疫情防控背景下基于無線日志的 區域人數統計與接觸追蹤方法

安洋 李軍懷 王懷軍

摘? ?要：目前疫情防控依舊處于關鍵階段，如何有效做好高校復學復課和疫情防控工作成為國家和教育工作者重點關注的問題。隨著高校校園網絡基礎設施的持續升級完善，通過無線接入點（Access Point，AP）日志信息進行學生位置及軌跡分析成為可能。文章提出了一種基于無線日志的校園區域人數統計與接觸追蹤方法，該方法通過對無線AP日志信息的采集與分析，實現對學生位置信息的無感知獲取，動態可視化呈現高校日常教育教學中學生的位置分布、樓宇等區域的人流密度、學生在校的行為軌跡等，為高校復學后的疫情防控提供有效支持。

關鍵詞：疫情防控;無線日志;無感知定位;接觸追蹤

中圖分類號：G434 文獻標志碼：A 文章編號：1673-8454（2021）01-0075-04

一、引言

隨著移動網絡的迅速普及，以智能手機為代表的移動設備在日常生活中隨處可見。通過對移動智能設備相關的用戶行為數據進行無感知采集和分析，能夠為疫情防控中區域人數統計與人員接觸追蹤提供幫助。隨著高校信息化水平的不斷提高，以及基礎網絡設施的持續升級和完善，校園無線網絡幾乎達到了教學區與生活區的全覆蓋，校園網絡逐漸成為高校學生生活中不可或缺的重要組成部分，與學生的學習、工作和生活緊密相連。鑒于校園網絡連接的便攜性、靈活性、無感知認證等特性，加之網絡日志信息的快速增長，通過對如此海量的日志信息進行挖掘、關聯分析，能夠發現大量有價值的用戶行為信息，為學生提供更多智能化的服務。

對于校園無線網絡而言，無處不在的WiFi設備，大量密集的AP設備部署于其中，移動設備的每一次AP接入、上線、下線均會在網絡設備上有所記錄[1]。無線AP具有區域有效的特性，對于分布于該區域內的移動設備無線上網提供服務，當用戶從當前區域移動到另外一個區域時，會發生AP切換，因而根據AP日志記錄結合AP位置分布可以實現用戶位置信息的獲取及移動軌跡的查詢。同時，兩個用戶在距離相近的區域持續一段時間，該區域的無線AP中會記錄該區域范圍內的用戶設備MAC地址。

基于無線網絡接入的上述特點，在疫情防控背景下，通過對校園無線上網日志進行分析和挖掘，可以實現學生分布熱力圖、人流密度分析與預警、軌跡追蹤、特殊人群行為預警、建筑物樓層人數分析、校園區域實時人數統計等應用功能，為疫情防控背景下高校復學復課后，校園環境中的區域人數統計和特殊情況下的接觸追蹤提供服務。

二、相關研究

目前，針對人數統計的方法大致分為三種：基于計算機視覺的人數統計方法、基于可穿戴設備的人數統計方法和基于WiFi的人數統計方法。基于計算機視覺的人數統計方法采用攝像設備收集場景中的圖像或圖像序列，然后使用圖像或視頻處理相關技術實現目標的人體檢測和人數識別。該方法由于在設備、方法、用戶隱私、光線條件等方面的局限性使得其難以在人數統計系統中廣泛應用。基于可穿戴設備的人數統計方法通過監測者佩戴內置有傳感器的設備進行人數識別與統計，該方法需要被監測對象必須佩戴特定設備才行，在舒適性與便攜性等方面存在一定的局限。與前兩種方法不同，基于WiFi的人數統計方法更能實現無感知的被動識別，不受特定場景和時間的限制，低成本，實現簡單，更適合推廣應用。

在無感知人數統計方法的研究中，郭玉彬等人[2]針對某高校無線網絡日志數據進行分析挖掘，首先對校園內各建筑物的無線網絡連接人次進行統計，其次采用R-樹索引，結合密度聚類算法得到校園區域劃分，最后實現人群聚集點分布和區域之間人群移動規律的獲取。該方法有效地解決了中心經緯坐標動態變化的問題，可長期、持續對校園網日志數據進行處理而不受校園網擴建和AP不穩定的影響，但識別粒度僅限于校園區域或樓宇，并未細分到具體樓層和教室，在室內識別方面涉及較少。丁亞三等人[3]提出了一種基于WiFi-CSI的室內人數識別方法WiCount，該方案通過信道狀態信息的幅值波動來描述室內人數的變化，并結合機器學習算法實現對人的計數。該方法雖然在一定程度上提高了室內人數識別方法的性能，但其識別人數僅能保持在4人以下，無法適用于較大規模的室內人數識別，且需要經歷線下的模型訓練過程，無法保障識別的實時性。Manpreet等人[4]提出了一種基于WiFi日志信息的用戶購物意圖識別和位置預測方法，該方法將物理空間通過銷售物品類別進行語義化標識，然后進一步分析用戶行為和位置預測在網絡搜索內容與物理空間上下文之間的相似度，以更好地發現有消費意向的用戶。Traunmueller等人[5]通過WiFi探測器和位置數據對城市居民的移動軌跡進行分析。Ciftler等人[6]通過WiFi探測器接收到的連接請求對樓宇內的居住率進行統計。

與之前的研究相比，本文通過對校園廣泛部署的無線接入點日志信息進行分析，能夠無感知實現校園區域室內和室外的用戶定位與人數統計，且統計粒度更為精細，可具體到樓宇內的樓層、辦公室、教室或宿舍，從而更易被廣泛應用于校園的安全、管理、疫情防控等工作中。

三、基于無線日志的區域人數統計與接觸追蹤方法

基于無線日志的區域人數統計與接觸追蹤方法整體框架如圖1所示。首先對無線上網日志、用戶基本信息、用戶設備MAC地址與學工號對應關系、無線AP與部署位置對應關系等數據通過相關技術進行采集;其次對無效數據、缺失數據、數據不一致等問題數據進行剔除、補全與標準化等預處理操作;接著根據關鍵字信息進行日志分類，針對每種類別的日志數據選擇合適的解析規則進行關鍵信息提取，結合用戶基本信息等輔助數據進行信息聚合分析，建立用戶定位模型;基于用戶定位模型，進一步實現位置分布、人數統計、軌跡查詢和接觸追蹤等功能;最后結合可視化建模技術進行應用呈現，實現區域人數統計與用戶軌跡查詢，并在特殊情況下快速完成接觸追蹤，為高校復學后的疫情防控工作提供技術支持。

1.基于無線AP的人員定位原理

在校園無線網絡覆蓋區域，用戶的移動智能設備會通過發送周期性的探測請求來掃描并收集環境中可用的無線通信信道。每一個無線AP都由一個唯一MAC地址進行標識，當無線AP接收到移動設備的探測請求后會予以回應，無論是否加密，是否已連接，甚至信號強度不足以顯示在設備的無線信號列表中，移動設備都可以獲取到該AP廣播出來的MAC地址。接著，移動智能終端選定確定連接的SSID并向其發送驗證信息，無線AP對驗證信息進行響應認證。最后，移動智能終端向該無線AP發送連接請求，無線AP響應連接請求并將該設備接入互聯網[1]。如圖2所示。

在此過程中，根據IEEE對無線WiFi標準（即802.11協議）的定義可知，當移動智能設備在訪問互聯網時，如果有多個AP具有相同的SSID，則移動設備會選擇信號最強的AP進行連接，即距離自己最近的無線AP。基于此，通過用戶上網所連接的無線AP部署位置信息便可以獲知用戶當前所在位置，從而進行區域人數統計與軌跡查詢。對無線日志進行分析，獲取到用戶設備與無線AP的連接狀態，結合無線AP在校園的物理部署位置以及用戶信息與MAC地址對應關系表，即可實現用戶定位，最后通過可視化工具進行顯示，直觀地描述個人在校園的行為軌跡。

2.區域人員定位與人數統計方法

基于無線日志信息進行區域人員定位、人數統計、軌跡查詢及接觸追蹤等應用分析時，需要將無線接入日志與用戶信息、AP位置信息進行關聯，才能獲得有效的用戶及具體位置信息，其中的關聯關系如圖3所示。

為了實現本文的功能設計，在此過程中需要三張輔助數據表進行聯合分析，分別為用戶基本信息表、用戶設備MAC地址與學工號對應關系表、無線AP與部署位置對應關系表。數據采集階段主要對以上內容進行采集，針對不同的數據源，采集方式各不相同。

本文主要通過Flume技術、ETL技術和數據導入三種方式進行原始數據采集。首先，基于Flume技術實現實時流日志數據采集，采用Kafka進行實時流調度處理，通過實時流數據聚合技術，結合Spark Stream完成實時流計算功能，實現對日志數據的實時計算與分析處理。通過ETL技術采集用戶基本信息、用戶設備MAC地址與學工號之間的關系對應表。采用Excel導入形式獲取最新的無線AP位置分布信息。

將數據采集階段獲取的數據進行清洗轉換，刪除無效數據，制定日志解析規則。同時，將采集到的數據信息規范化，保持格式統一。在無線AP日志數據中，每一行代表一條日志數據，其中記錄著用戶移動設備的MAC地址、IP地址、上下線時間、當前連接無線AP的名稱和設備連接狀態等信息。從AP管理端AC（Access Controller，接入控制器）上獲取的日志數據包含AP配置、AP上下線、用戶連接等多種類別日志信息，因此，本文主要對涉及用戶位置獲取的五類日志進行處理，如表1所示。

由于日志所屬的類別不同，因此每條日志數據的格式也并不固定。首先需要通過關鍵字進行日志類別篩選，將對應的日志信息劃分到正確的分組隊列，接著通過每個類別日志特定的正則表達式進行日志解析，提取核心關鍵信息。

本文方法將校園劃分為若干個子區域，如操場、教學1號樓、1號餐廳等。對于某一特定子區域而言，可以通過對子區域范圍內AP設備的移動終端連接量進行分析來實現人數統計。移動終端以MAC地址作為唯一標識，因此某區域的人數計算如公式1所示：

S=∑f（MAC）（1）

其中，S表示當前區域總人數，f（MAC）表示區域內移動設備的MAC地址。

由于某一區域內用戶可能會多次連接區域內不同或相同的AP設備，因此在人數統計時需要進行去重處理，保證統計過程中一個MAC地址只被計算一次。同時，對于區域邊界范圍可能會出現的路過連接現象，即用戶處于該區域以外，但在某種情況下，短暫連接到該區域的AP設備，使得AP日志中會包含此部分噪音的MAC地址，因此在人數統計時，通過設定連接持續時間（如10分鐘），排除此種噪音數據。考慮到以上兩點，本文在人數統計過程中采用公式2進行區域內有效MAC地址計算：

f（MAC）=總MAC地址-重復MAC地址-噪音MAC地址（2）

學生在校行為軌跡特征主要由活動時間和活動空間兩部分構成。本文基于上述日志處理結果，結合校園區域功能劃分，分析學生行為軌跡的時空特征。假設U={u1，u2，…，un}表示用戶集合，L={l1，l2，…，lm}表示校園區域集合，T={t1，t2，…，tk}表示時間集合，則某一用戶ui隨著時間推移的行為軌跡Pi如公式3所示：

Pi={（ui1，li1，ti1），（ui2，li2，ti2），（ui3，li3，ti3），……}（3）

本文采用窗口大小H對時間進行窗口劃分，如半小時為一個時間窗口，則會得到固定時間間隔的用戶位置信息w=（l，t），一系列用戶位置信息組成的序列可以作為用戶軌跡特征來描述用戶行為軌跡移動，如公式4所示：

Pi={ui，w1，w2，w3，……}（4）

基于上述用戶行為軌跡描述，可以進一步實現用戶軌跡查詢、接觸追蹤等具體應用。

四、實驗分析

本文的實驗數據來自某高校無線網絡設備日志，校園無線AP總數為1480個，實驗部分采集了2020年4月份無線網絡日志數據作為樣本數據。原始樣本數據共3GB，經過分析與處理后的有效數據為238366條。

基于本文提出的方法，設計開發了區域人數統計與接觸追蹤系統，如圖4所示。該系統首先展示了校園區域的人數信息，通過下鉆可以獲取樓宇等區域內部每層甚至每間教室的人數及人員列表信息;其次，通過設置起止時間，可以查詢某段時間內用戶的校園活動軌跡;最后，可以實現特殊情況下的接觸追蹤查詢，快速準確地獲取親密接觸人員列表信息，無需再依賴用戶的記憶，以及繁瑣的方式來獲取接觸人員信息，從而有效精準地記錄用戶的接觸行蹤。

五、結語

隨著無線傳感技術的快速發展，以非接觸式、被動感知和便于部署等特點而廣泛受到關注的WiFi感知技術成為校園位置預測與人數統計領域的研究熱點。本文提出利用移動智能設備結合無線上網日志信息進行人員位置及軌跡追蹤，為有效抗擊疫情提供了信息化手段的支持。

參考文獻：

[1]賴特.無線WiFi接入點欺騙及其檢測技術研究[J].信息與電腦（理論版），2020，32（3）：154-156.

[2]郭玉彬，吳宇航，周哲帆等.基于密度聚類算法的校園人群聚集和移動規律分析[J].計算機應用研究，2020，37（3）：688-692.

[3]丁亞三，郭斌，辛通等.WiCount：一種基于WiFi-CSI的人數識別方法[J].計算機科學，2019，46（11）：297-303.

[4]Manpreet Kaur， Flora D. Salim， Yongli Ren， Jeffrey Chan， Martin Tomko， and Mark Sanderson. Shopping intent recognition and location prediction from cyber-physical activities via wi-fi logs[C].Proceedings of the 5th Conference on Systems for Built Environments. New York， USA： Association for Computing Machinery，2018：130-139.

[5]Traunmueller M， Johnson N E， Malik A， et al. Digital footprints： Using WiFi probe and locational data to analyze human mobility trajectories in cities[J].Computers， Environment and Urban Systems，2018：4-12.

[6]Ciftler B S， Dikmese S， Guvenc I， et al. Occupancy Counting With Burst and Intermittent Signals in Smart Buildings[J].IEEE Internet of Things Journal， 2018，5（2）：724-735.

（編輯：王曉明）