民宿无人值守智能管理系统设计与实现

刘羽嘉，潘 滨，李东泽，李凤迪，张 迁，孙丰刚，兰 鹏

（1.山东农业大学信息科学与工程学院，山东泰安271018；2.山东泰开互感器有限公司，山东泰安271000）

随着乡村旅游业的快速发展，游客对民宿的需求及服务质量的要求不断提高，各类民宿不断涌现。乡村民宿不同于城市民宿，其多数管理人员为房东或其家属，他们相对缺乏专业的服务知识［1］。乡村民宿在管理上主要存在以下不足：工作人员办理业务时间过长；客房设备损坏情况得不到及时反馈；客人办理退房后，无法自动确认房间内是否有未离开的客人；需要服务人员全天值班，管理成本过高；大多以个体形式经营且位置较分散，保障游客安全的能力有待提高。随着“智能旅游”概念的提出，通过信息技术来实现民宿的智能化管理是打造特色民宿、提升住户满意度和顺应时代发展的必经之路。

近年来，国内外学者针对民宿管理系统做了不少相关工作，如：Lou等提出了基于网络物理环境的手势交互方法，解决了智能家居环境中个性化手势识别的问题［2］；孟岩等对智能家居的安全问题进行了研究分析，并提出了新的隐私保护机制［3］；陈星等提出了情境感知服务执行方法，并构建了智能家居原型系统［4］；肖丁等对智能家居场景联动中出现的隐藏式冲突进行了研究，并提出了新的检测方法，以便其更好地提供自动化服务［5］。服务、管理及营销的智能化均能促进民宿运营，其中管理系统智能化对民宿运营的影响最为显著［6］，但目前民宿智能化管理系统还未得到广泛应用［7］，大多数民宿商户对智能民宿还停留在初步认识阶段，无法真正实现民宿的智能化管理。

针对上述问题，笔者拟基于数据挖掘技术［8］，使用机器学习方法构建民宿商户辅助系统，同时创新性地将无线RFID（radio frequency identification，射频识别）技术应用到民宿客房管理系统中，以实现民宿无人值守管理和智能家居自动控制。通过在民宿房间内布设无源RFID标签来实时检测房间内的人员变动情况，并根据返回的RSSI（received signal strength indicator，接受信号强度指示器）值来判断房间内的住户是否移动。在整个检测过程中，住户的身体形态不会被具象化，可保证住户的隐私不被侵犯。民宿无人值守智能管理系统的提出，旨在实现民宿的无人化、智能化管理，在为住户提供舒适居住环境的同时节约人力和能源成本，提升民宿的经济效益。

1 民宿无人值守智能管理系统的总体设计

民宿无人值守智能管理系统主要包含两部分：商户辅助系统和客房管理系统。商户辅助系统是通过分析由爬虫程序爬取到的各大民宿预订网站的数据，为民宿商户提供价格预测等辅助决策的参考；客房管理系统是通过利用RFID检测系统和STM32控制模块来实现入住管理、退房管理及智能家居管理。民宿无人值守智能管理系统的总体设计框架如图1所示。

图1 民宿无人值守智能管理系统总体设计框架Fig.1 Overall design framework of unattended intelligent management system for homestay

2 民宿商户辅助系统

2.1 民宿数据挖掘

利用爬虫程序从各大热门旅游、团购网站，如携程旅行网、去哪儿网和美团网等，爬取大量民宿数据，包括民宿的名称、位置、房型、用户评价以及优惠活动等信息。使用Scrapy框架开发编写商户辅助系统中的爬虫程序，Scrapy框架作为Python语言中一种可自定义抓取内容的高层次Web数据抓取框架［9］，可以快速爬取到商户所需要的数据。如图2所示，商户辅助系统中爬虫程序的工作流程如下：

1）输入商户所需数据的URL，然后调用request发送数据请求；

2）利用Scrapy框架中的调度器将数据资源的URL通过引擎发送给下载器；

3）下载器接收请求，获取相应URL中的数据并返回引擎，引擎再将数据返回给爬虫，通过xpath语法对相应的内容进行提取；

4）提取到的数据进入数据队列，最后存储在创建好的MySQL数据库中。

图2 民宿商户辅助系统中爬虫程序的工作流程Fig.2 Work flow of crawler program in the merchant auxilia-ry system of homestay

民宿商户辅助系统中爬虫程序的主要代码如图3所示。

图3 民宿商户辅助系统中爬虫程序的主要代码Fig.3 Main code of crawler program in the merchant auxiliary system of homestay

使用编写好的爬虫程序爬取热门旅游、团购网站上民宿预订界面的数据并存储至到MySQL数据库中。MySQL数据库的运行界面如图4所示。

图4 MySQL数据库的运行界面Fig.4 Operation interface of MySQL database

将爬取到的数据按照表1所示的数据格式整理至MySQL数据库中的Ctrip表内，数据排列顺序如下：序号、民宿名称及简介、民宿标签、民宿评分及区域、实时价格和优惠活动等。

表1 MySQL数据库中的数据格式Table 1 Data format in MySQL database

以Ctrip表中的内容为基础建立民宿信息数据库，商户可以利用该数据库横向对比其他不同民宿的情况，以便对自己的民宿进行合理定位和定价。

2.2 数据分析及价格预测

通过对爬取到的民宿数据（如民宿名称、所处区域、实时价格、优惠活动、用户评价以及评分参数）进行分析，得到不同民宿的特征以及价格波动规律。通过对比与自家民宿特征相近的民宿的运营数据，商户可对自家民宿进行正确定位，并根据用户评价和评分对民宿的服务和设施设备进行提升及改进。通过对比不同日期的民宿价格，商户可预测工作日、周末以及节假日的民宿价格，并结合自身的运营成本和服务条件对自家民宿进行合理定价，实现价格动态调整。

3 民宿客房管理系统

3.1 RFID检测系统

无线RFID技术具有成本低、无接触及自动识别快等优点［10-12］，广泛应用于生产制造业和日常生活，例如食品溯源、智能车间关联和车辆定位等［13-17］。RFID标签对人体危害极小，几乎可以忽略不计，因此使用RFID技术来检测房间内的人员具有较高的安全性，如张国锋等和邓昀等将RFID技术分别应用于家畜养殖过程中的追踪定位以及室内人体定位［18-19］。本文的民宿客房管理系统在利用RFID技术来检测房间内是否有人员活动时，不会使人体形态具象化，能够充分保护住户的隐私。即使数据发生泄露，若没有训练好的机器学习算法模型，这些数据也没有实用价值，住户隐私仍不受侵犯。

在民宿客房管理系统中，当房门被打开时，房间内的RFID检测系统开始工作：若住户在正常入住时间内进入房间，则RFID检测系统将“正确”指令传送至民宿后台服务器，服务器控制房间内的智能家居控制系统开始工作；若检测到在非正常入住时间内有人进入，则RFID检测系统将向民宿后台服务器发送“错误”指令，通知管理员进行安全检查。

RFID检测系统包含无源RFID标签、RFID天线、RFID读写器（见图5）和STM32控制模块（见图6）等，其结构框图如图7所示。安装该RFID检测系统时需使用超高频RFID设备，这是因为低频、中高频RFID设备的读写距离相对较短，不适用于检测房间内的人员变动。超高频RFID设备的检测原理如图8所示。

图5 RFID读写器Fig.5 RFID reader

图6 STM32控制模块Fig.6 STM32 control module

图7 RFID检测系统结构框图Fig.7 Structure block diagram of RFID detection system

图8 超高频RFID设备检测原理Fig.8 Detection principle of ultrahigh frequency RFID device

RFID检测系统的工作原理如下：

1）在房间墙壁上布设RFID天线以及无源RFID标签，在STM32控制模块的控制下，RFID天线按设定时间接收房间内无源RFID标签返回的RSSI值。

2）无源RFID标签布设在房间内的某一面墙壁上，鉴于检测目标一般不超过2 m，综合经济性和合理性，在距地面0.5 m的墙壁处开始布设无源RFID标签，最高布设高度为2 m，布设长度与墙壁长度相等，布设间距与超高频RFID设备的工作波长相等。设墙壁的长度为l，高度为h，面积为S，使用的超高频RFID设备的工作波长为λ，无源RFID标签的个数为m，则无源RFID标签个数与墙壁的长度、高度，超高频RFID设备的工作波长满足以下关系：

以面积为40 m2的房间为例，其中一面墙壁的长度约为5 m，高度约为3 m，面积约为15 m2。根据采用的超高频RFID设备的工作波长设置无源RFID标签的间距（0.32 m），通过计算可得该房间内需布设的无源RFID标签约为60个。

3）当有人进入房间后，因人体的阻挡，RFID天线接收到的RSSI值发生变化，RFID读写器将采集到的RSSI值进行处理后按照特定格式通过串口传输至STM32控制模块。

4）STM32控制模块对RFID读写器采集的数据进行处理，提取RSSI值后传输至民宿后台服务器。

5）民宿后台服务器通过对不同环境下的RSSI值进行分析，以对房间内智能家居设备进行控制。

本文的RFID检测系统采用16个无源RFID标签，其具体布置情况如图9所示。当住户进入设有无源RFID标签的房间时，RFID天线接收到的RSSI值发生变化，具体如图10所示，其中a—p列表示16个无源RFID标签返回的RSSI值。为方便查看房间内是否有人，在数据表中标注房间内的人员情况，其中“0”表示无人，“1”表示有人。如图11和图12所示，房间内有人和无人时RFID读写器采集到的RSSI值是不同的，通过对比RSSI值可以准确判断房间内是否有人，从而实现人员检测。当民宿后台服务器接收到RSSI值后，可通过SVM（support vector machine，支持向量机）算法处理RSSI值，从而判断房间内是否有人，并将信号传输给STM32控制模块，以进行智能家居设备的控制。

图9 无源RFID标签布置示意图Fig.9 Schematic diagram of passive RFID label layout

图10 住户进入房间前后RSSI值的变化情况Fig.10 Changes of RSSI values before and after residents en-ter the room

图11 房间内有人时RSSI值的分布情况Fig.11 Distribution of RSSI values when person in the room

图12 房间内无人时RSSI值的分布情况Fig.12 Distribution of RSSI values when no person in the room

SVM算法［19］的核心是找到一个使被分隔的2个类别之间有最大间隔的决策边界（超平面），以使数据集的分类具有更高的可信度。使用SVM算法对数据集进行分类时，分类误差应尽量小，尤其是未知数据集的分类误差（泛化误差）应尽量小。超平面是n维欧氏空间中余维度等于1的线性子空间（n＞3时才能被称为超平面）。在二分类问题中，如果存在1个超平面可以将数据集分成2个类别的集合，且每个集合仅包含1个类别，那么这个超平面就是该数据集的决策边界。对于某个数据集，使分类误差为0的决策边界有无数条，如图13所示。

图13 某一数据集的决策边界示意图Fig.13 Diagram of decision boundaries of a data set

n维欧氏空间的超平面可由式（1）确定：

式中：w和x都为n维列向量，其中x=[x1x2…xn]T为超平面上的点，w=[w1w2…wn]T为超平面的法向量，w决定了超平面的方向；b为超平面到原点的距离。

当决策边界的边际最大时，分类才具有较高的可信度，否则任何微小的变化都会对数据集的分类造成很大的影响，在这种情况下，SVM模型的训练效果很好，但预测效果较差，导致出现“过拟合”现象，因此在寻找决策边界时，其边际越大越好。

为使决策边界的边际最大，采用线性SVM学习算法对RFID检测系统采集的数据进行处理。

线性SVM学习算法的输入为训练集T={(x1，y1)，(x2，y2)，…，(xN，yN)}，其中：xi∈ℝ，yi∈{1，0}，i=1，2，…，N。

线性SVM学习算法的输出为分离超平面和分类决策函数，具体求解步骤如下：

1）选择惩罚参数C＞0，构造并求解凸二次规划问题：

2）计算分离超平面的法向量w*和分离超平面到原点的距离b*。首先，计算其中然后，选择α*的一个分量，满足0＜，计算由于α*中满足的可能有很多个，将满足条件的代入并计算对应的，通过求解多个的算术平均值得到b*。

3）求得分离超平面w*⋅x+b*=0和分类决策函数f(x)=sign(w*⋅x+b*)。

基于线性SVM学习算法的RFID检测系统的人员检测代码如图14所示，其实际运行结果如图15所示，共检测16个无源RFID标签返回的RSSI值402次，其中错误3次，准确率为99.25%。

图14 基于线性SVM学习算法的RFID检测系统的人员检测代码Fig.14 Code for person detection of RFID detection system based on linear SVM learning algorithm

图15 RFID检测系统的实际运行结果Fig.15 Actual operation result of RFID detection system

3.2 智能家居控制系统

当民宿后台服务器接收到RSSI值后，通过线性SVM学习算法对数据进行分析，以判断房间内是否有人：若有人，则将信号回传至STM32控制模块，由STM32控制模块实时控制房间内的智能家居设备。

本文的智能家居控制系统由主控制器和各个功能模块（光感模块和温感模块）组成，其硬件结构如图16所示。其中，主控制器由STM32控制模块、照明灯驱动电路、窗帘驱动电路和空调驱动电路组成。当用户通过智能触控面板对智能家居控制系统进行手动控制时，STM32控制模块根据用户指令对光感模块和温感模块进行控制。

图16 智能家居控制系统硬件结构框图Fig.16 Hardware structure block diagram of intelligent home control system

3.2.1 自动控光系统

自动控光系统可以根据室内光线状况控制房间内的照明系统，为用户带来舒适的照明体验。自动控光系统由STM32控制模块、照明灯驱动电路、窗帘驱动电路以及光感模块组成，其中光感模块由NB-IoT通信模块、MCU（microcontroller unit，微控制单元）和光线传感器三部分组成。自动控光系统的具体工作流程如下：

1）后台服务器接收到RFID检测系统传来的住户进入房间的信号后，将信号回传至STM32控制模块，启动自动控光系统；

2）房间内的光线传感器开始工作，实时检测房间内的光线强度；

3）光线传感器基于半导体的光电效应原理，通过光电二极管实时检测周围环境的光线强度，并将光信号转换为电信号（模拟电压信号），通过I2C通信接口将经 ADC（analog-to-digital converter，模数转换器）转换后的光线强度信息传输给MCU，MCU将处理后的数据通过NB-IoT通信模块传输至STM32控制模块；

4）STM32控制模块接收到光线强度数据后，根据设置好的照明强度，通过照明灯驱动电路和窗帘驱动电路控制照明灯和窗帘的联动配合，满足不同的光线需求。

智能窗帘控制系统的硬件结构如图17所示。

3.2.2 自动控温系统

图17 智能窗帘控制系统的硬件结构Fig.17 Hardware structure of intelligent curtain control system

自动控温系统可以根据房间内的温度状况控制房间内的空调，为用户带来舒适的温度体验。自动控温系统由STM32控制模块、空调驱动电路以及温感模块组成，其中温感模块由NB-IoT通信模块、MCU和温度传感器三部分组成。自动控温系统的具体工作流程如下：

1）后台服务器接收到RFID检测系统传来的住户进入房间的信号后，将信号回传至STM32控制系统，启动自动控温系统；

2）自动控温系统启动后，温度传感器开始实时检测室内温度；

3）温度传感器先将检测到的温度信号转换为模拟信号，再将经ADC转换得到数字信号通过I2C通信接口传输给MCU，MCU将处理后的数据通过NBIoT通信模块传输至STM32控制模块；

4）STM32控制模块接收到温度数据后，根据季节控制空调驱动电路工作。

当RFID检测系统检测到住户进入房间时，自动控温系统根据所处的季节设定体感适宜的温度范围，并利用房间内温感传感器实时检测室内温度，根据用户需求以及当时室温来调节空调的温度；当RFID检测系统检测到住户离开房间时，自动控温系统将房间内的空调调到节能模式，当住户回到房间后，自动控温系统控制空调迅速恢复到住户的需求模式。

3.2.3 手动集成控制系统

在民宿的每间房间内安装智能触控面板，实现智能家居设备的手动控制。住户通过智能触控面板手动调节室内智能家居设备的状态后，智能触控面板将住户的操作信息传输给STM32控制模块，使其直接控制房间内的灯光和温度，以满足住户的不同需求。同时，住户还可以使用手机APP或直接扫描房间内的二维码来连接智能触控面板，实现智能家居设备的远程控制。此外，住户可以按照自己的喜好模块化定制房间内智能家居设备的工作模式，以获得更便捷、更舒适和更友好的居住体验。

3.3 退房管理

客房管理系统在预定成功后会向住户发送入住时间以及退房时间，并根据退房时间对相应客房进行检测，具体工作流程（见图18）如下：

1）若住户在退房时间之前提交退房申请，则在退房申请提交后启用RFID检测系统，确认房间内无人后，通知保洁人员进行清洁打扫。

2）若住户未提交退房申请，则在退房时间到了之后启用RFID检测系统：

①若住户已离开房间，则通知保洁人员进行清洁打扫；

②若住户还在房间内，则通过操控房间内的声控系统，用语音提示住户，告知其退房时间已到，并预留10 min时间给住户整理行李和离开房间；

③10 min后，再次启用RFID检测系统，若住户已离开房间，则通知保洁人员进行清洁打扫；若住户还在房间内，则用语音再次提示住户并对房间进行断水断电操作。

4 结论

本文提出的民宿无人值守智能管理系统通过爬虫程序挖掘民宿数据，可为辅助民宿商户决策提供参考；无线RFID技术的合理运用实现了民宿的无人值守管理；通过使用线性SVM学习算法，RFID检测系统的准确率达到99.25%，具有较高的实用性；STM32控制模块实现了房间内智能家居设备的启动控制，实现了民宿的无人化、智能化管理。民宿无人值守智能管理系统响应了国家的智能用电服务乡村振兴战略，可为用户提供优质的服务且节约了能源，符合可持续发展观，具有广阔的市场应用前景。

图18 退房时RFID检测系统的工作流程Fig.18 Work flow of RFID detection system when checking-out