一种基于超高频RFID统计客流量的方法及系统

摘要

本发明公开了一种基于超高频RFID统计客流量的方法及系统，涉及客流统计技术领域，包括：根据不同载体及参观者身份粘贴超高频标签，写入分类数据，在待统计区域，安装接收器，当参观者佩戴含有标签的物件进入统计区域后，接收器无感读取标签；RFID接收器定时发送标签信息到边缘计算网关，边缘计算网关进行第一次判断；将第一次判断数据推送到物联网网关，物联网网关进行第二次判断，并提供接口供外部调用；当区域接收器接收到标签信息后，统计区域客流量。本发明提供的基于超高频RFID统计客流量的方法解决了精准识别客流方向和定位；通过给不同的佩戴物给予不同的标签值，精准识别人群画像。

权利要求

1.一种基于超高频RFID统计客流量的方法，其特征在于，包括：

根据不同载体及参观者身份粘贴超高频标签，写入分类数据，若所述载体自带编号，将整体编号编入标签中；

在待统计区域，安装超高频RFID接收器，当参观者佩戴含有超高频RFID标签的物件进入统计区域后，超高频RFID接收器无感读取超高频RFID标签；

RFID接收器定时发送超高频RFID标签信息到边缘计算网关，边缘计算网关进行第一次判断；

将第一次判断数据推送到物联网网关，物联网网关进行第二次判断，并提供接口供外部调用；

当区域超高频RFID接收器接收到超高频RFID标签信息后，统计区域客流量；

当超高频RFID标签所绑定的参观者被另一个区域超高频RFID接收器接收时，自动解绑上一个区域；

所述第一次判断包括清洗收集到的原始数据，对超高频RFID标签的读取进行错误和异常筛选，对读取到的标签会被识别和分类，按照所述参观者身份编码，生成对应的标签识别和分类信息；

基于标签的读取记录计算每个标签对应的活动时间，预估参观者在各个统计区域的停留时间，分析参观者的兴趣点；

计算标签的活动频率，将频率解析为参观者的移动速度；

根据所述活动时间和所述活动频率，以及标签读取顺序，构建参观者的行为模型，推测参观者的移动路径，并根据参观者状态构建问题信息数据集；

若参观者在预设第一时间阈值内频繁切换区域，判断为快速参观者，将其标记并增加监测次数，生成并推送高效参观路径，判断为状态A1；

若参观者在某一区域停留时间长于预设第一时间阈值小于第二时间阈值，判断对区域有兴趣，将其标记为深度参观者并增加监测次数，系统会自动为其生成并推送相关区域的深度信息，判断为状态A2；

若参观者未被任何接收器读取时间大于等于预设第二时间阈值，通过预设规则和技术方案，判断其已离开或暂时离开，将其标记为无效参观者，并记录最后一次活动时间，判断为状态A3；

所述第二次判断包括物联网网关接收边缘计算网关传递的第一次判断数据，构建人流网络；

采用图神经网络分析构建的人流网络，捕捉并嵌入参观者在各区域的相对行为，生成对应的参观者行为模型，通过基于图的半监督学习方法，推测并标记新的参观者行为模式；

根据生成的参观者行为模型，以及图神经网络的推测结果，实时调整所述数据集的状态信息，根据参观者的停留时间和频率，推动客流分布，根据参观者的行为模式，推送个性化的展品推荐。

2.如权利要求1所述的基于超高频RFID统计客流量的方法，其特征在于：所述不同载体包括门票、参观证、工作证、安全帽、手牌；

所述参观者身份包括工作人员以及游客；

所述分类数据包括根据所述参观者身份进行编码；

所述无感读取超高频RFID标签包括超高频RFID设定时间内读取并提交接收到的超高频RFID标签信息，将读取的标签信息进行筛选，提交活跃状态的标签信息；

边缘计算网关预测标签的状态是否有效，若预测标签在超高频RFID接收器上无效，边缘计算网关将发送通知到超高频RFID接收器，增加对标签的监测次数，并进行无效确认判断，若无效确认判断后状态仍无效，边缘计算网关将标签编码标记为无效，记录无效时间，并通知当前接收器减少对标签的监测次数；

若预测标签在接收器上有效，边缘计算网关接收器上的标签进行状态更新为有效，记录标签的最新活动时间和持续时间，边缘计算网关接收来自超高频RFID接收器的标签信息，进行第一次判断。

3.如权利要求2所述的基于超高频RFID统计客流量的方法，其特征在于：所述构建问题信息数据集包括，当参观者的行为模式为A1时，根据行为模式分析参观者在各区域的停留时间、活动频率以及移动路径，预测其可能的兴趣点和后续可能访问的区域，通过物联网网关推送优化的导览路径和区域概述信息；

当参观者的行为模式为A2时，分析其在各区域的停留时间以及特定展品前的停留时间，预测其可能对哪些展品感兴趣，并通过物联网网关推送相关的展品详细信息和相似展品的推荐；

当参观者的行为模式为A3时，记录最后的活动时间和区域，若参观者返回并被RFID接收器再次读取，根据行为模式推测是否从离开的位置继续参观，根据他们的行为模式生成新的导览路径，若在返回后的行为模式显示出快速参观或深度参观的特征，进行重新分类，并提供信息服务；

根据问题信息数据集行为模式信息，当出现相同行为模式时按照数据集等级进行判断。

4.如权利要求3所述的基于超高频RFID统计客流量的方法，其特征在于：所述统计区域客流量包括根据所有在统计区域内被读取的超高频RFID标签的数量，作为参观者数量的代表，实时更新统计区域的参观者数量，对于每一个新进入的参观者，统计区域客流量加一，对于每一个离开的参观者，统计区域客流量减一，记录参观者在统计区域的停留时间，基于当前记录和历史的统计数据，生成客流预测模型。

5.如权利要求4所述的基于超高频RFID统计客流量的方法，其特征在于：所述自动解绑上一个区域包括当超高频RFID标签被另一个区域的超高频RFID接收器接收时，自动将标签与上一个区域解绑，并与新的区域绑定，更新统计区域的客流量，同时根据客流预测模型，预测新区域未来的客流量，以及预测参观者可能的行为和停留时间，若预测的客流量超过客流量阈值，推送警告并建议采取措施，记录参观者的移动路径，重新分析并构建行为模型。

6.一种采用如权利要求1 5任一所述的基于超高频RFID统计客流量的方法的系统，其~特征在于，包括：标签管理模块、接收器管理模块、边缘计算网关模块、物联网网关模块、图神经网络模块以及预测模块；

所述标签管理模块用于为参观者分配超高频RFID标签，并对其进行管理和监控；

所述接收器管理模块用于在各统计区域安装超高频RFID接收器，无感读取区域内所有参观者的超高频RFID标签，并定时将标签信息发送到边缘计算网关；

所述边缘计算网关模块用于接收来自超高频RFID接收器的标签信息，并进行初步的数据分析和判断，并生成行为模型；

所述物联网网关模块用于接收来自边缘计算网关的行为模型，根据行为模型和图神经网络的推测结果，推送个性化的展品推荐和优化的导览路径；

所述图神经网络模块用于通过图神经网络捕捉并嵌入参观者在各区域的相对行为，生成参观者行为模型，通过基于图的半监督学习方法，推测并标记新的参观者行为模式；

所述预测模块用于统计各区域的客流量，并生成客流预测模型，根据所有在统计区域内被读取的超高频RFID标签的数量，实时更新统计区域的参观者数量，当超高频RFID标签被另一个区域的超高频RFID接收器接收时，自动将标签与上一个区域解绑，并与新的区域绑定。

7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的基于超高频RFID统计客流量的方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的基于超高频RFID统计客流量的方法的步骤。

说明书

一种基于超高频RFID统计客流量的方法及系统

技术领域

[0001] 本发明涉及客流统计技术领域，具体为一种基于超高频RFID统计客流量的方法及系统。

背景技术

[0002] 目前统计人流量主要有一、通过闸机进出统计客流量，二、通过WLAN探针统计客流量，三、通过摄像头和视觉算法统计客流量，四、通过人体感应统计客流量。

[0003] 但是第一种方法需要安装闸机，对安装环境要求比较高。第二种方法需要被统计的对象所携带的设备WIFI打开。第三种方法需要大量安装摄像头，如果遮挡，则无法识别。第四种方法容易被干扰，一般用于特定位置，以上几种最大问题是无法精准识别真正的客流量，往往会把工作人员统计进来，失去了数据的准确性。

[0004] 因此亟需一种基于超高频RFID统计客流量的方法，对参观者进行精确识别并区分，全面捕获参观者的行为模式，从而有效地提高客流统计的准确性和效率，同时降低成本和硬件依赖。

发明内容

[0005] 本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

[0006] 鉴于上述存在的问题，提出了本发明。

[0007] 因此，本发明解决的技术问题是：如何对于不同身份的参观者进行更精确的人流统计，同时分析参观者的行为，以提供更优质的服务。传统的客流统计方法难以实现细分的身份统计，也缺乏对参观者行为的深度解析能力。

[0008] 为解决上述技术问题，本发明提供如下技术方案：一种基于超高频RFID统计客流量的方法，包括：根据不同载体及参观者身份粘贴超高频标签，写入分类数据，若所述载体自带编号，将整体编号编入标签中；在待统计区域，安装超高频RFID接收器，当参观者佩戴含有超高频RFID标签的物件进入统计区域后，超高频RFID接收器无感读取超高频RFID标签；RFID接收器定时发送超高频RFID标签信息到边缘计算网关，边缘计算网关进行第一次判断；将第一次判断数据推送到物联网网关，物联网网关进行第二次判断，并提供接口供外部调用；当区域超高频RFID接收器接收到超高频RFID标签信息后，统计区域客流量；当超高频RFID标签所绑定的参观者被另一个区域超高频RFID接收器接收时，自动解绑上一个区域。

[0009] 作为本发明所述的基于超高频RFID统计客流量的方法的一种优选方案，其中：所述不同载体包括门票、参观证、工作证、安全帽、手牌；所述参观者身份包括工作人员以及游客；所述分类数据包括根据所述参观者身份进行编码；所述无感读取超高频RFID标签包括超高频RFID设定时间内读取并提交接收到的超高频RFID标签信息，将读取的标签信息进行筛选，提交活跃状态的标签信息；边缘计算网关预测标签的状态是否有效，若预测标签在超高频RFID接收器上无效，边缘计算网关将发送通知到超高频RFID接收器，增加对标签的监测次数，并进行无效确认判断，若无效确认判断后状态仍无效，边缘计算网关将标签编码标记为无效，记录无效时间，并通知当前接收器减少对标签的监测次数；若预测标签在接收器上有效，边缘计算网关接收器上的标签进行状态更新为有效，记录标签的最新活动时间和持续时间，边缘计算网关接收来自超高频RFID接收器的标签信息，进行第一次判断。

[0010] 作为本发明所述的基于超高频RFID统计客流量的方法的一种优选方案，其中：所述第一次判断包括清洗收集到的原始数据，对超高频RFID标签的读取进行错误和异常筛选，对读取到的标签会被识别和分类，按照所述参观者身份编码，生成对应的标签识别和分类信息；基于标签的读取记录计算每个标签对应的活动时间，预估参观者在各个统计区域的停留时间，分析参观者的兴趣点；计算标签的活动频率，将频率解析为参观者的移动速度；根据所述活动时间和所述活动频率，以及标签读取顺序，构建参观者的行为模型，推测参观者的移动路径，并根据参观者状态构建问题信息数据集；

[0011] 若参观者在预设第一时间阈值内频繁切换区域，判断为快速参观者，将其标记并增加监测次数，生成并推送高效参观路径，判断为状态A1；若参观者在某一区域停留时间长于预设第一时间阈值小于第二时间阈值，判断对区域有兴趣，将其标记为深度参观者并增加监测次数，系统会自动为其生成并推送相关区域的深度信息，判断为状态A2；若参观者未被任何接收器读取时间大于等于预设第二时间阈值，通过预设规则和技术方案，判断其已离开或暂时离开，将其标记为无效参观者，并记录最后一次活动时间，判断为状态A3。

[0012] 作为本发明所述的基于超高频RFID统计客流量的方法的一种优选方案，其中：所述构建问题信息数据集包括，当参观者的行为模式为A1时，根据行为模式分析参观者在各区域的停留时间、活动频率以及移动路径，预测其可能的兴趣点和后续可能访问的区域，通过物联网网关推送优化的导览路径和区域概述信息；当参观者的行为模式为A2时，分析其在各区域的停留时间以及特定展品前的停留时间，预测其可能对哪些展品感兴趣，并通过物联网网关推送相关的展品详细信息和相似展品的推荐；当参观者的行为模式为A3时，记录最后的活动时间和区域，若参观者返回并被RFID接收器再次读取，根据行为模式推测是否从离开的位置继续参观，根据他们的行为模式生成新的导览路径，若在返回后的行为模式显示出快速参观或深度参观的特征，进行重新分类，并提供信息服务；

[0013] 根据问题信息数据集行为模式信息，当出现相同行为模式时按照数据集等级进行判断。

[0014] 作为本发明所述的基于超高频RFID统计客流量的方法的一种优选方案，其中：所述第二次判断包括物联网网关接收边缘计算网关传递的第一次判断数据，构建人流网络；采用图神经网络分析构建的人流网络，捕捉并嵌入参观者在各区域的相对行为，生成对应的参观者行为模型，通过基于图的半监督学习方法，推测并标记新的参观者行为模式；根据生成的参观者行为模型，以及图神经网络的推测结果，实时调整所述数据集的状态信息，根据参观者的停留时间和频率，推动客流分布，根据参观者的行为模式，推送个性化的展品推荐。

[0015] 作为本发明所述的基于超高频RFID统计客流量的方法的一种优选方案，其中：所述统计区域客流量包括根据所有在统计区域内被读取的超高频RFID标签的数量，作为参观者数量的代表，实时更新统计区域的参观者数量，对于每一个新进入的参观者，统计区域客流量加一，对于每一个离开的参观者，统计区域客流量减一，记录参观者在统计区域的停留时间，基于当前记录和历史的统计数据，生成客流预测模型。

[0016] 作为本发明所述的基于超高频RFID统计客流量的方法的一种优选方案，其中：所述自动解绑上一个区域包括当超高频RFID标签被另一个区域的超高频RFID接收器接收时，自动将标签与上一个区域解绑，并与新的区域绑定，更新统计区域的客流量，同时根据客流预测模型，预测新区域未来的客流量，以及预测参观者可能的行为和停留时间，若预测的客流量超过客流量阈值，推送警告并建议采取措施，记录参观者的移动路径，重新分析并构建行为模型。

[0017] 本发明的另外一个目的是提供一种基于超高频RFID统计客流量的系统，其能通过实时读取和分析参观者的RFID标签信息，实现对参观者行为的精准捕捉和分析。

[0018] 为解决上述技术问题，本发明提供如下技术方案： 一种基于超高频RFID统计客流量的系统，包括：标签管理模块、接收器管理模块、边缘计算网关模块、物联网网关模块、图神经网络模块以及预测模块；所述标签管理模块用于为参观者分配超高频RFID标签，并对其进行管理和监控；所述接收器管理模块用于在各统计区域安装超高频RFID接收器，无感读取区域内所有参观者的超高频RFID标签，并定时将标签信息发送到边缘计算网关；所述边缘计算网关模块用于接收来自超高频RFID接收器的标签信息，并进行初步的数据分析和判断，并生成行为模型；所述物联网网关模块用于接收来自边缘计算网关的行为模型，根据行为模型和图神经网络的推测结果，推送个性化的展品推荐和优化的导览路径；所述图神经网络模块用于通过图神经网络捕捉并嵌入参观者在各区域的相对行为，生成参观者行为模型，通过基于图的半监督学习方法，推测并标记新的参观者行为模式；所述预测模块用于统计各区域的客流量，并生成客流预测模型，根据所有在统计区域内被读取的超高频RFID标签的数量，实时更新统计区域的参观者数量，当超高频RFID标签被另一个区域的超高频RFID接收器接收时，自动将标签与上一个区域解绑，并与新的区域绑定。

[0019] 一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述基于超高频RFID统计客流量的方法的步骤。

[0020] 一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述基于超高频RFID统计客流量的方法的步骤。

[0021] 本发明的有益效果：本发明提供的基于超高频RFID统计客流量的方法通过超高频RFID技术，解决了现有技术的客流量统计不准的问题；结合区域切换算法，精准识别客流方向和定位问题；通过给不同的佩戴物给予不同的标签值，可精准识别人群画像；支持4G、WLAN、有线网络各种方式发送信息；解决某些物品易丢失问题。与现有技术相比，本发明基于超高频RFID技术，结合区域切换算法，在识别率、抗干扰方面有着强鲁棒性。

附图说明

[0022] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。其中：

[0023] 图1为本发明一个实施例提供的一种基于超高频RFID统计客流量的方法的整体流程图。

[0024] 图2为本发明一个实施例提供的一种基于超高频RFID统计客流量的方法的物联网网关计算和统计流程图。

[0025] 图3为本发明一个实施例提供的一种基于超高频RFID统计客流量的方法的生成报表流程图。

[0026] 图4为本发明一个实施例提供的一种基于超高频RFID统计客流量的方法的自动解绑流程图。

[0027] 图5为本发明第二个实施例提供的一种基于超高频RFID统计客流量的系统的整体结构图。

[0028] 图6为本发明第四个实施例提供的一种基于超高频RFID统计客流量的方法与传统方法的对比图。

具体实施方式

[0029] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

[0030] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

[0031] 其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

[0032] 本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

[0033] 同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

[0034] 本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

[0035] 实施例1

[0036] 参照图1‑图4，为本发明的一个实施例，提供了一种基于超高频RFID统计客流量的方法，包括：

[0037] 根据不同载体及参观者身份粘贴超高频标签，写入分类数据。

[0038] 在待统计区域，安装超高频RFID接收器，当参观者佩戴含有超高频RFID标签的物件进入统计区域后，超高频RFID接收器无感读取超高频RFID标签。

[0039] RFID接收器定时发送超高频RFID标签信息到边缘计算网关，边缘计算网关进行第一次判断。

[0040] 如图2所示，将第一次判断数据推送到物联网网关，物联网网关进行第二次判断，根据标签数量和在各个区域的时间生成报表，如图3所示，并提供接口供外部调用。

[0041] 当区域超高频RFID接收器接收到超高频RFID标签信息后，统计区域客流量。

[0042] 当超高频RFID标签所绑定的参观者被另一个区域超高频RFID接收器接收时，自动解绑上一个区域。

[0043] 不同载体包括门票、参观证、工作证、安全帽、手牌；参观者身份包括工作人员以及游客；分类数据包括根据参观者身份进行编码。

[0044] 根据不同的载体将参观者分为工作人员和非工作人员，设置16位项目编号为编码第1至第16位，编码第17位为人员类型，工作人员为编号A，非工作人员为编号B，第18至23位为不重复的随机编码，区别不同的人员，若所述载体自带编号，将整体编号编入标签中。

[0045] 无感读取超高频RFID标签包括超高频RFID设定时间内读取并提交接收到的超高频RFID标签信息，将读取的标签信息进行筛选，提交活跃状态的标签信息，在本发明中设定时间设定为5秒。

[0046] 活跃状态包括高活跃，中活跃，低活跃。

[0047] 当RFID标签的加速度超过第一预设阈值，定义为高活跃状态，标签快速改变了速度或方向。

[0048] 当RFID标签的速度在第一预设阈值与第二预设阈值间，为中活跃状态，标签正在以恒定的速度移动。

[0049] 当RFID标签的速度低于第一预设阈值时，将其定义为低活跃状态，标签没有移动。

[0050] 采用动态阈值方法，基于环境因素自动调整定义活跃状态的阈值，当热门活动进行时，自动提高定义高活跃状态的阈值，从而更难进入高活跃状态。在活动期间，大多数人都会更活跃，能够区分出真正的高活跃者。

[0051] 在夜间或恶劣天气条件下，自动降低阈值，使得更容易进入高活跃和中活跃状态，会降低活动水平，对此进行适当的调整。

[0052] 边缘计算网关预测标签的状态是否有效，若预测标签在超高频RFID接收器上无效，边缘计算网关将发送通知到超高频RFID接收器，增加对标签的监测次数，并进行无效确认判断，若无效确认判断后状态仍无效，边缘计算网关将标签编码标记为无效，记录无效时间，并通知当前接收器减少对标签的监测次数。

[0053] 在系统预测标签状态无效的情况下，为了确认标签的真实状态，增加对这个标签的监测次数，获得更多的数据进行更准确的判断，避免误判和误报。

[0054] 当经过增加的监测后，再次判断标签状态仍为无效，将该标签标记为无效，并减少对此标签的监测次数，减少监测优化系统资源，避免浪费过多的资源在已经确定无效的标签上。

[0055] 若预测标签在接收器上有效，边缘计算网关接收器上的标签进行状态更新为有效，记录标签的最新活动时间和持续时间，边缘计算网关接收来自超高频RFID接收器的标签信息，进行第一次判断。

[0056] 预测标签的状态是否有效包括，边缘计算网关首先接收从RFID接收器发来的标签信息，网关判断标签的信号强度是否低于设定的信号强度阈值，检查距离上次读取此标签的时间，时候超过读取时间阈值，若接收的标签信息均大于预设阈值，将标签判断为可能无效状态。

[0057] 在初始判断为可能无效的标签后，边缘计算网关增加对该标签的监测次数，要求RFID接收器在接下来的5分钟内，每分钟都读取该标签的信号，并从其他接收器获取此标签的信息以进行交叉验证，网关对增加的监测数据进行分析，检查标签的信号是否始终低于预设阈值，及查看标签是否在多个接收器之间频繁切换，若在30秒内标签的读取记录从一个接收器突然转到另一个接收器，说明标签被移动。

[0058] 当标签的信号质量始终低于阈值且标签只在一个接收器附近被检测到，网关将最终判断该标签为无效，环境因素或者参观者移动造成的临时性的信号衰减，若将标签判断为无效，会导致大量的误判，若一个标签只在同一个接收器附近被检测到，但信号质量一直很好，因为参观者长时间停留在同一个地方，而不是标签无效。

[0059] 当标签的信号质量大于等于设定的信号强度阈值，或者在二次判断期间内标签在多个接收器之间移动，网关将最终判断该标签为有效，避免临时的信号衰减或者其他非标签本身问题导致的误判。

[0060] 对于判断为有效的标签，边缘计算网关将维持频率继续接收和处理标签的信息，并根据需要更新标签的状态和活动信息。

[0061] 对于判断为无效的标签，边缘计算网关将标签的状态记录为无效，并记录下这个无效状态发生的时间，网关告知RFID接收器减少对该标签的监测频次。

[0062] 第一次判断包括清洗收集到的原始数据，对超高频RFID标签的读取进行错误和异常筛选，对读取到的标签会被识别和分类，按照参观者身份编码，生成对应的标签识别和分类信息。

[0063] 基于标签的读取记录计算每个标签对应的活动时间，预估参观者在各个统计区域的停留时间，分析参观者的兴趣点。

[0064] 计算标签的活动频率，将频率解析为参观者的移动速度。

[0065] 根据活动时间和活动频率，以及标签读取顺序，构建参观者的行为模型，推测参观者的移动路径，并根据参观者状态构建问题信息数据集。

[0066] 若参观者在预设第一时间阈值内频繁切换区域，判断为快速参观者，将其标记并增加监测次数，生成并推送高效参观路径，判断为状态A1。

[0067] 若参观者在某一区域停留时间长于预设第一时间阈值小于第二时间阈值，判断对区域有兴趣，将其标记为深度参观者并增加监测次数，系统会自动为其生成并推送相关区域的深度信息，判断为状态A2。

[0068] 若参观者未被任何接收器读取时间大于等于预设第二时间阈值，通过预设规则和技术方案，判断其已离开或暂时离开，将其标记为无效参观者，并记录最后一次活动时间，判断为状态A3。

[0069] 构建问题信息数据集包括，当参观者的行为模式为A1时，根据行为模式分析参观者在各区域的停留时间、活动频率以及移动路径，预测其可能的兴趣点和后续可能访问的区域，通过物联网网关推送优化的导览路径和区域概述信息。

[0070] 当参观者的行为模式为A2时，分析其在各区域的停留时间以及特定展品前的停留时间，预测其可能对哪些展品感兴趣，并通过物联网网关推送相关的展品详细信息和相似展品的推荐。

[0071] 当参观者的行为模式为A3时，记录最后的活动时间和区域，若参观者返回并被RFID接收器再次读取，根据行为模式推测是否从离开的位置继续参观，根据他们的行为模式生成新的导览路径，若在返回后的行为模式显示出快速参观或深度参观的特征，进行重新分类，并提供信息服务。

[0072] 根据问题信息数据集行为模式信息，当出现相同行为模式时按照数据集等级进行判断。

[0073] 第二次判断包括物联网网关接收边缘计算网关传递的第一次判断数据，构建人流网络。

[0074] 采用图神经网络分析构建的人流网络，捕捉并嵌入参观者在各区域的相对行为，生成对应的参观者行为模型，通过基于图的半监督学习方法，推测并标记新的参观者行为模式。

[0075] 根据生成的参观者行为模型，以及图神经网络的推测结果，实时调整所述数据集的状态信息，根据参观者的停留时间和频率，推动客流分布，根据参观者的行为模式，推送个性化的展品推荐。

[0076] 如图4所示，统计区域客流量包括根据所有在统计区域内被读取的超高频RFID标签的数量，作为参观者数量的代表，实时更新统计区域的参观者数量，对于每一个新进入的参观者，统计区域客流量加一，对于每一个离开的参观者，统计区域客流量减一，记录参观者在统计区域的停留时间，基于当前记录和历史的统计数据，生成客流预测模型。

[0077] 通过记录RFID标签被读取的时间来确定参观者的停留时间，当一个标签第一次被读取时，记录下该时间点，这是参观者进入该区域的时间，当该标签不再被读取时，再次记录下时间，这是参观者离开该区域的时间。参观者的停留时间就是这两个时间点之间的差值。

[0078] 自动解绑上一个区域包括当超高频RFID标签被另一个区域的超高频RFID接收器接收时，自动将标签与上一个区域解绑，并与新的区域绑定，更新统计区域的客流量，同时根据客流预测模型，预测新区域未来的客流量，以及预测参观者可能的行为和停留时间，若预测的客流量超过客流量阈值，推送警告并建议采取措施，记录参观者的移动路径，重新分析并构建行为模型。

[0079] 当客流量超过阈值时，若状态为状态A1，通过物联网网关向这些参观者推送感兴趣的展品信息，引导他们前往其他相对空闲的区域。建议在人流较少的时段再来参观。

[0080] 若状态为状态A2，通过物联网网关向这些参观者推送深度信息，并邀请他们参加相关的活动或讲座，提高满意度，将参观者从繁忙的区域引导出来。

[0081] 若状态为状态A3，通过物联网网关向参观者推送他们在离开时正在参观的展品的信息，以便他们在返回时可以快速找到自己的位置。

[0082] 当客流量未超过阈值时，继续保持正常的运营，并定期检查和更新预测模型，以保证预测的准确性。根据参观者的行为模式提供更个性化的服务，针对快速参观者推送高效参观路径，针对深度参观者推送相关区域的深度信息等。

[0083] 实施例2

[0084] 参照图5，为本发明的一个实施例，提供了一种基于超高频RFID统计客流量的系统，包括：

[0085] 标签管理模块、接收器管理模块、边缘计算网关模块、物联网网关模块、图神经网络模块以及预测模块；

[0086] 标签管理模块用于为参观者分配超高频RFID标签，并对其进行管理和监控；

[0087] 接收器管理模块用于在各统计区域安装超高频RFID接收器，无感读取区域内所有参观者的超高频RFID标签，并定时将标签信息发送到边缘计算网关；

[0088] 边缘计算网关模块用于接收来自超高频RFID接收器的标签信息，并进行初步的数据分析和判断，并生成行为模型；

[0089] 物联网网关模块用于接收来自边缘计算网关的行为模型，根据行为模型和图神经网络的推测结果，推送个性化的展品推荐和优化的导览路径；

[0090] 图神经网络模块用于通过图神经网络捕捉并嵌入参观者在各区域的相对行为，生成参观者行为模型，通过基于图的半监督学习方法，推测并标记新的参观者行为模式；

[0091] 预测模块用于统计各区域的客流量，并生成客流预测模型，根据所有在统计区域内被读取的超高频RFID标签的数量，实时更新统计区域的参观者数量，当超高频RFID标签被另一个区域的超高频RFID接收器接收时，自动将标签与上一个区域解绑，并与新的区域绑定。

[0092] 实施例3

[0093] 本发明的一个实施例，其不同于前两个实施例的是：

[0094] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read‑Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。

[0095] 在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

[0096] 计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置）、便携式计算机盘盒（磁装置）、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编辑只读存储器（EPROM或闪速存储器）、光纤装置以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

[0097] 应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

[0098] 实施例4

[0099] 如图6所示，为本发明的一个实施例，提供了一种基于超高频RFID统计客流量的方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。

[0100] 选择某商业中心为实验环境，同时部署传统的客流量统计方法和基于超高频RFID的客流统计方法，进行为期一个月的数据收集,提供更多样的客流数据，并且排除节假日对结果的影响。

[0101] 收集的数据将会被分析以检查五个主要的变量：客流量准确性、客流方向的识别能力、人群画像的精准度、数据传输的稳定性、佩戴物的回收率，实验结果如表1所示。

[0102] 表1 传统方法与我方发明对比表

[0103]

[0104] 如表1以及图6所示，我方发明在各项指标上均表现优越，可以显著提高客流量统计的准确性，更准确地识别客流的方向，更精准地描绘人群画像，保持更稳定的数据传输，并且提高了佩戴物的回收率。使得本发明能够更好地服务于商业中心，帮助他们更高效地管理客流，提供更优质的服务，并减少资源浪费。

[0105] 应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。