面向校園消費數據的可視化分析平臺研究

曹小平，孫 暖

（重慶科創職業學院 人工智能學院，重慶 永川 402160）

1 概述

隨著高校信息化建設的不斷推進和發展，需要對高校的校園消費進行信息化建設，通過分析大學生和教師的校園消費信息，進一步促進高校的信息化管理和建設，提高高校的智能信息化管理水平，根據校園消費數據分析結果，分析大學生和教師的就餐行為和消費行為信息，可以進一步為貧困生的幫扶以及相關管理措施的制定提供數據基礎[1]，從而提高校園信息化智能管理水平。研究校園消費數據的可視化分析平臺，在高校的智能信息化建設和管理中發揮重要作用，相關的平臺建設設計研究受到人們的極大關注[2]。較傳統設計方法相比，本文設計的校園消費數據可視化分析平臺具有校園消費數據的融合調度處理特點，以及能夠計算校園消費數據的窗口最大容納量的特點，系統穩定性較高，可視化分析能力較強。

設計基于校園消費數據的可視化分析平臺，首先進行了平臺的總體設計構架分析和功能設計分析，平臺的功能實現包括了服務端的實現和客戶端實現，主要分析了校園的就餐行為和擁擠度預測，結合數據分析和K-均值聚類方法，實現校園消費數據的可視化分析，從而設計了通用化的校園消費數據可視化分析平臺，最后進行仿真測試，得出有效性結論。

2 平臺總體設計

2.1 平臺構架設計

首先分析校園消費數據可視化分析平臺的總體結構構架，并進行校園消費數據可視化分析的功能模塊結構設計，校園消費數據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據的采集來自于就餐的刷卡相關信息，結合視頻監控信息、飯卡充值數據信息以及消費數據信息等，進行大學生就餐信息采集，采用ARM作為核心控制單元，進行校園消費數據可視化平臺的嵌入式構造設計，結合物聯網技術和ZigBee技術進行的校園消費數據可視化分析平臺的網絡開發設計，采用VIX總線控制技術構建校園消費數據可視化分析平臺的總線模塊[4]，采用嵌入式總線控制方法，進行校園消費數據可視化分析和信息調度。平臺的總體設計構架包括貧困生就餐行為分析模塊、大學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測模塊等，首先在用戶控制模塊進行參數輸入，初始化消費統計參數，在數據處理模塊進行數據分析和可視化預測，在輸出模塊顯示校園消費的數據分析和統計結果，根據上述總體設計構架，得到校園消費數據可視化分析平臺的總體構架如圖1所示。

根據圖1所示的校園消費數據可視化分析平臺的總體結構構架，采用ADSP21160集成處理器系統作為校園消費數據可視化分析平臺主控模塊，結合PLC邏輯信息分析技術，進行校園消費數據可視化分析平臺轉換和數據分析[5]。

圖1 校園消費數據可視化分析平臺的總體構架

2.2 平臺的功能設計

為了實現對校園消費數據的可視化分析，需要結合SPSS統計分析技術和傳感信息融合技術，進行校園消費數據采樣，平臺的功能模塊分為貧困生就餐行為分析模塊、大學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測模塊等，平臺分為用戶子系統和后臺管理子系統[6]，首先在用戶子系統中建立登錄注冊模塊和賬號管理模，構建校園消費數據可視化分析平臺的網絡通信模塊，結合各種消費項目，進行用戶的消費行為和就餐行為分析，根據就餐信息反饋結果，進行校園消費數據的可視化平臺的用戶模塊構造，采用信息分類管理的方法，進行校園消費數據的可視化平臺的網絡控制和用戶管理，根據上述分析，得到校園消費數據的可視化平臺的功能模塊構成如圖2所示。

圖2 校園消費數據可視化平臺的功能模塊構成

3 平臺功能實現

3.1 服務端的實現

基于C/S客戶端服務器建立學生校園消費數據可視化分析平臺的服務端模塊，在Qt/Embedded中進行學生校園消費數據可視化分析平臺的應用軟件設計，在Linux內核中開發學生校園消費數據可視化分析平臺的移動終端APP，在嵌入式ARM總線控制協議下建立平臺的內核結構，進行校園消費數據可視化分析平臺的網絡模塊化開發和嵌入式設計，平臺的服務端分為貧困生就餐信息控制、大學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據可視化分析平臺的客戶端，采用ISA/EISA構架模式進行校園消費數據可視化分析平臺的總線開發設計，設計校園消費數據可視化分析平臺的總線傳輸協議，綜上分析，得到平臺的服務端模塊結構如圖3所示。

圖3 平臺的服務端模塊結構

3.2 客戶端的實現

客戶端采用標準的JTAG（Joint Test Action Group；聯合測試工作組）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；測試數據輸入）、TDO（Test data output；測試數據輸出）進行校園消費數據可視化分析分析平臺的輸出接口設計，實現人機交互設計，在智能控制過程中實現校園消費數據可視化分析和人機交互。通過32位嵌入式設計方法進行校園消費數據可視化分析平臺的輸出信息調度。選取DS18B20作為校園消費數據可視化分析平臺的外圍總線，結合交叉編譯控制技術，進行校園消費數據可視化分析平臺的編譯控制和指令加載，設計程序加載模塊，進行平臺的人機交互設計和人工智能控制，選擇ADI公司的ADM706嵌入式處理器作為校園消費數據可視化分析平臺總線控制終端模塊，利用ADSP-BF537BBC-5A實現校園消費數據可視化分析和總線設計，根據上述分析，得到客戶端設計如圖4所示。

圖4 校園消費數據可視化客戶端設計

4 窗口最大容納量的確定和數據分析

4.1 K-均值聚類

在上述總體設計和功能模塊設計的基礎上，進行校園消費數據的可視化分析[7-8]，采用串口最大容納量預測的方法進行校園消費數據預測評估，結合K-均值聚類分析技術進行校園消費數據的融合調度處理，構建校園消費數據分布式存儲結構模型，假設Nk(k=0,1,…,L)表示第k層校園消費數據主動融合的分布集的個數；表示校園消費數據在數據采樣中第k-1層的第i個節點的模糊隸屬度函數，采用多層規劃的方法，構建校園消費數據主動融合的最大獨立平均分布集函數P(n i)={p k|pr kj=1,k=1,2,…,m}，初始化校園消費數據的分類區間，在模糊聚類中心F(x i,A j(L))，i=1,…,m,j=1,…,k，采用關聯規則挖掘方法，進行校園消費數據主動融合的特征挖掘，得到校園消費數據的模糊隸屬函數為：

其中，P fi表示校園消費數據融合過程中的模糊聚類中心，P di為校園消費數據的先驗概率密度，設計校園消費數據的區域融合特征分布集，得到模糊統計特征量為：

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

假定校園消費數據的簇內分布函數：

對校園消費數據采用空間區域信息融合的方法進行K-均值聚類處理，實現校園消費數據的優化聚類，聚類輸出為：

其中

根據上述分析，構建校園消費數據的窗口最大容納量模型，結合K-均值聚類算法，進行校園消費數據的可視化分析和調度[9-10]。

4.2 窗口最大容納量的計算

在采用模糊K-均值聚類算法實現校園消費數據特征量聚類分析的基礎上，進行窗口最大容納量計算[11]，對關聯系數ρ(k)進行自適應修正，得到校園消費數據窗口最大容納量的約束函數：

其中λ為校園消費數據的統計特征量，通過對校園消費數據的信息融合處理，建立校園消費數據模糊聚類和自適應調度模型，輸出為：

結合校園消費的數據的模糊度檢索方法，得到校園消費的數據的預測模型為：

據上述預測結果，實現校園消費數據的窗口最大容納量計算，根據計算結果實現就餐行為和擁擠度預測分析[11]。

5 校園消費可視化分析

為了分析時間段與刷卡次數的關系，收集三食堂周一到周三從10：00到13：00時間段內的pos機的刷卡次數，每隔10分鐘統計一次，將采集到的數據進行可視化作圖，得到如圖5所示，從圖中可以看出整體刷卡次數先增大后減小，在12：00左右達到峰值，因為12：00是學校下課學生開始午餐時間，所以此時刷卡人數回達到最高，符合實際情況，隨后隨著時間的增加，人數越來越少。我們分析了周一到周三的數據，數據的波動程度相似，符合學生的作息規律。

圖5 時間與刷卡次數的關系圖

接下來我們對學生的近三個月的消費數據進行統計分析，以便對貧困學生的消費水平和一般學生的消費水平進行區分。采取1000個學生近三個月的消費作為樣本，取每個月的消費的平均值，并對數據采用歸一化處理，采取kmeans算法進行聚類，得到聚類的結果如圖6所示：藍色的點表示藍色的點表示消費水平在600元以下，有理由認為這些學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。通過對學生消費水平的進行聚類可以很容易找到貧困學生，從而對貧困生進行補助。

圖6 學生消費水平的k-means聚類

6 實驗

6.1 仿真測試分析

根據上述算法設計和系統模塊化設計，構建平臺的用戶表示層、業務邏輯層、數據鏈路層，在嵌入式Linux內核下，實現校園消費數據可視化分析平臺的開發設計，在此基礎上進行仿真實驗分析，結合Matlab仿真工具，采用Simulink構造校園消費數據的可視化分析平臺的接口，設定校園消費數據的模糊采樣時間間隔為0.45s，對校園消費數據的離散采樣頻率為，對校園消費數據K-均值聚類的迭代步數為200，根據上述參數設定，進行校園消費的數據分析，得到原始的數據采集結果如圖7所示。

以圖7的數據為輸入，通過Bridge Api調用原生控件，采用Mysql構建數據庫，實現校園消費的數據的可視分析，測試數據召回率，得到對比結果如圖8所示：

圖7 校園消費的數據采樣

圖8 數據召回性能測試

分析圖8可知，在進行迭代步數的數據召回性能測試時，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。設計的校園消費數據可視化分析平臺的系統穩定性較好，對校園消費數據的統計分析結果準確可靠。

6.2 聚類指標分析

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

其中，T P為預測為貧困生的同學是真實的貧困生，即聚類的正確個數，FP為非貧困生被劃分為貧困生的個數，F N為貧困生類被劃分非貧困生類的個數，T P+FP表示實際分類的同學，TP+FN表示應有的貧困生個數。為更客觀地評價聚類性能，本研究對傳統的算法進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行聚類，分別取各自最佳的一次結果。表1是傳統的k-means算法與改進后的模糊k-means算法的F值的實驗結果。

表1 與傳統k-means算法的F值比較

從表1中不難發現，改進后的聚類算法F值相對比較穩定比傳統的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kmeans和FCM算法的F值上下波動比較大，此外，改進后的算法總體的聚類準確度有所提高。

7 結語

通過分析大學生和教師的校園消費信息，進一步促進高校信息化管理和建設，提高高校智能信息化管理水平，對接入數據源進行參數初始化設置，實現校園消費的數據分析和統計，提出基于校園消費數據的可視化分析平臺。通過C/S模塊化設計技術，建立校園消費數據可視化分析平臺的服務端和客戶端，采用串口最大容納量預測方法進行校園消費數據預測評估，結合K-均值聚類分析技術進行校園消費數據的融合調度處理，實現校園消費數據的窗口最大容納量計算，根據計算結果實現就餐行為和擁擠度預測分析。所設計可視化分析平臺的創新點是：校園消費數據的融合調度處理與計算校園消費數據的窗口最大容納量。

在嵌入式Linux內核下，實現校園消費數據可視化分析平臺的開發設計。研究得知，設計的校園消費數據可視化分析平臺的系統穩定性較好，對校園消費數據的統計分析結果準確可靠，具有很好的應用價值。