商業客流定位數據的動線提取方法

陳光磊

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

關鍵詞：商業客流 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 商業客流數據分析背景與問題

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，但本質上有價值的是從那個位置經過的人，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據中體現出的主干流向。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。

為讓每一寸商業空間發揮最大價值并帶給顧客良好的體檢。經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。這就需要經營者提取真實顧客的動線來作商業決策，在完成一定決策執行后，再通過提取真實動線來驗證效果。現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，對該區域的客流分析帶來挑戰。

（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。客戶在不同店鋪間流動存在很多跳躍，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。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）地形不規則，客流呈現“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斷線重連等情況影響連續分析。

2 現有技術方案與優劣分析

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理統計模型，對指定單個或多個視頻監控區域內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），處理的數據非線性（動態視頻，切圖等）。統計的效果較差，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，通過傳感器網絡統計客流數量。可檢測客流速度、經過通道的方向等客流狀態。

這種方法只能部署在路徑寬度小的區域，而此類區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很普遍。根據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位置并結合AP下所帶的人數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

為解決現有解決方案中的問題，本文基于wifi定位數據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，將定位數據投射到平面上作數據導入

導入一段時間內的無線終端定位的客流數據。并建立定位點數據表：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。

建立主路徑數據表：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。否則繼續以t為步長，輸入下一個定位點。以i計數，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）根據不同客流量與客戶要求的調優。

①可以根據實際情況調節模板大小，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來評估顧客人數與模板大小，得到不同粗細的主路徑以直觀看出流量與流向的關系。

4 結論與展望

通過以上解決方案驗證與商業項目實踐，總結如下。

（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）客流數據精度高：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據利用距離與方向函數計算，非傳統高復雜度機器學習算法。

（4）數據調節靈活：利用的擬人化模板匹配，可以根據不同客戶場景靈活調節，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境外，也可以利用本文技術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，如景區路線規劃，物流園貨物與人員管理。

參考文獻

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

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

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