基于ESP32-C3的WiFi人流统计系统设计与实现

1. WiFi人流统计系统技术概述

在商业综合体、展览馆、景区等公共场所，准确统计人流量对于运营决策至关重要。传统的人工计数或摄像头识别方案存在成本高、隐私敏感等问题。基于WiFi探测技术的被动式人流统计系统，通过捕获智能设备发出的WiFi探测请求帧(Probe Request)实现无接触统计，已成为性价比极高的解决方案。

这套系统的核心原理是：当智能手机、平板等设备开启WiFi功能时（即使未连接任何网络），会周期性广播包含设备MAC地址的探测请求帧。通过部署ESP32-C3等低功耗WiFi模块作为嗅探节点，可以捕获这些帧并统计唯一MAC地址数量，从而估算实时人流量。

注意：现代操作系统如iOS 8+/Android 6+默认启用MAC地址随机化功能，但这不影响短时间内的去重统计，因为同一设备在相同位置会保持相同的随机MAC地址约24小时。

2. 系统架构与硬件选型

2.1 核心组件设计

完整的WiFi人流统计系统通常包含三个层级：

• 感知层：由多个ESP32-C3模块组成的嗅探网络，负责捕获原始探测帧
• 传输层：通过WiFi/4G将数据回传至服务器
• 分析层：云端服务进行数据清洗、去重和可视化

2.2 ESP32-C3硬件优势

乐鑫ESP32-C3芯片成为首选方案的原因包括：

1. 专用WiFi监听模式支持，可配置为混杂模式(Promiscuous Mode)
2. 极低功耗（约10mA@监听模式），适合7×24小时运行
3. 内置RISC-V处理器，可直接运行过滤算法
4. 成本仅需20-30元/节点

c复制// ESP-IDF示例代码：初始化WiFi混杂模式
wifi_init_config_t cfg = WIFI_INIT_CONFIG_DEFAULT();
esp_wifi_init(&cfg);
esp_wifi_set_mode(WIFI_MODE_NULL);
esp_wifi_start();
esp_wifi_set_promiscuous(true);
esp_wifi_set_promiscuous_filter(&filter); // 只接收探测请求

2.3 天线选型建议

根据部署场景不同，天线选择需考虑：

• 全向天线：适用于开放空间，覆盖半径约50米
• 定向天线：适合走廊、入口等线性区域
• 外置天线：提升穿墙能力（注意需匹配2.4GHz频段）

3. 关键技术实现细节

3.1 探测请求帧解析

典型的802.11 Probe Request帧结构包含：

code复制| Frame Control | Duration | DA | SA | BSSID | Seq Ctrl | Frame Body |

其中关键字段：

• SA(Source Address)：设备MAC地址（可能随机化）
• RSSI：信号强度指示器（用于粗略定位）
• SSID List：设备曾经连接过的网络列表（隐私风险需过滤）

重要：商业系统必须过滤SSID信息以符合隐私法规，仅记录MAC和RSSI。

3.2 MAC地址去重算法

由于设备可能被多个节点同时检测到，需要时空去重：

python复制def deduplicate(mac_list):
    # 时间窗口去重（5分钟为一个统计周期）
    time_window = 300  
    # 空间去重（同一MAC在多个节点出现只计1次）
    spatial_cache = {} 
    
    for mac, rssi, timestamp in mac_list:
        if mac not in spatial_cache or \
           timestamp - spatial_cache[mac] > time_window:
            spatial_cache[mac] = timestamp
            yield mac

3.3 信号强度与位置估算

通过多节点RSSI值可实现粗粒度定位：

1. 建立信号传播模型：RSSI = -10n log10(d) + A
   • n：环境衰减因子（开放空间≈2，办公室≈3）
   • A：1米处参考信号强度
2. 使用三角定位法估算设备位置
3. 结合地理围栏判断是否在统计区域内

4. 系统部署实战经验

4.1 节点部署策略

根据实测数据建议：

4.2 常见问题排查

1. ESP32-C3 SPI异常问题：

   • 现象：WiFi监听时SPI通信失败
   • 解决方案：修改menuconfig中的SPI时钟分频比（建议≥80MHz）

2. MAC地址随机化影响：

   • iOS设备：每24小时变化一次
   • Android设备：每次网络扫描可能变化
   • 应对：采用12小时为统计周期

3. 信号干扰处理：

   • 避开2.4GHz信道6（默认WiFi信道）
   • 使用wifi_analyzer工具扫描最佳信道

5. 隐私合规与数据安全

5.1 合规性设计要点

1. 仅存储设备MAC的哈希值（SHA-256）
2. 数据保留周期不超过30天
3. 明确告知监控区域（需配合标识牌）
4. 提供数据删除接口（符合GDPR要求）

5.2 企业级方案增强

对于大型商业体建议：

• 部署专用WiFi探针（如Cisco CMX）
• 集成热力图生成系统
• 对接CRM系统实现顾客行为分析

这套系统在我们实施的某连锁商场项目中，实现了±5%的统计准确率，成本仅为摄像头方案的1/3。实际部署时发现，在餐饮楼层需要增加节点密度（因手机常放口袋导致信号衰减），而在服装区则可适当减少节点。