陳光磊

摘 要：本文通過從商業(yè)場景中獲取的大量無線終端的移動定位數(shù)據(jù)，自動化地提取客流主路徑，供商業(yè)經(jīng)營者進行直觀的實際動線驗證與商業(yè)決策支撐。針對現(xiàn)有技術(shù)方案中無法從多用戶定位數(shù)據(jù)中提取，且提取算法復雜度高、性能差等問題，提出擬人化的動態(tài)圖形模板快速匹配法。

關(guān)鍵詞：商業(yè)客流 動線 自動化

中圖分類號：TP391.43 文獻標識碼：A 文章編號：1674-098X（2017）10（c）-0122-02

1 商業(yè)客流數(shù)據(jù)分析背景與問題

評價一個商鋪的引流潛力、營銷曝光程度、租金等一般是看其所處的地理位置，但本質(zhì)上有價值的是從那個位置經(jīng)過的人，即客流。

動線或稱主路徑對應客流要素中的流向。表示在大量不同的終端顧客的各種不同流向數(shù)據(jù)中體現(xiàn)出的主干流向。其中組成主路徑的為每個主路徑點，但并非單個終端在不同時間定位點的簡單連線。如在傍晚客流高峰時刻，各類客流參差不齊，大體出現(xiàn)有從入口到超市的購物路徑，從商超購物完后走向美食街的覓食路徑。

為讓每一寸商業(yè)空間發(fā)揮最大價值并帶給顧客良好的體檢。經(jīng)營者都會先做好建筑動線設計。但隨著裝修改造、外部交通變化、顧客喜好升級等因素，實際的動線并會不像原先設計的那樣理想，甚至被顛覆。這就需要經(jīng)營者提取真實顧客的動線來作商業(yè)決策，在完成一定決策執(zhí)行后，再通過提取真實動線來驗證效果?，F(xiàn)在的商場或大型城市綜合體越來越多地采用了曲線靈動的多元布局，對該區(qū)域的客流分析帶來挑戰(zhàn)。

（1）面積大，客流存在諸多不確定性，如商場外大廣場，城市綜合體多層立體，至少5萬m2?？蛻粼诓煌赇侀g流動存在很多跳躍，長時停留，難以直接提取流向。

（2）客流量巨大，并非提取單個用戶的路線可以體現(xiàn)。如2013年萬達廣場總客流12.2億人次，平均每個廣場日均客流5.2萬人次。聚類、壓縮等機器學習方法復雜度過高，性能很低。

（3）地形不規(guī)則，客流呈現(xiàn)“曲折、斷線、回路”等流向，不利于提取方向。

（4）無線覆蓋不均，導致無線終端在用戶行走中出現(xiàn)斷線重連等情況影響連續(xù)分析。

2 現(xiàn)有技術(shù)方案與優(yōu)劣分析

2.1 視頻抓拍法

基于拍到的運動圖像，通過圖像識別算法與數(shù)理統(tǒng)計模型，對指定單個或多個視頻監(jiān)控區(qū)域內(nèi)的運動物體進行跟蹤。還要判定其是否是人體，比如提取人體關(guān)鍵特征就要排除手臂、腿腳、背包、行李、推車等物體的干擾。

這種方法投入大（需多點無死角視頻跟蹤），識別算法復雜（要識別人及身邊附屬干擾物），處理的數(shù)據(jù)非線性（動態(tài)視頻，切圖等）。統(tǒng)計的效果較差，因為攝像頭變焦范圍有限，特別是在方向判斷上無法作到平面化。

2.2 激光掃描法

利用多臺激光掃描儀及攝像頭分布在商場出入口等位置，通過傳感器網(wǎng)絡統(tǒng)計客流數(shù)量?？蓹z測客流速度、經(jīng)過通道的方向等客流狀態(tài)。

這種方法只能部署在路徑寬度小的區(qū)域，而此類區(qū)域一般顧客的流向也就是進或出，不會存在空曠位置的不確定性。無法實現(xiàn)大量不同顧客在不確定性方向下的路徑提取。所以主要用于客流量與簡單的進出方向分析。

2.3 無線AP連接法

目前無線移動終端已大量普及，公共場所部署無線進行顧客服務提升與營銷活動已經(jīng)很普遍。根據(jù)終端在不同時刻的連AP的記錄，只能大體上畫出單個終端的移動路線。如果要提取大量不同終端的的主路徑，只利用在各個覆蓋點的AP位置并結(jié)合AP下所帶的人數(shù)多少來粗略分析主路徑。

這種方法目前提取的還只是AP的位置，距離與路線誤差很大，拆線明顯。

3 動線自動化提取方法

為解決現(xiàn)有解決方案中的問題，本文基于wifi定位數(shù)據(jù)提出動線自動化提取方法。各步驟處理與圖示如圖1所示。

3.1 建立平面模型，將定位數(shù)據(jù)投射到平面上作數(shù)據(jù)導入

導入一段時間內(nèi)的無線終端定位的客流數(shù)據(jù)。并建立定位點數(shù)據(jù)表：P=（M，T，X，Y，），其中X，Y為坐標；T為時間，M對應單個用戶，即同一個終端MAC地址。即點Pm，t對應位置（x，y）。

3.2 建立擬人化動態(tài)圖形模板

初始以人體并排走路為最小模板，在此模板中的同向移動點被認為是“同行點”。如成年人肩寬約40cm左右，考慮中間會出安全距離，約為50cm，俯視效果如圖1s=所示。

建立主路徑數(shù)據(jù)表：R=（X，Y），如主路徑的第n個點的坐標為Rn=（x，y），將模板投射到平面。

3.3 提取客流主路徑點

（1）先提取一個用戶的路徑，按時間順序作為輸入。如圖中灰色用戶點m=1，t=1，P1，1=（x，y）。

（2）判斷是否有模板內(nèi)同行點。方法如下。

①以P為模板中心，即Rn=Pm，t。

②以T為運算步長，即t=t+1。

③判斷是否有其他點落入模板，有則為同行點（如上圖中模板右下角的黑色點）。同時將此模板中的所有點中心作為新的模板中心，輸出第一個主路徑點。否則繼續(xù)以t為步長，輸入下一個定位點。以i計數(shù)，即：

i=1

if X（Rn）-75

i=i+1

Rn=average（Pi），i=1，2，…，n

else

t=t+1

3.4 選擇主路徑的移動方向

在完成新的中心點更新后，需要選擇下一個移動方向，以便客觀地表達客流流向，從而連接出整個主路徑。方法如下。

（1）以模板內(nèi)所有點但不包含前一個輸入點中最近的點為下一個移動方向（即選擇主導方向的那個顧客，可能是上一個顧客，也可能是新的顧客）。即：Pm+i， t+i=min（Ri，Pm+i，t+i），i=1，2，…，n。如圖2。

（2）再以下一個主導移動方向的顧客下一個時間的定位點為作輸入，移動模板。即Pm+i，t+i=Pm+i，t+i+1。

（3）利用當前移動的模板所圈住的新同行點，作新模板中心的更新，作為下一個主路徑點。方法同步驟3。

（4）主路徑停止與連接條件。

①當下一個方向的定位點集完成輸入后，即停止本段主路徑的提取。

②再按移動方向進行主路徑點的連接，即要得到對應模板的主路徑。

（5）根據(jù)不同客流量與客戶要求的調(diào)優(yōu)。

①可以根據(jù)實際情況調(diào)節(jié)模板大小，或進行二次迭代。如在上圖基礎上再用加大模板進行提取。

②針對客流量與流向需要組合分析的場景，可以利用每個單位面積的定位點數(shù)來評估顧客人數(shù)與模板大小，得到不同粗細的主路徑以直觀看出流量與流向的關(guān)系。

4 結(jié)論與展望

通過以上解決方案驗證與商業(yè)項目實踐，總結(jié)如下。

（1）投入成本低：在無線覆蓋的場所，利用顧客手上已有移動終端即可，不需要額外的攝相機，激光等裝置。

（2）客流數(shù)據(jù)精度高：與無線AP連線法等相比，提取的主路徑更平滑，誤差小于1m。

（3）運行速度快速：從多終端多路徑不同時間等多維的定位數(shù)據(jù)利用距離與方向函數(shù)計算，非傳統(tǒng)高復雜度機器學習算法。

（4）數(shù)據(jù)調(diào)節(jié)靈活：利用的擬人化模板匹配，可以根據(jù)不同客戶場景靈活調(diào)節(jié)，獲得不同流量的主路徑。

除了本文使用的無線終端定位中提取客流主路徑的商場環(huán)境外，也可以利用本文技術(shù)方案用于其他公共場所人員路線或其他物體密集移動的場所分析中，如景區(qū)路線規(guī)劃，物流園貨物與人員管理。

參考文獻

[1] 廖珊，顏舒婷.基于業(yè)態(tài)的商業(yè)動線設計研究[J].山西建筑，2017，43（8）：20-21.

[2] 汪黎.購物中心空間設計與內(nèi)部動線組織的探析[J].建筑工程技術(shù)與設計，2016（26）.

[3] 黃華晉，秦建息.基于三角定位算法的WiFi室內(nèi)定位系統(tǒng)設計[J].廣西科學院學報，2016（1）：59-61.