基于WiFi數(shù)據(jù)的實(shí)時(shí)人群聚集度研究

（長安大學(xué)，陜西 西安 710064）

0 引 言

近年來越來越多的學(xué)者開始使用位置服務(wù)來為不同類人群提供對應(yīng)的信息服務(wù)。對于室外定位以及人群檢測，使用較多的有GPS[1]、視頻監(jiān)測等。但GPS的信號會因?yàn)楸徽趽趸螂x運(yùn)營商過遠(yuǎn)的原因等出現(xiàn)強(qiáng)弱變化不穩(wěn)定的結(jié)果以及用GPS進(jìn)行監(jiān)測人群成本較高等問題，所以就考慮使用成本較低以及信號較穩(wěn)定的方法去對人群進(jìn)行監(jiān)控。由于使用WiFi采集設(shè)備的成本較低，使用便捷，越來越多的研究者都趨于使用WiFi進(jìn)行定位[2-4]，它通過無線接入點(diǎn)接受信號值的大小來進(jìn)行計(jì)算定位對象的位置。

對于WiFi數(shù)據(jù)定位的研究，早些時(shí)候已有針對醫(yī)院或商場等公共建筑區(qū)域的人員定位系統(tǒng)。但早期的定位技術(shù)存在很多的缺點(diǎn)，比如由于需要大量布線導(dǎo)致部分環(huán)境施工較為困難不易進(jìn)行擴(kuò)展等。但隨著科技的發(fā)展，WiFi定位技術(shù)的研究和應(yīng)用得到了迅速的發(fā)展，可以實(shí)現(xiàn)特定區(qū)域內(nèi)（如校園、醫(yī)院、購物商場、公園等）的物品和人員實(shí)時(shí)定位跟蹤[5-6]。

國內(nèi)外很多公司、高校、研究所等也設(shè)計(jì)了很多基于WiFi無線定位系統(tǒng)。關(guān)于未知節(jié)點(diǎn)定位的方法主要分為基于三邊測量定位和位置指紋定位兩種方法。國內(nèi)的研究如彭玉旭等設(shè)計(jì)的基于RSSI的貝葉斯室內(nèi)定位算法[7]。該算法是在進(jìn)行高斯濾波預(yù)處理后，使用三角形質(zhì)心算法計(jì)算未知節(jié)點(diǎn)坐標(biāo)，后期對初始坐標(biāo)進(jìn)行貝葉斯濾波處理得出更精準(zhǔn)的坐標(biāo)。蔡朝暉等設(shè)計(jì)的室內(nèi)信號強(qiáng)度指紋定位算法的改進(jìn)[8]，在指紋定位的基礎(chǔ)上，設(shè)計(jì)了基于區(qū)域劃分的定位算法，提高定位的精度。閆思銳等在分析無線通信模型的基礎(chǔ)上[9]，利用BP神經(jīng)網(wǎng)絡(luò)擬合RSSI-d非線性函數(shù)關(guān)系，大大縮小了定位誤差。夏英等混合使用三角定位算法與指紋定位對室內(nèi)設(shè)備進(jìn)行定位[10]，實(shí)驗(yàn)證明該算法有效且穩(wěn)定。

另外，通過WiFi數(shù)據(jù)的挖掘和應(yīng)用，對人群定位、統(tǒng)計(jì)、軌跡以及聚集度進(jìn)行分析[11-13]是重要的研究方向。不同區(qū)域內(nèi)分析人群的流動有利于規(guī)劃者去掌握人群動態(tài)發(fā)展，從而對城市安全、規(guī)劃、交通領(lǐng)域等都有重要的作用。

本文提出了基于WiFi探針技術(shù)的人群聚集度系統(tǒng)設(shè)計(jì)，通過在某公園公共場所部署WiFi探針，即可實(shí)時(shí)采集并分析該位置所檢測到移動設(shè)備的數(shù)量，主要研究內(nèi)容是大型公共場所的基于WiFi數(shù)據(jù)的人群統(tǒng)計(jì)模型、人群聚集度模型。通過數(shù)據(jù)分析生成實(shí)時(shí)的人流量的統(tǒng)計(jì)，以及通過三邊定位后對具體劃分的區(qū)域在不同時(shí)間段進(jìn)行聚集度的分析。

1 系統(tǒng)總體框架設(shè)計(jì)

本次設(shè)計(jì)將WiFi探針架設(shè)在人流經(jīng)過的公共區(qū)域，就能獲取到經(jīng)過該區(qū)域的行人所攜帶的智能終端的信息，以及設(shè)備進(jìn)入?yún)^(qū)域和離開區(qū)域的時(shí)間。對進(jìn)入?yún)^(qū)域的設(shè)備的數(shù)量和時(shí)間進(jìn)行分析和計(jì)算，再通過RSSI測距后根據(jù)距離以及參考節(jié)點(diǎn)位置利用三邊測量定位的方法計(jì)算行人所處位置，即可繪制出不同時(shí)間段的區(qū)域熱力圖，以反映該區(qū)域人群的聚集度。

本次設(shè)計(jì)的步驟流程如圖1所示。

圖1 系統(tǒng)設(shè)計(jì)流程

管理者可以通過系統(tǒng)最后得出的實(shí)時(shí)人群聚集度來對當(dāng)前的人流情況有所了解并且進(jìn)行判斷和規(guī)劃。該系統(tǒng)搭建成本非常低，實(shí)現(xiàn)功能的同時(shí)還可以對當(dāng)前環(huán)境以及設(shè)施建設(shè)進(jìn)行規(guī)劃，探針和服務(wù)器的硬件成本也較低，同時(shí)觸發(fā)迅速，管理方便，且可以大力節(jié)省人力成本，非常適合架設(shè)在景區(qū)，車站及商場等公共場所。

2 人群定位

2.1 RSSI強(qiáng)度轉(zhuǎn)換距離

基于信號強(qiáng)度的三邊定位算法，可以分別統(tǒng)計(jì)出不同WiFi檢測設(shè)備在同一時(shí)間對相同設(shè)備檢測到的RSSI，依次取3個(gè)信號強(qiáng)度相對最大的WiFi檢測設(shè)備，然后通過信號強(qiáng)度衰減公式將RSSI信號轉(zhuǎn)換為距離，最后根據(jù)三邊測量定位求出其坐標(biāo)位置。三邊定位圖如圖2所示。圖中A，B，C這3個(gè)AP點(diǎn)檢測到未知節(jié)點(diǎn)O的信號強(qiáng)度相對較大，即應(yīng)用A，B，C三點(diǎn)的信號強(qiáng)度進(jìn)行對未知節(jié)點(diǎn)O的坐標(biāo)的求解。

圖2 三邊定位圖

信號在空間中傳播中信號強(qiáng)度會由于傳播損耗而不同，利用這個(gè)特性，可以建立信號衰減強(qiáng)度與距離之間的對應(yīng)關(guān)系，其中應(yīng)用最多的路徑損耗模型如下：

式中：P表示移動端接收信號的功率；d0為未知節(jié)點(diǎn)到AP點(diǎn)的長度；P0為此時(shí)移動端到AP接收的信號功率；d為圖中AO，BO，CO的長度；n為路徑損耗因子；ξ為隨機(jī)變量，與傳播距離d沒有關(guān)系。接下來需要求得信號強(qiáng)度反饋公式：

式中：RSSI為信號強(qiáng)度；A為常數(shù)；n為路徑損耗因子；d為移動端到AO點(diǎn)的距離。通過式（2）變形可以得到式（3），就可求得d的距離：

分別通過上述步驟可以得到AO，BO，CO的距離分別為dA，dB，dC。將dA，dB，dC三點(diǎn)值代入三邊測量定位求解過程中即可求得未知節(jié)點(diǎn)O的坐標(biāo)。

2.2 三邊測量定位

在將信號強(qiáng)度轉(zhuǎn)換為距離后可以獲取未知節(jié)點(diǎn)到已知AP的距離，接下來采用三角質(zhì)心定位算法進(jìn)行節(jié)點(diǎn)定位，需要選取傳輸距離最短的3個(gè)路徑節(jié)點(diǎn)為定位錨節(jié)點(diǎn)并分別以它們的路徑長畫圓，相對應(yīng)的錨節(jié)點(diǎn)為圓心作圓，如圖3所示。三個(gè)圓兩兩相交會存在一個(gè)三角形的重疊區(qū)域，求這個(gè)三角形的質(zhì)心坐標(biāo)也就是求得未知節(jié)點(diǎn)所在位置。

圖3 邊測量定位示意圖

由于未知節(jié)點(diǎn)距離錨節(jié)點(diǎn)的距離越近，其信號強(qiáng)度越大，相對的損耗就會越小，所以本文將信號強(qiáng)度最大的3個(gè)錨節(jié)點(diǎn)到待測節(jié)點(diǎn)之間距離的倒數(shù)作為權(quán)值給待測節(jié)點(diǎn)的位置坐標(biāo)進(jìn)行修正，定位公式如下：

式中，（x，y）為待測節(jié)點(diǎn)坐標(biāo)。

3 人群聚集度分析

本文基于三邊測量定位，提出應(yīng)用于大型公共場所，復(fù)雜環(huán)境下的人群定位的新方法。設(shè)計(jì)的群聚集度分析系統(tǒng)主要包括當(dāng)前實(shí)時(shí)人流情況提取及分析和聚集度分析兩部分：

（1）通過探針回傳數(shù)據(jù)，從中分析當(dāng)前人流量情況，并與歷史數(shù)據(jù)值進(jìn)行比較，以此判斷人流量的變化幅度；

（2）首先通過RSSI測距后進(jìn)行三邊定位得出各盲節(jié)點(diǎn)位置，將所有計(jì)算的結(jié)果進(jìn)行存儲和可視化分析。

3.1 實(shí)時(shí)人流情況提取及分析

根據(jù)WiFi檢測設(shè)備的特點(diǎn)，當(dāng)移動設(shè)備進(jìn)入到某一WiFi探針的檢測范圍時(shí)，WiFi探針即可捕獲到該移動設(shè)備的MAC地址并開始跟蹤直到該移動設(shè)備離開該WiFi探針的檢測范圍。那么該WiFi探針在某一時(shí)間段內(nèi)所檢測到的移動設(shè)備的數(shù)量可大致反映出當(dāng)前可檢測區(qū)域內(nèi)游客的數(shù)量。

公共場所的正常人流量和停留時(shí)間主要受時(shí)間因素的影響，所以對WiFi探針采集到的數(shù)據(jù)分時(shí)間段進(jìn)行聚集度的分析之前，先對一整天的數(shù)據(jù)進(jìn)行處理，可以得出經(jīng)過該區(qū)域游客數(shù)量隨時(shí)間的變化趨勢，為接下來的聚集度分析做準(zhǔn)備。

對WiFi探針采集到的數(shù)據(jù)分時(shí)間段進(jìn)行聚集度的分析，首先對一天從00:00—24:00的數(shù)據(jù)進(jìn)行處理得出檢測到的用戶隨時(shí)間的變化趨勢，如圖4所示。

圖4 實(shí)時(shí)人流變換圖

3.2 人群聚集度可視化分析

根據(jù)一天24小時(shí)的人流變化情況我們可以很直觀的看出存在3個(gè)人流量的峰值，分布在早晨8:50—9:50，下午14:50—15:50，夜晚19:50—20:50。可以分別對這三個(gè)人流量峰值的區(qū)間段進(jìn)行人群定位進(jìn)而得到該時(shí)間段內(nèi)發(fā)人群流動的熱力圖，如圖5所示分別為早中晚三個(gè)峰值時(shí)間段內(nèi)的人群聚集度分析的網(wǎng)格圖。

圖5 人群聚集度分析圖

格化后的可視化數(shù)據(jù)示例見表1所列。

表1 格化后可視化數(shù)據(jù)示例

從圖5所示的不同時(shí)段人群聚集的變換圖和表1所列同區(qū)域人數(shù)變化的表格中可以清晰直觀地了解到本文所劃分不同區(qū)域在不同時(shí)間段的人群聚集變換的情況。根據(jù)所放置WiFi設(shè)備的位置，處于人群流量較大的公園，周圍有住宅區(qū)、公司以及飲食區(qū)域，所以在不同時(shí)間段在不同區(qū)域的人群聚集存在較大的變化。

根據(jù)觀察，在早間人群處于流動狀態(tài)，是由于早間人群高峰期屬于通勤狀態(tài)；而午間可以看到人群流動性降低，大部分區(qū)域的人數(shù)較少，僅僅在固定區(qū)域出現(xiàn)人數(shù)聚集的較大值，說明該區(qū)域在該時(shí)間段停留人數(shù)較多，說明這里可能是飲食區(qū)域；在晚間可以看出人群聚集較大的區(qū)域明顯增多，這很可能是因?yàn)橥黹g大部分周圍住宅區(qū)的住戶會在公園進(jìn)行鍛煉或是散步等，所以導(dǎo)致人群數(shù)量在公園主干道區(qū)域大大增多。

4 結(jié) 語

本文針對人流量較大的公共場所的WiFi 熱點(diǎn)區(qū)域進(jìn)行了實(shí)時(shí)人流量統(tǒng)計(jì)與聚集度分析，提出了基于三邊定位和RSSI的WiFi人群定位新方法，進(jìn)一步建立了WiFi區(qū)域人群統(tǒng)計(jì)模型、不同區(qū)域人群移動聚集度模型。通過搭建 WiFi設(shè)備探究不同區(qū)域人群聚集度模型驗(yàn)證系統(tǒng)，證明了該系統(tǒng)的有效性。后續(xù)還可以根據(jù)本文所研究的結(jié)果對WiFi設(shè)備所檢測的人群進(jìn)行特性分析歸類。