CN109716358B - 一种使用wi-fi探针检测行人流量的方法 - Google Patents

一种使用wi-fi探针检测行人流量的方法 Download PDF

Info

Publication number
CN109716358B
CN109716358B CN201680086285.2A CN201680086285A CN109716358B CN 109716358 B CN109716358 B CN 109716358B CN 201680086285 A CN201680086285 A CN 201680086285A CN 109716358 B CN109716358 B CN 109716358B
Authority
CN
China
Prior art keywords
data
pedestrian
detected
detection
mac address
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
CN201680086285.2A
Other languages
English (en)
Other versions
CN109716358A (zh
Inventor
杜豫川
岳劲松
仇越
俞山川
邓富文
王晨薇
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 CN109716358A publication Critical patent/CN109716358A/zh
Application granted granted Critical
Publication of CN109716358B publication Critical patent/CN109716358B/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WI‑FI探针检测行人流量的方法，WI‑FI探针通过捕获移动设备的MAC地址数据，获得人流量原始数据；采用数据筛选标准对原始数据进行处理，并提供多种方法建立人流量与实际人流量之间的函数关系；使用三个探针进行检测时，给出四种空间布设方法；并结合具体布设形式，介绍了区分流量流向的数据处理方法，具有较高的行人检测率与检测精度。

Description

一种使用WI-FI探针检测行人流量的方法
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探针检测行人流量的方法。WI-FI探针通过捕获移动设备的MAC地址数据，获得人流量原始数据；通过调整WI-FI探针设备的空间布局，可以有效提高人群中的检测率；采用数据筛选标准对原始数据进行处理，并提供多种方法建立检测人流量与实际人流量之间的函数关系，从而提高WI-FI检测的精度。
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，对客流数据的实时检测具有重要意义，检测手段也越来越多样化。现有的客流检测与统计方法，根据检测技术的类别大致可分为以下几类。
(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。
但是，目前基于WI-FI的客流检测方法主要存在以下问题:
(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。
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建模提高客流估算的精度等方面仍缺乏研究。
发明内容
本发明的目的在于，提供一种使用WI-FI探针检测道路行人流量的方法。具体检测手段是使用WI-FI探针对有效检测区域内的移动设备进行探测，在设备WI-FI功能打开的情况下，探针就能通过捕获无线信号而检测到该设备的唯一标识的MAC地址，从而进行人流量的统计。探针捕获的无线信号信息包括捕获时间、接收信号强度值、MAC地址等。
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)使用多个探针对道路行人流量进行检测时，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。所以，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，给出多种较优的探针布设方案，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道路宽度时，道路之外(包括两侧建筑物内)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。
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，在相同的检测环境下，同时布设多种探针的空间布局方案，方案区别主要在于探针在道路纵向和横向空间上的位置。
(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)同时，对于道路两侧建筑物内的无效数据也应剔除。这类无效数据具有在检测区域内停留时间长的特点，所以剔除的原则可以是将该数据被连续检测到的时长与一般情况下行人经过探针有效检测区域内的时长相比较，若超过经过时长则应剔除。
(5)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。
(6)考虑到存在一定比例的行人随身携带的移动设备超过一台，本发明通过引入修正参数α，给出检测人流量与实际人流量之间函数关系的修正方法。
(7)此外，本发明在检测行人总流量的同时，还能通过数据处理对行人流量区分流向。区分流向需对经过筛选后的MAC地址数据的检测时间和接收信号强度值进行比较分析。
在研究多探针的布设形式时，本发明使用三个探针对人行道路进行检测，并给出四种不同的布设方案。主要区别在与探针之间的横向距离和纵向距离的变化，具体布设形式如下，示意图如附图1所示。
1)三个探针布设在行人道路两侧，其中两个在行人道路同一侧，间距等于行人道路宽度，另一个在行人道路另一侧；
2)三个探针均布设在行人道路中线上，间距等于行人道路宽度的二分之一；
3)三个探针均布设在与行人道路纵向相垂直的直线上，间距等于行人道路宽度的二分之一；
4)三个探针分别布设在行人道路两侧和中线上，且沿着行人道路纵向和横向上的间距均为行人道路宽度的二分之一。
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。
由于道路两侧建筑物内的MAC地址也会被WI-FI探针检测到，考虑到这些干扰数据具有一直处于检测区域内的特点，所以本发明给出基于检测时长的数据筛选方法：对每个检测到的MAC地址进行时间序列的分析，确定其被检测到的时间长度，以一般行人通过待检测区域内的时长作为数据筛选的标准，将检测结果中检测时长大于该标准的MAC地址数据剔除。
所述的基于接收信号强度值的数据筛选方法和基于检测时长的数据筛选方法需同时采用来处理原始检测数据，但不分先后，既可以先使用基于接收信号强度值的数据筛选方法再使用基于检测时长的数据筛选方法，也可以先使用基于检测时长的数据筛选方法再使用基于接收信号强度值的数据筛选方法。
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日，调查的对象是随机选择的。
本发明在使用WI-FI探针检测人流量时，采用的检测时段需要根据实际检测行人道路上的行人特征而定，可以取10min、30min或1h。
当三个探针布设方案如附图4所示时，即三个探针分别布设在行人道路两侧和中线上，且沿着行人道路纵向和横向上的间距均为行人道路宽度的二分之一时，本发明给出判别行人流向的具体步骤为如附图5：
1)沿道路纵向分别将三个探针标记为A、B和C；
2)将A与B检测到的MAC地址数据的并集记为X，B与C检测到的MAC地址数据的并集记为Y；
3)对每一个检测到的MAC地址数据，找到其在X与Y中首次被检测到的时间，分别记为T1、T2；若T1＜T2，则认为流向为由A至C方向；若T1＞T2，则认为流向为由C至A；
4)若T1＝T2，则比较与T1、T2时刻对应的信号接收强度值，分别记为RSSI1和RSSI2，若RSSI1＞RSSI2，则认为流向为由A至C；若RSSI1＜RSSI2，则认为流向为由C至A。
附图简要说明
图1为在双向人行街道中，四种探针布设方案的具体形式。
图2为剔除无效数据的预实验中探针布设方案示意图。
图3为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为判断行人流向时，三探针的布设方案。
图5为对检测人流量区分流向时的数据处理过程。
具体实施方式
本发明以最常见的双向行人街道为研究对象，并使用三个探针对行人流量进行检测。并给出四种探针布设方案，如附图1所示：
方案一中三个探针布设在道路两侧，其中两个在同一侧另一个在另一侧，且间距等于道路宽度；
方案二中三个探针均位于道路中线上，且间距等于道路宽度的二分之一；
方案三中三个探针布设在与道路纵向相垂直的直线上，间距也等于道路宽度的二分之一；
方案四中三个探针分别布设在道路两侧和中线上，且沿着道路纵向和横向上的间距均为道路宽度的二分之一。
分别对图1中的四种布设方案进行实验测试，在数据处理时，采取每种方案下三个探针的检测结果取并集的方法来统计检测行人流量，再与实际行人流量作比值求出检测率。
本发明通过分析实验结果发现，当行人流量较小时，各方案的检测率相差不大；随着行人流量的增大，各种方案的检测率都会有所降低；当行人流量较大时，方案四所示的探针布局方式下的行人检测率最高。这是由于行人流量较大时，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，而方案四中，在道路中间及两侧均布设探针能有效分散信号接收点，更全面的接收来自道路内侧和外侧的数据，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，方案四中三探针在道路纵向上有一定的距离，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。
所以本发明给出的四种探针布设方法，其中方案四在行人流量较高时的检测率最高，检测效果最好。
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，以道路宽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。
本发明在确定基于检测时长的数据筛选标准时，具体步骤为：
1)计算三探针组成的有效检测区域在道路走向上的长度；
2)行人一般行走速度取1.5m/s，可得到一般情况下行人通过有效检测区域所需的时间长度t1；
3)统计每个检测到的MAC地址数据的检测时长，记为t2；
4)若t2＞t1，则将该MAC地址数据剔除。
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 GDA0003998799620000091
Figure GDA0003998799620000092
Figure GDA0003998799620000093
Figure GDA0003998799620000094
μjMj-1+2Mj+γjMj+1＝dj，j＝1，2...，n-1 (5)
其中式(5)中:
Figure GDA0003998799620000095
Figure GDA0003998799620000096
Figure GDA0003998799620000097
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 GDA0003998799620000101
根据式(1)-(9)，三次样条插值函数可计算为如下形式：
Figure GDA0003998799620000102
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日，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α＝1+a，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。
当三个探针布设方案如附图4所示时，本发明给出判别行人流向的具体步骤为如附图5：
1)沿道路纵向分别将三个探针由左向右标记为A、B和C；
2)将A与B检测到的MAC地址数据的并集记为X，B与C检测到的MAC地址数据的并集记为Y；
3)对每一个检测到的MAC地址数据，找到其在X与Y中首次被检测到的时间，分别记为T1、T2；若T1＜T2，则认为流向为由A至C方向；若T1＞T2，则认为流向为由C至A；
4)若T1＝T2，则比较与T1、T2时刻对应的信号接收强度值，分别记为RSSI1和RSSI2，若RSSI1＞RSSI2，则认为流向为由A至C；若RSSI1＜RSSI2，则认为流向为由C至A。
其中：
1)当A与B或B与C检测人流量数据取并集时，对于同一MAC地址的数据，只需保留其首次被检测到的数据。
2)若某个检测到的MAC地址数据只在X或Y中出现，则需找出其在X或Y中出现的所有次数据，通过比较每条数据的接收信号强度值和检测时间确定其流向。
3)若某个检测到的MAC地址数据在X和Y中首次出现的时间相同，即T1＝T时，接收信号强度值也相同，即RSSI1＝RSSI2，则无法判断该MAC地址数据的流向。

Claims (13)

1.一种使用WI-FI探针检测行人流量的方法，包括如下步骤:
1)数据采集:在行人道路上，布设一组WI-FI探针获取检测区域各个时段内移动设备的MAC地址原始数据；同时人工采集实际人流量数据；
2)数据筛选:对所述的MAC地址原始数据通过筛选，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；所述筛选包括基于接收信号强度值的数据筛选和基于检测时长的数据筛选；
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S(x)；
4)模型修正:在所述的行人道路上，通过抽样调查获得修正参数α，即修正参数α＝1+a，其中a为问卷结果显示行人中随身携带两台移动设备的比例，对所述的函数模型进行修正，修正后的三次样条插值函数为S(x)′＝S(x)/α；
以三个探针为一组，采用如下四种探针布设方案之一:
1a)三个探针布设在行人道路两侧，其中两个在行人道路同一侧，间距等于行人道路宽度，另一个在行人道路另一侧；
1b)三个探针均布设在行人道路中线上，间距等于行人道路宽度的二分之一；
1c)三个探针均布设在与行人道路纵向相垂直的直线上，间距等于行人道路宽度的二分之一；
1d)三个探针分别布设在行人道路两侧和中线上，且沿着行人道路纵向和横向上的问距均为行人道路宽度的二分之一；
先对所述的MAC地址原始数据做基于接收信号强度值的数据筛选，再将筛选的结果做基于检测时长的数据筛选；所述的基于接收信号强度值的数据筛选的具体方法为: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；所述的基于检测时长的数据筛选的具体方法为:以行人通过待检测区域内的时长作为数据筛选的标准，将基于接收信号强度值的数据筛选结果中检测时长大于该标准的MAC地址数据剔除；
先对所述的MAC地址原始数据做基于检测时长的数据筛选，再将筛选的结果做基于接收信号强度值的数据筛选；所述的基于检测时长的数据筛选的具体方法为:以行人通过待检测区域内的时长作为数据筛选的标准，将所述的MAC地址原始数据中检测时长大于该标准的MAC地址数据剔除；所述的基于接收信号强度值的数据筛选的具体方法为:在基于检测时长的数据筛选结果的基础上，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，将所述的基于检测时长的数据筛选结果中接收信号强度值小于该标准的MAC地址数据剔除。
2.如权利要求1所述的使用WI-FI探针检测行人流量的方法，还包括步骤5):判别行人流向。
3.如权利要求1或2所述的使用WI-FI探针检测行人流量的方法，其特征在于:所述的检测人流量数据与所述的实际人流量数据之间采用如下三种函数模型之一:
2a)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；
2b)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；
2c)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。
4.如权利要求1或2所述的使用WI-FI探针检测行人流量的方法，其特征在于:所述的模型修正中，问卷调查的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，调查的对象是随机选择的。
5.如权利要求2所述的使用WI-FI探针检测行人流量的方法，其特征在于:探针布设方案为:三个探针分别布设在行人道路两侧和中线上，且沿着行人道路纵向和横向上的问距均为行人道路宽度的二分之一；所述的判别行人流向的具体步骤为:
3a)沿道路纵向分别将三个探针标记为A、B和C；
3b)将A与B检测到的MAC地址数据的并集记为X，B与℃检测到的MAC地址数据的并集记为Y；
3c)对每一个检测到的MAC地址数据，找到其在X与Y中首次被检测到的时间，分别记为T1、T2；若T1＜T2，则认为流向为由A至C方向；若T1＞T2，则认为流向为由C至A；
3d)若T1＝T2，则比较与T1、T2时刻对应的信号接收强度值，分别记为RSSI和RSSI2，若RSSI1＞RSSI2，则认为流向为由A至C；若RSSI1＜RSSI2，则认为流向为由C至A。
6.如权利要求1所述的使用WI-FI探针检测行人流量的方法，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:在待测行人道路上，采用拟定的探针布设方案，使用多个已知MAC地址的移动设备在以探针为圆心、行人道路宽度的一半为半径的区域内活动，并统计各探针的检测结果。
7.如权利要求1所述的使用WI-FI探针检测行人流量的方法，其特征在于:所述的基于接收信号强度值的数据筛选中，检测到的数据的接收信号强度值服从正态分布，取90％置信区间，得到的接收信号强度值作为数据筛选的标准。
8.如权利要求1所述的使用WI-FI探针检测行人流量的方法，其特征在于:所述的基于检测时长的数据筛选中，行人的步行速度取1.5m/s。
9.如权利要求3所述的使用WI-FI探针检测行人流量的方法，其特征在于:所述的检测时段取10min、30min或1h。
10.如权利要求3所述的使用WI-FI探针检测行人流量的方法，其特征在于:所述的三次样条插值模型中，自然边界条件的取值为0。
11.如权利要求5所述的使用WI-FI探针检测行人流量的方法，其特征在于:所述的判别行人流向的具体步骤中，将A与B或B与C检测人流量数据取并集时，对于同一MAC地址的数据，只需保留其首次被检测到的数据。
12.如权利要求5所述的使用WI-FI探针检测行人流量的方法，其特征在于:所述的判别行人流向的具体步骤中，若某个检测到的MAC地址数据只在X或Y中出现，则需找出其在X或Y中出现的所有条数据，通过比较每条数据的接收信号强度值和检测时间确定其流向。
13.如权利要求5所述的使用WI-FI探针检测行人流量的方法，其特征在于:所述的判别行人流向的具体步骤中，若某个检测到的MAC地址数据在X和Y中首次出现的时间相同，即T1＝T2时，接收信号强度值也相同，即RSSI1＝RSSI2，则无法判断该MAC地址数据的流向。
CN201680086285.2A 2016-12-30 2016-12-30 一种使用wi-fi探针检测行人流量的方法 Active CN109716358B (zh)

Applications Claiming Priority (1)

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

Publications (2)

Publication Number Publication Date
CN109716358A CN109716358A (zh) 2019-05-03
CN109716358B true CN109716358B (zh) 2023-06-06

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
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
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

Family Applications After (3)

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
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

Country Status (3)

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

Families Citing this family (13)

* 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
CN113139006A (zh) * 2020-01-19 2021-07-20 深圳云天励飞技术有限公司 固定场所挖掘方法、装置、终端设备及可读存储介质
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 (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102104771A (zh) * 2010-12-14 2011-06-22 浙江工业大学 基于无线监控的多路通道人流量监测系统
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
CN104540168A (zh) * 2014-12-30 2015-04-22 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
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
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

Family Cites Families (21)

* 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
US7899039B2 (en) * 2008-02-15 2011-03-01 Cisco Technology, Inc. System and method for providing location and access network information support 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
US8489112B2 (en) * 2009-07-29 2013-07-16 Shopkick, Inc. Method and system for location-triggered rewards
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
US9078162B2 (en) * 2013-03-15 2015-07-07 DGS Global Systems, Inc. Systems, methods, and devices for electronic spectrum management
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
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
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
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
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 (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102104771A (zh) * 2010-12-14 2011-06-22 浙江工业大学 基于无线监控的多路通道人流量监测系统
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
CN104540168A (zh) * 2014-12-30 2015-04-22 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
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
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Ubiquitous monitoring of pedestrian dynamics: Exploring wireless ad hoc network of multi-sensor technologies;B. Farooq et al.;《2015 IEEE SENSORS》;20160107;第1-4页 *
基于WIFI探针的预警系统设计与研究;高见 等;《中国人民公安大学学报(自然科学版)》;20160815;第22卷(第3期);第89-93页 *

Also Published As

Publication number Publication date
WO2018122588A1 (zh) 2018-07-05
CN109716358A (zh) 2019-05-03
CN109479206A (zh) 2019-03-15
GB201909415D0 (en) 2019-08-14
CN109644360B (zh) 2021-12-17
WO2018122816A1 (zh) 2018-07-05
GB201909414D0 (en) 2019-08-14
GB201905910D0 (en) 2019-06-12
CN109644320A (zh) 2019-04-16
WO2018122815A1 (zh) 2018-07-05
CN109644320B (zh) 2020-12-11
CN109479206B (zh) 2021-12-17
GB2569752B (en) 2020-05-20
GB2569752A (en) 2019-06-26
WO2018122817A1 (zh) 2018-07-05
CN109644360A (zh) 2019-04-16
GB201711411D0 (en) 2017-08-30

Similar Documents

Publication Publication Date Title
CN109716358B (zh) 一种使用wi-fi探针检测行人流量的方法
CN110493816B (zh) 一种用于轨交地铁车站客流量的实时预测方法
CN110660222B (zh) 一种智能环保道路黑烟车辆电子抓拍系统
CN106297288A (zh) 一种公交乘客客流数据采集与分析方法
CN100582654C (zh) 一种身高测量方法及其测量装置
CN108197610A (zh) 一种基于深度学习的轨道异物检测系统
WO2004042673A2 (en) Automatic, real time and complete identification of vehicles
CN106652483A (zh) 利用检测设备在区域公路网布设交通信息检测点的方法
CN105513362B (zh) 一种公交站台毗邻区公交车运行状态评价验证方法
CN104408746A (zh) 一种基于深度信息的客流统计系统
CN110516600A (zh) 一种基于人脸检测的公交客流检测方法
CN110688924A (zh) 一种基于rfcn的垂直单目客流量统计方法
CN108629982A (zh) 一种基于旅行时间分布规律的路段车辆数估计方法
CN108520528A (zh) 基于改进差分阈值和位移匹配模型的移动车辆跟踪方法
CN111079488B (zh) 一种基于深度学习的公交客流检测系统及方法
Bánhalmi et al. Extracting information from Wi-fi traffic on public transport
CN105488455B (zh) 一种基于激光测距的客流统计方法及装置
Zhou et al. Large scale indoor occupant tracking using distributed acoustic sensing and machine learning
CN113837590A (zh) 一种地铁站域交通流量检测无人机协同调度优化方法
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
Anjomshoaa et al. Quantifying the anthropogenic heat in urban areas using thermal images
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
CN114664080B (zh) 一种交叉口公交车辆信号优先效果评价方法
Thakur et al. Evidence of long range dependence and self-similarity in urban traffic systems
CN109657700B (zh) 一种宏观区域连通道热度检测方法

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