民宿無人值守智能管理系統設計與實現

劉羽嘉，潘 濱，李東澤，李鳳迪，張 遷，孫豐剛，蘭 鵬

（1.山東農業大學信息科學與工程學院，山東泰安271018；2.山東泰開互感器有限公司，山東泰安271000）

隨著鄉村旅游業的快速發展，游客對民宿的需求及服務質量的要求不斷提高，各類民宿不斷涌現。鄉村民宿不同于城市民宿，其多數管理人員為房東或其家屬，他們相對缺乏專業的服務知識［1］。鄉村民宿在管理上主要存在以下不足：工作人員辦理業務時間過長；客房設備損壞情況得不到及時反饋；客人辦理退房后，無法自動確認房間內是否有未離開的客人；需要服務人員全天值班，管理成本過高；大多以個體形式經營且位置較分散，保障游客安全的能力有待提高。隨著“智能旅游”概念的提出，通過信息技術來實現民宿的智能化管理是打造特色民宿、提升住戶滿意度和順應時代發展的必經之路。

近年來，國內外學者針對民宿管理系統做了不少相關工作，如：Lou等提出了基于網絡物理環境的手勢交互方法，解決了智能家居環境中個性化手勢識別的問題［2］；孟巖等對智能家居的安全問題進行了研究分析，并提出了新的隱私保護機制［3］；陳星等提出了情境感知服務執行方法，并構建了智能家居原型系統［4］；肖丁等對智能家居場景聯動中出現的隱藏式沖突進行了研究，并提出了新的檢測方法，以便其更好地提供自動化服務［5］。服務、管理及營銷的智能化均能促進民宿運營，其中管理系統智能化對民宿運營的影響最為顯著［6］，但目前民宿智能化管理系統還未得到廣泛應用［7］，大多數民宿商戶對智能民宿還停留在初步認識階段，無法真正實現民宿的智能化管理。

針對上述問題，筆者擬基于數據挖掘技術［8］，使用機器學習方法構建民宿商戶輔助系統，同時創新性地將無線RFID（radio frequency identification，射頻識別）技術應用到民宿客房管理系統中，以實現民宿無人值守管理和智能家居自動控制。通過在民宿房間內布設無源RFID標簽來實時檢測房間內的人員變動情況，并根據返回的RSSI（received signal strength indicator，接受信號強度指示器）值來判斷房間內的住戶是否移動。在整個檢測過程中，住戶的身體形態不會被具象化，可保證住戶的隱私不被侵犯。民宿無人值守智能管理系統的提出，旨在實現民宿的無人化、智能化管理，在為住戶提供舒適居住環境的同時節約人力和能源成本，提升民宿的經濟效益。

1 民宿無人值守智能管理系統的總體設計

民宿無人值守智能管理系統主要包含兩部分：商戶輔助系統和客房管理系統。商戶輔助系統是通過分析由爬蟲程序爬取到的各大民宿預訂網站的數據，為民宿商戶提供價格預測等輔助決策的參考；客房管理系統是通過利用RFID檢測系統和STM32控制模塊來實現入住管理、退房管理及智能家居管理。民宿無人值守智能管理系統的總體設計框架如圖1所示。

圖1 民宿無人值守智能管理系統總體設計框架Fig.1 Overall design framework of unattended intelligent management system for homestay

2 民宿商戶輔助系統

2.1 民宿數據挖掘

利用爬蟲程序從各大熱門旅游、團購網站，如攜程旅行網、去哪兒網和美團網等，爬取大量民宿數據，包括民宿的名稱、位置、房型、用戶評價以及優惠活動等信息。使用Scrapy框架開發編寫商戶輔助系統中的爬蟲程序，Scrapy框架作為Python語言中一種可自定義抓取內容的高層次Web數據抓取框架［9］，可以快速爬取到商戶所需要的數據。如圖2所示，商戶輔助系統中爬蟲程序的工作流程如下：

1）輸入商戶所需數據的URL，然后調用request發送數據請求；

2）利用Scrapy框架中的調度器將數據資源的URL通過引擎發送給下載器；

3）下載器接收請求，獲取相應URL中的數據并返回引擎，引擎再將數據返回給爬蟲，通過xpath語法對相應的內容進行提取；

4）提取到的數據進入數據隊列，最后存儲在創建好的MySQL數據庫中。

圖2 民宿商戶輔助系統中爬蟲程序的工作流程Fig.2 Work flow of crawler program in the merchant auxilia-ry system of homestay

民宿商戶輔助系統中爬蟲程序的主要代碼如圖3所示。

圖3 民宿商戶輔助系統中爬蟲程序的主要代碼Fig.3 Main code of crawler program in the merchant auxiliary system of homestay

使用編寫好的爬蟲程序爬取熱門旅游、團購網站上民宿預訂界面的數據并存儲至到MySQL數據庫中。MySQL數據庫的運行界面如圖4所示。

圖4 MySQL數據庫的運行界面Fig.4 Operation interface of MySQL database

將爬取到的數據按照表1所示的數據格式整理至MySQL數據庫中的Ctrip表內，數據排列順序如下：序號、民宿名稱及簡介、民宿標簽、民宿評分及區域、實時價格和優惠活動等。

表1 MySQL數據庫中的數據格式Table 1 Data format in MySQL database

以Ctrip表中的內容為基礎建立民宿信息數據庫，商戶可以利用該數據庫橫向對比其他不同民宿的情況，以便對自己的民宿進行合理定位和定價。

2.2 數據分析及價格預測

通過對爬取到的民宿數據（如民宿名稱、所處區域、實時價格、優惠活動、用戶評價以及評分參數）進行分析，得到不同民宿的特征以及價格波動規律。通過對比與自家民宿特征相近的民宿的運營數據，商戶可對自家民宿進行正確定位，并根據用戶評價和評分對民宿的服務和設施設備進行提升及改進。通過對比不同日期的民宿價格，商戶可預測工作日、周末以及節假日的民宿價格，并結合自身的運營成本和服務條件對自家民宿進行合理定價，實現價格動態調整。

3 民宿客房管理系統

3.1 RFID檢測系統

無線RFID技術具有成本低、無接觸及自動識別快等優點［10-12］，廣泛應用于生產制造業和日常生活，例如食品溯源、智能車間關聯和車輛定位等［13-17］。RFID標簽對人體危害極小，幾乎可以忽略不計，因此使用RFID技術來檢測房間內的人員具有較高的安全性，如張國鋒等和鄧昀等將RFID技術分別應用于家畜養殖過程中的追蹤定位以及室內人體定位［18-19］。本文的民宿客房管理系統在利用RFID技術來檢測房間內是否有人員活動時，不會使人體形態具象化，能夠充分保護住戶的隱私。即使數據發生泄露，若沒有訓練好的機器學習算法模型，這些數據也沒有實用價值，住戶隱私仍不受侵犯。

在民宿客房管理系統中，當房門被打開時，房間內的RFID檢測系統開始工作：若住戶在正常入住時間內進入房間，則RFID檢測系統將“正確”指令傳送至民宿后臺服務器，服務器控制房間內的智能家居控制系統開始工作；若檢測到在非正常入住時間內有人進入，則RFID檢測系統將向民宿后臺服務器發送“錯誤”指令，通知管理員進行安全檢查。

RFID檢測系統包含無源RFID標簽、RFID天線、RFID讀寫器（見圖5）和STM32控制模塊（見圖6）等，其結構框圖如圖7所示。安裝該RFID檢測系統時需使用超高頻RFID設備，這是因為低頻、中高頻RFID設備的讀寫距離相對較短，不適用于檢測房間內的人員變動。超高頻RFID設備的檢測原理如圖8所示。

圖5 RFID讀寫器Fig.5 RFID reader

圖6 STM32控制模塊Fig.6 STM32 control module

圖7 RFID檢測系統結構框圖Fig.7 Structure block diagram of RFID detection system

圖8 超高頻RFID設備檢測原理Fig.8 Detection principle of ultrahigh frequency RFID device

RFID檢測系統的工作原理如下：

1）在房間墻壁上布設RFID天線以及無源RFID標簽，在STM32控制模塊的控制下，RFID天線按設定時間接收房間內無源RFID標簽返回的RSSI值。

2）無源RFID標簽布設在房間內的某一面墻壁上，鑒于檢測目標一般不超過2 m，綜合經濟性和合理性，在距地面0.5 m的墻壁處開始布設無源RFID標簽，最高布設高度為2 m，布設長度與墻壁長度相等，布設間距與超高頻RFID設備的工作波長相等。設墻壁的長度為l，高度為h，面積為S，使用的超高頻RFID設備的工作波長為λ，無源RFID標簽的個數為m，則無源RFID標簽個數與墻壁的長度、高度，超高頻RFID設備的工作波長滿足以下關系：

以面積為40 m2的房間為例，其中一面墻壁的長度約為5 m，高度約為3 m，面積約為15 m2。根據采用的超高頻RFID設備的工作波長設置無源RFID標簽的間距（0.32 m），通過計算可得該房間內需布設的無源RFID標簽約為60個。

3）當有人進入房間后，因人體的阻擋，RFID天線接收到的RSSI值發生變化，RFID讀寫器將采集到的RSSI值進行處理后按照特定格式通過串口傳輸至STM32控制模塊。

4）STM32控制模塊對RFID讀寫器采集的數據進行處理，提取RSSI值后傳輸至民宿后臺服務器。

5）民宿后臺服務器通過對不同環境下的RSSI值進行分析，以對房間內智能家居設備進行控制。

本文的RFID檢測系統采用16個無源RFID標簽，其具體布置情況如圖9所示。當住戶進入設有無源RFID標簽的房間時，RFID天線接收到的RSSI值發生變化，具體如圖10所示，其中a—p列表示16個無源RFID標簽返回的RSSI值。為方便查看房間內是否有人，在數據表中標注房間內的人員情況，其中“0”表示無人，“1”表示有人。如圖11和圖12所示，房間內有人和無人時RFID讀寫器采集到的RSSI值是不同的，通過對比RSSI值可以準確判斷房間內是否有人，從而實現人員檢測。當民宿后臺服務器接收到RSSI值后，可通過SVM（support vector machine，支持向量機）算法處理RSSI值，從而判斷房間內是否有人，并將信號傳輸給STM32控制模塊，以進行智能家居設備的控制。

圖9 無源RFID標簽布置示意圖Fig.9 Schematic diagram of passive RFID label layout

圖10 住戶進入房間前后RSSI值的變化情況Fig.10 Changes of RSSI values before and after residents en-ter the room

圖11 房間內有人時RSSI值的分布情況Fig.11 Distribution of RSSI values when person in the room

圖12 房間內無人時RSSI值的分布情況Fig.12 Distribution of RSSI values when no person in the room

SVM算法［19］的核心是找到一個使被分隔的2個類別之間有最大間隔的決策邊界（超平面），以使數據集的分類具有更高的可信度。使用SVM算法對數據集進行分類時，分類誤差應盡量小，尤其是未知數據集的分類誤差（泛化誤差）應盡量小。超平面是n維歐氏空間中余維度等于1的線性子空間（n＞3時才能被稱為超平面）。在二分類問題中，如果存在1個超平面可以將數據集分成2個類別的集合，且每個集合僅包含1個類別，那么這個超平面就是該數據集的決策邊界。對于某個數據集，使分類誤差為0的決策邊界有無數條，如圖13所示。

圖13 某一數據集的決策邊界示意圖Fig.13 Diagram of decision boundaries of a data set

n維歐氏空間的超平面可由式（1）確定：

式中：w和x都為n維列向量，其中x=[x1x2…xn]T為超平面上的點，w=[w1w2…wn]T為超平面的法向量，w決定了超平面的方向；b為超平面到原點的距離。

當決策邊界的邊際最大時，分類才具有較高的可信度，否則任何微小的變化都會對數據集的分類造成很大的影響，在這種情況下，SVM模型的訓練效果很好，但預測效果較差，導致出現“過擬合”現象，因此在尋找決策邊界時，其邊際越大越好。

為使決策邊界的邊際最大，采用線性SVM學習算法對RFID檢測系統采集的數據進行處理。

線性SVM學習算法的輸入為訓練集T={(x1，y1)，(x2，y2)，…，(xN，yN)}，其中：xi∈?，yi∈{1，0}，i=1，2，…，N。

線性SVM學習算法的輸出為分離超平面和分類決策函數，具體求解步驟如下：

1）選擇懲罰參數C＞0，構造并求解凸二次規劃問題：

2）計算分離超平面的法向量w*和分離超平面到原點的距離b*。首先，計算其中然后，選擇α*的一個分量，滿足0＜，計算由于α*中滿足的可能有很多個，將滿足條件的代入并計算對應的，通過求解多個的算術平均值得到b*。

3）求得分離超平面w*?x+b*=0和分類決策函數f(x)=sign(w*?x+b*)。

基于線性SVM學習算法的RFID檢測系統的人員檢測代碼如圖14所示，其實際運行結果如圖15所示，共檢測16個無源RFID標簽返回的RSSI值402次，其中錯誤3次，準確率為99.25%。

圖14 基于線性SVM學習算法的RFID檢測系統的人員檢測代碼Fig.14 Code for person detection of RFID detection system based on linear SVM learning algorithm

圖15 RFID檢測系統的實際運行結果Fig.15 Actual operation result of RFID detection system

3.2 智能家居控制系統

當民宿后臺服務器接收到RSSI值后，通過線性SVM學習算法對數據進行分析，以判斷房間內是否有人：若有人，則將信號回傳至STM32控制模塊，由STM32控制模塊實時控制房間內的智能家居設備。

本文的智能家居控制系統由主控制器和各個功能模塊（光感模塊和溫感模塊）組成，其硬件結構如圖16所示。其中，主控制器由STM32控制模塊、照明燈驅動電路、窗簾驅動電路和空調驅動電路組成。當用戶通過智能觸控面板對智能家居控制系統進行手動控制時，STM32控制模塊根據用戶指令對光感模塊和溫感模塊進行控制。

圖16 智能家居控制系統硬件結構框圖Fig.16 Hardware structure block diagram of intelligent home control system

3.2.1 自動控光系統

自動控光系統可以根據室內光線狀況控制房間內的照明系統，為用戶帶來舒適的照明體驗。自動控光系統由STM32控制模塊、照明燈驅動電路、窗簾驅動電路以及光感模塊組成，其中光感模塊由NB-IoT通信模塊、MCU（microcontroller unit，微控制單元）和光線傳感器三部分組成。自動控光系統的具體工作流程如下：

1）后臺服務器接收到RFID檢測系統傳來的住戶進入房間的信號后，將信號回傳至STM32控制模塊，啟動自動控光系統；

2）房間內的光線傳感器開始工作，實時檢測房間內的光線強度；

3）光線傳感器基于半導體的光電效應原理，通過光電二極管實時檢測周圍環境的光線強度，并將光信號轉換為電信號（模擬電壓信號），通過I2C通信接口將經 ADC（analog-to-digital converter，模數轉換器）轉換后的光線強度信息傳輸給MCU，MCU將處理后的數據通過NB-IoT通信模塊傳輸至STM32控制模塊；

4）STM32控制模塊接收到光線強度數據后，根據設置好的照明強度，通過照明燈驅動電路和窗簾驅動電路控制照明燈和窗簾的聯動配合，滿足不同的光線需求。

智能窗簾控制系統的硬件結構如圖17所示。

3.2.2 自動控溫系統

圖17 智能窗簾控制系統的硬件結構Fig.17 Hardware structure of intelligent curtain control system

自動控溫系統可以根據房間內的溫度狀況控制房間內的空調，為用戶帶來舒適的溫度體驗。自動控溫系統由STM32控制模塊、空調驅動電路以及溫感模塊組成，其中溫感模塊由NB-IoT通信模塊、MCU和溫度傳感器三部分組成。自動控溫系統的具體工作流程如下：

1）后臺服務器接收到RFID檢測系統傳來的住戶進入房間的信號后，將信號回傳至STM32控制系統，啟動自動控溫系統；

2）自動控溫系統啟動后，溫度傳感器開始實時檢測室內溫度；

3）溫度傳感器先將檢測到的溫度信號轉換為模擬信號，再將經ADC轉換得到數字信號通過I2C通信接口傳輸給MCU，MCU將處理后的數據通過NBIoT通信模塊傳輸至STM32控制模塊；

4）STM32控制模塊接收到溫度數據后，根據季節控制空調驅動電路工作。

當RFID檢測系統檢測到住戶進入房間時，自動控溫系統根據所處的季節設定體感適宜的溫度范圍，并利用房間內溫感傳感器實時檢測室內溫度，根據用戶需求以及當時室溫來調節空調的溫度；當RFID檢測系統檢測到住戶離開房間時，自動控溫系統將房間內的空調調到節能模式，當住戶回到房間后，自動控溫系統控制空調迅速恢復到住戶的需求模式。

3.2.3 手動集成控制系統

在民宿的每間房間內安裝智能觸控面板，實現智能家居設備的手動控制。住戶通過智能觸控面板手動調節室內智能家居設備的狀態后，智能觸控面板將住戶的操作信息傳輸給STM32控制模塊，使其直接控制房間內的燈光和溫度，以滿足住戶的不同需求。同時，住戶還可以使用手機APP或直接掃描房間內的二維碼來連接智能觸控面板，實現智能家居設備的遠程控制。此外，住戶可以按照自己的喜好模塊化定制房間內智能家居設備的工作模式，以獲得更便捷、更舒適和更友好的居住體驗。

3.3 退房管理

客房管理系統在預定成功后會向住戶發送入住時間以及退房時間，并根據退房時間對相應客房進行檢測，具體工作流程（見圖18）如下：

1）若住戶在退房時間之前提交退房申請，則在退房申請提交后啟用RFID檢測系統，確認房間內無人后，通知保潔人員進行清潔打掃。

2）若住戶未提交退房申請，則在退房時間到了之后啟用RFID檢測系統：

①若住戶已離開房間，則通知保潔人員進行清潔打掃；

②若住戶還在房間內，則通過操控房間內的聲控系統，用語音提示住戶，告知其退房時間已到，并預留10 min時間給住戶整理行李和離開房間；

③10 min后，再次啟用RFID檢測系統，若住戶已離開房間，則通知保潔人員進行清潔打掃；若住戶還在房間內，則用語音再次提示住戶并對房間進行斷水斷電操作。

4 結論

本文提出的民宿無人值守智能管理系統通過爬蟲程序挖掘民宿數據，可為輔助民宿商戶決策提供參考；無線RFID技術的合理運用實現了民宿的無人值守管理；通過使用線性SVM學習算法，RFID檢測系統的準確率達到99.25%，具有較高的實用性；STM32控制模塊實現了房間內智能家居設備的啟動控制，實現了民宿的無人化、智能化管理。民宿無人值守智能管理系統響應了國家的智能用電服務鄉村振興戰略，可為用戶提供優質的服務且節約了能源，符合可持續發展觀，具有廣闊的市場應用前景。

圖18 退房時RFID檢測系統的工作流程Fig.18 Work flow of RFID detection system when checking-out