22、行人动态自动测量的挑战与解决方案

行人动态自动测量的挑战与解决方案

1. 引言

理解行人动态是一个长期的科学领域，受到来自旅游、城市规划、安全与保障等不同领域问题的驱动。自动化测量行人动态能够比手动方式收集更准确的数据。在过去十年中，人们关注利用人们携带的联网设备（如智能手机）来进行测量。这些设备会定期传输网络数据包，其中许多包含唯一标识发送者的信息，如WiFi或蓝牙通信中的MAC地址。通过识别这些设备，理论上可以收集行人行踪的统计信息。

然而，这种方法存在诸多问题。一方面，此类方案侵犯个人隐私，在欧洲通用数据保护条例（GDPR）中大多被禁止。不过，在用于统计计数且满足行人知情、统计完成后删除数据等条件下，相关数据收集规定有所放宽，但如何以保护隐私的方式进行数据收集仍是未解之谜。另一方面，收集网络数据包获取的数据还存在其他问题，如现代设备常使用随机MAC地址，户外环境中数据包检测困难等。

2. 行人行为的自动测量

自动测量行人动态的关键在于捕获行人携带设备的网络流量并提取设备标识符。传感器通过了解通信协议（WiFi、蓝牙）来完成这一任务，例如将WiFi接入点重新用于记录设备的MAC网络地址作为设备标识符。但原始设备标识符属于个人信息，记录它具有侵犯性。因此，常见做法是使用安全的单向加密函数F（如抗碰撞的加密哈希函数）将原始设备标识符RID转换为化名PID，即PID = F(RID)。由于逆函数F⁻¹难以计算，在使用足够强大的哈希函数（如SHA256）时，仅通过PID很难确定RID。

此外，还可使用经过证明安全的参数化单向加密函数FT,S生成化名。该函数有两个参数，T与时间跨度相关，S与一组特定的传感位置相关。参数值决定了给定标识符输入时生成的化名。若改变T或S，FT,S