[發明專利]基于wifi探測技術的樞紐換乘區域旅客走行路徑識別方法及設備

有效

• 申請號: 202011503692.3
• 申請日: 2020-12-18
• 公開（公告）號: CN112672379B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 周正全;李昱瑾;趙慧
• 申請（專利權）人: 北京市市政工程設計研究總院有限公司
• 主分類號: H04W24/08
• 分類號: H04W24/08;G06F18/23213;G06Q50/26;G06F18/24;G06F17/18;G06F18/22
• 代理公司: 北京萬科園知識產權代理有限責任公司 11230
• 代理人: 杜澄心;張亞軍

1.一種基于wifi探測技術的樞紐換乘區域旅客走行路徑識別方法，包括以下步驟：

(1)wifi探測設備參數配置；

在采集數據之前需要配置wifi探測設備的相關參數，包括時間設置和數據上傳參數設置兩部分；

將wifi探測設備時間設置成與時鐘一致的時間，即本地時間；

在數據上傳參數設置部分，設置采集數據的周期，將采集到的數據實時保存至sd儲存卡內，并設置儲存文件大小，超過后計入下一個文件；

(2)在wifi探測設備采集的原數據基礎上剔除錯誤數據樣本；

記錄每臺wifi探測設備發射信號覆蓋范圍內所有打開了wifi信號的手機信息，記錄內容包括其手機mac地址，記錄時間，rssi信號強度范圍；wifi設備采集的原始數據按照數據大小分成若干文件夾，以txt格式儲存；

對于亂碼和不滿足以上數據格式的數據條目，在本階段分析中被認為是錯誤數據，予以剔除，原始數據為M₀,剔除錯誤數據之后的數據集為M₁；

其中，i為不同mac地址的個數，k為同一個mac地址的數據個數；

(3)基于統計學分析過濾偽數據樣本；

采用統計學分析的方法，即根據數據的出現頻次進行分析，對于瞬時多頻次出現的數據進行過濾；

基于剔除錯誤數據后的數據集合M₁,其中共包含有I個mac地址，分別為{mac₁，mac₂，…，mac_i，…，mac_I}，其中有效mac地址J個，偽數據G個，且J+G＝I；按照mac地址的不同計算第i個mac地址的出現頻次，即{α₁，α₂，…，α_i，…，α_I}，定義一個閾值β作為判定是否為偽數據的條件，依據統計學的分析，可得到β_i≥α_i的累計頻率為γ_i，不同的β_i對應的γ_i不同，γ_i的推薦值定義為γ_g，γ_g取值10％-15％，與γ_g對應的數據集為偽數據集，記為M_1g，

按照以上條件對數據進行清洗，去除偽數據之后的數據樣本記為M₂；

其中，j為剔除偽數據之后的不同mac地址的個數，k為同一個mac地址的數據個數；

(4)利用K-means聚類分析算法，根據rssi絕對值的大小將數據樣本聚類；

K-means算法描述為：假設給定一個整數Z以及一個具有n個數據對象的樣本集合目標是選擇Z個聚類中心C使目標函數F達到最小，其中目標函數F的計算公式為：

其中，s代表與mac地址對應的rssi的值，c代表中心點的rssi值；

在數據集M₂中，隨機選取Z個中心，集合中其他數據對象被劃分到與中心最近的數據集合中去，形成了Z個初始的數據集合，也稱為簇，對于每個數據集合計算新的中心，然后根據新的中心重新分配其他數據集合，不斷迭代，指導數據中心不再變化；

在樣本數據M₂的基礎上，設置初始簇Z值為3個，初始的中心為c₁₁,c₁₂,c₁₃,經過迭代計算后，得到新的中心為c₂₁,c₂₂,c₂₃,其中c₂₁對應的數據集為S₁,包含m個數據樣本{s₁₁，s₁₂，s₁₃，…，s_1m，}，樣本個數的累計頻率即為p_m；c₂₂對應的數據集為S₂,包含n個數據樣本{s₂₁，s₂₂，s₂₃，…，s_2n，}，樣本個數的累計頻率即為p_n；c₂₃對應的數據集為S₃,包含個數據樣本{s_3k(1)，s_3k(2)，s_3k(3)，…，s_3k(x)，}，樣本個數的累計頻率即為p_χ，假設p_x＝max(p_m、p_n、p_χ)，那么p_χ對應的集合為有效數據，即該數據集是在wifi探測設備有效距離內的數據；

按照以上條件對數據進行清洗后的數據樣本記為M₃，

其中，χ為rssi符合條件要求的不同mac地址的個數，k為同一個mac地址的數據個數；

(5)基于K-means聚類分析算法確定換乘區域內旅客動態位置；

經過以上步驟篩選得到的不同mac地址代表不同的旅客，對各檢測器檢測到的mac地址進行分類處理后，明確了旅客在換乘區域內的位置；根據wifi探測設備捕獲得到的rssi的強弱不同，對數據樣本進一步篩選，得到的M₃是包括mac地址實時位置信息的數據集；

(6)識別換乘區域內客流類型；

根據最初捕獲時間和最后一次捕獲時間的差值可以甄別出行旅客；

假設t_χ1為首次捕獲時間，t_χ2為末次捕獲時間，t_χ為移動設備在換乘區域內的滯留時間，t_χ＝t_χ2-t_χ1，t_χ≥T_χ1的概率為θ₁，t_χ≤T_χ2的概率為θ₂；根據滯留時間的分布特征給予θ₁和θ₂特定的閾值，θ₁值為1％-5％，θ₂值為10％-20％；假設1％≤θ_q1≤5％，10％≤θ_q2≤20％，對應的數據集為M₄；

其中，q為滯留時間符合條件要求的不同mac地址的個數，k為同一個mac地址的數據個數；

(7)匹配樞紐換乘區域各檢測點之間的數據樣本，獲取旅客動態位置信息,識別旅客走行路徑；

針對同一個mac地址，識別在每個檢測位置rssi最大絕對值出現的時刻，并按照時間順序進行串聯，進而得到該旅客的走行路徑；假設樞紐換乘區域檢測點共N個，每個檢測點檢測到的數據集為M_4n，M₄由{M₄₁，M₄₂，…，M_4n…，M_4N}組成；M_4n內的mac地址為mac_4n，mac_4n在同一個檢測點可能被檢測到k次，即M_4n＝{mac_4n1，mac_4n2，mac_4n3，…，mac_4nk}，對比以上k個數據的rssi值，rssi絕對值最大的為保留用于匹配的最終數據，記為mac_4nq,M_4nq＝{mac_41q，mac_42q，mac_43q，…，mac_4nq}，即選取rssi最大絕對值對應的數據集作為該mac地址在此檢測點最為有效的數據；

將每個檢測點的mac_4nq與檢測位置進行匹配，匹配之后的數據形成數據集M₅＝{M_41q，M_42q，…，M_4nq…，M_4Nq}；

此數據集中均帶有各個檢測位置的rssi信息和與其對應的time信息，按照time時間順序將mac地址對應的檢測點進行串聯，獲取該旅客在樞紐換乘區域內的動態位置信息，為樞紐旅客出行特征分析提供依據。

2.一種基于wifi探測技術的樞紐換乘區域旅客走行路徑識別設備，其特征在于，包括：

1)、數據采集模塊：

經過本地時鐘、采集數據周期的設置，將采集到的數據實時保存至sd儲存卡內，并設置儲存文件大小，超過后計入下一個文件的wifi探測設備；

2)、數據預處理模塊：

首先，在wifi探測設備采集的原數據基礎上剔除錯誤數據樣本；

記錄每臺wifi探測設備發射信號覆蓋范圍內所有打開了wifi信號的手機信息，記錄內容包括其手機mac地址，記錄時間，rssi信號強度范圍；wifi設備采集的原始數據按照數據大小分成若干文件夾，以txt格式儲存，

對于亂碼和不滿足以上數據格式的數據條目，在本階段分析中被認為是錯誤數據，予以剔除，原始數據為M₀,剔除錯誤數據之后的數據集為M₁；

其中，i為不同mac地址的個數，k為同一個mac地址的數據個數；

其次，基于統計學分析過濾偽數據樣本；

采用統計學分析的方法，即根據數據的出現頻次進行分析，對于瞬時多頻次出現的數據進行過濾；

基于剔除錯誤數據后的數據集合M₁,其中共包含有I個mac地址，分別為{mac₁，mac₂，…，mac_i，…，mac_I}，其中有效mac地址J個，偽數據G個，且J+G＝I；按照mac地址的不同計算第i個mac地址的出現頻次，即{α₁，α₂，…，α_i，…，α_I}，定義一個閾值β作為判定是否為偽數據的條件，依據統計學的分析，可得到β_i≥α_i的累計頻率為γ_i，，不同的β_i對應的γ_i不同，γ_i的推薦值定義為γ_g，γ_g取值10％-15％，與γ_g對應的數據集為偽數據集，記為M_1g，

按照以上條件對數據進行清洗，去除偽數據之后的數據樣本記為M₂；

其中，j為剔除偽數據之后的不同mac地址的個數，k為同一個mac地址的數據個數；

第三，利用K-means聚類分析算法，根據rssi絕對值的大小將數據樣本聚類；

K-means算法描述為：假設給定一個整數Z以及一個具有n個數據對象的樣本集合目標是選擇Z個聚類中心C使目標函數F達到最小，其中目標函數F的計算公式為：

其中，s代表與mac地址對應的rssi的值，c代表中心點的rssi值；

在數據集M₂中，隨機選取Z個中心，集合中其他數據對象被劃分到與中心最近的數據集合中去，形成了Z個初始的數據集合，也稱為簇，對于每個數據集合計算新的中心，然后根據新的中心重新分配其他數據集合，不斷迭代，指導數據中心不再變化；

在樣本數據M₂的基礎上，設置初始簇Z值為3個，初始的中心為c₁₁,c₁₂,c₁₃,經過迭代計算后，得到新的中心為c₂₁,c₂₂,c₂₃,其中c₂₁對應的數據集為S₁,包含m個數據樣本{s₁₁，s₁₂，s₁₃，…，s_1m，}，樣本個數的累計頻率即為p_m；c₂₂對應的數據集為S₂,包含n個數據樣本{s₂₁，s₂₂，s₂₃，…，s_2n，}，樣本個數的累計頻率即為p_n；c₂₃對應的數據集為S₃,包含個數據樣本{s_3k(1)，s_3k(2)，s_3k(3)，…，s_3k(x)，}，樣本個數的累計頻率即為p_χ，假設p_x＝max(p_m、p_n、p_χ)，那么p_χ對應的集合為有效數據，即該數據集是在wifi探測設備有效距離內的數據；

按照以上條件對數據進行清洗后的數據樣本記為M₃，

其中，χ為rssi符合條件要求的不同mac地址的個數，k為同一個mac地址的數據個數；

第四，基于K-means聚類分析算法確定換乘區域內旅客動態位置；

經過以上步驟篩選得到的不同mac地址代表不同的旅客，對各檢測器檢測到的mac地址進行分類處理后，明確了旅客在換乘區域內的位置；根據wifi探測設備捕獲得到的rssi的強弱不同，對數據樣本進一步篩選，得到的M₃是包括mac地址實時位置信息的數據集；

第五，識別換乘區域內客流類型：根據最初捕獲時間和最后一次捕獲時間的差值可以甄別出行旅客；

假設t_χ1為首次捕獲時間，t_χ2為末次捕獲時間，t_χ為移動設備在換乘區域內的滯留時間，t_χ＝t_χ2-t_χ1，t_χ≥T_χ1的概率為θ₁，t_χ≤T_χ2的概率為θ₂；根據滯留時間的分布特征給予θ₁和θ₂特定的閾值，θ₁值為1％-5％，θ₂值為10％-20％；假設1％≤θ_q1≤5％，10％≤θ_q2≤20％，對應的數據集為M₄；

其中，q為滯留時間符合條件要求的不同mac地址的個數，k為同一個mac地址的數據個數；

3)、數據匹配模塊：

匹配樞紐換乘區域各檢測點之間的數據樣本，獲取旅客動態位置信息,識別旅客走行路徑；針對同一個mac地址，識別在每個檢測位置rssi最大絕對值出現的時刻，并按照時間順序進行串聯，進而得到該旅客的走行路徑；假設樞紐換乘區域檢測點共N個，每個檢測點檢測到的數據集為M_4n，M₄由{M₄₁，M₄₂，…，M_4n…，M_4N}組成；M_4n內的mac地址為mac_4n，mac_4n在同一個檢測點可能被檢測到k次，即M_4n＝{mac_4n1，mac_4n2，mac_4n3，…，mac_4nk}，對比以上k個數據的rssi值，rssi絕對值最大的為保留用于匹配的最終數據，記為mac_4nq,M_4nq＝{mac_41q，mac_42q，mac_43q，…，mac_4nq}，即選取rssi最大絕對值對應的數據集作為該mac地址在此檢測點最為有效的數據；

將每個檢測點的mac_4nq與檢測位置進行匹配，匹配之后的數據形成數據集M₅＝{M_41q，M_42q，…，M_4nq…，M_4Nq}；

此數據集中均帶有各個檢測位置的rssi信息和與其對應的time信息，按照time時間順序將mac地址對應的檢測點進行串聯，獲取該旅客在樞紐換乘區域內的動態位置信息，為樞紐旅客出行特征分析提供依據。