WiFi探针数据用途

本文是全系列中第9 / 13篇:Wifi专题

WiFi探针数据处理方式的历史沿革

WiFi探针数据最早被用来做WiFi定位,包括对RFID标签的定位和对带WiFi功能的智能终端的定位,然后在后续的演进过程中出现了利用探针数据以客流统计⽬目的的纯WiFi探针,相比用⽆线AP做WiFi定位的解决⽅案来说成本更更加低廉也更更容易被商家接受。

2.1 WiFi定位

WiFi定位即无线AP对于⽀持WiFi功能的智能终端的定位,该定位包括对正常接⼊网络的WiFi终端的定位和对非法AP的定位,是指根据AP收集的周围环境中的⽆线信号强度信息定位终端位置的技术。AP将收集到的周围环境中终端发射的⽆线信号信息上报给定位服务器,定位服务器根据得到的⽆线信号强度信息与AP位置,计算出终端的位置信息,然后再通过显示设备展现给⽤用户。

基于WiFi的无线定位技术可以给客户带来明显的价值。相对于其他定位系统,具有成本

低、应⽤用场景不受限制等优势。基于定位技术的增值应⽤用,如室内导航、精准⼴告推送等为商家带来额外的商业价值。

WiFi定位基本原理

① 1. AP都有全球唯⼀一的MAC地址, 无线AP在⼀段时间内是不会移动的

② 2. 扫描并收集周围的AP信号, 可以获取到AP广播出来的MAC地址

③ 3. 设备将标示AP的数据发送到位置服务器,服务器检索出每⼀个AP的地理位置

④ 4. 结合每个信号的强弱程度,时间或者⻆度,计算出设备的地理位置并返回到用户设备

WiFi定位的基本框架介绍

图2.1 Wi-Fi定位的基本框架介绍

 

室内定位精度

上海⽆线通信研究中⼼采用的WiFi定位技术,室内定位精度90%的情况下在3⽶内,采⽤超声波定位精度更是可以达到厘⽶级。

适⽤性广泛

无线定位技术越来越多的需求出现在室内,如室内导航、动线采集、冷热区图等。⽽传统的定位系统如GPS、蜂窝系统等在室内的定位效果并不能满⾜场景需求。⽽WiFi定位恰好可以弥补GPS和蜂窝系统在这⽅面的不足。

应⽤开发⼴泛

基于WiFi的无线定位技术可以开展丰富的增值业务,如室内导航,利用定位技术做停⻋场的反向寻⻋车;⼴告推送应用,商家可以利用⽆线定位技术精准地给消费者推送广告以吸引其到店;商业价值分析,如商场通过对定位历史数据的分析,获得顾客在不同店⾯面的停留留时间,从⽽实现对不不同店⾯的客流量的多维度统计,为租⾦政策提供辅助决策信息。

 

2 WiFi探针客流统计

基于WiFi定位的客流统计方法

根据上⽂文提到的内容,WiFi定位的一⼤主流⽤法就是⽤来做客流统计。尤其是⼀些⼤型的商场环境(品牌连锁门店一般不会考虑在所有门店实现WiFi定位),在给来访顾客提供WiFi覆盖的同时,顺便就可以完成客流⼈数的统计。但是由于商场的WiFi部署出于成本考虑往往并不会考虑对商铺的覆盖,即基本上所有的AP都会被部署在过道等公共区域,这就造成对商场的客流统计基本上只能维持在整场客流,或者最多到楼层级客流情况的统计,⽽没有办法到商铺级别的统计。

基于无线AP的定位精度理论上是比纯探针的⽅式要⾼高,但是有⼀个⽬目前看来很“重”的需求就是必须要智能⼿机登WiFi终端连接上商场的WiFi⽹络,如果不连接,则其定位精度并不会⽐纯探针的⽅式高很多,而目前随着各⼤运营商以及互联⽹运营商流量资费的大幅度降低,一个主要的趋势就是愿意在商场连WiFi的顾客越来越少,据测算,即使在上海⾮非常繁华地段的一个高端商场,用了全套思科设备搭建的带定位功能的WiFi⽹网络,每天愿意连接的顾客也占不到其总客流量的10%,这也导致商场无线AP定位⽅方案的总体性价⽐较低。

基于探针的WiFi客流统计方法

图2.2 目前主流的传统WiFi客流统计

目前另⼀类主流的基于WiFi探针的客流统计方法,是以WiFi探针为中心,不同的信号强度为半径,画两个圈,内圈叫做“入店区域”,⼊店区域半径约等于店铺宽度,外圈叫做“客流区域”,客流区域的半径约⼤于店铺宽度⼀定范围。其中在入店区域范围内的设备,还会考虑其停留时长,但不同的厂家在这⼀块有不不同的算法,有的厂家是在20分钟的窗⼝内,累 计停留时⻓达到5分钟,即算⼊店,有的厂家则是持续停留时⻓达到⼀定的时间即算入店, 这个“持续停留时长”可以根据不不同的商家业态进⾏动态调整。但是相对来说,这种⽅式的统计⽅法还是属于固定阈值的统计⽅法,即入店区域和客流区域的判定阈值(即信号强度,⽤RSSI表示)相对固定,对于一些形状规整的店铺来说,还可以有⽐比较理理想的统计结果,⽽而对于⼀些异形店铺则会有些不不从心。

 

基于大数据和机器学习算法的进店顾客识别算法

图2.3 基于机器学习算法的顾客进店判断模型

该⽅法是采集店铺⾥店员的mac地址和移动轨迹数据作为正向样本,利⽤机器学习算法学习其样本特征,并对模型进行训练从⽽生成进店判断模型,然后利用该模型对探测到的人群进行进店判断,该模型会持续学习并不不断迭代从而最⼤限度提升顾客进店判断的准确率。该方法不但可以使得商场能够以极低的成本实现准确率不不低于WiFi定位的店铺级客流统计,同时也可以⼤改善⼀直困扰品牌连锁门店由于店铺形状问题⽽而导致WiFi客流探测不够准确的情况。

图2.4 顾客与路路⼈人信号强度示意图

 

2.3 探针数据的采集精度如何?

      1. 探测范围

图2.5 距离影响下的信号强度曲线图

我们知道,无线信号的强度随着传播距离的增加⽽而衰减,接收⽅与发送方离得越近,则接收⽅方所收到的信号强度就越强;反之如果接收⽅方距离发送⽅越远,则接收方收到的信号就越弱。根据测量接收到的移动终端信号强度和已知的⽆无线信号在空⽓气中传播时的⾃由空间衰减模型,可以⼤大致估算出收发双方之间的距离,根据上图可以看出,在信号强度大于-65dBm的范围内,信号强度的衰减与距离的关系成强相关系:即每⼀个dB的信号强度,大约对应5⽶距离,而在超出20⽶的范围以后,随着距离的增加,信号强度的衰减就没有那么明显,⽐如在25⽶到30⽶的时候,距离差了5⽶,而信号强度可能才衰减了2个dB。因此基于这个原理,探针的有效探测范围其实就在20⽶以内,再加上其实在探针的环境中,⼿机等智能终端是信号发送方,探针是信号接收方,⽽智能终端的发射功率往往很有限,因此这个距离还要再打些折扣,一般在15⽶米左右。

 

采集率

采集率是指在⼀定的时间范围内,在探针探测范围内或指定探测阈值范围内,探针设备能抓取到的设备数量量占该范围内所有设备数量量的⽐比例例。

目前从采集率来看,如果与摄像头比较(尽管由于统计口径的不同这种对比并不不科学),大概相当于摄像头采集客流的60-70%左右。

 

0 0 vote
Article Rating