基于大数据平台的无人智慧超市管理系统设计

吴永豪

（广州新华学院信息科学学院 广东省东莞市 523133）

1 引言

无人智慧超市，主要是利用智能化技术提高消费者的购物效率和减低超市的运营成本。当今社会的发展，智慧地球概念的提出和物联网的发展，为智慧超市提供了新的理念和技术，为智慧超市的发展和实现起到了强有力的支撑作用[1]。智慧超市的广告推送系统利用广告打动，消费人群，提升广告推送的智能化发展，构建与消费者之间的有效渠道，加强广告投放的针对性[2]。这种推送系统虽然能针对消费者推送个性化广告，但并未与超市管理系统联结。

使用人脸识别技术对消费者人群进行识别，利用大数据记录各种消费者人群的消费行为和推荐系统向消费者推荐可能购物的商品，通过无人智慧超市管理系统将商品放置于各种消费者人群经常会选择的行走路线，管理系统根据大数据得出的各种消费者人群的必需品和可能会购买的商品安放在同一处。管理系统记录消费者在超市中的购物路径，通过大数据技术计算最佳的商品放置方式，在传统的基于商品类别进行分区放置提供更多的放置方式。

无人智慧超市管理系统利用大数据技术将消费者的消费行为、购物路径采集计算，优化超市的商品放置位置并融合部分的广告推荐系统功能，将消费者可能购物的商品放置于明显位置和购物路径经过的位置，提高商品的被购买几率，实现智慧超市的智能化管理。

2 超市管理系统应用大数据技术的框架

2.1 大数据技术

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产[3]。大数据是为了解决信息爆炸时代产生的海量数据而提出的一种新的技术概念，用于更加快速地、经济地和有效地从各种种类结构复杂的数据中获取有高利用价值的数据，通过研究这些海量的数据，能有助于数据拥有者发现数据背后的信息，从而利用这些有用的信息，例如超市管理系统可以通过尽可能地搜集消费者行为，了解消费者的需求，增强用户体验。大数据的主要特征是“大”，不仅说明数据的数量庞大，还意味着数据种类繁多、结构复杂，变化速度快，大数据具有四个特性：海量(Volume)、多样(Variety)、价值(Value)、高速(Velocity)[4]。

图1：系统总体功能结构图

图2：商品属性图

图3：消费者属性图

2.2 数据挖掘技术

数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。通过分析数据并试图寻找蕴含其中的规律，这些特殊的规律在进行一定的归纳性推理后，能够帮助决策者调整市场策略，减少风险，并作出正确的决策。

2.3 云计算技术

云计算是分布式计算的其中一种，指通过云端将海量的数据计算任务分解成无数个小计算任务，而后利用多部服务器组成的分布式计算系统进行处理和分析这些小任务得到结果并返回为用户。这种技术在大数据邻域的作用尤为重要，大数据的数据量大，单靠一台服务器无法完成计算任务，而高性能的超级计算机对于普通公司而言成本过高，云计算通过网络将计算任务分解到多台计算机上，同时运算，这种将计算资源集合一起通过软件进行自动化管理，有利于高效利用计算机资源，共享计算机算力。

2.4 基本框架

大数据时代下，传统的超市管理系统大量依靠人工操作方式进行数据的输入管理，这种低效模式并不符合现在的商业场景。从营销角度看，大数据的核心技术是挖掘、洞察、预测，全方位了解消费者的特征，掌握消费者的需求，强化与消费者的互动，最终提供符合消费者需要的商品和服务[4]。基于大数据算法的新型超市管理系统将商品数据和消费者数据进行整合分析，通过可视化图表的方式向决策者展示超市的实时数据，将消费者数据从多个维度进行分类，给予不同的用户标签，绘制出消费者的微观、宏观画像，洞察消费者的需求。通过对用户数据进行行为分析，实现对不同类型的消费者制定专门的营销策略，打造出个性化的广告推送，同时对超市的商品进行销售管理，记录不同商品的销售周期和消费者的品牌关联关系，通过建立商品预测模型预测商品未来的销售情况，实现对商品的销售仓储高效管理，减低超市的仓储成本和库存压力，并结合相关的市场宏观分析，通过公开数据分析竞品的营销策略，得出最佳的定价方案和补货方案。

2.4.1 数据收集

本系统设计通过摄像头和货架传感器等方式，将消费者的消费行为、商品的销售情况、商品的质量数据、顾客的退换货情况记录到系统的存储模块中，以供数据挖掘和数据分析这两个引擎使用。系统的智能广告推送系统则使用Wi-Fi探针技术收集消费者智能设备，将分析模块得到的分析结果并结合管理者使用的营销方案，向消费者提供个性化广告。

2.4.2 数据挖掘

本系统设计使用频繁模式挖掘技术进行数据挖掘，频繁模式是指在数据集中频繁出现的一类模式，而频繁模式挖掘的著名例子是“啤酒和尿片”，这种购物篮分析方式试图从消费者加入购物篮的商品中挖掘出某种模式或者关联，可以是真实的购物篮，也可以是虚拟的，并且给出支持度或是置信度，在用户行为分析中存在巨大的价值，可用于分析真实数据或根据预测数据进行推算，因此采用该大数据算法运用于超市管理系统的数据挖掘部分。该大数据算法为融合贝叶斯深度学习的计算机大数据频繁项挖掘算法( Sequential growth)，这种改进算法的效率和可伸缩性方面均优于现有算法，能很好适用于MapReduce框架[5]。通过云计算和数据挖掘技术，将消费者行为和商品销售数据中隐含的关联信息挖掘形成有价值完整的数据信息。

2.4.3 数据分析

本系统利用数据分析技术对采集到的信息进行处理，分析销售数据，并提出下一步的管理方案。同时系统设计利用消费者行为学中的情境因素进行分析，情境因素是指并非来自个人的知识与刺激的属性，但它是足以明显而且有系统地影响当时个人行为的各种时间与地点等的特定因素[6]。情境因素会影响消费者的消费意愿和忠诚度，通过分析该数据对超市商品的整体布局的合理化编排，将有利于提高消费者的满意度和忠诚度。有文献指出分析消费者在超市中的行走路径，将发现这些数据对商品陈列和购物模式等都有重大帮助，购物者不会走遍所有走廊，也很少会走完整条走廊，购物者还偏好逆时针的购物行走方式[7]。文献作者提出这些数据将对商品陈列布局及走廊之间的关系产生重要影响，本人认为通过结合消费情境因素和购物路径将能对超市的管理系统建立用户画像和消费者群体，针对性进行商品营销有极为重要的作用，从而使系统利用这些数据给出超市的经营意见。

3 超市管理系统的设计

该管理系统的操作平台设计主要采用SSM框架进行开发，数据存储部分主要利用MySQL进行主数据存储，超市每日活动及广告等生存周期短且变化迅速的数据由Redis进行存储，同时Redis也负责主数据从MySQL数据库中读取后在数据分析和数据挖掘的过程的缓存，以此避免MySQL的读写负荷过大。

该管理系统的数据分析模块可以通过图像采集模块的人脸识别功能识别消费者，为每一位消费者记录购物路径及购物商品品牌忠诚度和喜爱偏好等，对于一些消费者的特殊行为，分析引擎能采用自学习的方式对未知行为进行补充学习。超市货架出现缺货情况，系统通过摄像头及货架传感器获悉缺货情况并使用系统通知管理员进行补货。整套无人智慧超市管理系统同时具备智能化人流管控、温度管控、硬件故障管控、火情监控等功能。

3.1 系统总体功能设计

本系统主要由四大部分组成，商品管理、仓储管理、销售管理和系统管理。商品管理主要负责系统管理员对商品信息的查询、增加、修改和删除等方面管理。仓储管理是负责商品在仓库中的管理，涉及商品的采购、进退货和补货管理，通过这些数据系统管理员可实时查看仓库的情况，以便对无人智慧超市的远程管控，以确保商品质量。销售管理是主要是负责商品的定价和管理用户的支付方式，以适应无人智慧超市中消费者自行购物结账的需求。系统管理主要负责整个系统的信息采集及管理，系统用户的管理和系统的备份。图1为本系统的总体功能结构图。

3.2 实体属性设计

商品的信息通过整理可得到5个，商品编码、商品名称、商品价格、商品类别和商品数量。这些属性将有利于与消费者的属性进行联系，以便数据挖掘模块通过这两个信息挖掘分析出有价值内容。图2为商品属性图。

消费者的信息通过整理可得到5个，消费者ID、年龄、性别、购物偏好和消费者类型。根据这些属性系统可绘制消费者画像，并对消费者进行分类，实现推送专属的制定营销内容。图3为消费者属性图。

3.3 功能模块设计

3.3.1 图像采集模块设计

图像采集模块主要是利用摄像头，并通过python第三方库OpenCV将采集到的图像数据保存到数据库中。vc = cv2.VideoCapture(0) ret,frame = vc.read() 上述代码通过打开默认摄像头并获取每一帧的图像数据，获取的图像数据为一个三维矩阵。而实现采集过程中实时识别物体的功能，将利用百度智能云提供的图像识别解决方案，获取图像中的商品信息及超市中的消费者行为轨迹。

3.3.2 商品管理模块设计

无人智慧超市管理系统的商品管理模块利用超市日常经营中摄像头采集到的货架商品数据进行数据分析，利用python的第三方库pandas库对数据进行清洗和挖掘，并通过sklearn库对数据进行预测分析，并通过销售模块获取商品销售信息，建立商品的季度销售模型，利用Hadoop框架中的MapReduce模型将整个超市的所有商品进行迅速、大量的分布式运算，将所得数据通过可视化图表方式展示，得出商品的管理报告以供超市管理者查阅，并给出下一季度的进货方案。

无人超市的商品进货后，系统会自动记录库存中的商品数量和货架上的商品数量以及未到货的商品数量，商品管理者可以在系统管理平台中查看商品信息，同时系统将记录商品的有效期，以保证商品是处于有效日期内。

图像采集模块收集到的消费者行为轨迹数据将通过大数据模型运算得出消费者的行为路径。消费者购物动机的产生可以分为两类，一类是事先有计划的(planned)购物准备，另一类是随机发生的(unplanned)购物需求。不同的购物需求动机，将可能影响消费者对零售店选择决策，同时影响消费者店内消费额度[8]。将获取的消费者行为路径和商品的排放位置进行合理编排，将有利于提高消费者的购买欲望。

3.3.3 销售管理模块设计

销售模块的设计要实现与商品资源进行精准对接，通过采集日常经营中产生的销售数据和记录消费者的退货数据，将销售数据通过可视化报表方式展现，并进行相应的商业分析，与商品管理模块结合，实现对商品数量及金额的有效管控。

销售模块对于处于销售低迷情况的商品，通过系统的智能广告推送系统向符合购物该商品的潜在消费者进行个性化推送，同时广告推送系统也将根据商品季度变化情况进行调整，保证畅销商品的广告投送同时对下一周期的热门商品进行预热和向潜在顾客推送商品促销信息，实现智慧化营销。

3.3.4 人脸识别功能设计

人脸识别功能的主要目的是精准识别消费群体，基本原理是通过图像采集模块收集到的图像数据，利用深度学习技术中的卷积神经网络(CNN)，对图像进行年龄和性别划分，以供管理系统的销售模块建立消费者画像，制定营销方案，对消费群体实现精准营销。

这段代码通过使用人脸特征库和人眼特征库，利用级联分类器对人脸数据进行划分并标注，以便后续模型利用图像人脸数据作进一步分析。

4 结语

传统超市向无人化、智慧化发展已是时代趋势。无人智慧超市管理系统，将传统超市管理平台与大数据技术结合，并补充其他数据分析系统中并未利用的消费者行为学中的情境因素和消费者路径分析，其能挖掘出商业信息中高价值信息。因此，该管理系统将能为智慧超市的发展助力，实现增强消费者的购物欲望，令智慧超市更加明白消费者的购物心理。