序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇數據分析設計范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

1)商品ID號：根據上線商品的ID號直接獲取商品的評論，并對評論進行等級評定；

2)評論平均分：計算評論平均分，據此可判斷商品是否合格；

3)評論分分布：計算評論的合格數及其比例。等級評定時是多個操作人員同時對同一商品數據進行評論操作，評論評分定級是人工進行的，操作人員的主觀對商品評論操作有一定影響。因此需要將所有操作人員的評論評分數據進行統計對比分析，以控制整個評定的有效性。

2系統設計

本系統根據MVC的三層框架，利用JSP技術制作動態網頁，通過JDBC技術訪問數據庫，使用JSP作為服務器端應用程序處理客戶端的請求并在Web服務器中進行業務邏輯處理并返回客戶端請求的結果。在JSP里嵌套HTML以及CSS對WEB頁面進行設計，引入Bootstrap封裝的樣式，達到系統數據呈現的設計要求。頁面數據呈現與后臺數據交互是整個系統的核心，對數據進行歸納計算和整理并呈現到用戶界面上。用戶只需獲取到公司平臺上線商品的ID號就可以通過系統抓取商品評論數據；同時對數據進行整理分析得到評論平均分、評論分數比例等數據；同時可以系統整理分析出整體上線商品的整體趨勢，通過餅狀圖直觀地看出商品的品質分布。

2.1系統功能結構設計

商務平臺商品數據分析系統分為三個模塊，八個基本功能，分別是管理員登陸、用戶登陸、用戶注冊、商品評論抓取評分、商品評論數據的統計和分析、用戶管理和修改密碼等。

1)管理員登陸：管理員輸入用戶名和密碼，數據經由UIServlet傳遞給ControllerServlet，再到數據庫中驗證身份，將結果返回給JSP，成功登陸就可進入系統，不成功則重新輸入。用戶名只可能是字母，密碼字母和數字皆可。管理員是系統指定的，不可以注冊。

2)用戶登錄：普通用戶輸入用戶名和密碼，數據經由UIServlet傳遞給ControllerServlet，再到數據庫中驗證身份，將結果返回給JSP，成功登陸就可進入系統，不成功則重新輸入。用戶名只可能是6-20位字母，密碼是6-15位字母和數字組合皆可。若沒有賬號，可以在用戶登錄JSP頁面點擊注冊，通過UIServlet跳轉到注冊頁面。

3)用戶注冊：用戶注冊需要輸入Email、用戶名、密碼等信息，Email有格式判斷，必須輸入正確的格式，用戶名必須是6-20位字母，密碼是6-15位的字母數字組合皆可。輸入正確后可以成功申請新用戶，隨后跳轉到普通用戶登錄界面登錄系統。

4)商品評論抓取評分：普通用戶與管理員皆可操作，在輸入框中輸入商品的id號，點擊查詢，就可獲取到“淘寶網”中商品的前一百條評論，并且按照評論時間順序進行呈現。其后的評分框，按照規定只能輸入1-5的數值，同時點擊保存，數據就會存入數據庫中。

5)商品評論數據統計：此功能方便普通用戶清楚的跟蹤自己的工作進度，對于管理員可以掌控平臺上線商品的商品質量，會顯示出該操作人員所操作的所有商品的平均分、合格率，可以看出該操作人員操作的商品評分狀態詳情。

6)商品評論數據分析：此功能為管理者觀察網站整體上線商品的質量分布，點擊查詢，會統計所有使用系統的普通用戶操作過的所有商品數的評論數據。如此管理者可以通過這些數據對網站上線商品進行調整。以操作人為條件，區分每個人的操作數據，可以控制一定的主觀誤差，還有整體的上線商品的趨勢。普通用戶可以看出自己的主觀意見和其他用戶的差別。

7)用戶管理：管理員可以對普通用戶進行增加和刪除，用戶管理界面對普通用戶不可見。管理員有權限重置普通用戶的密碼。

8)修改密碼：管理員和普通用戶都可以自行更改密碼。

2.2系統數據庫設計

數據庫能夠對商務平臺商品數據分析系統的后臺數據進行添加、刪除、查詢，修改。本系統采用MySQL數據庫設計，分別是用戶信息表、評論評分信息表、商品數據分析表和商品數據統計表。用戶信息表主要保存管理員和普通用戶的登錄信息：用戶的用戶名、密碼、級別還有Email。評論評分信息表主要保存評論內容、評論的時間、評論評分、商品id、操作人員、商品名稱等。商品數據分析表主要保存操作人員、操作商品總數、平均四分以上的商品總數及其比例、合格率大于80%的商品總數及其占比、合格率大于60%的商品總數及其占比、不合格商品總數及其占比等內容。商品數據統計表主要保存商品id、操作人員、商品名稱、評論平均分、評論合格率、評論不合格率等信息。

篇（2）

中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2013）12-2798-04

目前在激光準直、測角、自動跟蹤等精密光電檢測系統中，探測目標位置的連續變化已經變得非常重要。位置敏感探測器（Position Sensitive Detector，PSD）是對入射到光敏面上的光斑能量中心位置敏感的光電感應器件，可以利用少數幾個輸出光電信號的相對程度來計算位置信息。由其構成的數據分析系統具有位置分辨率高、響應速度快等特點[1]；四象限探測器（Four-Quadrant photodetector，QPD）通過比較四個象限的電流來確定光斑中心在二維平面上的位置坐標，其數據分析系統可以探測目標位置的連續變化，具有位置分辨率高、響應速度快、調節方便等特點[2-3]。該文在對光電位置敏感器件構成的數據分析系統研究的基礎上，開發了一套上位機軟件界面。該上位機軟件交互界面設計了供用戶選擇位置敏感器件型號及輸入系統修正參數的窗口，通過對串口通信和USB通信方法的研究，設置了上下位機通信控制部分，同時，設計了光斑中心位置數據文本直觀顯示、模擬坐標繪制、歷史信息保存模塊，及設備狀態顯示模塊。軟件功能全面、界面友好、操作直觀、方便，且適用于其他型號的位置敏感器件數據分析系統中。

1 開發工具簡介

Visual C++ 6.0擁有強大的功能和友好的界面，能為用戶提供一個良好的可視化開發環境，它將程序和資源的編輯、編譯、調試和運行融為一體，且提供了大量的程序開發工具。MFC是它一個龐大的類庫，實現了標準的用戶接口，提供了管理窗口、菜單、對話框的代碼，可實現基本的輸入/輸出和數據存儲，為用戶開發Windows應用程序建立了一個非常靈活的應用程序框架[4]。

在MFC中對消息的處理利用了消息映射的方法，該方法的基礎是宏定義實現，通過宏定義將消息分派到不同的成員函數進行處理。因此，在這種機制的支持下，MFC具有強大的消息處理能力[5]。

借助VC++提供的軟件代碼自動生成可視化資源編輯的功能及MFC消息映射機制，可以很便捷地開發上位機軟件交互界面。

2 交互界面設計

上位機軟件交互界面包括供用戶選擇位置敏感器件型號及輸入相應修正參數的窗口部分，上下位機通信控制部分，數據/設備狀態顯示部分。

2.1 供用戶選擇輸入的窗口設計

利用下拉式列表框控件提供供用戶選擇位置敏感器件型號的窗口。通過給其連接變量m_Type，利用m_Type.AddString（）函數為列表框添加選項，m_Type.SelectString（-1， "HY1315（Active area 1.3*15mm）"）函數添加默認選項。軟件通過m_Type. GetCurSel（）函數獲得用戶的選擇，完成相應量程及坐標軸范圍的改變及顯示。利用編輯框控件提供用戶輸入增益及修正系數的窗口，以完善數據處理[6]。

2.2 上下位機通信控制模塊設計

上下位機通信控制模塊是數據分析系統實時數據采集的核心部分。設計中采用了串口通信和USB通信兩種方式進行數據采集與傳輸。其中，串口通信用于測試，USB通信用于實際數據傳輸。

圖1 USB通信流程圖

2.2.1 串口通信控制部分

利用單選按鈕控件提供串口號選擇窗口，通過函數GetCheckedRadioButton（）獲取串口號。通過按鈕控制串口設備的狀態，按鈕交互的實現，通過MFC類向導對按鈕按下時，觸發消息BN_CLICKED進行攔截，并重寫對應的消息處理函數On*Button（），在函數中完成相應按鈕的功能。串口控制區中，“Open”、“Close”按鈕對應的函數在獲取用戶選擇的串口號后，分別完成對應串口的打開及關閉功能；“Start”、“Stop”按鈕通過控制參數m_SPStop控制串口通信的開始與否。借助串口類成員函數OnComm（）實現接收字符及相應數據處理的功能[7]。

2.2.2 USB通信控制部分

USB通信接口具有即插即用的特點，方便與微處理器進行聯機通信，同時USB的通信效率要遠遠高于RS232、RS485等通信接口。USB通信控制部分通過按鈕控制數據傳輸，根據用戶選定的位置敏感器件型號，進行相應的數據處理。通信程序流程圖如圖1所示。

“Link”按鈕通過標志位m_OpenFlag控制設備是否連接。“Start”和“Stop”按鈕通過標志位m_stop控制數據接收與否。“Suspand”按鈕通過參數m_pause控制數據傳輸的暫停和繼續，當按下該按鈕時，按鈕改變為“Continue”字樣，同時通過調用Invalidate（）函數使整個客戶區無效，這時Windows會在應用程序的消息隊列中放置WM_PAINT消息，MFC為窗口類提供了其消息處理函數OnPaint（）；當再次按下該按鈕時，OnPaint（）函數負責重繪窗口，從而重新進行數據傳輸。

上下位機的數據通信通過直接調用CH375DLL.dll動態鏈接庫實現。CH372是一款USB總線的通用設備接口芯片，是芯片CH375的功能簡化版，硬件成本更低，且完全兼容CH375，可以直接使用其WDM驅動程序和動態鏈接庫。CH372在計算機端提供了應用層接口，即由動態鏈接庫DLL提供的面向功能應用的API，包括：設備管理API、數據傳輸API及中斷處理API。設備管理API包含了打開設備函數CH375OpenDevice（），關閉設備函數CH375CloseDevice（）；數據傳輸API包含了讀取數據塊（數據上傳）函數CH375ReadData（），寫出數據塊（數據下傳）函數CH375WriteData（）等[8]。

2.3數據/設備狀態顯示設計

上位機軟件在數據傳輸過程中，借助CString類成員變量stateinfo直觀顯示設備狀態。數據接收處理后，借助Format（）函數，以文字形式直觀顯示光斑中心位置的橫縱坐標值，利用繪圖函數在模擬坐標中顯示光斑位置。借助文件實現數據歷史信息保存的功能，關鍵代碼如下：

GetDlgItem（IDC_RECEIVE_EDIT）PostMessage（WM_VSCROLL，SB_BOTTOM，NULL）；

CString strPath；

圖2 HY1315系統調試結果圖

GetModuleFileName（NULL，strPath.GetBufferSetLength（MAX_PATH+1），MAX_PATH）；

strPath.ReleaseBuffer（）；

//此時strPath內容為工程文件全路徑，如：E：＼TestPro＼Exam＼ Test.exe

//以下函數作用是獲取最后一個"＼"的位置

圖3 四象限探測器系統調試結果圖

int nPos=strPath.ReverseFind（'＼＼'）；

//開始取全路徑

strPath=strPath.Left（nPos+1）；//此時strPath保存為當前工程的全路徑，如：E：＼TestPro＼Exam＼

//保存文件

CFile m_rFile；

if（！m_rFile.Open（"Rec.txt"，CFile：：modeCreate | CFile：：modeWrite）） {

AfxMessageBox（"創建記錄文件失敗！"）；}

m_rFile.Write（m_Receive，m_Receive.GetLength（））；

m_rFile.Close（）；

3 實際調試結果

上位機軟件設計完成后，運行程序，選擇位置敏感器件的型號為默認選項，即一維位置敏感探測器HY1315，連接其對應的系統設備，輸入需要的增益參數，選擇串口號，單擊串口控制區“Open”按鈕打開串口，“Start”按鈕接收數據，此時上位機界面數據、設備狀態顯示，模擬光斑坐標結果如圖2所示。再次運行程序，選擇四象限探測器型號，即QP36（Active area 6*6mm），連接相應系統設備，單擊USB通信控制區按鈕，可以控制數據傳輸設備的狀態，單擊“Link”按鈕打開設備，“Start”按鈕接收數據，此時上位機軟件界面結果如圖3所示。

4 結束語

針對位置敏感器件構成的數據分析系統，通過對串口通信和USB通信方法的研究，借助VC++提供的軟件代碼自動生成可視化資源編輯的功能及MFC消息映射機制，設計了上位機人機交互界面。調試結果證明，該界面能夠實現用戶選擇輸入，實現數據的上下位機通信傳輸，直觀顯示數據，準確繪出光斑在模擬坐標中的位置，完成光斑位置的歷史信息存儲。設計為數據分析系統提供了一套功能全面、界面友好、操作直觀、方便的上位機軟件。應用中只需修改對應的數據處理，即可應用到其他類似的數據分析系統中，很大程度上增強了系統的實際應用性。該界面已用于PSD及QPD數據分析系統試驗箱中。

參考文獻：

[1] Henry J，Livingstone J.Improved position sensitive detectors using high resistivity subs- trates[J].J Phys D ：Appl Phys ，2008，41.

[2] Liu Yun，De Xu，MinTan.A new pre-alignm ent approach based on four-quadrant-photo- detector for IC mask[J].International Journal of Automation and Computing，2007， 4（2）： 208 -216.

[3] Guo Li，Zheng Shuang.A high-performanc -e smallsignal amplifier[J].Journal of Northe-ast Agricultuial University，2005，12（2）：141-145.

[4] Wang Ziying.The design of scene simula- tion system based on MFC programming fra- mework[J].Advanced Computer Control （ICA CC）.2010，V3： 302-305.

[5] 潘恒.基于VC++/MFC的麻將牌連連看程序設計.[J]科協論壇：下半月，2011，25（5）： 53-54.

[6] 揣錦華.面向對象程序設計與VC++實踐[M].西安：西安電子科技大學出版社，2005：201-204.

篇（3）

中圖分類號：U279 文章編號：1009-2374（2017）11-0007-02 DOI：10.13535/ki.11-4406/n.2017.11.004

1 概述

S著城市軌道交通的快速發展，地鐵成為人們出行不可或缺的交通工具。地鐵車輛作為運送乘客的主要載體，具有封閉性強、起停頻繁、客流量大且來源復雜、乘客自助乘車、應急疏散難度大等固有特點，因此對其自身的可靠性及維修保障工作有著非常高的要求。搭建地鐵車輛遠程數據分析平臺可以運行地鐵車輛提供遠程決策支持，對列車開展實時監控和故障處理，并通過故障統計和數據分析進而達到車輛優化設計的目的。

2 平臺需求

2.1 功能需求

以列車運營管理的實際工作需求為核心，提高列車組效率和效能，節約維修費用，減少事故率為目標開展建設工作，其主要具有列車組及關鍵部件的實時監視、故障預測功能。

通過列車組及關鍵部件或子系統當前狀態，對故障進行診斷或識別，并對潛在的故障進行預測或報警；根據故障診斷及預測信息、當前維修可用資源情況以及對系統的使用需求等對列車組或關鍵部件的維修活動提供決策支持和建議。實現一套列車組及關鍵部件的狀態檢測、故障診斷、運行監控、故障預測及決策支持的完整系統，同時針對不同子系統/產品建立全生命周期的產品數據服務，滿足企業對生產、運營維護、設計優化、采購等不同環節決策的支撐要求。根據業務需求，系統具有以下功能：

2.1.1 車載系統。由系統檢測、故障診斷、集中報警及無線傳輸等組成。通過在列車組及各子系統上安裝各種傳感器，獲取動車組及關鍵子系統傳感器及控制系統的數據。利用故障特征提取、數據分析及對比、基于模型的系統辨識等多技術相融合的故障診斷技術，實現牽引、制動、輔助等各子系統的在線故障診斷（故障定位到最小可更換單元）和故障報告，通過車載無線傳輸系統將狀態數據和故障數據傳輸至地面。

2.1.2 運行監控系統。列車狀態、故障監控、綜合診斷及應急處置等組成。根據列車組和關鍵零部件的運行狀態，提取與列車組安全運行相關的數據及關鍵技術指標進行監控。根據車載系統傳輸的故障報告或關鍵設備技術狀態數據對當前列車組運行狀態進行評估，對潛在的故障進行綜合診斷，形成綜合評估和故障診斷報告，依據故障等級對列車組進行控制，對列車組現場人員提供技術指導和應急處置方案。

2.1.3 健康維護系統。由故障報告、健康評估、故障預測、維修管理等組成。根據列車組車載系統及運行監控系統報告的故障數據和列車組設備狀態數據以及積累的歷史數據，在地面利用高性能計算機及檢測系統實現智能故障推理、關鍵機械部件的故障發展趨勢模型，實現列車組及關鍵部件健康狀態評估及故障預測，給出列車組系統的綜合評價指標，提高列車組或部件的維修管理水平。

2.1.4 決策支持系統。由狀態維修、壽命預測、服役跟蹤、檔案管理等組成。根據地面系統存儲的列車組及關鍵部件的大量數據和歷史檔案數據，利用數據挖掘、故障模式識別等手段，建立關鍵機械部件故障發展趨勢模型庫，電子零部件的連續量、離散量、開關量等不同性質的故障預測模型庫，建立列車組及零部件健康檔案，進行零部件壽命預測、服役跟蹤和檔案管理，給出維修決策，形成列車組及關鍵部件健康評價指標體系。

2.2 業務需求

根據地鐵車輛遠程數據分析系統提供的核心功能，具體的業務需求為：

2.2.1 數據采集存儲模塊。主要實現列車實時數據和離線數據的接收、轉發、解析、存儲等功能。

2.2.2 實時狀態檢測模塊。對列車的關鍵部件工作狀態、運行線路、故障數據進行管理和處理，以可視化的形式進行展示。

2.2.3 分析統計模塊。對列車的歷史數據、離線數據結合知識庫，進行統計分析，以可視化的形式進行展示。

2.2.4 后臺管理模塊。對整個系統進行綜合的后臺管理，管理員通過Web登錄管理系統后，可以進行用戶管理、權限管理、日志管理以及資料管理等操作。

3 總體設計

3.1 搭建原則

以創新驅動、資源共享為引領，整合地鐵和現代信息技術等先進成果，打造創新、高效的列車遠程數據分析。系統是一種具有基礎性的支撐體系，數據來源廣泛而零散，它具有整合和共享的服務性質。

3.2 業務架構

以列車智能維護為目標應用領域，圍繞其數據增量的特點，建立流式數據接入、存儲管理、實時跟蹤以及異常識別的全業務鏈服務體系。結合當前技術缺陷，在平臺搭建中實現流式數據實時處理與離線分析工作的結合。

系統建設的目的是針對列車監測數據，提供一體化、智能化的數據支撐服務環境，實現多源數據的存儲、管理、分析。其主要包括采集層、現場處理層、接入層、IO層、持久化層、分析處理層以及服務層共七個基本層次。

3.2.1 采集層：其通過各種傳感器與車上網絡環境形成數據采集環境。采集的各種對象的監控數據經過匯聚后，統一開展現場處置與傳輸等后繼工作，其依賴列車通信設備。

3.2.2 現場處理層：其在采集層數據的基礎上，根據管理機制對數據進行檢測，發現異常對象的前兆與警報信息，并通過列控數據交換機制及時預警或值警，同時根據不同數據的業務重要性以多種方式回傳后臺。另外，結合列控網采集手段，在列車檢修階段采集有關數據并回傳，滿足后臺管理、分析與業務支撐的要求。

3.2.3 接入層：根據不同類別數據的規范要求，清洗數據并存儲入庫。

3.2.4 IO層：利用文件系統實現底層數據的基本IO存儲與讀取。通過文件系統有效實現系統整體IO讀寫負載的平衡，滿足數據持久化存儲的基本要求。

3.2.5 持久化層：由基本數據庫構成。在這一層中圍繞列車海量、多維流式監測數據提供高性能數據存儲管理系統。這一系統結合IO定向分布、流數據增量分段存儲模型等方式，實現流數據集的規模可控，解決由高增量引起的存儲膨脹問題；針對列車數據實時主動的需求特點，在鍵值存儲模型的基礎上，建立邊界溢出主動機制，槌志貌闃械氖凳敝鞫提供基礎。

3.2.6 分析處理層：在內存數據集的基礎上構造基于連續窗口的事件多維數據主動協同機制；結合底層數據主動機制以及數據pub/sub機制實現增量過程中，事件的主動識別、跟蹤與觸發響應。

3.2.7 服務層：提供故障（報警）統計查詢、實時數據查詢等用戶服務。

3.3 邏輯結構

遠程數據分析平臺由服務器端軟件、Web端軟件兩部分組成。

3.3.1 服務器端軟件。根據數據類型有流式、結構化以及查詢模式化的特點，結合關系數據庫構成一體化的存儲管理支撐環境，完成數據的統一存儲、管理。

3.3.2 Web端軟件。提供系統實時狀態監測、數據分析和預警等基本功能；為整個系統的數據處理和數據等操作提供統一的配置管理平臺，包括用戶信息管理、用戶權限分配等系統管理功能，組成系統的綜合信息管理環境。

3.4 物理結構

3.4.1 實時數據。（1）列車實時通過地面4G無線傳輸通道通過以TCP協議將車載數據分別傳輸到檢修庫服務器和車輛段服務器；（2）檢修庫和車輛段的實時數據采集存儲軟件同時對協議數據進行數據采集、解析，解析后的數據通過以太網存儲到數據庫，對實時數據長期存儲；（3）Web程序讀取數據庫，對數據進行可視化展示；（4）用戶通過以太網使用瀏覽器，在網頁中進行查看。

3.4.2 離線數據。（1）車輛到庫后，維護人員使用HMI進行手動觸發進行車輛數據上傳或者TCMS根據時間觸發條件自動上傳車輛數據，借用庫內WLAN技術，以TCP或者FTP的協議發送到車輛段或者檢修庫服務器；（2）車輛段服務器中的離線數據采集存儲軟件對數據進行數據采集、解析，并將解析后的數據內容通過以太網的方式存儲到數據庫中；（3）Web程序讀取數據庫，對數據進行可視化展示；（4）用戶通過以太網使用瀏覽器，在網頁中進行查看。

4 結語

隨著地鐵車輛遠程數據分析平臺的搭建，可以大大提高車輛自診斷及維修智能化水平，提升維修診斷效率；降低人工成本，提高車輛的可靠性和安全性；更便于建立車輛維修智能化數據庫，優化維修模式，提升資源利用率，隨著車輛的數據累計，更加可以利用云計算、數據挖掘、神經元算法等提供車輛運行的安全性和可靠性，為后期車輛的設計改進提供強有力的數據支持。

參考文獻

篇（4）

引言

與傳統數據數量手段比較，大數據技術具有數據類型復雜、處理迅速、實效性強等優點，在智能交通領域運用大數據技術，可以采集海量的數據，這些數據內包含許多不可估量的價值，通過挖掘和分析能夠快速得到所需的數據信息[1]。針對上述情況，本文提出基于大數據技術智能交通臺數據平臺各功能層設計情況，并提出其在交通數據診斷、路網延遲指數等方面的應用。

1智能交通數據平臺功能需求

隨著智能交通管控平臺違法數據、道路信息增長速度日益加快，過去的關系型數據庫在數據保存、處理等方面的性能已無法滿足龐大的數據需求。關系型數據庫在對智能交通轉向場景的規律展開分析時，難以從多個維度數據類型間創建良好的相關性聯系。大數據技術的應用就是為將這些結構或者半結構化的智能交通數據實施整合處理，因此，依托大數據技術設計的智能交通數據分析平臺具有的處理功能如下：①過車數據：處在行使狀態的車輛從卡口、電子警察等智能視頻采集點通過時，能夠準確記錄該車輛的車牌號、顏色、車型等結構化的數據信息。②車輛違規行駛數據：前段配置的采集設備能從各路口采集車輛是否闖紅燈、壓線、違法掉頭或停車等數據。同時，利用智能的視頻采集點或固定源能夠實時采集車輛行駛速度、車頭間距等車流量信息。③運用大數據技術設計的智能交通數據分析平臺能夠與信號控制系統實現對接，及時獲取信號控制系統的相位控制等信息。同時，智能交通數據分析平臺還具備監控和智能交通管控平臺，能夠提供過車信息數據、路網信息、違法數據等。

2大數據背景下智能交通數據平臺架構

2.1設計整體架構

智能交通數據分析平臺是采用先進的計算機信息技術、通信技術、傳感技術、人工智能等有效整合用于交通運輸信息的管理和控制中，注重人、車與道路之間的協調，組成一種有利于改善環境、節約能源、保護安全的綜合運輸系統。智能交通數據分析平臺運用層次化結構模型展開設計，并根據大數據建設要求，整個平臺包含數據感知、資源層、應用層三個層次，數據感知層主要任務就是采集交通信息，資源層旨在管理交通領域的數據；應用層旨在負責實時調度智能交通資源。本次設計的智能交通數據平臺系統能滿足采集、存儲、調度及處理數據等方面的需求，具體架構如圖1所示。

2.2各模塊層設計

2.2.1資源層從智能交通數據存儲方面分析，運用數據倉庫與挖掘技術實現大數據的存儲和分析。其中，數據倉庫技術能夠滿足智能交通數據平臺處理海量數據的要求，該技術依托預設的存儲模式，把交通領域中的異構數據根據數據結構數據實施提取、調用、處理等操作。同時，根據預設的倉儲模型把數據存放在數據倉庫內，借助數據倉庫技術設計的智能交通數據平臺下數據存儲及挖掘架構見圖2。

2.2.2應用層設計利用SOA實現智能交通數據平臺系統應用層的設計，該層主要包含三個子模塊：①應用實現模塊：該模塊旨在完成數據的調度，借助邏輯編程及時實現相應的功能；②應用流程模塊：大數據調度流程依托專業的BPEL工具調度各種資源；③特殊調度模塊：該模塊的主要任務是把自定義調度流程轉換成BPEL流程。依托SOA服務設計的應用層。

2.2.3數據表現層智能交通數據平臺系統中的表現層是使用者直接參與的界面，用戶可依托瀏覽器、平板、手機等終端設備瀏覽各種智能交通信息數據。該層主要任務是確保用戶與整個系統的交互性，因此，配備簡潔的外觀、界面框架、各單元控件等。

3智能交通數據分析平臺系統的應用

3.1智能交通數據共享及數據診斷

智能交通數據平臺系統各功能的實現離不開各模塊之間的信息整合與共享，因此，實現各模塊信息融合的主要方式就是創建信息共享平臺，這個平臺能支持相關子模塊功能提取所需的數據資源及信息共享服務。此外，一個完整的智能交通系統還必須配置智能交通信息中心、管理中心、智能交通基礎設備等，它能滿足城市交通信息規范化發展要求，包含各類信息性質、功能及傳送方法，組成相應的信息流機制，對共享的數據進行存儲和管理操作。依托大數據技術的相關功能，這些共享數據可以由日益變化的智能交通各數據信息提取出來，實現各地區、不同領域的數據庫實施綜合處理，將歷史數據遷移至大數據平臺下，還要保持數據的完整性及各種數據之間的關系可以理解。同時，可依據各模塊不同需求及相關關系為客戶提供各種數據信息服務，組織內部存儲各類數據直接輸出來，其他子系統保存相關數據從信息共享平臺提供一系列的查詢功能。此外，大數據平臺可以及時統計并輸出道路網絡的擁堵、事故情況，并能歸納為利于用戶決策的有用信息，例如：利用大數據分析，某個路口闖紅燈數量明顯少于平時，出現異常數據可以設置報警規則，提醒出現異常信息[2]。維護者對現場道路智能交通設施實施排查操作，判定是否存在設備故障。利用大數據技術直觀展現道路不均指數，提供最佳的信號機配時/相位方案，便于決策人員制定科學的決策。

3.2道路網延遲指數分析

依托大數據技術對各個路口/路段歷史流量進行統計，進一步分析路網的延遲指數。智能交通延遲指數求解方法是實際通過旅行時間與自由流通旅行時間相減，若所得數值為負數，則設定為0，表明并未發生延遲，并把這些數據映射至[0，10]數據區間之內。如果智能交通延遲指數較大，說明這個地點的擁堵情況更嚴重。左側向使用者展現設定日期、特點等交通延遲指數改變情況，來回移動水平滾動條，能夠及時查看不同時間段的延遲數據。左側展現路口、道路等級、行政區劃等各維度下相對應點的延遲指數和排名情況。通過綜合分析道路延遲指數，能夠為決策人員提供新建道路規劃等決策提供支持。

3.3道路路口組織優化設計

篇（5）

中國分類號：TP311?1文獻標識碼：A文章編號：10053824（2013）03003004

0引言

物聯網（internet of things， IoT）是指將各種信息感知設備及系統通過接入網絡與互聯網結合起來而形成的巨大的智能網絡[12]。物聯網作為一次技術革命，代表了通信技術和計算技術的未來，被稱作繼計算機和互聯網之后，世界信息產業的第三次浪潮[3]，受到了世界各國政府和科研機構的廣泛關注[4]。

作為物聯網的主要支撐技術之一[5]，信息處理軟件直接影響著物聯網的用戶體驗及其進一步發展[67]。但是已有的物聯網數據處理軟件的功能較為單一，可擴展性不足，應用領域受限。為了改善物聯網數據處理軟件的功能性和擴展性，為用戶提供快速、高效的物聯網實時管控方案，本文設計并實現了一種模塊化的多功能的物聯網數據分析與處理軟件。該軟件采用模塊化設計，以VC++ 6.0作為主控模塊實現環境，便于在Windows系統環境下方便地使用本軟件；服務器采用Apache Tomcat 6.0搭建；數據庫模塊基于MySQL 6.0實現，以保證軟件的易擴展性和穩定性；拓撲顯示模塊采用Flex和flash player ActivX 10.0進行開發，以改善用戶體驗。

1軟件的總體設計

1.1主要功能

本軟件旨在為用戶提供一套快速、高效的物聯網實時數據處理與管控方案，其主要功能包括以下幾個方面。

1）網絡數據解析和處理功能：軟件可對物聯網數據進行協議解析、分析、處理和存儲等操作，并同相鄰網絡層設備進行數據交互。

2）網絡數據的存儲功能：軟件可通過數據庫讀寫操作，將網絡重要歷史數據存儲于遠程數據庫中，并可進行讀取等操作，為物聯網網絡管理人員提供便利。

3）網絡拓撲顯示功能：軟件采用FLEX技術繪制目標物聯網網絡拓撲，并通過定時發送拓撲數據請求實現網絡拓撲狀態圖的實時更新，提供了優越的用戶體驗。

4）網絡信息查詢和控制功能：本軟件集成了網絡節點信息的顯示、查詢能力，用戶可對網絡節點相關狀態進行針對性的查詢；同時，提供網絡屬性調整和節點控制功能，用戶可根據實際需要修改網絡節點參數，控制網絡運行情況。

1.2軟件系統總體架構

本軟件系統運行于C/S架構的服務器平臺上，作為遠端服務器控制軟件完成網絡監聽與數據包接收、網絡數據分析處理、網絡拓撲狀態顯示以及節點信息查詢與控制等物聯網管控工作。系統總體組織架構圖如圖1所示。

圖1軟件總體架構圖軟件功能模塊主要由6個部分組成，分別是網絡通信模塊、參數設置模塊、數據處理模塊、拓撲顯示模塊、信息查詢模塊和數據庫交互模塊，如圖2所示。其中，網絡通信模塊完成底層的網絡通信工作；參數設置模塊接收并設定用戶輸入的軟件工作基本參數；數據處理模塊負責數據包的解析、判別和數據分類處理工作；拓撲顯示模塊負責為用戶提供網絡拓撲和節點簡要信息的顯示；信息查詢模塊為用戶提供網絡節點詳細屬性的查詢和節點控制；數據庫模塊負責完成網絡數據的存儲和查詢等工作。

圖2軟件系統功能模塊1.3軟件系統工作流程

本軟件功能模塊間的數據流關系如圖3所示。各模塊間通過相應接口完成網絡數據的上傳、分析與處理和控制命令的下發操作。首先，軟件接收來自網絡的各類型數據，并對其進行分類與解析。隨后，軟件將數據處理結果通過數據庫模塊進行存儲。在此基礎上，拓撲顯示模塊和信息查詢模塊分別通過查詢/更新數據庫進行信息顯示和用戶控制指令的下發操作。數據處理模塊和數據庫模塊掃描數據庫中的相應表項，提取控制信息后通過網絡通信模塊下發至目標網絡。

圖3軟件工作流程圖2主要功能模塊的實現

2.1網絡通信功能模塊

網絡通信模塊是本軟件的底層數據通信模塊，該模塊采用完成端口模型（I/O completion port， IOCP）作為本軟件的網絡服務引擎，由于IOCP規定了并行線程的數量，并使用線程池對線程進行管理，從而避免了反復創建線程和線程調度的開銷，提高了本軟件的并行處理能力。該模塊通過構造完成端口模型類（IOCPModeSvr），使用CreatIOCompletionPort（）函數創建完成端口對象；構造ListenProc（）函數監聽來自物聯網感知層網絡網關節點的連接請求；使用bool CIOCPModeSvr：：SendMsg（）函數響應上層控制命令的下發要求，向客戶端發送控制命令幀。

2.2數據分析與處理功能模塊

數據處理模塊是物聯網數據分析與處理軟件的關鍵組成模塊之一。該模塊接收來自底層網絡模塊的數據幀，并進行分類、分析、處理及重構等操作，為上層數據應用奠定數據預處理基礎。通過創建DataProc類實現該模塊，具體包括：

1）通過內聯函數checkType（）快速解析由底層網絡上傳的數據幀的協議類型與數據類型；

2）構造getInt（）、getRangeString（）等函數完成數據幀的數據進制與格式轉換；

3）使用ProcessRecvData（）函數分析數據幀，重構出信息處理所需數據；

4）完成相應數據處理功能，主要包括數據聚類、數據計算、數據范圍判斷、數據異常的處理、反饋數據幀的構造。

2.3參數設置模塊

參數設置模塊是物聯網數據分析與處理軟件的系統參數初始化模塊，該模塊讀取用戶設置的軟件運行參數，并對軟件進行相應運行參數初始化。該模塊響應用戶參數設置操作，讀取參數并判斷參數是否有效。若參數設置有效，則對軟件相應運行參數進行修改，同時顯示軟件當前連接狀態，界面實現如圖4所示。

圖4參數設置界面

2.4數據庫與Web服務器

本軟件采用MySQL數據庫進行原始數據的存放，其中已經直接保存了經由數據分析與處理模塊上傳的全部數據，主要數據表包括：表node_topu_stat，用以存儲網絡所有原始拓撲信息；表node_info_stat，存儲網絡節點上傳的狀態信息；表control_stat，負責存儲用戶的查詢和控制指令。由于上層的拓撲展示模塊所需要的是最新的數據信息，因而需要Web服務器模塊將冗余的原始數據進行初步處理，為拓撲顯示模塊提供無冗余的信息，以實現基于拓撲圖的物聯網實時監控。首先，通過對數據庫中各分類表加入觸發器實現數據的初步提取。其次，在本模塊中，數據處理模塊所生成的最新數據進一步轉換為能夠表示拓撲圖的XML文件，即將節點所上傳的鄰居表轉換為節點與邊的關系。本系統中使用了Web服務器所能支持的JSP技術實現了實時訪問數據庫生成轉換數據的功能，拓撲控制模塊直接訪問該頁面的地址，即可實現拓撲數據的獲取，如圖5所示。

圖5數據庫與Web服務器2.5拓撲顯示模塊

網絡拓撲顯示模塊是與用戶進行交互的主要模塊，用戶通過點擊“網絡拓撲”訪問拓撲展示模塊。該模塊通過定時向Web服務器數據處理模塊發起拓撲數據請求實現網絡拓撲的實時更新。通過向數據處理模塊獲取拓撲XML數據，圖形界面將其轉化為拓撲圖中的“節點”與“邊”的實際圖形對象，并將其他附加數據作為標簽保存在給節點，方便用戶查看。模塊工作流程及實現界面分別如圖6和圖7所示。

圖6拓撲顯示模塊圖7拓撲顯示界面2.6信息查詢與控制

本模塊中的查詢控制功能是指對物聯網可控節點發送控制指令。查詢控制指令與拓撲數據一樣，需要經過數據庫作為中轉，整個中轉回傳的代碼構成了控制模塊。控制指令需要根據實現指定的通信協議發送。在控制指令的收集窗口中，用戶可以進行相應的選擇，控制模塊負責將用戶在窗體中的選擇輸出至與數據庫相連的JSP頁面，并由JSP頁面將其存入數據庫中。網關通過定期與服務器通信獲得最新的操作指令，將其轉換為控制指令最終發送至物聯網節點，實現界面如圖8所示。

3結束語

本文設計并實現了一種多功能物聯網數據分析與處理軟件。該軟件通過網絡監聽、數據分析處理、網絡拓撲顯示以及節點信息查詢與控制等功能模塊實現對物聯網數據的有效處理。通過將該軟件移植于實際物聯網應用環境，驗證了該軟件能夠快速、高效地處理網絡數據，且易于擴展，為多模異構網絡條件下的物聯網創新應用平臺構建提供了新的思路。

圖8信息查詢與控制界面

參考文獻：

[1]孫其博，劉杰，黎.物聯網：概念、架構與關鍵技術研究綜述[J].北京郵電大學學報，2010，33（3）：19.

[2]International Telecommunication Union. Internet reports 2005： the Internet of Things [R]. Geneva： ITU， 2005.

[3]劉強，崔莉，陳海明.物聯網關鍵技術與應用[J].計算機科學， 2010， 37（6）：110.

[4]劉云浩. 從普適計算、CPS到物聯網：下一代互聯網的視界[J]. 中國計算機學會通訊， 2009， 5（12）：6669.

篇（6）

1 背景

油液檢測技術是目前風電行業采用的重要監測與診斷技術之一。油液檢測的方法很多，如：光譜油料分析法、紅外光譜分析法、顆粒計數法、油品理化分析法等。通過分析被監測機組所使用的油液的性能變化和攜帶的磨損微粒的情況，可獲得機組的和磨損狀態的信息，評價機組的工況和故障預警，并確定故障原因、類型以及需要采用的維修管理策略。

新疆風能研究所油品檢測分析實驗室于2008年成立。實驗室以油品檢測分析業務為主，并擁有先進的油液分析實驗儀器，如艾默生CSI5200油液分析儀、美國熱電MOAⅡ元素光譜分析儀等，總投資近兩百萬元。2008年至今為新疆風能公司檢測3種機型23臺風力發電機的80余組齒輪箱油樣。目前一個油樣完成一次完整的油液分析后，不同設備獲取的數據存儲的種類不一，有文本、圖片、數據庫等，這些數據目前分散、雜亂，需要進行數據自動采集和整合，并集中導入到一個統一的數據庫中進行管理和分析，目前一些油液分析設備自帶的軟件主要是列出檢測結果數據，還不能滿足自動制作專業檢測報告，作出分析結論的要求。這就需要研發一套系統能夠實時采集并導入油液檢測數據結果，并科學管理油液檢測數據，并根據現場的要求，對數據進行科學分析，最終作出專業、權威的檢測報告。

目前新疆還沒有這樣一個風機油液檢測數據分析和管理的平臺系統，因此設計建立這樣一個系統有利于作為中國風電發祥地的新疆更好的做好風電技術服務工作，有效的為新疆的各大風電場的風機做好科學、快捷、專業的技術支撐。

2 系統構成及主要功能

該系統軟件主要由數據采集導入模塊，數據管理模塊，檢測報告設置模塊，分析模塊，參數設置模塊，報告輸出模塊等構成，系統硬件主要由數據采集器、數據庫服務器、WEB應用服務器、網絡通訊設備等構成。

數據采集導入模塊負責將各類油液分析設備檢測得到的數據通過數據采集器實時采集或通過導入方式輸入系統數據庫中，我們可以通過數據管理模塊進行檢測數據的手工錄入、編輯、刪除、查詢管理，通過報告設置模塊我們可以設置檢測報告的模式，分析模塊通過分析原始數據最終得出分析報告，其中用于分析和處理的參數在參數設置模塊中進行動態設置，油液檢測報告由報告輸出模塊進行文件導出和打印輸出，該報告經過油品檢測分析實驗室簽字蓋章后形成權威的檢測報告，整個系統的數據可以通過WEB應用服務器到公用網絡中去，用戶可隨時在任意一個地點通過網絡可以訪問該系統，查詢獲取油液檢測信息，并獲得檢測報告結果。

3 系統實現和部署

本系統硬件主要有：tplink無線路由，Dell應用服務器，檢測計算機，MOXA NP-5230串口服務器，PKTH300A-ACZ1溫濕度變送器等，變送器和監測計算機之間采用MODBUS通訊協議，并轉換成網絡協議進行無線通信。監測計算機和服務器之間主要采用TCP/IP協議進行連接。軟件主要采用自主開發的平臺應用系統，系統本還提供基于SOAP、WSDL、UDDI協議的Web Service服務。

本系統建成后，希望實現以下油液檢測基本流程：

⑴在網頁客戶端登記委托單+多個樣品（不同用戶權限不同）。

⑵樣品入庫（主要信息有：待檢庫，已檢庫，記錄人員、時間，檢測量），出庫（人員，時間，檢測量）。

⑶啟動CSI、MOAII設備進行樣品檢測。

⑷獲取當前檢測數據

⑸查找選擇委托單，填寫樣品編號，保存檢測數據

⑹樣品是否檢測完，未完繼續4，已完繼續

⑺完成檢測。

⑻剩余樣品入庫（樣品，原始記錄）

⑼出具檢測原始記錄單

⑽出具檢測報告單

本系統可以自動生成檢測報告，所做報告能根據表1進行報警標識。

4 展望

篇（7）

中圖分類號：TS941 文獻標志碼：A

The Influence of Industry Big Data Analysis on New Models of Design Thinking

Abstract： Based on discussing big data analyzing technology as well as enterprise case studies and tracking surveys， the paper states that such data analyzing technology will facilitate the generation of new models of design thinking， which will more rely on Internet technology， and systematically reorganize complicated resources and information into data that can be further used as an important guidance for new product design. These data will help enterprises realize cooperation of various participants， information sharing and tier management in the process of product design and R&D and improve the efficiency and benefits of their design and R&D system.

Key words： data analysis； design thinking； market positioning； precision marketing

在全球服裝紡織業格局中，中國還處于起步探索階段，缺少真正有市場競爭力的自主設計品牌。企業們普遍缺乏高效務實的設計創新能力，成為了我國服裝紡織行業的發展短板。面對國際品牌的激烈競爭，企業們需要建立自己的新型設計思維模式。更加適應市場需求的新設計思維將是一套有理有據、高效靈敏的產品設計與管理系統，這將有助于企業們更超前的把握市場發展動態，更精準的分析產品的優劣勢，更合理的籌劃銷售策略，更敏銳的找到未來商業機會從而打造企業及品牌的市場競爭實力。

目前在經濟發達國家的服裝產業中，類似的研究已經進行到了比較成熟的階段，如法國的Lectra（力克）公司，通過將其CAD/CAM 、三維技術與互聯網技術的結合，進行最優化的數據傳輸，可以滿足企業在整個生產過程中從服裝系列設計到視覺化銷售的所有環節的需求。力克公司的發展資料為本文的研究提供了非常有價值的可參考實例。

1 針對服裝紡織產業大數據分析技術的研究

服裝紡織產業大數據分析技術是基于互聯網大數據分析的專業服裝設計和生產管理輔助工具。該分析技術采用的是個性化分布式數據挖掘技術，通過對互聯網海量真實的服裝銷售數據的分析，監控并分析網站，采用JAVA語言對網站中各種內容信息進行智能化的分析和挖掘，多維度、全方位對服裝屬性數據進行篩選，可甄別出不同時間段、不同地域、不同年齡層次、不同性別甚至不同消費習慣的服裝購買者對服裝顏色、款式、面料、尺寸等屬性的偏好，并形成直觀易懂的可視化報表，從而對設計和生產管理者形成指導，更加方便直接的形成“設計指導書”或者“生產指導書”。能夠使產品更加符合品牌特征和市場需求，極大地提高設計生產效率，減少成本與避免試錯風險。

在數據分析技術的層面上，它是基于html的個性化分布式數據挖掘系統。核心內容是監控并分析網站，生成Excel表格形式的報表，報表包含關鍵詞和網站的鏈接地址。這種分析為采用Java語言對網站中的各種內容信息進行智能化的分析與挖掘。相當于目標網站名單讀取模塊，采用Excel表格存儲目標網站列表和關鍵詞，并且用Java語言讀取信息，并利用web界面即時呈現監控結果。

2 服裝紡織產業大數據分析技術對設計思維影響的實例研究

參與本次研究項目的北京相與文化發展有限公司，是一家由中法意等多國設計師和業內人士組成的專業服裝紡織品品牌孵化和設計營銷整合機構。

2014年公司開始進行自主開發和使用基于互聯網的服裝設計大數據分析系統，如圖 1 所示，針對某款產品的數據分析結果，將對設計工作產生重要的引導作用。設計師們會根據數據分析結果來判斷設計思路是否合理，改變了傳統設計流程中過于強調設計師主觀感受的不穩定性，將基于互聯網的海量數據經過精準的篩選和整理，生成直觀可視化的數據報表，并且形成多點共享和分級管理的平臺化工具，將設計研發流程模塊化，迅速找到針對市場切實有效的產品設計賣點和營銷方式，可以極大地提高服裝設計師和生產管理者的工作效率，降低了設計研發成本并有效減少了企業在新品設計研發方面的試錯風險。

為了調研資料的充分性和客觀性，本論文還調研了參與10家生產銷售與男士T恤相關的服裝企業。在男士T恤這個產品品類的設計開發之前，這些企業想去了解該產品的設計研發方向的需求集中體現在以下幾個方面，如基礎風格、花型圖案、面料材質、款式細節和服飾工藝等；并且在這幾個需求里面，關于花型圖案的調研量最大，這個環節也就成為了企業們最為關注的問題所在，另外占比量22%位居其次的款式細節，也成了男士T恤的另一個設計重點。以上調研的數據比例圖示（圖2），充分證明了企業對產品的設計研發方向的設定，是有著比較明晰準確的需要點的，占比29%的企業都認為要將花型圖案作為男士T恤的設計重點。如果通過產業數據分析技術，能比較清楚地告知這些企業，在服裝設計研發的時候，是否要優先關注哪些方面以及如何把握這些方面的設計工作，這無疑對企業把控產品與市場需求的貼合度方面是有重要幫助的。

3 產業大數據分析技術對新型設計思維模式的影響

“積累、效率、協作、降本”―― 代表著新型設計思維模式核心要素的，將給產品的設計研發思維帶來全新突破，將有力地幫助中國數以萬家企業將設計真正轉化為生產力并最終打造核心競爭能力，完善品牌體系并全面提升品牌價值。

將與產品相關的市場數據進行搜集整理和分析，在互聯網大數據分析技術的幫助下，找到對企業的產品設計研發最具有參考價值的類比信息，不同于傳統設計模式的主觀化和分散化，新一代的設計思維模式需要將資源和信息模塊化，形成支持系統；從而在企業的整體產品設計研發流程中實現多點協作、信息共享和分級管理，極大地提高了流程的效率，降低了錯誤判斷市場導向帶來的經營風險，節省了設計開發的時間和成本，同時新型設計思維模式又會強化對于流程中每個環節的工作指標的評估，從而達成有效良性的管理機制。

篇（8）

關鍵詞： Excel軟件；數據處理；數據管理；金屬電子逸出功

Key words： Excel software；data processing；data management；metal electric work function

中圖分類號：TP274；O4—39 文獻標識碼：A 文章編號：1006—4311（2012）27—0216—03

0 引言

在物理實驗尤其是近代物理實驗以及科學研究中，經常產生大量測量數據，經過記錄、整理、計算、繪圖、分析等大量復雜繁瑣的數據處理后，方能給出科學結論。傳統方法往往是手工處理大量數據，最終僅在坐標紙上描點繪圖。因此效率低，易出錯，誤差大，甚至影響結論的準確性。

隨著計算機迅速發展，數據分析處理的軟件實現和應用也逐漸成為每個科研工作者必須掌握的一門技術。常見的數據處理軟件如Origin、MATLAB、SPSS等功能強大，專業性強，對使用者有較高要求，而Excel直觀易學，使用方便，數據處理過程簡單，無需精通計算機編程，因此成為處理物理實驗數據的首選工具。

Excel集數據表格、圖表和數據庫三大基本結構功能于一身，還提供了大量函數，用戶可通過這些函數進行統計管理、線性分析等工作[1—3]。并能很方便地將數據處理過程的基本單元制成電子模板，使用時只要調出相應的模板，輸入原始數據，激活相應的功能按鈕，就能得到實驗作圖要求的各項參數。

1 電子逸出功的測量原理簡介

由費米—狄拉克能量分布公式可得到熱電子發射的里查遜—熱西曼公式[4] I=AST2exp（—■）（1）

式中I是加速電壓為零時熱電子發射電流，稱零場電流。A與陰極材料有關，S為陰極有效發射面積，T為發射熱電子的陰極絕對溫度（該溫度與加熱電流對應關系可查表）。實際測量中采用理查遜直線法避開A、S測量，將（1）式兩邊除以T2，再取對數得

1g■=1gAS—■=1gAS—5.04×103？漬■（2）

可見，1g■與■成線性關系，由斜率即可求出該金屬的逸出電位？漬或逸出功e？漬。

由于肖特基效應，零場電流I與陰極發射電流Ia、加速電壓Ua有

1gIa=1gI+■■■（3）

式中Ia是加速電壓Ua為時陰極發射電流，r1和r2分別是陰極和陽極半徑。幾何尺寸一定的管子，陰極溫度T一定時，1gIa與■成線性關系，截距為1gI。

實驗一般在7個不同溫度值采集49組電壓和電流值，根據公式（3）進行7次直線擬合，采用直線外延法分別找出7個溫度對應的零場電流對數1gI，之后再根據公式（2）進行1g■～■直線擬合，找出該直線斜率，進而求出該金屬的逸出功e？漬。計算公式繁瑣，圖表較多，數據處理困難。

2 設計思路

本設計旨在實現數據的記錄管理和分析處理。使用者僅需錄入測量數據并保存，系統便自動生成處理結果以及相關圖表。保存后可獲得原始測量數據備份，避免隨意篡改偽造測量數據；同時，又可形成一個數據信息庫，為使用者查詢測量數據提供便利。

基于以上構思，數據錄入和數據處理作為兩個獨立且關聯的模塊，分別出現在兩個工作表中。數據錄入模塊將個人信息和測量數據輸入電腦，除必要輸入欄目，使用者沒有權限更改其他選項。處理分析模塊的數據來自于對管理模塊的鏈接，包括數據處理的中間過程和最終處理結果，為了便于管理還應包含使用者的基本信息。流程如圖1。

3 基于Excel實現測量數據的錄入和管理

本測量采用西安超凡光電設備有限公司WH—I型金屬鎢電子逸出功測量儀完成。

打開Excel，創建新工作表，該工作表作為數據記錄用表，命名為“原始數據”。根據測量原理和要求，該工作表由基本信息、數據記錄、溫度對照表三個部分組成，如圖2。

此工作表A1—H3為使用者基本信息，其中G2單元格輸入的內容為“=TODAY（）”，可獲取當前系統日期。A6—H12為數據Ia、Ua記錄欄。A14—H17為“加熱電流If與鎢絲真實溫度對照表”，數據處理過程中需查此表獲得陰極燈絲溫度。

篇（9）

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2017）03-0016-03

Design and Implementation of Energy Saving Potential Data Analysis System for Iron and Steel Enterprises Based on Hadoop

WANG Cheng-hui， WANG Jian， DAI Yi-ru

（CIMS Research Center，Tongji University， Shanghai 201804， China）

Abstract： In order to improve the level of energy consumption of iron and steel enterprises， put forward a kind of energy saving potential of big data analysis based on Hadoop system construction method， and application of the system， an example proves that the method analysis in the energy saving potential of the iron and steel enterprise， has the characteristics of convenient operation and easy popularization.

Key words： energy saving potential； big data analysis； Hadoop

我國做為能耗大國，能源消耗量十分巨大，然而，能源利用率卻遠遠低于發達國家，這個問題嚴重制約了國家可持續發展戰略的落實。鋼鐵企業作為國民經濟的支柱產業，提高鋼鐵企業的能耗水平，對我國建設“資源節約型”國家戰略部署具有重大意義。然而，我國鋼鐵企業的能耗水平與發達國家相比，仍然存在著十分巨大的差距。面向我國鋼鐵工業節能減排發展目標，針對其生產過程中的高能耗、高排放的運行特點，不斷挖掘自身的節能潛力，在保證鋼鐵生產質量和產量的前提下減少能源的消耗量，提高企I的能耗水平。加熱爐是鋼鐵企業重點能耗設備，是軋鋼生產的主要耗能設備，其能耗占軋鋼工序能耗的60%―70%，因此，提高加熱爐的能耗水平對鋼鐵企業節能起到至關重要的作用。本文通過分析鋼鐵企業加熱爐生產過程產生的海量能耗數據，利用本體建模技術構建鋼鐵企業加熱爐本體模型，并將本體模型與加熱爐能耗數據進行數據映射，利用比較流行的大數據分析技術，構建加熱爐生產能耗模型，從中挖掘出加熱爐能耗規律，進而分析出加熱爐的節能潛力所在，并給出加熱爐生產過程中的最佳工況參數去填補這部分的節能潛力。

1 系統構建

系統設計思路可以概括為：首先進行系統數據準備，然后將原始數據進行數據預處理，接著對處理后的高品質數據進行數據分析，最后挖掘出數據背后隱藏的價值找出節能潛力所在，并找出最佳工況參數彌補這部分節能潛力所在。具體由以下六部分組成。

圖1 系統總體架構

1.1 數據準備

數據采集負責將數據從業務系統采集到大數據分析系統。數據采集工作本身不在Hadoop分析平臺中，但是在整個分析系統中起著重要的作用，起著橋梁作用，連接業務系統和分析系統，將業務系統與分析系統實現了解耦。企業由于生產管理的需要對于有些數據甚至只有紙質記錄，因此第一步需要將這些生產數據進行整合，將這些紙質數據進行電子化。數據準備是為分析系統提供數據支撐，是整個系統的基礎模塊。

1.2 分布式存儲

分布式文件系統（The Hadoop Distributed File System，HDFS）是一個運行在普通的組件集群上的分布式文件系統，它是HADOOP框架主要的存儲系統。由于HADOOP具有高數據吞吐量、高度容錯的特性，因此使得其具有很高的效能。HDFS還為數據存儲提供了包括API以及各種操作命令等多種訪問接口。使用HDFS，我們可以為海量的原始數據集提供存儲空間，對臨時文件進行存儲，為數據預處理、數據分析提供輸入數據，同時也可以將分析輸出的數據存入到HDFS中。HDFS采用master/slave架構。通常情況下，一個名稱節點NameNodes和若干個數據節點DataNodes便可構成一個HDFS數據集群。Namenode是一個中心服務器，負責管理文件系統的名字空間（namespace）以及客戶端對文件的訪問。在HDFS集群中，每一個文件都會被劃分為一個或幾個數據塊（blocks）分別保存在不同的數據節點DataNode中。集群中的Datanode主要負責管理它所在節點上的存儲。HDFS將文件系統的名字空間暴露給用戶，用戶可以以文件的形式在上面存儲數據。

1.3 數據預處理

大數據分析本身就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，分析出隱藏在數據背后的規律和價值。因此，需要對這些有噪聲的、不一致的數據源，進行數據預處理操作。數據預處理主要是為分析系統提供高品質的數據。數據抽取主要是從原始數據中選出與分析目標有關聯的數據源。如果不能排除無關的數據屬性，既會增加數據分析的復雜度，也會提高數據分析的時間，同時會降低數據分析的準確性。數據清洗主要是解決數據的空缺值、錯誤數據、孤立數據點、數據噪聲問題。其中對數據空缺值和錯誤數據是進行處理是數據清洗的重點，而后兩者因為有可能在其中發現某些特殊的數據規律，因此可以暫時不需要進行數據處理。

1.4 本體模型構建

本體是概念化的明確的規范說明。能夠描述類、實例以及它們的屬性是如何定義、描述和關聯的，是對領域中的概念及概念之間聯系的顯式描述。詳細來說，就是要描述一個領域需要哪些概念，概念由哪些屬性標識，屬性又具有什么約束，概念對應于哪些實例。并將本體模型與具體數據屬性進行映射，為數據分析提供數據源。

1.5 分布式計算框架

分布式計算框架是大數據分析系統的核心功能，分布式計算可以使用多臺服務器同時進行數據計算，可以很大程度提高數據分析的效率。基于Hadoop的大數據分析系統主要采用的是MapReduce分布式編程模型。該模型簡單易用，對于程序員來說在沒有了解其底層實現細節的情況下仍能夠寫出處理海量數據的程序。MapReduce首先通過Map程序將海量數據分割成多個小區塊，將其分配給大量服務器進行處理；然后將處理結果交給Reduce，最后Reduce將處理結果匯總后輸出到客戶端。

1.6 分析結果展示

分析結果可視化，主要是給用戶提供一個友好的、直觀的方式查看分析系統進行大數據分析以后得到的分析結果。

2 系統應用

加熱爐是鋼鐵企業重點能耗設備，是軋鋼生產的主要耗能設備，因此提高加熱爐的能耗水平對鋼鐵行業節能具有重要意義。現以某大型鋼鐵企業步進式加熱爐為例進行系統構建應用。在軋鋼生產中，必須將鋼坯加熱到一定的溫度，才能對鋼坯進行軋制。對鋼坯進行加熱的設備就是加熱爐。步進式加熱爐是依靠步進梁的順序、往復運動使得加熱爐鋼坯從爐尾移動到出料口，中間經過預熱段、加熱段、均熱段。最終使得鋼坯達到規定的溫度后出爐。加熱爐在生產過程中產生海量的數據，利用HDFS實現海量的能耗數據的分布式存儲，通過本體建模技術實現加熱爐本體模型構建與數據屬性映射，為大數據分析提供數據源；系統的分析主要是通過在MapReduce分布式分析模型上運用線性回歸、遺傳算法等對Hadoop平臺篩選出來的數據進行分析，從而挖掘海量數據背后隱藏的能耗模型，挖掘加熱爐的節能潛力，分析加熱爐的最佳工況運行參數，提高加熱爐的能耗水平，構建加熱爐大數據節能潛力分析系統。系統主要模塊如下：

1）大數據管理：本體模型、大數據管理；

2）工藝參數模型：工藝參數模型；

3）工藝參數模型管理：工藝參數模型管理；

4）工藝優化：工藝模型⑹配置、工藝優化。

2.1 大數據管理

大數據管理主要實現對加熱爐生產能耗數據提供統一的接入接口，并對加熱爐實現本體建模與數據映射，為數據分析提供數據源。

2.2 工藝參數模型

工藝參數模型主要是運用大數據管理模塊提供的一致性的多源數據，運用大數據處理的智能分析能力，通過運用神經網絡算法對海量的數據進行深度挖掘，提取出數據背后潛在的工藝能耗模型，為面向節能減排的工藝分析與參數優化提供能耗模型。

2.3 工藝參數模型管理

工藝參數模型管理主要是對已經構建完成的模型實現直觀的管理與展示工作。用戶可以根據需要對已經存在的模型進行在線編輯，而且模型編輯完成進行保存導數據庫以后可以為工藝參數優化提供優化模型。

2.4 工藝優化

實現對模型參數進行配置，利用工藝模型參數配置的參數范圍與工藝能耗模型模塊構建的模型最為輸入，通過使用遺傳算法對加熱爐運行工況參數進行模型尋優，從而找出加熱爐面向節能減排的最佳工況運行參數。

3 結束語

本系統在Hadoop平臺下可以方便地實現數據的分布式存儲、管理和查看，為企業歷史生產能耗數據的管理和分析提供方便，利用MapReduce分布式計算模型，運用線性回歸、遺傳算法通過對生產能耗數據進行分析、優化，從而找出數據背后隱藏的價值與節能潛力所在，輸出最佳工況參數，彌補這部分節能潛力。因此，所述方法對于挖掘鋼鐵行業節能潛力并實現節能降耗有著重要的現實意義和應用價值，具有方便操作、易于推廣的特點。

參考文獻：

[1] 高洪， 楊慶平， 黃震江. 基于Hadoop平臺的大數據分析關鍵技術標準化探討[J]. 信息技術與標準化， 2013（5）： 27-30.

[2] 菅志剛， 金旭. 數據挖掘中數據預處理的研究與實現[J]. 計算機應用研究， 2004（7）： 117-118，157.

[3] 楊軍， 徐鐵軍. 鋼鐵企業節能潛力分析[C]// 中國金屬學會， 冶金循環經濟發展論壇論文集. 中國金屬學會， 2008： 4.

篇（10）

大型供應鏈管理服務商通常具備多條成熟的運輸線路以及遍布全國的貨物倉庫，企業日益擴大的交易規模和業務范圍，各地倉儲和物流運輸每日可采集豐富的交易、物流、倉儲、供應商等數據，單一的企業ERP系統只能完成資源管理，對于海量數據的分析和企業更高要求的數據分析能力有限，于是，企業智慧倉儲大數據平臺應運而生。

本文提出的智慧倉儲運營支撐平臺，運用了先進的RFID技術、視頻分析技術及大數據分析技術，不僅解決了分散在各處的倉庫智慧化管理，還可將倉庫和物流各類運營及管理基礎數據同步上傳至大數據平臺，實現倉庫運營和管理信息資源的整合與共享，并依托各類基礎信息庫，為企業管理者提供智能決策支持。

1 智慧倉儲運營支撐平臺

智慧倉儲運營支撐平臺是一個功能完備的基礎平臺，系統架構如下圖所示，分五層結構：感知層、傳輸層、數據層、服務層和應用層。

1.1 感知層

包括RFID讀寫器、激光雷達、視頻終端、門禁對講、溫濕度傳感器和警報器。

1.2 傳輸層

采用有線局域網或WIFI無線通信方式與支撐平臺連接并傳輸數據。

1.3 數據層

包括設備信息庫、業務信息庫、監控信息庫和人員信息庫。

1.4 服務層

包括RFID中間件、ESB總線和第三方接口等模塊，為整個系統的運行提供服務支撐。

1.5 應用層

包括倉庫的業務管理、安防管理、人員管理、報表分析和系統管理等功能。

通過智慧倉儲運營支撐平臺可實現對貨物入庫、出庫、移庫、盤點等基本業務的智能化處理，其中，視頻分析技術還可實現倉儲的安防管理、人員管理等功能，不僅實現了對倉庫的智能化管理，還能夠收集物流和倉儲的各個生產過程和任務執行中產生的運營數據，作為大數據分析平臺數據源的重要組成部分，為企業實現智能分析提供了基礎。

2 智慧倉儲大數據應用

智慧倉儲運營支撐平臺將各地的倉儲運營數據統一上傳至企業大數據平臺，進行分類和對分散及重復數據進行篩選、匯總、抽取、挖掘、分析形成物流與倉儲有價值的大數據，便可應用于企業管控和管理全過程的協調、管理、協同、決策。大數據平臺架構如下圖所示，分為數據源、大數據獲取、大數據處理、大數據服務四層。

數據源層主要實現采集前端各類感知設備以及各倉儲運營平臺數據。

大數據獲取層實現結構化數據、非結構化數據、半結構化數據的導入導出。

大數據處理層實現數據的分布式存儲和并行計算，并統一提供資源的調度服務、訪問服務、管理監控服務和權限控制服務等。

大數據應用層實現物流運輸調度、儲位管理、可追溯管理、精準營銷等各類智慧化應用。

2.1 運輸調度

通過大數據優化任務發運計劃，使運輸任務最大程度地銜接起來，達到整個運輸網絡任務協調排程，合理組織運輸工作和車輛調配，提高運輸調度水平。

2.2 儲位管理

通過對產品的進出貨數據進行分析、整理、分類，深度挖掘不同類別之間的相關關系，再配合波次作業手段，優化揀貨單，提高倉儲工作效率。

2.3 可追溯管理

借助大數據平臺智能分析及智慧倉儲前端采集信息，建立產品檔案，全面直觀地展示品牌形象，借助供應鏈系統與電子商務交易平臺，實時監督產品生產、交易和運輸全過程。

2.4 精準營銷

通過收集各個電子商務平臺上同類產品的銷售價格、數量、潛力，以及老客戶的個人資料、交易行為、忠誠度等信息，同時深度挖掘潛在客戶，制定一些優惠政策，激發購買的積極性，定向推送產品信息，實現精準營銷。

3 結束語

基于大數據分析的智慧倉儲運營支撐平臺，適用于擁有多個分散倉庫的大型企業，不僅使倉庫管理者能夠及時掌握倉庫運行情況，更將大數據技術應用到物流領域，對于建設智能倉儲體系，優化物流運作流程，提升物流倉儲的自動化、智能化水平有著積極的推進作用。

參考文獻

[1]肖建輝.淺談倉儲管理[J].物流工程與管理，2010，32（06）：130-132.

[2]張仁彬，李玉民.基于物聯網技術倉儲管理系統研究[J].物流科技，2011（06）：35-38.