基于大數據平臺的無人智慧超市管理系統設計

吳永豪

（廣州新華學院信息科學學院 廣東省東莞市 523133）

1 引言

無人智慧超市，主要是利用智能化技術提高消費者的購物效率和減低超市的運營成本。當今社會的發展，智慧地球概念的提出和物聯網的發展，為智慧超市提供了新的理念和技術，為智慧超市的發展和實現起到了強有力的支撐作用[1]。智慧超市的廣告推送系統利用廣告打動，消費人群，提升廣告推送的智能化發展，構建與消費者之間的有效渠道，加強廣告投放的針對性[2]。這種推送系統雖然能針對消費者推送個性化廣告，但并未與超市管理系統聯結。

使用人臉識別技術對消費者人群進行識別，利用大數據記錄各種消費者人群的消費行為和推薦系統向消費者推薦可能購物的商品，通過無人智慧超市管理系統將商品放置于各種消費者人群經常會選擇的行走路線，管理系統根據大數據得出的各種消費者人群的必需品和可能會購買的商品安放在同一處。管理系統記錄消費者在超市中的購物路徑，通過大數據技術計算最佳的商品放置方式，在傳統的基于商品類別進行分區放置提供更多的放置方式。

無人智慧超市管理系統利用大數據技術將消費者的消費行為、購物路徑采集計算，優化超市的商品放置位置并融合部分的廣告推薦系統功能，將消費者可能購物的商品放置于明顯位置和購物路徑經過的位置，提高商品的被購買幾率，實現智慧超市的智能化管理。

2 超市管理系統應用大數據技術的框架

2.1 大數據技術

大數據是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產[3]。大數據是為了解決信息爆炸時代產生的海量數據而提出的一種新的技術概念，用于更加快速地、經濟地和有效地從各種種類結構復雜的數據中獲取有高利用價值的數據，通過研究這些海量的數據，能有助于數據擁有者發現數據背后的信息，從而利用這些有用的信息，例如超市管理系統可以通過盡可能地搜集消費者行為，了解消費者的需求，增強用戶體驗。大數據的主要特征是“大”，不僅說明數據的數量龐大，還意味著數據種類繁多、結構復雜，變化速度快，大數據具有四個特性：海量(Volume)、多樣(Variety)、價值(Value)、高速(Velocity)[4]。

圖1：系統總體功能結構圖

圖2：商品屬性圖

圖3：消費者屬性圖

2.2 數據挖掘技術

數據挖掘是指從大量的數據中通過算法搜索隱藏于其中信息的過程。數據挖掘通常與計算機科學有關，并通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標。通過分析數據并試圖尋找蘊含其中的規律，這些特殊的規律在進行一定的歸納性推理后，能夠幫助決策者調整市場策略，減少風險，并作出正確的決策。

2.3 云計算技術

云計算是分布式計算的其中一種，指通過云端將海量的數據計算任務分解成無數個小計算任務，而后利用多部服務器組成的分布式計算系統進行處理和分析這些小任務得到結果并返回為用戶。這種技術在大數據鄰域的作用尤為重要，大數據的數據量大，單靠一臺服務器無法完成計算任務，而高性能的超級計算機對于普通公司而言成本過高，云計算通過網絡將計算任務分解到多臺計算機上，同時運算，這種將計算資源集合一起通過軟件進行自動化管理，有利于高效利用計算機資源，共享計算機算力。

2.4 基本框架

大數據時代下，傳統的超市管理系統大量依靠人工操作方式進行數據的輸入管理，這種低效模式并不符合現在的商業場景。從營銷角度看，大數據的核心技術是挖掘、洞察、預測，全方位了解消費者的特征，掌握消費者的需求，強化與消費者的互動，最終提供符合消費者需要的商品和服務[4]。基于大數據算法的新型超市管理系統將商品數據和消費者數據進行整合分析，通過可視化圖表的方式向決策者展示超市的實時數據，將消費者數據從多個維度進行分類，給予不同的用戶標簽，繪制出消費者的微觀、宏觀畫像，洞察消費者的需求。通過對用戶數據進行行為分析，實現對不同類型的消費者制定專門的營銷策略，打造出個性化的廣告推送，同時對超市的商品進行銷售管理，記錄不同商品的銷售周期和消費者的品牌關聯關系，通過建立商品預測模型預測商品未來的銷售情況，實現對商品的銷售倉儲高效管理，減低超市的倉儲成本和庫存壓力，并結合相關的市場宏觀分析，通過公開數據分析競品的營銷策略，得出最佳的定價方案和補貨方案。

2.4.1 數據收集

本系統設計通過攝像頭和貨架傳感器等方式，將消費者的消費行為、商品的銷售情況、商品的質量數據、顧客的退換貨情況記錄到系統的存儲模塊中，以供數據挖掘和數據分析這兩個引擎使用。系統的智能廣告推送系統則使用Wi-Fi探針技術收集消費者智能設備，將分析模塊得到的分析結果并結合管理者使用的營銷方案，向消費者提供個性化廣告。

2.4.2 數據挖掘

本系統設計使用頻繁模式挖掘技術進行數據挖掘，頻繁模式是指在數據集中頻繁出現的一類模式，而頻繁模式挖掘的著名例子是“啤酒和尿片”，這種購物籃分析方式試圖從消費者加入購物籃的商品中挖掘出某種模式或者關聯，可以是真實的購物籃，也可以是虛擬的，并且給出支持度或是置信度，在用戶行為分析中存在巨大的價值，可用于分析真實數據或根據預測數據進行推算，因此采用該大數據算法運用于超市管理系統的數據挖掘部分。該大數據算法為融合貝葉斯深度學習的計算機大數據頻繁項挖掘算法( Sequential growth)，這種改進算法的效率和可伸縮性方面均優于現有算法，能很好適用于MapReduce框架[5]。通過云計算和數據挖掘技術，將消費者行為和商品銷售數據中隱含的關聯信息挖掘形成有價值完整的數據信息。

2.4.3 數據分析

本系統利用數據分析技術對采集到的信息進行處理，分析銷售數據，并提出下一步的管理方案。同時系統設計利用消費者行為學中的情境因素進行分析，情境因素是指并非來自個人的知識與刺激的屬性，但它是足以明顯而且有系統地影響當時個人行為的各種時間與地點等的特定因素[6]。情境因素會影響消費者的消費意愿和忠誠度，通過分析該數據對超市商品的整體布局的合理化編排，將有利于提高消費者的滿意度和忠誠度。有文獻指出分析消費者在超市中的行走路徑，將發現這些數據對商品陳列和購物模式等都有重大幫助，購物者不會走遍所有走廊，也很少會走完整條走廊，購物者還偏好逆時針的購物行走方式[7]。文獻作者提出這些數據將對商品陳列布局及走廊之間的關系產生重要影響，本人認為通過結合消費情境因素和購物路徑將能對超市的管理系統建立用戶畫像和消費者群體，針對性進行商品營銷有極為重要的作用，從而使系統利用這些數據給出超市的經營意見。

3 超市管理系統的設計

該管理系統的操作平臺設計主要采用SSM框架進行開發，數據存儲部分主要利用MySQL進行主數據存儲，超市每日活動及廣告等生存周期短且變化迅速的數據由Redis進行存儲，同時Redis也負責主數據從MySQL數據庫中讀取后在數據分析和數據挖掘的過程的緩存，以此避免MySQL的讀寫負荷過大。

該管理系統的數據分析模塊可以通過圖像采集模塊的人臉識別功能識別消費者，為每一位消費者記錄購物路徑及購物商品品牌忠誠度和喜愛偏好等，對于一些消費者的特殊行為，分析引擎能采用自學習的方式對未知行為進行補充學習。超市貨架出現缺貨情況，系統通過攝像頭及貨架傳感器獲悉缺貨情況并使用系統通知管理員進行補貨。整套無人智慧超市管理系統同時具備智能化人流管控、溫度管控、硬件故障管控、火情監控等功能。

3.1 系統總體功能設計

本系統主要由四大部分組成，商品管理、倉儲管理、銷售管理和系統管理。商品管理主要負責系統管理員對商品信息的查詢、增加、修改和刪除等方面管理。倉儲管理是負責商品在倉庫中的管理，涉及商品的采購、進退貨和補貨管理，通過這些數據系統管理員可實時查看倉庫的情況，以便對無人智慧超市的遠程管控，以確保商品質量。銷售管理是主要是負責商品的定價和管理用戶的支付方式，以適應無人智慧超市中消費者自行購物結賬的需求。系統管理主要負責整個系統的信息采集及管理，系統用戶的管理和系統的備份。圖1為本系統的總體功能結構圖。

3.2 實體屬性設計

商品的信息通過整理可得到5個，商品編碼、商品名稱、商品價格、商品類別和商品數量。這些屬性將有利于與消費者的屬性進行聯系，以便數據挖掘模塊通過這兩個信息挖掘分析出有價值內容。圖2為商品屬性圖。

消費者的信息通過整理可得到5個，消費者ID、年齡、性別、購物偏好和消費者類型。根據這些屬性系統可繪制消費者畫像，并對消費者進行分類，實現推送專屬的制定營銷內容。圖3為消費者屬性圖。

3.3 功能模塊設計

3.3.1 圖像采集模塊設計

圖像采集模塊主要是利用攝像頭，并通過python第三方庫OpenCV將采集到的圖像數據保存到數據庫中。vc = cv2.VideoCapture(0) ret,frame = vc.read() 上述代碼通過打開默認攝像頭并獲取每一幀的圖像數據，獲取的圖像數據為一個三維矩陣。而實現采集過程中實時識別物體的功能，將利用百度智能云提供的圖像識別解決方案，獲取圖像中的商品信息及超市中的消費者行為軌跡。

3.3.2 商品管理模塊設計

無人智慧超市管理系統的商品管理模塊利用超市日常經營中攝像頭采集到的貨架商品數據進行數據分析，利用python的第三方庫pandas庫對數據進行清洗和挖掘，并通過sklearn庫對數據進行預測分析，并通過銷售模塊獲取商品銷售信息，建立商品的季度銷售模型，利用Hadoop框架中的MapReduce模型將整個超市的所有商品進行迅速、大量的分布式運算，將所得數據通過可視化圖表方式展示，得出商品的管理報告以供超市管理者查閱，并給出下一季度的進貨方案。

無人超市的商品進貨后，系統會自動記錄庫存中的商品數量和貨架上的商品數量以及未到貨的商品數量，商品管理者可以在系統管理平臺中查看商品信息，同時系統將記錄商品的有效期，以保證商品是處于有效日期內。

圖像采集模塊收集到的消費者行為軌跡數據將通過大數據模型運算得出消費者的行為路徑。消費者購物動機的產生可以分為兩類，一類是事先有計劃的(planned)購物準備，另一類是隨機發生的(unplanned)購物需求。不同的購物需求動機，將可能影響消費者對零售店選擇決策，同時影響消費者店內消費額度[8]。將獲取的消費者行為路徑和商品的排放位置進行合理編排，將有利于提高消費者的購買欲望。

3.3.3 銷售管理模塊設計

銷售模塊的設計要實現與商品資源進行精準對接，通過采集日常經營中產生的銷售數據和記錄消費者的退貨數據，將銷售數據通過可視化報表方式展現，并進行相應的商業分析，與商品管理模塊結合，實現對商品數量及金額的有效管控。

銷售模塊對于處于銷售低迷情況的商品，通過系統的智能廣告推送系統向符合購物該商品的潛在消費者進行個性化推送，同時廣告推送系統也將根據商品季度變化情況進行調整，保證暢銷商品的廣告投送同時對下一周期的熱門商品進行預熱和向潛在顧客推送商品促銷信息，實現智慧化營銷。

3.3.4 人臉識別功能設計

人臉識別功能的主要目的是精準識別消費群體，基本原理是通過圖像采集模塊收集到的圖像數據，利用深度學習技術中的卷積神經網絡(CNN)，對圖像進行年齡和性別劃分，以供管理系統的銷售模塊建立消費者畫像，制定營銷方案，對消費群體實現精準營銷。

這段代碼通過使用人臉特征庫和人眼特征庫，利用級聯分類器對人臉數據進行劃分并標注，以便后續模型利用圖像人臉數據作進一步分析。

4 結語

傳統超市向無人化、智慧化發展已是時代趨勢。無人智慧超市管理系統，將傳統超市管理平臺與大數據技術結合，并補充其他數據分析系統中并未利用的消費者行為學中的情境因素和消費者路徑分析，其能挖掘出商業信息中高價值信息。因此，該管理系統將能為智慧超市的發展助力，實現增強消費者的購物欲望，令智慧超市更加明白消費者的購物心理。