基于被动WiFi感知与数据挖掘的社会活动人群行为理解

理解大型社会活动中的人群行为对于活动管理至关重要。被动WiFi感知通过收集移动设备发送的WiFi探测请求，相较于人流计数器和摄像头，在免干扰、更大覆盖、更低成本以及更多关于人员移动的信息方面提供了更好的监控方式。然而，在现有研究中，对收集数据的深入分析与挖掘未给予足够关注，尤其是机器学习的威力尚未被充分挖掘。因此，本文提出一个综合数据分析框架，借助统计学、可视化和无监督机器学习，对收集的探测请求进行充分分析以提取大型社会活动中与人群行为相关的三类模式。首先，从探测请求中提取移动设备的轨迹并分析以揭示人群移动的空间模式；采用层次凝聚聚类找出不同位置间的互联关系。接着，分别应用k-means和k-shape聚类算法按天和位置提取人群的时间访问模式。最后，结合时间将轨迹转化为时空模式，揭示轨迹时长如何随长度变化以及人群移动的整体趋势如何随时间变化。所提出的数据分析框架使用大型社会活动中收集的真实数据得到了充分演示。结果表明，可以从被动WiFi传感器网络收集的数据中提取全面模式。