【摘要】：顧客的購物時瀏覽商品的時空數(shù)據(jù)對于商家進(jìn)行商業(yè)決策具有重要的參考價值。在電子商務(wù)中,商家通過記錄顧客購物時的瀏覽記錄,可以分析和推測顧客的偏好和習(xí)慣。利用這些數(shù)據(jù),商家可以充分挖掘顧客的潛在需求,為顧客提供個性化的推薦服務(wù),同時也便于商家及時調(diào)整營銷策略與手段,極大地減小了商業(yè)風(fēng)險。然而在線下實體購物場景中,還沒有一個有效的方法來識別和收集顧客的購物信息。因此,研究與應(yīng)用線下購物過程中的信息感知技術(shù)具有重要的應(yīng)用前景。本文利用商場已有的無線基礎(chǔ)設(shè)施,分析無線信號傳輸特性,設(shè)計了并實現(xiàn)了一套線下購物信息收集識別方案,實現(xiàn)了一個原型系統(tǒng)。本課題的主要創(chuàng)新點和工作內(nèi)容如下:改進(jìn)了現(xiàn)有基于CSI信道狀態(tài)信息的位置指紋生成方案。該方案充分利用無線傳輸過程中的CSI信道狀態(tài)信息的多徑成分,同時考慮了信號的空間特性和頻率特性,在縮減數(shù)據(jù)維度的同時保證了位置指紋的準(zhǔn)確性。提出了一種基于動態(tài)位置指紋時間序列相似性的室內(nèi)定位方法。與現(xiàn)有通過提前采集靜態(tài)無線信號位置指紋信息來實現(xiàn)定位的方法不同,該方法采集目標(biāo)與參考點同一時刻的無線信號特征信息,利用新的位置指紋生成方案生成CSI動態(tài)位置指紋時間序列。通過DTW(Dynamic Time Warping)來評估位置指紋時間序列的相似性來實現(xiàn)定位。實驗證明該方法在復(fù)雜的商場室內(nèi)環(huán)境中,能夠保持較高的精度和準(zhǔn)確性。提出了一個顧客線下購物瀏覽位置信息識別與收集原型系統(tǒng)。該系統(tǒng)利用本文提出的室內(nèi)定位方法,在人流量不高的情況下,識別出顧客購物時的基本運動特性,如行走、駐足等;同時該方案關(guān)聯(lián)分析多個監(jiān)測點的數(shù)據(jù),描繪出顧客購物時的大致運動軌跡。在人流量較大的環(huán)境下,采用k-mediods聚類算法對無線覆蓋范圍內(nèi)的信號進(jìn)行分析,識別出顧客聚集的熱點區(qū)域。本文進(jìn)行了一系列實驗來驗證以上算法及方案,設(shè)計并實現(xiàn)了一個顧客購物信息識別與收集原型系統(tǒng)。實驗結(jié)果表明,該系統(tǒng)可以在定位上實現(xiàn)0.9米的精度,在運動狀態(tài)及熱點區(qū)域識別上達(dá)到了85%的準(zhǔn)確率。
[Abstract]:It has important reference value for merchants to browse the time and space data of goods when they are shopping. In electronic commerce, merchants can analyze and speculate on customers' preferences and habits by recording the browsing records. Using these data, merchants can fully tap the potential needs of customers and provide personalized recommendation services for customers. At the same time, it is convenient for businesses to adjust marketing strategies and means in time, which greatly reduces the business risk. However, there is no effective method to identify and collect customer shopping information in off-line physical shopping scenarios. Therefore, the research and application of offline shopping process of information perception technology has an important application prospects. Based on the existing wireless infrastructure of shopping mall, this paper analyzes the characteristics of wireless signal transmission, designs and implements a set of offline shopping information collection and identification scheme, and implements a prototype system. The main innovations and work of this thesis are as follows: the existing location fingerprint generation scheme based on CSI channel state information is improved. The scheme makes full use of the multipath components of the CSI channel state information in wireless transmission, and takes into account the spatial and frequency characteristics of the signal, thus reducing the data dimension and ensuring the accuracy of the location fingerprint. An indoor location method based on time series similarity of dynamic location fingerprint is proposed. This method is different from the existing methods, which collect the position fingerprint information of the static wireless signal in advance, and collect the characteristic information of the wireless signal at the same time between the target and the reference point. The CSI dynamic position fingerprint time series is generated by a new position fingerprint generation scheme. The similarity of time series of location fingerprint is evaluated by DTW (Dynamic Time Warping) to realize localization. Experiments show that the method can maintain high accuracy and accuracy in complex indoor environment. In this paper, a prototype system of customer online shopping location recognition and collection is proposed. The system uses the indoor positioning method proposed in this paper, in the case of low flow of people, identify the basic characteristics of customer shopping, such as walking, stopping, etc. At the same time, the scheme analyzes the data of multiple monitoring points and describes the general trajectory of shopping. The k-mediods clustering algorithm is used to analyze the signals in the wireless coverage area under the environment of large population flow, and the hot spots of customer clustering are identified. In this paper, a series of experiments are carried out to verify the above algorithms and schemes, and a prototype system of customer shopping information identification and collection is designed and implemented. The experimental results show that the system can achieve the accuracy of 0.9 meters in the positioning, and achieve the accuracy of 85% in the recognition of the motion state and the hot spot area.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN92

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李健;孫廣中;許胤龍;;基于時間序列的預(yù)測模型應(yīng)用與異常檢測[J];計算機輔助工程;2006年02期

2 左愛文;郭宏武;王保保;;氣象時間序列規(guī)則發(fā)現(xiàn)及其應(yīng)用[J];陜西氣象;2006年06期

3 劉猛洪;汪愛麗;;基于模糊時間序列的短期電力負(fù)荷預(yù)測[J];電子世界;2013年07期

4 K.D.C.Stoodley,盧潤德;非連續(xù)含有準(zhǔn)周期分量時間序列的實時監(jiān)測(英文)[J];控制理論與應(yīng)用;1986年01期

5 吳紅花;劉國華;;不確定時間序列的規(guī)約方法[J];計算機工程;2012年21期

6 W.Gersch;黃勁濤;;混合自回歸動平均時間序列的自回歸參數(shù)估計[J];水聲譯叢;1980年03期

7 王立柱;劉曉東;;Granger相關(guān)性與時間序列預(yù)測[J];控制與決策;2014年04期

8 周巧臨;傅彥;;科學(xué)數(shù)據(jù)時間序列的預(yù)測方法[J];電子科技大學(xué)學(xué)報;2007年06期

9 王閱;高學(xué)東;;基于重標(biāo)級差分析的時間序列分割方法[J];計算機工程與應(yīng)用;2008年29期

10 修春波;;時間序列一步預(yù)測方法[J];計算機應(yīng)用研究;2010年04期

相關(guān)會議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預(yù)報方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 馬培蓓;紀(jì)軍;;基于時間序列的航空備件消耗預(yù)測[A];中國系統(tǒng)工程學(xué)會決策科學(xué)專業(yè)委員會第六屆學(xué)術(shù)年會論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

4 李強;;基于線性模型方法對時間序列中異常值的檢測及證券實證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責(zé)任和對策（上冊）[C];2002年

5 戴麗金;何振峰;;基于云模型的時間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測方法[A];第十五屆中國管理科學(xué)學(xué)術(shù)年會論文集（下）[C];2013年

8 黃云貴;;基于時間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀(jì)數(shù)量經(jīng)濟學(xué)（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時間序列化[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

相關(guān)重要報紙文章 前10條

1 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

2 何德旭 王朝陽;時間序列計量經(jīng)濟學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報;2003年

3 記者 王暉邋實習(xí)生 陳鐳;指紋信息將作為重要依據(jù)[N];河南日報;2008年

4 北京師范大學(xué)法學(xué)院教授 吳海航;采集指紋侵犯游客隱私權(quán)[N];人民日報;2011年

5 記者 史謙;積極主動服務(wù) 完善便民措施 年內(nèi)為所有持一代證群眾換發(fā)二代證 明年1月全面啟動登記指紋信息[N];人民公安報;2012年

6 記者 李恩樹;二代證有效期內(nèi)不強制登記指紋信息[N];法制日報;2012年

7 記者 李崢巍;“指紋支付”進(jìn)入商用階段 推廣面臨多重考驗[N];經(jīng)濟參考報;2014年

8 彭海紅　高衛(wèi)紅　黃大威;指紋認(rèn)定讓走私累犯“栽跟頭”[N];國際商報;2005年

9 武仁;指紋識別“指向”何處[N];金融時報;2001年

10 王暉;我省在新生復(fù)查中引入“指紋信息”[N];河南日報;2007年

相關(guān)博士學(xué)位論文 前10條

1 張墨謙;遙感時間序列數(shù)據(jù)的特征挖掘：在生態(tài)學(xué)中的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 張德成;滑坡預(yù)測預(yù)報研究[D];昆明理工大學(xué);2015年

3 苗圣法;時間序列的模式檢測[D];蘭州大學(xué);2015年

4 翁同峰;時間序列與復(fù)雜網(wǎng)絡(luò)之間等價性問題及表征應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

5 楊婷婷;用Argo浮標(biāo)結(jié)合衛(wèi)星觀測估算北太平洋經(jīng)向熱輸運[D];中國科學(xué)院研究生院(海洋研究所);2015年

6 史文彬;時間序列的相關(guān)性及信息熵分析[D];北京交通大學(xué);2016年

7 原繼東;時間序列分類算法研究[D];北京交通大學(xué);2016年

8 盧偉;基于粒計算的時間序列分析與建模方法研究[D];大連理工大學(xué);2015年

9 胡建明;基于正則化核學(xué)習(xí)模型的時間序列多步預(yù)測的研究與應(yīng)用[D];蘭州大學(xué);2016年

10 黃標(biāo)兵;回聲狀態(tài)網(wǎng)絡(luò)時間序列預(yù)測方法及應(yīng)用研究[D];吉林大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 王鵬;面向購物行為的感知技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2017年

2 陳健;基于多變量相空間重構(gòu)的投資組合策略研究[D];華南理工大學(xué);2015年

3 蘭鑫;時間序列的復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學(xué);2015年

4 米曉將;區(qū)域尺度下月均氣溫的時空演化格局研究[D];昆明理工大學(xué);2015年

5 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預(yù)測研究[D];南京信息工程大學(xué);2015年

6 林健;基于改進(jìn)小世界回聲狀態(tài)網(wǎng)的時間序列預(yù)測[D];渤海大學(xué);2015年

7 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測方法[D];南京信息工程大學(xué);2015年

8 高雄飛;基于分形理論的土壤含水量時間序列特性分析[D];長安大學(xué);2015年

9 姚茜;城市安全生產(chǎn)發(fā)展目標(biāo)研究[D];中國地質(zhì)大學(xué)(北京);2015年

10 謝翠穎;蘇州社會消費品零售總額簡析[D];蘇州大學(xué);2015年

，

本文編號：2417859