CN111476611B - 基于传感器的数据处理方法以及装置 - Google Patents
基于传感器的数据处理方法以及装置 Download PDFInfo
- Publication number
- CN111476611B CN111476611B CN202010302652.6A CN202010302652A CN111476611B CN 111476611 B CN111476611 B CN 111476611B CN 202010302652 A CN202010302652 A CN 202010302652A CN 111476611 B CN111476611 B CN 111476611B
- Authority
- CN
- China
- Prior art keywords
- sensor
- acquisition
- data
- target
- type
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000006399 behavior Effects 0.000 claims description 81
- 230000008859 change Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 description 24
- 230000001960 triggered effect Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 230000003247 decreasing effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- H04B5/00—Near-field transmission systems, e.g. inductive or capacitive transmission systems
- H04B5/70—Near-field transmission systems, e.g. inductive or capacitive transmission systems specially adapted for specific purposes
- H04B5/73—Near-field transmission systems, e.g. inductive or capacitive transmission systems specially adapted for specific purposes for taking measurements, e.g. using sensing coils
-
- 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)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Game Theory and Decision Science (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施例提供基于传感器的数据处理方法以及装置,其中所述基于传感器的数据处理方法包括:获取传感器阵列中至少两种类型的传感器各自采集的数据集;根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
Description
技术领域
本说明书实施例涉及传感器技术领域,特别涉及一种基于传感器的数据处理方法。本说明书一个或者多个实施例同时涉及一种基于传感器的数据处理装置,一种计算设备,以及一种计算机可读存储介质。
背景技术
实体店铺作为以零售为主的商业组织形式,需要精细化管理,而精细化管理以事实为依据,用数据说话,决策者、管理者通过对实体店铺各个硬软件得出的数据进行分析,并用这些数据为顾客与商户服务。客流量对实体店铺来说是其核心元素,充足有效的客流量才能提升实体店铺的盈利能力,客流量不仅是定位和招商的基础,更是实体店铺是否能成功运营的关键。
客流量能够为实体店铺的运营决策和综合管理提供准确及时的数据参考,对稳定市场,提升店铺人气起到非常重要的作用,通过对客流量统计数据进行有效的分析和挖掘,为科学决策提供数据支持,提高综合管理运作层次实体店铺购物中心运营的必要手段。
发明内容
有鉴于此,本说明书实施例提供了一种基于传感器的数据处理方法。本说明书一个或者多个实施例同时涉及一种基于传感器的数据处理装置,一种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种基于传感器的数据处理方法,包括:
获取传感器阵列中至少两种类型的传感器各自采集的数据集;
根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;
确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;
统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
可选地,所述根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器,包括:
获取所述数据集中维度数据的预设数据量阈值;
判断所述至少一个数据集中维度数据的数目是否大于所述预设数据量阈值;
若是,则确定所述传感器阵列中权重大于预设权重阈值的第一类型的传感器作为目标采集传感器;
若否,则确定所述传感器阵列中权重大于预设权重阈值的第二类型的传感器作为目标采集传感器。
可选地,所述第一类型的传感器通过以下方式进行数据采集:
接收预设采集区域内采集对象携带的移动设备发出的蓝牙信号;
根据接收到的蓝牙信号获取各移动设备的蓝牙物理地址;
按照预设采集周期采集各蓝牙物理地址对应的蓝牙信号强度;
其中,在所述蓝牙信号强度采集完成后,将所述预设采集周期、所述蓝牙物理地址以及所述蓝牙信号强度的采集结果进行整合,生成数据集。
可选地,所述确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型,包括:
根据所述第一类型的传感器的数据集中信号强度随时间的变化趋势,确定对应的采集对象的至少一种行为类型。
可选地,在所述第二类型的传感器为计数传感器的情况下,所述第二类型的传感器通过以下方式进行数据采集:
在接收到数据采集信号的情况下,对所述第二类型的传感器的计数次数以及接收所述数据采集信号的时间节点信息进行采集;
其中,在采集完成后,将所述时间节点信息以及所述计数次数添加至所述第二类型的传感器的数据集。
可选地,所述第二类型的传感器包含两个传感器组合,且每个传感器组合中包含的至少一个传感器;
相应的,所述确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型,包括:
在第一传感器组合中包含的至少两个目标数据集中存在至少两个时间节点间的间隔时长小于预设时长阈值的情况下,则根据所述时间节点生成时间序列;
根据所述时间序列中所述时间节点的时间先后顺序确定对应的采集对象的至少一种行为类型;以及
根据第二传感器组合中至少一个传感器的数据集,确定对应的采集对象的至少一种行为类型。
可选地,在所述第二类型传感器为距离传感器的情况下,所述第二类型的传感器通过以下方式进行数据采集:
在接收到数据采集信号的情况下,对所述第二类型的传感器与采集对象间的距离信息以及接收所述数据采集信号的时间节点信息进行采集;
其中,在采集完成后,将所述距离信息以及所述时间节点信息添加至所述第二类型的传感器的数据集。
可选地,所述确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型,包括:
根据所述第二类型的传感器的数据集中所述距离信息随时间的变化趋势,确定对应的采集对象的至少一种行为类型。
可选地,所述基于传感器的数据处理方法,还包括:
确定所述第二传感器组合中至少一个传感器的初始放置位置,以及与所述初始放置位置形成的初始放置角度;
根据目标采集区域以及采集对象的目标采集高度,确定所述至少一个传感器的目标放置位置和/或目标放置角度;
根据所述目标放置位置和/或所述目标放置角度,生成对所述初始放置位置和/或所述初始放置角度进行调节的待调节距离和/或待调节角度。
可选地,所述基于传感器的数据处理方法,还包括:
在确定对所述第二类型的传感器进行调整的调整策略为新增传感器的情况下,则根据目标采集区域以及采集对象的目标采集高度,生成待新增传感器的目标放置位置以及目标放置角度;
基于所述目标放置位置以及所述目标放置角度生成传感器新增指令并输出。
可选地,所述传感器阵列部署于门店;所述数据集中包含的数据为所述门店的客流数据;所述采集对象包括所述门店的门店用户。
根据本说明书实施例的第二方面,提供了一种基于传感器的数据处理装置,包括:
获取模块,被配置为获取传感器阵列中至少两种类型的传感器各自采集的数据集;
传感器确定模块,被配置为根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;
行为类型确定模块,被配置为确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;
统计模块,被配置为统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
可选地,所述传感器确定模块,包括:
预设数据量阈值获取子模块,被配置为获取所述数据集中维度数据的预设数据量阈值;
判断子模块,被配置为判断所述至少一个数据集中维度数据的数目是否大于所述预设数据量阈值;
若所述判断子模块的运行结果为是,则运行第一传感器确定子模块;若所述判断子模块的运行结果为否,则运行第二传感器确定子模块;
所述第一传感器确定子模块,被配置为确定所述传感器阵列中权重大于预设权重阈值的第一类型的传感器作为目标采集传感器;
所述第二传感器确定子模块,被配置为确定所述传感器阵列中权重大于预设权重阈值的第二类型的传感器作为目标采集传感器。
根据本说明书实施例的第三方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取传感器阵列中至少两种类型的传感器各自采集的数据集;
根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;
确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;
统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
根据本说明书实施例的第四方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现所述基于传感器的数据处理方法的步骤。
本说明书一个实施例通过获取传感器阵列中至少两种类型的传感器各自采集的数据集;根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比;实现了通过在传感器阵列中放置至少两种类型的传感器,并根据不同需求选择适合的至少一种类型的传感器作为目标采集传感器,并通过目标传感器的目标数据集中的维度数据对待统计数据进行统计,有利于提高统计结果的准确性。
附图说明
图1是本说明书一个实施例提供的一种基于传感器的数据处理方法的处理流程图;
图2是本说明书一个实施例提供的一种传感器阵列示意图;
图3是本说明书一个实施例提供的一种基于传感器的数据处理方法的处理过程流程图;
图4是本说明书一个实施例提供的一种基于传感器的数据处理装置的示意图;
图5是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本说明书中,提供了一种基于传感器的数据处理方法,本说明书同时涉及一种基于传感器的数据处理装置,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
图1示出了根据本说明书一个实施例提供的一种基于传感器的数据处理方法的处理流程图,包括步骤102至步骤108。
步骤102,获取传感器阵列中至少两种类型的传感器各自采集的数据集。
随着互联网技术的发展,越来越多的线上交易应运而生,而线上交易的兴起以及其发展速度,均对线下的实体店铺产生了很大的影响,实体店铺作为以零售为主的商业组织形式,需要精细化管理,客流量对实体店铺来说是其核心元素,充足有效的客流量才能提升实体店铺的盈利能力,客流量不仅是定位和招商的基础,更是实体店铺是否能成功运营的关键。实体店铺通常会对一段时间内的客流量进行统计,并根据客流量统计结果制定相应的经营策略,因此,如何进行客流量统计,以保证统计结果的准确性,成为亟需解决的问题。
基于此,本说明书实施例提供了一种基于传感器的数据处理方法,通过获取传感器阵列中至少两种类型的传感器各自采集的数据集,根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器,并确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型,统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
若采集线下门店的客流量,则所述传感器阵列部署于门店;所述数据集中包含的数据为所述门店的客流数据;所述采集对象包括所述门店的门店用户。
由传感器阵列中包含至少两种类型的传感器对一定时长内采集对象的相关数据进行采集,并将采集的数据进行整合形成数据集后,传输至主机,由主机对这些数据集中维度数据对应的采集对象的行为类型进行统计和分析,所述维度数据可以包括距离维度数据或时间维度数据等,不同类型的传感器所采集的维度数据可能会存在差别。
本说明书实施例以传感器阵列中包含两种类型的传感器为例进行说明,实际应用中,在传感器阵列中包含两种以上类型的传感器的情况下,具体的数据处理方法与传感器阵列中包含两种类型传感器的数据处理方法类似,参照传感器阵列中包含两种类型的传感器时的数据处理方法的实现过程即可,在此不再赘述。
以实体店铺的客流量统计场景为例,所述至少一种行为类型为“进店”,统计至少一种行为类型的采集对象在总采集对象中的占比,即统计进店率,所述进店率,即单位时间内,从店铺门口经过的客流量与进入店铺内的客流量的比率。因此,为保证统计结果的准确性,则在店铺门口放置至少两种类型的传感器,形成所述传感器阵列,在客流量多或者客流量少时,可分别选择不同类型的传感器作为目标采集传感器,并根据所述目标采集传感器的目标数据集中的维度数据进行数据处理,以计算进店率。
步骤104,根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器。
具体的,由于传感器阵列中包含至少两种类型的传感器,并且每种类型的传感器的属性以及工作原理不同,进行数据采集的维度可能也会存在差异,因此,不同传感器根据各自的目标维度进行数据采集,采集到的数据即为维度数据;并且,由于所述至少一个数据集中的维度数据是按照预设采集时长进行数据采集生成的,因此,可根据所述至少一个数据集中的维度数据数目对某一预设采集时长内采集对象的数目进行估计,并根据估计结果选择目标采集传感器。
进一步的,由于不同类型的传感器在采集对象的数量不同时,采集的准确度不同,因此,可根据一段时长内所采集的维度数据的数目与维度数据的预设数据量阈值的大小关系,确定用于进行数据处理的目标采集传感器,具体可通过以下方式实现:
获取所述数据集中维度数据的预设数据量阈值;
判断所述至少一个数据集中维度数据的数目是否大于所述预设数据量阈值;
若是,则确定所述传感器阵列中权重大于预设权重阈值的第一类型的传感器作为目标采集传感器;
若否,则确定所述传感器阵列中权重大于预设权重阈值的第二类型的传感器作为目标采集传感器。
具体的,不同类型传感器以及同一类型中不同的传感器采集的数据可能不同,根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器。
本说明书实施例中,对于传感器阵列中不同类型的传感器,均以同一预设数据量阈值为标准,选择符合条件的至少一种类型的传感器作为目标采集传感器;实际应用中,可以根据不同数据集中维度数据的不同,选择不同的预设数据量阈值作为标准,从而选择符合条件的至少一种类型的传感器作为目标采集传感器。
仍以实体店铺的客流量统计场景为例,所述数据集中维度数据的预设数据量阈值即客流量,实体店铺的传感器阵列示意图如图2所示,由图2可知,所述传感器阵列由传感器1、传感器2、传感器3、传感器4以及传感器5组成,所述传感器阵列位于实体店铺门外,并且位于门口上方,其中,传感器1和传感器2为第一类型的传感器(蓝牙传感器),传感器3、传感器4以及传感器5为第二类型的传感器(红外传感器);
第一类型的传感器用于检测客流中用户所携带的移动设备发出的蓝牙信号强度,在客流较大的情况下,利用第一类型的传感器采集的数据集进行客流统计得到的结果更加准确;第二类型的传感器中传感器3和传感器4用于采集店内的客流信息(用户进店或出店时的数据),传感器5用于采集店外的客流信息,在客流量较小的情况下,利用第二类型的传感器采集的数据集进行客流统计得到的结果更加准确;
因此,若预设数据量阈值为20,而蓝牙传感器以及红外传感器的数据集中维度数据的数目分别为25和23,均大于预设数据量阈值20,则表明客流较小,可将第一类型的传感器(红外传感器)作为目标采集传感器;若预设数据量阈值为50,而蓝牙传感器以及红外传感器的数据集中维度数据的数目分别为52和23,则表明客流较大,可将第二类型的传感器(蓝牙传感器)作为目标采集传感器。
传感器阵列中每一个传感器的数据集中维度数据的数目均可用于表征某一时间段内的客流量,因此,为保证统计结果的准确性,可根据数据集中维度数据的数目以及维度数据的预设数据量阈值选择目标采集传感器。
进一步的,第一类型的传感器为蓝牙传感器,蓝牙传感器需采集不同采集对象所携带的移动设备发出的蓝牙信号强度,具体可通过以下方式实现:
接收预设采集区域内采集对象携带的移动设备发出的蓝牙信号;
根据接收到的蓝牙信号获取各移动设备的蓝牙物理地址;
按照预设采集周期采集各蓝牙物理地址对应的蓝牙信号强度;
其中,在所述蓝牙信号强度采集完成后,将所述预设采集周期、所述蓝牙物理地址以及所述蓝牙信号强度的采集结果进行整合,生成数据集。
具体的,所述第一类型的传感器为蓝牙传感器,由于蓝牙是一种无线技术标准,可实现固定设备、移动设备和楼宇个人域网之间的短距离数据交换,本说明书实施例中,蓝牙传感器的工作模式有两种,在处于第一种工作模式,蓝牙传感器相当于一个信标设备,通过使用低功耗蓝牙技术,信标设备可以创建一个信号区域,当采集对象携带的移动设备进入该区域时,相应的应用程序便会提示所述采集对象开启蓝牙,接入这个信号网络;在蓝牙传感器处于第二种工作模式时,则每间隔30s,进行一次扫描,并根据扫描结果进行数据采集,每次扫描的时长为10s。
第一类型的传感器中包含至少一个蓝牙传感器;在仅包含一个蓝牙传感器得情况下,这个蓝牙传感器的工作模式需在第一工作模式和第二工作模式之间不断切换;在包含两个蓝牙传感器的情况下,则每个蓝牙传感器对应一种工作模式,无需进行切换。
蓝牙传感器在扫描到的采集对象所携带的移动设备实例后,可从实例中获取到相应的信息,如:设备名称,蓝牙物理地址,蓝牙信息强度值等,基于采集到的数据生成的数据集样例为:{mac_address,[r1,r2,r3,…],[t1,t2,t3,…],type},其中mac_adress为扫描到的蓝牙物理地址,[r1,r2,r3,…]为测量的信号强度rssi序列,[t1,t2,t3,…]为信号强度采样的时间戳序列,type为扫描蓝牙类型(主动扫描或被扫描);
沿用上例,实体店铺的传感器阵列示意图如图2所示,图2中包含的第一类型的传感器为传感器1和传感器2,其中,传感器1处于第一工作模式,传感器2处于第二工作模式,传感器1用于提示进入预设采集区域的客流用户打开蓝牙,传感器2用于扫描打开蓝牙的移动设备所发出的蓝牙信号强度,传感器2在接收到蓝牙信号后,获取发出蓝牙信号的移动设备的蓝牙物理地址,并不断获取该蓝牙物理地址在不同时间节点的蓝牙信号强度,并在所述蓝牙信号强度采集完成后,将采集数据的时间节点信息、所述蓝牙物理地址以及所述蓝牙信号强度的采集结果进行整合,生成数据集。
在至少一个数据集中维度数据的数目大于维度数据的预设数据量阈值时,将传感器阵列中第一类型的传感器作为目标采集传感器,并利用所述目标采集传感器采集的目标数据集统计对应的采集对象的行为类型,有利于保证统计结果的准确性。
另外,在所述第二类型的传感器为计数传感器的情况下,所述计数传感器需采集被不同采集对象触发进行数据采集的触发次数,以及被触发的时间节点信息,具体可通过以下方式实现:
在接收到数据采集信号的情况下,对所述第二类型的传感器的计数次数以及接收所述数据采集信号的时间节点信息进行采集;
其中,在采集完成后,将所述时间节点信息以及所述计数次数添加至所述第二类型的传感器的数据集。
具体的,在采集对象进入所述第二类型的传感器的采集区域内时,触发所述第二类型的传感器进行数据采集,采集的数据包括触发的时间节点信息以及所述第二类型的传感器的计数次数,在数据采集完成后,将采集的时间节点信息以及计数次数添加至所述第二类型的传感器的数据集。
第二类型的传感器的数据集中包含的数据为:传感器标识,时间节点信息以及计数次数,并且,基于所述传感器标识、时间节点信息以及计数次数生成的数据集样例为{id,[t1,t2,…,tn],n};其中,id即为传感器的设备唯一编号,[t1,t2,…,tn]为传感器被触发进行数据采集的时间节点序列,n为计数次数。
具体实施时,所述第二类型的传感器可以是被动式热释电红外传感器(PassiveInfrared Detector,PIR传感器),以型号HC-SR501传感器为例,其具有全自动感应功能,采集对象进入其预设采集区域则输出高电平,采集对象离开预设采集区域,则自动延时关闭高电平,输出低电平;每输出一个高电平,计数次数累加1。
另外,在所述第二类型的传感器为距离传感器的情况下,所述距离传感器需采集被不同采集对象触发进行数据采集的时间节点信息,以及被触发时采集对象与传感器间的距离,具体可通过以下方式实现:
在接收到数据采集信号的情况下,对所述第二类型的传感器与采集对象间的距离信息以及接收所述数据采集信号的时间节点信息进行采集;
其中,在采集完成后,将所述距离信息以及所述时间节点信息添加至所述第二类型的传感器的数据集。
具体的,在采集对象进入所述第二类型的传感器的采集区域内时,触发所述第二类型的传感器进行数据采集,采集的数据包括触发的时间节点信息,以及所述第二类型的传感器被触发时,采集对象与所述第二类型传感器间的距离信息;在数据采集完成后,将采集的时间节点信息以及距离信息添加至所述第二类型的传感器的数据集。
其中,所述第二类型的传感器的数据集中包含的数据为:传感器标识,被触发的时间节点信息,以及被触发时,采集对象与所述第二类型传感器间的距离信息,生成的数据集样例为{id,[d1,d2,…,dn],[t1,t2,…,tn]};其中,id为传感器的设备唯一编号,[d1,d2,…,dn]为距离值序列,[t1,t2,…,tn]为距离值采样的时间节点序列;
具体的,所述距离传感器可以是飞行时间(TOF)传感器,以型号LHI778 PassiveInfrared Sensor的传感器为例,在接收到数据采集信号(被触发)的情况下,检测被触发的时间节点信息,以及被触发时采集对象与传感器间的距离信息,并对所述时间节点信息以及距离信息进行采集,在采集完成后,将所述距离信息以及所述时间节点信息添加至数据集。
步骤106,确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型。
具体的,所述目标采集传感器采集的数据集即为目标数据集;
在确定目标采集传感器后,则按照不同类型的目标采集传感器中采集对象的预设行为类型确定规则,确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型。
进一步的,所述第一类型的传感器,则第一类型的传感器的目标数据集中维度数据对应的采集对象的行为类型通过以下方式确定:
根据所述第一类型的传感器的数据集中信号强度随时间的变化趋势,确定对应的采集对象的至少一种行为类型。
具体的,若所述目标采集传感器为第一类型的传感器,由于所述第一类型的传感器采集的数据集中包含的数据为蓝牙物理地址、蓝牙信号强度以及时间节点信息;生成的数据集为{mac_address,[r1,r2,r3,…],[t1,t2,t3,…],type},由于所述数据集基于每一个蓝牙物理地址、该蓝牙物理地址对应的蓝牙信号强度以及采集蓝牙信号强度的时间节点信息生成,因此第一类型的传感器采集的数据集为至少一个;
另外,由于蓝牙物理地址为采集对象所携带的移动设备的地址,因此,每一个蓝牙物理地址可指向唯一的采集对象,则根据一个数据集中信号强度随时间的变化趋势即可确定采集对象的行为类型;
采集对象与所述第一类型的传感器间的距离越近,则所述第一类型的传感器采集到的由该采集对象所携带的移动设备发出的信号强度值越大;
沿用上例,若数据集中蓝牙物理地址对应的蓝牙信号强度随时间的变化趋势为先增大后减小,并且在蓝牙信号强度增大或减小的过程中,任意时刻信号强度的变化速率的变化数值均大于预设速率阈值,则可确定该采集对象为店外客流,其行为类型为“未进店”;若数据集中蓝牙物理地址对应的蓝牙信号强度随时间的变化趋势为先增大后减小,并且在蓝牙信号强度增大或减小的过程中,存在相邻的多个时刻的信号强度值持续大于预设强度阈值,则可确定该采集对象的行为类型为“进店”;
在至少一个数据集中维度数据的数目大于维度数据的预设数据量阈值时,将传感器阵列中第一类型的传感器作为目标采集传感器,并利用所述目标采集传感器采集的目标数据集统计对应的采集对象的行为类型,有利于保证统计结果的准确性。
另外,所述第二类型的传感器,所述第二类型的传感器包含两个传感器组合,且每个传感器组合中包含的至少一个传感器,则第二类型的传感器的目标数据集中维度数据对应的采集对象的行为类型通过以下方式确定:
相应的,所述确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型,包括:
在第一传感器组合中包含的至少两个目标数据集中存在至少两个时间节点间的间隔时长小于预设时长阈值的情况下,则根据所述时间节点生成时间序列;
根据所述时间序列中所述时间节点的时间先后顺序确定对应的采集对象的至少一种行为类型;以及
根据第二传感器组合中至少一个传感器的数据集,确定对应的采集对象的至少一种行为类型。
具体的,由于不同传感器的放置位置以及放置角度不同,所采集的维度数据存在差异,因此根据维度数据确定对应的采集对象的行为类型的方式不同,对于第一传感器组合而言,需将组合中至少两个传感器的数据集中的维度数据进行整合,根据整合后的数据确定存在至少两个时间节点间的间隔时长小于预设时长阈值(所述至少两个时间节点分别属于不同的数据集)的情况下,则根据所述时间节点生成时间序列,并根据时间序列中所述时间节点的时间先后顺序确定对应的采集对象的至少一种行为类型;
对于第二传感器组合而言,由于第二传感器组合中包含至少一个传感器,因此,根据至少一个传感器的数据集中的维度数据确定采集对象的至少一种行为类型即可。
沿用上例,实体店铺的传感器阵列示意图如图2所示,图2中包含的第二类型的传感器为传感器3、传感器4以及传感器5,其中,传感器3和传感器4属于第一传感器组合,传感器5属于第二传感器组合;由于传感器3和传感器4用于采集店内的客流信息(用户进店或出店时的数据),传感器5用于采集店外的客流信息,因此需对传感器3和传感器4的数据集中的维度数据进行整合,并根据整合结果确定客流用户的行为类型为“进店”或“出店”;根据传感器5的数据集中的维度数据确定对应的采集对象的行为类型为“未进店”。
具体的,对传感器3和传感器4的数据集中的维度数据进行整合后,确定是否存在至少两个时间节点间的间隔时长小于预设时长阈值,且所述至少两个时间节点分别属于不同的数据集,若存在,则根据所述时间节点生成时间序列;
例如,若确定传感器3的数据集中包含时间节点为13时24分45秒的一个维度数据(13时24分45秒时传感器3被触发),传感器4的数据集中包含时间节点为13时24分47秒的一个维度数据(13时24分47秒时被触发),这两个时间节点间的间隔时长小于预设时长阈值5秒,则根据上述两个时间节点生成时间序列[13时24分45秒, 13时24分47秒](时间序列按照传感器3对应的时间节点在前,传感器4对应的时间节点在后的规则生成),根据所述时间序列中时间节点的时间先后顺序确定对应的客流用户的行为类型为“出店”。
进一步的,若所述第二类型的传感器为目标采集传感器,且所述第二类型的传感器为距离传感器,则第二类型的传感器的目标数据集中维度数据对应的采集对象的行为类型通过以下方式确定:
根据所述第二类型的传感器的数据集中所述距离信息随时间的变化趋势,确定对应的采集对象的至少一种行为类型。
具体的,若所述目标采集传感器为第二类型的传感器,且所述第二类型的传感器为距离传感器,由于所述距离传感器采集的数据集中包含的数据为传感器标识,被触发的时间节点信息以及被触发时,采集对象与所述第二类型传感器间的距离信息,生成的数据集样例为{id,[d1,d2,…,dn],[t1,t2,…,tn]};
沿用上例,由于传感器阵列放置于店铺门外上方,距离店铺门口较近,因此,采集对象与传感器间的距离可以近似为采集对象与店铺门口的距离,根据采集对象与传感器间距离随时间的变化趋势即可确定采集对象的行为类型;
若数据集中采集对象与传感器间的距离随时间的变化趋势为先增大后减小,并且在距离增大或减小的过程中,任意时刻距离的变化速率的变化数值均大于预设阈值,则可确定该采集对象为店外客流,其行为类型为“未进店”;若数据集中距离随时间的变化趋势为先增大后减小,并且在距离增大或减小的过程中,存在相邻的多个时刻的距离值持续大于预设距离阈值,则可确定该采集对象的行为类型为“进店”;
在至少一个数据集中维度数据的数目小于维度数据的预设数据量阈值时,将传感器阵列中第二类型的传感器作为目标采集传感器,并利用所述目标采集传感器采集的目标数据集统计对应的采集对象的行为类型,有利于保证统计结果的准确性。
步骤108,统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
具体的,在确定目标采集传感器后,可根据目标采集传感器的目标数据集中的维度数据,确定对应的一定时长内采集对象的行为类型,并根据各个行为类型下采集对象的数目,计算一定时长内的采集对象总数,并根据采集对象总数计算至少一种行为类型下采集对象的数目在采集对象总数中的占比。
仍以实体店铺的客流量统计场景为例,实体店铺的传感器阵列示意图如图2所示,图2中传感器3、传感器4以及传感器5为第二类型的传感器,并且,传感器3和传感器4用于采集店内的客流信息(用户进店或出店时的数据),传感器5用于采集店外的客流信息,若根据传感器3和传感器4的数据集中的维度数据确定一天之内进店人数为x1,根据传感器5的数据集中的维度数据确定一天之内店铺外的客流量为x2,则该实体店铺这一天的客流进店率为[x1/(x1+x2)]%。
根据传感器1和传感器2的数据集的维度数据确定客流进店率的方式与前述计算过程类似,在此不再赘述。
另外,由于传感器的检测区域有限,并且,不同的放置位置以及放置角度,对应的检测区域不同,因此,在需要调整传感器的检测区域的情况下,可通过调整传感器的放置位置和/或放置角度,具体可通过以下方式实现:
确定所述第二传感器组合中至少一个传感器的初始放置位置,以及与所述初始放置位置形成的初始放置角度;
根据目标采集区域以及采集对象的目标采集高度,确定所述至少一个传感器的目标放置位置和/或目标放置角度;
根据所述目标放置位置和/或所述目标放置角度,生成对所述初始放置位置和/或所述初始放置角度进行调节的待调节距离和/或待调节角度。
具体的,所述初始放置位置为传感器的当前放置位置,所述初始放置角度为传感器与放置载体之间一个夹角的角度。
以所述至少一个传感器为图2中的传感器3为例,如图2所示,传感器3的初始放置位置为P点,初始放置角度为45°,当前检测角度为60°,形成的采集区域如图2所示,若要改变采集区域,则可根据目标采集区域的大小,以及采集区域的具体范围,确定传感器3的待调节角度和/或待调节位置。
本说明书实施例中图2中的角度仅用于进行示意性说明,图中角度的真实值并不具有参考价值。
通过调整传感器的放置位置和/或放置角度,从而改变传感器的采集区域,有利于提高传感器的资源利用率。
除此之外,在需要调整传感器的检测区域的情况下,还可通过新增传感器的方式实现,具体实现方式如下:
在确定对所述第二类型的传感器进行调整的调整策略为新增传感器的情况下,则根据目标采集区域以及采集对象的目标采集高度,生成待新增传感器的目标放置位置以及目标放置角度;
基于所述目标放置位置以及所述目标放置角度生成传感器新增指令并输出。
具体的,若需要调整当前传感器的采集区域,并且确定调整策略为新增传感器,则可根据待新增传感器的自身属性以及目标采集区域,确定待新增传感器的目标放置位置以及目标放置角度。
通过新增传感器的方式,扩大采集区域,从而有利于增加数据的采集量,进而有利于提高统计结果的准确性。
本说明书实施例提供的基于传感器的数据处理方法,实现了通过在传感器阵列中放置至少两种类型的传感器,并根据不同需求选择适合的至少一种类型的传感器作为目标采集传感器,并通过目标传感器的目标数据集中的维度数据对待统计数据进行统计,有利于提高统计结果的准确性。
下述结合附图3,以本说明书提供的基于传感器的数据处理方法在客流统计场景的应用为例,对所述基于传感器的数据处理方法进行进一步说明。其中,图3示出了本说明书一个实施例提供的一种基于传感器的数据处理方法的处理过程流程图,具体步骤包括步骤302至步骤314。
步骤302,获取放置于实体店铺外的传感器阵列中两种类型的传感器各自采集的数据集。
步骤304,获取所述数据集中维度数据的预设数据量阈值。
步骤306,判断至少一个数据集中维度数据的数目是否大于预设数据量阈值。
若是,则执行步骤308;若否,则执行步骤310。
步骤308,确定传感器阵列中的蓝牙传感器作为目标采集传感器。
步骤310,确定传感器阵列中的红外传感器作为目标采集传感器。
步骤312,确定目标采集传感器的目标数据集中维度数据对应的客流用户的行为类型。
具体的,所述行为类型包括“进店”和“未进店”。
步骤314,统计目标数据集中一定时长内进店的客流用户数量在客流用户总数中的占比。
本说明书实施例提供的基于传感器的数据处理方法,实现了通过在传感器阵列中放置至少两种类型的传感器,并根据不同需求选择适合的至少一种类型的传感器作为目标采集传感器,并通过目标传感器的目标数据集中的维度数据对待统计数据进行统计,有利于提高统计结果的准确性。
与上述方法实施例相对应,本说明书还提供了基于传感器的数据处理装置实施例,图4示出了本说明书一个实施例提供的一种基于传感器的数据处理装置的示意图。如图4所示,该装置包括:
获取模块402,被配置为获取传感器阵列中至少两种类型的传感器各自采集的数据集;
传感器确定模块404,被配置为根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;
行为类型确定模块406,被配置为确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;
统计模块408,被配置为统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
可选地,所述传感器确定模块404,包括:
预设数据量阈值获取子模块,被配置为获取所述数据集中维度数据的预设数据量阈值;
判断子模块,被配置为判断所述至少一个数据集中维度数据的数目是否大于所述预设数据量阈值;
若所述判断子模块的运行结果为是,则运行第一传感器确定子模块;若所述判断子模块的运行结果为否,则运行第二传感器确定子模块;
所述第一传感器确定子模块,被配置为确定所述传感器阵列中权重大于预设权重阈值的第一类型的传感器作为目标采集传感器;
所述第二传感器确定子模块,被配置为确定所述传感器阵列中权重大于预设权重阈值的第二类型的传感器作为目标采集传感器。
可选地,所述第一类型的传感器通过以下方式进行数据采集:
接收预设采集区域内采集对象携带的移动设备发出的蓝牙信号;
根据接收到的蓝牙信号获取各移动设备的蓝牙物理地址;
按照预设采集周期采集各蓝牙物理地址对应的蓝牙信号强度;
其中,在所述蓝牙信号强度采集完成后,将所述预设采集周期、所述蓝牙物理地址以及所述蓝牙信号强度的采集结果进行整合,生成数据集。
可选地,所述行为类型确定模块406,进一步被配置为:
根据所述第一类型的传感器的数据集中信号强度随时间的变化趋势,确定对应的采集对象的至少一种行为类型。
可选地,在所述第二类型的传感器为计数传感器的情况下,所述第二类型的传感器通过以下方式进行数据采集:
在接收到数据采集信号的情况下,对所述第二类型的传感器的计数次数以及接收所述数据采集信号的时间节点信息进行采集;
其中,在采集完成后,将所述时间节点信息以及所述计数次数添加至所述第二类型的传感器的数据集。
可选地,所述第二类型的传感器包含两个传感器组合,且每个传感器组合中包含的至少一个传感器;
相应的,所述行为类型确定模块406,包括:
时间序列生成子模块,被配置为在第一传感器组合中包含的至少两个目标数据集中存在至少两个时间节点间的间隔时长小于预设时长阈值的情况下,则根据所述时间节点生成时间序列;
第一行为类型确定子模块,被配置为根据所述时间序列中所述时间节点的时间先后顺序确定对应的采集对象的至少一种行为类型;以及
第二行为类型确定子模块,被配置为根据第二传感器组合中至少一个传感器的数据集,确定对应的采集对象的至少一种行为类型。
可选地,在所述第二类型传感器为距离传感器的情况下,所述第二类型的传感器通过以下方式进行数据采集:
在接收到数据采集信号的情况下,对所述第二类型的传感器与采集对象间的距离信息以及接收所述数据采集信号的时间节点信息进行采集;
其中,在采集完成后,将所述距离信息以及所述时间节点信息添加至所述第二类型的传感器的数据集。
可选地,所述行为类型确定模块406,进一步被配置为:
根据所述第二类型的传感器的数据集中所述距离信息随时间的变化趋势,确定对应的采集对象的至少一种行为类型。
可选地,所述基于传感器的数据处理装置,还包括:
初始放置位置确定模块,被配置为确定所述第二传感器组合中至少一个传感器的初始放置位置,以及与所述初始放置位置形成的初始放置角度;
目标放置位置确定模块,被配置为根据目标采集区域以及采集对象的目标采集高度,确定所述至少一个传感器的目标放置位置和/或目标放置角度;
待调节角度生成模块,被配置为根据所述目标放置位置和/或所述目标放置角度,生成对所述初始放置位置和/或所述初始放置角度进行调节的待调节距离和/或待调节角度。
可选地,所述基于传感器的数据处理装置,还包括:
目标放置角度生成模块,被配置为在确定对所述第二类型的传感器进行调整的调整策略为新增传感器的情况下,则根据目标采集区域以及采集对象的目标采集高度,生成待新增传感器的目标放置位置以及目标放置角度;
指令输出模块,被配置为基于所述目标放置位置以及所述目标放置角度生成传感器新增指令并输出。
可选地,所述传感器阵列部署于门店;所述数据集中包含的数据为所述门店的客流数据;所述采集对象包括所述门店的门店用户。
上述为本实施例的一种基于传感器的数据处理装置的示意性方案。需要说明的是,该基于传感器的数据处理装置的技术方案与上述的基于传感器的数据处理方法的技术方案属于同一构思,基于传感器的数据处理装置的技术方案未详细描述的细节内容,均可以参见上述基于传感器的数据处理方法的技术方案的描述。
图5示出了根据本说明书一个实施例提供的一种计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接,数据库550用于保存数据。
计算设备500还包括接入设备540,接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备500的上述部件以及图5中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图5所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备500可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备500还可以是移动式或静止式的服务器。
其中,所述存储器510用于存储计算机可执行指令,处理器520用于执行如下计算机可执行指令:
获取传感器阵列中至少两种类型的传感器各自采集的数据集;
根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;
确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;
统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的基于传感器的数据处理方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述基于传感器的数据处理方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时以用于实现所述基于传感器的数据处理方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的基于传感器的数据处理方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述基于传感器的数据处理方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (15)
1.一种基于传感器的数据处理方法,包括:
获取传感器阵列中至少两种类型的传感器各自采集的数据集;
根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;
确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;
统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
2.根据权利要求1所述的基于传感器的数据处理方法,所述根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器,包括:
获取所述数据集中维度数据的预设数据量阈值;
判断所述至少一个数据集中维度数据的数目是否大于所述预设数据量阈值;
若是,则确定所述传感器阵列中权重大于预设权重阈值的第一类型的传感器,作为目标采集传感器;
若否,则确定所述传感器阵列中权重大于预设权重阈值的第二类型的传感器,作为目标采集传感器。
3.根据权利要求2所述的基于传感器的数据处理方法,所述第一类型的传感器通过以下方式进行数据采集:
接收预设采集区域内采集对象携带的移动设备发出的蓝牙信号;
根据接收到的蓝牙信号获取各移动设备的蓝牙物理地址;
按照预设采集周期采集各蓝牙物理地址对应的蓝牙信号强度;
其中,在所述蓝牙信号强度采集完成后,将所述预设采集周期、所述蓝牙物理地址以及所述蓝牙信号强度的采集结果进行整合,生成数据集。
4.根据权利要求3所述的基于传感器的数据处理方法,所述确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型,包括:
根据所述第一类型的传感器的数据集中信号强度随时间的变化趋势,确定对应的采集对象的至少一种行为类型。
5.根据权利要求2所述的基于传感器的数据处理方法,在所述第二类型的传感器为计数传感器的情况下,所述第二类型的传感器通过以下方式进行数据采集:
在接收到数据采集信号的情况下,对所述第二类型的传感器的计数次数以及接收所述数据采集信号的时间节点信息进行采集;
其中,在采集完成后,将所述时间节点信息以及所述计数次数添加至所述第二类型的传感器的数据集。
6.根据权利要求5所述的基于传感器的数据处理方法,所述第二类型的传感器包含两个传感器组合,且每个传感器组合中包含的至少一个传感器;
相应的,所述确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型,包括:
在第一传感器组合中包含的至少两个目标数据集中存在至少两个时间节点间的间隔时长小于预设时长阈值的情况下,则根据所述时间节点生成时间序列;
根据所述时间序列中所述时间节点的时间先后顺序确定对应的采集对象的至少一种行为类型;以及
根据第二传感器组合中至少一个传感器的数据集,确定对应的采集对象的至少一种行为类型。
7.根据权利要求2所述的基于传感器的数据处理方法,在所述第二类型传感器为距离传感器的情况下,所述第二类型的传感器通过以下方式进行数据采集:
在接收到数据采集信号的情况下,对所述第二类型的传感器与采集对象间的距离信息以及接收所述数据采集信号的时间节点信息进行采集;
其中,在采集完成后,将所述距离信息以及所述时间节点信息添加至所述第二类型的传感器的数据集。
8.根据权利要求7所述的基于传感器的数据处理方法,所述确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型,包括:
根据所述第二类型的传感器的数据集中所述距离信息随时间的变化趋势,确定对应的采集对象的至少一种行为类型。
9.根据权利要求2所述的基于传感器的数据处理方法,还包括:
确定第二传感器组合中至少一个传感器的初始放置位置,以及与所述初始放置位置形成的初始放置角度;
根据目标采集区域以及采集对象的目标采集高度,确定所述至少一个传感器的目标放置位置和/或目标放置角度;
根据所述目标放置位置和/或所述目标放置角度,生成对所述初始放置位置和/或所述初始放置角度进行调节的待调节距离和/或待调节角度。
10.根据权利要求2所述的基于传感器的数据处理方法,还包括:
在确定对所述第二类型的传感器进行调整的调整策略为新增传感器的情况下,则根据目标采集区域以及采集对象的目标采集高度,生成待新增传感器的目标放置位置以及目标放置角度;
基于所述目标放置位置以及所述目标放置角度生成传感器新增指令并输出。
11.根据权利要求1所述的数据处理方法,所述传感器阵列部署于门店;所述数据集中包含的数据为所述门店的客流数据;所述采集对象包括所述门店的门店用户。
12.一种基于传感器的数据处理装置,包括:
获取模块,被配置为获取传感器阵列中至少两种类型的传感器各自采集的数据集;
传感器确定模块,被配置为根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;
行为类型确定模块,被配置为确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;
统计模块,被配置为统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
13.根据权利要求12所述的基于传感器的数据处理装置,所述传感器确定模块,包括:
预设数据量阈值获取子模块,被配置为获取所述数据集中维度数据的预设数据量阈值;
判断子模块,被配置为判断所述至少一个数据集中维度数据的数目是否大于所述预设数据量阈值;
若所述判断子模块的运行结果为是,则运行第一传感器确定子模块;若所述判断子模块的运行结果为否,则运行第二传感器确定子模块;
所述第一传感器确定子模块,被配置为确定所述传感器阵列中权重大于预设权重阈值的第一类型的传感器作为目标采集传感器;
所述第二传感器确定子模块,被配置为确定所述传感器阵列中权重大于预设权重阈值的第二类型的传感器作为目标采集传感器。
14.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取传感器阵列中至少两种类型的传感器各自采集的数据集;
根据至少一个数据集中维度数据的数目,确定所述传感器阵列中至少一种类型的传感器作为目标采集传感器;
确定所述目标采集传感器的目标数据集中维度数据对应的采集对象的行为类型;
统计所述目标数据集中至少一种行为类型的采集对象在总采集对象中的占比。
15.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求1至11任意一项所述基于传感器的数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010302652.6A CN111476611B (zh) | 2020-04-17 | 2020-04-17 | 基于传感器的数据处理方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010302652.6A CN111476611B (zh) | 2020-04-17 | 2020-04-17 | 基于传感器的数据处理方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111476611A CN111476611A (zh) | 2020-07-31 |
CN111476611B true CN111476611B (zh) | 2022-05-17 |
Family
ID=71753765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010302652.6A Active CN111476611B (zh) | 2020-04-17 | 2020-04-17 | 基于传感器的数据处理方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476611B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112637347B (zh) * | 2020-12-24 | 2023-04-18 | 北京源清慧虹信息科技有限公司 | 一种通用物联网采集系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207082134U (zh) * | 2017-07-21 | 2018-03-09 | 北京中航安通科技有限公司 | 一种客流统计装置 |
CN109644360A (zh) * | 2016-12-30 | 2019-04-16 | 同济大学 | 一种使用wi-fi探针判别行人流向的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295788B (zh) * | 2015-05-12 | 2019-01-08 | 杭州海康威视数字技术股份有限公司 | 客流量的统计方法及装置 |
-
2020
- 2020-04-17 CN CN202010302652.6A patent/CN111476611B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109644360A (zh) * | 2016-12-30 | 2019-04-16 | 同济大学 | 一种使用wi-fi探针判别行人流向的方法 |
CN207082134U (zh) * | 2017-07-21 | 2018-03-09 | 北京中航安通科技有限公司 | 一种客流统计装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111476611A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7265003B2 (ja) | ターゲット検出方法、モデル訓練方法、装置、機器及びコンピュータプログラム | |
CN108304758B (zh) | 人脸特征点跟踪方法及装置 | |
CN107798027B (zh) | 一种信息热度预测方法、信息推荐方法及装置 | |
CN107852410A (zh) | 剖析欺骗接入点 | |
US20150127454A1 (en) | Automated entity classification using usage histograms & ensembles | |
CN109389162B (zh) | 样本图像筛选方法和装置、电子设备及存储介质 | |
CN108491720B (zh) | 一种应用识别方法、系统以及相关设备 | |
AU2013315747A1 (en) | Time series-based entity behavior classification | |
EP3416025B1 (en) | Application control method, application control device and computer program | |
CN107480488B (zh) | 解锁控制方法及相关产品 | |
WO2019062405A1 (zh) | 应用程序的处理方法、装置、存储介质及电子设备 | |
Ashibani et al. | A behavior profiling model for user authentication in IoT networks based on app usage patterns | |
US10459066B2 (en) | Self-adaptive system and method for robust Wi-Fi indoor localization in large public site | |
CN107995422A (zh) | 图像拍摄方法和装置、计算机设备、计算机可读存储介质 | |
CN110458091A (zh) | 基于位置筛选的人脸识别1比n算法优化方法 | |
CN115185760A (zh) | 异常检测方法以及装置 | |
CN107728772B (zh) | 应用程序的处理方法、装置、存储介质及电子设备 | |
CN111476611B (zh) | 基于传感器的数据处理方法以及装置 | |
WO2022227562A1 (zh) | 身份识别方法及装置、电子设备、存储介质和计算机程序产品 | |
Wu et al. | Characterizing and predicting individual traffic usage of mobile application in cellular network | |
CN110197375A (zh) | 一种相似用户识别方法、装置、相似用户识别设备和介质 | |
Guillen-Perez et al. | Pedestrian characterisation in urban environments combining WiFi and AI | |
CN113055423B (zh) | 策略的推送方法、策略的执行方法、装置、设备及介质 | |
Le et al. | Real-time prediction of length of stay using passive Wi-Fi sensing | |
CN107832690B (zh) | 人脸识别的方法及相关产品 |
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 |