基于wifi探针的商业大数据分析技术

朱嘉塬，郝仕举，裴政赢，徐世军，周 卓

（西北民族大学 电气工程学院，甘肃 兰州 730124）

1 对现有客流统计技术的分析

目前，一般在大型商业广场中实现客流量的具体方式有如下3种。

（1）红外对射管式、视频流图像识别式以及激光扫描式。以下对三种方式作出简要的说明和优劣分析：红外对射管式原理简单，价格便宜，具体实现式在商业广场的关键通道两侧分别安放发射管和接收管，通过计数隔断次数得出客流数据，显而易见，该方式得到的数据存在极大的误差，无法判别特殊情况，如多个用户紧跟状态、用户与手提包物之间存在较大间隔等情况下对客流量的统计便无法正常工作。

（2）视频流图像识别式，是利用人工智能技术，对摄像头监控采集到的计算机视频进行图像分析，得到客流量数据，运动人体状目标识别与跟踪分析式其技术核心，这种技术得到的数据准确，但其造价极高，对客流量数据的处理准确性和速率，取决于计算机算法的优化性、监控设备的清晰度以及运行计算机的处理速度的综合指标。

（3）激光扫描式是以前大型商场中常用的技术，其技术先进，技术较为精确，有一定的抗干扰能力，但其过高的造价影响了在现今广场中的广泛应用，特别是随着目前人工智能技术的迅猛发展使视频流图像识别技术的成本有了降低。

综合以上三种现有的客流统计技术的分析，文章提出一种新式的客流统计技术，基于wifi探针实现的客流量统计。

2 WiFi探针技术简介

（1）WIFI探针设备。WiFi探针技术的原理为，当一个设备给另一个设备通过无线传输技术发送信息时，周围的其他同样具有无线传输技术的设备是能够接收到这些信息的，具体而言，只要一个在wifi探针的侦听范围内，其中的wifi设备只要处于工作状态，那么这个设备发送的任何一帧数据都可以被探针接收到，从而分析出该设备的MAC地址与一些物理层的一些不涉及安全性的基础信息。

（2）客流量数据的收集。在服务端使用的是Centos操作系统，采集设备中使用树莓派作为基础的控制芯片，用来实现数据的采集和上传至云服务器的业务。

（3）客流数据采集指标。一般的，在大型商业广场中对于客流量的统计分为如下个指标：①广场总体客流量：该部分数据由安装在广场与外界所有出入口的客流量统计探头收集得到，通过掌握该部分数据可以汇总分析出广场整体客流量变化趋势及规律，同时还可以作为后续各指标提供统计总量；于入店量：由安装在各商铺内的探头得到，统计广场中商铺层级的客流量；③入店率：入店量与广场总体客流量之比；④来访周期：进入店铺的客户距离上次来店的时间间隔；⑤新老顾客：在一个时间区间中多次进入店铺的客户数量；⑥顾客活跃度：根据，在一个时间段中该客户进店的次数来划分；

⑦驻店时长：客户在店停留时长；⑧跳出率：进店后极速离去的顾客与总体客流之比。

3 客流预测模型的分析和研究

从国内外各学者对客流量预测方法研究以来，研究工作主要是有两大方面，即定性和定量，文章从定量角度分析。在以往的传统方法中很少能对数据样本有有效训练的过程，不适合应用于像商业广场客流量预测这样存在复杂特征的模型中。诸如线性回归法、灰色预测和指数平滑法等方法通过分析数据虽然能在一定的线性范围中得到预测结果，但是在具有多个复杂参数的情况下，预测结果总是不够准确。因此，在文章中使用BP神经网络预测模型

BP神经网络的模型建立。首先，使用Kolmogorov提出的确定隐含层神经元个数范围的公式：

式中，u为隐含层的神经元个数；X为输入层神经元个数，数据集中影响因素个数；Y为输出层神经元个数，期望输出的个数；Z为常数。

之后，取［u1，ui］中的神经元个数，利用采集得到的数据不断训练和测试实验，通过之后得到的均方误

差和拟合系数，来确定一个最合适的隐层神经元个数。

最后，根据BP神经网络任意逼近定理，确定，在模型中使用单隐含层网络结构，之后，可以简单地确定一个合适的BP网络结构。

4 实证研究——以西北民族大学格物楼为例

西北民族大学格物楼是该校日常课程安排最为密集的区域，正常日间的客流量最为密集，同时，各个教室的周期性客流可以在一定程度上模拟商业广场的店铺客流，在文章模型的验证上有一定的参考意义。

表1 BP神经网络预测值与实际值对比

预测模型验证。利用python广大开发者所提供的激励函数和学习算法，来实现文章所设计的BP神经网络结构。根据笔者得到的2017年9月初到2017年11月初正常上课期间的数据作为训练集，2017年11月到12月数据作为测试集；隐含层层数为1，单隐含层，隐含层节点数为10.隐层传输函数：tansig，输出层传输函数：tansig，训练函数 traincgf，学习函数：learngdm，学习率：0.01，训练目标：0.001，最大训练次数：1000。在Python语言所提供的开源工具箱中得到理想训练结果。截取部分对比数据如表1所示。

5 结语

在实际的运用管理中，对客流量的预测和分析，一直是各个大型商业广场在制定战略和日常运营工作中希望了解到的数据，尤其是在节假日，精确的预测可以让广场管理者和商铺主在广告上、营销等方面进行更合理的、科学的运营，文章利用wifi探针作为客流量采集探头，BP神经网络模型作为数据分析方法，对西北民族大学格物楼客流数据做了分析验证，得到了一个有效的客流量预测分析模型。

参考文献

［1］陈明.神经网络原理与实例精解［D］.北京：清华大学，2014.