本发明公开了一种基于RFID技术的室内定位大数据分析系统及方法，系统包括微基站、读卡器、电子标签、天线、路由器、电脑客户端；电子标签发送信号，读卡器利用天线接收有效范围内电子标签发送的信号并将其传送给微机站，微机站通过路由器将采集的数据传送给电脑客户端，同时微机站可以接收电脑客户端通过路由器的指令信号。电脑客户端利用室内无线信号传播损耗模型将信号接收强度(RSSI)转化为标签到每个读卡器的距离，进一步利用抖动算法和滑动窗口去除距离数据的突变值，然后利用三圆质心定位算法得到标签的坐标，并存储于数据库，通过调用数据库中的数据进行大数据分析。本发明减小了环境和偶然误差的影响，提高了定位精度。
1.一种基于RFID技术的室内定位大数据分析方法，采用基于RFID技术的室内定位大数据分析系统，其特征在于：所述系统包括微基站、读卡器、电子标签、天线、路由器、电脑客户端；
所述微基站用于接收所述电脑客户端通过路由器下发的指令信号；所述电脑客户端用于计算所述电子标签的坐标，并存储于电脑客户端的数据库中，通过调用所述数据库中的数据进行大数据分析；
步骤1.1：读卡器读取到有效范围内的电子标签发送的信号，并将电子标签发送的信号传送给微基站，微基站通过路由器将电子标签发送的信号传送到电脑客户端，同时存储于电脑客户端的数据库中；其中，电子标签发送的信号包括RSSI；
步骤1.2：电脑客户端对采集到的RSSI信号进行曲线拟合平滑处理以对丢失的或未采集到的数据进行补充，然后将处理后的数据代入室内无线信号传播损耗模型中将RSSI信号转换成电子标签到读卡器的距离r；
其中r表示电子标签到读卡器的距离，RSSI表示电子标签到读卡器的信号强度，L0＝-
步骤2.1中，求电子标签到某个读卡器的距离ri与上一次测量的距离ri-1的差，若该值大于阈值，则为异常数据，ri取前三次测量的数据中的最小值，即ri＝min(ri-1,ri-2,ri-3)；若该值小于阈值，则ri为正常数据，不做任何处理；
步骤2.2：电脑客户端利用滑动窗口对数据进行转换；
设滑动窗口的长度为t，窗口移动的步长为Δt，对t时间段内获取的距离数据进行筛选，转换为单个标签到多个读卡器的距离，然后滑动窗口下移Δt，对下一个t时间段的数据进行转换；其中，筛选过程是在该时间段内，若一个标签到某个读卡器的距离数据有重复，则以最新的距离作为有效数据；
由定位结果得到顾客在各个区域的停留次数和停留时间，结合电脑客户端的数据库建立行为偏好模型和区域热度模型，得到顾客个人喜好以及区域的受欢迎程度。
2.根据权利要求1所述的基于RFID技术的室内定位大数据分析方法，其特征在于：步骤
1.1中，电子标签发送的信号还包括电子标签的ID、读卡器的ID、信号接收时间以及电子标签的欠压状态。
3.根据权利要求1所述的基于RFID技术的室内定位大数据分析方法，其特征在于：步骤
3中，根据电子标签到每个读卡器的距离，利用三圆质心定位算法求出标签的实时坐标并存储于数据库中。
4.根据权利要求1-3任意一项所述的基于RFID技术的室内定位大数据分析方法，其特征在于：步骤4中，设tij表示第i个人在第j个区域的停留时间，sij表示第i个人在第j个区域的消费金额，nj表示一定时间段内出现在第j个区域的人数，N为该时间段内在所有区域出现的总人数，sj为该时间段内第j区域的消费金额，则：第i个人对第j个区域的喜爱程度为
一种基于RFID技术的室内定位大数据分析系统及方法
技术领域
[0001] 本发明属于室内定位技术领域，涉及一种室内定位及大数据分析系统及方法，具体涉及一种基于RFID技术的室内定位大数据分析系统及方法。
背景技术
[0002] 常用的室内定位技术有超声波、超宽带、射频识别(RFID)、红外线以及蓝牙技术等，RFID技术具有非接触、非视距、成本低且定位精度高的优点，成为优先选择的室内定位技术。
[0003] 基于RFID技术的室内定位系统采用的测量方法有接收信号强度(RSSI)测距法、到达角度法、到达时间法与达到时间差法。基于到达角度的方法结构简单，但对天线等硬件设备的要求很高；基于到达时间的测量方法存在信号发射与信号接收装置在时间上保持同步的问题；基于到达时间差的测量方法解决了测量装置时间同步的问题，但由于功率控制，导致相邻基站的接收功率非常小，会造成较大的测量误差；基于RSSI的测量方法与其他方法相比受室内环境多径效应的影响较小，更易于实现，但其易受周围障碍物遮挡以及其他电子设备的干扰。
发明内容
[0004] 为了解决上述技术问题，本发明提供了一种基于RFID技术的室内定位大数据分析系统及方法，通过对室内无线信号传播损耗模型进行改进并利用滑动窗口和抖动算法对数据进行处理，降低了周围环境和偶然误差的影响，提高了定位精度，并进一步利用定位结果，建立大数据分析的模型，分析顾客行为偏好和区域热度。
[0005] 本发明的系统所采用的技术方案是：一种基于RFID技术的室内定位大数据分析系统，其特征在于：包括微基站、读卡器、电子标签、天线、路由器、电脑客户端；
[0006] 所述电子标签发送信号，所述读卡器利用天线接收有效范围内电子标签发送的信号并将其传送给所述微机站，所述微机站通过路由器将采集的数据传送给所述电脑客户端，同时所述微机站用于接收所述电脑客户端通过路由器下发的指令信号；所述电脑客户端用于计算所述电子标签的坐标，并存储于电脑客户端的数据库中，通过调用所述数据库中的数据进行大数据分析。
[0007] 本发明的方法所采用的技术方案是：一种基于RFID技术的室内定位大数据分析方法，其特征在于，包括以下步骤：
[0008] 步骤1：数据采集；
[0009] 步骤1.1：读卡器读取到有效范围内的电子标签发送的信号，并将这些数据传送给微基站，微基站通过路由器传送到电脑客户端，同时存储于数据库；
[0010] 步骤1.2：对采集到的RSSI信号进行曲线拟合平滑处理以对丢失的或未采集到的数据进行补充，然后将其代入室内无线信号传播损耗模型中将RSSI信号转换成电子标签到读卡器的距离r；
[0011] 步骤2：数据处理与转化；
[0012] 步骤2.1：利用抖动算法去除异常数据；
[0013] 步骤2.2：利用滑动窗口对数据进行转换；
[0014] 步骤3：定位计算；
[0015] 步骤4：大数据分析；
[0016] 由定位结果得到顾客在各个区域的停留次数、停留时间，结合电脑客户端的数据库建立行为偏好模型和区域热度模型，得到顾客个人喜好以及区域的受欢迎程度。
[0017] 相对于现有技术，本发明的有益效果是：本发明设备简单，占用空间小，能自动检测添加标签，减小了环境和偶然误差的影响，在低成本的情况下实现高精度定位，并融入了大数据分析，可将其应用于娱乐场所、商场等地方。
附图说明
[0018] 图1为本发明实施例的流程图；
[0019] 图2为本发明实施例的数据采集流程图；
[0020] 图3为本发明实施例的数据转化流程图；
[0021] 图4为本发明实施例的某娱乐场所区域划分图；
[0022] 图5为本发明实施例的某娱乐场所顾客行为偏好统计图；
[0023] 图6为本发明实施例的某娱乐场所区域热度统计图。
具体实施方式
[0024] 为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
[0025] 本发明提供的一种基于RFID技术的室内定位大数据分析系统，包括微基站、读卡器、电子标签、天线、路由器、电脑客户端；电子标签发送信号，读卡器利用天线接收有效范围内电子标签发送的信号并将其传送给微机站，微机站通过路由器将采集的数据传送给电脑客户端，同时微机站用于接收电脑客户端通过路由器下发的指令信号；电脑客户端用于计算电子标签的坐标，并存储于电脑客户端的数据库中，通过调用数据库中的数据进行大数据分析。
[0026] 请见图1，本发明提供的一种基于RFID技术的室内定位大数据分析方法，包括以下步骤：
[0027] 步骤1：数据采集；
[0028] 本实施例利用了3个读卡器和5个电子标签在6m*4m的场地内进行测试，3个读卡器的位置构成一个等边三角形，则整个区域内所有电子标签的信号均可被检测到。
[0029] 步骤1.1：对读卡器和电子标签进行初始化处理，当定位系统开启以后，电子标签和读卡器之间可以传递信号，电子标签会以自定义的形式向读卡器发送信息；
[0030] 读卡器读取到有效范围内的电子标签发送的信号(包括电子标签的ID、读卡器的ID、RSSI、信号接收时间以及电子标签的欠压状态等)，并将这些数据传送给微基站，微基站通过路由器传送到电脑客户端，同时存储于数据库；
[0031] 步骤1.2：对采集到的RSSI信号进行曲线拟合平滑处理以对丢失的或未采集到的数据进行补充，然后将其代入室内无线信号传播损耗模型中将RSSI信号转换成电子标签到读卡器的距离r；具体流程如图2所示。
[0032] 本实施例的室内无线信号传播损耗模型为：
[0033]
[0034] 其中r表示电子标签到读卡器的距离，RSSI表示电子标签到读卡器的信号强度，L0＝-22dB，L1＝-41dB，L2＝-50dB。
[0035] 步骤2：数据处理与转化；
[0036] 步骤2.1：利用抖动算法去除异常数据；
[0037] 在数据采集的过程中，会触发定时器，在未到达预定时间时，会继续进行数据采集，当数据采集到了预定时间则利用抖动算法(阈值设为138cm)去掉异常数据。
[0038] 求电子标签到某个读卡器的距离ri与上一次测量的距离ri-1的差，若该值大于阈值，则为异常数据，ri取前三次测量的数据中的最小值，即ri＝min(ri-1,ri-2,ri-3)；若该值小于阈值，则ri为正常数据，不做任何处理。
[0039] 步骤2.2：利用滑动窗口对数据进行转换；
[0040] 设滑动窗口的长度为t，窗口移动的步长为Δt，对t时间段内获取的距离数据进行筛选(在该时间段内，若一个标签到某个读卡器的距离数据有重复，则以最新的距离作为有效数据)，转换为单个标签到多个读卡器的距离，然后滑动窗口下移Δt，对下一个t时间段的数据进行转换。
[0041] 为了便于坐标计算，本实施例利用滑动窗口(参数为t＝2s,Δt＝1s)对数据进行筛选并将原始的信息即每个标签到每个读卡器(单对单)转换成每个标签到多个读卡器(单对多)的格式。将转换后的信息传递给坐标计算模块便可得到各个标签的位置信息。具体流程如图3所示。
[0042] 步骤3：定位计算；
[0043] 根据电子标签到每个读卡器的距离，利用三圆质心定位算法求出标签的实时坐标并存储于数据库中。
[0044] 本实施例中，以电子标签到每个读卡器的距离为半径，以读卡器的位置为圆心画圆，判断三个圆相交的情况，若不相交则此刻的坐标即为将上一时刻的坐标，相交的情况分为两圆相交和三圆相交来分别求质心得到最终待测点的坐标并存储于数据库中。
[0045] 随机取15组坐标作为待测位置对该室内定位系统性能进行测试，以实际位置和测量位置的差值平方和再开方作为系统的定位误差，具体误差测试结果请见表1，通过表1可以看出该室内定位系统的误差是稳定在一定范围内的，平均误差为0.49m，最大误差控制在1m以内，符合室内定位及大数据分析的需求。
[0046] 表1误差测试结果
[0047] 序号 实际坐标(米) 测量坐标(米) 误差(米)1 (1.04,2.76) (1.66,2.74) 0.38
2 (3.66,1.21) (3.59,0.85) 0.36
3 (3.45,3.98) (2.62,3.93) 0.83
4 (4.28,2.02) (3.72,2.00) 0.56
5 (2.69,3.47) (2.39,3.15) 0.44
6 (5.41,0.97) (5.20,0.82) 0.26
7 (2.23,2.62) (1.93,2.10) 0.59
8 (3.10,2.87) (3.07,2.31) 0.56
9 (4.81,1.32) (4.33,1.30) 0.48
10 (1.31,3.04) (0.89,2.67) 0.55
11 (2.77,2.50) (2.46,3.02) 0.61
12 (4.36,3.73) (3.96,3.57) 0.43
13 (2.63,3.65) (2.21,3.18) 0.63
14 (5.44,3.46) (5.10,3.22) 0.41
15 (1.20,2.45) (1.06,2.11) 0.36
[0048] 步骤4：大数据分析；
[0049] 由定位结果得到顾客在各个区域的停留次数、停留时间，结合电脑客户端的数据库建立行为偏好模型和区域热度模型，得到顾客个人喜好以及区域的受欢迎程度。
[0050] 设tij表示第i个人在第j个区域的停留时间，sij表示第i个人在第j个区域的消费金额，nj表示一定时间段内出现在第j个区域的人数，N为该时间段内在所有区域出现的总人数，sj为该时间段内第j区域的消费金额，则：
[0051] 第i个人对第j个区域的喜爱程度为
[0052] 第j个区域的热度为
[0053] 本实施例将某娱乐场所内不同的设施场地划分为5个区域，请见图4所示；统计5个电子标签的坐标信息与消费情况，代入大数据分析模型，并进行归一化，得到分析结果如图5、图6所示。从图5可以看出1800020号标签对区域3和区域4最感兴趣，对区域1和区域5不太感兴趣，针对其喜好，可向其推荐合适的娱乐套餐。图6展示了区域热度饼状图，可以看出区域4最受欢迎，然后依次是区域5、区域3、区域2、区域1，因此可以考虑扩大区域4和区域5的建设。
[0054] 本发明对室内无线信号传播损耗模型进行改进，并在前期数据处理中采用了抖动算法和滑动窗口，以减小环境和偶然误差的影响，提高定位精度，最后根据定位结果结合顾客消费情况建立了大数据分析模型。
[0055] 应当理解的是，本说明书未详细阐述的部分均属于现有技术。
[0056] 应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
