利用大学校园 WiFi 基础设施数据建模教室占用情况
信号处理
2023-01-18 v1 机器学习
摘要
全球高校正经历入学人数激增，因此校园物业管理者寻求关于出勤模式的连续数据以优化教室空间使用。由此，采用各类传感技术测量教室出勤呈增长趋势，其中普适 WiFi 基础设施被视为一种低成本方法。在密集校园环境中，连接的 WiFi 用户数并不能很好地估计房间占用，因为连接计数受到相邻房间、室外走道和网络负载均衡的污染。本文中，我们开发基于机器学习的模型，从 WiFi 传感基础设施推断教室占用。我们的贡献有三方面：（1）我们分析由数千个接入点（AP）组成的密集动态无线网络的元数据，以洞察 AP 覆盖、WiFi 连接用户行为以及估计房间占用的挑战；（2）我们提出一种利用无监督聚类算法自动将 AP 映射到教室的方法；（3）我们结合多种分类与回归算法建模教室占用。我们在 AP 到教室的映射中达到 84.6% 准确率，而房间占用估计的精度可与光束计数传感器相比，对称平均绝对百分比误差（sMAPE）为 13.10%。
引用
@article{arxiv.2104.10667,
title = {Modeling Classroom Occupancy using Data of WiFi Infrastructure in a University Campus},
author = {Iresha Pasquel Mohottige and Hassan Habibi Gharakheili and Vijay Sivaraman and Tim Moors},
journal= {arXiv preprint arXiv:2104.10667},
year = {2023}
}
备注
23 pages, 20 figures, 8 tables