CN109798907A - 基于大数据分析的旅游用户运动行为实时信息监测方法 - Google Patents
基于大数据分析的旅游用户运动行为实时信息监测方法 Download PDFInfo
- Publication number
- CN109798907A CN109798907A CN201910010553.8A CN201910010553A CN109798907A CN 109798907 A CN109798907 A CN 109798907A CN 201910010553 A CN201910010553 A CN 201910010553A CN 109798907 A CN109798907 A CN 109798907A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- module
- tourism
- big data
- 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
Abstract
本发明属于旅游用户运动行为监测技术领域,公开了一种基于大数据分析的旅游用户运动行为实时信息监测方法,通过生理数据采集模块利用生理电子检测设备采集旅游用户的心率、血压、体温数据信息;通过定位模块利用定位器定位旅游用户位置数据;通过图像采集模块利用摄像头采集旅游区域游客量图像数据;通过行程规划模块利用旅游软件规划旅游用户行程;通过大数据分析模块利用云服务器集中大数据资源对旅游进行大数据分析;通过运动评估模块利用评估软件对旅游用户运动能力进行评估。本发明可以避免传统用户运动能力评估方法需要完全借助医护人员经验的弊端,有效提高针对用户真实运动能力的评估效果和准确性。
Description
技术领域
本发明属于旅游用户运动行为监测技术领域,尤其涉及一种基于大数据分析的旅游用户运动行为实时信息监测方法。
背景技术
随着旅游业的迅速发展,越来越多的人选择出门旅游;旅游是一种高级的精神享受,是在物质生活条件获得基本满足后出现的一种追享欲求。旅游者的心理中有“求新、求知、求乐”这样三条。这是旅游者心理的共性。旅游者不远千里而来,就是想领略异地的新风光、新生活,在异地获得平时不易得到的知识与平时不易得到的快乐。现代旅游是闲暇追享的“民主化”。如冬季旅游,过去是少数富人强占的运动;骑马、划艇、射击,是非大众化运动。但是嗜好和闲暇的“商业化”已使这种活动能为一般人所享用。然而,现有基于大数据分析的旅游用户运动行为实时信息监测系统关于景区大数据分析对于一些暂时还未完善信息化建设的景区不能进行大数据的分析与应用,以及仅依靠wifi、摄像头数据的进行景区大数据分析也会存在一定的误差;同时,现有的这些针对待评估人员运动能力的运动能力评估方法都是基于医生的知识和经验,评估耗时较长而且不同的医生由于经验不同也会给出不同的评估结果,不利于对待评估人员的真实运动能力做出高效评估。
综上所述,现有技术存在的问题是:
(1)现有基于大数据分析的旅游用户运动行为实时信息监测系统关于景区大数据分析对于一些暂时还未完善信息化建设的景区不能进行大数据的分析与应用,以及仅依靠wifi、摄像头数据的进行景区大数据分析也会存在一定的误差;同时,现有的这些针对待评估人员运动能力的运动能力评估方法都是基于医生的知识和经验,评估耗时较长而且不同的医生由于经验不同也会给出不同的评估结果,不利于对待评估人员的真实运动能力做出高效评估。
(2)血压传感器在测量人体的血压过程中,容易受到温度的影响,产生温度漂移,采用传统的算法,无法消除温度漂移产生的误差,降低了测量的精度。
(3)现有的定位器在定位旅游用户位置数据过程中,采用传统的算法,不能有效的缩小检测的范围,导致不能快速确定定位器的位置。
发明内容
针对现有技术存在的问题,本发明提供了一种基于大数据分析的旅游用户运动行为实时信息监测方法。
本发明是这样实现的,一种基于大数据分析的旅游用户运动行为实时信息监测系统包括:
生理数据采集模块、定位模块、图像采集模块、主控模块、网络通信模块、行程规划模块、大数据分析模块、运动评估模块、显示模块;
生理数据采集模块,与主控模块连接,用于通过生理电子检测设备采集旅游用户的心率、血压、体温数据信息;
定位模块,与主控模块连接,用于通过定位器定位旅游用户位置数据;
图像采集模块,与主控模块连接,用于通过摄像头采集旅游区域游客量图像数据;
主控模块,与生理数据采集模块、定位模块、图像采集模块、网络通信模块、行程规划模块、大数据分析模块、运动评估模块、显示模块连接,用于通过单片机控制各个模块正常工作;
网络通信模块,与主控模块连接,用于通过网络接口连接互联网进行网络通信;
行程规划模块,与主控模块连接,用于通过旅游软件规划旅游用户行程;
大数据分析模块,与主控模块连接,用于通过云服务器集中大数据资源对旅游进行大数据分析;
运动评估模块,与主控模块连接,用于通过评估软件对旅游用户运动能力进行评估;
显示模块,与主控模块连接,用于通过显示器显示基于大数据分析的旅游用户运动行为实时信息监测系统界面及采集旅游用户的心率、血压、体温、位置、游客量区域图像数据信息。
本发明另一目的在于提供一种基于大数据分析的旅游用户运动行为实时信息监测方法包括以下步骤:
步骤一,通过生理数据采集模块利用生理电子检测设备采集旅游用户的心率、血压、体温数据信息;
步骤二,通过定位模块利用定位器定位旅游用户位置数据;通过图像采集模块利用摄像头采集旅游区域游客量图像数据;
步骤三,主控模块通过网络通信模块利用网络接口连接互联网进行网络通信;
步骤四,通过行程规划模块利用旅游软件规划旅游用户行程;通过大数据分析模块利用云服务器集中大数据资源对旅游进行大数据分析;
步骤五,通过运动评估模块利用评估软件对旅游用户运动能力进行评估;
步骤六,通过显示模块利用显示器显示基于大数据分析的旅游用户运动行为实时信息监测系统界面及采集旅游用户的心率、血压、体温、位置、游客量区域图像数据信息。
进一步,所述大数据分析模块分析方法如下:
(1)通过网络获取景区数据信息;
(2)将景区进行栅格化处理,并根据景区的面积确定栅格化的粒度;
(3)根据XDR数据中的经纬度,确定景区所对应的覆盖小区;
(4)根据景区覆盖小区中的经纬度比例找出XDR数据中没有经纬度但同时也在景区中的游客;
(5)根据步骤(3)和步骤(4)计算出景区内的总人数;
(6)通过云服务器结合景区内的总人数、XDR中的经纬度、落入景区栅格中的经纬度比例、历史时间点栅格人数比例,从而计算出景区人流量的分布情况;
所述游客消费能力分析是根据游客在运营商中的话费数据进行计算,所述的XDR数据是指2G/3G通信组网中Gn接口数据;或,4G通信组网中S1-MME、S1-U、S6a接口数据。
进一步,所述分析方法还包括游客出行方式分析,根据运营商XDR数据分析景区内所有游客近两天占用基站的情况;
占用机场周边基站,则判定为飞机出行;
占用火车站周边基站,则判定为火车出行;
非上述两种情况则统一判定为汽车出行。
进一步,所述分析方法还包括游客来源地分析,根据运营商XDR数据找到用户的手机号码,根据游客手机号码找出用户的归属地,根据用户的归属地统计景区游客的来源地;
游客景区游览分析,据XDR定位信息进行判断用户所在景点,如相邻两个景点在300米以内,则定义为这两个景区游客均会去。
进一步,所述运动评估模块评估方法如下:
1)获取多个用户的运动历史数据,依据所述运动历史数据确定所述用户的运动攻关目标对应的群组和所述用户的运动计划;
2)获取所述群组的用户在执行所述运动计划时的运动数据,依据所述获取的运动数据计算所述群组的运动攻关完成率;判断所述计算得到的运动攻关完成率是否大于预设攻关值,若是,确定所述群组进入晋级的运动攻关目标,若否,则调整所述群组的用户的权限;
3)分析所获取待评估用户的运动数据,得到表征所述待评估用户运动能力的运动能力数据;
4)将所得待评估用户的运动能力数据提供给需要所述运动能力数据的对象。
进一步,所述评估方法还包括:验证所述待评估用户的身份,并在所述待评估用户的身份验证通过之后,获取该待评估用户的运动数据;否则,不予获取该待评估用户的运动数据;
所述用户运动能力评估方法包括:在分析所获取待评估用户的运动数据之前包括:对所述待评估用户的运动数据做降噪处理,以利用降噪处理后的运动数据进行运动能力分析的步骤;
所述用户运动能力评估方法还包括:存储所得待评估用户的运动能力数据,以供后续调用所述运动能力数据的步骤。
进一步,所述评估方法还包括医生获取所得待评估用户的运动能力数据,并对待评估用户的身体恢复情况做出分析的步骤。
进一步,定位器定位旅游用户位置数据的方法包括:
待定位节点O通信范围内的锚节点坐标为Ai xi,yi,其中i=0,1,…,n n≥4;
步骤一:待定位节点对接收信号r t进行采样得到采样信号r n,其中,n=0,1,…,N-1,N表示OFDM符号包含的子载波个数,同时记录所接收到的信号的发送节点为Ai(xi,yi);
步骤二:根据采样信号r n,计算互相关值E:
步骤三:根据对数距离路径损耗模型,如下公式计算待定位节点与锚节点Ai之间的距离:
Pr d′i=Pr d0-10·γlgd′i+Xσ;
其中,Pr d′i表示距离发送端距离为d′i时获取的互相关值,Pr d0表示距离发送端d0=1米处获取的互相关值,γ表示路径损耗因子,lg·表示底为10的对数运算,Xσ服从均值为0、标准差为σ的高斯分布;
利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′i,对应的锚节点的坐标分别为Ai xi,yi,其中i=0,1,2,…,n;
步骤四:根据自适应距离修正算法,估计出待定位节点的坐标O x,y;
本发明的优点及积极效果为:
本发明通过大数据分析模块利用运营商XDR数据为分析依据,对景区人流量、游客出行方式、游客消费能力、游客回头率等多种行为进行分析,从而提高了数据分析的准确性;同时,通过运动评估模块根据获取待评估用户的运动数据,并经过分析所获取待评估用户的运动数据,得到表征该待评估用户运动能力的运动能力数据,然后再将所得待评估用户的运动能力数据提供给需要运动能力数据的对象,由此可以避免传统用户运动能力评估方法需要完全借助医护人员经验的弊端,有效提高针对用户真实运动能力的评估效果和准确性。
本发明中生理数据采集模块通过生理电子检测设备采集旅游用户的心率、血压数据信息过程中,为了减少血压传感器的测量误差,提高测量精度,消除温度对血压传感器的影响,提高对血压传感器的温度漂移有较好的补偿效果,采用基于蚁群算法的RBF神经网络算法。
本发明中定位模块通过定位器定位旅游用户位置数据过程中,为了缩小检测的范围,从而快速确定定位器的位置,同时为了避免干扰,提高定位的准确性,采用AdaBoost算法。
本发明中行程规划模块通过旅游软件规划旅游用户行程中,为了能够根据用户的历史评论数据、用户的好友关系以及活动半径找到感兴趣的地点并能够在用户旅行时为用户提供行程规划,采用一种改进的行程规划方法。
本发明通过待定位节点对接收信号进行采样获取采样信号,再根据采样信号计算OFDM信号中循环前缀采样点集合与复制的有效数据部分的采样点集合的互相关值,以该互相关值作为测量指标,计算待定位节点与锚节点间的距离,然后利用自适应距离修正算法估计待定位节点的坐标。本发明显著降低了在极低信噪比和复杂多径传输信道环境下系统的定位误差,提高了系统的定位精度和稳定性。
附图说明
图1是本发明实施例提供的基于大数据分析的旅游用户运动行为实时信息监测方法流程图。
图2是本发明实施例提供的基于大数据分析的旅游用户运动行为实时信息监测系统结构图。
图2中:1、生理数据采集模块;2、定位模块;3、图像采集模块;4、主控模块;5、网络通信模块;6、行程规划模块;7、大数据分析模块;8、运动评估模块;9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
现有基于大数据分析的旅游用户运动行为实时信息监测系统关于景区大数据分析对于一些暂时还未完善信息化建设的景区不能进行大数据的分析与应用,以及仅依靠wifi、摄像头数据的进行景区大数据分析也会存在一定的误差;同时,现有的这些针对待评估人员运动能力的运动能力评估方法都是基于医生的知识和经验,评估耗时较长而且不同的医生由于经验不同也会给出不同的评估结果,不利于对待评估人员的真实运动能力做出高效评估。
血压传感器在测量人体的血压过程中,容易受到温度的影响,产生温度漂移,采用传统的算法,无法消除温度漂移产生的误差,降低了测量的精度。
现有的定位器在定位旅游用户位置数据过程中,采用传统的算法,不能有效的缩小检测的范围,导致不能快速确定定位器的位置
为解决上述技术问题,下面结合具体方案对本发明作详细描述。
如图1所示,本发明实施例提供的基于大数据分析的旅游用户运动行为实时信息监测方法包括以下步骤:
S101,通过生理数据采集模块利用生理电子检测设备采集旅游用户的心率、血压、体温数据信息;
S102,通过定位模块利用定位器定位旅游用户位置数据;通过图像采集模块利用摄像头采集旅游区域游客量图像数据;
S103,主控模块通过网络通信模块利用网络接口连接互联网进行网络通信;
S104,通过行程规划模块利用旅游软件规划旅游用户行程;通过大数据分析模块利用云服务器集中大数据资源对旅游进行大数据分析;
S105,通过运动评估模块利用评估软件对旅游用户运动能力进行评估;
S106,通过显示模块利用显示器显示基于大数据分析的旅游用户运动行为实时信息监测系统界面及采集旅游用户的心率、血压、体温、位置、游客量区域图像数据信息。
如图2所示,本发明实施例提供的基于大数据分析的旅游用户运动行为实时信息监测系统包括:生理数据采集模块1、定位模块2、图像采集模块3、主控模块4、网络通信模块5、行程规划模块6、大数据分析模块7、运动评估模块8、显示模块9。
生理数据采集模块、定位模块、图像采集模块、主控模块、网络通信模块、行程规划模块、大数据分析模块、运动评估模块、显示模块;
生理数据采集模块1,与主控模块4连接,用于通过生理电子检测设备采集旅游用户的心率、血压、体温数据信息;
定位模块2,与主控模块4连接,用于通过定位器定位旅游用户位置数据;
图像采集模块3,与主控模块4连接,用于通过摄像头采集旅游区域游客量图像数据;
主控模块4,与生理数据采集模块1、定位模块2、图像采集模块3、网络通信模块5、行程规划模块6、大数据分析模块7、运动评估模块8、显示模块9连接,用于通过单片机控制各个模块正常工作;
网络通信模块5,与主控模块4连接,用于通过网络接口连接互联网进行网络通信;
行程规划模块6,与主控模块4连接,用于通过旅游软件规划旅游用户行程;
大数据分析模块7,与主控模块4连接,用于通过云服务器集中大数据资源对旅游进行大数据分析;
运动评估模块8,与主控模块4连接,用于通过评估软件对旅游用户运动能力进行评估;
显示模块9,与主控模块4连接,用于通过显示器显示基于大数据分析的旅游用户运动行为实时信息监测系统界面及采集旅游用户的心率、血压、体温、位置、游客量区域图像数据信息。
作为本发明优选实施例,生理数据采集模块1通过生理电子检测设备采集旅游用户的心率、血压数据信息过程中,采用血压传感器测量,为了减少血压传感器的测量误差,提高测量精度,消除温度对血压传感器的影响,提高对血压传感器的温度漂移有较好的补偿效果,采用基于蚁群算法的RBF神经网络算法,具体包括以下步骤:
步骤一,对输入样本利用蚁群聚类算法进行聚类,得到的聚类中心作为RBF神经网络隐层单元的中心值;
步骤二,用伪逆算法调整隐层到输出层的权值;
步骤三,计算每个隐层单元的输出并进行规范化,判断每个隐层单元对网络输出的贡献大小;
步骤四,在满足误差的条件下,用裁减的方法简化网络结构。
所述定位模块2通过定位器定位旅游用户位置数据过程中,为了减少缩小检测的范围,从而快速确定定位器的位置,同时为了避免干扰,提高定位的准确性,采用AdaBoost算法,具体过程如下:
设输入的n个训练样本为:{(x1,y1),(x2,y2),…(xn,yn)},其中xi是输入的训练样本,yi∈{0,1}分别表示正样本和负样本,其中正样本数为l,负样本数为m,n=l+m,具体步骤如下:
步骤一,初始化每个样本的权重wi,i∈D(i);
步骤二,对每个t=1,…,T(T为弱分类器的个数)
(1)把权重归一化为一个概率分布:
(2)对每个特征f,训练一个弱分类器hj计算对应所有特征的弱分类器的加权错误率:
(3)选取最佳的弱分类器ht(拥有最小错误率):εt;
(4)按照这个最佳弱分类器,调整权重:
式中:当εi=0表示被正确地分类,εi=1表示被错误地分类
步骤三,最后的强分类器为:
作为本发明优选实施例,行程规划模块6通过旅游软件规划旅游用户行程中,为了能够根据用户的历史评论数据、用户的好友关系以及活动半径找到感兴趣的地点并能够在用户旅行时为用户提供行程规划,采用一种改进的行程规划方法,包括以下步骤:
步骤一,用户对于产品的预测分数列表,行程节奏安排,位置点信息,旅游频繁项集;
步骤二,判断“是否”拥有在今日行程剩余时间内可以安排的位置点;
步骤三,通过式:
计算到各个位置点的转移概率;式中P(x,y)为个性化行程指定的转移概率;
f(T-t-move(x,y)-stay(y))中的f为符号函数,其中的内容如果为正,函数值为1,如果非正数,函数值为0,其中的T,t,move(x,y),stay(y)分别表示行程安排的总时间,当前已安排的时间,从位置点x到位置点y所花费的时间,在位置y至少停留的时间,目的是为了验证在时间上该行程安排是否合理,即该安排是否能够在有限的时间内完成,同时该符号函数也作为行程规划的终止条件存在;PredictScore(U,P,Px)即为X位置点为中心点,H(y,m)为地点热度计算,isFrequently(x,y)为是否为频繁项集验证,d(x,y)为x位置点与y位置点间的距离;
步骤四,判断“是否”高于预设阈值的转移点,“是”进入到下一步骤;“否”结束;
步骤五,将这个位置点加入到行程单当中,如果有多个位置点,则生成一个新的路径分支,即生成一个新的行程单,算法结束。
作为本发明优选实施例,大数据分析模块7分析方法如下:
(1)通过网络获取景区数据信息;
(2)将景区进行栅格化处理,并根据景区的面积确定栅格化的粒度;
(3)根据XDR数据中的经纬度,确定景区所对应的覆盖小区;
(4)根据景区覆盖小区中的经纬度比例找出XDR数据中没有经纬度但同时也在景区中的游客;
(5)根据步骤(3)和步骤(4)计算出景区内的总人数;
(6)通过云服务器结合景区内的总人数、XDR中的经纬度、落入景区栅格中的经纬度比例、历史时间点栅格人数比例,从而计算出景区人流量的分布情况;
所述游客消费能力分析是根据游客在运营商中的话费数据进行计算,所述的XDR数据是指2G/3G通信组网中Gn接口数据;或,4G通信组网中S1-MME、S1-U、S6a接口数据。
作为本发明优选实施例,本发明提供的分析方法还包括游客出行方式分析,根据运营商XDR数据分析景区内所有游客近两天占用基站的情况;
占用机场周边基站,则判定为飞机出行;
占用火车站周边基站,则判定为火车出行;
非上述两种情况则统一判定为汽车出行。
本发明提供的分析方法还包括游客来源地分析,根据运营商XDR数据找到用户的手机号码,根据游客手机号码找出用户的归属地,根据用户的归属地统计景区游客的来源地;
游客景区游览分析,据XDR定位信息进行判断用户所在景点,如相邻两个景点在300米以内,则定义为这两个景区游客均会去。
作为本发明优选实施例,本发明提供的运动评估模块8评估方法如下:
1)获取多个用户的运动历史数据,依据所述运动历史数据确定所述用户的运动攻关目标对应的群组和所述用户的运动计划;
2)获取所述群组的用户在执行所述运动计划时的运动数据,依据所述获取的运动数据计算所述群组的运动攻关完成率;判断所述计算得到的运动攻关完成率是否大于预设攻关值,若是,确定所述群组进入晋级的运动攻关目标,若否,则调整所述群组的用户的权限;
3)分析所获取待评估用户的运动数据,得到表征所述待评估用户运动能力的运动能力数据;
4)将所得待评估用户的运动能力数据提供给需要所述运动能力数据的对象。
本发明提供的评估方法还包括:验证所述待评估用户的身份,并在所述待评估用户的身份验证通过之后,获取该待评估用户的运动数据;否则,不予获取该待评估用户的运动数据;或者/和,
所述用户运动能力评估方法包括:在分析所获取待评估用户的运动数据之前包括:对所述待评估用户的运动数据做降噪处理,以利用降噪处理后的运动数据进行运动能力分析的步骤;或者/和,
所述用户运动能力评估方法还包括:存储所得待评估用户的运动能力数据,以供后续调用所述运动能力数据的步骤。
作为本发明优选实施例,本发明提供的评估方法还包括医生获取所得待评估用户的运动能力数据,并对待评估用户的身体恢复情况做出分析的步骤。
作为本发明优选实施例,定位器定位旅游用户位置数据的方法包括:
待定位节点O通信范围内的锚节点坐标为Ai xi,yi,其中i=0,1,…,n n≥4;
步骤一:待定位节点对接收信号r t进行采样得到采样信号r n,其中,n=0,1,…,N-1,N表示OFDM符号包含的子载波个数,同时记录所接收到的信号的发送节点为Ai(xi,yi);
步骤二:根据采样信号r n,计算互相关值E:
步骤三:根据对数距离路径损耗模型,如下公式计算待定位节点与锚节点Ai之间的距离:
Pr d′i=Pr d0-10·γlgd′i+Xσ;
其中,Pr d′i表示距离发送端距离为d′i时获取的互相关值,Pr d0表示距离发送端d0=1米处获取的互相关值,γ表示路径损耗因子,lg·表示底为10的对数运算,Xσ服从均值为0、标准差为σ的高斯分布;
利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′i,对应的锚节点的坐标分别为Ai xi,yi,其中i=0,1,2,…,n;
步骤四:根据自适应距离修正算法,估计出待定位节点的坐标O x,y;
步骤二的具体方法包括:
第一步,构建由连续m个OFDM符号中相同采样位置上长度为l连续采样序列所组成的相关窗,则与该相关窗对应的对数似然函数Λτ表示为:
第二步,将相关窗滑动N+L个采样点长度,获取对数似然函数Λτ的最大值,该值所对应的采样时刻即为OFDM符号的起始位置
其中,表示函数取得最大值时自变量τ的取值,Λτ表示对数似然函数,m表示连续的OFDM符号的数目,l表示相同采样位置上连续采样序列的长度,r n表示采样信号,N表示OFDM符号包含的子载波个数,L表示OFDM符号中循环前缀部分采样点的数目,|·|是求模运算符;
第三步,根据OFDM符号的起始位置计算互相关值E:
步骤四具体包括:
第一步,选定差分修正点,确定定位交点坐标和复数定位交点,计算定位交点间距离;
从d′i(i=0,1,2,…,n)中选择距离值最小的锚节点A0为差分修正点,再从剩余的距离值中取出3个最小的距离值,假设这3个为距离值分别d′1、d′2和d′3,对应的锚节点坐标分别为A1 x1,y1、A2 x2,y2和A3 x3,y3,分别以锚节点Ai xi,yi为圆心,d′i为半径作三个定位圆i,其中i=1,2,3,三个定位圆的相交情况共有6种,两个圆之间存在两个交点,这两个交点为两个相等的实数交点,或两个不相等的实数交点,或两个复数交点;从两个定位圆的两个交点中,选择与第三定位圆圆心坐标的距离较小的那个交点作为定位交点,以参与待定位节点的定位;由3个定位圆确定三个定位交点及复数定位交点的个数m′,由定位圆2和定位圆3确定的定位交点坐标为A′x′1,y′1、由定位圆1和定位圆3确定的定位交点的坐标为B′x′2,y′2,由定位圆1和定位圆2确定的定位交点的坐标为C′x′3,y′3,定位交点A′与B′、B′与C′、A′与C′的距离分别为d12、d23、d13:
第二步,设置阈值T,个体差异系数修正系数ω,参数λ(λ>0);
第三步,根据三个定位交点之间的距离d12、d23和d13的大小,判断是否需要对d′1、d′2、d′3进行修正,若d12<T、d23<T、d13<T,则无需对d′1、d′2、d′3进行修正,执行第五步,否则,需要对d′1、d′2、d′3进行修正,执行第四步;
第四步,调节三个测量距离的方向修正因子λ1、λ2和λ3,根据如下自适应距离修正公式修正d′1、d′2、d′3,得到修正距离为d1、d2、d3:
其中,di表示待定位节点与锚节点Ai之间的修正距离,d0i表示差分修正点A0与锚节点Ai之间的实际距离,d′0i表示差分修正点A0与锚节点Ai之间的测量距离,ω表示个体差异系数修正系数,λi表示方向修正因子,exp·表示指数函数;
根据修正后的距离d1、d2、d3,重新求解修正后的三个定位交点间的距离d12、d23、d13,返回第三步;
第五步,根据如下公式,计算出待定位节点的定位坐标O x0,y0:
其中,α1、α2、α3分别表示x′1、x′2、x′3的权重,β1、β2、β3分别表示y′1、y′2、y′3的权重。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种基于大数据分析的旅游用户运动行为实时信息监测方法,其特征在于,所述基于大数据分析的旅游用户运动行为实时信息监测方法包括以下步骤:
步骤一,通过生理数据采集模块利用生理电子检测设备采集旅游用户的心率、血压、体温数据信息;
步骤二,通过定位模块利用定位器定位旅游用户位置数据;通过图像采集模块利用摄像头采集旅游区域游客量图像数据;
步骤三,主控模块通过网络通信模块利用网络接口连接互联网进行网络通信;
步骤四,通过行程规划模块利用旅游软件规划旅游用户行程;通过大数据分析模块利用云服务器集中大数据资源对旅游进行大数据分析;
步骤五,通过运动评估模块利用评估软件对旅游用户运动能力进行评估;
步骤六,通过显示模块利用显示器显示基于大数据分析的旅游用户运动行为实时信息监测系统界面及采集旅游用户的心率、血压、体温、位置、游客量区域图像数据信息。
2.如权利要求1所述基于大数据分析的旅游用户运动行为实时信息监测方法,其特征在于,所述大数据分析模块分析方法包括:
(1)通过网络获取景区数据信息;
(2)将景区进行栅格化处理,并根据景区的面积确定栅格化的粒度;
(3)根据XDR数据中的经纬度,确定景区所对应的覆盖小区;
(4)根据景区覆盖小区中的经纬度比例找出XDR数据中没有经纬度但同时也在景区中的游客;
(5)根据步骤(3)和步骤(4)计算出景区内的总人数;
(6)通过云服务器结合景区内的总人数、XDR中的经纬度、落入景区栅格中的经纬度比例、历史时间点栅格人数比例,从而计算出景区人流量的分布情况;
所述游客消费能力分析是根据游客在运营商中的话费数据进行计算,所述的XDR数据是指2G/3G通信组网中Gn接口数据;或,4G通信组网中S1-MME、S1-U、S6a接口数据。
3.如权利要求2所述基于大数据分析的旅游用户运动行为实时信息监测方法,其特征在于,所述分析方法还包括游客出行方式分析,根据运营商XDR数据分析景区内所有游客近两天占用基站的情况;
占用机场周边基站,则判定为飞机出行;
占用火车站周边基站,则判定为火车出行;
非上述两种情况则统一判定为汽车出行;
所述分析方法还包括游客来源地分析,根据运营商XDR数据找到用户的手机号码,根据游客手机号码找出用户的归属地,根据用户的归属地统计景区游客的来源地;
游客景区游览分析,据XDR定位信息进行判断用户所在景点。
4.如权利要求1所述基于大数据分析的旅游用户运动行为实时信息监测方法,其特征在于,所述运动评估模块评估方法包括:
1)获取多个用户的运动历史数据,依据所述运动历史数据确定所述用户的运动攻关目标对应的群组和所述用户的运动计划;
2)获取所述群组的用户在执行所述运动计划时的运动数据,依据所述获取的运动数据计算所述群组的运动攻关完成率;判断所述计算得到的运动攻关完成率是否大于预设攻关值,若是,确定所述群组进入晋级的运动攻关目标,若否,则调整所述群组的用户的权限;
3)分析所获取待评估用户的运动数据,得到表征所述待评估用户运动能力的运动能力数据;
4)将所得待评估用户的运动能力数据提供给需要所述运动能力数据的对象;所述评估方法还包括:验证所述待评估用户的身份,并在所述待评估用户的身份验证通过之后,获取该待评估用户的运动数据;否则,不予获取该待评估用户的运动数据;
所述用户运动能力评估方法包括:在分析所获取待评估用户的运动数据之前包括:对所述待评估用户的运动数据做降噪处理,以利用降噪处理后的运动数据进行运动能力分析的步骤;
所述用户运动能力评估方法还包括:存储所得待评估用户的运动能力数据,以供后续调用所述运动能力数据的步骤;
所述评估方法还包括医生获取所得待评估用户的运动能力数据,并对待评估用户的身体恢复情况做出分析的步骤。
5.如权利要求1所述基于大数据分析的旅游用户运动行为实时信息监测方法,其特征在于,定位器定位旅游用户位置数据的方法包括:
待定位节点O通信范围内的锚节点坐标为Aixi,yi,其中i=0,1,…,n n≥4;
步骤一:待定位节点对接收信号r t进行采样得到采样信号r n,其中,n=0,1,…,N-1,N表示OFDM符号包含的子载波个数,同时记录所接收到的信号的发送节点为Ai(xi,yi);
步骤二:根据采样信号r n,计算互相关值E:
步骤三:根据对数距离路径损耗模型,如下公式计算待定位节点与锚节点Ai之间的距离:
Pr d′i=Pr d0-10·γlg d′i+Xσ;
其中,Pr d′i表示距离发送端距离为d′i时获取的互相关值,Pr d0表示距离发送端d0=1米处获取的互相关值,γ表示路径损耗因子,lg·表示底为10的对数运算,Xσ服从均值为0、标准差为σ的高斯分布;
利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′i,对应的锚节点的坐标分别为Aixi,yi,其中i=0,1,2,…,n;
步骤四:根据自适应距离修正算法,估计出待定位节点的坐标O x,y。
6.一种实现权利要求1~5任意一项所述基于大数据分析的旅游用户运动行为实时信息监测方法的计算机程序。
7.一种实现权利要求1~5任意一项所述基于大数据分析的旅游用户运动行为实时信息监测方法的信息数据处理终端。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-5任意一项所述的基于大数据分析的旅游用户运动行为实时信息监测方法。
9.一种基于大数据分析的旅游用户运动行为实时信息监测系统,其特征在于,所述基于大数据分析的旅游用户运动行为实时信息监测系统包括:
生理数据采集模块,与主控模块连接,用于通过生理电子检测设备采集旅游用户的心率、血压、体温数据信息;
定位模块,与主控模块连接,用于通过定位器定位旅游用户位置数据;
图像采集模块,与主控模块连接,用于通过摄像头采集旅游区域游客量图像数据;
主控模块,与生理数据采集模块、定位模块、图像采集模块、网络通信模块、行程规划模块、大数据分析模块、运动评估模块、显示模块连接,用于通过单片机控制各个模块正常工作;
网络通信模块,与主控模块连接,用于通过网络接口连接互联网进行网络通信;
行程规划模块,与主控模块连接,用于通过旅游软件规划旅游用户行程;
大数据分析模块,与主控模块连接,用于通过云服务器集中大数据资源对旅游进行大数据分析;
运动评估模块,与主控模块连接,用于通过评估软件对旅游用户运动能力进行评估;
显示模块,与主控模块连接,用于通过显示器显示基于大数据分析的旅游用户运动行为实时信息监测系统界面及采集旅游用户的心率、血压、体温、位置、游客量区域图像数据信息。
10.一种搭载权利要求9所述基于大数据分析的旅游用户运动行为实时信息监测系统的旅游用户运动行为实时信息监测平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910010553.8A CN109798907A (zh) | 2019-01-07 | 2019-01-07 | 基于大数据分析的旅游用户运动行为实时信息监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910010553.8A CN109798907A (zh) | 2019-01-07 | 2019-01-07 | 基于大数据分析的旅游用户运动行为实时信息监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109798907A true CN109798907A (zh) | 2019-05-24 |
Family
ID=66558534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910010553.8A Pending CN109798907A (zh) | 2019-01-07 | 2019-01-07 | 基于大数据分析的旅游用户运动行为实时信息监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109798907A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348694A (zh) * | 2019-06-14 | 2019-10-18 | 中南大学 | 一种基于大数据的智慧旅游决策系统及决策方法 |
CN111857138A (zh) * | 2020-07-03 | 2020-10-30 | 深圳怡丰自动化科技有限公司 | 载人自动导引车的控制方法及其应用以及相关装置 |
CN114288629A (zh) * | 2021-12-08 | 2022-04-08 | 广东技术师范大学 | 基于大数据的体能信息采集分析系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080201227A1 (en) * | 2006-11-07 | 2008-08-21 | Lucia Urban Bakewell | Interactive, Internet-based, trip planning, travel resource, travel community, virtual travel, travel-based education, travel-related gaming and virtual/live tour system, methods, and processes, emphasizing a user's ability to tailor complete travel, trip, route, game and touring choices to unique user-specified personal interests, preferences, and special requirements for self and companions |
CN104469941A (zh) * | 2014-12-23 | 2015-03-25 | 西安电子科技大学 | 基于无线局域网 wlan ofdm 信号循环前缀的室内无线定位方法 |
CN108091378A (zh) * | 2016-11-21 | 2018-05-29 | 风跑体育发展(深圳)有限公司 | 一种多用户运动信息的处理方法及系统 |
CN108197683A (zh) * | 2018-01-23 | 2018-06-22 | 余绍志 | 一种基于大数据处理的景区管理系统 |
CN108447562A (zh) * | 2018-02-28 | 2018-08-24 | 李赛 | 一种用户运动能力评估方法及系统 |
CN108549976A (zh) * | 2018-03-28 | 2018-09-18 | 四川亨通网智科技有限公司 | 智慧旅游大数据分析方法 |
CN208241904U (zh) * | 2018-04-11 | 2018-12-14 | 四川万方中亿科技有限公司 | 一种基于大数据分析的游客安全监测系统 |
-
2019
- 2019-01-07 CN CN201910010553.8A patent/CN109798907A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080201227A1 (en) * | 2006-11-07 | 2008-08-21 | Lucia Urban Bakewell | Interactive, Internet-based, trip planning, travel resource, travel community, virtual travel, travel-based education, travel-related gaming and virtual/live tour system, methods, and processes, emphasizing a user's ability to tailor complete travel, trip, route, game and touring choices to unique user-specified personal interests, preferences, and special requirements for self and companions |
CN104469941A (zh) * | 2014-12-23 | 2015-03-25 | 西安电子科技大学 | 基于无线局域网 wlan ofdm 信号循环前缀的室内无线定位方法 |
CN108091378A (zh) * | 2016-11-21 | 2018-05-29 | 风跑体育发展(深圳)有限公司 | 一种多用户运动信息的处理方法及系统 |
CN108197683A (zh) * | 2018-01-23 | 2018-06-22 | 余绍志 | 一种基于大数据处理的景区管理系统 |
CN108447562A (zh) * | 2018-02-28 | 2018-08-24 | 李赛 | 一种用户运动能力评估方法及系统 |
CN108549976A (zh) * | 2018-03-28 | 2018-09-18 | 四川亨通网智科技有限公司 | 智慧旅游大数据分析方法 |
CN208241904U (zh) * | 2018-04-11 | 2018-12-14 | 四川万方中亿科技有限公司 | 一种基于大数据分析的游客安全监测系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348694A (zh) * | 2019-06-14 | 2019-10-18 | 中南大学 | 一种基于大数据的智慧旅游决策系统及决策方法 |
CN111857138A (zh) * | 2020-07-03 | 2020-10-30 | 深圳怡丰自动化科技有限公司 | 载人自动导引车的控制方法及其应用以及相关装置 |
CN114288629A (zh) * | 2021-12-08 | 2022-04-08 | 广东技术师范大学 | 基于大数据的体能信息采集分析系统及方法 |
CN114288629B (zh) * | 2021-12-08 | 2022-11-15 | 广东技术师范大学 | 基于大数据的体能信息采集分析系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086919A (zh) | 一种景点路线规划方法、装置、系统及电子设备 | |
CN109798907A (zh) | 基于大数据分析的旅游用户运动行为实时信息监测方法 | |
CN110163236B (zh) | 模型的训练方法和装置、存储介质、电子装置 | |
CN107992067A (zh) | 基于集成吊舱和ai技术的无人机巡检故障诊断系统 | |
CN109166094A (zh) | 一种基于深度学习的绝缘子故障定位识别方法 | |
CN108337656B (zh) | 一种移动群智感知激励方法 | |
CN107239514A (zh) | 一种基于卷积神经网络的植物识别方法及系统 | |
CN107943078A (zh) | 多旋翼双机系统无人机巡检故障诊断系统及方法 | |
CN109886396A (zh) | 一种输电线路舞动在线预测系统及方法 | |
CN109657615A (zh) | 一种目标检测的训练方法、装置及终端设备 | |
DE102020213128A1 (de) | Inferenz des wärmekomforts eines nutzers unter verwendung von körperforminformationen | |
CN106611160A (zh) | 一种基于卷积神经网络的图像头发识别方法及其装置 | |
CN106600652A (zh) | 一种基于人工神经网络的全景摄像头定位方法 | |
JP2022537148A (ja) | 動的な航空機ルーティング | |
CN114241511B (zh) | 一种弱监督行人检测方法、系统、介质、设备及处理终端 | |
CN109525337A (zh) | WiFi指纹获取方法、装置、存储介质以及设备 | |
CN110221290A (zh) | 基于蚁群算法优化的无人机目标搜索构建方法 | |
CN114818788A (zh) | 基于毫米波感知的追踪目标状态识别方法和装置 | |
CN109117723A (zh) | 基于颜色模式分析与语义分割的盲道检测方法 | |
CN111367315A (zh) | 一种应用于无人机收集信息的轨迹规划方法及装置 | |
CN109362066A (zh) | 一种基于低功耗广域物联网和胶囊网络的实时行为识别系统及其工作方法 | |
CN117591794B (zh) | 基于时间序列的鸟类迁徙轨迹预测方法 | |
CN116859985A (zh) | 一种四旋翼自动追踪功能实现方法 | |
CN110135451A (zh) | 一种基于点到线段集距离的航迹聚类方法 | |
CN112215416B (zh) | 智能规划巡检航线系统及方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190524 |