能区域的对角线布设一组WI-FI探针；
当功能区域某边长小于探针检测半径，即采用第一种探针布设方案时，因为探针检测区域有超出功能区域的部分，理论上会检测到功能区域之外的MAC地址数据，而这些数据由于不属于待研究的功能区域内，因为成为无效干扰数据。
在确定剔除无效干扰数据的标准时，本发明给出基于接收信号强度值的数据筛选方法：在给定检测场所的前提下，提供一种预实验，探究接收信号强度值(RSSI)与移动设备到探针之间距离的对应关系，从而根据实际测试场所的待检测区域的空间范围大小，确定相应的信号接收强度的最小值，作为数据筛选线，从原始数据中过滤掉待检测区域之外的干扰数据。
在对检测结果的分析中，需要统计每个功能区域内所有有效MAC地址数据的平均停留时长。若某个有效MAC地址只出现一次，则没有停留时长，不计入统计；若某个有效MAC地址出现多次，则停留时长为末次检测时刻与初次检测时刻之间的时间差。
在确定实际人流量与检测人流量之间函数关系时，本发明在检测人流量数据与实际人流量数据之间采用如下三种函数模型之一：
1)平均检测率模型：将各个检测时段内的检测人流量与对应的实际人流量的比值作为检测率，求出各个检测时段的检测率加权后的平均检测率，用来描述检测人流量与实际人流量之间关系；
2)分段检测率模型：以各个检测时段内的检测人流量数据为指标，将检测人流量数据划分为多个区间，求出每个区间内的检测率，从而建立各个区间内的检测人流量与检测率之间的关系；
3)三次样条插值模型：采用三次样条插值函数拟合各个检测时段内检测人流量与实际人流量之间的关系。
其中，当采用平均检测率模型，由各个检测时段的检测率加权后得到平均检测率时，具体的加权方法为：当检测时段1的实际人流量为V1，检测率为W1；检测时段2的实际人流量为V2，检测率为W2；……；检测时段n的实际人流量为Vn，检测率为Wn，则加权后的平均检测率为
Figure GPA0000261115450000101
其中，当采用三次样条插值模型时，本发明给出的三次样条插值函数S(x)中，有自然边界条件为0，即
S″(x0)＝0
S″(xn)＝0
本发明在使用WI-FI探针检测公共场所人流量时，采用的检测时段需要根据实际待检测的功能区域内行人特征而定，可以取10min、30min或1h，作为数据采集与统计的单位时间长度。
在重构行人轨迹时，若多个功能区域均能检测到某个MAC地址数据时，只需按照该MAC地址被检测到的时间先后顺序确定其轨迹；若某个MAC地址数据在某一时刻同时被相邻两个功能区域内的WI-FI探针检测到时，则根据这两个功能区域内估测人流量数据和平均停留时长计算出该MAC地址在这一时刻实际属于每个功能区域的概率，并分别给出两条行人轨迹的概率。其中，估测人流量数据是指由检测人流量数据通过函数模型计算得到的；平均停留时长是指在某个检测时段内多个有效MAC地址数据的停留时长的平均值，对于只有一次检测记录的有效MAC地址数据，计算平均停留时长时不予考虑。
基于估测人流量数据和平均停留时长，当某个MAC地址数据同时出现在两个功能区域的检测结果里，计算该MAC地址数据属于两个功能区域的概率的具体方法为：
1)分别将两个功能区域标记为A和B；
2)分别计算A和B在出现该MAC地址数据的检测时段内的估测人流量数据，分别记为QA和QB；计算A和B在出现该MAC地址数据的检测时段内的有效MAC地址的平均停留时长，分别记为TA和TB；
4b3)计算该MAC地址数据实际属于A的概率为
Figure GPA0000261115450000111
属于B的概率为
Figure GPA0000261115450000112
附图简要说明
图1为功能区域内探针布设方案示意图。基于探针检测半径与功能区域边长的大小关系，给出的三种探针布设方案。
图2为数据筛选预实验示意图。剔除无效数据的预实验中探针布设方案。
图3为数据筛选实验分析结果示意图。基于接收信号强度值的数据筛选标准中，对检测数据的分析方法。
图4为MAC地址原始数据的处理流程图。
图5为轨迹重构时，对相邻功能区同时检测到某个MAC地址时的轨迹概率分布计算示意图。
具体实施方式
本发明在探究WI-FI探针在公共场所功能区域内的布设形式时，由于探针自身具有半径为r的检测区域，而功能区域一般可认为是长为a、宽为b的矩形，所以探针检测面积与功能区域面积存在大小关系，会直接影响到所需的探针个数及布设形式。因此，根据探针检测半径r与功能区域边长的大小关系，给出探针的三种布设方案，如附图1所示：
方案一中，功能区域某边长小于探针检测半径，即a＜r或b＜r时，则在功能区的中心处布设一个WI-FI探针；
方案二中，功能区域的一个边长远大于探针检测半径，即a＞＞r或b＞＞r时，则沿功能区域的较长边布设一组WI-FI探针；
方案三中，功能区域的两个边长均远大于探针检测半径，即a＞＞r且b＞＞r时，则沿功能区域的对角线布设一组WI-FI探针；
本发明在方案三中采用沿矩形对角线布设探针的方式，是因为当人流量较大时，移动设备发射出的无线信号在传播过程中的多径、发射现象较明显，导致信号强度衰减严重。而将探针沿对角线布设，可以保证功能区域的中间区域和两侧区域均布设了探针，能有效分散信号接收点，更全面的接收来自功能区内侧和外侧的数据，即一定程度上减少了多径与反射现象造成的信号衰减；另一方面，沿对角线布设探针，可以保证探针在功能区域的两个边长方向上均有一定的距离，可以有效增大探针的整体有效检测区域，从而增加检测时间，有效降低移动设备在行人通过检测区域内却没有信号发出的概率，即增加了检测率。
本发明设计预实验确定基于接收信号强度值的数据筛选标准，预实验的具体内容为：三探针的布设形式如附图2所示，在以探针为圆心，以功能区域短边长度的二分之一为半径的区域内，使用多个打开WI-FI功能的移动设备模拟行人的运动，经过一段时间的检测后，统计各探针的检测结果。
本发明对预实验中得到的接收信号强度值数据进行分析如附图3，表明接收信号强度值服从正态分布，本发明取90％的置信区间确定最终的数据筛选线。在MAC地址原始数据中，接收信号强度值小于筛选线的MAC地址数据即认为是无效MAC地址数据。
如附图4所示，本发明给出对功能区域MAC地址原始数据的处理过程，从而得到有效MAC地址数据，并通过统计有效MAC地址数据的停留时长，计算得到该功能区域的平均停留时长。其中，当某个有效MAC地址数据在某个功能区域的探针检测结果中存在多条检测记录时，其停留时长为末次检测时刻与初次检测时刻的时间差；而该功能区域内有效MAC地址数据的平均停留时长为所有停留时长的算术平均值。
本发明给出采用平均检测率模型建立人流量实际值与检测值之间关系的方法，即由各个检测时段的检测率加权后得到平均检测率的具体的加权方法为：当检测时段1的实际人流量为V1，检测率为W1；检测时段2的实际人流量为V2，检测率为W2；……；检测时段n的实际人流量为Vn，检测率为Wn，则加权后的平均检测率为
Figure GPA0000261115450000131
本发明给出的建立三次样条插值函数拟合行人流量实际值与检测值之间的关系。具体方法如下：
本发明在实验中将得到n组数据，分别统计出各组数据中检测到的移动设备MAC地址数目记为x0、x1、…xn，对应于区间[x0，xn]上各个节点，同时人工计数出各个节点对应的实际人流量为y0、y1、…yn，即确定各节点处的对应关系为f(xn)＝yn。则可以按照以下步骤构造三次样条插值函数S(x)。
记hj＝xj-xj-1，S"(xj)＝Mj，则有
Figure GPA0000261115450000132
Figure GPA0000261115450000133
Figure GPA0000261115450000134
Figure GPA0000261115450000135
μjMj-1+2Mj+γjMj+1＝dj，j＝1，2...，n-1 (5)
其中式(5)中：
Figure GPA0000261115450000136
Figure GPA0000261115450000137
Figure GPA0000261115450000138
结合自然边界条件S″(x0)＝M0＝0和S″(xn)＝Mn＝0，(5)式可写成矩阵形式：
Figure GPA0000261115450000141
根据式(1)-(9)，三次样条插值函数可计算为如下形式：
Figure GPA0000261115450000142
本发明使用修正参数α对建立的检测人流量-实际人流量函数关系进行修正，修正参数α通过对单个移动设备多次反复经过某WI-FI检测区域的实验结果获得，实验中移动设备的WI-FI功能打开，并记录下移动设备的MAC地址、反复经过的次数等信息，并对实验结果作如下处理：
若该移动设备在探针的检测区域内经过N次，并且由探针检测结果里存在该移动设备的MAC地址n次，即检测到了n次，则认为WI-FI探针对打开了WI-FI功能的移动设备的检测率为α，且
Figure GPA0000261115450000143
则需要在最终的三次样条插值函数模型S(x)前除上修正参数α，即修正后的三次样条插值函数为S(x)′＝S(x)/α。
本发明使用修正参数β对建立的检测人流量-实际人流量函数关系进行修正，修正参数通过对待测道路上的行人进行问卷调查获得，问卷的主要内容是调查待测行人道路上行人随身携带的移动设备数目，具体修正方法为：
若问卷结果显示行人中随身携带两台移动设备的比例为a，则修正参数β＝1+a，则需要在最终的三次样条插值函数模型S(x)前乘上修正参数β，即修正后的三次样条插值函数为S(x)′＝S(x)·β。
如附图5所示，本发明在重构行人轨迹时，当某个MAC地址数据同时出现在两个功能区域的检测结果里，计算该MAC地址数据属于两个功能区域的概率的具体方法为：
1)分别将两个功能区域标记为A和B；
2)分别计算A和B在出现该MAC地址数据的检测时段内的估测人流量数据，分别记为QA和QB；计算A和B在出现该MAC地址数据的检测时段内的有效MAC地址的平均停留时长，分别记为TA和TB；
3)计算该MAC地址数据实际属于A的概率为
Figure GPA0000261115450000151
属于B的概率为
Figure GPA0000261115450000152

Claims (9)

1.一种使用WI-FI探针检测公共场所人流量的方法，包括如下步骤：
1)数据采集：在公共场所的各功能区域内，通过布设WI-FI探针获取其检测区域各个检测时段内行人移动设备的MAC地址原始数据；同时人工采集实际人流量数据；所述的功能区域是长为a，宽为b的矩形区域，所述的WI-FI探针的具体布设方式，根据探针检测半径r与功能区域边长的大小关系，采用如下三种探针布设方案之一作为拟定探针布设方案：
1a)当功能区域某边长小于探针检测半径，即a<r或b<r时，在功能区的中心处布设一个WI-FI探针；
1b)当功能区域的一个边长远大于探针检测半径，即a>>r或b>>r时，沿功能区域的较长边布设一组WI-FI探针；
1c)当功能区域的两个边长均远大于探针检测半径，沿功能区域的对角线布设一组WI-FI探针；
2)数据筛选：对所述的MAC地址原始数据进行基于接收信号强度值的筛选，剔除无效MAC地址数据，获得行人移动设备有效MAC地址数据，作为检测人流量数据，并记录每个检测人流量数据在功能区域内的停留时长；
3)数据处理：对所述的行人移动设备有效MAC地址数据，建立所述检测人流量数据与所述实际人流量数据之间的函数模型；
4)轨迹重构：对于在公共场所内经过不同功能区的行人，根据探针检测结果对其轨迹进行重构，采用以下两种方法之一重构行人轨迹：
4a)当多个功能区域均能检测到某个MAC地址数据时，只需按照该MAC地址被检测到的时间先后顺序确定其轨迹；
4b)当某个MAC地址数据在某一时刻同时被相邻两个功能区域内的WI-FI探针检测到时，根据这两个功能区域内估测人流量数据和平均停留时长计算出该MAC地址在这一时刻实际属于每个功能区域的概率，给出两条行人轨迹的概率。
2.如权利要求1所述的使用WI-FI探针检测公共场所人流量的方法，其特征在于，当拟定探针布设方案采用1a)时，步骤2)数据筛选中基于接收信号强度值的筛选方法为：通过设计预实验，找到对应于所述行人移动设备有效MAC地址数据的接收信号强度值的最小值，作为数据筛选的标准，将所述的MAC地址原始数据中接收信号强度值小于该标准的MAC地址数据剔除。
3.如权利要求1所述的使用WI-FI探针检测公共场所人流量的方法，其特征在于：步骤3)中所述的函数模型为以下三者之一：
3a)平均检测率模型：将各个检测时段内的检测人流量与对应的实际人流量的比值作为检测率，求出各个检测时段的检测率加权后的平均检测率，用来描述检测人流量与实际人流量之间关系；
3b)分段检测率模型：以各个检测时段内的检测人流量数据为指标，将检测人流量数据划分为多个区间，求出每个区间内的检测率，从而建立各个区间内的检测人流量与检测率之间的关系；
3c)三次样条插值模型：采用三次样条插值函数拟合各个检测时段内检测人流量与实际人流量之间的关系，且自然边界条件的取值为0。
4.如权利要求1所述的使用WI-FI探针检测公共场所人流量的方法，其特征在于：所述的检测时段根据实际功能区域内的人流量特征而定，所述的检测时段取10min、30min或1h。
5.如权利要求2所述的使用WI-FI探针检测公共场所人流量的方法，其特征在于：所述的基于接收信号强度值的数据筛选的预实验，具体做法为：在所述功能区域内，采用1a)为拟定探针布设方案，使用多个已知MAC地址的移动设备在以探针为圆心、以所述功能区域短边的一半为半径的区域内活动，并统计探针的检测结果。
6.如权利要求1所述的使用WI-FI探针检测公共场所人流量的方法，其特征在于：步骤2)中所述的停留时长是指每个有效MAC地址数据在某个功能区域内的首次检测与末次检测之间的时间差。
7.如权利要求1所述的使用WI-FI探针检测公共场所人流量的方法，其特征在于：当采用4b)重构行人轨迹时，所述的平均停留时长，是指在某个检测时段内多个有效MAC地址数据的停留时长的平均值；对于只有一次检测记录的有效MAC地址数据，计算平均停留时长时不予考虑。
8.如权利要求3所述的使用WI-FI探针检测公共场所人流量的方法，其特征在于：当采用3a)平均检测率模型，由各个检测时段的检测率加权后得到平均检测率时，具体的加权方法为：当检测时段1的实际人流量为V1，检测率为W1；检测时段2的实际人流量为V2，检测率为W2；……；检测时段n的实际人流量为Vn，检测率为Wn，则加权后的平均检测率为
Figure FDA0002598215120000031
。
9.如权利要求1至8之一所述的使用WI-FI探针检测公共场所人流量的方法，其特征在于：当采用4b)重构行人轨迹时，当某个MAC地址数据同时出现在两个功能区域的检测结果里，计算该MAC地址数据属于两个功能区域的概率的具体方法为：
4b1)分别将两个功能区域标记为A和B；
4b2)分别计算A和B在出现该MAC地址数据的检测时段内的估测人流量数据，分别记为QA和QB；计算A和B在出现该MAC地址数据的检测时段内的有效MAC地址的平均停留时长，分别记为TA和TB；
4b3)计算该MAC地址数据实际属于A的概率为
Figure FDA0002598215120000032
属于B的概率为
Figure FDA0002598215120000033
CN201780033645.7A 2016-12-30 2017-12-30 一种使用wi-fi探针检测公共场所人流量的方法 Active CN109644320B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
PCT/IB2016/058108 WO2018122588A1 (zh) 2016-12-30 2016-12-30 一种使用wi-fi探针检测行人流量的方法
IBPCT/IB2016/058108 2016-12-30
PCT/IB2017/058547 WO2018122817A1 (zh) 2016-12-30 2017-12-30 一种使用wi-fi探针检测公共场所人流量的方法

Publications (2)

Publication Number Publication Date
CN109644320A CN109644320A (zh) 2019-04-16
CN109644320B true CN109644320B (zh) 2020-12-11

Family

ID=59713469

Family Applications (4)

Application Number Title Priority Date Filing Date
CN201680086285.2A Active CN109716358B (zh) 2016-12-30 2016-12-30 一种使用wi-fi探针检测行人流量的方法
CN201780033645.7A Active CN109644320B (zh) 2016-12-30 2017-12-30 一种使用wi-fi探针检测公共场所人流量的方法
CN201780033651.2A Active CN109644360B (zh) 2016-12-30 2017-12-30 一种使用wi-fi探针判别行人流向的方法
CN201780033657.XA Active CN109479206B (zh) 2016-12-30 2017-12-30 一种使用wi-fi探针检测道路行人流量的方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201680086285.2A Active CN109716358B (zh) 2016-12-30 2016-12-30 一种使用wi-fi探针检测行人流量的方法

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN201780033651.2A Active CN109644360B (zh) 2016-12-30 2017-12-30 一种使用wi-fi探针判别行人流向的方法
CN201780033657.XA Active CN109479206B (zh) 2016-12-30 2017-12-30 一种使用wi-fi探针检测道路行人流量的方法

Country Status (3)

Country Link
CN (4) CN109716358B (zh)
GB (4) GB201711411D0 (zh)
WO (4) WO2018122588A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107124476B (zh) * 2017-07-04 2020-04-10 百度在线网络技术（北京）有限公司 信息推送方法和装置
CN109362041B (zh) * 2018-12-18 2021-06-04 成都方未科技有限公司 一种基于大数据的人口时空分布分析方法
CN110113778A (zh) * 2019-04-30 2019-08-09 清华大学 基于数据驱动的高速公路服务区扩建规模测算方法及系统
CN112235430B (zh) * 2019-06-28 2023-12-05 北京奇虎科技有限公司 阻碍收集有效信息的方法和装置、电子设备
CN110493816B (zh) * 2019-08-21 2022-10-21 上海工程技术大学 一种用于轨交地铁车站客流量的实时预测方法
CN110598154B (zh) * 2019-09-16 2023-04-07 新疆银狐数据科技有限公司 一种基于融合多渠道数据的旅游综合统计大数据系统
CN110879975B (zh) * 2019-11-06 2022-06-17 杭州宇泛智能科技有限公司 人员流量检测方法、装置及电子设备
CN111476611B (zh) * 2020-04-17 2022-05-17 支付宝(杭州)信息技术有限公司 基于传感器的数据处理方法以及装置
CN112502781B (zh) * 2020-11-24 2022-10-25 海洋王照明科技股份有限公司 一种矿井人员监控方法、装置、服务器及存储介质
CN113068215B (zh) * 2021-03-12 2022-01-11 华扬联众数字技术(深圳)有限公司 一种基于权重与过滤的多WiFi探针MAC地址的动线算法
CN115131964B (zh) * 2022-06-23 2024-02-20 重庆交通大学 隧道车流量感知系统
CN116887339B (zh) * 2023-09-07 2023-11-28 深圳中科爱讯科技有限公司 一种基于WiFi探针的实时客流统计系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8780968B1 (en) * 2013-03-15 2014-07-15 DGS Global Systems, Inc. Systems, methods, and devices for electronic spectrum management
CN105163277A (zh) * 2015-08-10 2015-12-16 上海网罗电子科技有限公司 一种基于位置信息的大数据任务的管理系统及方法
CN105160321A (zh) * 2015-09-05 2015-12-16 深圳市飞思未来云媒体科技有限公司 一种基于视觉与无线定位的移动终端身份确认方法

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8254395B2 (en) * 2005-11-03 2012-08-28 International Business Machines Corporation Computer-implemented method, system, and program product for tracking a location of a user of a wireless device in a private network environment
US8942112B2 (en) * 2008-02-15 2015-01-27 Cisco Technology, Inc. System and method for providing selective mobility invocation in a network environment
CN101668244A (zh) * 2008-09-02 2010-03-10 上海领美实业有限公司 公共场所人流智能管理与服务系统及其方法
CN201340272Y (zh) * 2008-09-02 2009-11-04 上海领美实业有限公司 公共场所人流智能管理与服务系统
US9886696B2 (en) * 2009-07-29 2018-02-06 Shopkick, Inc. Method and system for presence detection
CN102104771B (zh) * 2010-12-14 2012-12-12 浙江工业大学 基于无线监控的多路通道人流量监测系统
KR101046421B1 (ko) * 2011-02-09 2011-07-04 (주)멀린 위치정보 획득방법 및 시스템
CN102625331A (zh) * 2011-06-14 2012-08-01 北京小米科技有限责任公司 一种移动终端数据流量的监控方法和装置
CN202773078U (zh) * 2011-07-30 2013-03-06 孙佰松 一种基于无线通信的人流定位和监控系统
CN202528324U (zh) * 2012-03-07 2012-11-14 南安市正冠机械有限公司 一种柱形石材加工装置
CN102737336A (zh) * 2012-04-12 2012-10-17 林华龙 基于移动装置来了解客流量及其行为的方法与管理系统
KR20150006110A (ko) * 2013-07-08 2015-01-16 용현중 출퇴근 체크 앱 서비스 시스템 및 방법
CN103473840B (zh) * 2013-09-23 2016-03-16 沈阳天目科技有限公司 基于无线网络的具有人员区分功能的客流计数系统及方法
CN104361658B (zh) * 2014-09-30 2017-05-31 北京锐安科技有限公司 一种区域内各场所人口信息的检测方法和装置
CN104540168B (zh) * 2014-12-30 2018-05-11 杭州华为数字技术有限公司 一种测量人群拥挤度的方法、装置与系统
CN105049422B (zh) * 2015-06-25 2018-04-13 迪爱斯信息技术股份有限公司 一种wifi探测识别设备、系统以及wifi探测识别方法
CN105187240A (zh) * 2015-08-19 2015-12-23 广东中兴新支点技术有限公司 一种人流量检测方法及其装置
CN205283824U (zh) * 2015-11-24 2016-06-01 如东信息技术服务(上海)有限公司 一种基于wifi的机场人流预警系统
CN105869388B (zh) * 2016-05-31 2018-09-04 苏州朗捷通智能科技有限公司 一种公交客流数据采集及起讫点的分析方法及系统
CN106022643A (zh) * 2016-06-06 2016-10-12 北京智旅科技有限公司 景区游客数据分析系统
CN106211067A (zh) * 2016-06-30 2016-12-07 北京奇虎科技有限公司 一种基于终端的人流监控方法及装置
CN106251578B (zh) * 2016-08-19 2019-05-07 深圳奇迹智慧网络有限公司 基于探针的人流预警分析方法和系统
CN106210144A (zh) * 2016-08-22 2016-12-07 北京易游华成科技有限公司 人流量统计方法和设备
CN107360590A (zh) * 2017-06-29 2017-11-17 上海工程技术大学 轨道车站局部拥堵点客流状态判定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8780968B1 (en) * 2013-03-15 2014-07-15 DGS Global Systems, Inc. Systems, methods, and devices for electronic spectrum management
CN105163277A (zh) * 2015-08-10 2015-12-16 上海网罗电子科技有限公司 一种基于位置信息的大数据任务的管理系统及方法
CN105160321A (zh) * 2015-09-05 2015-12-16 深圳市飞思未来云媒体科技有限公司 一种基于视觉与无线定位的移动终端身份确认方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Wi-Fi设备的区域人员密度检测概率研究;赵飞飞等;《计算机应用》;20160610;第1751-1756页 *

Also Published As

Publication number Publication date
CN109479206B (zh) 2021-12-17
GB2569752B (en) 2020-05-20
GB201909415D0 (en) 2019-08-14
WO2018122588A1 (zh) 2018-07-05
GB2569752A (en) 2019-06-26
GB201905910D0 (en) 2019-06-12
GB201909414D0 (en) 2019-08-14
CN109716358B (zh) 2023-06-06
CN109479206A (zh) 2019-03-15
CN109644360A (zh) 2019-04-16
CN109644320A (zh) 2019-04-16
GB201711411D0 (en) 2017-08-30
WO2018122815A1 (zh) 2018-07-05
WO2018122817A1 (zh) 2018-07-05
CN109644360B (zh) 2021-12-17
WO2018122816A1 (zh) 2018-07-05
CN109716358A (zh) 2019-05-03

Similar Documents

Publication Publication Date Title
CN109644320B (zh) 一种使用wi-fi探针检测公共场所人流量的方法
Huang et al. Modeling and predicting the occupancy in a China hub airport terminal using Wi-Fi data
CN108710827B (zh) 一种社区微警务巡查和信息自动分析系统及方法
CN202013603U (zh) 一种客流信息统计设备
CN103473840A (zh) 基于无线网络的具有人员区分功能的客流计数系统及方法
CN109583366B (zh) 一种基于视频图像和WiFi定位的体育建筑疏散人群轨迹生成方法
CN105513362B (zh) 一种公交站台毗邻区公交车运行状态评价验证方法
CN108171974B (zh) 一种基于手机三角定位数据的交通出行模式判别方法
CN104408746A (zh) 一种基于深度信息的客流统计系统
CN108810808A (zh) 一种基于手机信令数据的区域客流饱和度计算方法
CN101425128A (zh) 基于激光传感器深度图像的人流检测方法
CN108362382B (zh) 一种热成像监控方法及其监控系统
CN108985265A (zh) 客流量监控系统和客流量监控方法
Bai et al. Lessons learned using wi-fi and Bluetooth as means to monitor public service usage
van den Heuvel et al. Using Bluetooth and WiFi to unravel real-world slow mode activity travel behaviour
CN101789077B (zh) 一种激光引导的视频客流检测方法及设备
CN110913333B (zh) 一种基于Wi-Fi探针的户外人流量告警方法
Dong et al. Bus passenger flow and running status analyzation system based on MAC address
Anjomshoaa et al. Quantifying the anthropogenic heat in urban areas using thermal images
CN110851970B (zh) 基于co2浓度的建筑物疏散通道内行人统计及管理方法
CN109657700B (zh) 一种宏观区域连通道热度检测方法
CN117877273B (zh) 基于空地信息融合的智慧高速交通状态判别方法及系统
CN109447042A (zh) 基于立体视觉技术实现置顶式客流监控处理的系统及方法
CN113989751B (zh) 一种基于单目镜头俯视图像的行人统计方法
CN114663832B (zh) 一种基于多路监控视频实现景区区域客流密度监测的方法

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