基于异构网络的人流轨迹追踪和区域停留时间统计的方法与系统的制作方法
【专利摘要】一种基于异构网络的人流轨迹追踪和区域停留时间统计的方法，部署无线访问接入点和iBeaocn基站，手持移动终端采集并记录若干个采样点收到的AP的RSSI值和对应的采样点的坐标值，利用采集的数据作为训练数据确定BP神经网络模型，将训练结果整合成一个输出值为当前移动终端坐标值的函数，通过iBeacon的RSSI-距离关系式，得到当前位置坐标，根据该距离得到当前位置；将该位置坐标连接形成人流轨迹跟踪路线路图，同时记录在每个点停留的时间，本发明还提供了相应的系统，本发明融合了wifi技术计算速度快和iBeacon技术精度高的优点，结合智能手机的多用户支持，实现了复杂大型建筑内的人流轨迹追踪和区域停留时间统计。
【专利说明】基于异构网络的人流轨迹追踪和区域停留时间统计的方法 与系统
【技术领域】
[0001] 本发明涉及无线通信【技术领域】，特别涉及一种基于异构网络的人流轨迹追踪和区 域停留时间统计的方法与系统。
【背景技术】
[0002] 随着经济的不断发展，各种室内大型建筑越来越多，尤其是大型购物广场，如何在 大型建筑内更好的分配资源，为商家营销活动更快捷的获取更真实的用户数据支持，包括 用户实时位置，客流密度，驻留时间，进店分析，驻留区域，到访次数等，成为当下研究的热 点。
[0003] 目前为止，人流轨迹追踪方法主要采用以下几种方案：
[0004] 第一种，采用视频人流统计技术，通过特定的视频监控装备，通过运动目标检测， 识别人体运动目标，跟踪运动目标等步骤实现人流轨迹追踪。
[0005] 第二种，基于虚拟门的人流轨迹统计，通过监测运动目标，采用光流法计算运动矢 量，最后设置虚拟门，通过虚拟门进行统计。
[0006] 以上方法都有缺点，首先都需要部署特定的设备支持，而且最大的缺点是以上设 备不能和人流做主动的交互，只能做单方面的人流轨迹统计。
【发明内容】
[0007] 为了克服上述现有技术的缺点，本发明的目的在于提供一种基于异构网络的人流 轨迹追踪和区域停留时间统计的方法与系统，利用市场上主流智能手机可以直接接收wifi 信号和iBeacon信号的特点，实现一种精度更高、终端适应更广的人流轨迹追踪方法。
[0008] 为了实现上述目的，本发明采用的技术方案是：
[0009] 一种基于异构网络的人流轨迹追踪和区域停留时间统计的方法，包括以下步骤：
[0010] S1.部署无线访问接入点（AP)和iBeaocn基站，并记录部署位置；
[0011] S2.手持移动终端在部署区域内采集并记录若干个采样点收到的AP的RSSI值和 对应的采样点的坐标值；
[0012] S3.利用S2中采集的数据作为训练数据确定BP神经网络模型，输入向量为采样 点收到的不同位置AP的RSSI值，输出向量为采样点的坐标值；部署N个AP，则收到N个AP 的RSSI值，输入向量维数为N，输出向量维数为2 ;
[0013] S4.将S3最终训练结果整合成一个函数，该函数输入的参数是当前移动终端接收 到的AP信号强度，输出值为当前移动终端坐标值；
[0014] S5.在线定位阶段，用户手持移动终端，当手持移动终端处于静止状态并达到一定 时间后才开始扫描所在区域的AP信号和iBeacon信号；
[0015] S6.首先通过iBeacon的RSSI-距离关系式
[0016] L = 0.89976*{(rssi/txPower)~7. 7095}+0. Ill
[0017] 得到当前位置距离最近的iBeacon基站的距离L，当该距离小于预设距离时，取当 前位置结果为该iBeacon基站的位置；当该距离大于预设距离时利用当前接收到的wifi的 RSSI信号值作为参数，输入S4中已经训练好的函数得到当前位置；其中rssi为手机接收 的iBeacon信号强度，txPower为iBeacon基站发射的信号修正因子；
[0018] S7.将S6所得到的位置坐标连接形成人流轨迹跟踪路线路图，同时记录在每个点 停留的时间。
[0019] 所述S1中，iBeacon基站至少部署于转折以及多障碍物的位置。
[0020] 所述S3中，在建立的BP神经网络模型中，将隐含层节点数定位30,形成一个 N-30-2结构的BP神经网络，其中隐含层的神经元使用的是tansig正切S型激活函数，输出 层使用purelin线性激活函数，训练次数1000次，采用traingdm函数进行函数训练，训练 误差性能指标le -5。
[0021] 所述S4中，使用S3所确定的BP神经网络的输入和输出结构，节点数目，训练时间 以及误差进行训练，最终将得到隐含层和输出层的每个节点的权值和阀值作为BP神经网 络参数记录保存，得到训练好的BP神经网络模型。
[0022] 所述S5中，一定时间设定为10秒。
[0023] 所述手持移动终端为智能手机，操作系统可以为Android4. 3系统或I0S系统。
[0024] 本发明还提供了实现所述的基于异构网络的人流轨迹追踪和区域停留时间统计 的方法的系统，包括：
[0025] 位置服务器，储AP和iBeacon基站位置信息，存储路线轨迹和停留时间；完成BP 神经网络训练，接受移动终端位置请求；
[0026] 手持移动终端，完成采样点信号扫描上传至位置服务器训练神经网络；完成实时 信号扫描，上传信号至位置服务器，等待服务器位置数据返回；实时更新人流轨迹完成界面 显示和区域停留时间显示；
[0027] iBeacon基站，提供信号供手持移动终端采集；
[0028] AP，提供信号供手持移动终端采集。
[0029] 与现有技术相比，本发明的一种基于异构网络的人流轨迹追踪和区域停留时间统 计的方法，充分融合了 wifi技术计算速度快和iBeacon技术精度高的优点，结合智能手机的 多用户支持，快捷准确地实现了复杂大型建筑内的人流轨迹追踪和区域停留时间统计。
【专利附图】
【附图说明】
[0030] 图1为本发明整体流程图。
[0031] 图2为本发明无线访问接入点和iBeaocn基站室内部署平面图。
[0032] 图3为本发明建立的BP神经网络模型的网络层数选择图。
[0033] 图4为本发明建立的BP神经网络模型的网络结构图。
[0034] 图5为本发明BP神经网络模型训练示意图。
[0035] 图6为本发明实施例的定位数据表。
[0036] 图7为本发明实施例的计算结果与实际结果对比图。
【具体实施方式】
[0037] 下面结合附图和实施例详细说明本发明的实施方式。
[0038] 如图1所示，基于异构网络的人流轨迹追踪和区域停留时间统计的方法，包括以 下步骤：
[0039] 数据采集阶段：
[0040] S1选择测试区域的平面图如图2所示，待测室内区域的面积为10m*10m，在房间分 别部署3台型号为TP-Link的路由器作为AP使用。使用基于Android4. 3的小米2s作为 移动终端。在房间门口和走廊处部署iBeacon基站，将AP和iBeacon基站部署位置坐标存 储至位置服务器中。
[0041] S2手持移动终端在中心区域缓慢均匀地移动采集数据，每移动1步停顿10秒后采 集一次数据，采集收到的3个无线AP的信号强度为（RSSI1，RSSI2, RSSI3)，采集所在区域 的位置坐标（X，Y)。
[0042] 神经网络结构确定：
[0043] S3①建立神经网络模型
[0044] Kolmogorov定理已经证明，任何一个连续函数可以由一个三层BP网络来实现。因 为接收3个AP的RSSI值，所以输入向量的维数为3,又因为输出为坐标，所以输出向量的维 数为2。经反复实验，将隐含层节点数定为30,实验数据如图3所示。这样形成了 3-30-2 结构的BP神经网，如图4所示。
[0045] ②学习算法的选择
[0046] 设含有共L层和η个节点的一个网络模型，每层单元接受前一层的输出并且输出 给下层各单元，各节点采用连续可微的Sigmoid型函数。设给定Ν个样本（x k，yk) (k = 1， 2,. . .，N)，其中任一节点i的输出信息是〇i，对于其中某节点输入信息为xk，则所在网络的 输出信息是y k，节点i的输出为〇ik，现在把第1层的第j个单元作为研究对象，在输入第k 个样本的情况下，节点j的输入信息为
【权利要求】
1. 一种基于异构网络的人流轨迹追踪和区域停留时间统计的方法，其特征在于，包括 以下步骤：
51. 部署无线访问接入点（AP)和iBeaocn基站，并记录部署位置；
52. 手持移动终端在部署区域内采集并记录若干个采样点收到的AP的RSSI值和对应 的采样点的坐标值；
53. 利用S2中采集的数据作为训练数据确定BP神经网络模型，输入向量为采样点收 到的不同位置AP的RSSI值，输出向量为采样点的坐标值；部署N个AP，则收到N个AP的 RSSI值，输入向量维数为N，输出向量维数为2 ;
54. 将S3最终训练结果整合成一个函数，该函数输入的参数是当前移动终端接收到的 AP信号强度，输出值为当前移动终端坐标值；
55. 在线定位阶段，用户手持移动终端，当手持移动终端处于静止状态并达到一定时间 后才开始扫描所在区域的AP信号和iBeacon信号；
56. 首先通过iBeacon的RSSI-距离关系式 L = 0.89976*{(rssi/txPower)~7. 7095}+0. Ill 得到当前位置距离最近的iBeacon基站的距离L，当该距离小于预设距离时，取当前位 置结果为该iBeacon基站的位置；当该距离大于预设距离时利用当前接收到的wifi的RSSI 信号值作为参数，输入S4中已经训练好的函数得到当前位置；其中rssi为手机接收的 iBeacon信号强度，txPower为iBeacon基站发射的信号修正因子；
57. 将S6所得到的位置坐标连接形成人流轨迹跟踪路线路图，同时记录在每个点停留 的时间。
2. 根据权利要求1所述的基于异构网络的人流轨迹追踪和区域停留时间统计的方法， 其特征在于，所述S1中，iBeacon基站至少部署于转折以及多障碍物的位置。
3. 根据权利要求1所述的基于异构网络的人流轨迹追踪和区域停留时间统计的方法， 其特征在于，所述S3中，在建立的BP神经网络模型中，将隐含层节点数定位30,形成一个 N-30-2结构的BP神经网络，其中隐含层的神经元使用的是tansig正切S型激活函数，输出 层使用purelin线性激活函数，训练次数1000次，采用traingdm函数进行函数训练，训练 误差性能指标le -5。
4. 根据权利要求1所述的基于异构网络的人流轨迹追踪和区域停留时间统计的方法， 其特征在于，所述S4中，使用S3所确定的BP神经网络的输入和输出结构，节点数目，训练 时间以及误差进行训练，最终将得到隐含层和输出层的每个节点的权值和阀值作为BP神 经网络参数记录保存，得到训练好的BP神经网络模型。
5. 根据权利要求1所述的基于异构网络的人流轨迹追踪和区域停留时间统计的方法， 其特征在于，所述S5中，一定时间设定为10秒。
6. 根据权利要求1所述的基于异构网络的人流轨迹追踪和区域停留时间统计的方法， 其特征在于，所述手持移动终端为智能手机。
7. 根据权利要求6所述的基于异构网络的人流轨迹追踪和区域停留时间统计的方法， 其特征在于，所述智能手机操作系统为Andr 〇id4. 3系统或I0S系统。
8. 实现权利要求1所述的基于异构网络的人流轨迹追踪和区域停留时间统计的方法 的系统，其特征在于，包括： 位置服务器，储AP和iBeacon基站位置信息，存储路线轨迹和停留时间；完成BP神经 网络训练，接受移动终端位置请求； 手持移动终端，完成采样点信号扫描上传至位置服务器训练神经网络；完成实时信号 扫描，上传信号至位置服务器，等待服务器位置数据返回；实时更新人流轨迹完成界面显示 和区域停留时间显示； iBeacon基站，提供信号供手持移动终端采集； AP，提供信号供手持移动终端采集。
【文档编号】G06N3/02GK104217245SQ201410427096
【公开日】2014年12月17日 申请日期:2014年8月27日 优先权日:2014年8月27日
【发明者】高阳 申请人:高阳