WO2018122588A1 - 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 PDFInfo
- Publication number
- WO2018122588A1 WO2018122588A1 PCT/IB2016/058108 IB2016058108W WO2018122588A1 WO 2018122588 A1 WO2018122588 A1 WO 2018122588A1 IB 2016058108 W IB2016058108 W IB 2016058108W WO 2018122588 A1 WO2018122588 A1 WO 2018122588A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- pedestrian
- detection
- flow
- mac address
- Prior art date
Links
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
Definitions
- the invention belongs to the technical field of WI-FI data acquisition and pedestrian flow detection, and particularly relates to a method for detecting pedestrian flow using a WI-FI probe.
- the WI-FI probe obtains the raw data of the human traffic by capturing the MAC address data of the mobile device; by adjusting the spatial layout of the WI-FI probe device, the detection rate in the crowd can be effectively improved; the original data is processed by using the data screening standard. And provide a variety of methods to establish a functional relationship between the detection of human flow and actual human flow, thereby improving the accuracy of WI-FI detection. Background technique
- Manual survey is the most traditional method for counting passenger flow. The method is simple and can be superimposed on manual judgment criteria. However, due to its high requirements for investigators, large counting errors, and low data quality, the data collection work after the investigation is heavy, the data system is not systematic and cannot provide real-time data, and currently it cannot meet the growth of traffic demand. More intensive places are more difficult and inefficient in real time.
- the gate is a channel blocking device (channel management device), which is used to manage the flow of people and regulate pedestrian access. It is mainly used in subway gate systems and toll gate gate systems. Its most basic and core function is to realize the entrance passage of only one person at a time, which can be used for various charging and access control occasions. This method is low in cost and accurate in quantity. However, when the service group has a large amount of baggage parcels, the method is less efficient, hinders the evacuation of pedestrians in an emergency, and is not conducive to the inconvenience of movement. People's travel. Moreover, the method of detecting human flow data is only a certain section, and it is necessary to arrange a plurality of sections to grasp the distribution of people flow, and occupy a large area.
- channel management device channel management device
- the pressure plate passenger flow statistic meter is installed on the ground of the inspection area, and the pressure sensor information is triggered when the pedestrian passes by. Can be automatically recorded.
- This type of instrument can be roughly divided into two categories, one is based on the "human treading data model mode" for counting and direction judgment, and the other is based on "passenger pedal profile". The method reduces the influence on the passenger flow operation and is simple to install, but the detection accuracy is low, and the components of the pressing system are easily damaged, and the maintainability is poor.
- Infrared passenger flow counting can be divided into passive infrared passenger flow counting and active infrared passenger flow counting.
- Passive red passenger flow counting uses a pyroelectric infrared probe that can avoid interference from other objects and can only detect signals from the human body.
- the infrared sensor can detect a certain change caused by the infrared spectrum of the human body, trigger a pulse signal at the same time, and then judge the number of people according to the number of pulse signals.
- the active infrared type transmits a custom wavelength infrared ray to cover a certain area through the transmitting head, and the number of passengers is recognized by the light reflected by the passenger detected by the sensor.
- Active infrared passenger flow counting overcomes the shortcomings of passive infrared passenger flow counting affected by environment and light. However, because it uses simple judgment of the number of pulses to determine the number of people, the statistical accuracy is low, and many people simultaneously The situation passed is even more difficult to measure. Moreover, the direction of the passenger flow cannot be discriminated by only the infrared method, and the cost of the detection device is high, and it is not suitable for use in a large range.
- the video passenger flow count can be divided into a monocular video passenger flow count and a binocular video passenger flow count.
- Video passenger flow technology captures video streams by installing cameras in critical channels, and captures passenger flow counts using image processing counts such as image segmentation, artificial neural networks, and stereo image analysis.
- image processing counts such as image segmentation, artificial neural networks, and stereo image analysis.
- the method started late and the technology is not yet mature.
- the implementation cost and maintenance cost are high, and it is difficult to solve the individual segmentation problem of the flow of people when the flow of people is dense, so the accuracy is low.
- the WI-FI probe passenger flow detection is achieved by deploying a WI-FI network in the detection area to obtain the MAC address of the mobile device that turns on the WI-FI function, thereby realizing the passenger flow count.
- the WI-FI-based passenger flow statistics method is simple in operation, reasonable in equipment cost, small in impact by non-line-of-sight factors, high in flexibility, and capable of acquiring a large amount of statistical data at the same time, and has a great advantage in the flow statistics under dense passenger flow.
- in-depth analysis of the data content obtained by the probe can obtain characteristic data such as the flow stop time and streamline flow direction.
- this detection method supports the cloud platform in subsequent operations, and the data application can be extended to the marketing layer. It is currently widely used in large commercial areas, tourist attractions, playgrounds and other places.
- the current WI-FI based passenger flow detection method mainly has the following problems:
- the mobile device's unique MAC address is detected by the probe on the premise that the mobile device's WI-FI needs to be open.
- the proportion of mobile devices that open WI-FI in the crowd is low and unknown. Therefore, under normal circumstances, the difference between the traffic volume detected by WI-FI and the actual passenger traffic is large, and the effect is not satisfactory from the detection amount.
- the specific detection method is to use the WI-FI probe to detect the mobile device in the effective detection area.
- the probe can detect the unique identifier of the device by capturing the wireless signal. The address, thus the statistics of the flow of people.
- the wireless signal information captured by the probe includes the capture time, the received signal strength value, the MAC address, and the like.
- the present invention mainly solves the following three problems:
- the wireless signal transmitted by the mobile device has multipath phenomenon and reflection phenomenon during the propagation process, which may result in the signal received strength (RSSI) captured by the probe.
- RSSI signal received strength
- Different degrees of attenuation can't even be detected. Therefore, the present invention is exploring Based on the influence of the spatial layout of multiple probes on the detection results of wireless signals, a variety of better probe placement schemes are presented, thereby greatly reducing the multipath phenomenon and reflection phenomenon during the propagation of wireless signals. The impact on the test results.
- the effective detection range of the WI-FI probe is a spherical area with a certain length as a radius centered on the device.
- the present invention needs to set a scientific data screening standard to eliminate these invalid data, thereby ensuring the reliability of the test results.
- the present invention provides a calculation model suitable for predicting the actual amount of the detected amount in the case of a constantly changing human flow rate, thereby improving the prediction accuracy.
- the technical solutions adopted by the present invention include:
- the spatial layout scheme of multiple probes is deployed in the same detection environment. The difference is mainly in the position of the probe in the longitudinal and lateral space of the road.
- the detection rate also changes.
- the invention directly discusses the relationship between the pedestrian detection value and the actual value when determining the flow prediction model. Firstly, the probe is used to detect the human flow rate, and the actual human flow rate is manually counted, and the design experiment and data processing are performed. A variety of functions are established to determine the actual human flow rate and the detected human flow rate, and the function value is used to estimate the actual value based on the detected value, thereby improving the detection accuracy.
- the present invention introduces a correction parameter ⁇ , and gives a correction method for detecting a functional relationship between the flow rate and the actual human flow.
- the present invention can detect the flow of pedestrians by data processing while detecting the total flow of pedestrians. Differentiating the flow direction requires comparison and analysis of the detected time of the filtered MAC address data and the received signal strength value.
- the present invention uses three probes to detect pedestrian roads and gives four different layout schemes. The main difference is the change of the lateral distance and the longitudinal distance between the probe and the probe.
- the specific layout is as follows, and the schematic diagram is as shown in Fig. 1.
- All three probes are placed on the pedestrian midline, with a spacing equal to one-half the width of the pedestrian road;
- All three probes are arranged on a straight line perpendicular to the longitudinal direction of the pedestrian road, and the spacing is equal to one-half of the width of the pedestrian road;
- the present invention provides a data screening method based on received signal strength values: providing a pre-experiment to explore received signal strength values (RSSI) and mobile devices to a given detection site Corresponding relationship between the distances between the probes, so as to determine the minimum value of the corresponding signal receiving intensity according to the spatial extent of the area to be detected in the actual test place, as a data screening line, filtering out the area to be detected from the original data Interfere with data.
- RSSI received signal strength values
- the present invention provides a data screening method based on the detection duration: performing a time series analysis on each detected MAC address to determine the length of time it is detected, in general pedestrians The length of time in the area to be detected is used as a criterion for data screening, and the MAC address data whose detection duration is greater than the standard is rejected.
- the data screening method based on the received signal strength value and the data filtering method based on the detection duration may be simultaneously used to process the original detection data, but in any order, the data filtering method based on the received signal strength value may be used first and then based on
- the data screening method for detecting the duration may also first use a data screening method based on the detection duration and then use a data screening method based on the received signal strength value.
- the present invention adopts one of the following three functional models between detecting the human flow data and the actual human flow data:
- Average detection rate model The ratio of the detected human flow rate to the corresponding actual human flow rate in each detection period is used as the detection rate, and the average detection rate weighted by the detection rate of each detection period is obtained, which is used to describe the detected flow rate and The relationship between actual human traffic;
- Segmentation detection rate model Using the detected person flow data in each detection period as an index, the detected person flow data is divided into multiple intervals, and the detection rate in each interval is obtained, thereby establishing the detection person in each interval. The relationship between traffic and detection rate;
- Cubic spline interpolation model The cubic spline interpolation function is used to fit the relationship between the detected human flow and the actual human flow in each detection period.
- cubic spline interpolation function S (x) given by the present invention has a natural boundary condition of 0, that is,
- the invention uses the correction parameter ⁇ to correct the established relationship between the detected person flow rate and the actual person flow function, and the correction parameter is obtained by questionnaire survey on the pedestrian on the road to be tested, and the main content of the questionnaire is adjusted. The number of mobile devices carried by the pedestrians on the pedestrian road is checked, and the object of the investigation is randomly selected.
- the WI-FI probe is used to detect the flow of people, the detection period used needs to detect the pedestrians on the pedestrian road according to the actual detection. Depending on the characteristics, it can take 10min, 30min or lh.
- the present invention provides a specific step for discriminating pedestrian flow as shown in Fig. 5:
- Figure 1 is a specific form of four probe deployment schemes in a two-way pedestrian street.
- Figure 2 is a schematic diagram of a probe layout scheme in a preliminary experiment to eliminate invalid data.
- Figure 3 is a method for analyzing test data in a data screening standard based on received signal strength values.
- Figure 4 shows the layout of the three probes when judging the flow of pedestrians.
- Figure 5 shows the data processing process when the flow direction is detected.
- the present invention takes the most common two-way pedestrian street as a research object and uses three probes to detect pedestrian traffic.
- Four probe placement schemes are given, as shown in Figure 1:
- three probes are arranged on both sides of the road, two of them are on the same side and the other is on the other side, and The spacing is equal to the width of the road;
- the three probes are located on the middle line of the road, and the spacing is equal to one-half of the width of the road.
- the three probes are arranged on a straight line perpendicular to the longitudinal direction of the road, and the spacing is also equal to the width of the road.
- the three probes in Scheme 4 are placed on both sides of the road and on the midline, and the distance along the longitudinal and lateral directions of the road is one-half of the width of the road.
- Experiments were carried out on the four layout schemes in Figure 1.
- the detection results of the three probes under each scheme were taken to collect the flow of the pedestrians, and then the actual pedestrian flow was compared. Out detection rate.
- the invention finds that when the pedestrian flow is small, the detection rate of each scheme is not much different; as the pedestrian flow increases, the detection rate of various schemes will decrease; when the pedestrian flow is large, the scheme The pedestrian detection rate shown in the four probe layout mode is the highest.
- the probe is disposed in the middle and both sides of the road. It can effectively disperse the signal receiving point and receive more comprehensive data from the inner side and the outer side of the road, which reduces the signal attenuation caused by multipath and reflection phenomenon to some extent.
- the three probes in scheme four have the longitudinal direction of the road. A certain distance can effectively increase the overall effective detection area of the probe, thereby increasing the detection time, and effectively reducing the probability that the mobile device has no signal in the pedestrian passing through the detection area, that is, increasing the detection rate.
- the pre-experiment of the present invention determines the data screening standard based on the received signal strength value.
- the specific content of the pre-experiment is as follows: The layout of the three probes is as shown in FIG. 2, and the probe is centered, and the width of the road is two-thirds. In a radiused area, multiple mobile devices that turn on the WI-FI function are used to simulate the movement of the pedestrian. After a period of detection, the detection results of the probes are counted.
- the invention analyzes the received signal strength value data obtained in the preliminary experiment as shown in FIG. 3, indicating receiving The signal strength values follow a normal distribution, and the present invention takes a 90% confidence interval to determine the final data screening line.
- the specific steps are:
- the general walking speed of pedestrians is 1.5m/s, which can obtain the length of time t 1 required for the general person to pass the effective detection area ;
- the present invention establishes a cubic spline interpolation function to fit the relationship between the actual value of the pedestrian flow and the detected value.
- the specific method is as follows:
- the invention will obtain n sets of data in the experiment, and separately count the mobile devices detected in each set of data.
- the number of MAC addresses is recorded as ⁇ . , ⁇ , ⁇ ' ⁇ ⁇ , corresponding to the interval [ ⁇ . , ⁇ country;
- on each node, at the same time manually count the actual person flow corresponding to each node is y., ...;) 3 ⁇ 4, that is, determine the corresponding relationship at each node is f () ; y n . Then you can follow the following The step constructs a cubic spline interpolation function s( x ).
- the invention uses the correction parameter ⁇ to correct the established relationship between the detected person flow rate and the actual person flow function, and the correction parameter is obtained through questionnaire survey on the pedestrians on the road to be tested.
- the main content of the questionnaire is to investigate the pedestrians on the road to be tested.
- the number of mobile devices carried, the specific correction method is:
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Wl-FI探针检测行人流量的方法。Wl-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检测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案: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 W卜 F I探针检测行人流量的方法
A method for detecting pedestrian volume using WI-FI probes
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, 根据检测技术类别大致可分为以下几类。
( 1 ) 人工调査法
人工调査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 由于其对调査人员要求较高, 计数误差大, 数据质量不高, 调査后资料整理工作 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。
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。 而对于如何有效提高 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査获得,问卷的主要内容是调査待 测行人道路上行人随身携带的移动设备数目, 调査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 lh。
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1\、 T2; 若1\ < Τ2, 则认为流向为由 Α至 C方向; 若 T\ > T2, 则认为流向为由 C至 Α;
4) 若1\ = Τ2,则比较与 Τ\、 1^时刻对应的信号接收强度值,分别记为 ^^^ 和 RSSI2 , ^RSS^ > RSSI2 , 则认为流向为由 A至 C; 若 RSS^ < RSSI2, 则认为 流向为由(至 。
附图筒要说明 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 > ti, 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 χ。、 Χι, ·'·χη, 对应于区间 [χ。, χ„;|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 y。、 …; )¾, 即确定各节点处的对应关系 为 f( ) =; 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― x 1, S' xj) = Mj, 则有
5/'(x) = ΎΜί→ +^-^ ,· (1)
SjM = ¾ 丄 + ¾^- ;. + Clx + c2 (2)
μ]Μ]_1 + 2Mj + YjMj+1 = d j = 1,2 n— (5) 其中式 (5) 中:
Yj = (6) hi+h
(χ), [x0, j
s2(x),
S(x) =
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査获得,问卷的主要内容是调査待 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 α = 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 cx,即修正 后的三次样条插值函数为 X)' = S(x)/a0 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1\、 T2; 若1\ < Τ2, 则认为流向为由 Α至 C方向; 若 T\ > T2, 则认为流向为由 C至 Α;
4) 若1\ = Τ2,则比较与 Τ\、 1^时刻对应的信号接收强度值,分别记为 ^^^ 和 RSSI2 , ^RSS^ > RSSI2 , 则认为流向为由 A至 C; 若 RSS^ < RSSI2, 则认为 流向为由(至 。
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。
Claims
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;
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 ex, 对所述 的函数模型进行修正。
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: 以三个探针为一组, 采用如下四种探针布设方案之一:
1α) 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;
lb)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; lc) 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;
Id) 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。
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: 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。
5. 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
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。
6. 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:
2α) 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。
7. 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, 调查的对象是随机选择的。
8. 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 路纵向和横向上的间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:
3α) 沿道路纵向分别将三个探针标记为 Α、 Β和 C ;
3b) 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 ;
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 T\、 T2;若1\ < Τ2,则认为流向为由 Α至 C方向;若1\ > Τ2 ,则 认为流向为由 C至 Α ;
3d) 若1\ = Τ2,则比较与 1\、丁2时刻对应的信号接收强度值,分别记为 ^? 和
RSSI2 , 若 RSS > RSSI2 , 则认为流向为由 Α至 C ; 若《55 < RSSI2 , 则认为流向为由 至八。
9. 如权利要求 4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。
10.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。
Π .如权利要求 4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。
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。
13.如权利要求 4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。
14.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 述的基于检测时长的数据筛选中, 行人的步行速度取 1.5m/s。
15.如权利要求 6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 lh。
16.如权利要求 6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。
17.如权利要求 8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。
18.如权利要求 8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 Υ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。 如权利要求 8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!;二^时, 接收信号强度值也相同, 即 RSS^ = RSSI2 , 则无法判断该 MAC地址数据的流向。
Priority Applications (12)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GBGB1711411.7A GB201711411D0 (en) | 2016-12-30 | 2016-12-30 | Early entry |
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 |
CN201680086285.2A 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 |
PCT/IB2017/058546 WO2018122816A1 (zh) | 2016-12-30 | 2017-12-30 | 一种使用wi-fi探针判别行人流向的方法 |
PCT/IB2017/058545 WO2018122815A1 (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 |
CN201780033651.2A 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 |
CN201780033645.7A 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 |
GBGB1909414.3A GB201909414D0 (en) | 2016-12-30 | 2017-12-30 | Method for detecting traffic of pedestrians on road by using wi-fi probe |
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 |
GB1905910.4A GB2569752B (en) | 2016-12-30 | 2017-12-30 | A method for detecting pedestrian volume in public areas using Wi-Fi probes |
GBGB1909415.0A GB201909415D0 (en) | 2016-12-30 | 2017-12-30 | Method for using wi-fi probes to determine pedestrian flow direction |
CN201780033657.XA 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 |
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 (1)
Publication Number | Publication Date |
---|---|
WO2018122588A1 true WO2018122588A1 (zh) | 2018-07-05 |
Family
ID=59713469
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
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 |
PCT/IB2017/058545 WO2018122815A1 (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 |
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 |
PCT/IB2017/058546 WO2018122816A1 (zh) | 2016-12-30 | 2017-12-30 | 一种使用wi-fi探针判别行人流向的方法 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/IB2017/058545 WO2018122815A1 (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 |
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 |
PCT/IB2017/058546 WO2018122816A1 (zh) | 2016-12-30 | 2017-12-30 | 一种使用wi-fi探针判别行人流向的方法 |
Country Status (3)
Country | Link |
---|---|
CN (4) | CN109716358B (zh) |
GB (4) | GB201711411D0 (zh) |
WO (4) | WO2018122588A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10587711B2 (en) * | 2017-07-04 | 2020-03-10 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for pushing information |
CN112235430A (zh) * | 2019-06-28 | 2021-01-15 | 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 |
CN116887339A (zh) * | 2023-09-07 | 2023-10-13 | 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 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Family Cites Families (25)
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 |
US9622041B2 (en) * | 2013-03-15 | 2017-04-11 | DGS Global Systems, Inc. | Systems, methods, and devices for electronic spectrum management |
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 |
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 |
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 |
-
2016
- 2016-12-30 GB GBGB1711411.7A patent/GB201711411D0/en not_active Ceased
- 2016-12-30 WO PCT/IB2016/058108 patent/WO2018122588A1/zh active Application Filing
- 2016-12-30 CN CN201680086285.2A patent/CN109716358B/zh active Active
-
2017
- 2017-12-30 CN CN201780033645.7A patent/CN109644320B/zh active Active
- 2017-12-30 GB GBGB1909414.3A patent/GB201909414D0/en not_active Ceased
- 2017-12-30 WO PCT/IB2017/058545 patent/WO2018122815A1/zh active Application Filing
- 2017-12-30 GB GBGB1909415.0A patent/GB201909415D0/en not_active Ceased
- 2017-12-30 CN CN201780033651.2A patent/CN109644360B/zh active Active
- 2017-12-30 WO PCT/IB2017/058547 patent/WO2018122817A1/zh active Application Filing
- 2017-12-30 CN CN201780033657.XA patent/CN109479206B/zh active Active
- 2017-12-30 WO PCT/IB2017/058546 patent/WO2018122816A1/zh active Application Filing
- 2017-12-30 GB GB1905910.4A patent/GB2569752B/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10587711B2 (en) * | 2017-07-04 | 2020-03-10 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for pushing information |
CN112235430A (zh) * | 2019-06-28 | 2021-01-15 | 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 |
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 |
CN116887339A (zh) * | 2023-09-07 | 2023-10-13 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN109479206B (zh) | 2021-12-17 |
GB2569752B (en) | 2020-05-20 |
GB201909415D0 (en) | 2019-08-14 |
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 |
CN109644320B (zh) | 2020-12-11 |
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 |
---|---|---|
WO2018122588A1 (zh) | 一种使用wi-fi探针检测行人流量的方法 | |
CN109285376B (zh) | 一种基于深度学习的公交车客流统计分析系统 | |
CN109544932B (zh) | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 | |
CN103985182B (zh) | 一种公交客流自动计数方法及自动计数系统 | |
CN106297288A (zh) | 一种公交乘客客流数据采集与分析方法 | |
CN107845259A (zh) | 公交运行情况实时反馈系统及公交实时运行数据处理方法 | |
CN105513362B (zh) | 一种公交站台毗邻区公交车运行状态评价验证方法 | |
CN106408944A (zh) | 基于双通信数据的拥堵等级分析平台 | |
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 | |
CN108629982A (zh) | 一种基于旅行时间分布规律的路段车辆数估计方法 | |
CN111866725B (zh) | 一种基于wifi探针技术的人流检测方法 | |
Toutouh-el-Alamin et al. | Enabling low cost smart road traffic sensing | |
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 | |
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 | |
CN112672379A (zh) | 基于wifi探测技术的枢纽换乘区域旅客走行路径识别方法及设备 | |
CN106448188B (zh) | 基于分布式声传感数据的道路区间双向车流速度估计方法 | |
CN110263993A (zh) | 一种用于城市轨交乘客走行时间的实时预测方法 | |
CN114664080B (zh) | 一种交叉口公交车辆信号优先效果评价方法 | |
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 | |
CN110264776B (zh) | 一种智能车库管理系统及车库控制方法 | |
CN109657700B (zh) | 一种宏观区域连通道热度检测方法 | |
CN108538062B (zh) | 用于检测车辆拥堵的方法 | |
Zhu et al. | A passenger flow monitoring method in Hongqiao hub area based on gridded Wi-Fi sniffing | |
Peng | Flow Detection Based on Traffic Video Image Processing. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
WWE | Wipo information: entry into national phase |
Ref document number: 1711411.7 Country of ref document: GB |
|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 16925737 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 16925737 Country of ref document: EP Kind code of ref document: A1 |