面向校園消費數(shù)據(jù)的可視化分析平臺研究

曹小平，孫 暖

（重慶科創(chuàng)職業(yè)學(xué)院 人工智能學(xué)院，重慶 永川 402160）

1 概述

隨著高校信息化建設(shè)的不斷推進(jìn)和發(fā)展，需要對高校的校園消費進(jìn)行信息化建設(shè)，通過分析大學(xué)生和教師的校園消費信息，進(jìn)一步促進(jìn)高校的信息化管理和建設(shè)，提高高校的智能信息化管理水平，根據(jù)校園消費數(shù)據(jù)分析結(jié)果，分析大學(xué)生和教師的就餐行為和消費行為信息，可以進(jìn)一步為貧困生的幫扶以及相關(guān)管理措施的制定提供數(shù)據(jù)基礎(chǔ)[1]，從而提高校園信息化智能管理水平。研究校園消費數(shù)據(jù)的可視化分析平臺，在高校的智能信息化建設(shè)和管理中發(fā)揮重要作用，相關(guān)的平臺建設(shè)設(shè)計研究受到人們的極大關(guān)注[2]。較傳統(tǒng)設(shè)計方法相比，本文設(shè)計的校園消費數(shù)據(jù)可視化分析平臺具有校園消費數(shù)據(jù)的融合調(diào)度處理特點，以及能夠計算校園消費數(shù)據(jù)的窗口最大容納量的特點，系統(tǒng)穩(wěn)定性較高，可視化分析能力較強。

設(shè)計基于校園消費數(shù)據(jù)的可視化分析平臺，首先進(jìn)行了平臺的總體設(shè)計構(gòu)架分析和功能設(shè)計分析，平臺的功能實現(xiàn)包括了服務(wù)端的實現(xiàn)和客戶端實現(xiàn)，主要分析了校園的就餐行為和擁擠度預(yù)測，結(jié)合數(shù)據(jù)分析和K-均值聚類方法，實現(xiàn)校園消費數(shù)據(jù)的可視化分析，從而設(shè)計了通用化的校園消費數(shù)據(jù)可視化分析平臺，最后進(jìn)行仿真測試，得出有效性結(jié)論。

2 平臺總體設(shè)計

2.1 平臺構(gòu)架設(shè)計

首先分析校園消費數(shù)據(jù)可視化分析平臺的總體結(jié)構(gòu)構(gòu)架，并進(jìn)行校園消費數(shù)據(jù)可視化分析的功能模塊結(jié)構(gòu)設(shè)計，校園消費數(shù)據(jù)可視化分析平臺建立在通用計算機平臺上[3]，校園消費信息分析數(shù)據(jù)的采集來自于就餐的刷卡相關(guān)信息，結(jié)合視頻監(jiān)控信息、飯卡充值數(shù)據(jù)信息以及消費數(shù)據(jù)信息等，進(jìn)行大學(xué)生就餐信息采集，采用ARM作為核心控制單元，進(jìn)行校園消費數(shù)據(jù)可視化平臺的嵌入式構(gòu)造設(shè)計，結(jié)合物聯(lián)網(wǎng)技術(shù)和ZigBee技術(shù)進(jìn)行的校園消費數(shù)據(jù)可視化分析平臺的網(wǎng)絡(luò)開發(fā)設(shè)計，采用VIX總線控制技術(shù)構(gòu)建校園消費數(shù)據(jù)可視化分析平臺的總線模塊[4]，采用嵌入式總線控制方法，進(jìn)行校園消費數(shù)據(jù)可視化分析和信息調(diào)度。平臺的總體設(shè)計構(gòu)架包括貧困生就餐行為分析模塊、大學(xué)生就餐行為分析模塊、教師就餐行為分析模塊以及就餐擁擠度情況預(yù)測模塊等，首先在用戶控制模塊進(jìn)行參數(shù)輸入，初始化消費統(tǒng)計參數(shù)，在數(shù)據(jù)處理模塊進(jìn)行數(shù)據(jù)分析和可視化預(yù)測，在輸出模塊顯示校園消費的數(shù)據(jù)分析和統(tǒng)計結(jié)果，根據(jù)上述總體設(shè)計構(gòu)架，得到校園消費數(shù)據(jù)可視化分析平臺的總體構(gòu)架如圖1所示。

根據(jù)圖1所示的校園消費數(shù)據(jù)可視化分析平臺的總體結(jié)構(gòu)構(gòu)架，采用ADSP21160集成處理器系統(tǒng)作為校園消費數(shù)據(jù)可視化分析平臺主控模塊，結(jié)合PLC邏輯信息分析技術(shù)，進(jìn)行校園消費數(shù)據(jù)可視化分析平臺轉(zhuǎn)換和數(shù)據(jù)分析[5]。

圖1 校園消費數(shù)據(jù)可視化分析平臺的總體構(gòu)架

2.2 平臺的功能設(shè)計

為了實現(xiàn)對校園消費數(shù)據(jù)的可視化分析，需要結(jié)合SPSS統(tǒng)計分析技術(shù)和傳感信息融合技術(shù)，進(jìn)行校園消費數(shù)據(jù)采樣，平臺的功能模塊分為貧困生就餐行為分析模塊、大學(xué)生就餐行為分析模塊、教師就餐行為分析模塊以及就餐擁擠度情況預(yù)測模塊等，平臺分為用戶子系統(tǒng)和后臺管理子系統(tǒng)[6]，首先在用戶子系統(tǒng)中建立登錄注冊模塊和賬號管理模，構(gòu)建校園消費數(shù)據(jù)可視化分析平臺的網(wǎng)絡(luò)通信模塊，結(jié)合各種消費項目，進(jìn)行用戶的消費行為和就餐行為分析，根據(jù)就餐信息反饋結(jié)果，進(jìn)行校園消費數(shù)據(jù)的可視化平臺的用戶模塊構(gòu)造，采用信息分類管理的方法，進(jìn)行校園消費數(shù)據(jù)的可視化平臺的網(wǎng)絡(luò)控制和用戶管理，根據(jù)上述分析，得到校園消費數(shù)據(jù)的可視化平臺的功能模塊構(gòu)成如圖2所示。

圖2 校園消費數(shù)據(jù)可視化平臺的功能模塊構(gòu)成

3 平臺功能實現(xiàn)

3.1 服務(wù)端的實現(xiàn)

基于C/S客戶端服務(wù)器建立學(xué)生校園消費數(shù)據(jù)可視化分析平臺的服務(wù)端模塊，在Qt/Embedded中進(jìn)行學(xué)生校園消費數(shù)據(jù)可視化分析平臺的應(yīng)用軟件設(shè)計，在Linux內(nèi)核中開發(fā)學(xué)生校園消費數(shù)據(jù)可視化分析平臺的移動終端APP，在嵌入式ARM總線控制協(xié)議下建立平臺的內(nèi)核結(jié)構(gòu)，進(jìn)行校園消費數(shù)據(jù)可視化分析平臺的網(wǎng)絡(luò)模塊化開發(fā)和嵌入式設(shè)計，平臺的服務(wù)端分為貧困生就餐信息控制、大學(xué)生就餐信息控制和教師就餐信息控制等，在CPU寄存器中建立校園消費數(shù)據(jù)可視化分析平臺的客戶端，采用ISA/EISA構(gòu)架模式進(jìn)行校園消費數(shù)據(jù)可視化分析平臺的總線開發(fā)設(shè)計，設(shè)計校園消費數(shù)據(jù)可視化分析平臺的總線傳輸協(xié)議，綜上分析，得到平臺的服務(wù)端模塊結(jié)構(gòu)如圖3所示。

圖3 平臺的服務(wù)端模塊結(jié)構(gòu)

3.2 客戶端的實現(xiàn)

客戶端采用標(biāo)準(zhǔn)的JTAG（Joint Test Action Group；聯(lián)合測試工作組）接口：TMS（Test mode selection；測 試 模 式 選 擇）、TCK（Test clock input；測 試 時 鐘 輸 入）、TDI（Test data input；測試數(shù)據(jù)輸入）、TDO（Test data output；測試數(shù)據(jù)輸出）進(jìn)行校園消費數(shù)據(jù)可視化分析分析平臺的輸出接口設(shè)計，實現(xiàn)人機交互設(shè)計，在智能控制過程中實現(xiàn)校園消費數(shù)據(jù)可視化分析和人機交互。通過32位嵌入式設(shè)計方法進(jìn)行校園消費數(shù)據(jù)可視化分析平臺的輸出信息調(diào)度。選取DS18B20作為校園消費數(shù)據(jù)可視化分析平臺的外圍總線，結(jié)合交叉編譯控制技術(shù)，進(jìn)行校園消費數(shù)據(jù)可視化分析平臺的編譯控制和指令加載，設(shè)計程序加載模塊，進(jìn)行平臺的人機交互設(shè)計和人工智能控制，選擇ADI公司的ADM706嵌入式處理器作為校園消費數(shù)據(jù)可視化分析平臺總線控制終端模塊，利用ADSP-BF537BBC-5A實現(xiàn)校園消費數(shù)據(jù)可視化分析和總線設(shè)計，根據(jù)上述分析，得到客戶端設(shè)計如圖4所示。

圖4 校園消費數(shù)據(jù)可視化客戶端設(shè)計

4 窗口最大容納量的確定和數(shù)據(jù)分析

4.1 K-均值聚類

在上述總體設(shè)計和功能模塊設(shè)計的基礎(chǔ)上，進(jìn)行校園消費數(shù)據(jù)的可視化分析[7-8]，采用串口最大容納量預(yù)測的方法進(jìn)行校園消費數(shù)據(jù)預(yù)測評估，結(jié)合K-均值聚類分析技術(shù)進(jìn)行校園消費數(shù)據(jù)的融合調(diào)度處理，構(gòu)建校園消費數(shù)據(jù)分布式存儲結(jié)構(gòu)模型，假設(shè)Nk(k=0,1,…,L)表示第k層校園消費數(shù)據(jù)主動融合的分布集的個數(shù)；表示校園消費數(shù)據(jù)在數(shù)據(jù)采樣中第k-1層的第i個節(jié)點的模糊隸屬度函數(shù)，采用多層規(guī)劃的方法，構(gòu)建校園消費數(shù)據(jù)主動融合的最大獨立平均分布集函數(shù)P(n i)={p k|pr kj=1,k=1,2,…,m}，初始化校園消費數(shù)據(jù)的分類區(qū)間，在模糊聚類中心F(x i,A j(L))，i=1,…,m,j=1,…,k，采用關(guān)聯(lián)規(guī)則挖掘方法，進(jìn)行校園消費數(shù)據(jù)主動融合的特征挖掘，得到校園消費數(shù)據(jù)的模糊隸屬函數(shù)為：

其中，P fi表示校園消費數(shù)據(jù)融合過程中的模糊聚類中心，P di為校園消費數(shù)據(jù)的先驗概率密度，設(shè)計校園消費數(shù)據(jù)的區(qū)域融合特征分布集，得到模糊統(tǒng)計特征量為：

其中，s c(t)表示校園消費數(shù)據(jù)的特征屬性，ej2πf0t表示直覺模糊信息，校園消費數(shù)據(jù)的空間分布式存儲特征分布為：

假定校園消費數(shù)據(jù)的簇內(nèi)分布函數(shù)：

對校園消費數(shù)據(jù)采用空間區(qū)域信息融合的方法進(jìn)行K-均值聚類處理，實現(xiàn)校園消費數(shù)據(jù)的優(yōu)化聚類，聚類輸出為：

其中

根據(jù)上述分析，構(gòu)建校園消費數(shù)據(jù)的窗口最大容納量模型，結(jié)合K-均值聚類算法，進(jìn)行校園消費數(shù)據(jù)的可視化分析和調(diào)度[9-10]。

4.2 窗口最大容納量的計算

在采用模糊K-均值聚類算法實現(xiàn)校園消費數(shù)據(jù)特征量聚類分析的基礎(chǔ)上，進(jìn)行窗口最大容納量計算[11]，對關(guān)聯(lián)系數(shù)ρ(k)進(jìn)行自適應(yīng)修正，得到校園消費數(shù)據(jù)窗口最大容納量的約束函數(shù)：

其中λ為校園消費數(shù)據(jù)的統(tǒng)計特征量，通過對校園消費數(shù)據(jù)的信息融合處理，建立校園消費數(shù)據(jù)模糊聚類和自適應(yīng)調(diào)度模型，輸出為：

結(jié)合校園消費的數(shù)據(jù)的模糊度檢索方法，得到校園消費的數(shù)據(jù)的預(yù)測模型為：

據(jù)上述預(yù)測結(jié)果，實現(xiàn)校園消費數(shù)據(jù)的窗口最大容納量計算，根據(jù)計算結(jié)果實現(xiàn)就餐行為和擁擠度預(yù)測分析[11]。

5 校園消費可視化分析

為了分析時間段與刷卡次數(shù)的關(guān)系，收集三食堂周一到周三從10：00到13：00時間段內(nèi)的pos機的刷卡次數(shù)，每隔10分鐘統(tǒng)計一次，將采集到的數(shù)據(jù)進(jìn)行可視化作圖，得到如圖5所示，從圖中可以看出整體刷卡次數(shù)先增大后減小，在12：00左右達(dá)到峰值，因為12：00是學(xué)校下課學(xué)生開始午餐時間，所以此時刷卡人數(shù)回達(dá)到最高，符合實際情況，隨后隨著時間的增加，人數(shù)越來越少。我們分析了周一到周三的數(shù)據(jù)，數(shù)據(jù)的波動程度相似，符合學(xué)生的作息規(guī)律。

圖5 時間與刷卡次數(shù)的關(guān)系圖

接下來我們對學(xué)生的近三個月的消費數(shù)據(jù)進(jìn)行統(tǒng)計分析，以便對貧困學(xué)生的消費水平和一般學(xué)生的消費水平進(jìn)行區(qū)分。采取1000個學(xué)生近三個月的消費作為樣本，取每個月的消費的平均值，并對數(shù)據(jù)采用歸一化處理，采取kmeans算法進(jìn)行聚類，得到聚類的結(jié)果如圖6所示：藍(lán)色的點表示藍(lán)色的點表示消費水平在600元以下，有理由認(rèn)為這些學(xué)生中很可能存在貧困生，綠色的點代表消費水平在600-1000元之間屬于普通家庭消費，而黃色的點表示消費水平高于1000的人數(shù)。通過對學(xué)生消費水平的進(jìn)行聚類可以很容易找到貧困學(xué)生，從而對貧困生進(jìn)行補助。

圖6 學(xué)生消費水平的k-means聚類

6 實驗

6.1 仿真測試分析

根據(jù)上述算法設(shè)計和系統(tǒng)模塊化設(shè)計，構(gòu)建平臺的用戶表示層、業(yè)務(wù)邏輯層、數(shù)據(jù)鏈路層，在嵌入式Linux內(nèi)核下，實現(xiàn)校園消費數(shù)據(jù)可視化分析平臺的開發(fā)設(shè)計，在此基礎(chǔ)上進(jìn)行仿真實驗分析，結(jié)合Matlab仿真工具，采用Simulink構(gòu)造校園消費數(shù)據(jù)的可視化分析平臺的接口，設(shè)定校園消費數(shù)據(jù)的模糊采樣時間間隔為0.45s，對校園消費數(shù)據(jù)的離散采樣頻率為，對校園消費數(shù)據(jù)K-均值聚類的迭代步數(shù)為200，根據(jù)上述參數(shù)設(shè)定，進(jìn)行校園消費的數(shù)據(jù)分析，得到原始的數(shù)據(jù)采集結(jié)果如圖7所示。

以圖7的數(shù)據(jù)為輸入，通過Bridge Api調(diào)用原生控件，采用Mysql構(gòu)建數(shù)據(jù)庫，實現(xiàn)校園消費的數(shù)據(jù)的可視分析，測試數(shù)據(jù)召回率，得到對比結(jié)果如圖8所示：

圖7 校園消費的數(shù)據(jù)采樣

圖8 數(shù)據(jù)召回性能測試

分析圖8可知，在進(jìn)行迭代步數(shù)的數(shù)據(jù)召回性能測試時，本文算法召回率對比PID算法和支持向量機算法的召回率較高。設(shè)計的校園消費數(shù)據(jù)可視化分析平臺的系統(tǒng)穩(wěn)定性較好，對校園消費數(shù)據(jù)的統(tǒng)計分析結(jié)果準(zhǔn)確可靠。

6.2 聚類指標(biāo)分析

本文采用F度量值作為聚類結(jié)果的評價標(biāo)準(zhǔn)。該方法同時兼顧了查準(zhǔn)率（P）和查全率（R）兩個指標(biāo)，P和R分別由下面的計算公式得到。

其中，T P為預(yù)測為貧困生的同學(xué)是真實的貧困生，即聚類的正確個數(shù)，F(xiàn)P為非貧困生被劃分為貧困生的個數(shù)，F(xiàn) N為貧困生類被劃分非貧困生類的個數(shù)，T P+FP表示實際分類的同學(xué)，TP+FN表示應(yīng)有的貧困生個數(shù)。為更客觀地評價聚類性能，本研究對傳統(tǒng)的算法進(jìn)行多次隨機選擇初始聚類中心完成聚類，對本文提出的初始中心選擇算法，也是選取了多個密度閾值進(jìn)行聚類，分別取各自最佳的一次結(jié)果。表1是傳統(tǒng)的k-means算法與改進(jìn)后的模糊k-means算法的F值的實驗結(jié)果。

表1 與傳統(tǒng)k-means算法的F值比較

從表1中不難發(fā)現(xiàn)，改進(jìn)后的聚類算法F值相對比較穩(wěn)定比傳統(tǒng)的FCM和k-means的F值大，這說明本文采取的聚類算法效果較好與上述兩種算法，而不像傳統(tǒng)kmeans和FCM算法的F值上下波動比較大，此外，改進(jìn)后的算法總體的聚類準(zhǔn)確度有所提高。

7 結(jié)語

通過分析大學(xué)生和教師的校園消費信息，進(jìn)一步促進(jìn)高校信息化管理和建設(shè)，提高高校智能信息化管理水平，對接入數(shù)據(jù)源進(jìn)行參數(shù)初始化設(shè)置，實現(xiàn)校園消費的數(shù)據(jù)分析和統(tǒng)計，提出基于校園消費數(shù)據(jù)的可視化分析平臺。通過C/S模塊化設(shè)計技術(shù)，建立校園消費數(shù)據(jù)可視化分析平臺的服務(wù)端和客戶端，采用串口最大容納量預(yù)測方法進(jìn)行校園消費數(shù)據(jù)預(yù)測評估，結(jié)合K-均值聚類分析技術(shù)進(jìn)行校園消費數(shù)據(jù)的融合調(diào)度處理，實現(xiàn)校園消費數(shù)據(jù)的窗口最大容納量計算，根據(jù)計算結(jié)果實現(xiàn)就餐行為和擁擠度預(yù)測分析。所設(shè)計可視化分析平臺的創(chuàng)新點是：校園消費數(shù)據(jù)的融合調(diào)度處理與計算校園消費數(shù)據(jù)的窗口最大容納量。

在嵌入式Linux內(nèi)核下，實現(xiàn)校園消費數(shù)據(jù)可視化分析平臺的開發(fā)設(shè)計。研究得知，設(shè)計的校園消費數(shù)據(jù)可視化分析平臺的系統(tǒng)穩(wěn)定性較好，對校園消費數(shù)據(jù)的統(tǒng)計分析結(jié)果準(zhǔn)確可靠，具有很好的應(yīng)用價值。