A method for detecting pedestrian volume using WI-FI probes

技术领域

本发明属于 WI-FI 数据采集和行人流量检测技术领域， 具体涉及一种使用 WI-FI探针检测行人流量的方法。 WI-FI探针通过捕获移动设备的 MAC地址数据， 获得人流量原始数据； 通过调整 WI-FI探针设备的空间布局， 可以有效提高人群 中的检测率； 采用数据筛选标准对原始数据进行处理， 并提供多种方法建立检测 人流量与实际人流量之间的函数关系， 从而提高 WI-FI检测的精度。 背景技术

大型商场、 交通枢纽、 旅游度假区等场所经常出现大客流现象， 对客流数据 的实时检测具有重要意义，检测手段也越来越 多样化。现有的客流检测与统计方 法， 根据检测技术类别大致可分为以下几类。

( 1 ) 人工调査法

人工调査是最为传统的客流计数方法，方法简 单且可叠加人工判断标准。但 由于其对调査人员要求较高， 计数误差大， 数据质量不高， 调査后资料整理工作 繁重， 数据系统性不佳且无法提供实时数据， 目前也不能满足交通需求的增长， 在人流量较密集的场所实时难度较大， 效率低下，

( 2) 闸机式客流计数

闸机是一种通道阻挡装置 (通道管理设备），用于管理人流并规范行人� �入， 主要应用于地铁闸机系统、收费检票闸机系统 。其最基本最核心的功能是实现一 次只通过一人， 可用于各种收费、 门禁场合的入口通道处。 该方式成本较低， 且 数量精确度佳，但在服务人群多带有大量的行 李包裹的情况下， 该方式通过效率 较低，在紧急情况下对行人的疏散造成阻碍， 且不利于行动不便人士的出行。 并 且该方式检测人流数据仅为某一断面， 需要布置多个断面才可掌握人流分布， 占 地面积较大。

( 3) 踏板式客流计数

压力板客流统计仪安装在检验区域的地面，行 人经过时触发压力传感器信息 得以被自动记录下来。该类仪器大致可以分为 两类， 一类是根据"人体踏抬步数 据模型模式"进行计数和方向判断， 另一类是根据 "乘客脚踏轮廓"进行判断。 该方法降低了对客流运行的影响且安装简单， 但检测正确率低，且踩压系统部件 容易损坏， 可维护性较差。

(4) 红外式客流计数

红外式客流计数可分为被动红外式客流计数和 主动红外式客流计数。被动红 外式客流计数采用的是可避免其他物体干扰的 、仅能检测人体所发出的信号的热 释红外线探头。有人通过的时候， 红外传感器便可探测到由人体红外光谱所产生 的某种变化， 同时触发一个脉冲信号， 然后根据脉冲信号个数来判断人数。主动 红外式则是通过发射头发射定制波长红外线覆 盖一定区域，并通过传感器检测到 的乘客反射的光线识别乘客数量。主动红外式 客流计数克服了被动红外式客流计 数中受环境、光线影响的缺点，但由于它采用 通过对脉冲个数进行简单的判断来 确定人数，因而造成统计的准确度低，对多人 同时通过的情况更是无法准确测定。 并且， 仅利用红外方式无法判别客流的方向， 且检测设备成本较高， 不宜于大范 围使用。

( 5) 视频客流计数

视频客流计数可分为单目视频客流计数和双目 视频客流计数。视频客流技术 通过在关键通道内安装摄像头获取视频图像， 利用图像处理计数如图像分割， 人 工神经网络、立体图像分析等捕获客流计数。 但该方法起步较晚，技术尚未成熟。 且实施成本、维护成本都较高， 人流密集时难以解决人流个体分割问题因而精 确 度较低。

(6) WI-FI探针客流检测

WI-FI探针客流检测是通过在检测区域内部署 WI-FI网络以获取开启 WI-FI 功能的移动设备的 MAC地址， 从而实现客流计数。基于 WI-FI的客流统计方法操 作简单， 设备成本合理， 受非视距因素影响小， 灵活性高， 能同时获取大量的统 计数据，在密集客流下的人流统计中具有较大 的优势。并且对探针获取的数据内 容进行深入分析， 可以得到人流停留时间、 流线流向等特征数据。并且这种检测 方法在后续操作支持云平台、数据应用可扩展 至营销层。 目前在大型商业区、旅 游景点、 游乐场所等场所应用广泛。 但是， 目前基于 WI-FI的客流检测方法主要存在以下问题：

( 1 ) 移动设备的唯一 MAC地址被探针检测到的前提是移动设备的 WI-FI需要是 打开状态。 而实际场景下人群中移动设备打开 WI-FI的比例较低且未知。 所以一般情况下 WI-FI检测到的客流量与实际客流量差异较大，� ��检测量 上看效果并不理想。

( 2 ) 移动设备发射出的无线探测信号在被探针捕获 到的过程中存在多径现象 与反射现象， 而无线信号的多径现象与反射现象会使信号强 度衰减， 导致 探针检测到的接收信号强度值（RSSI )有不同程度的衰减， 情形严重时甚 至检测不到。 所以也会导致 WI-FI的检测率较低。

( 3 ) 由于检测率较低的基本特征，导致不能直接使 用检测结果对客流量进行统 计。所以需要在检测量与实际量之间建立合适 的预测模型， 从而提高由检 测值预测实际值的精度，同时也应满足行人流 量不断波动情况下预测模型 的高准确性。

目前关于 WI-FI客流统计方面的研究比较有限，主要集中� ��基于对接收信号 强度值（RSSI )的精准研究探求室内行人的准确定位问题，� �及在现有室内 WI-FI 系统下的包括客流密度、 客流轨迹等特征参数的描述。 而对于如何有效提高 WI-FI客流统计的检测率、 如何布设 WI-FI探针以达到较优的检测效果以及如何 通过建模提高客流估算的精度等方面仍缺乏研 究。 发明内容

本发明的目的在于， 提供一种使用 WI-FI探针检测人流量的方法。具体检测 手段是使用 WI-FI 探针对有效检测区域内的移动设备进行探测， 在设备 WI-FI 功能打开的情况下， 探针就能通过捕获无线信号而检测到该设备的 唯一标识的 MAC地址， 从而进行人流量的统计。 探针捕获的无线信号信息包括捕获时间、 接 收信号强度值、 MAC地址等。

使用 WI-FI探针检测人流量时， 本发明主要解决以下三个问题：

( 1 ) 使用多个探针对道路行人流量进行检测时，移 动设备发射出的无线信号在 传播过程中存在多径现象和反射现象，从而会 导致探针捕获到的信号接受 强度（RSSI )有不同程度的衰减， 甚至无法被检测到。 所以， 本发明在探 究多个探针的空间布局对无线信号的检测结果 的影响的基础下，给出多种 较优的探针布设方案，从而较大限度地减少无 线信号的传播过程中多径现 象和反射现象对检测结果的影响。

( 2) WI-FI探针的有效检测范围是以设备为中心， 一定长度为半径的球形区域。

所以当检测区域大于道路宽度时， 道路之外（包括两侧建筑物内）的移动 设备也会被检测到从而导致检测结果中存在这 些无效数据。所以，本发明 需要设定科学的数据筛选标准来剔除这些无效 数据，从而保证检测结果的 可靠性。

( 3) 当行人流量变化时，无线信号的多径与反射的 程度不同， 导致在所给的数 据筛选标准下的检测率也会随着人流量的变化 而发生明显变化。本发明给 出一个适用于人流量不断变化情况下的由检测 量预测实际量的计算模型， 从而提高预测精度。 为解决以上问题， 本发明采用的技术方案包括：

( 1 ) 使用多个 WI-FI探针检测行人流量时，在相同的检测环境� ��， 同时布设多 种探针的空间布局方案，方案区别主要在于探 针在道路纵向和横向空间上 的位置。

( 2) 收集原始检测数据时，应取各个探针检测结果 的并集， 统计在某段时间段 内检测到的移动设备 MAC地址数目。

( 3) 为有效剔除无效干扰数据， 需要设计预实验确定数据筛选的标准。预实验 在待测行人道路上进行，保证多个探针的的布 设形式与检测人流量时相同， 在探针有效检测范围内，使用已知 MAC地址的多个智能设备， 并随意位移 一段时间后，对探针检测到的 MAC地址数据的接收信号强度值进行统计分 析， 确定所需检测范围内的接收信号强度最小值， 作为数据筛选标准， 用 来排除所需检测范围以外区域内的行人移动设 备 MAC地址数据。

(4) 同时，对于道路两侧建筑物内的无效数据也应 剔除。这类无效数据具有在 检测区域内停留时间长的特点，所以剔除的原 则可以是将该数据被连续检 测到的时长与一般情况下行人经过探针有效检 测区域内的时长相比较，若 超过经过时长则应剔除。 ( 5) 由于行人流量不断变动，检测率也随之变化。 本发明在确定人流预测模型 时直接探讨行人检测值与实际值之间的关系， 首先需要在使用探针检测人 流量的同时，人工计数出实际人流量的大小， 并通过设计实验和数据处理， 给出多种确定实际人流量与检测人流量之间的 函数关系，并由此函数关系 根据检测值推算实际值， 从而提高检测精度。

(6) 考虑到存在一定比例的行人随身携带的移动设 备超过一台，本发明通过引 入修正参数 α， 给出检测人流量与实际人流量之间函数关系的 修正方法。

( 7) 此外，本发明在检测行人总流量的同时，还能 通过数据处理对行人流量区 分流向。区分流向需对经过筛选后的 MAC地址数据的检测时间和接收信号 强度值进行比较分析。 在研究多探针的布设形式时，本发明使用三个 探针对人行道路进行检测， 并 给出四种不同的布设方案。主要区别在与探针 之间的横向距离和纵向距离的变化， 具体布设形式如下， 示意图如附图 1所示。

1 ) 三个探针布设在行人道路两侧， 其中两个在行人道路同一侧， 间距等于 行人道路宽度， 另一个在行人道路另一侧；

2)三个探针均布设在行人道路中线上，间距等� ��行人道路宽度的二分之一；

3) 三个探针均布设在与行人道路纵向相垂直的直 线上， 间距等于行人道路 宽度的二分之一；

4) 三个探针分别布设在行人道路两侧和中线上， 且沿着行人道路纵向和横 向上的间距均为行人道路宽度的二分之一。 在确定剔除无效干扰数据的标准时，本发明给 出基于接收信号强度值的数据 筛选方法： 在给定检测场所的前提下， 提供一种预实验， 探究接收信号强度值 (RSSI )与移动设备到探针之间距离的对应关系， 从而根据实际测试场所的待检 测区域的空间范围大小， 确定相应的信号接收强度的最小值， 作为数据筛选线， 从原始数据中过滤掉待检测区域之外的干扰数 据。 由于道路两侧建筑物内的 MAC地址也会被 WI-FI探针检测到，考虑到这些干 扰数据具有一直处于检测区域内的特点，所以 本发明给出基于检测时长的数据筛 选方法： 对每个检测到的 MAC地址进行时间序列的分析，确定其被检测到 的时间 长度， 以一般行人通过待检测区域内的时长作为数据 筛选的标准，将检测结果中 检测时长大于该标准的 MAC地址数据剔除。 所述的基于接收信号强度值的数据筛选方法和 基于检测时长的数据筛选方 法需同时采用来处理原始检测数据，但不分先 后， 既可以先使用基于接收信号强 度值的数据筛选方法再使用基于检测时长的数 据筛选方法，也可以先使用基于检 测时长的数据筛选方法再使用基于接收信号强 度值的数据筛选方法。 在确定实际人流量与检测人流量之间函数关系 时，本发明在检测人流量数据 与实际人流量数据之间采用如下三种函数模型 之一：

1 ) 平均检测率模型： 将各个检测时段内的检测人流量与对应的实际 人流量 的比值作为检测率，求出各个检测时段的检测 率加权后的平均检测率， 用来描述 检测人流量与实际人流量之间关系；

2 ) 分段检测率模型： 以各个检测时段内的检测人流量数据为指标， 将检测 人流量数据划分为多个区间，求出每个区间内 的检测率， 从而建立各个区间内的 检测人流量与检测率之间的关系；

3 ) 三次样条插值模型： 采用三次样条插值函数拟合各个检测时段内检 测人 流量与实际人流量之间的关系。

其中本发明给出的三次样条插值函数 S (x)中， 有自然边界条件为 0， 即

S" (x ₀ ) = 0

S" (x _n ) = 0 本发明使用修正参数 α对建立的检测人流量 -实际人流量函数关系进行修正， 修正参数通过对待测道路上的行人进行问卷调 査获得，问卷的主要内容是调査待 测行人道路上行人随身携带的移动设备数目， 调査的对象是随机选择的。 本发明在使用 WI-FI探针检测人流量时，采用的检测时段需要� ��据实际检测 行人道路上的行人特征而定， 可以取 10min、 30min或 lh。 当三个探针布设方案如附图 4所示时，即三个探针分别布设在行人道路两� � 和中线上，且沿着行人道路纵向和横向上的间 距均为行人道路宽度的二分之一时， 本发明给出判别行人流向的具体步骤为如附图 5 :

1) 沿道路纵向分别将三个探针标记为 A、 B和 C;

2) 将 A与 B检测到的 MAC地址数据的并集记为 X， B与 C检测到的 MAC地址 数据的并集记为 Y;

3) 对每一个检测到的 MAC地址数据， 找到其在 X与 Y中首次被检测到的时 间， 分别记为1\、 T ₂ ； 若1\ < Τ ₂ ， 则认为流向为由 Α至 C方向； 若 T\ > T ₂ ， 则认为流向为由 C至 Α;

4) 若1\ = Τ ₂ ，则比较与 Τ\、 1^时刻对应的信号接收强度值，分别记为 ^^^ 和 RSSI ₂ , ^RSS^ > RSSI ₂ , 则认为流向为由 A至 C; 若 RSS^ < RSSI ₂ ， 则认为 流向为由（至 。

附图筒要说明 图 1为在双向人行街道中， 四种探针布设方案的具体形式。

图 2为剔除无效数据的预实验中探针布设方案示� �图。

图 3为基于接收信号强度值的数据筛选标准中， 对检测数据的分析方法。

图 4为判断行人流向时， 三探针的布设方案。

图 5为对检测人流量区分流向时的数据处理过程� �

具体实施方式 本发明以最常见的双向行人街道为研究对象， 并使用三个探针对行人流量进 行检测。 并给出四种探针布设方案， 如附图 1所示：

方案一中三个探针布设在道路两侧， 其中两个在同一侧另一个在另一侧，且 间距等于道路宽度；

方案二中三个探针均位于道路中线上， 且间距等于道路宽度的二分之一； 方案三中三个探针布设在与道路纵向相垂直的 直线上，间距也等于道路宽度 的二分之一；

方案四中三个探针分别布设在道路两侧和中线 上，且沿着道路纵向和横向上 的间距均为道路宽度的二分之一。 分别对图 1中的四种布设方案进行实验测试，在数据处� �时，采取每种方案 下三个探针的检测结果取并集的方法来统计检 测行人流量，再与实际行人流量作 比值求出检测率。 本发明通过分析实验结果发现， 当行人流量较小时， 各方案的检测率相差不 大；随着行人流量的增大，各种方案的检测率 都会有所降低；当行人流量较大时， 方案四所示的探针布局方式下的行人检测率最 高。这是由于行人流量较大时，移 动设备发射出的无线信号在传播过程中的多径 、发射现象较明显， 导致信号强度 衰减严重， 而方案四中， 在道路中间及两侧均布设探针能有效分散信号 接收点， 更全面的接收来自道路内侧和外侧的数据，即 一定程度上减少了多径与反射现象 造成的信号衰减； 另一方面， 方案四中三探针在道路纵向上有一定的距离， 可以 有效增大探针的整体有效检测区域， 从而增加检测时间，有效降低移动设备在行 人通过检测区域内却没有信号发出的概率， 即增加了检测率。

所以本发明给出的四种探针布设方法，其中方 案四在行人流量较高时的检测 率最高， 检测效果最好。 本发明设计预实验确定基于接收信号强度值的 数据筛选标准，预实验的具体 内容为： 三探针的布设形式如附图 2所示， 在以探针为圆心， 以道路宽度的二分 之一为半径的区域内，使用多个打开 WI-FI功能的移动设备模拟行人的运动，经 过一段时间的检测后， 统计各探针的检测结果。 本发明对预实验中得到的接收信号强度值数据 进行分析如附图 3， 表明接收 信号强度值服从正态分布， 本发明取 90%的置信区间确定最终的数据筛选线。 本发明在确定基于检测时长的数据筛选标准时 ， 具体步骤为：

1) 计算三探针组成的有效检测区域在道路走向上 的长度；

2) 行人一般行走速度取 1.5m/s， 可得到一般情况下行人通过有效检测区域 所需的时间长度 t _1;

3) 统计每个检测到的 MAC地址数据的检测时长， 记为 t _2;

4) 若 t ₂ > ti， 则将该 MAC地址数据剔除。 本发明给出的建立三次样条插值函数拟合行人 流量实际值与检测值之间的 关系。 具体方法如下：

本发明在实验中将得到 n组数据，分别统计出各组数据中检测到的移� �设备

MAC地址数目记为 χ。、 _Χι , ·'·χ _η ， 对应于区间 [χ。， χ„;|上各个节点， 同时人工计 数出各个节点对应的实际人流量为 y。、 …； )¾， 即确定各节点处的对应关系 为 f( ) =； y _n 。 则可以按照以下步骤构造三次样条插值函数 s( _x )。

记 hj = xj― x ₁ , S' xj) = Mj, 则有

5/'(x) = ΎΜ _ί→ +^-^ ,· (1)

SjM = ¾ 丄 + ¾^- _; . + _Cl x + c ₂ (2)

μ _] Μ _] _ ₁ + 2Mj + YjM _j+1 = d j = 1,2 n— (5) 其中式 （5) 中：

Yj = (6) hi ^+h

μ· = 1 -7； = (7) = 6f[xj- Xj'Xj+i] (8)

结合自然边界条件 S"(x ₀ ) = M ₀ = 0 和 S"(xJ = _n = 0, (5) 式可写成矩阵 根据式（1) - (9)， 三次样条插值函数可计算为如下形式:

(χ), [x ₀ , j

s ₂ (x),

S(x) =

本发明使用修正参数 α对建立的检测人流量 -实际人流量函数关系进行修正， 修正参数通过对待测道路上的行人进行问卷调 査获得，问卷的主要内容是调査待 测行人道路上行人随身携带的移动设备数目， 具体修正方法为：

若问卷结果显示行人中随身携带两台移动设备 的比例为 a，则修正参数 α = 1 + a,则需要在最终的三次样条插值函数模型 S(x)前乘上修正参数 cx，即修正 后的三次样条插值函数为 X)' = S(x)/a ₀ 当三个探针布设方案如附图 4所示时，本发明给出判别行人流向的具体步� � 为如附图 5 :

1) 沿道路纵向分别将三个探针标记为 A、 B和 C;

2) 将 A与 B检测到的 MAC地址数据的并集记为 X， B与 C检测到的 MAC地址 数据的并集记为 Y;

3) 对每一个检测到的 MAC地址数据， 找到其在 X与 Y中首次被检测到的时 间， 分别记为1\、 T ₂ ； 若1\ < Τ ₂ ， 则认为流向为由 Α至 C方向； 若 T\ > T ₂ ， 则认为流向为由 C至 Α;

4) 若1\ = Τ ₂ ，则比较与 Τ\、 1^时刻对应的信号接收强度值，分别记为 ^^^ 和 RSSI ₂ , ^RSS^ > RSSI ₂ , 则认为流向为由 A至 C; 若 RSS^ < RSSI ₂ ， 则认为 流向为由（至 。 1) 当 A与 B或 B与 C检测人流量数据取并集时，对于同一 MAC地址的数据， 只需保留其首次被检测到的数据。

2) 若某个检测到的 MAC地址数据只在 X或 Y中出现， 则需找出其在 X或 Y 中出现的所有次数据，通过比较每条数据的接 收信号强度值和检测时间确定其流 向。

3)若某个检测到的 MAC地址数据在 X和 Y中首次出现的时间相同，即1\ = T ₂ 时， 接收信号强度值也相同， 即 则无法判断该 MAC地址数据的 流向。