朱嘉塬，郝仕舉，裴政贏，徐世軍，周 卓

（西北民族大學(xué) 電氣工程學(xué)院，甘肅 蘭州 730124）

1 對現(xiàn)有客流統(tǒng)計(jì)技術(shù)的分析

目前，一般在大型商業(yè)廣場中實(shí)現(xiàn)客流量的具體方式有如下3種。

（1）紅外對射管式、視頻流圖像識(shí)別式以及激光掃描式。以下對三種方式作出簡要的說明和優(yōu)劣分析：紅外對射管式原理簡單，價(jià)格便宜，具體實(shí)現(xiàn)式在商業(yè)廣場的關(guān)鍵通道兩側(cè)分別安放發(fā)射管和接收管，通過計(jì)數(shù)隔斷次數(shù)得出客流數(shù)據(jù)，顯而易見，該方式得到的數(shù)據(jù)存在極大的誤差，無法判別特殊情況，如多個(gè)用戶緊跟狀態(tài)、用戶與手提包物之間存在較大間隔等情況下對客流量的統(tǒng)計(jì)便無法正常工作。

（2）視頻流圖像識(shí)別式，是利用人工智能技術(shù)，對攝像頭監(jiān)控采集到的計(jì)算機(jī)視頻進(jìn)行圖像分析，得到客流量數(shù)據(jù)，運(yùn)動(dòng)人體狀目標(biāo)識(shí)別與跟蹤分析式其技術(shù)核心，這種技術(shù)得到的數(shù)據(jù)準(zhǔn)確，但其造價(jià)極高，對客流量數(shù)據(jù)的處理準(zhǔn)確性和速率，取決于計(jì)算機(jī)算法的優(yōu)化性、監(jiān)控設(shè)備的清晰度以及運(yùn)行計(jì)算機(jī)的處理速度的綜合指標(biāo)。

（3）激光掃描式是以前大型商場中常用的技術(shù)，其技術(shù)先進(jìn)，技術(shù)較為精確，有一定的抗干擾能力，但其過高的造價(jià)影響了在現(xiàn)今廣場中的廣泛應(yīng)用，特別是隨著目前人工智能技術(shù)的迅猛發(fā)展使視頻流圖像識(shí)別技術(shù)的成本有了降低。

綜合以上三種現(xiàn)有的客流統(tǒng)計(jì)技術(shù)的分析，文章提出一種新式的客流統(tǒng)計(jì)技術(shù)，基于wifi探針實(shí)現(xiàn)的客流量統(tǒng)計(jì)。

2 WiFi探針技術(shù)簡介

（1）WIFI探針設(shè)備。WiFi探針技術(shù)的原理為，當(dāng)一個(gè)設(shè)備給另一個(gè)設(shè)備通過無線傳輸技術(shù)發(fā)送信息時(shí)，周圍的其他同樣具有無線傳輸技術(shù)的設(shè)備是能夠接收到這些信息的，具體而言，只要一個(gè)在wifi探針的偵聽范圍內(nèi)，其中的wifi設(shè)備只要處于工作狀態(tài)，那么這個(gè)設(shè)備發(fā)送的任何一幀數(shù)據(jù)都可以被探針接收到，從而分析出該設(shè)備的MAC地址與一些物理層的一些不涉及安全性的基礎(chǔ)信息。

（2）客流量數(shù)據(jù)的收集。在服務(wù)端使用的是Centos操作系統(tǒng)，采集設(shè)備中使用樹莓派作為基礎(chǔ)的控制芯片，用來實(shí)現(xiàn)數(shù)據(jù)的采集和上傳至云服務(wù)器的業(yè)務(wù)。

（3）客流數(shù)據(jù)采集指標(biāo)。一般的，在大型商業(yè)廣場中對于客流量的統(tǒng)計(jì)分為如下個(gè)指標(biāo)：①廣場總體客流量：該部分?jǐn)?shù)據(jù)由安裝在廣場與外界所有出入口的客流量統(tǒng)計(jì)探頭收集得到，通過掌握該部分?jǐn)?shù)據(jù)可以匯總分析出廣場整體客流量變化趨勢及規(guī)律，同時(shí)還可以作為后續(xù)各指標(biāo)提供統(tǒng)計(jì)總量；于入店量：由安裝在各商鋪內(nèi)的探頭得到，統(tǒng)計(jì)廣場中商鋪層級的客流量；③入店率：入店量與廣場總體客流量之比；④來訪周期：進(jìn)入店鋪的客戶距離上次來店的時(shí)間間隔；⑤新老顧客：在一個(gè)時(shí)間區(qū)間中多次進(jìn)入店鋪的客戶數(shù)量；⑥顧客活躍度：根據(jù)，在一個(gè)時(shí)間段中該客戶進(jìn)店的次數(shù)來劃分；

⑦駐店時(shí)長：客戶在店停留時(shí)長；⑧跳出率：進(jìn)店后極速離去的顧客與總體客流之比。

3 客流預(yù)測模型的分析和研究

從國內(nèi)外各學(xué)者對客流量預(yù)測方法研究以來，研究工作主要是有兩大方面，即定性和定量，文章從定量角度分析。在以往的傳統(tǒng)方法中很少能對數(shù)據(jù)樣本有有效訓(xùn)練的過程，不適合應(yīng)用于像商業(yè)廣場客流量預(yù)測這樣存在復(fù)雜特征的模型中。諸如線性回歸法、灰色預(yù)測和指數(shù)平滑法等方法通過分析數(shù)據(jù)雖然能在一定的線性范圍中得到預(yù)測結(jié)果，但是在具有多個(gè)復(fù)雜參數(shù)的情況下，預(yù)測結(jié)果總是不夠準(zhǔn)確。因此，在文章中使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型

BP神經(jīng)網(wǎng)絡(luò)的模型建立。首先，使用Kolmogorov提出的確定隱含層神經(jīng)元個(gè)數(shù)范圍的公式：

式中，u為隱含層的神經(jīng)元個(gè)數(shù)；X為輸入層神經(jīng)元個(gè)數(shù)，數(shù)據(jù)集中影響因素個(gè)數(shù)；Y為輸出層神經(jīng)元個(gè)數(shù)，期望輸出的個(gè)數(shù)；Z為常數(shù)。

之后，?。踰1，ui］中的神經(jīng)元個(gè)數(shù)，利用采集得到的數(shù)據(jù)不斷訓(xùn)練和測試實(shí)驗(yàn)，通過之后得到的均方誤

差和擬合系數(shù)，來確定一個(gè)最合適的隱層神經(jīng)元個(gè)數(shù)。

最后，根據(jù)BP神經(jīng)網(wǎng)絡(luò)任意逼近定理，確定，在模型中使用單隱含層網(wǎng)絡(luò)結(jié)構(gòu)，之后，可以簡單地確定一個(gè)合適的BP網(wǎng)絡(luò)結(jié)構(gòu)。

4 實(shí)證研究——以西北民族大學(xué)格物樓為例

西北民族大學(xué)格物樓是該校日常課程安排最為密集的區(qū)域，正常日間的客流量最為密集，同時(shí)，各個(gè)教室的周期性客流可以在一定程度上模擬商業(yè)廣場的店鋪客流，在文章模型的驗(yàn)證上有一定的參考意義。

表1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與實(shí)際值對比

預(yù)測模型驗(yàn)證。利用python廣大開發(fā)者所提供的激勵(lì)函數(shù)和學(xué)習(xí)算法，來實(shí)現(xiàn)文章所設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。根據(jù)筆者得到的2017年9月初到2017年11月初正常上課期間的數(shù)據(jù)作為訓(xùn)練集，2017年11月到12月數(shù)據(jù)作為測試集；隱含層層數(shù)為1，單隱含層，隱含層節(jié)點(diǎn)數(shù)為10.隱層傳輸函數(shù)：tansig，輸出層傳輸函數(shù)：tansig，訓(xùn)練函數(shù) traincgf，學(xué)習(xí)函數(shù)：learngdm，學(xué)習(xí)率：0.01，訓(xùn)練目標(biāo)：0.001，最大訓(xùn)練次數(shù)：1000。在Python語言所提供的開源工具箱中得到理想訓(xùn)練結(jié)果。截取部分對比數(shù)據(jù)如表1所示。

5 結(jié)語

在實(shí)際的運(yùn)用管理中，對客流量的預(yù)測和分析，一直是各個(gè)大型商業(yè)廣場在制定戰(zhàn)略和日常運(yùn)營工作中希望了解到的數(shù)據(jù)，尤其是在節(jié)假日，精確的預(yù)測可以讓廣場管理者和商鋪主在廣告上、營銷等方面進(jìn)行更合理的、科學(xué)的運(yùn)營，文章利用wifi探針作為客流量采集探頭，BP神經(jīng)網(wǎng)絡(luò)模型作為數(shù)據(jù)分析方法，對西北民族大學(xué)格物樓客流數(shù)據(jù)做了分析驗(yàn)證，得到了一個(gè)有效的客流量預(yù)測分析模型。

參考文獻(xiàn)

［1］陳明.神經(jīng)網(wǎng)絡(luò)原理與實(shí)例精解［D］.北京：清華大學(xué)，2014.