Machine Learning für Passenger Tracking

In öffentlichen Verkehrsmitteln wird flächendeckend WLAN zur Verfügung gestellt. Sämtliche Geräte mit eingeschalteter WLAN-Funktion schicken in regelmässigen Zeitabständen Pakete über das WLAN-Netz, ob das Gerät mit dem Netzwerk verbunden ist oder nicht, hat dabei keinen Einfluss.
Diese Pakete enthalten diverse Daten zum Gerät, wie zum Beispiel die unterstützen Bit-Raten. Ausserdem enthalten die Pakete die MAC Adresse des Geräts, anhand dieser kann ein Gerät eindeutig identifiziert werden. Dies wurde ausgenutzt, um Bewegungsmuster und Aufenthaltsort von Geräten und somit von Personen zu ermitteln.
Um die Privatsphäre der Benutzer zu schützen haben diverse Hersteller angefangen die MAC Adresse des Geräts beim Versenden von solchen Paketen zu randomisieren.

Diese Arbeit untersucht ob mittels Machine Learning Techniken, anhand der übrigen in den Paketen enthaltenen Daten, die Anzahl der Geräte, beziehungsweise die Anzahl der Personen, in der Reichweite des WLAN-Netzes, ermittelt werden kann. Hierzu standen neben den Paketdaten auch noch zusätzliche Informationen wie der Zeitstempel oder die geographische Position zur Verfügung.

Im Rahmen dieser Machbarkeitsstudie werden verschiedene Ansätze und Technologien analysiert und eruiert. Anhand der opportunen Methoden wurde ein Prototyp für die Datenaufbereitung und Klassifizierung entwickelt. Durch die Analyse verschiedener Attribute der WLAN-Pakete, sowie deren Korrelation zu einander, wurden die Daten in Klassen strukturiert.