一种展会展馆智能管理系统的制作方法

1.本发明涉及展会展馆管理技术，尤其涉及了一种展会展馆智能管理系统。


背景技术：

2.现有会展行业对观众参观行为关注不足，也没有有效的手段帮助观众和展商规划和记录参观的重点；有一些没有实施的想法也注重频繁的和观众交互以获取信息，对参观行为的干预性很大，自然在推广上会遇到很多阻碍；现有厅馆行业由于场地受限，展示方主要是单一企业或部门，参观的业务链条单一，没有为参观者保留珍贵的参观信息；偶有推广的摄像头方案，由于涉及到隐私问题，只能用红外探头捕捉热力分布，可以提供某个区域的热度，无法为单个观众定制数据服务，也无法识别更为细节的行为。
3.例如专利申请号：cn201610447843.5现有技术的展会展馆系统，对于用户参观行为只是基于一些基础的推荐行为，不能很好地对用户行为数据进行分析，这样用户进行展会展馆参观会占用较多的时间。


技术实现要素：

4.本发明针对现有技术的展会展馆系统对于用户参观行为只是基于一些基础的推荐行为，不能很好地对用户行为数据进行分析，这样用户进行展会展馆参观会占用较多的时间问题，提供了一种展会展馆智能管理系统。
5.为了解决上述技术问题，本发明通过下述技术方案得以解决：
6.一种展会展馆智能管理系统，包括至少一个射频模块，控制模块和客户端；其
7.射频模块用于采集展会展馆信息，并将采集的展会展馆信息传送至控制模块；
8.控制模块用于对接收的展会展馆信息进行存储及处理；并将处理后的展会展馆行为信息传送至客户端。
9.作为优选，控制模块对展会展馆的信息分析处理包括：
10.信息的获取，通过射频模块获取展会展馆信息；
11.展会展馆信息的处理，通过聚类算法对获取的展会展馆信息进行处理；从而获取参观用户的行为特征相似度；
12.观众展会展馆行为信息的获取，通过参观用户的行为特征相似度从而获取展会展馆行为信息。
13.作为优选，控制模块对展会展馆的信息分析处理还包括：展会展馆信息行为自画像的形成；通过展会展馆行为信息从而获取展会展馆信息的行为自画像，并将行为自画像提供至用户端。
14.作为优选，展会展馆信息行为自画像的形成包括：
15.选取观众p
x
的展会展馆信息行为特征矩阵，分别计算观众p
x
的展会展馆信息行为特征矩阵到k个聚类中心的距离均值d(p
x
,aj)，
[0016][0017]
其中，aj为类aj的质点，即类中心；
[0018]
将k个聚类中心的距离均值d(p
x
,aj)距离归一化，
[0019][0020]
其中d
j*
在[0，1]之间；
[0021]dmax
＝max{d(p
x
,a1)，d(p
x
,a2)，
…
d(p
x
,ak)}
[0022]dmin
＝min{d(p
x
,a1)，d(p
x
,a2)，
…
d(p
x
,ak)}
[0023]dj
＝d(p
x
,aj)；d(p
x
,aj)距离越小则该类评分越高；
[0024]
以k个分类为轴，将每个维度的评分d
j*
在轴上标出并连线，形成雷达图，并将雷达图作为展会展馆信息行为自画像。
[0025]
作为优选，输出距离d(xi,aj)；
[0026]
步骤1，特征矩阵的组成，通过每一个观众px在不同展位采集的信息形成二维矩阵，二维矩阵的列信息为每一个观众px的epc列表；行信息为采集的信息；针对二维矩阵及服务端存储的信息进行关联从而获得特征矩阵；
[0027]
步骤2，选取特征矩阵中k个样本作为初始的聚类中心；a＝a1,a2,...,ak；针对特征矩阵中的每个样本xi通过欧氏距离计算其到k个聚类中心的距离d(xi,aj)；
[0028][0029]
步骤3，将样本xi分到d
min
所对应的类中，
[0030]dmin
＝min{d(xi,a1)，d(xi,a2)，
…
d(xi,ak)}
[0031]
并重新计算每个类别aj的聚类中心aj，
[0032]aj
即为属于类别aj中所有样本x的质心；
[0033]
步骤4，判断样本的质心aj；当aj的变化误差达到阈值，则输出距离d(xi,aj)；否则重复步骤2、3两个步骤。
[0034]
作为优选，射频模块采集的信息包括展会展馆的设备信息、展会展馆的标签号码、展会展馆的标签号码对应的时间信息、展会展馆的标签号码对应的信号强度值和展会展馆的标签号码对应的标签距离值；
[0035]
标签信号强度数值为rssi
x101
，rssi
x102
，rssi
x103
……
rssi
x10n
；标签距离值与标签信号强度数值成反比，标签距离值分别为l
x101
，l
x102
，l
x103
……
l
x10n
；
[0036]
作为优选，服务端通过对展会展馆的标签号码对应的时间信息，从而获取展会展馆信息中的epc号码列表listi，依据epc号码列表listi从而获取epc号码列表相邻时刻的时间差为δt、epc号码列表的进入时刻t
x
、相邻epc号码列表的离开时刻ty、相邻epc号码列表的停留时长和每个epc号码列表的参观时长；
[0037]
ti时刻范围内的epc号码列表listi及相邻时刻的时间差为δt，其中，i为正整数，相邻时刻的时间差为δt，δt＝t
i-t
i-1
；
[0038]
epc列表的进入时刻t
x
和离开时刻ty及停留时长的获取，通过epc号码列表listi，获取相邻时刻epc列表的进入时刻t
x
和相邻时刻epc列表的离开时刻ty，及相邻时刻epc列表的停留的时长t
y-t
x
。
[0039]
作为优选，参观展位时长信息包括每个展位时长列表、参展展位总时长、平均每个展位的参观时长和参观时长前n的展位列表listn；
[0040]
通过epc
x
的观众p
x
，展台un参观的时长为δtm,m≤n；展位列表{1，2，
……
k}及每个展位对应的展位时长的列表{δt1，δt2，
……
δtk}；
[0041]
参观展位总数m
sum
，
[0042]
参展总时长time
sum
，
[0043]
平均每个展位的参观时长avetime
x
，avetime
x
＝time
sum
÷msum
，参观时长前n的展位列表listn(u
a1
,u
a2
,...u
an
)；u
an
＝rank{δt1，δt2，
……
δtk}。
[0044]
作为优选，射频模块采集的信息还包括不同展位的行业标签或不同展位的产品类别标签；服务端依据视频模块采集的不同展位的行业标签或不同展位的产品类别标签从而确定观众p
x
的参观偏好的行业类型排序列表；
[0045]
不同展位的行业标签或不同展位的产品类别标签为h，
[0046][0047]
其中，总的行业数量x≤总的展台数量m
sum
；h1(u1,u2...un)为行业1的类别标签，同理h
x
(u
o+1
,u
o+2
...u
p
)为行业1的类别标签；u1,u2...un为行业1的展位列表；u
n+1
,u
n+2
...u
n+m
为行业2的展位列表；同理u
o+1
,u
o+2
...u
o+p
为为行业x的展位列表；
[0048]
不同展位权重系数的分类，每个展位时长的筛选规则，每个展位的权重系数s，根据参观时长δt
x
设置成y个分类，如下：
[0049][0050]
其中，t
level
为参观时长等级，t
level0
为初始的参观时长等级；
[0051]
观众p
x
的参观偏好的行业类型排序列表；行业分类h结合权重系数s的做加权汇总，得到观众p
x
的参观偏好的行业类型排序列表，
[0052][0053]
其中，list
sx
行业类型排序列表；s
u1
为u1的权重系数。
[0054]
本发明由于采用了以上技术方案，具有显著的技术效果：
[0055]
本发明的展会展馆系统，不会打扰参观者，通过对用户行为数据的分析，进行用户参观路线图得推荐；参观者不需要频繁的与各个展台交互，有效提高参观者的参观效率。
[0056]
通过本发明设计的展会展馆系统，其成本低，硬件设备可重复利用，结合实际展台，可以优化展会展馆的布局。
[0057]
通过本发明的展会展馆系统在没有过多打扰的前提下，帮助观众自动搜集行为数据，进一步辅助业务交流和信息沟通。
附图说明
[0058]
图1是本发明流程图。
[0059]
图2是本发明的参观流程示意图；
[0060]
图3是本发明的参观路线建议示意图；
[0061]
图4是本发明的距离计算示意图；
[0062]
图5是本发明的特征矩阵形成示意图。
具体实施方式
[0063]
下面结合附图与实施例对本发明作进一步详细描述。
[0064]
实施例1
[0065]
一种展会展馆智能管理系统，包括至少一个射频模块，控制模块和客户端；其射频模块用于采集展会展馆信息，并将采集的展会展馆信息传送至控制模块；
[0066]
控制模块用于对接收的展会展馆信息进行存储及处理；并将处理后的展会展馆行为信息传送至客户端。
[0067]
对于客户端对于控制模块的输入可以通过扫码、小程序、网页及app进行输入；对于客户端接收控制模块的信号，通过小程序、app及网页对接收的信息进行显示。
[0068]
控制模块对展会展馆的信息分析处理包括：
[0069]
信息的获取，通过射频模块获取展会展馆信息；
[0070]
展会展馆信息的处理，通过聚类算法对获取的展会展馆信息进行处理；从而获取参观用户的行为特征相似度；
[0071]
观众展会展馆行为信息的获取，通过参观用户的行为特征相似度从而获取展会展馆行为信息。
[0072]
射频模块采集的信息包括展会展馆的设备信息、展会展馆的标签号码、展会展馆的标签号码对应的时间信息、展会展馆的标签号码对应的信号强度值和展会展馆的标签号码对应的标签距离值；
[0073]
标签信号强度数值为rssi
x101
，rssi
x102
，rssi
x103
……
rssi
x10n
；标签距离值与标签
信号强度数值成反比，标签距离值分别为l
x101
，l
x102
，l
x103
……
l
x10n
；
[0074]
服务端通过对展会展馆的标签号码对应的时间信息，从而获取展会展馆信息中的epc号码列表listi，依据epc号码列表listi从而获取epc号码列表相邻时刻的时间差为δt、epc号码列表的进入时刻t
x
、相邻epc号码列表的离开时刻ty、相邻epc号码列表的停留时长和每个epc号码列表的参观时长；
[0075]
ti时刻范围内的epc号码列表listi及相邻时刻的时间差为δt，其中，i为正整数，相邻时刻的时间差为δt，δt＝t
i-t
i-1
；
[0076]
epc列表的进入时刻t
x
和离开时刻ty及停留时长的获取，通过epc号码列表listi，获取相邻时刻epc列表的进入时刻t
x
和相邻时刻epc列表的离开时刻ty，及相邻时刻epc列表的停留的时长t
y-t
x
。
[0077]
参观展位时长信息包括每个展位时长列表、参展展位总时长、平均每个展位的参观时长和参观时长前n的展位列表listn；
[0078]
通过epc
x
的观众p
x
，展台un参观的时长为δtm,m≤n；展位列表{1，2，
……
k}及每个展位对应的展位时长的列表{δt1，δt2，
……
δtk}；
[0079]
参观展位总数m
sum
，
[0080]
参展总时长time
sum
，
[0081]
平均每个展位的参观时长avetime
x
，avetime
x
＝time
sum
÷msum
，参观时长前n的展位列表listn(u
a1
,u
a2
,...u
an
)；u
an
＝rank{δt1，δt2，
……
δtk}。
[0082]
射频模块采集的信息还包括不同展位的行业标签或不同展位的产品类别标签；服务端依据视频模块采集的不同展位的行业标签或不同展位的产品类别标签从而确定观众p
x
的参观偏好的行业类型排序列表；
[0083]
不同展位的行业标签或不同展位的产品类别标签为h，
[0084][0085]
其中，总的行业数量x≤总的展台数量m
sum
；h1(u1,u2...un)为行业1的类别标签，同理h
x
(u
o+1
,u
o+2
...u
p
)为行业1的类别标签；u1,u2...un为行业1的展位列表；u
n+1
,u
n+2
...u
n+m
为行业2的展位列表；同理u
o+1
,u
o+2
...u
o+p
为为行业x的展位列表；
[0086]
不同展位权重系数的分类，每个展位时长的筛选规则，每个展位的权重系数s，根据参观时长δt
x
设置成y个分类，如下：
[0087][0088]
其中，t
level
为参观时长等级，t
level0
为初始的参观时长等级；
[0089]
观众p
x
的参观偏好的行业类型排序列表；行业分类h结合权重系数s的做加权汇总，得到观众p
x
的参观偏好的行业类型排序列表，
[0090][0091]
其中，list
sx
行业类型排序列表；s
u1
为u1的权重系数。
[0092]
实施例2
[0093]
在实施例1基础上，本实施例的控制模块对展会展馆的信息分析处理还包括：展会展馆信息行为自画像的形成；通过展会展馆行为信息从而获取展会展馆信息的行为自画像，并将行为自画像提供至用户端。
[0094]
展会展馆信息行为自画像的形成包括：
[0095]
选取观众p
x
的展会展馆信息行为特征矩阵，分别计算观众p
x
的展会展馆信息行为特征矩阵到k个聚类中心的距离均值d(p
x
,aj)，
[0096][0097]
其中，aj为类aj的质点，即类中心；
[0098]
将k个聚类中心的距离均值d(p
x
,aj)距离归一化，
[0099][0100]
其中d
j*
在[0，1]之间；
[0101]dmax
＝max{d(p
x
,a1)，d(p
x
,a2)，
…
d(p
x
,ak)}
[0102]dmin
＝min{d(p
x
,a1)，d(p
x
,a2)，
…
d(p
x
,ak)}
[0103]dj
＝d(p
x
,aj)；d(p
x
,aj)距离越小则该类评分越高；
[0104]
以k个分类为轴，将每个维度的评分d
j*
在轴上标出并连线，形成雷达图，并将雷达图作为展会展馆信息行为自画像。
[0105]
输出距离d(xi,aj)；
[0106]
步骤1，特征矩阵的组成，通过每一个观众px在不同展位采集的信息形成二维矩阵，二维矩阵的列信息为每一个观众px的epc列表；行信息为采集的信息；针对二维矩阵及服务端存储的信息进行关联从而获得特征矩阵；
[0107]
步骤2，选取特征矩阵中k个样本作为初始的聚类中心；a＝a1,a2,...,ak；针对特征矩阵中的每个样本xi通过欧氏距离计算其到k个聚类中心的距离d(xi,aj)；
[0108][0109]
步骤3，将样本xi分到d
min
所对应的类中，
[0110]dmin
＝min{d(xi,a1)，d(xi,a2)，
…
d(xi,ak)}
[0111]
并重新计算每个类别aj的聚类中心aj，
[0112]aj
即为属于类别aj中所有样本x的质心；
[0113]
步骤4，判断样本的质心aj；当aj的变化误差达到阈值，则输出距离d(xi,aj)；否则重复步骤2、3两个步骤。
[0114]
实施例3
[0115]
在上述实施例基础上，本实施例对于射频模块包括发射器和读卡器，此处发射器为rfid发射器，
[0116]
读卡器常驻自动发现范围内标签，并上传标签列表；对于读卡器的布置方式包括：
[0117]
接收器布置在一角，适合不太规则的展台，通过调整天线的接收夹角范围，使其尽可能覆盖整个展区，同时调整接收器的灵敏度，使其只接收在展台范围内的信号；不同的展台形状可以设置不同的夹角和有效距离以达到最佳的接收灵敏度，并避免展台外标签的误触发；
[0118]
接收器布置在中心，适合比较规则的展台形状，采用开放式天线，通过调整接收灵敏度调节接收距离，适应不同的展台大小；
[0119]
对于某些特殊展台应用，可通过接收器组合的方式保证接收可靠性，如对角放置，可避免远处信号强度弱；
[0120]
接收器为门禁形式，可不需要实时读取范围内标签列表，标签在t1时刻进入组成的门禁，即将标签中的epc码和时刻t1本地存储或上报云端；标签在t2时刻离开组成的门禁，存储或上报标签中的epc码和时刻t2。
[0121]
通过上述不同的接收器布置方式，可自动发现t1时刻范围内的epc号码列表，list1(epc
a1
,epc
a2
,epc
a3
...epc
an
)；存储到本地或发送到云端的数据库；同时设置某个固定的间隔时间δt之后的t2时刻，再次自动发现范围内的epc号码列表list2(epc
b1
,epc
b2
,epc
b3
...epc
bm
)，同时也将list2存储到本地或发送到云端的数据库；太短的间隔时间会有更高的感知精度，但会造成数据量庞大，传输要求高；而太长的时间间隔会减轻设备压力，但也会造成观众数据识别的精度低；因此可以根据应用对观众数据的精度要求和设备实际的承载情况选取合适的间隔时间；本实施例中δt＝30s；
[0122]
数据处理可在边缘侧的本地进行也可在数据中心或云服务的服务器上进行；通过循环比较相邻时刻的epc列表，可以得到每一个epc号码在某个展台的进入时刻t
x
和离开时刻ty，以及停留的时长；根据上述数据，可以得到在展台u
x
携带rfid号码epc1的观众p1参观的时长为δ1，带rfid号码epc2的观众p2参观的时长为δt2...带rfid号码epci的观众pi参观的时长为δti；根据上述列表，可以求得在展台u
x
参观的观众总人数观众在展位参观的平均时长参观时长前十的观众列表list3(p1,p2,...p
10
)。根据这些信息自动生成展台u
x
的观众参展简报，通过小程序，app，短信或官网以建议的方式发送给展商u
x
，以达到优化客户体验，增强客户粘性的目的；
[0123]
如图2所示，携带rfid号码epc
x
的观众p
x
，在展台u1参观的时长为δt1，在展台u3参观的时长为δt2...在展台un参观的时长为δtm,m≤n；可以形成一份观众p
x
在本次参观的路线图，展位列表，以及每个展位时长的列表；
[0124]
根据上述列表，可以得到携带rfid号码epc
x
的观众p
x
在该次展览中的参观展位总数参展总时长参展总时长平均每个展位的参观时长avetime
x
＝time
x
÷mx
，参观时长前十的展位列表list4(u
a1
,u
a2
,...u
a10
)等信息。根据这些信息自动生成观众p
x
的参展小结，通过小程序，app，短信或官网以建议的方式发送给观众p
x
，以达到优化观众体验，增强用户粘性的目的；
[0125]
对于某些重要的，范围较大的展位，可以通过设置3个接收设备101,102,103分别对应有范围内的标签强度列表list101，list102，list103，按同一个标签epc
x
在list101，list102，list103中的强度数值rssi
x101
，rssi
x102
，rssi
x103
，对应可以计算出携带标签epc
x
的观众p
x
和3个接收设备101,102,103各自的距离l
x101
,l
x102
,l
x103
，就可以定位观众p
x
在整体展位中的定位是在某个细分展区，优选的，本实施例中如图所示的展区2，结合上述时长的计算方法，可以综合得到每一个观众p
x
在不同展区停留时长的二维数据矩阵的一个集合；
[0126]
根据每一个观众p
x
在不同展区停留时长的二维数据矩阵的一个集合，再结合展区的具体信息，可以实现对观众的参展行为特征进行分析，以形成用户画像。获取展区具体数据的方式有多种。例如，可以让参展商在申请展位时填写展区信息；或者，可以让策展单位统一收集填写。展区具体数据包括但不限于展区的位置(例如距离入口的距离)、展区的面积、图文展板的数量、多媒体设备的数量、实物模型的数量、互动装置的数量等信息。结合观众的具体参展过程(从进入展位到离开展位的具体参观过程，如图4参观流程所示)，对观众的参观数据进行特征提取，以获得参展行为特征矩阵；
[0127]
在获得参展行为特征矩阵之后，对特征矩阵中的特征进行筛选，以获得用于聚类分析的最终特征。根据最终特征度量观众每次参观的行为特征相似性，并采用k-means聚类算法进行观众聚类以获得聚类结果。其中，k-means聚类算法是一种典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
[0128]
k-means算法具体实施步骤如下：
[0129]
随机选取特征矩阵中k个样本作为初始的聚类中心a＝a1,a2,...,ak；2.针对特征矩阵中的每个样本xi，分别计算其到k个聚类中心的距离，距离公式采用欧氏距离，即
[0130]
计算所有样本的质心aj，；将样本xi分到d
min
(xi,ak)所对应的类中；
[0131]dmin
(xi,ak)＝min{d(xi,a1)，d(xi,a2)，
…
d(xi,ak)}
[0132]
并重新计算每个类别aj的聚类质心aj，
[0133]aj
为属于类别aj中所有样本x的质心；
[0134]
判断样本的质心aj；当aj的变化误差达到阈值，则输出分类结果及各类质心a1，a2…aj
；否则重复步骤2、3两个步骤。
[0135]
根据聚类结果，可以总结出典型的观众参展行为分类，并以雷达图的形式构建用户画像。
[0136]
设定聚类结果中的每一个分类为一个维度，并对每个维度进行评分，根据多个分
类形成多个维度，将每个维度的评分以雷达图的形式体现形成用户画像。形成用户画像可以帮助发现观众的参展习惯，为进一步优化参观路线图推荐提供依据，以提高观众的参展体验。
[0137]
用户画像构建具体实施步骤如下：
[0138]
选取某位观众p
x
的参展行为特征矩阵，分别计算其到k个聚类中心的距离均值，
[0139]
将上述距离归一化，距离越小则该类评分越高，故归一化公式可选其中d
j*
在[0，1]之间；
[0140]
以k个分类为轴，将每个维度的评分d
j*
在轴上标出并连线，形成雷达图作为用户画像。
[0141]
实施例4
[0142]
在上述实施例基础上，附图5中，通过二维矩阵及展位具体信息进行合并，从而形成特征矩阵。选取特征矩阵中k个样本作为初始的聚类中心；a＝a1,a2,...,ak；针对特征矩阵中的每个样本xi通过欧氏距离计算其到k个聚类中心的距离d(xi,aj)；
[0143][0144]
将样本xi分到d
min
所对应的类中，
[0145]dmin
＝min{d(xi,a1)，d(xi,a2)，
…
d(xi,ak)}
[0146]
并重新计算每个类别aj的聚类中心aj，
[0147]aj
即为属于类别aj中所有样本x的质心；
[0148]
判断样本的质心aj；当aj的变化误差达到阈值，则输出距离d(xi,aj)。