基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法與系統的製作方法
2023-07-03 17:57:56
基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法與系統的製作方法
【專利摘要】一種基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法，部署無線訪問接入點和iBeaocn基站，手持移動終端採集並記錄若干個採樣點收到的AP的RSSI值和對應的採樣點的坐標值，利用採集的數據作為訓練數據確定BP神經網絡模型，將訓練結果整合成一個輸出值為當前移動終端坐標值的函數，通過iBeacon的RSSI-距離關係式，得到當前位置坐標，根據該距離得到當前位置；將該位置坐標連接形成人流軌跡跟蹤路線路圖，同時記錄在每個點停留的時間，本發明還提供了相應的系統，本發明融合了wifi技術計算速度快和iBeacon技術精度高的優點，結合智慧型手機的多用戶支持，實現了複雜大型建築內的人流軌跡追蹤和區域停留時間統計。
【專利說明】基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法 與系統
【技術領域】
[0001] 本發明涉及無線通信【技術領域】，特別涉及一種基於異構網絡的人流軌跡追蹤和區 域停留時間統計的方法與系統。
【背景技術】
[0002] 隨著經濟的不斷發展，各種室內大型建築越來越多，尤其是大型購物廣場，如何在 大型建築內更好的分配資源，為商家營銷活動更快捷的獲取更真實的用戶數據支持，包括 用戶實時位置，客流密度，駐留時間，進店分析，駐留區域，到訪次數等，成為當下研究的熱 點。
[0003] 目前為止，人流軌跡追蹤方法主要採用以下幾種方案：
[0004] 第一種，採用視頻人流統計技術，通過特定的視頻監控裝備，通過運動目標檢測， 識別人體運動目標，跟蹤運動目標等步驟實現人流軌跡追蹤。
[0005] 第二種，基於虛擬門的人流軌跡統計，通過監測運動目標，採用光流法計算運動矢 量，最後設置虛擬門，通過虛擬門進行統計。
[0006] 以上方法都有缺點，首先都需要部署特定的設備支持，而且最大的缺點是以上設 備不能和人流做主動的交互，只能做單方面的人流軌跡統計。
【發明內容】
[0007] 為了克服上述現有技術的缺點，本發明的目的在於提供一種基於異構網絡的人流 軌跡追蹤和區域停留時間統計的方法與系統，利用市場上主流智慧型手機可以直接接收wifi 信號和iBeacon信號的特點，實現一種精度更高、終端適應更廣的人流軌跡追蹤方法。
[0008] 為了實現上述目的，本發明採用的技術方案是：
[0009] 一種基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法，包括以下步驟：
[0010] S1.部署無線訪問接入點（AP)和iBeaocn基站，並記錄部署位置；
[0011] S2.手持移動終端在部署區域內採集並記錄若干個採樣點收到的AP的RSSI值和 對應的採樣點的坐標值；
[0012] S3.利用S2中採集的數據作為訓練數據確定BP神經網絡模型，輸入向量為採樣 點收到的不同位置AP的RSSI值，輸出向量為採樣點的坐標值；部署N個AP，則收到N個AP 的RSSI值，輸入向量維數為N，輸出向量維數為2 ;
[0013] S4.將S3最終訓練結果整合成一個函數，該函數輸入的參數是當前移動終端接收 到的AP信號強度，輸出值為當前移動終端坐標值；
[0014] S5.在線定位階段，用戶手持移動終端，當手持移動終端處於靜止狀態並達到一定 時間後才開始掃描所在區域的AP信號和iBeacon信號；
[0015] S6.首先通過iBeacon的RSSI-距離關係式
[0016] L = 0.89976*{(rssi/txPower)~7. 7095}+0. Ill
[0017] 得到當前位置距離最近的iBeacon基站的距離L，當該距離小於預設距離時，取當 前位置結果為該iBeacon基站的位置；當該距離大於預設距離時利用當前接收到的wifi的 RSSI信號值作為參數，輸入S4中已經訓練好的函數得到當前位置；其中rssi為手機接收 的iBeacon信號強度，txPower為iBeacon基站發射的信號修正因子；
[0018] S7.將S6所得到的位置坐標連接形成人流軌跡跟蹤路線路圖，同時記錄在每個點 停留的時間。
[0019] 所述S1中，iBeacon基站至少部署於轉折以及多障礙物的位置。
[0020] 所述S3中，在建立的BP神經網絡模型中，將隱含層節點數定位30,形成一個 N-30-2結構的BP神經網絡，其中隱含層的神經元使用的是tansig正切S型激活函數，輸出 層使用purelin線性激活函數，訓練次數1000次，採用traingdm函數進行函數訓練，訓練 誤差性能指標le -5。
[0021] 所述S4中，使用S3所確定的BP神經網絡的輸入和輸出結構，節點數目，訓練時間 以及誤差進行訓練，最終將得到隱含層和輸出層的每個節點的權值和閥值作為BP神經網 絡參數記錄保存，得到訓練好的BP神經網絡模型。
[0022] 所述S5中，一定時間設定為10秒。
[0023] 所述手持移動終端為智慧型手機，作業系統可以為Android4. 3系統或I0S系統。
[0024] 本發明還提供了實現所述的基於異構網絡的人流軌跡追蹤和區域停留時間統計 的方法的系統，包括：
[0025] 位置伺服器，儲AP和iBeacon基站位置信息，存儲路線軌跡和停留時間；完成BP 神經網絡訓練，接受移動終端位置請求；
[0026] 手持移動終端，完成採樣點信號掃描上傳至位置伺服器訓練神經網絡；完成實時 信號掃描，上傳信號至位置伺服器，等待伺服器位置數據返回；實時更新人流軌跡完成界面 顯示和區域停留時間顯示；
[0027] iBeacon基站，提供信號供手持移動終端採集；
[0028] AP，提供信號供手持移動終端採集。
[0029] 與現有技術相比，本發明的一種基於異構網絡的人流軌跡追蹤和區域停留時間統 計的方法，充分融合了 wifi技術計算速度快和iBeacon技術精度高的優點，結合智慧型手機的 多用戶支持，快捷準確地實現了複雜大型建築內的人流軌跡追蹤和區域停留時間統計。
【專利附圖】
【附圖說明】
[0030] 圖1為本發明整體流程圖。
[0031] 圖2為本發明無線訪問接入點和iBeaocn基站室內部署平面圖。
[0032] 圖3為本發明建立的BP神經網絡模型的網絡層數選擇圖。
[0033] 圖4為本發明建立的BP神經網絡模型的網絡結構圖。
[0034] 圖5為本發明BP神經網絡模型訓練示意圖。
[0035] 圖6為本發明實施例的定位數據表。
[0036] 圖7為本發明實施例的計算結果與實際結果對比圖。
【具體實施方式】
[0037] 下面結合附圖和實施例詳細說明本發明的實施方式。
[0038] 如圖1所示，基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法，包括以 下步驟：
[0039] 數據採集階段：
[0040] S1選擇測試區域的平面圖如圖2所示，待測室內區域的面積為10m*10m，在房間分 別部署3臺型號為TP-Link的路由器作為AP使用。使用基於Android4. 3的小米2s作為 移動終端。在房間門口和走廊處部署iBeacon基站，將AP和iBeacon基站部署位置坐標存 儲至位置伺服器中。
[0041] S2手持移動終端在中心區域緩慢均勻地移動採集數據，每移動1步停頓10秒後採 集一次數據，採集收到的3個無線AP的信號強度為（RSSI1，RSSI2, RSSI3)，採集所在區域 的位置坐標（X，Y)。
[0042] 神經網絡結構確定：
[0043] S3①建立神經網絡模型
[0044] Kolmogorov定理已經證明，任何一個連續函數可以由一個三層BP網絡來實現。因 為接收3個AP的RSSI值，所以輸入向量的維數為3,又因為輸出為坐標，所以輸出向量的維 數為2。經反覆實驗，將隱含層節點數定為30,實驗數據如圖3所示。這樣形成了 3-30-2 結構的BP神經網，如圖4所示。
[0045] ②學習算法的選擇
[0046] 設含有共L層和η個節點的一個網絡模型，每層單元接受前一層的輸出並且輸出 給下層各單元，各節點採用連續可微的Sigmoid型函數。設給定Ν個樣本（x k，yk) (k = 1， 2,. . .，N)，其中任一節點i的輸出信息是〇i，對於其中某節點輸入信息為xk，則所在網絡的 輸出信息是y k，節點i的輸出為〇ik，現在把第1層的第j個單元作為研究對象，在輸入第k 個樣本的情況下，節點j的輸入信息為
【權利要求】
1. 一種基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法，其特徵在於，包括 以下步驟：
51. 部署無線訪問接入點（AP)和iBeaocn基站，並記錄部署位置；
52. 手持移動終端在部署區域內採集並記錄若干個採樣點收到的AP的RSSI值和對應 的採樣點的坐標值；
53. 利用S2中採集的數據作為訓練數據確定BP神經網絡模型，輸入向量為採樣點收 到的不同位置AP的RSSI值，輸出向量為採樣點的坐標值；部署N個AP，則收到N個AP的 RSSI值，輸入向量維數為N，輸出向量維數為2 ;
54. 將S3最終訓練結果整合成一個函數，該函數輸入的參數是當前移動終端接收到的 AP信號強度，輸出值為當前移動終端坐標值；
55. 在線定位階段，用戶手持移動終端，當手持移動終端處於靜止狀態並達到一定時間 後才開始掃描所在區域的AP信號和iBeacon信號；
56. 首先通過iBeacon的RSSI-距離關係式 L = 0.89976*{(rssi/txPower)~7. 7095}+0. Ill 得到當前位置距離最近的iBeacon基站的距離L，當該距離小於預設距離時，取當前位 置結果為該iBeacon基站的位置；當該距離大於預設距離時利用當前接收到的wifi的RSSI 信號值作為參數，輸入S4中已經訓練好的函數得到當前位置；其中rssi為手機接收的 iBeacon信號強度，txPower為iBeacon基站發射的信號修正因子；
57. 將S6所得到的位置坐標連接形成人流軌跡跟蹤路線路圖，同時記錄在每個點停留 的時間。
2. 根據權利要求1所述的基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法， 其特徵在於，所述S1中，iBeacon基站至少部署於轉折以及多障礙物的位置。
3. 根據權利要求1所述的基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法， 其特徵在於，所述S3中，在建立的BP神經網絡模型中，將隱含層節點數定位30,形成一個 N-30-2結構的BP神經網絡，其中隱含層的神經元使用的是tansig正切S型激活函數，輸出 層使用purelin線性激活函數，訓練次數1000次，採用traingdm函數進行函數訓練，訓練 誤差性能指標le -5。
4. 根據權利要求1所述的基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法， 其特徵在於，所述S4中，使用S3所確定的BP神經網絡的輸入和輸出結構，節點數目，訓練 時間以及誤差進行訓練，最終將得到隱含層和輸出層的每個節點的權值和閥值作為BP神 經網絡參數記錄保存，得到訓練好的BP神經網絡模型。
5. 根據權利要求1所述的基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法， 其特徵在於，所述S5中，一定時間設定為10秒。
6. 根據權利要求1所述的基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法， 其特徵在於，所述手持移動終端為智慧型手機。
7. 根據權利要求6所述的基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法， 其特徵在於，所述智慧型手機作業系統為Andr 〇id4. 3系統或I0S系統。
8. 實現權利要求1所述的基於異構網絡的人流軌跡追蹤和區域停留時間統計的方法 的系統，其特徵在於，包括： 位置伺服器，儲AP和iBeacon基站位置信息，存儲路線軌跡和停留時間；完成BP神經 網絡訓練，接受移動終端位置請求； 手持移動終端，完成採樣點信號掃描上傳至位置伺服器訓練神經網絡；完成實時信號 掃描，上傳信號至位置伺服器，等待伺服器位置數據返回；實時更新人流軌跡完成界面顯示 和區域停留時間顯示； iBeacon基站，提供信號供手持移動終端採集； AP，提供信號供手持移動終端採集。
【文檔編號】G06N3/02GK104217245SQ201410427096
【公開日】2014年12月17日 申請日期:2014年8月27日 優先權日:2014年8月27日
【發明者】高陽 申請人:高陽