[发明专利]一种基于多标签的室内人群聚类方法

说明书

本发明公开了一种基于多标签的室内人群聚类方法。该方法包括以下步骤：(1)通过AP设备得到区域内移动终端设备的访问状态；(2)计算出每个移动终端的多类标签，标签包含：①访问时段：以分钟为单位得到访问区域最频繁的进入时间；②平均访问时长：过滤掉极短的停留时间，移动终端在区域内停留的平均时间；③平均回访周期：当天时间内，终端设备距离上次访问该区域的时间；(3)以每个标签为一个维度将每个终端映射为多维坐标系下的点；(4)任选一个点，规定一个相似半径K，依次计算每个点与选中点的加权余弦距离d，将加权余弦距离小于相似半径的点归为一类，如果群体中半数以上的点与目标点相似，那么认为目标点属于该群体。

技术领域

本发明涉及一种基于多标签的室内人群聚类方法，属于数据分析技术领域。

背景技术

当前环境下，随着智能手机的用户量增长和Wi-Fi网络的普及，几乎每个商场、写字楼、酒店等公共区域内都遍布着Wi-Fi网络。经过这些区域内的人群均可以连接相应的网络访问互联网。当前区域内人流的访问情况以及访问群体的类别信息成为了宝贵的财富。当前区域内人群聚类算法大部分是基于位置密度的距离算法或者是根据人工调查后的年龄、性别等标签进行聚类。基于密度的聚类方法不适用于小范围流动性大的区域，而年龄、性别等容易涉及到个人隐私。

因此有必要提出一种采集移动设备信息作为数据源、多标签的室内人群聚类方法。该方法仅仅使用获取到的MAC地址、RSSI信号强弱等信息来进行人群的聚类，不涉及到个人隐私，也无需对个人信息和采集到的信息进行精确匹配，可以有效地保护区域内人流的隐私，也不需要个人主动提供信息。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种基于多标签的室内人群聚类方法。

技术方案：一种基于多标签的室内人群聚类方法，包括以下步骤：

步骤1：通过AP设备探测当前区域内拥有Wi-Fi模块的移动终端设备的MAC地址、信号强度RSSI和采集时间；

步骤2：AP设备将采集到的数据发送给服务器，服务器程序将每个MAC地址在当日是否处于区域内的状态序列按照时间升序进行存储；

步骤3：针对每个MAC地址，根据其状态序列得到停留该区域时间最长的一个时段的访问时间；

步骤4：针对每个MAC地址，根据其状态序列得到每次驻留该区域的平均时间；

步骤5：针对每个MAC地址，根据其状态序列得到回访周期的平均值；

步骤6：规定相似阈值K，任选一个MAC地址与其他所有MAC地址对应的标签依次计算加权余弦距离，重复选择所有的MAC地址进行上述计算，使所有的MAC地址之间都有一个余弦距离；

步骤7：根据K值和余弦距离对所有MAC地址进行群体划分。

步骤1中AP设备采集到区域内所有的移动终端的MAC地址和RSSI值，每隔一秒采集一次然后发送到服务器中。

步骤2中服务器程序根据RSSI的强弱判断该移动终端的是否在区域内，如果在区域内则状态为1，不在区域内状态为0，如果采集不到数据也为0。每个MAC地址所对应的状态序列样例为：00001111111111111110000...111100，然后将状态序列进行存储。

步骤3中针对每个MAC地址计算其停留时间最长的时间段的访问时间，在状态序列中，取出连续的由“1”组成的最长序列的起始时间即为访问时间。

步骤4中针对每个MAC地址计算其平均驻留时长，在状态序列中，过滤掉小于30秒的访问时间，其余访问时长取平均值得到平均访问时长。

步骤5中针对每个MAC地址计算其平均回访周期，在状态序列中，获取状态为连续0的序列的时长，去掉第一个连续0序列和最后一个连续0序列，剩余的0序列取平均值得到平均回访周期。