基于wifi探針的商業(yè)大數(shù)據(jù)分析技術

朱嘉塬，郝仕舉，裴政贏，徐世軍，周 卓

（西北民族大學 電氣工程學院，甘肅 蘭州 730124）

1 對現(xiàn)有客流統(tǒng)計技術的分析

目前，一般在大型商業(yè)廣場中實現(xiàn)客流量的具體方式有如下3種。

（1）紅外對射管式、視頻流圖像識別式以及激光掃描式。以下對三種方式作出簡要的說明和優(yōu)劣分析：紅外對射管式原理簡單，價格便宜，具體實現(xiàn)式在商業(yè)廣場的關鍵通道兩側分別安放發(fā)射管和接收管，通過計數(shù)隔斷次數(shù)得出客流數(shù)據(jù)，顯而易見，該方式得到的數(shù)據(jù)存在極大的誤差，無法判別特殊情況，如多個用戶緊跟狀態(tài)、用戶與手提包物之間存在較大間隔等情況下對客流量的統(tǒng)計便無法正常工作。

（2）視頻流圖像識別式，是利用人工智能技術，對攝像頭監(jiān)控采集到的計算機視頻進行圖像分析，得到客流量數(shù)據(jù)，運動人體狀目標識別與跟蹤分析式其技術核心，這種技術得到的數(shù)據(jù)準確，但其造價極高，對客流量數(shù)據(jù)的處理準確性和速率，取決于計算機算法的優(yōu)化性、監(jiān)控設備的清晰度以及運行計算機的處理速度的綜合指標。

（3）激光掃描式是以前大型商場中常用的技術，其技術先進，技術較為精確，有一定的抗干擾能力，但其過高的造價影響了在現(xiàn)今廣場中的廣泛應用，特別是隨著目前人工智能技術的迅猛發(fā)展使視頻流圖像識別技術的成本有了降低。

綜合以上三種現(xiàn)有的客流統(tǒng)計技術的分析，文章提出一種新式的客流統(tǒng)計技術，基于wifi探針實現(xiàn)的客流量統(tǒng)計。

2 WiFi探針技術簡介

（1）WIFI探針設備。WiFi探針技術的原理為，當一個設備給另一個設備通過無線傳輸技術發(fā)送信息時，周圍的其他同樣具有無線傳輸技術的設備是能夠接收到這些信息的，具體而言，只要一個在wifi探針的偵聽范圍內(nèi)，其中的wifi設備只要處于工作狀態(tài)，那么這個設備發(fā)送的任何一幀數(shù)據(jù)都可以被探針接收到，從而分析出該設備的MAC地址與一些物理層的一些不涉及安全性的基礎信息。

（2）客流量數(shù)據(jù)的收集。在服務端使用的是Centos操作系統(tǒng)，采集設備中使用樹莓派作為基礎的控制芯片，用來實現(xiàn)數(shù)據(jù)的采集和上傳至云服務器的業(yè)務。

（3）客流數(shù)據(jù)采集指標。一般的，在大型商業(yè)廣場中對于客流量的統(tǒng)計分為如下個指標：①廣場總體客流量：該部分數(shù)據(jù)由安裝在廣場與外界所有出入口的客流量統(tǒng)計探頭收集得到，通過掌握該部分數(shù)據(jù)可以匯總分析出廣場整體客流量變化趨勢及規(guī)律，同時還可以作為后續(xù)各指標提供統(tǒng)計總量；于入店量：由安裝在各商鋪內(nèi)的探頭得到，統(tǒng)計廣場中商鋪層級的客流量；③入店率：入店量與廣場總體客流量之比；④來訪周期：進入店鋪的客戶距離上次來店的時間間隔；⑤新老顧客：在一個時間區(qū)間中多次進入店鋪的客戶數(shù)量；⑥顧客活躍度：根據(jù)，在一個時間段中該客戶進店的次數(shù)來劃分；

⑦駐店時長：客戶在店停留時長；⑧跳出率：進店后極速離去的顧客與總體客流之比。

3 客流預測模型的分析和研究

從國內(nèi)外各學者對客流量預測方法研究以來，研究工作主要是有兩大方面，即定性和定量，文章從定量角度分析。在以往的傳統(tǒng)方法中很少能對數(shù)據(jù)樣本有有效訓練的過程，不適合應用于像商業(yè)廣場客流量預測這樣存在復雜特征的模型中。諸如線性回歸法、灰色預測和指數(shù)平滑法等方法通過分析數(shù)據(jù)雖然能在一定的線性范圍中得到預測結果，但是在具有多個復雜參數(shù)的情況下，預測結果總是不夠準確。因此，在文章中使用BP神經(jīng)網(wǎng)絡預測模型

BP神經(jīng)網(wǎng)絡的模型建立。首先，使用Kolmogorov提出的確定隱含層神經(jīng)元個數(shù)范圍的公式：

式中，u為隱含層的神經(jīng)元個數(shù)；X為輸入層神經(jīng)元個數(shù)，數(shù)據(jù)集中影響因素個數(shù)；Y為輸出層神經(jīng)元個數(shù)，期望輸出的個數(shù)；Z為常數(shù)。

之后，?。踰1，ui］中的神經(jīng)元個數(shù)，利用采集得到的數(shù)據(jù)不斷訓練和測試實驗，通過之后得到的均方誤

差和擬合系數(shù)，來確定一個最合適的隱層神經(jīng)元個數(shù)。

最后，根據(jù)BP神經(jīng)網(wǎng)絡任意逼近定理，確定，在模型中使用單隱含層網(wǎng)絡結構，之后，可以簡單地確定一個合適的BP網(wǎng)絡結構。

4 實證研究——以西北民族大學格物樓為例

西北民族大學格物樓是該校日常課程安排最為密集的區(qū)域，正常日間的客流量最為密集，同時，各個教室的周期性客流可以在一定程度上模擬商業(yè)廣場的店鋪客流，在文章模型的驗證上有一定的參考意義。

表1 BP神經(jīng)網(wǎng)絡預測值與實際值對比

預測模型驗證。利用python廣大開發(fā)者所提供的激勵函數(shù)和學習算法，來實現(xiàn)文章所設計的BP神經(jīng)網(wǎng)絡結構。根據(jù)筆者得到的2017年9月初到2017年11月初正常上課期間的數(shù)據(jù)作為訓練集，2017年11月到12月數(shù)據(jù)作為測試集；隱含層層數(shù)為1，單隱含層，隱含層節(jié)點數(shù)為10.隱層傳輸函數(shù)：tansig，輸出層傳輸函數(shù)：tansig，訓練函數(shù) traincgf，學習函數(shù)：learngdm，學習率：0.01，訓練目標：0.001，最大訓練次數(shù)：1000。在Python語言所提供的開源工具箱中得到理想訓練結果。截取部分對比數(shù)據(jù)如表1所示。

5 結語

在實際的運用管理中，對客流量的預測和分析，一直是各個大型商業(yè)廣場在制定戰(zhàn)略和日常運營工作中希望了解到的數(shù)據(jù)，尤其是在節(jié)假日，精確的預測可以讓廣場管理者和商鋪主在廣告上、營銷等方面進行更合理的、科學的運營，文章利用wifi探針作為客流量采集探頭，BP神經(jīng)網(wǎng)絡模型作為數(shù)據(jù)分析方法，對西北民族大學格物樓客流數(shù)據(jù)做了分析驗證，得到了一個有效的客流量預測分析模型。

參考文獻

［1］陳明.神經(jīng)網(wǎng)絡原理與實例精解［D］.北京：清華大學，2014.