CN108280780A - 物业质量品控的优化方法及装置 - Google Patents
物业质量品控的优化方法及装置 Download PDFInfo
- Publication number
- CN108280780A CN108280780A CN201810051152.2A CN201810051152A CN108280780A CN 108280780 A CN108280780 A CN 108280780A CN 201810051152 A CN201810051152 A CN 201810051152A CN 108280780 A CN108280780 A CN 108280780A
- Authority
- CN
- China
- Prior art keywords
- product control
- quality product
- property quality
- identification model
- monitoring 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 200
- 230000002159 abnormal effect Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 31
- 238000004891 communication Methods 0.000 claims description 16
- 239000003550 marker Substances 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 18
- 238000013499 data model Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 5
- 230000009975 flexible effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000004321 preservation Methods 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
- G06Q50/163—Real estate management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物业质量品控的优化方法及装置，涉及一种数据处理技术领域，主要目的在于现有由于人为监控无法实时对监控点的情况进行准确确定，浪费大量的人力资源，还会影响物业管理的效率，降低物业质量品控的准确性、有效性的问题。主要技术方案：按照预设时间间隔获取监控点采集的监控数据；根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况。主要用于物业质量品控的优化。
Description
技术领域
本发明涉及一种数据处理技术领域，特别是涉及一种物业质量品控的优化方法及装置。
背景技术
物业是指已经建成并投入使用的各类房屋及其与之相配套的设备、设施和场地的总称，而随着户主对生活环境质量要求的不断提高，越来越多的物业方使用物业管理系统来对物业质量品质进行监控，来满足户主的不同需求，从而提高入住率。
目前，现有的物业质量品控通过采集各个监控点的数据，通过人为的分析各个监控点的状态来确定物业的质量品质是否达到标准，但是，由于人为监控无法实时对监控点的情况进行准确确定，浪费大量的人力资源，还会影响物业管理的效率，降低物业质量品控的准确性、有效性。
发明内容
有鉴于此，本发明提供一种物业质量品控的优化方法及装置，主要目的在于现有由于人为监控无法实时对监控点的情况进行准确确定，浪费大量的人力资源，还会影响物业管理的效率，降低物业质量品控的准确性、有效性的问题。
依据本发明一个方面，提供了一种物业质量品控的优化方法，包括：
按照预设时间间隔获取监控点采集的监控数据；
根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况。
进一步地，所述获取监控点按照预设时间间隔采集的数据之前，所述方法还包括：
提取历史监控数据；
根据物业质量品控的业务需求从所述历史监控数据中标记特征数据；
根据标记特征数据的历史监控数据对基础学习模型进行训练，确定物业质量品控识别模型；
将所述物业质量品控识别模型进行标注，并存储至模型数据库中。
进一步地，所述根据物业质量品控的业务需求从所述历史监控数据中标记特征数据之前，所述方法还包括：
根据基础学习模型的算法要求对所述历史监控数据进行数据清洗。
进一步地，所述根据标记特征数据的历史监控数据对基础学习模型进行训练，确定物业质量品控识别模型包括：
根据所述历史监控数据及所述特征数据对基础学习模型进行训练，得到初级物业质量品控识别模型，根据所述初级物业质量品控识别模型进行预期运算，将预期运算结果反馈至用户，并接收用户进行标注的用于训练的监控数据，根据所述标注过的监控数据对初级业务质量品控识别模型进行训练，确定最终的物业质量品控识别模型。
进一步地，所述根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果之前，所述方法还包括：
配置与不同的应用场景分别对应的物业质量品控识别模型的配置参数；
判断所述物业质量品控识别模型是否为最新版本；
若所述物业质量品控识别模型不为最新版本，则从所述模型数据库中下载最新版本的物业质量品控识别模型，将旧版本的物业质量品控识别模型替换为新版本的物业质量品控识别模型。
进一步地，所述根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果包括：
将所述监控数据作为新版本的物业质量品控识别模型的输入参数，运行所述物业质量品控识别模型，得到物业质量品控结果。
进一步地，所述方法还包括：
根据所述物业质量品控结果判断是否发送告警信息，若发送告警信息，则存储所述物业质量品控结果对应的监控数据。
依据本发明一个方面，提供了一种物业质量品控的优化装置，包括：
获取单元，用于按照预设时间间隔获取监控点采集的监控数据；
确定单元，用于根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况。
进一步地，所述装置还包括：
提取单元，用于提取历史监控数据；
标记单元，用于根据物业质量品控的业务需求从所述历史监控数据中标记特征数据；
训练单元，用于根据标记特征数据的历史监控数据对基础学习模型进行训练，确定物业质量品控识别模型；
存储单元，用于将所述物业质量品控识别模型进行标注，并存储至模型数据库中。
进一步地，所述装置还包括：
清洗单元，用于根据基础学习模型的算法要求对所述历史监控数据进行数据清洗。
进一步地，所述训练单元，具体用于根据所述历史监控数据及所述特征数据对基础学习模型进行训练，得到初级物业质量品控识别模型，根据所述初级物业质量品控识别模型进行预期运算，将预期运算结果反馈至用户，并接收用户进行标注的用于训练的监控数据，根据所述标注过的监控数据对初级业务质量品控识别模型进行训练，确定最终的物业质量品控识别模型。
进一步地，所述装置还包括：
配置单元，用于配置与不同的应用场景分别对应的物业质量品控识别模型的配置参数；
判断单元，用于判断所述物业质量品控识别模型是否为最新版本；
替换单元，用于若所述物业质量品控识别模型不为最新版本，则从所述模型数据库中下载最新版本的物业质量品控识别模型，将旧版本的物业质量品控识别模型替换为新版本的物业质量品控识别模型。
进一步地，所述确定单元，具体用于将所述监控数据作为新版本的物业质量品控识别模型的输入参数，运行所述物业质量品控识别模型，得到物业质量品控结果。
进一步地，所述装置还包括：
发送单元，用于根据所述物业质量品控结果判断是否发送告警信息，若发送告警信息，则存储所述物业质量品控结果对应的监控数据。
根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述物业质量品控的优化方法对应的操作。
根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述物业质量品控的优化方法对应的操作。
借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：
本发明提供了一种物业质量品控的优化方法及装置，首先按照预设时间间隔获取监控点采集的监控数据，再根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况。与现有由于人为监控无法实时对监控点的情况进行准确确定相比，本发明实施例通过物业质量品控识别模型对监控数据进行识别，得到物业质量品控结果，避免人工实时监控出现的监控漏洞，以及减少大量人力资源，满足不同用户需求的灵活物业质量品控的识别，实现物业质量品控效果的优化。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种物业质量品控的优化方法流程图；
图2示出了本发明实施例提供的另一种物业质量品控的优化方法流程图；
图3示出了本发明实施例提供的一种训练模型流程图；
图4示出了本发明实施例提供的一种模型调度流程图；
图5示出了本发明实施例提供的一种物业质量品控识别模型的应用流程图；
图6示出了本发明实施例提供的一种物业质量品控的优化装置框图；
图7示出了本发明实施例提供的另一种物业质量品控的优化装置框图；
图8示出了本发明实施例提供的一种终端示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种物业质量品控的优化方法，如图1所示，所述方法包括：
101、按照预设时间间隔获取监控点采集的监控数据。
其中，所述监控点为一个物业园区中的待进行监控的位置，一般的，可以为垃圾站、楼门口、停车库、楼与楼之间的路口等，并且，针对这些监控点需要安装有监控设备，如摄像头或定时照相机等，本发明实施例不做具体限定。所述预设时间间隔为监控设备采集监控数据后，当前执行主体获取监控数据的时间间隔，由于物业园区中的人流量较少，各个监控点通过监控设备持续进行监控，但是监控数据可能存在无用数据，因此，可以按照预设时间间隔进行获取监控数据，一般的，获取的监控数据为图像数据，预设时间间隔可以为半小时、1小时等，本发明实施例不做具体限定。
需要说明的是，当前的执行主体可以为部署于监控室中的服务端，以便可以获取全局的监控数据。
102、根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果。
其中，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况，所述异常监控情况根据不同的监控点的情况而确定，例如，垃圾点对应的异常监控情况可以为垃圾桶中的垃圾溢出，即为垃圾没有及时清理，一般的，不同监控点对应的异常监控情况不同，因此，不同的监控点对应的物业质量品控识别模型也不同，不同监控点对应的物业质量品控识别模型为通过历史监控数据及特征数据进行训练得到的预测模型，从而对本次获取的监控数据进行物业质量品控结果的确定，一般的可以为正常监控情况和异常监控情况。
本发明提供了一种物业质量品控的优化方法，与现有由于人为监控无法实时对监控点的情况进行准确确定相比，本发明实施例通过物业质量品控识别模型对监控数据进行识别，得到物业质量品控结果，避免人工实时监控出现的监控漏洞，以及减少大量人力资源，满足不同用户需求的灵活物业质量品控的识别，实现物业质量品控效果的优化。
本发明实施例提供了另一种物业质量品控的优化方法，如图2所示，所述方法包括：
201、提取历史监控数据。
对于本发明实施例，为了得到不同监控点的学习模型，需要获取各个应用场景下监控点的历史监控数据，一般的，历史监控数据可以为数据库中的结构化数据，也可以为从特定时间段的视频数据提取出的多个图像数据，例如，从垃圾点一个月的监控录像中获取50个图像数据，本发明实施例不做具体限定。
需要说明的是，针对不同的监控点可以得到不同的历史监控数据，但是若监控点为类似或相同环境的，可以只获取一个监控点的历史监控数据，例如，楼道口1与楼道口2的监控环境相同，因此在提取历史监控数据时，可以只获取楼道口1的历史监控数据。
202、根据基础学习模型的算法要求对所述历史监控数据进行数据清洗。
对于本发明实施例，为了匹配不同基础学习模型对数据的不同要求，需要对历史监控数据进行清洗。所述基础学习模型为具有分类功能的机器学习模型，一般的，可以为线性模型、神经网络模型、支持向量机模型等，本发明实施例不做具体限定。另外，不同的基础学习模型的算法要求对于数据是不同，例如，有些算法只需要离线数据(1，2，3，4)，但是实际的数据是连续数据(1.2，1.5，2.1，2.3，3.2，3.7，4.1，4.6)，此时我们就要对这些连续数据进行处理，把1-2之间的数据定义成1，2-3之间的数据定义成2，3-4之间的数据定义成3，4-5之间的数据定义成4。
需要说明的是，对于连续的图像数据，可以将图像数据解析为离线时间点上的图像数据，以便适用于只能进行离散图像数据的基础学习模型的运算。
203、根据物业质量品控的业务需求从所述历史监控数据中标记特征数据。
对于本发明实施例，为了根据历史监控数据中的某些特有数据作为基础学习模型的分类界限，需要根据业务需求标记特征数据。所述业务需求来自于不同监控点的应用场景的需求，例如，监控点为垃圾站时，垃圾站的垃圾桶是否及时清运即为垃圾站的业务需求，本发明实施例不做具体限定。所述特征数据为根据业务需求进行定义的，例如，在垃圾站场景下，特征数据即为干净的垃圾站和溢出垃圾的垃圾站，在标记特征数据时，可以将这两种不同的情况都标记出来，以便根据特征数据进行分类。
需要说明的是，标记的特征数据的具体步骤可以为：将历史监控数据向用户进行展示，用户通过人为选择将不同情况的历史监控数据进行标记作为特征数据；通过用户设定业务需求的不同特征需求，来对历史监控数据进行分类，然后进行标记分类后的数据，得到特征数据，本发明实施例不做具体限定。
204、根据标记特征数据的历史监控数据对基础学习模型进行训练，确定物业质量品控识别模型。
其中，所述基础学习模型可以为不同类别的机器学习分类模型，如线性模型、神经网络模型、支持向量机模型等，由于不同的应用场景对基础学习模型的精度要求不同，因此，基础学习模型的选取是根据各个应用场景的具体监控情况来确定，从而避免在一个物业园区中的质量品控使用一个通用模型，减少大量数据处理的复杂性，多种应用场景选择一个模型的难度，从而降低模型训练成本及周期。所述标记特征数据的历史监控数据作为基础学习模型的输入数据，特征数据在训练过程中为基础学习模型提高了监督学习的作用，即通过比较基础学习模型进行训练的数据与特征数据之间的差异，差异越小，训练的结果越好，得到的模型越准确。
对于本发明实施例，步骤204具体可以为：根据所述历史监控数据及所述特征数据对基础学习模型进行训练，得到初级物业质量品控识别模型，根据所述初级物业质量品控识别模型进行预期运算，将预期运算结果反馈至用户，并接收用户进行标注的用于训练的监控数据，根据所述标注过的监控数据对初级业务质量品控识别模型进行训练，确定最终的物业质量品控识别模型。
对于本发明实施例，为了避免单纯的机器学习训练过程中缺少真实场景下可能产生的不同意外的监控情况，将训练后的初级业务质量品控识别模型进行预期训练，来判断初级物业质量品控识别模型是否达到了用户需求的精度，并将预期运算后的结果反馈至用户端，用户通过查看预期运算后的结果来确定预测识别的物业质量品控是否正确，一般的，预期运算时，可以选取任意的监控数据进行预期识别，然后得到模型运算后的结果。例如，垃圾站中，将监控数据的图像信息作为初级业务质量品控识别模型的输入进行运算，得到图像信息是否为垃圾站干净的物业质量品控结果，然后反馈给用户，用户若认为这个图像信息与识别出的物业质量品控结果不符，则将这个图像信息进行标注，并做为训练数据重新进行训练模型。
需要说明的是，初级物业质量品控识别模型为一个概括性的概念，只要是用户认为需要重新进行训练的物业质量品控识别模型都可以为初级物业质量品控识别模型，直至用户不在进行标识监控数据重新训练为止，将最后一个确定为最终的物业质量品控识别模型。另外，重新训练是在原有的模型上进行的，不会重新选择新的基础学习模型，只丰富相关参数，从而实现精确模型的作用。并且，根据不同的业务需求会选择对应的基础学习模型，实现了应用场景与物业质量品控识别模型的精确匹配，提高业务质量品控识别准确性。
例如，针对训练模型的步骤可以为如图3所示的：数据模型预处理包括在模型交付给终端用户前，需要收集一些用户的典型应用场景数据，然后利用传统的方法对这些数据进行训练分析，最终得到一个初级的数据模型；终端用户根据需要选择需要深度学习的训练数据；利用初级的数据模型识别终端用户选择的数据；终端用户判断识别的结果是否正确；如果不正确，终端用户要标注正确的结果；保存用户标注过的数据；断续深度学习这些标注过的数据；如果识别结果正确，则继续选择要进行深度学习的数据。
205、将所述物业质量品控识别模型进行标注，并存储至模型数据库中。
对于本发明实施例，为了区分不同应用场景下的不同物业质量品控识别模型，需要分别标注应用场景与物业质量品控识别模型一一对应的标识，并存储在模型数据库中。其中，模型数据库中保存了不同应用场景下最新的物业质量品控识别模型，以便用户在启动物业质量品控识别时，选择与应用场景匹配的物业质量品控识别模型。
206、按照预设时间间隔获取监控点采集的监控数据。
本步骤与图1所示的步骤101方法相同，在此不再赘述。
207、配置与不同的应用场景分别对应的物业质量品控识别模型的配置参数。
对于本发明实施例，由于每个应用场景下的物业质量品控识别模型在进行运算时，每个模型的配置参数均不同，从而体现不同应用场景下物业质量品控识别模型训练结果的不同。其中，由于每个应用场景在进行识别时，需要调用匹配的物业质量品控识别模型，因此，可以将配置信息，如模型标识、模型名称、创建时间等，本发明实施例不做具体限定，通过配置参数信息可以准确的查找到对应的物业质量品控识别模型。
208、判断所述物业质量品控识别模型是否为最新版本。
对于本发明实施例，为了在物业质量品控识别模型重新训练后及时的进行更新，需要判断待进行物业质量品控识别的物业质量品控识别模型的版本是否为最新版本。由于模型训练完后会存储在模型数据库中，标注的标识即可以包括版本号的标识，如保存模型的过程中，模型数据库中已经存在V1.0，再进行模型训练后，得到新的模型，版本会标注为V1.1。
需要说明的是，判断物业质量品控识别模型的版本是否为最新版本具体可以为：获取存储在模型数据库中的最新标注的版本标识，与当前待运行的物业质量品控识别模型的版本进行比较，从而确定是否为最新版本。
209、若所述物业质量品控识别模型不为最新版本，则从所述模型数据库中下载最新版本的物业质量品控识别模型，将旧版本的物业质量品控识别模型替换为新版本的物业质量品控识别模型。
对于本发明实施例，为了使待进行物业质量品控识别使用的是最新版本的物业质量品控识别模型，需要从模型数据库中下载最新版本的物业质量品控识别模型，并将旧版本替换为新版本，从而以最新版本的物业质量品控识别模型进行运算。另外，若是当前的旧版的的物业质量品控识别模型正在运算，则等待运算结束后进行替换。
需要说明的是，若为最新版本的物业质量品控识别模型，则不进行替换，直接进行运算。
210、将所述监控数据作为新版本的物业质量品控识别模型的输入参数，运行所述物业质量品控识别模型，得到物业质量品控结果。
本步骤与图1所示的步骤102方法相同，在此不再赘述。
需要说明的是，由于每个应用场景下的业务需求不同、特殊数据不用、作为物业质量品控的结果也不同，一般的，一个应用场景可以对应多个监控点，每个监控点采集一组监控数据，一个应用场景下的多个监控点都可以使用通过一个版本的物业质量品控识别模型从而提高不同应用场景下物业质量品控的识别效率。
例如，针对模型调度的步骤可以为如图4所示的：创建数据模型配置数据，包括：模型编号，模型名称，创建时间；配置数据模型与应用程序的关系；判断模型版本是否是最新的；如果是最新版本，则通知分析模块更新模型数据；分析模块会判断数据模型是否正在使用；如果没有使用，分析模块则更新模型数据；如果模型版本不是最新的，则要下载最新版本的模型数据，下载完成后通知分析模块更新模型数据；如果数据模型正在使用，需要等待模型识别过程完成后，再更新模型数据。
211、根据所述物业质量品控结果判断是否发送告警信息，若发送告警信息，则存储所述物业质量品控结果对应的监控数据。
对于本发明实施例，为了在无人监控的状态下，若出现物业质量品控结果为异常监控情况时，可以向工作人员进行告警，减少人力消耗。其中，告警信息可以为声音告警、短信告警等，本发明实施例不做具体限定。所述判断是否发送告警信息即为判断所述物业质量品控结果是否为异常监控情况，若为异常监控情况则发送告警信息。另外，为了记录发送异常监控情况的发生，以便物业的工作人员进行分析考核，可以将监控数据进行存储。
对于本发明实施例，具体的应用场景可以如下所示，但不限于此，包括：针对物业质量品控识别模型的应用步骤可以为如图5所示的准备数据源、根据算法要求进行数据清洗、将清洗后的数据存储到数据库中、查询清洗后的数据及准备训练数据模型、根据业务需求标注特征数据、开始训练过程、训练结束后存储数据模型、配置模型与应用程序的关系、升级应用程序的模型版本、接收数据、根据应用程序的最新模型版本开始识别数据、输出识别结果。
本发明提供了另一种物业质量品控的优化方法，本发明实施例通过对不同应用场景下的历史监控数据作为物业质量品控模型的训练数据，根据标记的特征数据对基础学习模型进行训练，确定出不同应用场景分别对应的物业质量品控模型，通过对当前的监控数据进行模型运算得到物业质量品控结果，避免人工实时监控出现的监控漏洞，实现非专业人员也可以参与模型训练的过程，降低物业质量品控的专业性，不同应用场景下可以使用不同的物业质量品控模型，提高模型部署的灵活性，满足不同用户需求的灵活物业质量品控的识别，提高物业质量品控的效率。
进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种物业质量品控的优化装置，如图6所示，该装置包括：获取单元31、确定单元32。
获取单元31，用于按照预设时间间隔获取监控点采集的监控数据；所述获取单元31为物业质量品控的优化装置执行按照预设时间间隔获取监控点采集的监控数据的程序模块。
确定单元32，用于根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况。所述确定单元32为物业质量品控的优化装置执行根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果的程序模块。
本发明提供了一种物业质量品控的优化装置，与现有由于人为监控无法实时对监控点的情况进行准确确定相比，本发明实施例通过物业质量品控识别模型对监控数据进行识别，得到物业质量品控结果，避免人工实时监控出现的监控漏洞，以及减少大量人力资源，满足不同用户需求的灵活物业质量品控的识别，实现物业质量品控效果的优化。
进一步的，作为对上述图2所示方法的实现，本发明实施例提供了另一种物业质量品控的优化装置，如图7所示，该装置包括：获取单元41、确定单元42、提取单元43、标记单元44、训练单元45、存储单元46、清洗单元47、配置单元48、判断单元49、替换单元410、发送单元411。
获取单元41，用于按照预设时间间隔获取监控点采集的监控数据；
确定单元42，用于根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况。
进一步地，所述装置还包括：
提取单元43，用于提取历史监控数据；
标记单元44，用于根据物业质量品控的业务需求从所述历史监控数据中标记特征数据；
训练单元45，用于根据标记特征数据的历史监控数据对基础学习模型进行训练，确定物业质量品控识别模型；
存储单元46，用于将所述物业质量品控识别模型进行标注，并存储至模型数据库中。
进一步地，所述装置还包括：
清洗单元47，用于根据基础学习模型的算法要求对所述历史监控数据进行数据清洗。
进一步地，所述训练单元45，具体用于根据所述历史监控数据及所述特征数据对基础学习模型进行训练，得到初级物业质量品控识别模型，根据所述初级物业质量品控识别模型进行预期运算，将预期运算结果反馈至用户，并接收用户进行标注的用于训练的监控数据，根据所述标注过的监控数据对初级业务质量品控识别模型进行训练，确定最终的物业质量品控识别模型。
进一步地，所述装置还包括：
配置单元48，用于配置与不同的应用场景分别对应的物业质量品控识别模型的配置参数；
判断单元49，用于判断所述物业质量品控识别模型是否为最新版本；
替换单元410，用于若所述物业质量品控识别模型不为最新版本，则从所述模型数据库中下载最新版本的物业质量品控识别模型，将旧版本的物业质量品控识别模型替换为新版本的物业质量品控识别模型。
进一步地，所述确定单元42，具体用于将所述监控数据作为新版本的物业质量品控识别模型的输入参数，运行所述物业质量品控识别模型，得到物业质量品控结果。
进一步地，所述装置还包括：
发送单元411，用于根据所述物业质量品控结果判断是否发送告警信息，若发送告警信息，则存储所述物业质量品控结果对应的监控数据。
本发明提供了另一种物业质量品控的优化装置，本发明实施例通过对不同应用场景下的历史监控数据作为物业质量品控模型的训练数据，根据标记的特征数据对基础学习模型进行训练，确定出不同应用场景分别对应的物业质量品控模型，通过对当前的监控数据进行模型运算得到物业质量品控结果，避免人工实时监控出现的监控漏洞，实现非专业人员也可以参与模型训练的过程，降低物业质量品控的专业性，不同应用场景下可以使用不同的物业质量品控模型，提高模型部署的灵活性，满足不同用户需求的灵活物业质量品控的识别，提高物业质量品控的效率。
根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的物业质量品控的优化方法。
图8示出了根据本发明一个实施例提供的一种终端的结构示意图，本发明具体实施例并不对终端的具体实现做限定。
如图8所示，该终端可以包括：处理器(processor)502、通信接口(CommunicationsInterface)504、存储器(memory)506、以及通信总线508。
其中：处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器502，用于执行程序510，具体可以执行上述物业质量品控的优化方法实施例中的相关步骤。
具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器506，用于存放程序510。存储器506可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作：
按照预设时间间隔获取监控点采集的监控数据；
根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物业质量品控的优化方法及装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种物业质量品控的优化方法，其特征在于，包括：
按照预设时间间隔获取监控点采集的监控数据；
根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况。
2.根据权利要求1所述的方法，其特征在于，所述获取监控点按照预设时间间隔采集的数据之前，所述方法还包括：
提取历史监控数据；
根据物业质量品控的业务需求从所述历史监控数据中标记特征数据；
根据标记特征数据的历史监控数据对基础学习模型进行训练，确定物业质量品控识别模型；
将所述物业质量品控识别模型进行标注，并存储至模型数据库中。
3.根据权利要求2所述的方法，其特征在于，所述根据物业质量品控的业务需求从所述历史监控数据中标记特征数据之前，所述方法还包括：
根据基础学习模型的算法要求对所述历史监控数据进行数据清洗。
4.根据权利要求2所述的方法，其特征在于，所述根据标记特征数据的历史监控数据对基础学习模型进行训练，确定物业质量品控识别模型包括：
根据所述历史监控数据及所述特征数据对基础学习模型进行训练，得到初级物业质量品控识别模型，根据所述初级物业质量品控识别模型进行预期运算，将预期运算结果反馈至用户，并接收用户进行标注的用于训练的监控数据，根据所述标注过的监控数据对初级业务质量品控识别模型进行训练，确定最终的物业质量品控识别模型。
5.根据权利要求2所述的方法，其特征在于，所述根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果之前，所述方法还包括：
配置与不同的应用场景分别对应的物业质量品控识别模型的配置参数；
判断所述物业质量品控识别模型是否为最新版本；
若所述物业质量品控识别模型不为最新版本，则从所述模型数据库中下载最新版本的物业质量品控识别模型，将旧版本的物业质量品控识别模型替换为新版本的物业质量品控识别模型。
6.根据权利要求5所述的方法，其特征在于，所述根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果包括：
将所述监控数据作为新版本的物业质量品控识别模型的输入参数，运行所述物业质量品控识别模型，得到物业质量品控结果。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
根据所述物业质量品控结果判断是否发送告警信息，若发送告警信息，则存储所述物业质量品控结果对应的监控数据。
8.一种物业质量品控的优化装置，其特征在于，包括
获取单元，用于按照预设时间间隔获取监控点采集的监控数据；
确定单元，用于根据所述监控数据结合物业质量品控识别模型确定物业质量品控结果，所述物业质量品控识别模型用于根据所述监控数据识别监控点中出现的异常监控情况。
9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的物业质量品控的优化方法对应的操作。
10.一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的物业质量品控的优化方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810051152.2A CN108280780A (zh) | 2018-01-18 | 2018-01-18 | 物业质量品控的优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810051152.2A CN108280780A (zh) | 2018-01-18 | 2018-01-18 | 物业质量品控的优化方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108280780A true CN108280780A (zh) | 2018-07-13 |
Family
ID=62804194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810051152.2A Pending CN108280780A (zh) | 2018-01-18 | 2018-01-18 | 物业质量品控的优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108280780A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109740581A (zh) * | 2019-03-01 | 2019-05-10 | 成都信息工程大学 | 一种垃圾智能收集与场景监测系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708427A (zh) * | 2012-06-29 | 2012-10-03 | 山东电力集团公司电力科学研究院 | 大规模充电桩对小区配电系统影响分析决策系统及方法 |
| CN103136627A (zh) * | 2012-11-09 | 2013-06-05 | 成都锦瑞投资有限公司 | 区域物业智能管理系统 |
| CN103439933A (zh) * | 2013-08-13 | 2013-12-11 | 清华大学 | 一种应用ocsvm的生产过程自适应监控系统及方法 |
| CN104537833A (zh) * | 2014-12-19 | 2015-04-22 | 深圳大学 | 一种交通异常检测方法及系统 |
| CN105868222A (zh) * | 2015-09-17 | 2016-08-17 | 乐视网信息技术（北京）股份有限公司 | 一种任务调度方法及装置 |
| CN105955212A (zh) * | 2016-05-11 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 智能家居平台及基于智能家居平台的家居环境监控方法 |
| CN105989683A (zh) * | 2015-02-12 | 2016-10-05 | 贝斯科技国际有限公司 | 增强型住宅安全系统 |
| CN106599398A (zh) * | 2016-11-25 | 2017-04-26 | 航天恒星科技有限公司 | 天地一体化集成管理系统的仿真方法及装置 |
| CN106650919A (zh) * | 2016-12-23 | 2017-05-10 | 国家电网公司信息通信分公司 | 一种基于卷积神经网络的信息系统故障诊断方法及装置 |
| CN107197233A (zh) * | 2017-06-23 | 2017-09-22 | 安徽大学 | 基于边缘计算模型的监控视频数据质量评测方法及装置 |
| CN107544383A (zh) * | 2017-09-08 | 2018-01-05 | 北京时代凌宇科技股份有限公司 | 一种小区物业设备监控方法和系统 |
-
2018
- 2018-01-18 CN CN201810051152.2A patent/CN108280780A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708427A (zh) * | 2012-06-29 | 2012-10-03 | 山东电力集团公司电力科学研究院 | 大规模充电桩对小区配电系统影响分析决策系统及方法 |
| CN103136627A (zh) * | 2012-11-09 | 2013-06-05 | 成都锦瑞投资有限公司 | 区域物业智能管理系统 |
| CN103439933A (zh) * | 2013-08-13 | 2013-12-11 | 清华大学 | 一种应用ocsvm的生产过程自适应监控系统及方法 |
| CN104537833A (zh) * | 2014-12-19 | 2015-04-22 | 深圳大学 | 一种交通异常检测方法及系统 |
| CN105989683A (zh) * | 2015-02-12 | 2016-10-05 | 贝斯科技国际有限公司 | 增强型住宅安全系统 |
| CN105868222A (zh) * | 2015-09-17 | 2016-08-17 | 乐视网信息技术（北京）股份有限公司 | 一种任务调度方法及装置 |
| CN105955212A (zh) * | 2016-05-11 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 智能家居平台及基于智能家居平台的家居环境监控方法 |
| CN106599398A (zh) * | 2016-11-25 | 2017-04-26 | 航天恒星科技有限公司 | 天地一体化集成管理系统的仿真方法及装置 |
| CN106650919A (zh) * | 2016-12-23 | 2017-05-10 | 国家电网公司信息通信分公司 | 一种基于卷积神经网络的信息系统故障诊断方法及装置 |
| CN107197233A (zh) * | 2017-06-23 | 2017-09-22 | 安徽大学 | 基于边缘计算模型的监控视频数据质量评测方法及装置 |
| CN107544383A (zh) * | 2017-09-08 | 2018-01-05 | 北京时代凌宇科技股份有限公司 | 一种小区物业设备监控方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王攀: "《优化与控制中的软计算方法研》", 30 January 2017, 武汉：湖北科学技术出版社 * |
| 贺建英: ""基于物联网的智能化物业管理系统模型研究"", 《科技视界》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109740581A (zh) * | 2019-03-01 | 2019-05-10 | 成都信息工程大学 | 一种垃圾智能收集与场景监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109840111B (zh) | 一种图形化的业务处理系统和方法 | |
| US11367053B2 (en) | System and method for damage assessment and restoration | |
| CN104641353B (zh) | 在连续部署的情况下可用的监视器 | |
| CN109543992A (zh) | 智能巡检方法、装置、智能终端及服务器 | |
| CN107945458A (zh) | 摄像头场景下的跌倒检测方法、装置及计算设备 | |
| US20210174274A1 (en) | Systems and methods for modeling organizational entities | |
| CN110442737A (zh) | 基于图数据库的数字孪生方法及系统 | |
| CN111611240A (zh) | 执行自动机器学习过程的方法、装置及设备 | |
| CN109948804A (zh) | 跨平台拖拽式深度学习建模与训练方法及装置 | |
| US20230048386A1 (en) | Method for detecting defect and method for training model | |
| CN105487970B (zh) | 一种界面展示方法及装置 | |
| CN110968712B (zh) | Bim族模型获取的方法、装置及系统 | |
| CN110036372A (zh) | 数据处理装置、数据处理方法、设定管理装置以及数据处理系统 | |
| CN115859122B (zh) | 一种数据识别方法、自动持续学习模型、装置和设备 | |
| CN115766861A (zh) | 用于车软件升级的自动驾驶数据闭环系统、方法和介质 | |
| CN111680236A (zh) | 菜单显示方法、装置、终端设备及存储介质 | |
| CN108280780A (zh) | 物业质量品控的优化方法及装置 | |
| CN110716778A (zh) | 应用兼容性测试方法、装置及系统 | |
| US20240119732A1 (en) | Operation Management System Utilizing a Wearable Device | |
| CN115935089A (zh) | 一种基于rpa技术的上车点推荐优化方法和系统 | |
| CN115828022A (zh) | 一种数据识别方法、联邦训练模型、装置和设备 | |
| US11514693B2 (en) | Model-based image labeling and/or segmentation | |
| CN109063846A (zh) | 机器学习的运行方法、装置、设备及存储介质 | |
| CN105058731A (zh) | 用于注射压机成型问题的管理系统 | |
| CN114356781A (zh) | 软件功能测试方法和装置 |
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: 20180713 |
|
| RJ01 | Rejection of invention patent application after publication |