基于无线探测的WiFi热点用户时间特性分析.docx

PAGE V PAGE I MACROBUTTON MTEditEquationSection2 SEQ MTEqn \r \h \* MERGEFORMAT SEQ MTSec \r 1 \h \* MERGEFORMAT SEQ MTChap \r 1 \h \* MERGEFORMAT 基于无线探测的WiFi热点用户时间特性分析 摘 要 人类移动性的研究在很多领域引起了关注，其规律对人类行为甚至人类社会关系的研究具有重要的意义，如预测股票走势，道路规划，预防疾病传播，犯罪行为监测等。其中群体用户、不同个体用户的时间属性看似杂乱无章，但实际上有规律可循。人类移动性时间属性规律的研究可应用于深入探索人类行为特征，如营销策略优化、智能家具、身份识别、犯罪行为预测等。 近几年来，移动互联网迅速发展以及移动智能终端大量普及，使我们获取大规模、长时间、精准度高的数据成为可能。移动终端反映用户消费水平的同时，可以侧面反映出用户的某些行为、偏好、时间规律特性和移动轨迹等等。为了研究局部区域内人类移动性时间属性规律，本文探讨了WiFi技术的优点，实现了用于移动智能终端监测的无线实境分析系统，并且不断地对该系统的功能模块进行一些优化。 我们以人类移动性的时间属性为基础，研究群体和个体用户时间特性方面的规律。时间规律模型的分析结果可以应用在城市、交通等公共服务，还可以应用在身份识别、犯罪预测、预防拥堵、特殊营销策略等情况，对于个人用户的时间研究，可以提取个体用户行为特征，进行正常行为及可疑行为判别，判别性别信息，职业身份甚至可以进行用户的犯罪特征提取。 最后，针对人类移动性、无线实境分析系统及时间属性的分析，本文完成了以下工作和创新： （1）实现了无线实境分析系统的功能模块的一些优化。具体开发工作包括，对呈现模块进行了优化；对数据采集模块进行功能优化，拓展采集数据的范围，实现多点联合监测；对功能模块进行扩展开发，如多商铺对比分析功能，多点关联分析功能、报表汇总功能。 （2）以群体用户的角度分析驻留时间分布规律。利用赤池信息量准则（AIC）验证了不同场景下无线热点群体用户日内累积驻留时间符合幂律分布模型，日平均驻留时间符合指数截断幂律分布规律。 （3）以个体用户的角度分析驻留时间分布规律，并进行身份划分。得出结论：按时上下班人员的日驻留时间概率分布符合多峰高斯分布，并且最高峰值时刻在驻留时间为13~14小时。不需按时上下班的教研室人员的驻留时间越短，日驻留时间概率分布越趋于长尾分布。 （4）基于非线性时间序列方法对校园内有效监测点下个体用户到访时间进行预测。 关键词：人类移动性; 幂律分布; 指数截断幂律分布; AIC检测; 到访时间预测 WiFi HOTSPOT USER TIME CHARACTERISTIC ANALYSIS BASED ON THE WIRELESS DETECTION ABSTRACT The study to human mobility has caused a lot of attention in many fields, and has significance to the study of human behavior and the social relationship, such as forecasting stock movements, road planning, prevention of the spread of disease, crime behavior monitoring. The time attribute of both group users and individual users seems to be disordered, but actually there are rules to follow. The research on the time attribute of human mobility can be used to explore the characteristics of human behavior, such as the optimization of marketing strategy, intelligent furniture, identity recognition, and criminal behavior prediction. In recent years, with the rapid development of mobile Internet and mobile intelligent terminal, these technologies make it possible to