CN107248043A - 一种基于指静脉数据的建筑工地舆情监测方法 - Google Patents

一种基于指静脉数据的建筑工地舆情监测方法 Download PDF

Info

Publication number
CN107248043A
CN107248043A CN201710472419.0A CN201710472419A CN107248043A CN 107248043 A CN107248043 A CN 107248043A CN 201710472419 A CN201710472419 A CN 201710472419A CN 107248043 A CN107248043 A CN 107248043A
Authority
CN
China
Prior art keywords
data
construction site
referring
intravenous
public sentiment
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.)
Granted
Application number
CN201710472419.0A
Other languages
English (en)
Other versions
CN107248043B (zh
Inventor
龙腾
汪文勇
刘强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Hefu Artificial Intelligence Technology (group) Co Ltd
Original Assignee
Shanghai Hefu Artificial Intelligence Technology (group) Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Hefu Artificial Intelligence Technology (group) Co Ltd filed Critical Shanghai Hefu Artificial Intelligence Technology (group) Co Ltd
Priority to CN201710472419.0A priority Critical patent/CN107248043B/zh
Publication of CN107248043A publication Critical patent/CN107248043A/zh
Application granted granted Critical
Publication of CN107248043B publication Critical patent/CN107248043B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Computer Interaction (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于指静脉数据的建筑工地舆情监测方法，通过在建筑工地部署指静脉数据采集子系统、数据采集特征提取、训练数据及建立用户行为模型，对建筑工地舆情一次进行异常判定，当有异常事件发生时，能够及时通过信息系统进行预警，不仅弥补了现有预测技术需要监督数据的缺点，也提高了预警的实时性，能够形成更加及时的响应机制。

Description

一种基于指静脉数据的建筑工地舆情监测方法
技术领域：
本发明属于指静脉技术领域，尤其涉及一种基于指静脉数据的建筑工地舆情监测方法。
背景技术：
建筑行业在我国发展中体量巨大，具有项目规模大，涉及劳务人员多的特点。这为有效进行人员管理带来了巨大的挑战。目前，建筑用工管理主要依赖于管理人员的个人能力和素养，需要大量人工参与，特别是其中舆情监测的部分，更需要管理人员具有高超的沟通交流能力。信息管理系统能够显著提高工作效率。然而由于建筑工地用工流动性强，工地环境嘈杂，对建筑工地进行信息化管理的可行性较差。更进一步，要进行智能化地进行舆情监控更为困难。这使得建筑工地的舆情预警长期处于程度很低的阶段。
发明内容：
针对上述问题，本发明要解决的技术问题是提供一种基于指静脉数据的建筑工地舆情监测方法。
本发明的一种基于指静脉数据的建筑工地舆情监测方法，包括以下步骤：
a.在建筑工地部署劳务用工系统，其中包含指静脉数据采集子系统；
b.通过静脉数据采集子系统收集劳务人员每天的指静脉打卡记录，连续收集>=10天，进行特征提取；
c.将进行特征提取后获得的数据作为训练数据，建立指静脉数据的统计模型，通过多元高斯模型描述用户行为，通过式Ⅰ构造出用户正常行为概率分布函数N(x)：
（式Ⅰ），
其中，x为一个数据样本，D为数据样本的维度，均值向量，协方差矩阵，Xi为第i维随机变量，Xj为第j维随机变量；
d.针对用户正常行为概率分布函数N(x)，通过式Ⅱ计算其正常区间：Dm(x)<3，其中Dm(x)的计算如式（Ⅱ），
（式Ⅱ）；
e.当Dm(x)>3时，用户行为样本落入异常区间，表示该用户行为异常，若任意一天内异常用户达到20人，则进行预警；
f.若用户行为异常数量不足20人，则判断为无异常情况，该天的数据作为用户正常数据扩增到步骤c所述的训练数据中，并更新N(x)。
优选的，所述步骤b中特征提取的数据包括初次指静脉信息，打卡人年龄，打卡人籍贯，今日打卡时间，今日打卡次数。
优选的，所述步骤f中当训练数据>100天时，抛弃最旧的一天数据。
本发明有益效果：本发明通过对建筑工地指静脉的打卡记录进行无监督学习，建立用户行为模型，一次进行异常判定。当有异常事件发生时，能够及时通过信息系统进行预警，不仅弥补了现有预测技术需要监督数据的缺点，也提高了预警的实时性，能够形成更加及时的响应机制。
附图说明：
为了易于说明，本发明由下述的具体实施及附图作以详细描述。
图1是样本多元高斯分布样例图（图为2元高斯分布情形）；
图2是高斯分布等高线图（图为2元高斯分布情形）；
图3异常行为检测等高线分布图。
具体实施方式：
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本发明。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
如图1-3所示，本实施例的一种基于指静脉数据的建筑工地舆情监测方法，包括以下步骤：
a.在建筑工地部署劳务用工系统，其中包含指静脉数据采集子系统；
b.通过静脉数据采集子系统收集劳务人员每天的指静脉打卡记录，连续收集>=10天，进行特征提取；
c.将进行特征提取后获得的数据作为训练数据，建立指静脉数据的统计模型，通过多元高斯模型描述用户行为，通过式Ⅰ构造出用户正常行为概率分布函数N(x)：
（式Ⅰ），
其中，x为一个数据样本，D为数据样本的维度，均值向量，协方差矩阵，Xi为第i维随机变量，Xj为第j维随机变量；
d.针对用户正常行为概率分布函数N(x)，通过式Ⅱ计算其正常区间：Dm(x)<3，其中Dm(x)的计算如式（Ⅱ），
（式Ⅱ）；
e.当Dm(x)>3时，用户行为样本落入异常区间，表示该用户行为异常，若任意一天内异常用户达到20人，则进行预警；
f.若用户行为异常数量不足20人，则判断为无异常情况，该天的数据作为用户正常数据扩增到步骤c所述的训练数据中，并更新N(x)。
具体地，步骤b中特征提取的数据包括初次指静脉信息，打卡人年龄，打卡人籍贯，今日打卡时间，今日打卡次数。步骤f中当训练数据>100天时，抛弃最旧的一天数据。
下面通过实施例进一步说明，本实施例的一种基于指静脉数据的建筑工地舆情监测方法，包括以下步骤：
步骤1：在某工地部署指静脉大数据劳务用工系统。
步骤2：收集劳务人员每天的所有指静脉打卡记录，连续收集>=10天，得到具备本工地特性的数据记录。
步骤3：将数据记录构建为训练样本集，每个样本包含：初次指静脉信息，打卡人年龄，打卡人籍贯，今日打卡时间，今日打卡次数。利用公式计算协方差矩阵，利用公式计算均值向量。构造出正常数据的分布N(x)：。
步骤4：对于接下来一天的数据，提取特征构造样本点，根据N(x)，找出三倍均值向量偏离三倍sigma以外的点。
步骤5：对于用户行为异常进行判定，异常用户达到20人，进行预警。
步骤6：对于无事件发生的一天，重新计算协方差矩阵和均值向量，并更新分布N(x)。
本发明通过对建筑工地指静脉的打卡记录进行无监督学习，建立用户行为模型，一次进行异常判定。当有异常事件发生时，能够及时通过信息系统进行预警，不仅弥补了现有预测技术需要监督数据的缺点，也提高了预警的实时性，能够形成更加及时的响应机制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种基于指静脉数据的建筑工地舆情监测方法，其特征在于：包括以下步骤：
a.在建筑工地部署劳务用工系统，其中包含指静脉数据采集子系统；
b.通过静脉数据采集子系统收集劳务人员每天的指静脉打卡记录，连续收集>=10天，进行特征提取；
c.将进行特征提取后获得的数据作为训练数据，建立指静脉数据的统计模型，通过多元高斯模型描述用户行为，通过式Ⅰ构造出用户正常行为概率分布函数N(x)：
（式Ⅰ），
其中，x为一个数据样本，D为数据样本的维度，均值向量，协方差矩阵，Xi为第i维随机变量，Xj为第j维随机变量；
d.针对用户正常行为概率分布函数N(x)，通过式Ⅱ计算其正常区间：Dm(x)<3，其中Dm(x)的计算如式（Ⅱ），
（式Ⅱ）；
e.当Dm(x)>3时，用户行为样本落入异常区间，表示该用户行为异常，若任意一天内异常用户达到20人，则进行预警；
f.若用户行为异常数量不足20人，则判断为无异常情况，该天的数据作为用户正常数据扩增到步骤c所述的训练数据中，并更新N(x)。
2.根据权利要求1所述的一种基于指静脉数据的建筑工地舆情监测方法，其特征在于：所述步骤b中特征提取的数据包括初次指静脉信息，打卡人年龄，打卡人籍贯，今日打卡时间，今日打卡次数。
3.根据权利要求1所述的一种基于指静脉数据的建筑工地舆情监测方法，其特征在于：所述步骤f中当训练数据>100天时，抛弃最旧的一天数据。
CN201710472419.0A 2017-06-21 2017-06-21 一种基于指静脉数据的建筑工地舆情监测方法 Active CN107248043B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710472419.0A CN107248043B (zh) 2017-06-21 2017-06-21 一种基于指静脉数据的建筑工地舆情监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710472419.0A CN107248043B (zh) 2017-06-21 2017-06-21 一种基于指静脉数据的建筑工地舆情监测方法

Publications (2)

Publication Number Publication Date
CN107248043A true CN107248043A (zh) 2017-10-13
CN107248043B CN107248043B (zh) 2020-09-15

Family

ID=60018392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710472419.0A Active CN107248043B (zh) 2017-06-21 2017-06-21 一种基于指静脉数据的建筑工地舆情监测方法

Country Status (1)

Country Link
CN (1) CN107248043B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101494566A (zh) * 2008-01-23 2009-07-29 华为技术有限公司 预测对等网络中对等体的继续在线时长的方法及装置
CN102693353A (zh) * 2011-02-09 2012-09-26 西门子公司 用于自动产生统计模型的方法和计算机系统
US20140279641A1 (en) * 2013-03-15 2014-09-18 Alert Enterprise Identity and asset risk score intelligence and threat mitigation
CN104933389A (zh) * 2014-03-18 2015-09-23 北京思而得科技有限公司 一种基于指静脉的身份识别装置及方法
CN105959285A (zh) * 2016-05-10 2016-09-21 福建汇川物联网技术科技股份有限公司 基于指静脉识别的建筑重型机械操作身份认证及监管终端
CN106127400A (zh) * 2016-06-29 2016-11-16 北京奇虎科技有限公司 工作行为分析方法及装置
CN106384300A (zh) * 2016-09-27 2017-02-08 山东建筑大学 基于大数据和模糊模型的建筑异常用能检测方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101494566A (zh) * 2008-01-23 2009-07-29 华为技术有限公司 预测对等网络中对等体的继续在线时长的方法及装置
CN102693353A (zh) * 2011-02-09 2012-09-26 西门子公司 用于自动产生统计模型的方法和计算机系统
US20140279641A1 (en) * 2013-03-15 2014-09-18 Alert Enterprise Identity and asset risk score intelligence and threat mitigation
CN104933389A (zh) * 2014-03-18 2015-09-23 北京思而得科技有限公司 一种基于指静脉的身份识别装置及方法
CN105959285A (zh) * 2016-05-10 2016-09-21 福建汇川物联网技术科技股份有限公司 基于指静脉识别的建筑重型机械操作身份认证及监管终端
CN106127400A (zh) * 2016-06-29 2016-11-16 北京奇虎科技有限公司 工作行为分析方法及装置
CN106384300A (zh) * 2016-09-27 2017-02-08 山东建筑大学 基于大数据和模糊模型的建筑异常用能检测方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FANNY FRAUZIOLS等: "Prediction of the Biomechanical Effects of Compression Therapy by Finite Element Modeling and Ultrasound Elastography", 《IEEE》 *
李敏: "基于混合高斯模型的异常检测算法改进", 《计算机应用与软件》 *
田国会等: "基于混合高斯模型和主成分分析的轨迹分析行为识别方法", 《电子学报》 *
贾旭等: "基于有效维度特征的手背静脉识别算法", 《计算机科学》 *

Also Published As

Publication number Publication date
CN107248043B (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
Lee et al. Rapid prediction of peak storm surge from tropical cyclone track time series using machine learning
CN104156524B (zh) 交通数据流的聚集查询方法及系统
Shashaani et al. Multi-stage prediction for zero-inflated hurricane induced power outages
Liu et al. Traffic flow combination forecasting method based on improved LSTM and ARIMA
Li et al. Vulnerability evaluation of rainstorm disaster based on ESA conceptual framework: A case study of Liaoning province, China
CN104679738B (zh) 互联网热词挖掘方法及装置
CN110134787A (zh) 一种新闻话题检测方法
CN109767225B (zh) 一种基于自学习滑动时间窗口的网络支付欺诈检测方法
Syeed et al. Flood prediction using machine learning models
CN112132096B (zh) 动态更新输出权值的随机配置网络的行为模态识别方法
CN108647454A (zh) 基于水文模拟的流域洪涝灾情信息处理方法及系统
CN104598565A (zh) 一种基于随机梯度下降算法的k均值大规模数据聚类方法
US20220344014A1 (en) Information processing method, storage medium, and information processing device
CN103778470A (zh) 具有在线自学习能力的分布式发电孤岛检测方法
CN108363717A (zh) 一种数据安全级别的识别检测方法及装置
CN112528024B (zh) 一种基于多特征融合的微博突发事件检测方法
CN110399455A (zh) 一种基于cnn和lstm的深度学习数据挖掘方法
CN118114827A (zh) 一种基于水文水动力学模型的平原河网地区洪涝灾害预报预警方法及系统
CN104573031A (zh) 一种微博突发事件检测方法
Chen et al. Using convolutional neural networks to build a lightweight flood height prediction model with grad-cam for the selection of key grid cells in radar echo maps
CN106372237A (zh) 欺诈邮件识别方法及装置
Singleton et al. Twitter Analytics-Based Assessment: Are the United States Coastal Regions Prepared for Climate Changeƒ
Yovan Felix et al. K-Means cluster using rainfall and storm prediction in machine learning technique
CN113377845A (zh) 基于大数据的智慧养老数据处理方法及系统
CN112487306B (zh) 基于知识图谱的自动化事件标记与分类方法

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
GR01 Patent grant
GR01 Patent grant