目前，世界各国的大中城市已经形成了大量的地铁站、高铁站、机场、剧院、体育场馆、商业综合体等人流密集的公共场所，导致在出行和旅游高峰期间频现人流如织的场景，由此产生了从安全防范到交通疏导、从客流统计到偏好分析等城市管理规划、公共安全预警、商业智能决策方面的各种难题，迫切需要支持人数统计、密度测量、个体识别、轨迹追踪等智能人群分析功能。

我校计算机学院物联网团队联合澳大利亚悉尼科技大学、北京交通大学等合作单位，提出采用WiFi嗅探技术解决人群分析难题，取得了重要的研究成果，并以“Pedestrian Flow Estimation Through Passive WiFi Sensing”为题，发表在无线网络和移动计算领域国际顶级期刊《IEEE Transactions on Mobile Computing》（卷号：20，期号：4，页码：1529-1542，下载地址https://ieeexplore.ieee.org/abstract/document/8936381）。《IEEE Transactions on Mobile Computing》是中国计算机学会推荐的A类期刊，同时是中科院SCI期刊分区为一区TOP期刊，影响因子5.112。

该论文揭示了WiFi嗅探数据与移动行人流属性之间的关联关系，建立了基于WiFi嗅探的移动行人流感知理论模型，在此基础上提出了一种基于Rao-Blackwellized粒子滤波（RBPF）的非线性滤波算法，利用实时嗅探数据，同步地估计行人流速度和行人数量（如上图所示）。为了验证这一研究，作者在广州的一个地铁站换乘通道上部署了基于WiFi嗅探的行人分析实验系统（如下图所示），验证了理论模型的有效性和算法的优越性。

我校计算机学院教授、博士生导师黄宝琦为该论文第一作者和通讯作者，内蒙古大学为该论文第一署名单位。该研究得到了国家自然科学基金项目（41871363、61461037），内蒙古自然科学基金项目（2017JQ09），内蒙古自治区“草原英才”工程项目（CYYC5016）以及国家留学基金委（CSC）的资助。