《思科基于WiFi定位分析的技术评审概要》由会员分享，可在线阅读，更多相关《思科基于WiFi定位分析的技术评审概要（11页珍藏版）》请在金锄头文库上搜索。
1、 技术白皮书思科基于Wi-Fi 定位分析的技术评审作者:Dr. James Little 和 Dr. Brendan OBrienJuly 2013 2013 Cisco and/or its affiliates. All rights reserved. This document is Cisco Public Information.概述移动设备的快速增长使得Wi-Fi 成为了室内以及室外无线网络接入的主要方式。这种趋势对企业来说有巨大的潜力和特殊的挑战。结合思科移动服务引擎（MSE ）的定位分析技术，使得企业能够实现从定位服务中获得前所未有的好处： 定位分析：估计访客的数量，他们花费
2、的时间，他们访问地点的频率 高级分析：提供了这些访客在建筑物内移动模式的相关信息这些分析一起提供了详细的用户在某个位置或者公共空间内移动和交互的行为模式分析。这一切的实现所需要的只是思科的无线基础设施，以及将用户的智能手机或者平板电脑设备的Wi-Fi 开启。定位分析使用了高级的调整到了Wi-Fi 定位所提供数据类型的数据挖掘技术。这些数据是基于有思科MSE 每天生成的潜在的数百万计的三角定位剖分数据。本白皮书讨论了思科定位分析的技术和性能。介绍思科MSE 提供的数据计算了在网络中思科无线接入点覆盖范围内设备的离散时间，位置和MAC 地址。每个设备不需要关联就能被识别并且得到它的位置估计。这个数
3、据能够使得我们能够估计整个建筑不同部分中的行为。这些数据还能够组装成某个设备一组连续点，或者是路径，这样就能够分析它们的运动。但是，由于潜在的大量数据，需要创新的数据挖掘技术和数据过滤应用来获得有价值的结果。这些技术被首次使用的场所包括：零售商店，酒店，会议设施，购物中心，学校，甚至是城市中心任何有无线覆盖的地方。然而定位分析非常的灵活，可以模型化这些场所的特点并测量它的很多参数，比如流量，速度，停留时间，和渗透。随着时间推移，设备相关结果不仅仅对场所的营销和零售有帮助，而且还能提高运营效率和安全性。图1，显示了场所中拥挤情况的快照 关于隐私在过去的几个月时间里，对于场所内分析和终端用户隐私的
4、话题有很多的讨论。分析是为了去获得聚合的信息，而不是为了跟踪某一个访客。没有收集任何的个人档案信息相反，会收集基于设备的离散时间、位置和MAC 地址所得来的集群行为的趋势和模式。公司组织就可以利用这些信息来提高客户服务质量，从运营的角度来看进行楼层重新布局，或者从营销的角度让允许的用户收到基于定位的手机优惠劵或者是促销信息。是否参与到Wi-Fi 定位服务是完完全全由客户或者是访客自己来决定的他们只需简单的关掉他们的Wi-Fi 就不会加入了。数据的时代当一个Wi-Fi 客户端设备打开的时候，它就会发送802.11探查请求帧来识别自己周围环境中的无线网络，同时也得到与服务集标示符（SSID ）相关
5、联的接收信号强度指示（RSSI ）。即使是与无线局域网中的某个无线接入点相关联之后，这个客户端设备还是会继续发送802.11探查请求帧来识别网络，以便获得更好的服务质量，有可能会在无线接入点之间漫游。各种思科无线接入点从网络中的这些无线设备上收集了探查请求帧和其相关的RSSI 信息，连同它们的MAC 地址，发送到管理这些无线接入点的无线控制器（WLC ）。然后WLC 会将这些信息转发给MSE ，MSE 利用这些从不同无线接入点收集到的数据，通过将无线接入点的RSSI 转换成空间坐标XYZ 来三角定位无线设备。随着无线设备穿过无线接入点的网络，MSE 不断的跟踪设备的位置。然而，在实践中大多数无
6、线设备专门设计来保持电池寿命，因此周期性的发送探针请求到其他无线接入点可能有几秒钟的等待。间接地在MSE 中显示成为离散时间设备位置的快照，而不是一个连续位置流。因为每一个设备的标识符是独一无二的，这意味着可以看到连续时间点的轨迹，用来描述某个个体通过场地的运动或路径（如图1和2）。图2，位置数据的信息流 这些快照可能不会对某个个体的运动有一个完整的图示。例如，用户可能只在场所的某个特定的区域才打开他或她的电话。然而，每周记录的上百万个数据，就有可能确定一个足够好的用户数据组，并以此为基础来进行分析和推导得到可行有价值的信息。数据的转变每个设备的原始的无线定位数据第一次会加工成一个路径。考虑到
7、一个设备可能每一天会出现几次，默认截止1小时之内没有数据点就表示路径或访问结束。在这里还赋予了设备和路径额外的特征数据，例如该设备是否关联或者是否在发送探查帧，它进过的区域、和员工或会议代表的标识。许多这些特征数据是由数据中时间和位置组合推导出来的。例如，机场需要将到达和离港的旅客区分开来；这些信息可以通过分析场所中起飞侧和着陆侧区域的运动顺序推导得出。很多像这样的逻辑标记可以关联到这些设备上，可以用于之后的报告，例如代表、员工、检查人员或者抵达旅客的报告。虽然可以直接从MAC 地址收集的的信息很少，除了制造商信息，还有可以散列地址信息另一种确保用户设备隐私方式的选项。从区域和运动中获取信息位
8、置分析提供了两个正交方式来分析处理过的数据。第一个是以会场和在会场中不同部分发生事件为出发点。因此, 我们可能会感兴趣安检的等待时间、查看到的商店里与店外设备数量对比，餐馆中午的拥挤因素等等。第二种方式是以设备通过场地的不同部分为出发点。在这里我们感兴趣的是典型的路径跟随（如图3），访客从哪开始他们的访问，在某些交叉点通过不同路径的流量，或者是在某段时间访客到达的位置。这些信息能为不同行业提供各种新的不同方法来衡量他们的受众。图3，用一系列观察点组成的典型路径 区域和范围的测量一旦创建了场所的各个部分，就可以用一组测量数据来描述在里边发生了什么事件。位置分析提供了两种方法来定义一个场所的不同部
9、分。用户可以定义明确的区域，使用多边形来表示已经定义的区域。每个区域可以是繁忙或空的，可以是窄或也可以很宽。重要的是可以通过它的名字来识别它，与它相关的信息可以用到某一个已知的上下文情景中。另一种方法需要使用更多的动态区域，这些区域都是基于位置点生成的。这个过程使用了基于位置的K 均值的算法（图4）将场所分为几个集群的区域。这个选项的优点是为用户提供了即时的场所不同部分的反馈，包括当区域不清楚或不立即可用的情况。事实上，它可以用来将某一个明确的区域“划分”成代表不同行为的多个区域，例如有更多和更少的拥挤的区域，慢速和快速运动的区域。图4，在一个城市中检测到的位置信息，测量了每个位置的平均停留时
10、间并划分成集群 表1中列出了区域和范围适用的测量类型表1，区域和范围参数的描述测量值 设备数量 停留 /等待时间 拥堵因素 主导方向 速度 客户流失 保持客户 频率 描述 应用场景 在某个时间窗口内某区域中Wi-Fi设备（智能终 端，平板电脑，或者是移动电脑）的数量 设备在某个空间停留的时间的估算 任何时间窗口某个区域中出现设备数量决定的 一个规范化数值 某个区域中最典型的移动方向 两点之间直线距离除以它们之间的持续时间 在某个时间段内，出现和消失设备数量的相对 值 客户流失参数的相反，测量在某个时间段停留 的设备数量 在某个时间内某个设备被检测到的次数 决定了某个日期和时间的客户和潜在的客户
11、的 数量 决定了排队的数量，或者是在某个商店或设施 花费的时间 帮助决定潜在的瓶颈，或者是什么地方需要额 外的资源 了解行人在不同时间穿过走廊的流量数据，促 进更好的安全措施 例如可以用来区分行人，自行车，汽车，在城 市应用中非常重要 餐厅在一天中不同时间处理客户的情况对餐厅 的盈利能力非常的重要 测量哪些场所能够吸引和保持住客户 测量某个访客的忠诚度，或者如果是第一次的 访客，需要通知多少设备 许多这些测量值可以结合不同的区域和时间来提供更高层次的信息，比如机会缺口（一个零售商店内部和外部访 客数量的对比）；停留设备（在一个店停留超过5分钟与不到5分钟的访客数量的对比）；以及客户忠诚度（在促
12、 销信息下相同的设备出现的频率等等）（图5）。 图5，在某个区域的访客数量以及他们停留的时间 运动测量 访客穿过某个地点可以用不同的方式进行分析。“通用路径”是一种划分和排列某组设备路径的方法。运动也可以通 过衡量设备顺序经过的区域来测量。最后，流量分析建立了一个捕获可能通过区域的框架。 每种分析方法给出了对于运动的不同解释，因此测量方式也不同。例如区域运动，我们可以通过最常见的区域接近 或离开场地的一部分来确定。通用路径显示了最详细的某个区域中经常用到的精确路线视图。流量分析强调了当通 过一个场地，选择一个路线而不是另一个的决策的模式（图6。 图6，某个中心区域访客移动不同方向的流量分析 表
13、2显示了可用的移动测量方式 表2，移动参数的描述 测量值 常用路径 描述 应用场景 设备的数量 采用k - means数学聚类技术 ,汇集可以被识别的 类似路径和以所见的次数排序。这些可以进一 步提高实际的路径估算 从给一个区域移动到另一个区域的设备数量， 或者是在源区域和目的区域间的设备数。 某个设备在区域中移动花费的时间。这也给出 了一个测量某条路径的停留时间。 两个区域或是两个点之间的直线速度 一天中不同时段选择某个方向而不是另一个方 向的访客数量的测量值 描述设备存在过的区域，以及在这些区域中出 现的频率 能够识别客户去商店的常用路线，用于识别客 户的类型，便于放置广告 了解场所中最繁
14、忙的地区，人们采取的路线， 了解哪些场所的部分最繁忙，都是从哪里来。 地点的渗透能力是一个衡量它的租赁价值的一 个标准 人们在路径上花费的时间，可以用来帮助了解 的流动人群交流的机会 了解行人在不同时间穿过走廊的流量数据，促 进更好的安全措施 一个非常有效的方法来查看任何市场措施是否 对客户选择路径有什么影响 允许商店了解到与周围环境中其他商店的关 系，帮助商店更好的了解顾客 持续时间 速度 百分比 之前和之后的区域 开始和结束的区域 即刻之前和之后的区域 第一个后和最后前的区域 过滤 分析大量数据的关键，是是否能够轻易的集中在预定目标访客和他们行为的衡量。许多场所混合了不同的人群，试图 对他
15、们一起进行测量提供了不是很清楚明确的结果。场所里边可能混杂着购物者，上班族，路人，以及在喝咖啡的人。 在户外的差异更大，使用不同形式的交通工具出现。本系统提供了多种方法来分析信息，把所需的一系列设备分离开 来。 日期和时间是最主要的参数，我们可以过滤某天某个特定时间某个地点发生的事情，或在在一周中某个特定时间， 或是连续几周的同一天。然而，即使是在相同的时间窗口中，它可能也需要区分不同类型的人。因此，时间参数 往往需要与位置信息过滤器结合，才能够专注于一个场所的某个区域。 这些设备属于哪一群用户，有可能是提前通过他们的位置和时间来标记确认的。例如，可以使用到来时间和离开时 间，或工作人员和会议
16、代表来标记。识别那些与环境有交互而不是路过的人，可以通过停留时间参数来标识，例如， 在等待着他们的行李的人员和直接离开的人，或者是繁忙大街上停下吃饭的人。许多其他方式也是可行的，利用如 表3所示的参数的组合。 表3，参数描述 测量值 日期 时间 区域 开始区域，结束区域 中间区域 质量 已经关联或还在探测 高级标记 描述 某个特定的日期或者是某个日期段 一天中某个时间，例如午餐时间，晚上，或者是高峰时间 使用设备在建筑物中一个或者几个位置 允许分析关注在设备的路径的开始，经过，或在一个特定的区域停止。通常使用在热门路径连 接分叉的分析中。 数据质量会基于无线接入点覆盖情况，设备类型和设备使用情况而波动。这个参数运行使用大 量的数据，例如长路径或确认的停顿时间 客户端设备有可能在任何时候关联或者是发送探测帧 设备可以使用某些用户自定义的位置和时间参数来提前进行标记 移动服务API和位置分析
