CN110049447B - 一种基于位置信息的伙伴关系分析方法 - Google Patents

一种基于位置信息的伙伴关系分析方法 Download PDF

Info

Publication number
CN110049447B
CN110049447B CN201910294259.4A CN201910294259A CN110049447B CN 110049447 B CN110049447 B CN 110049447B CN 201910294259 A CN201910294259 A CN 201910294259A CN 110049447 B CN110049447 B CN 110049447B
Authority
CN
China
Prior art keywords
wifi
partnership
analysis
position information
signal intensity
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.)
Expired - Fee Related
Application number
CN201910294259.4A
Other languages
English (en)
Other versions
CN110049447A (zh
Inventor
钟艳如
谢庆博
袁智翔
赵蕾先
罗笑南
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.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
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 Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201910294259.4A priority Critical patent/CN110049447B/zh
Publication of CN110049447A publication Critical patent/CN110049447A/zh
Application granted granted Critical
Publication of CN110049447B publication Critical patent/CN110049447B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开一种基于位置信息的伙伴关系分析方法，包括wifi发射单元、wifi信号强度检测终端、数据处理终端和伙伴关系分析单元组成的分析模型，分析方法步骤为：1）wifi发射单元设置在需要检测的场所；2）wifi信号强度检测终端采集wifi发射单元发射的信号强度，将信号强度信息实时报送至数据处理终端；3）数据处理终端将接收到的信号强度与线下预先采集完成的指纹数据库进行对比，采用KNN算法计算得到实时位置信息，并采用K‑Mean聚类方法将收集的所有的位置信息进行聚类，最后将位置信息和聚类信息报送至伙伴关系分析单元；4）伙伴关系分析单元通过聚类关系和位置信息分析得到伙伴关系的分析结果。该方法实时性强，计算量小，精度高，能得到准确的伙伴关系。

Description

一种基于位置信息的伙伴关系分析方法
技术领域
本发明涉及位置信息技术领域，具体是一种基于位置信息的伙伴关系分析方法。
背景技术
随着中国步入现代化社会阶段，基于位置的服务越来越多，而现有的技术中，面对的对象大多数都是以个体为单位，忽略了群体之间的联系，因此在现代社会群体分析技术就显得非常重要，本发明利用位置信息得到伙伴关系，符合位置服务大前提的同时，也能精准的得到伙伴关系。现有的技术是通过图像处理的方式提取运动物体的颜色和形状等特征信息，来得到监控人群的关系，计算量大，复杂性高，代价大。
发明内容
本发明的目的在于提供一种基于位置信息的伙伴关系分析方法，该方法针对人群的伙伴关系进行分析，能够得到准确的伙伴关系，使用余弦相似度的方法，实时性强，计算量小，精度高。
实现本发明目的的技术方案是：
一种基于位置信息的伙伴关系分析方法，包括wifi发射单元、wifi信号强度检测终端、数据处理终端和伙伴关系分析单元组成的分析模型，其分析方法包括如下步骤：
1)wifi发射单元设置在需要检测的场所，若所需检测的场所wifi信号充足，则无需设置wifi发射单元，利用已有的wifi作为发射单元使用；
2)wifi信号强度检测终端采集wifi发射单元发射出来的信号强度，并将采集到的信号强度信息实时报送至数据处理终端；
3)数据处理终端将接收到的信号强度与线下预先采集完成的指纹数据库进行对比，采用KNN算法计算得到实时位置信息，并采用K-Mean聚类方法将收集的所有的位置信息进行聚类，最后将位置信息和聚类信息报送至伙伴关系分析单元；
4)伙伴关系分析单元通过聚类关系和位置信息分析得到伙伴关系的分析结果；伙伴关系的产生是在同一分类中，不同的分类将不产生伙伴关系，对每一种分类单独处理，不同的分类之间不相互交叉。
所述的wifi信号强度检测终端，是指任意可以检测到WiFi信号强度的设备，在终端上安装相应的程序，该程序能够检测到wifi的信号及其wifi信号对应的强度，拥有唯一的标识号以示区别，同时能够把采集的信号封装后报送到数据处理终端中；wifi信号信号强度检测终端有两个作用，一是在线下生成指纹库的时候采集数据，采集的数据拥有坐标；二是在线上检测wifi信号报送数据处理终端做定位使用，检测的数据拥有终端标识标识。
步骤3)中，所述的指纹数据库，形成过程为：通过wifi信号强度检测终端采集各个位置能收到wifi发射单元的强度，对于采集不到的wifi信号强度，设置值为-100，并以多次采集后取平均值作为存入指纹数据库的最终值，指纹数据库的中的数据格式为：位置-MAC1-MAC2……-RSSI1-RSSI2……，其中MAC表示各个wifi发射单元的是mac地址，RSSI表示各个wifi发射单元的信号强度，MAC和RSSI的个数相同并依据各个场景的不同而确定。
步骤3)中，所述的KNN算法，是根据采集的wifi信号强度，与指纹数据库中的数据进行计算，在同一个类别里面计算该信号强度与指纹数据库的欧式距离，具体是：将每个位置检测到的每个MAC的RSSI与指纹库中对应MAC的RSSI计算欧式距离得到这个位置wifi信号强度与指纹库中所有数据的欧式距离，根据这个距离从小到大排列，取最小的三个为选中的指纹库，并将这三个指纹数据的位置做平均值得到检测终端的位置。
步骤4)中，所述的伙伴关系分析单元通过聚类关系和位置信息分析得到伙伴关系的分析结果，是设置一个阈值T，计算位置的余弦相似度，将计算得到的余弦相似度与阈值T相比较，如果大于阈值T则判定为伙伴关系，小于阈值T则判定为路人关系，余弦相似度的计算公式为：
Figure BDA0002025969750000021
其中Ai，Bi为相对于坐标原点(0，0)的向量，n表示A和B各自走过的测试点数，i表示n个测试点的第i个；算法实现的时候是两个采集人员携带不同的wifi信号强度检测终端，一起行走，A和B代表两个不同的wifi信号强度检测终端。
有益效果：本发明提供的一种基于位置信息的伙伴关系分析方法，该方法通过行人的位置信息来判断行人的伙伴关系，相较于现有的通过图像来判断的方式，实时性好，计算量小，准确性高。
附图说明
图1为本发明分析方法的分析模型示意图；
图2为本发明分析方法的流程图。
具体实施方式
下面结合附图和实施例对本发明做一步阐述，但不是对本发明的限定。
实施例：
如图1、图2所示，一种基于位置信息的伙伴关系分析方法，包括wifi发射单元、wifi信号强度检测终端、数据处理终端和伙伴关系分析单元组成的分析模型，其分析方法包括如下步骤：
1)安装设备：将wifi发射单元设置在需要检测的场所，并供电，启动设备，wifi发射单元发射wifi信号；若所需检测的场所wifi信号充足，则无需设置wifi发射单元，利用已有的wifi作为发射单元使用；
2)wifi信号强度采集终端安装采集wifi信号强度的应用程序，检测人员携带检测终端在在需要检测的场所内移动，在检测场所内采集wifi发射单元发射出来的信号强度，并将采集到的信号强度信息实时报送至数据处理终端，wifi信号强度采集终端采集和报送至数据处理终端的数据格式为：标签号MAC1-MAC2…-RSSI1-RSSI2…，MAC和RSSI的个数相同；
3)数据处理终端将接收到的信号强度与线下预先采集完成的指纹数据库进行对比，采用KNN算法计算得到实时位置信息，并采用K-Mean聚类方法将收集的所有的位置信息进行聚类，得到分类信息，最后将位置信息和聚类信息报送至伙伴关系分析单元；
4)伙伴关系分析单元通过聚类关系和位置信息分析得到伙伴关系的分析结果；设定伙伴关系的产生只在同一分类中产生，不同的分类不产生伙伴关系，对每一种分类单独处理，不同的分类之间不相互交叉。
所述的wifi信号强度采集终端，是指任意可以检测到wifi信号强度的设备，并在终端上安装相应的程序，该程序具备检测wifi信号及其wifi信号对应强度的能力，检测终端拥有唯一的标识号以示区别，并在报送给数据处理终端的时候携带这个标识，检测终端同时能够把采集的信号封装后报送到数据处理终端中；wifi信号信号强度检测终端有两个作用，一是在线下生成指纹库的时候采集数据，采集的数据拥有坐标；二是在线上检测wifi信号报送数据处理终端做定位使用，检测的数据拥有终端标识标识。
步骤3)中，所述的指纹数据库，形成过程为：通过wifi信号强度采集终端采集各个位置能收到wifi发射单元的强度，并以多次采集的值求平均值作为指纹库数据存入指纹数据库中，指纹库的中的数据格式为：位置-MAC1-MAC2…RSSI1-RSSI2…，其中MAC表示各个wifi发射单元的是mac地址，RSSI表示各个wifi发射单元的信号强度，MAC和RSSI的个数相同，并依据各个场景的不同而确定。
由于现场可能收到不是自行布置的wifi信号，也有可能有些地方接收不到某些wifi信号，此时需要对采集到的所有wifi信号进行过滤，事先确定需要选择的wifi信号，采用mac过滤的方法选出所需wifi信号，对于采集不到的wifi信号强度，设置wifi信号强度值为-100，并以多次采集后取平均值在为存入指纹库的值，同时wifi信号强度采集终端还把采集到的wifi信号以标签号-MAC1-MAC2…-RSSI1-RSSI2…的格式报送数据处理终端。
在形成指纹库的过程中，采集点的设计为间隔采集，两个采集点的距离设置为1.6米(约为成人3个脚步的距离)，这个距离的设定可以实际场馆的特征做相应的增减，并保证幅度较小；实际场馆的特征包括瓷砖、场景标志物等。
步骤3)中，所述的KNN算法，是根据采集的wifi信号强度，与指纹数据库中的数据进行计算，在同一个类别里面计算该信号强度与指纹数据库的欧式距离，具体是：将每个位置检测到每个MAC的RSSI与指纹库中对应MAC的RSSI，计算欧式距离得到这个位置wifi信号强度与指纹库中所有数据的欧式距离，根据这个距离从小到大排列，取最小的三个为选中的指纹库，并将这三个指纹数据的位置做平均值得到检测终端的位置。
步骤3)中，所述的K-Mean算法，具体是：根据KNN算法得到的所有位置信息，随机选取K个聚类中心，然后把所有的位置归类到聚类中心里面，聚类的标准是距离那个聚类中心最近则归为那个聚类中心，一旦全部的位置都被分配了聚类，每个聚类的聚类中心将会被重新计算，这个过程将不断重复直到满足某个终止条件。终止条件可以是以下任何一个：a.没有对象被重新分配到不同的聚类。b.没有聚类中心再发生变化。c.误差平方和局部最小。
步骤4)中，所述的伙伴关系分析单元通过聚类关系和位置信息分析得到伙伴关系的分析结果，是设置一个阈值T，通过余弦相似度算法计算位置的余弦相似度，将计算得到的余弦相似度与阈值T相比较，如果大于阈值T则判定为伙伴关系，小于阈值T则判定为路人关系(非伙伴关系)，余弦相似度的计算公式为：
Figure BDA0002025969750000051
其中Ai，Bi为相对于坐标原点(0，0)的向量，n表示A和B各自走过的测试点数，i表示n个测试点的第i个；算法实现的时候是两个采集人员携带不同的wifi信号强度检测终端，一起行走，A和B代表两个不同的wifi信号强度检测终端。

Claims (2)

1.一种基于位置信息的伙伴关系分析方法，其特征在于，包括wifi发射单元、wifi信号强度检测终端、数据处理终端和伙伴关系分析单元组成的分析模型，其分析方法包括如下步骤：
1)wifi发射单元设置在需要检测的场所，若所需检测的场所wifi信号充足，则无需设置wifi发射单元，利用已有的wifi作为发射单元使用；
2)wifi信号强度检测终端采集wifi发射单元发射出来的信号强度，并将采集到的信号强度信息实时报送至数据处理终端；
3)数据处理终端将接收到的信号强度与线下预先采集完成的指纹数据库进行对比，采用KNN算法计算得到实时位置信息，并采用K-Mean聚类方法将收集的所有的位置信息进行聚类，最后将位置信息和聚类信息报送至伙伴关系分析单元；
4)伙伴关系分析单元通过聚类关系和位置信息分析得到伙伴关系的分析结果；伙伴关系的产生是在同一分类中，不同的分类将不产生伙伴关系，对每一种分类单独处理，不同的分类之间不相互交叉；
步骤3)中，所述的指纹数据库，形成过程为：通过wifi信号强度检测终端采集各个位置能收到wifi发射单元的强度，对于采集不到的wifi信号强度，设置值为-100，并以多次采集后取平均值作为存入指纹数据库的最终值，指纹数据库的中的数据格式为：位置-MAC1-MAC2……-RSSI1-RSSI2……，其中MAC表示各个wifi发射单元的是mac地址，RSSI表示各个wifi发射单元的信号强度，MAC和RSSI的个数相同并依据各个场景的不同而确定；
步骤3)中，所述的KNN算法，是根据采集的wifi信号强度，与指纹数据库中的数据进行计算，在同一个类别里面计算该信号强度与指纹数据库的欧式距离，具体是：将每个位置检测到的每个MAC的RSSI与指纹库中对应MAC的RSSI计算欧式距离得到这个位置wifi信号强度与指纹库中所有数据的欧式距离，根据这个距离从小到大排列，取最小的三个为选中的指纹库，并将这三个指纹数据的位置做平均值得到检测终端的位置；
步骤4)中，所述的伙伴关系分析单元通过聚类关系和位置信息分析得到伙伴关系的分析结果，是设置一个阈值T，计算位置的余弦相似度，将计算得到的余弦相似度与阈值T相比较，如果大于阈值T则判定为伙伴关系，小于阈值T则判定为路人关系，余弦相似度的计算公式为：
Figure FDA0002754275410000021
公式(1)中，Ai、Bi为相对于坐标原点(0，0)的向量，n表示A和B各自走过的测试点数，i表示n个测试点的第i个；算法实现的时，是两个采集人员携带不同的wifi信号强度检测终端，一起行走，A和B代表两个不同的wifi信号强度检测终端。
2.根据权利要求1所述的一种基于位置信息的伙伴关系分析方法，其特征在于，所述的wifi信号强度检测终端，是指任意可以检测到WiFi信号强度的设备，在终端上安装相应的程序，该程序能够检测到wifi的信号及其wifi信号对应的强度，拥有唯一的标识号以示区别，同时能够把采集的信号封装后报送到数据处理终端中。
CN201910294259.4A 2019-04-12 2019-04-12 一种基于位置信息的伙伴关系分析方法 Expired - Fee Related CN110049447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910294259.4A CN110049447B (zh) 2019-04-12 2019-04-12 一种基于位置信息的伙伴关系分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910294259.4A CN110049447B (zh) 2019-04-12 2019-04-12 一种基于位置信息的伙伴关系分析方法

Publications (2)

Publication Number Publication Date
CN110049447A CN110049447A (zh) 2019-07-23
CN110049447B true CN110049447B (zh) 2021-02-05

Family

ID=67277109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910294259.4A Expired - Fee Related CN110049447B (zh) 2019-04-12 2019-04-12 一种基于位置信息的伙伴关系分析方法

Country Status (1)

Country Link
CN (1) CN110049447B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111328016A (zh) * 2020-02-12 2020-06-23 深圳数位传媒科技有限公司 一种对隔离人员位置进行智能监测的方法及监测终端
CN113840228B (zh) * 2021-08-25 2024-04-02 北京航空航天大学杭州创新研究院 一种基于定位匹配的行人室内定位方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105791085A (zh) * 2016-01-26 2016-07-20 西安电子科技大学 在位置社交网络中基于位置与时间的好友推荐方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9992619B2 (en) * 2014-08-12 2018-06-05 Aerohive Networks, Inc. Network device based proximity beacon locating
CN105787104B (zh) * 2016-03-21 2020-02-11 百度在线网络技术（北京）有限公司 用户属性信息的获取方法和装置
CN107517446A (zh) * 2017-09-28 2017-12-26 知谷（上海）网络科技有限公司 基于Wi‑Fi热点的室内定位方法及装置
CN107948930B (zh) * 2017-12-31 2020-07-17 电子科技大学 基于位置指纹算法的室内定位优化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105791085A (zh) * 2016-01-26 2016-07-20 西安电子科技大学 在位置社交网络中基于位置与时间的好友推荐方法

Also Published As

Publication number Publication date
CN110049447A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN110738846B (zh) 基于雷达与视频组群的车辆行为监测系统及其实现方法
CN110955288B (zh) 一种基于大数据的环境监管系统
CN110675588B (zh) 一种森林火灾检测装置和方法
CN110049447B (zh) 一种基于位置信息的伙伴关系分析方法
CN103812577A (zh) 非正常无线电信号的自动识别系统及其方法
CN114486764B (zh) 基于全光谱水质分析仪的农业面源污染监测系统
CN106952289A (zh) 结合深度视频分析的WiFi目标定位方法
CN109920404A (zh) 拥有智能感知作用的自助售货广告管理系统的信息采集装置及采集方法
CN112016492A (zh) 基于视觉的教学注意力监测系统及方法
CN108734072B (zh) 一种多源对象关联方法及装置
CN111863274A (zh) 一种智能体温实时监测管理系统
CN111325708B (zh) 一种输电线路检测方法和服务器
CN115979215B (zh) 一种楼层识别方法、装置及计算机可读存储介质
CN113240649B (zh) 一种基于图像分析的建筑构件检测方法及系统
CN115496097A (zh) 一种基于小波格拉姆卷积神经网络的非视距信号识别方法
CN116500386A (zh) 一种风电场集电线路电缆局放信号采集处理方法
CN112241686A (zh) 一种基于特征向量的轨迹比对匹配方法及系统
CN113673105A (zh) 真值对比策略的设计方法
CN114363953B (zh) 一种基于多种数据源实现用户常住地入楼的方法及系统
CN113379790B (zh) 一种基于3d模型的高空瞭望观测物体的ai预警定位方法
CN116320303B (zh) 一种基于人工智能的监测样地位置调节系统及方法
CN114863543B (zh) 一种特征更新的人脸识别方法及系统
CN115345907B (zh) 一种基于边缘计算的目标动态跟踪装置
CN116261098A (zh) 一种人机物融合场景下对用户透明的轨迹监测方法
CN114220062A (zh) 一种时间统计系统及其方法

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210205