[发明专利]一种基于wifi日志的监控预警方法

权利要求书

1.一种基于wifi日志的监控预警方法，其特征在于，包括以下步骤：

S1，采集wifi日志数据，对所采集的wifi日志数据进行解密、转码、数据清洗的处理，并对处理后的wifi日志数据进行存储；

wifi日志数据带有时间戳、位置、设备信息；

S2，基于用户基本信息库，对所存储的wifi日志数据进行识别，识别出wifi日志数据所对应的用户以及对应用户的基本信息；

所述用户基本信息库中存储有wifi日志数据与用户之间的对应关系；

S3，基于预先设定的预警条件，根据识别后的wifi日志数据对重点人员和重点地区进行实时监控，并产生预警结果；

所述预警条件包括：重点人员的基本信息，重点地区的人群密度阈值；

对重点人员的实时监控的方式为：判断经识别后的wifi日志数据所对应的用户是否为该重点人员，即是否出现该重点人员的wifi日志数据，若出现该重点人员的wifi日志数据，则产生重点人员的预警结果；

对重点地区的实时监控的方式为：统计该重点地区在时间周期内的全部wifi日志数据所对应的全部用户，得到该地区在时间周期内的用户总人数即人群密度，若该重点地区在时间周期内的人群密度超出该重点地区的人群密度阈值，则产生重点地区的预警结果；

步骤S3中，在出现重点人员的wifi日志数据后，还对重点人员进行轨迹预测，所述轨迹预测的方法，包括以下步骤：

S31，将重点人员所有的wifi日志数据按时间戳顺序进行排列，得到重点人员的历史轨迹；

S32，根据重点人员的历史轨迹，得到重点人员在历史轨迹中的每个路口的出现时间和离开时间，即得到重点人员在历史轨迹中的每个路口的出现时间段；还得到重点人员在历史轨迹中的每个路口的行驶方向，即得到重点人员在历史轨迹中的每个路口为左转、右转、直行；

S33，根据重点人员的历史轨迹，将重点人员在历史轨迹中的某个路口，该路口的出现时间段，以及出现在该路口时的周围情况作为逻辑回归模型的自变量，所述周围情况包括周围人群密度和温度；将重点人员在历史轨迹中的该路口的行驶方向作为因变量，训练逻辑回归模型A，得到逻辑回归模型A中的自变量对因变量的影响权重向量(A1,A2,A3,A4)；其中，

A1是指逻辑回归模型A中，路口对该路口的行驶方向的影响权重；

A2是指逻辑回归模型A中，出现时间段对该路口的行驶方向的影响权重；

A3是指逻辑回归模型A中，周围人群密度对该路口的行驶方向的影响权重；

A4是指逻辑回归模型A中，周围温度对该路口的行驶方向的影响权重；

S34，利用逻辑回归模型A对重点人员进行轨迹预测，即分别计算出重点人员在路口的行驶方向为左转、右转、直行的概率，其中，概率最高的行驶方向作为轨迹预测的结果，将重点人员的轨迹预测的结果也作为重点人员的预警结果。

2.根据权利要求1所述的一种基于wifi日志的监控预警方法，其特征在于，用于实现所述监控预警方法的监控预警系统，包括：日志层(1)、日志收集平台(2)、大数据日志分发平台(3)、大数据流式计算平台(4)；所述系统中还存储有：用户基本信息库、逻辑回归模型库、预先设定的预警条件；

日志层(1)用于采集wifi日志数据，并将所采集的wifi日志数据实时发送至日志收集平台(2)；

日志收集平台(2)是由多台服务器构成的处理集群，日志收集平台(2)根据处理集群中的各个处理节点即各台服务器的CPU、内存、IO的负载情况来分配处理节点，处理节点对wifi日志数据进行解密、转码、数据清洗的处理，并将处理后的wifi日志数据发送至大数据日志分发层(3)；

大数据日志分发平台(3)即kafka将不同主题类型的wifi日志数据进行分区存储，将不同主题类型的wifi日志数据分别存储至对应的topic即对应的主题中；所述不同主题类型包括：用户探测主题、用户认证主题、用户上网行为主题、设备信息主题；大数据日志分发平台(3)将其存储的wifi日志数据生成流式数据源，流入大数据流式计算平台(4)；

大数据流式计算平台(4)读取流式数据源即wifi日志数据，并基于用户基本信息库、逻辑回归模型库、预先设定的预警条件对重点人员和重点地区进行实时监控，并产生预警结果。