一种人流量分析方法、存储介质及处理器与流程

【技术领域】

本发明人流量分析技术领域，尤其涉及一种人流量分析方法、存储介质及处理器。

背景技术：

现有的人流量统计方法大致包括人工计数和视频识别两种方法。人工计数方法存在着人员、时间、成本等多方面的影响导致最终所统计的数据缺乏全面性和有效性，并且在人流量特别密集的情况下，更是困难重重，同时对数据没有深度分析。视频识别对光线强度，识别准确性有很高的要求，对于光线微弱的场景识别功能失效，识别准确率低的情况，会把一个人识别成多个人，影响人流量统计结果，且视频探头的实施成本和运维成本高。

技术实现要素：

本发明所要解决的技术问题是提供一种人流量分析方法、存储介质及处理器，通过在ap覆盖区域内采集行人手持电子设备mac，对mac信息进行统计、汇总、归类，可得到人流量数据，对此数据再进行深度挖掘，可得到不同时间周期内的人员进出量，人员逗留时间，并可预测未来一段时间内的人流量变化情况，实现人流量的统计与预测等功能，有效的预防、解决潜在的危害公共安全事件的发生。可普遍适用于商场、超市、景点、车站、机场等公共场合的客流量统计，对未来时间内的人流量预测；可扩展的还可对人流量数据进行更深层次的分析，进而得出潜在客户名单，人员属性分类等；不仅可用于民用场景中，也可用于警用系统中。

为解决上述技术问题，一方面，本发明一实施例提供了一种人流量分析方法，包括：从服务器中读取指定时间范围内的定位信息数据；对读取的定位信息数据进行统计分析；输出人流量总数；根据统计分析结果，对未来一段时间内的人流量变化情况进行预测。

优选地，从服务器中读取指定时间范围内的定位信息数据之前还包括：生成所述定位信息数据。

优选地，对读取的定位信息数据进行统计分析包括：对读取的定位信息数据求集合，得到该时间范围内的mac总数。

优选地，所述定位信息数据包括位置信息、与所述位置信息对应的时间信息。

优选地，对未来一段时间内的人流量变化情况进行预测包括：根据对读取的定位信息数据进行统计分析的结果，对未来一段时间内的人流量变化情况进行预测且输出预测结果。

优选地，生成所述定位信息数据包括：在ap覆盖区域内采集用户手持电子设备mac。

优选地，所述位置信息为经纬度坐标或像素坐标或区域编号。

优选地，对mac进行筛查之后还包括：输出筛查后的mac总数。

另一方面，本发明一实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行上述的人流量分析方法。

另一方面，本发明一实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的人流量分析方法。

另一方面，本发明一实施例提供了一种人流量分析系统，包括：定位模块，所述定位模块用于生成定位信息数据；统计分析模块，所统计分析模块用于对所述定位信息数据进行统计分析；输出模块，所述输出模块用于输出人流量总数。

优选地，所述系统还包括预测模块，所述预测模块用于对未来一段时间内的人流量变化情况进行预测。

优选地，所述定位信息数据包括位置信息，与所述位置信息对应的时间信息。

优选地，所述定位模块包括：wifi探针设备、poe模块、服务器，所述wifi探针设备用于探测设备mac；所述poe模块用于给所述wifi探针设备供电的同时将数据回传至所述服务器；所述服务器包括数据库服务器和定位服务器，所述数据库服务器用于存储探测到的设备mac信息，所述定位服务器用于对所述数据库服务器存储的数据进行定位计算，存储mac信息对应的位置信息。

优选地，所述统计分析模块包括统计分析类别设置模块，所述统计分析类别设置模块设置统计分析的类别。

优选地，所述预测模块根据统计分析模块统计分析的结果，对未来指定时间范围内的人流量情况进行预测且输出预测结果。

优选地，所述统计分析的类别包括按照时间范围统计、按照区域范围统计或者将时间和区域结合进行统计。

优选地，所述位置信息为经纬度坐标或像素坐标或区域编号。

与现有技术相比，上述技术方案具有以下优点：通过在ap覆盖区域内采集行人手持电子设备mac，对mac信息进行统计、汇总、归类，可得到人流量数据，对此数据再进行深度挖掘，可得到不同时间周期内的人员进出量，人员逗留时间，并可预测未来一段时间内的人流量变化情况，实现人流量的统计与预测等功能，有效的预防、解决潜在的危害公共安全事件的发生。可普遍适用于商场、超市、景点、车站、机场等公共场合的客流量统计，对未来时间内的人流量预测；可扩展的还可对人流量数据进行更深层次的分析，进而得出潜在客户名单，人员属性分类等；不仅可用于民用场景中，也可用于警用系统中。

【附图说明】

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明人流量分析方法流程图。

图2是本发明人流量分析方法中mac统计筛查示意图。

图3是本发明人流量分析方法中分区法定位服务器存储示意图。

图4是本发明人流量分析方法中维护mac记录库方法流程图。

图5是本发明人流量分析方法中mac记录库存储示意图。

图6是本发明人流量分析系统结构图。

图7是本发明人流量分析系统中wifi定位模块结构图。

图8是本发明人流量分析系统中数据服务器存储示意图。

图9是本发明人流量分析系统中定位服务器存储示意图。

【具体实施方式】

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一

图1是本发明人流量分析方法流程图。如图1所示，一种人流量分析方法，包括步骤：

s11、从服务器中读取指定时间范围内的定位信息数据。

具体实施时，通过不同时段的数据筛选，可实现不同的功能分析。

s111.实时人流量统计。

对同一个手机而言，wifi信号在手机亮度不同时的发包频率是不断变化的，即手机亮屏发包率高，熄屏发包率较低，且由于不同品牌手机的差异性，发包率也会不同，所以实时人流量的统计可统计为当前时刻1～10分钟内的定位信息数据。

s112.历史人流量统计。

将读取的时间范围扩大，可得到历史的人流量统计。比如，需要获取每日的人流量统计，那么数据的筛选时间范围可以设定为00:00:00～23:59:59；需要获取每周的人流量统计，那么数据的筛选时间范围可以设定为周一00:00:00～周日23:59:59。

s113.特殊时段人流量统计。

筛选特殊时段的定位信息数据，可得到特殊时段的人流量统计，结合该时段进一步分析，可得到隐藏的信息。比如，需要获取下班晚高峰的人流量，那么数据的筛选时间范围可以设定为17:00:00～19:00:00，交通部根据统计的数据量可提前进行道路交通疏导；需要获取凌晨的人流量，数据筛选时间范围可以设定为00:00:00～00:02:00，公安部可根据统计的mac信息过滤行迹可疑的人员。

s12、统计读取的定位信息数据。

对读取的定位信息数据求集合，得到该指定时间范围内的mac总数。

s13、对mac进行筛查。

需要说明的是，mac由六字节组成，其中前三个字节用于区分不同制造商，合法mac的定义可结合全球组织唯一标识符oui库进行甄别区分，oui库中的制造商不仅包含手机厂商，还有路由器、服务器、医疗设备等，可根据oui库整理出手机厂商的mac库，二次筛查过程可参考手机厂商mac库进行过滤。由于抓取的mac不仅包含手机设备，还包括路由器、服务器等带有无线网卡的电子设备，因此需要对步骤s12中统计的mac进行二次筛查，只保留便携设备的mac。mac统计到筛查如附图2所示。图2是本发明人流量分析方法中mac统计筛查示意图。如指定时间范围内的抓取的mac总数为5，其mac和设备信息分别是：3c:15:c2:d2:24:fe，iphone；dc:fe:18:ae:c8:56，tplink；5f:85:c4:22:38:c1，huawei；c8:3a:35:30:f3:a0，tenda；56:45:d7:82:54:ce，xiaomi。去掉非辩解设备后，得到筛查后的mac信息为：3c:15:c2:d2:24:fe，iphone；5f:85:c4:22:38:c1，huawei；56:45:d7:82:54:ce，xiaomi。对于指定时间范围内的抓取的mac为其他数量，筛查方法如上。

s14、输出人流量总数。

二次筛查后的mac总数即为该指定时间范围内的人流量总数。

需要说明的是，对于人流量的统计不仅可以按照时间范围统计，也可以按照区域统计，也可将二者结合统计，如下重点介绍对整个大的覆盖区域如何进行小区域划分。主要包括最强探针分区法和geohash分区法，二者都需要对定位服务器的数据增加相应字段存储，分区法对应的定位服务器数据存储示意图如附图3所示。图3是本发明人流量分析方法中分区法定位服务器存储示意图。id表示获取到的mac编号，六字节数据为mac具体值，device表示与mac值对应的设备名称，定位坐标x、y表示设备经纬度坐标或者像素坐标，report_time表示报告时间，max_ap表示最强探针的信息，geohash为定位坐标转为geohash值，即将x，y转换成geohash值。

其中最强探针分区法是以探针为子区域划分，对探针检测到的每个mac的原始信号rssi(receivedsignalstrengthindication接收的信号强度指示)存储其最强的探针编号，如检测到mac1的原始信号强度为：{“ap1”：-67，“ap2”：-78，“ap3”：-60}，则mac1的最强的信号探针为ap3。如需统计某一个探针附近或者多个探针附近的mac总数，则只需从定位服务器中读取对应的最强探针编号的mac数据，在按照上述步骤s12～s14的方式进行区域统计。

geohash位置哈希分区法，是利用geohash思想，将一个经纬度转换成一个可以排序比较的字符串编码。geohash表示的并不是一个点，而是一个矩形区域。使用者可以发布地址编码，既能表明自己位于某地址附近，又不至于暴露自己的精确坐标，有助于隐私保护，geohash比直接用经纬度的高效很多。将定位后的经纬度坐标转换为geohash值并存储。如果需要对某个指定地点附近的人流量进行统计，步骤如下：

s1111、获取指定地点的经纬度坐标，并转换为geohash值。

s1112、根据指定地点的geohash值，从定位服务器中读取与之相匹配的geohash的数据。

s1113、按照上述s12～s14的方式进行区域统计。

其中，geohash编码默认为12位，前9位对应的精度范围如下。取不同的位数对应不同的精度。

实施例二

下面我们来对人流量逗留时间进行分析。

由定位信息数据可知，定位信息中不仅包含坐标信息，还包含对应的时间信息，通过对每个mac的时间进行统计分析，可得到对应的逗留时间。具体分为维护mac记录库和mac逗留时间分析两个过程，相应的根据mac记录库也可区分出时间范围内mac的进出量。

维护mac记录库流程图如附图4所示，图4是本发明人流量分析方法中维护mac记录库方法流程图，具体步骤如下：

s21、初始化mac记录库。

mac记录库中包含mac信息，第一次检测时间tstart和最后一次检测时间tend。

s22、实时读取定位服务器的定位信息数据。

设置定时任务，定时周期可取1～10分钟。

s23、判断该mac记录库中是否包含读取的定位信息。

如果否，则进行步骤s24，否则进行步骤s25。

s24、同时更新mac的第一次检测时间tstart和最后一次检测时间tend存储该mac信息，同时将第一次检测时间tstart和最后一次检测时间tend都设置为当前检测时间。

s25、只更新mac的最后一次检测时间。

将该mac信息的最后一次检测时间更新为当前检测时间。

s26、是否完成定位信息数据中所有mac的检测时间更新。

如果是，则进行步骤s22，实现定时任务；如果否，则进行步骤s23，完成所有mac的遍历。

mac记录库中的存储信息如附图5所示。图5是本发明人流量分析方法中mac记录库存储示意图。id表示经筛查后的mac编号，六字节数据为mac具体值，device表示与mac值对应的设备名称，firsttime和lasttime表示第一次检测时间和最后一次检测时间。

可扩展的，对此mac记录库按照逗留时间长短，可对同一mac存储多条时间记录信息。比如，以持续5分钟无法检测到此mac为例，如果持续5分钟检测不到此mac，那么当下一次再次检测到该mac时，将该时刻记录为新到达的第一次检测时间，上一次的检测时间信息不覆盖，最后一次检测时间方法保持不变。

mac逗留时间是基于对mac记录库中的信息进行分析的，具体步骤如下：

s211、读取指定时间范围内的人流量统计。

读取方法参考上述人流量统计方法，得到该指定时间范围内对应的mac信息。

s212、同步执行mac记录库。

该mac记录库中对于同一mac记录多条检测时间。

s213、计算mac的逗留时间。

从mac记录库中读取指定的mac信息，计算多条检测时间的差，即为每次停留的时间长。将该mac的多条停留时间长累加，即为在指定时间范围内，该mac的逗留时间。

可扩展的，基于对mac的逗留时间分析，可预测出未来时间内mac的人流量变化情况。

mac进出量，是基于对mac记录库中的信息进行分析的，具体步骤如下：

s311、读取指定时间范围内的人流量统计。

读取方法参考上述人流量统计方法，得到该指定时间范围内的人流量总数cnttotal及对应的mac信息。

s312、统计指定时间范围内新出现的mac信息。

从上述mac记录库中读取第一次检测时间在指定时间范围内的所有mac信息，即为在此时间范围内新出现的mac，记录其总数为cntnew。

s313、统计指定时间范围内历史出现的mac信息。

历史出现的mac总数即为cnthistory＝cnttotal-cntnew。

可扩展的，基于对mac进出量的分析，可结合特定区域，分析出不同区域不同时段的客流吸引量。

实施例三

本发明还公开了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行上述的人流量分析方法。可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(read-onlymemory，简称为rom)、随机存取存储器(randomaccessmemory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。可选地，本实施例中的具体示例可以参考上述实施例及具体实施时所描述的示例，本实施例在此不再赘述。

实施例四

本发明还公开了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的人流量分析方法。可选地，本实施例中的具体示例可以参考上述实施例及具体实施时所描述的示例，本实施例在此不再赘述。实施例五

图6是本发明人流量分析系统结构图。一种人流量分析系统，包括：定位模块，定位模块用于生成定位信息数据；统计分析模块，所统计分析模块用于对定位信息数据进行统计分析；输出模块，输出模块用于输出人流量总数。预测模块，预测模块用于对未来一段时间内的人流量变化情况进行预测。定位信息数据包括位置信息，与位置信息对应的时间信息。定位模块包括：wifi探针设备、poe模块、服务器，wifi探针设备用于探测设备mac；poe模块用于给wifi探针设备供电的同时将数据回传至服务器；服务器包括数据库服务器和定位服务器，数据库服务器用于存储探测到的设备mac信息，定位服务器用于对数据库服务器存储的数据进行定位计算，存储mac信息对应的位置信息。统计分析模块包括统计分析类别设置模块，统计分析类别设置模块设置统计分析的类别。预测模块根据统计分析模块统计分析的结果，对未来指定时间范围内的人流量情况进行预测且输出预测结果。统计分析的类别包括按照时间范围统计、按照区域范围统计或者将时间和区域结合进行统计。位置信息为经纬度坐标或像素坐标或区域编号。

图7是本发明人流量分析系统中wifi定位模块结构图。wifi探针可提供基础的身份识别数据，将采集到的mac地址数据结合电信企业、公安机关数据相关联，可建立多维度的公共安全监控系统。mac地址作为智能手机的唯一识别码，可以作为身份信息的识别。结合视频感知部署位置建设，wifi探针较广的覆盖，可以采集在范围内的mac地址，同时数据不受限制，mac地址可以海量的采集。wifi探针可实现数据的实时传输，监控数据可以实时的回传；身份匹配：mac地址作为手机的唯一识别码，结合其他数据可实现身份匹配。

wifi定位模块是将wifi定位技术应用在人员实时追踪、识别这一场景，通过实时定位技术，及时发现并追踪现场可疑人员。wifi定位系统包括wifi探针设备、poe模块、数据库服务器、定位服务器组成。其中wifi探针设备，用途包括：

(1)内置诱导模块发射高连接频率ssid，诱导设备连接，增大捕获mac概率。

(2)全频道扫描，抓取设备mac不漏包。

(3)加密回传被标记mac信号强弱，连接时差等信息给位置计算服务器进行位置的精确计算。

poe模块，在给wifi探针设备供电的同时将数据回传至数据库服务器。

数据库服务器，作为存储mac地址的数据库，运行mac地址比对程序，快速比对wifi探针设备所抓取的mac，将比成功数据传输给定位服务器，并对已标记mac的设备的连接时长，连接时间，位置等信息进行更新入库，模拟出被标记mac设备的运动路径。数据服务器存储示意图如附图2所示。

定位服务器，运行定位算法，对标记的mac进行位置计算，并传输给数据库服务器对已标记mac进行数据库更新。

wifi探针设备可实现对区域范围内的所有电子设备进行扫描，将抓取到的mac的信号强度(rssi)整合汇总，运行定位算法，对标记的mac进行实时定位分析，可以得到标记mac的实时位置信息(p,t)，其中p表示位置信息，t表示当前位置对应的时间。

图8是本发明人流量分析系统中数据服务器存储示意图。图中，每一行数据表示待定位设备编号，待定位设备mac地址，待定位设备设备名称，待定位设备发现时间，第一个wifi探针设备检测到的信号强度rssi1，第二个wifi探针设备检测到的信号强度rssi2，……，第n-1个wifi探针设备检测到的信号强度rssin-1，第n个wifi探针设备检测到的信号强度rssin。

图9是本发明人流量分析系统中定位服务器存储示意图。定位服务器存储格式为，每一行数据表示待定位设备编号id、待定位设备mac地址、待定位设备设备名称、待定位设备x坐标、待定位设备y坐标、报告时间。

由上述说明可知，使用根据本发明的人流量分析方法、存储介质及处理器，通过在ap覆盖区域内采集行人手持电子设备mac，对mac信息进行统计、汇总、归类，可得到人流量数据，对此数据再进行深度挖掘，可得到不同时间周期内的人员进出量，人员逗留时间，并可预测未来一段时间内的人流量变化情况，实现人流量的统计与预测等功能，有效的预防/解决潜在的危害公共安全事件的发生。可普遍适用于商场、超市、景点、车站、机场等公共场合的客流量统计，对未来时间内的人流量预测；可扩展的还可对人流量数据进行更深层次的分析，进而得出潜在客户名单，人员属性分类等；不仅可用于民用场景中，也可用于警用系统中。

以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。