CN110913333B - 一种基于Wi-Fi探针的户外人流量告警方法 - Google Patents

Abstract

本发明提出了一种基于Wi‑Fi探针的户外人流量统计方法，包括如下步骤：步骤1：Wi‑Fi探针模块收集移动终端数据后，每2秒发送给指定服务器；步骤2：利用时间、空间和环境等因素对探针收集的数据进行人流移动进行模拟，设定移动终端MAC的超时时间。这套方法不仅模拟了实际户外场景中人员的流动性，而且告警阈值可以根据实际的空间大小进行自适应调整，能够更为方便、快捷的配合警卫人员进行疏导疏散工作。本发明提供的基于时空关系的模拟人员流动性方案充分利用了时空关系和环境因素对人的生活习惯进行模拟，更加贴合实际生活，比传统的基于Wi‑Fi探针的统计方案更加智能化。

Description

一种基于Wi-Fi探针的户外人流量告警方法

技术领域

本发明涉及无线通信网络技术，具体涉及一种基于Wi-Fi探针的户外人流量告警方法。

背景技术

随着人类社会的进步，便捷的交通为人们的出行提供了便利的条件，商场、办公楼、旅游景区、商业街等公共场所成为人群密集度越来越高的地点，如何通过技术手段进行人流统计和预警，提高突发性事件的响应速度，成为了当下亟待解决的问题。

当前的人流统计方案大多数采用红外线预警的方式和摄像头进行人脸识别的计算方式^[1]。目前来讲，红外线预警的方式主要是通过对红外线信号^[2]进行分析，跟踪检测到的目标人群，并统计人流量，返回给前端展示。该技术手段精度较高，但是如果人群较为密集时，红外线设备难以准确识别层叠在一起的移动目标，会造成计算误差。利用摄像头^[3]获取视频的图像信息，然后进行人脸识别计算人流量的方式，极易雾天、雨天和夜间的影响，可靠性较差。并且由于人脸识别需要采集图像数据，实时性可能较差。

移动终端接入互联网时候有两种方式，其一是通过运营商的3G，4G数据流量接入互联网。第二种是通过WLAN接入互联网，由于免费Wi-Fi网络的普及，和数据流量的昂贵，越来越多的人倾向于使用Wi-Fi接入互联网，并且待机状态下一般不关闭WLAN。因此，检测某个区域内的移动终端数目，可以估算出区域内的人员密度。Wi-Fi探针技术^[4-5]可以通过对抓取的数据包进行分析，得到移动移动终端的MAC地址、时间、信号强度以及位置，并能通过这些信息计算当前区域内的人流情况。张晓海、梁旭^[6]利用Wi-Fi定位技术对机场的应用场景进行分析研究，表明了Wi-Fi技术在人员定位方面具有方便、快捷、可靠性的特点，可以对定位人员的拥挤状况进行判定，但是需要对移动终端添加定位模块。高见、袁得嵛^[7]设计了基于Wi-Fi探针的预警系统，提出并设计了分布式Wi-Fi探测系统进行人流预警和案件预警，利用多个终端采集器协作，对人数进行去重计算，如果达到告警阈值，则产生预警，需增派警力进行疏散。这种预警系统相较于视频预警方式，实时性得到了有效的提升，并且能够通过终端MAC地址可以准确的定位到个人，方便警员进行调查。但是该种方式在人流预警方面，仅仅对Wi-Fi探针扫描到的终端信息进行了去重过滤，没有考虑到Wi-Fi探针扫描时候的人的流动性因素，智能化程度不高；另外，人流预警阈值也是设定的固定值，不具备灵活性，难以应对复杂的实际场景。

针对以上两点问题，本发明进行了创造和优化。本发明模拟了Wi-Fi探测范围内的人员流动性，并根据实际环境因素自适应设置人流告警阈值，对实际生活中Wi-Fi探针在人流统计方面的应用具有积极的作用。

参考文献

[1]徐畅.基于WiFi的人流量监控系统的设计与实现[D].2017.

[2]吴小林.红外光控人流量统计系统[J].现代电子技术,2013(20):124-126.

[3]智能视频监控中的行人流量自动统计技术的研究[D].武汉理工大学,2010.

[4]王珂,张元.基于WLAN移动终端的无线定位技术[J].电视技术,2006,2006(10):73-76.

[5]Feher K.Wlan and wired mobile communication and location findingsystem[J].2011.

[6]张晓海,梁旭.WiFi定位技术在机场的应用研究[J].综合运输,2017(02):84-86.

[7]高见,袁得嵛.基于WIFI探针的预警系统设计与研究[J].中国人民公安大学学报(自然科学版),2016(3).

发明内容

为了解决现有的基于Wi-Fi探针的人员统计方案中没有对人员的流动性进行模拟分析和人流告警阈值如何自适应设置的问题，本发明提出了一种基于Wi-Fi探针的户外人流量统计方法，并设计了一套应用系统。这套方法和系统不仅模拟了实际户外场景中人员的流动性，而且告警阈值可以根据实际的空间大小进行自适应调整，能够更为方便、快捷的配合警卫人员进行疏导疏散工作。

本发明的第一个目的是结合时间、空间、环境等因素模拟人员的流动性，使户外的人流检测系统更加符合智能化。Wi-Fi探针模块通过捕获Probe帧，即可解析出可探测区域内的移动终端MAC地址。由于Wi-Fi探针共有十三个信道，移动终端在路由器中的信号分布在不同的信道中，所以Wi-Fi探针收集数据的时候必须把十三个信道全部扫描一遍。平均每个信道扫描大约需要250毫秒，扫描一轮则需要3秒钟。由于信道切换时可能会丢失数据，一般扫描1轮数据采集量为80％，扫描2轮数据采集量为95％，所以一般Wi-Fi收集模块都是扫描完1-2轮之后才会把数据上传给指定的服务器。但是这种方收集全量数据，一次性上报给服务器的方法没有考虑到户外条件下，携带移动终端的人是在不断移动过程中的，所以本发明基于这一点，提出了基于时空关系的模拟人员流动性方案。

本发明的技术方案如下：

一种基于Wi-Fi探针的户外人流量告警方法，其特征是包括如下步骤：

步骤1：Wi-Fi探针模块收集移动终端数据后，每2秒发送给指定服务器；

步骤2：利用时间、空间和环境等因素对探针收集的数据进行人流移动进行模拟，设定移动终端MAC的超时时间。

所述步骤2包括以下步骤：

步骤2.1：接收Wi-Fi探针模块收集的终端数据，标记登陆时间，信号强度等基本信息，并根据信号强度过滤掉信号较弱的终端MAC；

步骤2.2：为了保证天气因素的准确性，每半个小时从中国天气网上收集一次当地的气象信息，并根据天气的好坏设置不同的等级，记作weather。其中，天气状况优良时：晴天、多云或阴天，可能人出门游玩的人比较多，道路较为拥挤，记weather＝1；天气状况恶劣时：雾天或雨雪天气，记weather＝0；

步骤2.3：一般的户外情况下，晚上人们出行的较少，道路较为畅通，记夜晚时间段light＝0；白天人们出行的较多，如果人数过多会造成拥堵，记白天时间段light＝1；

步骤2.4：道路宽度大于5米时，设置width＝0；道路宽度小于5米时，设置width＝1；

步骤2.5：利用sigmod函数，将步骤2.1-步骤2.4中的影响行人移动的因素整合，得到人员停留时间长短的概率因子u，计算公式如下：

其中

α，β∈(0,1)；

步骤2.6：该概率因子u的取值范围在0.5至1之间。由sigmod函数的性质可以推导出，路况越好，得到的u越小，也就表示人们逗留时间越短，走的越快。路况越差，得到的u越大，表示人们的流动性差，逗留时间比较长；

步骤2.7：正常情况下，一个人每秒钟步行速度超过1米。以商业街区场景为例，由于部署在商业街区两侧的Wi-Fi探针受到环境因素的影响，收集到的范围有限，假定一个人在街区中15秒钟可以走过整个Wi-Fi探针的覆盖范围。所以我们这里设定人的逗留时间为15u；

步骤2.8：最后，将从Wi-Fi探针模块收集的终端数据存入数据库，并设定超时时间大小为15u，并由后端服务器进行人流数目的计算。如果超过超时时间，并且没有再次扫描到该终端地址，则正常下线；如果再次扫描到该终端地址，则更新该终端地址的时间，并重新设定超时时间；

以上，通过对时空关系和环境的分析，建立了基于时空关系的模拟人员流动性方案

所述步骤2之后还包括步骤3：设定一个人流告警阈值。

商业街区和广场的空间大小不同，能够承受的人流量大小也不同，基于此理论，我们提出了基于空间因素的人流告警阈值自适应调整方案。

所述步骤3包含以下几个步骤：

步骤3.1：将空间的大小，街道宽度width录入配置文件；

步骤3.2：假定一个人走在路上最舒适的距离为0.8平方米。则初始告警阈值theta计算公式如下；

theta＝15*width/0.8；

步骤3.3：在内存中存储Wi-Fi探针实时扫描到的最大人数total，如果total大于2*theta，则利用黄金分割了原则来更新theta的值：

theta＝(total+theta)*0.618。

本发明的有益效果如下：

(1)本发明提供的基于时空关系的模拟人员流动性方案充分利用了时空关系和环境因素对人的生活习惯进行模拟，更加贴合实际生活，比传统的基于Wi-Fi探针的统计方案更加智能化。

(2)本发明提供的基于空间因素的自适应调整人流告警阈值的方案，能够充分、灵活的利用空间因素对最大承受人流进行自适应调整。

(3)本发明提供的基于Wi-Fi探针的户外人流量告警方法不需要专门的开发人员进行操作，部署比较简单，能够减少操作人员的工作负担。

附图说明

图1为本发明基于Wi-Fi探针的户外人流量告警方法的网络拓扑图。

图2为本发明基于Wi-Fi探针的户外人流量告警方法的结构示意图。

图3为本发明基于Wi-Fi探针的户外人流量告警方法的流程图。

具体实施方式

下面结合附图对本发明做进一步描述。

如图1至图3，一种基于Wi-Fi探针的户外人流量告警方法，其特征是包括如下步骤：

步骤1：Wi-Fi探针模块收集移动终端数据后，每2秒发送给指定服务器；

步骤2：利用时间、空间和环境等因素对探针收集的数据进行人流移动进行模拟，设定移动终端MAC的超时时间。

所述步骤2包括以下步骤：

步骤2.1：接收Wi-Fi探针模块收集的终端数据，标记登陆时间，信号强度等基本信息，并根据信号强度过滤掉信号较弱的终端MAC；

步骤2.2：为了保证天气因素的准确性，每半个小时从中国天气网上收集一次当地的气象信息，并根据天气的好坏设置不同的等级，记作weather。其中，天气状况优良时：晴天、多云或阴天，可能人出门游玩的人比较多，道路较为拥挤，记weather＝1；天气状况恶劣时：雾天或雨雪天气，记weather＝0；

步骤2.3：一般的户外情况下，晚上人们出行的较少，道路较为畅通，记夜晚时间段light＝0；白天人们出行的较多，如果人数过多会造成拥堵，记白天时间段light＝1；

步骤2.4：道路宽度大于5米时，设置width＝0；道路宽度小于5米时，设置width＝1；

步骤2.5：利用sigmod函数，将步骤2.1-步骤2.4中的影响行人移动的因素整合，得到人员停留时间长短的概率因子u，计算公式如下：

其中α，β∈(0,1)；

步骤2.6：该概率因子u的取值范围在0.5至1之间。由sigmod函数的性质可以推导出，路况越好，得到的u越小，也就表示人们逗留时间越短，走的越快。路况越差，得到的u越大，表示人们的流动性差，逗留时间比较长；

步骤2.7：正常情况下，一个人每秒钟步行速度超过1米。以商业街区场景为例，由于部署在商业街区两侧的Wi-Fi探针受到环境因素的影响，收集到的范围有限，假定一个人在街区中15秒钟可以走过整个Wi-Fi探针的覆盖范围。所以我们这里设定人的逗留时间为15u；

步骤2.8：最后，将从Wi-Fi探针模块收集的终端数据存入数据库，并设定超时时间大小为15u，并由后端服务器进行人流数目的计算。如果超过超时时间，并且没有再次扫描到该终端地址，则正常下线；如果再次扫描到该终端地址，则更新该终端地址的时间，并重新设定超时时间；

以上，通过对时空关系和环境的分析，建立了基于时空关系的模拟人员流动性方案所述步骤2之后还包括步骤3：设定一个人流告警阈值。

所述步骤3包含以下几个步骤：

步骤3.1：将空间的大小，街道宽度width录入配置文件；

步骤3.2：假定一个人走在路上最舒适的距离为0.8平方米。则初始告警阈值theta计算公式如下；

theta＝15*width/0.8；

步骤3.3：在内存中存储Wi-Fi探针实时扫描到的最大人数total，如果total大于2*theta，则利用黄金分割了原则来更新theta的值：

theta＝(total+theta)*0.618。

如图1和图2，本发明在硬件方面的实施主要包括服务器的安装部署和Wi-Fi探针的安装部署。首先在服务器中安装数据库和必要的依赖包，并启动基于Wi-Fi探针的户外人流量告警系统工程。然后选定Wi-Fi探针的部署位置，并且保证Wi-Fi探针供电供网。Wi-Fi探针收集的数据会通过网络直接上报给服务器，服务器对收集的数据进行处理，并结合人流移动的模拟方案和自适应阈值的调整方案进行人员的统计和告警，并将结果入库。

如图3，是本发明提出的基于Wi-Fi探针的户外人流量告警方法的流程图，主要的步骤描述如下：

(1)基于Wi-Fi探针的户外人流量告警方法的项目启动工作。

(2)基于人流告警阈值自适应调整方案计算出人流量告警阈值。

(3)Wi-Fi收集移动终端的数据，并每2秒向后台服务器发送一次。

(4)基于时空关系的模拟人员流动性方案计算出终端在Wi-Fi探针范围内的逗留时间。

(5)计算Wi-Fi探针范围内的实时人流量是否超出阈值。

(6)将Wi-Fi人流的实时结果入库。如果人流量超出阈值，则发出告警，否则只在前段显示实时的人流量。

Claims (3)

1.一种基于Wi-Fi探针的户外人流量告警方法，其特征是包括如下步骤：

步骤1：Wi-Fi探针模块收集移动终端数据后，每2秒发送给指定服务器；

步骤2：利用时间、空间和环境等因素对探针收集的数据进行人流移动进行模拟，设定移动终端MAC的超时时间；所述步骤2包括以下步骤：

步骤2.1：接收Wi-Fi探针模块收集的终端数据，标记登陆时间，信号强度等基本信息，并根据信号强度过滤掉信号较弱的终端MAC；

步骤2.2：为了保证天气因素的准确性，每半个小时从中国天气网上收集一次当地的气象信息，并根据天气的好坏设置不同的等级，记作weather；其中，天气状况优良时：晴天、多云或阴天，可能人出门游玩的人比较多，道路较为拥挤，记weather＝1；天气状况恶劣时：雾天或雨雪天气，记weather＝0；

步骤2.3：一般的户外情况下，晚上人们出行的较少，道路较为畅通，记夜晚时间段light＝0；白天人们出行的较多，如果人数过多会造成拥堵，记白天时间段light＝1；

步骤2.4：道路宽度大于5米时，设置width＝0；道路宽度小于5米时，设置width＝1；

步骤2.5：利用sigmod函数，将步骤2.1-步骤2.4中的影响行人移动的因素整合，得到人员停留时间长短的概率因子u，计算公式如下：

其中α，β∈(0,1)_；

步骤2.6：该概率因子u的取值范围在0.5至1之间；由sigmod函数的性质可以推导出，路况越好，得到的u越小，也就表示人们逗留时间越短，走的越快；路况越差，得到的u越大，表示人们的流动性差，逗留时间比较长；

步骤2.7：正常情况下，一个人每秒钟步行速度超过1米；以商业街区场景为例，由于部署在商业街区两侧的Wi-Fi探针受到环境因素的影响，收集到的范围有限，假定一个人在街区中15秒钟可以走过整个Wi-Fi探针的覆盖范围；所以我们这里设定人的逗留时间为15u；

步骤2.8：最后，将从Wi-Fi探针模块收集的终端数据存入数据库，并设定超时时间大小为15u，并由后端服务器进行人流数目的计算；如果超过超时时间，并且没有再次扫描到该终端地址，则正常下线；如果再次扫描到该终端地址，则更新该终端地址的时间，并重新设定超时时间；

以上，通过对时空关系和环境的分析，建立了基于时空关系的模拟人员流动性方案。

2.根据权利要求1所述的基于Wi-Fi探针的户外人流量告警方法，其特征是所述步骤2之后还包括步骤3：设定一个人流告警阈值。

3.根据权利要求2所述的基于Wi-Fi探针的户外人流量告警方法，其特征是所述步骤3包含以下几个步骤：

步骤3.1：将空间的大小，街道宽度width录入配置文件；

步骤3.2：假定一个人走在路上最舒适的距离为0.8平方米；则初始告警阈值theta计算公式如下；

theta＝15*width/0.8；

步骤3.3：在内存中存储Wi-Fi探针实时扫描到的最大人数total，如果total大于2*theta，则利用黄金分割了原则来更新theta的值：

theta＝(total+theta)*0.618。

Images