Pedestrian flow analysis using Wi-Fi packets captured with Raspberry Pi based sniffers

This thesis is inspired by the concept of Venue analytics whose objective is user profiling. Many venues, unlike online retailers do, do not know their clients, their habits, how they shop or behave. So, there is the need for insights of the real physical world. This project is focused on tracking people flows in an indoor environment by exploiting the unique Wi-Fi MAC address of each mobile device that we can associate to each individual. The point of this thesis is to build a system that captures and analyzes packets from the wireless network for a predefined interval of time. The sniffing procedure is done by strategically placing Raspberry Pi devices, used as WiFi sensors, in different points. When a MAC address is seen in point i and after a while is detected in point j, then the system will record the flow i-j for that MAC address. All the flows are stored in an origin-destination matrix, which is a simple grid to count the number of people moving from and to all positions. Such matrix is checked against the, so called, ground truth matrix which is created by observing the real world. Then, RMSE and MAPE values are calculated to evaluate the accuracy between the two matrices while considering different study case. The goal is to find the lowest values that gives us the origin destination matrix closest to the ground truth one by tuning the received power RSSI parameters. We found out that the best statistical values are given when considering all types of WiFi packets and/or Probe requests frames only.

Questa tesi si ispira al concetto di Venue Analytics il cui obiettivo è la profilazione gli utenti. Molte strutture, differentemente dalle attività online, non conoscono i propri clienti, le loro abitudini, come fanno acquisti o come si comportano. Dunque, è evidente la necessità di comprendere più appronfonditamente il mondo fisico reale. Questo progetto è focalizzato sul tracciamento dei flussi di persone in un ambiente al chiuso sfruttando l’indirizzo MAC univoco di ciascun dispositivo mobile che possiamo associare a ciascun individuo. Lo scopo di questa tesi è quello di implementare un sistema capace di catturare ed analizzare i frames dalla rete wireless per un intervallo di tempo definito. La procedura di sniffing avviene posizionando strategicamente dei dispositivi Raspberry Pi, come fossero dei sensori WiFi, in diversi punti. Quando un indirizzo MAC viene rilevato nel punto i e successivamente nel punto j, allora il sistema salverà il flusso i-j per quel indirizzo MAC. Tutti i flussi sono salvati in una matrice origine-destinazione, una semplice griglia per contare il numero di persone che si muovono da e verso ogni direzione. Questa matrice viene confrontata contro, la cosiddetta matrice di ground truth, che viene creata osservando il mondo reale. Per valutare l’accuratezza tra le due matrici sono stati calcolati RMSE e MAPE. L’obiettivo finale è trovare i valori più piccoli possibili che forniscono una matrice di origine destinazione molto simile a quella di ground truth regolando i parametri di potenza ricevuta RSSI. Si è concluso che i valori statistici migliori si ottengono quando vengono considerati tutte le tipologie di pacchetto e/o solo i pacchetti Probe request.