您好，欢迎访问金叶云官方网站！

MapReduce在智能数字化园林信息管理系统中的应用

2020-08-02 490次浏览

随着MapReduce大数据、互联网和物联网等信息技术在城市园林景观管理中的成熟运用，数字园林的智能化成为趋势，城市私家园林管理效率越来越高。本文提出一种基于MapReduce的智能数字化园林信息管理与展示系统设计思路，可以有效提高园林智能化水平、节省人力投入，实现城市园林信息化管理水平的提高。

随着现代电子科技的发展，世界越来越趋向信息化、数字化和智能化，全国各级政府积极推进城市信息化和数字化建设，数字园林作为数字城市的重要组成部门也因此有了更大的发展需求。“数字化园林”是运用数字技术加持的更加科学的、互动性强的、直观的、丰富的景观场景空间。其设计内容包含了园林中的铺装、水景、植物、灯光、小品、构筑物以及公共服务设施等领域。涉及的关键技术包括地理信息技术、传感技术、智能控制等多种技术。截至目前，数字园林技术已经取得了较多研究进展，尤其是基于GIS的信息系统设计关注更多。但在智能科学快速迭代发展的今天，如何实现数字园林的智能化依然需要更加深入探讨。在这一背景下，本文基于MapReduce框架，分析其在在智能数字化园林信息管理系统中的应用。

一、 MapReduce原理

MapReduce是一个基于集群的计算平台，是一个简化分布式编程的计算框架，将分布式计算抽象为Map和Reduce两个阶段的编程模型。此框架采用“分而治之”策略，将一个分布式文件系统中的大规模数据集，分成许多独立的分片。这些分片可以被多个Map任务并行处理；MapReduce框架采用了Master/Slave架构，包括一个Master和若干个Slave，Master上运行JobTracker，Slave运行TaskTracker。MapReduce的运行原理如下：

基于MapReduce搭建智能数字化园林系统，用户和开发人员可以进行设备管理、故障检测、业务监控和数据分析。现在很多智慧园林系统平台都简化了设备接入的复杂性和协议的差异性，为上层应用提供了统一格式的数据，为开发人员提供了便利，可以聚焦于自身业务开发。基于MapReduce，我们可以打造出一种高效的智能数字化园林信息信息管理系统，提高园林信息管理效率。

一、 MapReduce在园林中的应用

（一）智能监控中的MapReduce

传统的视频监控系统采用电视墙的形式进行图像的浏览，而这样做会有众多的监控画面同时出现，给安保人员造成了巨大的压力，导致监控效率十分的低。可采用MapReduce平台来提高监控效率，通过对目标物的速度以及其他行为特征进行任务分发处理，一旦满足预先设置的报警策略，系统可以完成可疑目标分类、定位、自动跟踪，并自动弹出可疑目标实时监控画面。
监控中心的作用在于将接收到的讯息进行数字化处理，数据也可以简单高效的存储至MapReduce中的HDFS，之后将数据信息进行整合以便将来通过分析相关历史数据可以发现哪种类型的灯具出现问题的概率较大，对以后路灯监控系统以及路灯的设计制造的改进奠定了一定的理论分析基础。监控中心主机可以实现智能化，将这些数据用MapReduce框架加以分析并处理后转化为直观的图形或表，提供给管理人员,为决策提供准确的依据。

（二）智能灌溉中的MapReduce

目前城市绿化景观的草地、花卉、树木等节水灌溉技术并不很完善，大部分依然采用传统的直接浇灌方式，管理人员凭经验确定灌溉水量，难以均匀布水及节水，且道路绿化隔离带由于一直沿用人工水车灌溉，存在着较大的安全隐患。本研究应用传感技术、通信技术及物联网技术以及MapReduce平台将气象监测与智能化灌溉相结合，对绿化区域的风速、风向、空气湿度等气象环境进行实时监测，通过对比过去24h内灌区的腾发量及灌水量，结合各分灌区的植物种类分布、地形、土壤成分等数据进行自动分析，自动制定出当前各项灌溉指标，智能化调整合适的灌溉方式及灌溉时间，智能调整灌溉量到达节水灌溉的目的。
现阶段园林生产用水人工成本高、浪费了大量水资源，本研究系统采用MapReduce平台分析园林数据采集、传输通讯、决策处理等关键技术环节，对设施空气温湿度、土壤温湿度和光照强度以及露天风速、风向、空气湿度等气象环境数据和大田土壤温湿度数据进行采集监测，根据园林不同作物实际水分需求、不同需水特性，将HDFS中存储的信息进行比对，确定最优化的灌溉措施和灌溉量，结合手动定时、定量、阈值输入控制和参考土壤水分传感器的自动算法控制，集成喷淋、滴灌等装置，制定针对不同类型作物的灌溉规程并进行综合评价，最大限度提高园林的水资源利用率。

（三）园林旅游中的MapReduce

根据收集的外来访客数据，结合应用积累的海量数据，借助MapReduce分析技术，生成园林运营分析报告，辅助园林决策，加快园林创新。同时，按照园林整体功能架构的要求，对前期建设的系统予以优化完善。通过物联网、MapReduce大数据等新技术，实现系统间的互联互通，实现资源共享，满足园区管理者及入驻企业要求。
使用MapReduce大数据技术可以构建风景园林的信息化体系。在新的数据环境下，风景园林分析体系无论在空间尺度、时间维度、研究方法等多方面都有一种定量认识，被提供在一个公平开放的公共平台，通过互联网，人们可以轻松分享各类信息。这类信息分析可以精细统计到单位（个人），以及每个人对待不同问题的看法。将HDFS提供的所有信息，先分析其中的内容、类别、种类，并将其归类；再删选整合出大数据中的有用信息，将其数字化，这些数据可以包括传统数据以及动态数据；最后通过科学分析，对数据进行情景假设、建模输出，将各项分析成果应用实践得到最终检验。这其实也是一个从实践中来，总结出方法后，再服务于实践的过程，相较于从前的传统实地调研，借助MapReduce大数据分析指导，则更有针对性、多元性、及时性和可视性。

（四）可视化平台中的MapReduce

MapReduce大数据技术可以构建风景园林的信息可视化平台。将收集到的大数据进行可视化分析，完全打破了传统区域空间功能的简单分析。如通过手机APP对个体行为可以进行精细化的时空信息管理；通过近几年百度、高德地图对区域内路况程度、扩建面积等信息分析人们对景观要素的关注；使用卫星遥感快速获取景观信息位图，通过系统技术分析研究，综合使用园林信息资源，构建一个有发展空间的应用系统；运用多源数据分析景观空间集群特征，指导城市绿色空间布局，利用MapReduce平台从大数据中将有用信息筛选后进行可视化成果研究，形成一套可操作的科学流程，这为大数据背景下的风景园林景观设计带来了新的思路。

（五）基于MapReduce的集成化数据智能挖掘
实验基于MapReduce算法设为实验组，将HDFS编程设为对照组，对两组系统性能及运行时间进行对比，方便找出对于集成化数据智能挖掘更加高效的方法。两组系统采用相同参数，其数据测试需求表，如表1所示。

从表1可以看出，HDFS编程的网络数据量很大，远超过数据源自身的大小，而MapReduce算法的网络数据量远远低于HDFS算法。网络数据量的增加，对于集成化数据智能挖掘可能会导致网络通信进程阻塞，从而会影响集成化数据智能挖掘的效率，证明了运用MapReduce的云计算可以更高效、精准地完成集成化数据智能挖掘。
通过对MapReduce平台的研究，我们发现，在海量数据需要分析和处理的背景下，MapReduce在各个方面都展示出强大的处理能力。智能园林产生的数据和信息量十分庞大，如果能将MapReduce平台运用在园林的信息处理中，将有助于提升园林信息的管理效率。

关键词：MapReduce,在,智能,数字化,园林,信息,管理系统,

上一篇：基于目标检测算法的私家花园智能监控系统（二

下一篇：MapReduce在智能数字化园林信息管理系统中的应用

金叶云学院