[发明专利]一种基于wifi定位的进店顾客数据统计方法

摘要

本发明公开一种基于wifi定位的进店顾客数据统计方法，包括如下步骤：步骤1，识别店铺区域，获得店铺区域边界；步骤2，通过机器学习的方法，对wifi定位数据聚类，扩大步骤1获得的店铺边界，获得店铺有效定位区域；步骤3，对每天采集的wifi定位数据进行有效定位区域判定，获得每个手机用户的游逛店铺的时间序列；步骤4，检验每个手机用户的游逛店铺时间序列，判断顾客是否进店，并利用停留时间来剔除店铺工作人员，从而获得每天每个店铺的有效游逛顾客数，以及其进店、离店和游逛时间。此种方法采用机器学习的方法，通过对大量基于三角定位或指纹定位的wifi定位数据清洗和聚类计算，自动找到店铺的有效定位区域，然后实现批量和实时的进店客流计算。

主权项

1.一种基于wifi定位的进店顾客数据统计方法，其特征在于包括如下步骤：步骤1，识别店铺区域，获得店铺区域边界；所述步骤1中，根据商场平面图，选定店铺区域内任意一点作为目标点，由目标点向外扩展，将颜色相近得到的像素点判断为店铺区域内，从而获得店铺区域边界；所述步骤1的详细内容是：步骤11，根据商场平面图获取每个像素点的坐标和RGB颜色值；步骤12，选定店铺区域内任意一点作为目标点，将该点上色为标识该店铺的唯一色；步骤13，从目标点出发，用迭代的方式扫描当前像素上下左右四个方向的邻近点，若某点的RGB颜色值满足相近色公式：|r‑r0|+|g‑g0|+|b‑b0|≤thresh，其中，thresh为阈值，则将该点视为相近颜色点，认为该点与目标点属于同一店铺；若在扫描过程中，某个点的RGB颜色值不满足相近色公式，那么认为该点已经位于店铺外，停止该方向的扫描；然后对该点的4个邻近点再继续扫描，判断是否颜色相近，直到没有任何邻近点为颜色相近点，扫描结束；步骤14，记录各店铺所包含的像素点点集{Si}，点Si对应坐标(xi,yi)，以及该店铺ID及所在楼层；步骤2，通过机器学习的方法，对wifi定位数据聚类，扩大步骤1获得的店铺边界，获得店铺有效定位区域；所述步骤2的详细内容是：步骤21，用机器学习的方法对一定周期的数据进行定位坐标的聚类；步骤22，对所有该周期内的定位数据进行聚类计算，从而找到客户高频次定位的位置区域点集，设为{Ai}，每一个Ai都对应一个坐标(xi,yi)；步骤23，将商场平面图分割成栅格，找出区域点集{Ai}内的高频次定位栅格，满足条件为，栅格内所有定位数据个数占定位总数的一定百分比，将高频次栅格的坐标记为{AGi},每一个AGi都对应一个坐标(xi,yi)；步骤24，对步骤23生成的每个高频次栅格的坐标集合{AGi}，计算与标识的店铺区域像素点点集{Si}的距离，然后找到距离最小的店铺，保存为一个店铺ID列表{ASi}；步骤25，再遍历店铺ID列表{ASi}，从{AGi}中搜索出标记为属于店铺i的高频次栅格点的坐标点集{ADij}，其中，i表示店铺ID，j表示高频次栅格点序号；对每一个店铺ID，对{Si}和{ADij}做交集处理，作为店铺i的有效像素点，并标记为唯一色，将所有像素点位置和颜色保存至文件shoplist中；步骤3，对每天采集的wifi定位数据进行有效定位区域判定，获得每个手机用户的游逛店铺的时间序列；步骤4，检验每个手机用户的游逛店铺时间序列，判断顾客是否进店，并利用停留时间来剔除店铺工作人员，从而获得每天每个店铺的有效游逛顾客数，以及其进店、离店和游逛时间。