CN109684323A - 一种基于大数据的生鲜农产品统计方法、系统及终端 - Google Patents
一种基于大数据的生鲜农产品统计方法、系统及终端 Download PDFInfo
- Publication number
- CN109684323A CN109684323A CN201811644725.9A CN201811644725A CN109684323A CN 109684323 A CN109684323 A CN 109684323A CN 201811644725 A CN201811644725 A CN 201811644725A CN 109684323 A CN109684323 A CN 109684323A
- Authority
- CN
- China
- Prior art keywords
- data
- charge station
- agricultural products
- fresh agricultural
- statistical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007619 statistical method Methods 0.000 title claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004140 cleaning Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003032 molecular docking Methods 0.000 claims description 5
- 230000000712 assembly Effects 0.000 claims description 3
- 238000000429 assembly Methods 0.000 claims description 3
- 238000013481 data capture Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000006870 function Effects 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- 235000013372 meat Nutrition 0.000 description 3
- 235000002595 Solanum tuberosum Nutrition 0.000 description 2
- 244000061456 Solanum tuberosum Species 0.000 description 2
- 239000003242 anti bacterial agent Substances 0.000 description 2
- 229940088710 antibiotic agent Drugs 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明属于互联网技术领域，具体涉及一种基于大数据的生鲜农产品统计方法、系统及终端，所述方法包括以下步骤：获取高速公路上绿色通道生鲜农产品的过站数据；对过站数据进行清洗处理，得到格式规整的预处理数据；根据预处理数据和收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果；根据统计结果生成对应的可视化图表并展示可视化图表。本发明对生鲜农产品通过出/入站口收费站的过站数据进行分析统计，从而得到全国范围内生鲜农产品的货运流向数据，从而为监管部门和商家用户的决策提供依据和参考。
Description
技术领域
本发明属于互联网技术领域，具体涉及一种基于大数据的生鲜农产品统计方法、系统及终端。
背景技术
生鲜农产品主要包括蔬菜、水果、禽、蛋、水产品、肉、奶制品等。生鲜农产品是中国消费者主要的食物来源，它在日常生活消费中扮演着极为重要的角色。
我国幅员辽阔，拥有13亿人口，是农产品的生产与消费大国。2012～2016年，我国生鲜农产品产量由11.6亿吨增加至12.81亿吨；肉类总产量由8387万吨增加到8540万吨；水产品总产量由5908万吨增加到6900万吨。我国粮食、油料、蔬菜、水果、肉类、禽蛋和水产品等产量连续多年居世界第一。
2015年，中国亿元以上生鲜农产品交易市场数量为569个；2016年，中国亿元以上生鲜农产品交易市场数量为571个。现有生鲜农产品的销售数量和交易市场逐渐增多，生鲜农产品市场的竞争也越来越激烈。现有市场上，一般通过人工结合电脑的方式，对生鲜农产品的货运流向和运输数据进行分析统计，自动化程度低，统计不准确，需要花费大量的人力成本和时间成本。
发明内容
针对现有技术中的缺陷，本发明提供了一种基于大数据的生鲜农产品统计方法、系统及终端，对生鲜农产品通过出/入站口收费站的过站数据进行分析统计，从而得到全国范围内生鲜农产品的货运流向数据，从而为监管部门和商家用户的决策提供依据和参考。
第一方面，本发明提供了一种基于大数据的生鲜农产品统计方法，包括以下步骤：
获取高速公路上绿色通道生鲜农产品的过站数据；
对过站数据进行清洗处理，得到格式规整的预处理数据；
根据预处理数据和收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果；
根据统计结果生成对应的可视化图表并展示可视化图表。
优选地，所述过站数据包括货车车牌号、货物名称、货物数量、出/入站口收费站名称和通关时间。
优选地，所述对过站数据进行清洗处理，得到格式规整的预处理数据，具体为：
通过hadoop分布式集群获取过站数据，并将过站数据分布式存储于Hadoop HDFS；
通过Hadoop MapReduce对过站数据进行清洗和计算，去除无效数据，得到统计所需的规整的预处理数据，并将预处理数据存储于Hadoop HDFS。
优选地，所述多个维度包括时间维度、地理维度、货物维度和货车维度；
所述统计结果包括数据量驾驶舱统计结果、全国数据驾驶舱统计结果、综合分析驾驶舱统计结果、地域数据驾驶舱统计结果、货物数据驾驶舱统计结果、货车数据驾驶舱统计结果和收费站数据驾驶舱统计结果；每种驾驶舱统计结果包括多种统计项目。
优选地，还包括将各数据库进行关联的步骤，具体为：将Hadoop HDFS中的各个数据库，通过相应的字段进行关联；
所述数据库包括货物运输库、货车信息库、收费站信息库和收费站地理信息库；
所述货物运输库包括货物id、货物类型、货物名称、货物简称、货物吨数和通关时间；
所述货车信息库包括货车id、货车车轴、货车车牌号、车牌号简称、车牌归属省份和车牌归属城市；
所述收费站信息库包括收费站id、出站口收费站名称和入站口收费站名称；
所述收费站地理信息库包括收费站id、出站口收费站所在省份、出站口收费站所在城市、出站口收费站所在区县、出站口收费站经度、出站口收费站纬度、入站口收费站所在省份、入站口收费站所在城市、入站口收费站所在区县、入站口收费站经度和入站口收费站纬度。
优选地，还包括通过搜索进行统计的步骤，具体为：获取用户的搜索条件，根据搜索条件查询预处理数据，结合收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果。
优选地，还包括与其他平台进行对接的步骤，具体为：将本平台与货运管理平台和收费管理平台进行对接，并从对接的平台上获取所需的数据。
优选地，还包括用户管理的步骤，具体为：对用户的注册访问信息进行管理，根据用户身份对用户授予对应的用户权限，根据用户权限对用户的访问请求进行控制。
第二方面，本发明提供了一种基于大数据的生鲜农产品统计系统，适用于第一方面所述的基于大数据的生鲜农产品统计方法，包括：
数据获取单元，用于获取高速公路上绿色通道生鲜农产品的过站数据；
数据清洗单元，用于对过站数据进行清洗处理，得到格式规整的预处理数据；
分析统计单元，用于根据预处理数据和收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果；
图表展示单元，用于根据统计结果生成对应的可视化图表并展示可视化图表。
第三方面，本发明提供了一种计算机终端，包括处理器和与处理器连接的存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行第一方面所述的方法。
本发明实施例，对生鲜农产品通过出/入站口收费站的过站数据进行分析统计，从而得到全国范围内生鲜农产品的货运流向数据，从而为监管部门和商家用户的决策提供依据和参考。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例中基于大数据的生鲜农产品统计方法的流程图；
图2为本发明实施例中基于大数据的生鲜农产品统计系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
具体实现中，本发明实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，所述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。
实施例一：
本实施例提供了一种基于大数据的生鲜农产品统计方法，如图1所示，包括以下步骤：
S1，获取高速公路上绿色通道生鲜农产品的过站数据；
S2，对过站数据进行清洗处理，得到格式规整的预处理数据；
S3，根据预处理数据和收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果；
S4，根据统计结果生成对应的可视化图表并展示可视化图表。
本实施例中，装有生鲜农产品的货车从高速公路的收费站的绿色通道通过，收费站即可采集生鲜农产品的过站数据，所述过站数据包括货车车牌号、货物名称、货物数量、出/入站口收费站名称、通关时间等。采集的过站数据为原生数据，是不规整数据，该数据的格式无法满足我们对数据处理的基本要求，因此需要对过站数据进行清洗处理。
其中，所述对过站数据进行清洗处理，得到格式规整的预处理数据，具体为：
S21，通过hadoop分布式集群获取过站数据，并将过站数据分布式存储于HadoopHDFS；
S22，通过Hadoop MapReduce对过站数据进行清洗和计算，去除无效数据，得到统计所需的规整的预处理数据，并将预处理数据存储于Hadoop HDFS。
本实施例中，Hadoop主要由HDFS和MapReduce两个核心部分组成；MapReduce是一种编程模型，用于大规模数据集的并行运算；HDFS是Hadoop的核心子项目，是一个可以运行在普通硬件设备上的分布式文件系统，是分布式计算中数据存储和管理的基础。本实施例将过站数据采集到HDFS中，之后通过MapReduce清洗处理，去除无效数据，将规整后的预处理数据再存储到HDFS中。
本实施例，将清洗处理后的预处理数据存储到对应的数据库(Hadoop HDFS中设有多个数据库)中，为了便于后续的分析统计，需将Hadoop HDFS中的各个数据库，通过相应的字段进行关联。所述数据库包括货物运输库、货车信息库、收费站信息库、收费站地理信息库等。
所述货物运输库包括货物id、货物类型、货物名称、货物简称、货物吨数和通关时间；
所述货车信息库包括货车id、货车车轴、货车车牌号、车牌号简称、车牌归属省份和车牌归属城市；
所述收费站信息库包括收费站id、出站口收费站名称和入站口收费站名称；
所述收费站地理信息库包括收费站id、出站口收费站所在省份、出站口收费站所在城市、出站口收费站所在区县、出站口收费站经度、出站口收费站纬度、入站口收费站所在省份、入站口收费站所在城市、入站口收费站所在区县、入站口收费站经度和入站口收费站纬度。
本实施例中，通过货物id、货车id和收费站id，将货物运输库、货车信息库、收费站信息库和收费站地理信息库相关联，便于后续的分析统计。
本实施例通过多个维度进行分析统计，所述多个维度包括时间维度、地理维度、货物维度、货车维度等；所述时间维度即某时间段，如2018年5月至2018年6月)；所述地理维度即某地理范围，如陕西省等；所述货物维度即货物类型，如土豆等；所述货车维度即货车数量。
根据分析统计后得到的统计结果包括数据量驾驶舱统计结果、全国数据驾驶舱统计结果、综合分析驾驶舱统计结果、地域数据驾驶舱统计结果、货物数据驾驶舱统计结果、货车数据驾驶舱统计结果和收费站数据驾驶舱统计结果；每种驾驶舱统计结果包括多种统计项目，如表1所示。最后根据各统计项目生产对应的可视化图表(如条形图、饼状图和折线图)并展示可视化图表。
表1
本实施例中，基于大数据的生鲜农产品统计方法还包括通过搜索进行统计的步骤，具体为：获取用户的搜索条件，根据搜索条件查询预处理数据，结合收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果。本实施例根据用户的选择输入形成搜索条件，所述搜索条件，如某时间段、某地理范围、货物类型和货车数量。
本实施例中，用户在终端上登录本平台后，进入平台首页界面，首页界面左侧为“菜单栏”主要提供平台的全部功能的罗列(所述菜单栏包括全国数据驾驶舱按键、综合分析驾驶舱按键、地域数据驾驶舱按键、货物数据驾驶舱按键、货车数据驾驶舱按键、收费站数据驾驶按键等)，右侧区域为概览区域。概览区域中，可查看当前登录的用户信息、总数据量、总货车数量、总收费站数量、数据量省份排行条形图、数据量城市排行条形图、数据量走向折线图等。
用户点击“全国数据驾驶舱”进入“全国数据驾驶舱”功能页面，功能页面的右侧区域为数据展示区，数据展示区中左上角有查询数据条件的“功能框”。“功能框”中可以选择时间范围进行数据的查询，点击“时间选择器”会弹出时间选择界面，选择时间后点击“查询/刷新”按钮就会改变数据展示区的结果。点击“隐藏”按钮可将“功能框”缩小隐藏，点击“全屏”按钮可将数据展示区全屏显示。数据展示区可显示表1中全国数据驾驶舱对应的统计项目的可视化图表。
与上述类似，本实施例中，用户点击不同的驾驶舱按键，就进入对应的功能页面，在功能页面的右侧数据展示区，用户进行输入选择，数据展示区根据用户的输入选择显示相应的统计结果的可视化图表。
本实施例中，基于大数据的生鲜农产品统计方法还包括与其他平台进行对接的步骤，具体为：将本平台与货运管理平台和收费管理平台进行对接，并从对接的平台上获取所需的数据。所述货运管理平台，用于管理货运信息，例如货车车牌号、货车车主、车牌归属身份、车牌归属城市等等。所述收费管理平台，用于管理高速路的收费站信息，例如出/入站口收费站名称、出/入站口收费站所在地址等等。
本实施例中，基于大数据的生鲜农产品统计方法还包括用户管理的步骤，具体为：对用户的注册访问信息进行管理，根据用户身份对用户授予对应的用户权限，根据用户权限对用户的访问请求进行控制。本实施例的用户包括管理用户、商家用户和政府用户，对不同的用户开放不同的权限，例如管理用户有修改编辑的权限，商家用户和政府用户只有浏览查看的权限。
综上所述，本实施例的方法，能对生鲜农产品通过出/入站口收费站的过站数据进行分析统计，从而得到全国范围内生鲜农产品的货运流向数据，从而为监管部门和商家用户的决策提供依据和参考。
实施例二：
本实施例提供了一种基于大数据的生鲜农产品统计系统，适用于实施例一所述的基于大数据的生鲜农产品统计方法，如图2所示，包括：
数据获取单元，用于获取高速公路上绿色通道生鲜农产品的过站数据；
数据清洗单元，用于对过站数据进行清洗处理，得到格式规整的预处理数据；
分析统计单元，用于根据预处理数据和收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果；
图表展示单元，用于根据统计结果生成对应的可视化图表并展示可视化图表。
本实施例中，Hadoop主要由HDFS和MapReduce两个核心部分组成；MapReduce是一种编程模型，用于大规模数据集的并行运算；HDFS是Hadoop的核心子项目，是一个可以运行在普通硬件设备上的分布式文件系统，是分布式计算中数据存储和管理的基础。本实施例将过站数据采集到HDFS中，之后通过MapReduce清洗处理，去除无效数据，将规整后的预处理数据再存储到HDFS中。
本实施例，将清洗处理后的预处理数据存储到对应的数据库(Hadoop HDFS中设有多个数据库)中，为了便于后续的分析统计，需将Hadoop HDFS中的各个数据库，通过相应的字段进行关联。所述数据库包括货物运输库、货车信息库、收费站信息库、收费站地理信息库等。
所述货物运输库包括货物id、货物类型、货物名称、货物简称、货物吨数和通关时间；
所述货车信息库包括货车id、货车车轴、货车车牌号、车牌号简称、车牌归属省份和车牌归属城市；
所述收费站信息库包括收费站id、出站口收费站名称和入站口收费站名称；
所述收费站地理信息库包括收费站id、出站口收费站所在省份、出站口收费站所在城市、出站口收费站所在区县、出站口收费站经度、出站口收费站纬度、入站口收费站所在省份、入站口收费站所在城市、入站口收费站所在区县、入站口收费站经度和入站口收费站纬度。
本实施例中，通过货物id、货车id和收费站id，将货物运输库、货车信息库、收费站信息库和收费站地理信息库相关联，便于后续的分析统计。
本实施例通过多个维度进行分析统计，所述多个维度包括时间维度、地理维度、货物维度、货车维度等；所述时间维度即某时间段，如2018年5月至2018年6月)；所述地理维度即某地理范围，如陕西省等；所述货物维度即货物类型，如土豆等；所述货车维度即货车数量。
根据分析统计后得到的统计结果包括数据量驾驶舱统计结果、全国数据驾驶舱统计结果、综合分析驾驶舱统计结果、地域数据驾驶舱统计结果、货物数据驾驶舱统计结果、货车数据驾驶舱统计结果和收费站数据驾驶舱统计结果；每种驾驶舱统计结果包括多种统计项目，如表1所示。最后根据各统计项目生产对应的可视化图表(如条形图、饼状图和折线图)并展示可视化图表。
本实施例中，基于大数据的生鲜农产品统计系统还包括搜索统计单元，用于获取用户的搜索条件，根据搜索条件查询预处理数据，结合收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果。本实施例根据用户的选择输入形成搜索条件，所述搜索条件，如某时间段、某地理范围、货物类型和货车数量。
本实施例中，用户在终端上登录本平台后，进入平台首页界面，首页界面左侧为“菜单栏”主要提供平台的全部功能的罗列(所述菜单栏包括全国数据驾驶舱按键、综合分析驾驶舱按键、地域数据驾驶舱按键、货物数据驾驶舱按键、货车数据驾驶舱按键、收费站数据驾驶按键等)，右侧区域为概览区域。概览区域中，可查看当前登录的用户信息、总数据量、总货车数量、总收费站数量、数据量省份排行条形图、数据量城市排行条形图、数据量走向折线图等。
用户点击“全国数据驾驶舱”进入“全国数据驾驶舱”功能页面，功能页面的右侧区域为数据展示区，数据展示区中左上角有查询数据条件的“功能框”。“功能框”中可以选择时间范围进行数据的查询，点击“时间选择器”会弹出时间选择界面，选择时间后点击“查询/刷新”按钮就会改变数据展示区的结果。点击“隐藏”按钮可将“功能框”缩小隐藏，点击“全屏”按钮可将数据展示区全屏显示。数据展示区可显示表1中全国数据驾驶舱对应的统计项目的可视化图表。
与上述类似，本实施例中，用户点击不同的驾驶舱按键，就进入对应的功能页面，在功能页面的右侧数据展示区，用户进行输入选择，数据展示区根据用户的输入选择显示相应的统计结果的可视化图表。
本实施例中，基于大数据的生鲜农产品统计系统还包括平台对接单元，用于将本平台与货运管理平台和收费管理平台进行对接，并从对接的平台上获取所需的数据。所述货运管理平台，用于管理货运信息，例如货车车牌号、货车车主、车牌归属身份、车牌归属城市等等。所述收费管理平台，用于管理高速路的收费站信息，例如出/入站口收费站名称、出/入站口收费站所在地址等等。
本实施例中，基于大数据的生鲜农产品统计系统还包括用户管理单元，用于对用户的注册访问信息进行管理，根据用户身份对用户授予对应的用户权限，根据用户权限对用户的访问请求进行控制。本实施例的用户包括管理用户、商家用户和政府用户，对不同的用户开放不同的权限，例如管理用户有修改编辑的权限，商家用户和政府用户只有浏览查看的权限。
综上所述，本实施例的系统，能对生鲜农产品通过出/入站口收费站的过站数据进行分析统计，从而得到全国范围内生鲜农产品的货运流向数据，从而为监管部门和商家用户的决策提供依据和参考。
实施例三：
本实施例提供了一种计算机终端，包括处理器和与处理器连接的存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行实施例一所述的方法。
应当理解，在本实施例中，所称处理器可以是中央处理单元(Central ProcessingUnit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。
本实施例的计算机终端，执行实施例一所述的方法，能对生鲜农产品通过出/入站口收费站的过站数据进行分析统计，从而得到全国范围内生鲜农产品的货运流向数据，从而为监管部门和商家用户的决策提供依据和参考。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的系统单元及方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。上述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于大数据的生鲜农产品统计方法，其特征在于，包括以下步骤：
获取高速公路上绿色通道生鲜农产品的过站数据；
对过站数据进行清洗处理，得到格式规整的预处理数据；
根据预处理数据和收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果；
根据统计结果生成对应的可视化图表并展示可视化图表。
2.根据权利要求1所述的一种基于大数据的生鲜农产品统计方法，其特征在于，所述过站数据包括货车车牌号、货物名称、货物数量、出/入站口收费站名称和通关时间。
3.根据权利要求2所述的一种基于大数据的生鲜农产品统计方法，其特征在于，所述对过站数据进行清洗处理，得到格式规整的预处理数据，具体为：
通过hadoop分布式集群获取过站数据，并将过站数据分布式存储于Hadoop HDFS；
通过Hadoop MapReduce对过站数据进行清洗和计算，去除无效数据，得到统计所需的规整的预处理数据，并将预处理数据存储于Hadoop HDFS。
4.根据权利要求3所述的一种基于大数据的生鲜农产品统计方法，其特征在于，所述多个维度包括时间维度、地理维度、货物维度和货车维度；
所述统计结果包括数据量驾驶舱统计结果、全国数据驾驶舱统计结果、综合分析驾驶舱统计结果、地域数据驾驶舱统计结果、货物数据驾驶舱统计结果、货车数据驾驶舱统计结果和收费站数据驾驶舱统计结果；每种驾驶舱统计结果包括多种统计项目。
5.根据权利要求1所述的一种基于大数据的生鲜农产品统计方法，其特征在于，还包括将各数据库进行关联的步骤，具体为：将Hadoop HDFS中的各个数据库，通过相应的字段进行关联；
所述数据库包括货物运输库、货车信息库、收费站信息库和收费站地理信息库；
所述货物运输库包括货物id、货物类型、货物名称、货物简称、货物吨数和通关时间；
所述货车信息库包括货车id、货车车轴、货车车牌号、车牌号简称、车牌归属省份和车牌归属城市；
所述收费站信息库包括收费站id、出站口收费站名称和入站口收费站名称；
所述收费站地理信息库包括收费站id、出站口收费站所在省份、出站口收费站所在城市、出站口收费站所在区县、出站口收费站经度、出站口收费站纬度、入站口收费站所在省份、入站口收费站所在城市、入站口收费站所在区县、入站口收费站经度和入站口收费站纬度。
6.根据权利要求1所述的一种基于大数据的生鲜农产品统计方法，其特征在于，还包括通过搜索进行统计的步骤，具体为：获取用户的搜索条件，根据搜索条件查询预处理数据，结合收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果。
7.根据权利要求1所述的一种基于大数据的生鲜农产品统计方法，其特征在于，还包括与其他平台进行对接的步骤，具体为：将本平台与货运管理平台和收费管理平台进行对接，并从对接的平台上获取所需的数据。
8.根据权利要求1所述的一种基于大数据的生鲜农产品统计方法，其特征在于，还包括用户管理的步骤，具体为：对用户的注册访问信息进行管理，根据用户身份对用户授予对应的用户权限，根据用户权限对用户的访问请求进行控制。
9.一种基于大数据的生鲜农产品统计系统，适用于权利要求1-8任一项所述的基于大数据的生鲜农产品统计方法，包括：
数据获取单元，用于获取高速公路上绿色通道生鲜农产品的过站数据；
数据清洗单元，用于对过站数据进行清洗处理，得到格式规整的预处理数据；
分析统计单元，用于根据预处理数据和收费站地理信息库，从多个维度对生鲜农产品的货运流向数据进行分析统计并得到统计结果；
图表展示单元，用于根据统计结果生成对应的可视化图表并展示可视化图表。
10.一种计算机终端，包括处理器和与处理器连接的存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811644725.9A CN109684323A (zh) | 2018-12-29 | 2018-12-29 | 一种基于大数据的生鲜农产品统计方法、系统及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811644725.9A CN109684323A (zh) | 2018-12-29 | 2018-12-29 | 一种基于大数据的生鲜农产品统计方法、系统及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109684323A true CN109684323A (zh) | 2019-04-26 |
Family
ID=66191480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811644725.9A Pending CN109684323A (zh) | 2018-12-29 | 2018-12-29 | 一种基于大数据的生鲜农产品统计方法、系统及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109684323A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599765A (zh) * | 2019-08-16 | 2019-12-20 | 华南理工大学 | 一种基于多源数据融合的公路客货运输量指标统计方法 |
| CN111506564A (zh) * | 2020-04-16 | 2020-08-07 | 深圳市领先数据科技有限公司 | 基于cs架构的远程数据管理方法、装置、计算机设备及存储介质 |
| CN111985098A (zh) * | 2020-08-13 | 2020-11-24 | 中国科学院软件研究所 | 一种面向工业大数据的多尺度时变动态可视化方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345708A (zh) * | 2013-06-27 | 2013-10-09 | 安徽朗坤物联网有限公司 | 一种农产品全程供应链物流平台 |
| CN104992309A (zh) * | 2015-06-11 | 2015-10-21 | 北京君信微科科技有限公司 | 一种基于物联网的全产业链农场云服务系统 |
-
2018
- 2018-12-29 CN CN201811644725.9A patent/CN109684323A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345708A (zh) * | 2013-06-27 | 2013-10-09 | 安徽朗坤物联网有限公司 | 一种农产品全程供应链物流平台 |
| CN104992309A (zh) * | 2015-06-11 | 2015-10-21 | 北京君信微科科技有限公司 | 一种基于物联网的全产业链农场云服务系统 |
Non-Patent Citations (1)
| Title |
|---|
| 周雷: "基于大数据技术的高速公路通行量监测分析系统", 《中国交通信息化》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599765A (zh) * | 2019-08-16 | 2019-12-20 | 华南理工大学 | 一种基于多源数据融合的公路客货运输量指标统计方法 |
| CN111506564A (zh) * | 2020-04-16 | 2020-08-07 | 深圳市领先数据科技有限公司 | 基于cs架构的远程数据管理方法、装置、计算机设备及存储介质 |
| CN111985098A (zh) * | 2020-08-13 | 2020-11-24 | 中国科学院软件研究所 | 一种面向工业大数据的多尺度时变动态可视化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Deichmann et al. | Will digital technologies transform agriculture in developing countries? | |
| Glewwe et al. | Who Gained from Vietnam's Boom in the 1990s? | |
| Wakamatsu | The impact of MSC certification on a Japanese certified fishery | |
| US20170039242A1 (en) | Branching mobile-device to system-namespace identifier mappings | |
| CN104050187B (zh) | 搜索结果展示方法及系统 | |
| CN102956009B (zh) | 一种基于用户行为的电子商务信息推荐方法与装置 | |
| CN109684323A (zh) | 一种基于大数据的生鲜农产品统计方法、系统及终端 | |
| CN105931068A (zh) | 一种持卡人消费画像的生成方法及装置 | |
| CN109118296A (zh) | 活动推送方法、装置及电子设备 | |
| CN106933956B (zh) | 数据挖掘方法和装置 | |
| CN106355449A (zh) | 用户选取方法和装置 | |
| EP2249299A1 (en) | Contextualizing business intelligence reports based on context driven information | |
| Mann | Farm size growth and participation in agri‐environmental schemes: A configural frequency analysis of the Swiss case | |
| CN107292418A (zh) | 一种运单滞留预测方法 | |
| Anand et al. | Urban food insecurity and its determinants: A baseline study of Bengaluru | |
| KR101942540B1 (ko) | 빅데이터 기반 등급분류 및 시세예측을 이용한 부동산의 안심거래 서비스 제공 시스템 | |
| CN109858965A (zh) | 一种用户识别方法和系统 | |
| US20210097556A1 (en) | Data processing | |
| CN109685573A (zh) | 一种商圈数据的处理方法、装置、电子设备和存储介质 | |
| Zhang et al. | Modeling traceability information and functionality requirement in export‐oriented tilapia chain | |
| Qi et al. | Spatial determinants of urban wet market vendor profit in Nanjing, China | |
| Godara et al. | Sequential pattern mining combined multi-criteria decision-making for farmers’ queries characterization | |
| CN106897898A (zh) | 一种电商平台智能赠送的方法及系统 | |
| Garrido-Valenzuela et al. | Where are the people? Counting people in millions of street-level images to explore associations between people’s urban density and urban characteristics | |
| Yeh | Revealing the rapist next door: Property impacts of a sex offender registry |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |
|
| RJ01 | Rejection of invention patent application after publication |