摘" 要： 針對(duì)景區(qū)監(jiān)管存在的成本高、實(shí)時(shí)性差等問(wèn)題，設(shè)計(jì)一種基于移動(dòng)群智感知計(jì)算的景區(qū)智能監(jiān)管系統(tǒng)。首先，該系統(tǒng)利用眾包思想和群智感知理論采集游客手機(jī)的用戶(hù)生成內(nèi)容（UGC）數(shù)據(jù)，包括照片、視頻、評(píng)論等；然后，通過(guò)深度學(xué)習(xí)技術(shù)進(jìn)行視覺(jué)分析和文本分析，基于BP神經(jīng)網(wǎng)絡(luò)進(jìn)行決策分析，從而實(shí)現(xiàn)監(jiān)管事件的智能發(fā)現(xiàn)和智能決策。所設(shè)計(jì)系統(tǒng)不僅節(jié)省了景區(qū)鋪設(shè)物聯(lián)網(wǎng)設(shè)備的成本，而且能夠?qū)崿F(xiàn)更深入、廣泛和智能的景區(qū)監(jiān)管，也可為智慧景區(qū)建設(shè)提供一種新的解決方案。

關(guān)鍵詞： 智慧景區(qū)； 智能監(jiān)管； 移動(dòng)群智感知； 用戶(hù)生成內(nèi)容； B/S架構(gòu)； 分析系統(tǒng)； 智能決策

中圖分類(lèi)號(hào)： TN915?34； TP391.1； F590" " " " " " " "文獻(xiàn)標(biāo)識(shí)碼： A" " " " " " " "文章編號(hào)： 1004?373X（2024）12?0074?07

Research and design of smart scenic spot supervision system based on mobile crowd sensing and computing

YAO Jiansheng1， 2， LIU Yanling1， 2

（1. College of Tourism amp; Landscaper Architecture， Guilin University of Technology， Guilin 541004， China;

2. Institute of Guangxi Tourism Industry， Guilin 541004， China）

Abstract： In allusion to the problems of high cost and poor real?time performance in scenic spot supervision， a smart scenic spot supervision system based on mobile crowd sensing and computing is designed. In the system， the crowd sourcing idea and mobile crowd sensing theory are used to collect the UGC （user generation content） data of tourists' mobile phones， including photos， videos， comments， etc. The visual analysis and text analysis are conducted by means of the deep learning technology， and the decision analysis is carried out based on BP neural network， so as to realize intelligent discovery and intelligent decision of regulatory events. The designed system not only can save the cost of laying Internet of Things equipment in scenic spots， but also can realize more in?depth， extensive and intelligent supervision of scenic spots， and also can provide a new solution for the construction of smart scenic spots.

Keywords： smart scenic spot; intelligent supervision; mobile crowd sensing; user generation content; B/S architecture; analysis system; intelligent decision?making

0" 引" 言

智慧景區(qū)是在智慧城市建設(shè)這一重大背景下，結(jié)合景區(qū)規(guī)劃、管理和可持續(xù)發(fā)展的客觀(guān)需求，在數(shù)字景區(qū)基礎(chǔ)上的新發(fā)展[1]。對(duì)景區(qū)內(nèi)游客、基礎(chǔ)設(shè)施、突發(fā)事件進(jìn)行智能監(jiān)測(cè)和管理，是智慧景區(qū)建設(shè)的一項(xiàng)重要內(nèi)容[2?3]。如：景區(qū)服務(wù)設(shè)施損壞（如水管漏水）而不能及時(shí)維修，不僅影響游客體驗(yàn)，而且會(huì)帶來(lái)安全隱患，造成能源浪費(fèi)；游客存在不文明旅游行為而不能及時(shí)發(fā)現(xiàn)和制止，會(huì)造成旅游資源的破壞；商販的不合理銷(xiāo)售會(huì)侵害游客利益等等。智能監(jiān)管系統(tǒng)可及時(shí)發(fā)現(xiàn)問(wèn)題，有效保護(hù)游客安全和景區(qū)資源，促進(jìn)景區(qū)節(jié)能減排，遏制不文明旅游等，從而提升景區(qū)的服務(wù)質(zhì)量和游客滿(mǎn)意度。

現(xiàn)有景區(qū)監(jiān)管方法大都鋪設(shè)相關(guān)物聯(lián)網(wǎng)設(shè)備，如攝像頭等，并通過(guò)工作人員巡檢進(jìn)行輔助監(jiān)管，這樣不僅需要物力、人力和財(cái)力的開(kāi)銷(xiāo)，而且由于設(shè)備鋪設(shè)難度較大、造價(jià)較高，很難實(shí)現(xiàn)高密度、無(wú)死角覆蓋的監(jiān)管[4]。另外，限于巡檢人員的數(shù)量和精力，很難做到實(shí)時(shí)、全方位的監(jiān)管。因此，景區(qū)智能監(jiān)管面臨挑戰(zhàn)，探索一種智能、價(jià)格低廉、實(shí)時(shí)、全面的監(jiān)管系統(tǒng)對(duì)智慧景區(qū)建設(shè)具有重要意義。

隨著移動(dòng)智能設(shè)備的普及和功能日益強(qiáng)大，游客習(xí)慣了通過(guò)智能手機(jī)拍照、拍視頻等記錄自己的游覽過(guò)程，并且大部分游客樂(lè)于在社交媒體上分享自己的信息，稱(chēng)之為用戶(hù)生成內(nèi)容（User Generation Content， UGC）[5]。部分UGC同時(shí)也記錄了游客身邊發(fā)生的事情，如景區(qū)設(shè)備損壞、垃圾桶垃圾外溢、游客不文明行為、商家不正當(dāng)經(jīng)營(yíng)、游客沖突事件等等，這些數(shù)據(jù)為景區(qū)監(jiān)管提供了豐富的資料。然而，這些UGC內(nèi)容分散于各個(gè)社交網(wǎng)絡(luò)或OTA平臺(tái)，不便于景區(qū)實(shí)現(xiàn)實(shí)時(shí)監(jiān)管。

如果能夠及時(shí)收集景區(qū)內(nèi)游客的UGC數(shù)據(jù)，并進(jìn)行智能分析，則可以實(shí)現(xiàn)景區(qū)智能監(jiān)管。這種方式還具備如下優(yōu)勢(shì)：利用游客的手機(jī)，則不需要鋪設(shè)物聯(lián)網(wǎng)設(shè)備，可以節(jié)省成本；另外，游客是移動(dòng)的，可以到達(dá)景區(qū)內(nèi)任何人到達(dá)的地方，因此能夠全方位感知景區(qū)。構(gòu)建這樣的平臺(tái)成為了智慧景區(qū)建設(shè)的關(guān)鍵。

移動(dòng)群智感知（Mobile Crowd Sensing， MCS）計(jì)算技術(shù)[6]是基于眾包思想，利用手機(jī)等移動(dòng)設(shè)備采集數(shù)據(jù)，并在后臺(tái)完成智能分析計(jì)算，從而自動(dòng)完成特定任務(wù)。移動(dòng)群智感知計(jì)算系統(tǒng)無(wú)需進(jìn)行網(wǎng)絡(luò)特意部署與維護(hù)，能有效完成大規(guī)模、細(xì)粒度、高復(fù)雜度的社會(huì)感知任務(wù)，目前已被廣泛應(yīng)用于空氣質(zhì)量監(jiān)測(cè)[7]、智慧交通[8]、智慧停車(chē)[9]、噪聲監(jiān)測(cè)[10]等多個(gè)場(chǎng)景[11?12]。

群智感知計(jì)算技術(shù)尚未有應(yīng)用于智慧景區(qū)建設(shè)的報(bào)道，但是景區(qū)場(chǎng)景適合應(yīng)用移動(dòng)群智感知計(jì)算技術(shù)。首先，旅游是人類(lèi)高度參與的場(chǎng)景，并且大部分游客都持有智能手機(jī)等高性能移動(dòng)設(shè)備，因此，景區(qū)有部署群智感知計(jì)算系統(tǒng)的硬件基礎(chǔ)；其次，從其他領(lǐng)域的應(yīng)用來(lái)看，人們參與分享的意愿超出預(yù)期，并且景區(qū)管理可以通過(guò)紅包等激勵(lì)機(jī)制，鼓勵(lì)游客參與上傳UGC數(shù)據(jù)，因此，系統(tǒng)有數(shù)據(jù)保障；再次，利用游客手機(jī)采集數(shù)據(jù)具有節(jié)省鋪設(shè)物聯(lián)網(wǎng)設(shè)備成本和鋪設(shè)密度高、流動(dòng)性大等優(yōu)勢(shì)，從而實(shí)現(xiàn)全視角的景區(qū)監(jiān)控；另外，通過(guò)游客對(duì)照片、視頻的標(biāo)注和點(diǎn)評(píng)等實(shí)現(xiàn)了“人在回路（Human?in?the?Loop）”的人聯(lián)網(wǎng)（Internet of Humans）[13]和人機(jī)交互智能，從而為智能分析提供重要數(shù)據(jù)源；最后，系統(tǒng)收集游客的UGC，為景區(qū)規(guī)劃升級(jí)、管理、服務(wù)和營(yíng)銷(xiāo)提供了第一手資料。本文基于移動(dòng)群智感知計(jì)算技術(shù)構(gòu)建景區(qū)智能監(jiān)管平臺(tái)，詳細(xì)論述了設(shè)計(jì)架構(gòu)、系統(tǒng)功能和關(guān)鍵技術(shù)。

1" 系統(tǒng)目標(biāo)

基于群智感知計(jì)算的智慧景區(qū)監(jiān)管系統(tǒng)的設(shè)計(jì)目標(biāo)是利用游客分享的UGC數(shù)據(jù)（如照片、視頻及其文本標(biāo)注和評(píng)論數(shù)據(jù)等），通過(guò)視覺(jué)融合分析技術(shù)和文本挖掘技術(shù)實(shí)時(shí)感知景區(qū)相關(guān)監(jiān)管事件，并依據(jù)事件嚴(yán)重程度做出智能決策，向相關(guān)部門(mén)管理者和工作人員發(fā)布通知或任務(wù)，從而實(shí)現(xiàn)對(duì)景區(qū)的智能監(jiān)管。

依據(jù)系統(tǒng)目標(biāo)，系統(tǒng)有4類(lèi)用戶(hù)，如圖1所示，每類(lèi)用戶(hù)的任務(wù)具體如下：游客是數(shù)據(jù)生產(chǎn)者，在系統(tǒng)中上傳UGC（用戶(hù)生成內(nèi)容），包括景區(qū)視覺(jué)數(shù)據(jù)、標(biāo)注數(shù)據(jù)和評(píng)論數(shù)據(jù)；景區(qū)管理者和工作人員是數(shù)據(jù)的使用者，其中景區(qū)管理者可通過(guò)系統(tǒng)瀏覽、查詢(xún)、發(fā)布相關(guān)監(jiān)控信息，景區(qū)工作人員只能接收系統(tǒng)發(fā)布的任務(wù)；系統(tǒng)管理員負(fù)責(zé)系統(tǒng)管理和維護(hù)，如帳號(hào)管理、權(quán)限管理、安全管理等。

2" 系統(tǒng)架構(gòu)與功能設(shè)計(jì)

2.1" 系統(tǒng)架構(gòu)

為部署和實(shí)施方便，所設(shè)計(jì)系統(tǒng)采用如圖2所示的B/S架構(gòu)。系統(tǒng)主要工作在服務(wù)器端完成，服務(wù)器端分為Web和小程序服務(wù)器、智能分析系統(tǒng)兩部分。其中智能分析是系統(tǒng)核心，負(fù)責(zé)群智感知數(shù)據(jù)（視覺(jué)和文本）分析和智能決策分析；Web和小程序服務(wù)器是核心系統(tǒng)和客戶(hù)端交互的接口。為方便不同用戶(hù)使用系統(tǒng)，客戶(hù)端支持移動(dòng)端小程序和PC端Web兩種模式，其中游客和景區(qū)工作人員使用移動(dòng)端小程序，實(shí)現(xiàn)隨時(shí)隨地發(fā)布數(shù)據(jù)和接收系統(tǒng)信息等；景區(qū)管理者同時(shí)擁有移動(dòng)端和PC端兩種模式，PC端支持大屏幕瀏覽、查詢(xún)、展示等工作，移動(dòng)端主要支持不在辦公室情況下查看、發(fā)布任務(wù)等簡(jiǎn)單、即時(shí)的工作；系統(tǒng)管理員主要是使用PC端，管理和維護(hù)整個(gè)系統(tǒng)。

2.2" 系統(tǒng)功能模塊

從功能上看，系統(tǒng)可分為如圖3所示的三個(gè)部分，即用戶(hù)交互系統(tǒng)、存儲(chǔ)系統(tǒng)和分析系統(tǒng)。交互系統(tǒng)分為客戶(hù)端和服務(wù)器端，用戶(hù)通過(guò)交互系統(tǒng)（即Web和小程序）實(shí)現(xiàn)上傳或?yàn)g覽數(shù)據(jù)等操作。游客是數(shù)據(jù)的生產(chǎn)者，通過(guò)交互系統(tǒng)向存儲(chǔ)系統(tǒng)中上傳UGC數(shù)據(jù)；景區(qū)管理者和工作人員是數(shù)據(jù)的使用者，通過(guò)交互系統(tǒng)從存儲(chǔ)系統(tǒng)中獲取決策數(shù)據(jù)，并應(yīng)用于景區(qū)監(jiān)管。分析系統(tǒng)與普通用戶(hù)沒(méi)有直接交互，通過(guò)算法自動(dòng)與存儲(chǔ)系統(tǒng)交互，進(jìn)行智能分析。具體地，生成分析將游客上傳的視覺(jué)數(shù)據(jù)生成文本標(biāo)注；融合分析將視覺(jué)數(shù)據(jù)和文本數(shù)據(jù)按照時(shí)間、地點(diǎn)和內(nèi)容進(jìn)行融合，生成完整的事件，形成融合數(shù)據(jù)；決策分析以融合數(shù)據(jù)為源，通過(guò)智能決策算法分析事件的等級(jí)和嚴(yán)重程度，從而生成決策數(shù)據(jù)，并向相關(guān)部門(mén)、人員發(fā)送信息。

2.2.1" 用戶(hù)功能模塊

在B/S架構(gòu)下，針對(duì)不同用戶(hù)功能需求，設(shè)計(jì)基于Web和小程序兩種客戶(hù)端，具體功能模塊如圖4所示。

游客有兩種上傳數(shù)據(jù)的方式，分別對(duì)應(yīng)群智感知計(jì)算的參與式感知和非參與式感知。其中用戶(hù)自由式上傳數(shù)據(jù)對(duì)應(yīng)非參與式感知，用戶(hù)依據(jù)自己喜好上傳UGC數(shù)據(jù)，包括照片和視頻等視覺(jué)數(shù)據(jù)，或者對(duì)已有視覺(jué)數(shù)據(jù)發(fā)表評(píng)論；參與式感知是景區(qū)管理部門(mén)為了獲取某一發(fā)生事件的相關(guān)數(shù)據(jù)，如針對(duì)某個(gè)設(shè)備損壞情況或某個(gè)事件發(fā)展過(guò)程有償征集相關(guān)時(shí)間段的數(shù)據(jù)，通過(guò)系統(tǒng)向游客發(fā)布確定感知任務(wù)，用戶(hù)收到任務(wù)后，主動(dòng)參與并上傳相關(guān)數(shù)據(jù)。系統(tǒng)依據(jù)決策數(shù)據(jù)和智能決策算法，自動(dòng)向景區(qū)有關(guān)管理者、工作人員發(fā)布通知，或者向游客發(fā)布相關(guān)信息。

2.2.2" 數(shù)據(jù)分析模塊

如圖5所示，數(shù)據(jù)分析系統(tǒng)包括生成分析、融合分析和決策分析三個(gè)模塊，其中融合分析包括視覺(jué)融合分析和文本融合分析兩個(gè)子模塊。本文從數(shù)據(jù)分析角度，將UGC數(shù)據(jù)分成視頻數(shù)據(jù)和文本數(shù)據(jù)兩類(lèi)。

生成分析是對(duì)用戶(hù)上傳的視覺(jué)數(shù)據(jù)進(jìn)行分析，從而生成相應(yīng)的文本描述信息。視覺(jué)的文本描述數(shù)據(jù)、視覺(jué)文本標(biāo)注數(shù)據(jù)和視覺(jué)的文本評(píng)論數(shù)據(jù)一同構(gòu)成文本數(shù)據(jù)，其中視覺(jué)文本標(biāo)注數(shù)據(jù)是視覺(jué)數(shù)據(jù)生產(chǎn)者在上傳視覺(jué)數(shù)據(jù)時(shí)填寫(xiě)，視覺(jué)的文本評(píng)論數(shù)據(jù)是游客針對(duì)該視覺(jué)數(shù)據(jù)的評(píng)論，視覺(jué)的文本描述數(shù)據(jù)是由系統(tǒng)生成分析模塊在視覺(jué)數(shù)據(jù)上傳后自動(dòng)生成。

視覺(jué)融合分析以視覺(jué)數(shù)據(jù)為數(shù)據(jù)源，依據(jù)圖片和視頻內(nèi)容及其時(shí)空信息進(jìn)行融合，形成一個(gè)完整的視覺(jué)內(nèi)容。文本融合分析以文本數(shù)據(jù)為數(shù)據(jù)源（標(biāo)注文本、生成文本和評(píng)論文本），進(jìn)行文本挖掘與融合，形成完整的敘事文本。視覺(jué)和文本融合分析將多個(gè)相關(guān)原始UGC數(shù)據(jù)進(jìn)行融合，形成融合數(shù)據(jù)。

智能決策分析以融合數(shù)據(jù)為數(shù)據(jù)源，通過(guò)對(duì)事件的文本和時(shí)空等信息進(jìn)行挖掘，判斷事件的等級(jí)和嚴(yán)重程度，從中抽取超出預(yù)先設(shè)定閾值的事件，進(jìn)一步分析事件涉及的問(wèn)題部門(mén)和責(zé)任部門(mén)等信息，從而生成決策數(shù)據(jù)供景區(qū)管理者和工作人員使用。

分析系統(tǒng)由視覺(jué)文本生成分析、視覺(jué)融合分析、文本融合分析和智能決策分析4個(gè)算法，及其對(duì)應(yīng)的模型和數(shù)據(jù)集組成。其中視覺(jué)文本生成分析數(shù)據(jù)集來(lái)自于視覺(jué)數(shù)據(jù)，視覺(jué)和文本融合分析數(shù)據(jù)集來(lái)自于融合數(shù)據(jù)，智能決策分析數(shù)據(jù)集來(lái)自于決策數(shù)據(jù)。

初始數(shù)據(jù)集由系統(tǒng)按照事物對(duì)象發(fā)布具體任務(wù)，有獎(jiǎng)?wù)骷?，按照系統(tǒng)要求標(biāo)注數(shù)據(jù)，經(jīng)過(guò)人工校對(duì)后構(gòu)建。算法依據(jù)初始數(shù)據(jù)集生成初始分析模型，其中游客可以修改自己視覺(jué)數(shù)據(jù)的生成文本、標(biāo)注文本，系統(tǒng)管理員可以修改生成文本、融合數(shù)據(jù)和決策數(shù)據(jù)，以保證初始數(shù)據(jù)集的準(zhǔn)確性。系統(tǒng)上線(xiàn)后，游客生成實(shí)時(shí)數(shù)據(jù)算法，依據(jù)模型分析數(shù)據(jù)產(chǎn)生新的生成文本、融合數(shù)據(jù)和決策數(shù)據(jù)。管理員從這些數(shù)據(jù)中提取部分高質(zhì)量結(jié)果并進(jìn)行人工校正，豐富訓(xùn)練數(shù)據(jù)集，重新訓(xùn)練模型，如此對(duì)數(shù)據(jù)集和模型進(jìn)行不斷的迭代和完善。

2.2.3" 數(shù)據(jù)存儲(chǔ)模塊

依據(jù)系統(tǒng)功能和分析邏輯設(shè)計(jì)底層數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)系統(tǒng)中除用戶(hù)信息表（游客、景區(qū)管理者和景區(qū)工作人員）外，主要數(shù)據(jù)表有視覺(jué)數(shù)據(jù)表、評(píng)論數(shù)據(jù)表、融合數(shù)據(jù)表和決策數(shù)據(jù)表，ER圖如圖6所示。

游客的UGC數(shù)據(jù)包括視覺(jué)數(shù)據(jù)和文本評(píng)論數(shù)據(jù)。游客可以上傳多個(gè)視覺(jué)數(shù)據(jù)，生成視覺(jué)數(shù)據(jù)表，每個(gè)游客可以對(duì)任何一個(gè)視覺(jué)數(shù)據(jù)發(fā)表多個(gè)評(píng)論，形成評(píng)論數(shù)據(jù)表。當(dāng)游客上傳視覺(jué)數(shù)據(jù)后，系統(tǒng)自動(dòng)進(jìn)行生成分析，生成相應(yīng)的文本字段gen_text。其中視覺(jué)數(shù)據(jù)屬性（元數(shù)據(jù)）包括數(shù)據(jù)標(biāo)識(shí)（visual_id）、數(shù)據(jù)類(lèi)型（type，包括照片和視頻兩類(lèi)）、時(shí)間（datetime）、GPS坐標(biāo)（poi）等。評(píng)論是游客對(duì)視覺(jué)數(shù)據(jù)的評(píng)論，主要包括評(píng)論時(shí)間（datetime）和評(píng)論內(nèi)容（review_content）等屬性。從數(shù)據(jù)分析角度，UGC分成視覺(jué)和文本兩類(lèi)，視覺(jué)數(shù)據(jù)來(lái)源于視覺(jué)數(shù)據(jù)表的media字段，文本數(shù)據(jù)來(lái)源于視覺(jué)數(shù)據(jù)表的標(biāo)注文本（tag_text）、生成文本（gen_text）和評(píng)論數(shù)據(jù)的評(píng)論文本（rev_text）三個(gè)字段。

融合分析以視覺(jué)數(shù)據(jù)表和評(píng)論數(shù)據(jù)表為數(shù)據(jù)源，依據(jù)空間、時(shí)間和數(shù)據(jù)表達(dá)內(nèi)容等信息，將描述同一個(gè)事件的多個(gè)記錄進(jìn)行融合分析，發(fā)現(xiàn)事件形成融合數(shù)據(jù)表。融合分析分別對(duì)視覺(jué)數(shù)據(jù)和文本數(shù)據(jù)進(jìn)行融合，生成融合數(shù)據(jù)表的fusion_media和desc_text兩個(gè)字段。其中sets_vids是使用UGC數(shù)據(jù)庫(kù)中的視覺(jué)數(shù)據(jù)的visual_id集合，以便于查找原始數(shù)據(jù)校正分析結(jié)果。其中fusion_id是融合數(shù)據(jù)標(biāo)識(shí)，start_time和end_time是事件開(kāi)始時(shí)間和結(jié)束時(shí)間，place是從多個(gè)GPS坐標(biāo)計(jì)算出事件發(fā)生的地點(diǎn)。決策分析以融合數(shù)據(jù)表為數(shù)據(jù)源，從表中抽取部分關(guān)鍵事件，分析事件的嚴(yán)重程度和等級(jí)、事件所涉及的問(wèn)題部門(mén)和負(fù)責(zé)部門(mén)等，從而生成決策數(shù)據(jù)表；決策數(shù)據(jù)表通過(guò)系統(tǒng)向有關(guān)景區(qū)管理者、工作人員發(fā)布通知，也可以向游客發(fā)布信息。其中event_id是事件標(biāo)識(shí)，serverity、grade分別為事件的嚴(yán)重程度和處理等級(jí)，p_department和r_department分別是問(wèn)題部門(mén)和負(fù)責(zé)處理的部門(mén)。

3" 關(guān)鍵技術(shù)

群智感知計(jì)算系統(tǒng)構(gòu)建技術(shù)已經(jīng)比較成熟，為方便開(kāi)發(fā)和部署，系統(tǒng)基于B/S架構(gòu)實(shí)現(xiàn)，系統(tǒng)主要功能在服務(wù)器端，服務(wù)器部署在云端，從云申請(qǐng)存儲(chǔ)和計(jì)算資源來(lái)實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)和計(jì)算架構(gòu)。服務(wù)端主要包括Web系統(tǒng)（用于交互）和數(shù)據(jù)分析系統(tǒng)（智能核心）兩大模塊，關(guān)鍵技術(shù)具體如下。

3.1" Web系統(tǒng)

由于Python語(yǔ)言在數(shù)據(jù)分析、人工智能和Web開(kāi)發(fā)方面都有很好的解決方案，MySQL是高性能的關(guān)系型數(shù)據(jù)庫(kù)，因此系統(tǒng)服務(wù)器端開(kāi)發(fā)選擇Python語(yǔ)言和MySQL數(shù)據(jù)庫(kù)實(shí)現(xiàn)。Web前端基于html5+css3+js+bootstrap的響應(yīng)式Web前端開(kāi)發(fā)技術(shù)，小程序基于WXML+WXSS+JS開(kāi)發(fā)。

服務(wù)器端基于MVC架構(gòu)，即模型?視圖?控制器（Model?View?Controller），其中模型（Model）負(fù)責(zé)數(shù)據(jù)處理；視圖（View）負(fù)責(zé)用戶(hù)界面；控制器（Controller）負(fù)責(zé)邏輯處理。MVC分離了界面顯示、邏輯處理和數(shù)據(jù)存儲(chǔ)的代碼，有助于系統(tǒng)開(kāi)發(fā)的分層和解耦，提高程序的可擴(kuò)展性和可維護(hù)性。

Web服務(wù)器后臺(tái)基于Python的DjangoWeb框架實(shí)現(xiàn)。Django采用MVT設(shè)計(jì)模式實(shí)現(xiàn)MVC軟件架構(gòu)，MVT即模型?視圖?模板（Model?View?Template），其中M（模型）與MVC中的M相同，負(fù)責(zé)數(shù)據(jù)模型；T（模板）與MVC中的V類(lèi)似，負(fù)責(zé)用戶(hù)界面；V（視圖）與MVC中的C類(lèi)似，調(diào)用M和T，響應(yīng)請(qǐng)求。

3.2" 數(shù)據(jù)分析技術(shù)

數(shù)據(jù)分析主要是基于人工神經(jīng)網(wǎng)絡(luò)ANN技術(shù)實(shí)現(xiàn)，ANN從早期的BP神經(jīng)網(wǎng)絡(luò)發(fā)展成當(dāng)前的深度學(xué)習(xí)網(wǎng)絡(luò)，適合系統(tǒng)需要的決策分析、視覺(jué)分析和文本分析，而且有相對(duì)成熟的模型。

1） 生成分析

TensorFlow的ShowandTell模型是一個(gè)比較成熟的看圖寫(xiě)話(huà)模型，模型采用編碼器?解碼器的神經(jīng)網(wǎng)絡(luò)，首先選用CNN模型作為編碼器，然后利用LSTM模型做解碼器。視頻的生成分析與該模型結(jié)構(gòu)類(lèi)似，也是編碼器?解碼器的網(wǎng)絡(luò)結(jié)構(gòu)，故本文采用文獻(xiàn)[14]和文獻(xiàn)[15]的方法構(gòu)建基于深度學(xué)習(xí)的多模態(tài)空間的視覺(jué)文本生成框架。如圖7所示，視覺(jué)數(shù)據(jù)輸入到編碼器，視頻、音頻和圖片編碼器在深度卷積神經(jīng)網(wǎng)絡(luò)的作用下實(shí)現(xiàn)特征的提??；文本編碼器在提取單詞特征的基礎(chǔ)上學(xué)習(xí)并更新單詞的特征表示，并將其按照上下文順序反饋給循環(huán)神經(jīng)網(wǎng)絡(luò)；多模態(tài)空間的作用是將視頻、音頻、圖像和文本特征映射到空間，然后傳至文本解碼器，利用解碼器輸出單詞序列，生成視覺(jué)數(shù)據(jù)描述。

2） 融合分析

文本融合分析采用文獻(xiàn)[16]的方法，基于生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Network， GAN）構(gòu)建。如圖8所示，首先通過(guò)GAN將視覺(jué)數(shù)據(jù)的標(biāo)注文本、生成文本和評(píng)論文本生成短的文本摘要；其次為了保證短文本和數(shù)據(jù)源的相似性和可讀性，增加相似性判別器和可讀性判別器；最后輸入融合文本。其中，相似性判別器由兩個(gè)基于CNN模型的編碼器組成，一個(gè)編碼器用于短文，另一個(gè)則用于原始數(shù)據(jù)源的長(zhǎng)文。可讀性判別器是基于CNN實(shí)現(xiàn)的二元分類(lèi)器模型，用來(lái)判別生成的文本是否具有可讀性（是生成器生成還是人類(lèi)生成）。

系統(tǒng)決策分析是依據(jù)融合文本，但融合文本中已經(jīng)包含視覺(jué)數(shù)據(jù)的描述，因此系統(tǒng)的視覺(jué)融合數(shù)據(jù)僅作為人工驗(yàn)證和分析使用，不影響系統(tǒng)的智能決策分析。視覺(jué)融合采用文獻(xiàn)[17]的MoVi系統(tǒng)算法，按照時(shí)間、空間和文本描述等信息將圖片、視頻和音頻等拼接成一個(gè)視頻片段。

3） 決策分析

BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線(xiàn)性映射能力和柔性的網(wǎng)絡(luò)結(jié)構(gòu)，在智能決策[18]和安全預(yù)警系統(tǒng)[19]中已經(jīng)有廣泛應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層、輸出層組成，給定訓(xùn)練集D={（x1，y1），（x2，y2），…，（xn，yn）}，將每次訓(xùn)練得到的結(jié)果與預(yù)想結(jié)果進(jìn)行誤差分析，進(jìn)而修改權(quán)值和閾值，逐步得到輸出和預(yù)想結(jié)果一致的模型。系統(tǒng)決策分析的輸入數(shù)據(jù)是融合數(shù)據(jù)，主要包括融合文本、時(shí)間、空間等信息，不包括融合的視頻數(shù)據(jù)，從原數(shù)據(jù)中提取關(guān)鍵特征，進(jìn)行多類(lèi)別分類(lèi)，即：Y1問(wèn)題部門(mén)（哪里出了問(wèn)題）、Y2負(fù)責(zé)部門(mén)（由哪個(gè)部門(mén)負(fù)責(zé)處理）、Y3嚴(yán)重程度（問(wèn)題的嚴(yán)重程度）、Y4處理等級(jí)（問(wèn)題處理的時(shí)間要求）。

4" 結(jié)" 論

本文提出一種基于群智感知計(jì)算技術(shù)實(shí)現(xiàn)景區(qū)智能監(jiān)管的系統(tǒng)。首先，利用眾包思想，通過(guò)紅包等方式激勵(lì)游客通過(guò)手機(jī)上傳照片、視頻、評(píng)論等UGC數(shù)據(jù)，從而采集景區(qū)監(jiān)管所需數(shù)據(jù)；然后，通過(guò)后臺(tái)數(shù)據(jù)分析（包括視覺(jué)分析、文本分析和決策分析），智能化發(fā)現(xiàn)、判斷景區(qū)相關(guān)監(jiān)管事件。所設(shè)計(jì)系統(tǒng)不僅節(jié)省了景區(qū)監(jiān)管鋪設(shè)物聯(lián)網(wǎng)設(shè)備的成本，而且能實(shí)現(xiàn)更深入、廣泛的監(jiān)管。本文設(shè)計(jì)思路也為智慧景區(qū)建設(shè)提供了一種新的解決方案。

注：本文通訊作者為劉艷玲。

參考文獻(xiàn)

[1] 黨安榮，張丹明，陳楊.智慧景區(qū)的內(nèi)涵與總體框架研究[J].中國(guó)園林，2011，27（9）：15?21.

[2] 鄧賢峰，李霞.“智慧景區(qū)”評(píng)價(jià)標(biāo)準(zhǔn)體系研究[J].電子政務(wù)，2012（9）：100?106.

[3] 黃思思.國(guó)內(nèi)智慧旅游研究綜述[J].地理與地理信息科學(xué)，2014，30（2）：97?101.

[4] 胡文藝，王緒本，闞璦珂，等.基于物聯(lián)網(wǎng)的旅游安全監(jiān)測(cè)信息服務(wù)站的設(shè)計(jì)與實(shí)現(xiàn)[J].測(cè)控技術(shù)，2013，32（6）：136?139.

[5] NARANGAJAVANA K Y， CALLARISA F L J， MOLINER T M A， et al. User?generated content sources in social media： A new approach to explore tourist satisfaction [J]. Journal of travel research， 2019， 58（2）： 253?265.

[6] GUO B， WANG Z， YU Z， et al. Mobile crowd sensing and computing： The review of an emerging human?powered sensing paradigm [J]. ACM computing surveys （CSUR）， 2015， 48（1）： 1?31.

[7] BRATISLAV P， YAN Z， EBERLE J， et al. ExposureSense： integrating daily activities with air quality using mobile participatory sensing [C]// IEEE International Conference on Pervasive Computing amp; Communications Workshops. [S.l.]： IEEE， 2013： 303?305.

[8] HU Shaohan， LIU Hengchang， SU Lu， et al. SmartRoad： a mobile phone based crowd?sourced road sensing system [EB/OL]. [2023?08?07]. https：//www.ideals.illinois.edu/items/45678.

[9] NAWAZ S， EFSTRATIOU C， MASCOLO C. Parksense： a smartphone based sensing system for on?street parking [C]// Proceedings of the 19th Annual International Conference on Mobile Computing amp; Networking. [S.l.]： ACM， 2013： 75?86.

[10] RANA R， CHOU C T， BULUSU N， et al. Ear?Phone： a context?aware noise mapping using smart phones [J]. Pervasive and mobile computing， 2015， 17： 1?22.

[11] BOUBICHE D E， IMRAN M， MAQSOOD A， et al. Mobile crowd sensing–Taxonomy， applications， challenges， and solutions [J]. Computers in human behavior， 2019， 101： 352?370.

[12] ABUALSAUD K， ELFOULY T M， KHATTAB T， et al. A survey on mobile crowd?sensing and its applications in the IoT era [J]. IEEE access， 2018， 7： 3855?3881.

[13] FITZEK F H P， LI S C， SPEIDEL S， et al. Frontiers of transdisciplinary research in tactile internet with human?in?the?loop [C]// 2021 17th International Symposium on Wireless Communication Systems （ISWCS）. [S.l.]： IEEE， 2021： 1?6.

[14] LI C Y， LIANG X， HU Z， et al. Hybrid retrieval?generation reinforced agent for medical image report generation [C]// Proceedings of the 32nd International Conference on Neural Information Processing Systems. Red Hook， NY： Curran Associates Inc.， 2018： 1537?1547.

[15] 李銘興，徐成，李學(xué)偉，等.基于多模態(tài)融合的城市道路場(chǎng)景視頻描述模型研究[J].計(jì)算機(jī)應(yīng)用研究，2023，40（2）：607?611.

[16] 劉曉影，王淮，烏吉斯古愣.基于GAN和中文詞匯網(wǎng)的文本摘要技術(shù)[J].計(jì)算機(jī)科學(xué)，2022，49（12）：301?304.

[17] BAO X， CHOUDHURY R R. Movi： mobile phone based video highlights via collaborative sensing [C]// Proceedings of the 8th International Conference on Mobile Systems， Applications， and Services. San Francisco： ACM， 2010： 357?370.

[18] 冉雨，程郁凡，陳大勇，等.采用BP神經(jīng)網(wǎng)絡(luò)的智能抗干擾決策引擎研究[J].信號(hào)處理，2019，35（8）：1350?1357.

[19] 韓林芝，鄭江華.BP神經(jīng)網(wǎng)絡(luò)在旅游安全預(yù)警信息系統(tǒng)中的應(yīng)用研究[J].安徽農(nóng)業(yè)科學(xué)，2009，37（7）：3327?3329.