（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的信號會因為被遮擋或離運營商過遠的原因等出現(xiàn)強弱變化不穩(wěn)定的結(jié)果以及用GPS進行監(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進行定位[2-4]，它通過無線接入點接受信號值的大小來進行計算定位對象的位置。

對于WiFi數(shù)據(jù)定位的研究，早些時候已有針對醫(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，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行擴展等。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）的物品和人員實時定位跟蹤[5-6]。

國內(nèi)外很多公司、高校、研究所等也設(shè)計了很多基于WiFi無線定位系統(tǒng)。關(guān)于未知節(jié)點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)計的基于RSSI的貝葉斯室內(nèi)定位算法[7]。該算法是在進行高斯濾波預(yù)處理后，使用三角形質(zhì)心算法計算未知節(jié)點坐標，后期對初始坐標進行貝葉斯濾波處理得出更精準的坐標。蔡朝暉等設(shè)計的室內(nèi)信號強度指紋定位算法的改進[8]，在指紋定位的基礎(chǔ)上，設(shè)計了基于區(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)備進行定位[10]，實驗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、軌跡以及聚集度進行分析[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，通過在某公園公共場所部署WiFi探針，即可實時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)計模型、人群聚集度模型。通過數(shù)據(jù)分析生成實時的人流量的統(tǒng)計，以及通過三邊定位后對具體劃分的區(qū)域在不同時間段進行聚集度的分析。

1 系統(tǒng)總體框架設(shè)計

本次設(shè)計將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)備進入?yún)^(qū)域和離開區(qū)域的時間。對進入?yún)^(qū)域的設(shè)備的數(shù)量和時間進行分析和計算，再通過RSSI測距后根據(jù)距離以及參考節(jié)點位置利用三邊測量定位的方法計算行人所處位置，即可繪制出不同時間段的區(qū)域熱力圖，以反映該區(qū)域人群的聚集度。

本次設(shè)計的步驟流程如圖1所示。

圖1 系統(tǒng)設(shè)計流程

管理者可以通過系統(tǒng)最后得出的實時人群聚集度來對當前的人流情況有所了解并且進行判斷和規(guī)劃。該系統(tǒng)搭建成本非常低，實現(xiàn)功能的同時還可以對當前環(huán)境以及設(shè)施建設(shè)進行規(guī)劃，探針和服務(wù)器的硬件成本也較低，同時觸發(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強度轉(zhuǎn)換距離

基于信號強度的三邊定位算法，可以分別統(tǒng)計出不同WiFi檢測設(shè)備在同一時間對相同設(shè)備檢測到的RSSI，依次取3個信號強度相對最大的WiFi檢測設(shè)備，然后通過信號強度衰減公式將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位置。三邊定位圖如圖2所示。圖中A，B，C這3個AP點檢測到未知節(jié)點O的信號強度相對較大，即應(yīng)用A，B，C三點的信號強度進行對未知節(jié)點O的坐標的求解。

圖2 三邊定位圖

信號在空間中傳播中信號強度會由于傳播損耗而不同，利用這個特性，可以建立信號衰減強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)點到AP點的長度；P0為此時移動端到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為隨機變量，與傳播距離d沒有關(guān)系。接下來需要求得信號強度反饋公式：

式中：RSSI為信號強度；A為常數(shù)；n為路徑損耗因子；d為移動端到AO點的距離。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三點值代入三邊測量定位求解過程中即可求得未知節(jié)點O的坐標。

2.2 三邊測量定位

在將信號強度轉(zhuǎn)換為距離后可以獲取未知節(jié)點到已知AP的距離，接下來采用三角質(zhì)心定位算法進行節(jié)點定位，需要選取傳輸距離最短的3個路徑節(jié)點為定位錨節(jié)點并分別以它們的路徑長畫圓，相對應(yīng)的錨節(jié)點為圓心作圓，如圖3所示。三個圓兩兩相交會存在一個三角形的重疊區(qū)域，求這個三角形的質(zhì)心坐標也就是求得未知節(jié)點所在位置。

圖3 邊測量定位示意圖

由于未知節(jié)點距離錨節(jié)點的距離越近，其信號強度越大，相對的損耗就會越小，所以本文將信號強度最大的3個錨節(jié)點到待測節(jié)點之間距離的倒數(shù)作為權(quán)值給待測節(jié)點的位置坐標進行修正，定位公式如下：

式中，（x，y）為待測節(jié)點坐標。

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)計的群聚集度分析系統(tǒng)主要包括當前實時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)，從中分析當前人流量情況，并與歷史數(shù)據(jù)值進行比較，以此判斷人流量的變化幅度；

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

3.1 實時人流情況提取及分析

根據(jù)WiFi檢測設(shè)備的特點，當移動設(shè)備進入到某一WiFi探針的檢測范圍時，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間主要受時間因素的影響，所以對WiFi探針采集到的數(shù)據(jù)分時間段進行聚集度的分析之前，先對一整天的數(shù)據(jù)進行處理，可以得出經(jīng)過該區(qū)域游客數(shù)量隨時間的變化趨勢，為接下來的聚集度分析做準備。

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

圖4 實時人流變換圖

3.2 人群聚集度可視化分析

根據(jù)一天24小時的人流變化情況我們可以很直觀的看出存在3個人流量的峰值，分布在早晨8:50—9:50，下午14:50—15:50，夜晚19:50—20:50。可以分別對這三個人流量峰值的區(qū)間段進行人群定位進而得到該時間段內(nèi)發(fā)人群流動的熱力圖，如圖5所示分別為早中晚三個峰值時間段內(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，這很可能是因為晚間大部分周圍住宅區(qū)的住戶會在公園進行鍛煉或是散步等，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 熱點區(qū)域進行了實時人流量統(tǒng)計與聚集度分析，提出了基于三邊定位和RSSI的WiFi人群定位新方法，進一步建立了WiFi區(qū)域人群統(tǒng)計模型、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)備所檢測的人群進行特性分析歸類。