CN108304580A - 一种面向城市网格化管理的重大事件预警方法和系统 - Google Patents

Abstract

本发明公开了一种面向城市网格化管理的重大事件预警方法和系统，涉及城市精细化管理领域。重大事件预警方法包括定义重大事件；清洗整合结构化数据；筛选出重大事件的记录；重大事件地理位置聚类；根据地理位置补充普通事件；将每一类重大事件与普通事件进行语义分析，提取相似案例；根据筛选后的数据进行特征转换；重大事件的预警模型；输入测试集；输入普通事件；输出预警结果。重大事件预警系统包括输入模块、重大事件预警模块和输出模块。本发明可以全面、精确、实时地掌握各类风险动态。

Description

一种面向城市网格化管理的重大事件预警方法和系统

技术领域

本发明涉及城市精细化管理领域，尤其涉及城市网格化管理的重大事件的预警。

背景技术

重大事件是指那些经过一段时间发酵过后，最终由媒体曝光，或者是上级领导发现问题严重性后交代处理的案件。对于重大事件的及时预警及处理，可以实现城市精细化管理，针对可能会演变成重大事件的案件进行预测，做到事前及时处理，防止事态扩大。

目前重大事件的预警主要通过一些外部数据的搜集，获得海量文本数据，依据重大事件知识库，对搜集的文本数据进行筛选和分析，从而找到重大事件的发生规律，并对重大事件进行及时预测。在现有技术中，通常使用人工网上大量搜集信息，综合多方面进行评价判断，但结果受搜索内容影响较大，并且搜集的信息已经是属于媒体关注的类型，可能已经演变成重大事件，因此需要从数据源上进行深耕挖掘。

在中国专利CN103810528A中，提出一种由感知层、网络层、智慧与云计算层与应用层组成的物联网智慧城市方法，通过与感知层、网络层、指挥与云计算层的协同合作实现智能城市的运行。该方法高度依赖底层的感知层(各种传感器、RFID、读写卡器、底层中间件与无线传输底层发射模块)的数据采集，可看做仅仅是基于硬件进行的一些警报，而且在实际过程中，并不是所有的重大事件都可以通过仪器提前预警。现有技术很大程度上依赖于硬件，因此预警具有不确定性，同时重大事件的预警并不一定都可以根据硬件来进行预警。

因此，本领域的技术人员致力于开发一种面向城市网格化管理的重大事件预警方法和系统，从而解决以往数据预警的弊端，实现多方位的预警。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是根据机器学习理论提供一种城市管理的预警模型，从而解决以往数据预警的弊端。本发明采用的数据源多种多样，包含了网格监督员发现的案件，群众通过APP软件上报的案件，热线上报发现的案件以及媒体报道的案件等。这样搜集的数据具有稳定性，同时数据的来源广泛，通过构建预警模型以及模型的迭代，可以实现多方位的预警。

为实现上述目的，本发明提供了一种面向城市网格化管理的重大事件预警方法和系统，面向城市网格化管理的重大事件预警方法包括：

1)定义重大事件，包括网格监督员发现的案件，群众通过APP软件上报的案件，市民服务热线、城建服务热线、环境热线等上报发现的案件以及媒体报道的案件的数据，根据业务场景的需要，自主定义重大事件的概念，例如媒体关注案件，领导交办案件等；

2)清洗整合结构化数据，通过对数据的清洗，提炼结构化数据，整合结构化数据，为下一步筛选操作做准备；

3)筛选出重大事件的记录，在原数据库中，根据之前定义的重大事件概念的标准，从清洗过的数据中筛选出重大事件；

4)重大事件地理位置聚类，将筛选好的数据以地理位置进行聚类，以地理位置为依据，为聚类好的重大事件打上标签；

5)根据地理位置补充普通事件，根据聚类好的有限的地理位置，回到原始数据中，找到在每一个标签(地理位置)中发生的所有案件；

6)将每一类重大事件与普通事件进行语义分析，提取相似案例，将提取出来的数据进行语义分析，以重大事件的描述为准，找到每个标签中描述类似的普通事件；

7)根据筛选后的数据进行特征转换，对上一步的数据进行特征值转换，并利用特征工程提取主要特征；

8)重大事件的预警模型，通过机器学习的方法找到案件特征和变化趋势，形成重大事件预警模型，；

9)输入测试集，将测试集输入到重大事件的预警模型，对模型结果进行验证，针对结果进行迭代优化；

10)输入普通事件，输入某一个普通事件，此为输入部分；

11)输出预警结果，重大事件的预警模型根据事件的描述，时间等因素分析，根据需要预警的事件，输出相应的预警结果。

面向城市网格化管理的重大事件预警系统，包括输入模块、重大事件预警模块和输出模块。输入模块用于让用户输入城市网格化管理中日常发生的事件；重大事件预警模块接收到输入的事件后，利用重大事件的预警模型分析数据，根据输入普通事件的描述、时间等因素，对事件进行特征和趋势分析；输出模块接收重大事件预警模块的分析结果，即模型预警结果。

本发明实现了对重大案件的识别与预警，以事件为单位，基于收集到的各类数据，综合重大事件记录数据，利用监督式机器学习技术对大量数据进行归纳、推演，挖掘出城市中各类重大事件的特征和发生规律，同时分析该类事件可能的影响因素，从而全面、精确、实时地掌握各类风险动态。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明的一个较佳实施例的面向城市网格化管理的重大事件预警方法流程示意图；

图2是本发明的一个较佳实施例的面向城市网格化管理的重大事件预警系统结构示意图；

图3是本发明的一个较佳实施例的label＝5的相似案件。

具体实施方式

以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。

在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。

如图1所示，本发明的一个较佳实施例的面向城市网格化管理的重大事件预警方法流程为：

步骤S01：定义重大事件，根据业务场景的需要，自主定义重大事件的概念。例如媒体关注案件，领导交办案件等；

步骤S02：清洗整合结构化数据，清洗数据，整合结构化数据，为下一步筛选操作做准备；

步骤S03：筛选出重大事件的记录，根据之前定义的重大事件概念的标准，从清洗过的数据中筛选出重大事件；

步骤S04：重大事件地理位置聚类，将筛选好的数据以地理位置进行聚类，以地理位置为依据，为聚类好的重大事件打上标签；

步骤S05：根据地理位置补充普通事件，根据聚类好的有限的地理位置，回到原始数据中，找到在每一个标签(地理位置)中发生的所有案件；

步骤S06：将每一类重大事件与普通事件进行语义分析，将提取出来的数据进行语义分析，以重大事件的描述为准，找到每个标签中描述类似的普通事件；

步骤S07：根据筛选后的数据进行特征转换，对上一步的数据进行特征值转换，并利用特征工程提取主要特征；

步骤S08：重大事件的预警模型；

步骤S09：输入测试集，将测试集输入模型，对模型结果进行验证；

步骤S10：输入普通事件，输入某一个普通事件，此为输入部分；

步骤S11：输出预警结果，模型根据输入的变量进行分析，输出预警结果。

以某市网格化管理数据为实例，该网格2017年上报事件共计159113件，按照以上方法进行重大事件预警：

T01，定义重大事件，自主定义重大事件的概念，定义媒体关注案件和领导交办案件作为重大事件；

T02，清洗整合结构化数据，清洗数据，通过对原数据的清洗、整理后，得到了标准的结构化数据(下称表1)；

T03，筛选出重大事件的记录，筛选出重大事件，从表1中筛选出媒体关注与领导交办的案件，形成重大事件表(下称表2)；

T04，重大事件地理位置聚类，将筛选好的数据以地理位置进行聚类，根据表2中的地理位置，进行聚类，并将相同地理位置的事件打上标签label，形成一张新表(下称表3)；

T05，根据地理位置补充普通事件，根据表3中的地理位置，在表1中将该地理位置发生的所有事件补全，将不仅仅包含重大事件，还有一些普通事件，形成一张补充表(下称表4)；

T06，将每一类重大事件与普通事件进行语义分析，将表4中根据每一类标签label进行分析，对案件描述进行语义分析，提取出每一聚类的相似案件，形成表5，并将表5分为测试集合训练集；

如图3所示，label＝5的相似案件，其中包含了案件编号、城建坐标系X和Y轴、案件发现时间、发现地址、案件描述等，根据发现时间排序后，领导交办的案件位列最后一个，说明是在经历了之前12319上报之后，领导才开始关注此类案件，并由此演变成重大事件，同时，案件的描述很类似，都是关于群租的问题，因此，将此类案件在该地段发生可认定为具有重大事件预警的倾向。

T07，根据筛选后的数据进行特征转换，将表5的训练集进行特征值转换和重要特征提取；

T08，构建重大事件预警的模型；

T09，输入测试集，将表5的测试集对模型进行交叉验证，实现模型的迭代优化；

T10，输入普通事件，将普通的案件输入到模型；

T11：输出预警结果，重大事件预警的模型会根据多维变量判断该事件是否属于重大事件，并判断是否需要进行报警输出。

图2为本发明的一个较佳实施例的面向城市网格化管理的重大事件预警系统结构示意图，包括：输入模块201：用于让用户输入城市网格化管理中日常发生的事件；重大事件预警模块202：利用模型分析数据，对事件进行特征和趋势分析；输出模块203：用于输出模型预警结果。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种面向城市网格化管理的重大事件预警系统，其特征在于，包括输入模块、重大事件预警模块和输出模块，所述输入模块用于让用户输入城市网格化管理中日常发生的事件；所述重大事件预警模块接收到输入的事件后，利用重大事件的预警模型分析数据；所述输出模块接收重大事件预警模块的分析结果。

2.如权利要求1所述的面向城市网格化管理的重大事件预警系统，其特征在于，所述重大事件的预警模型，根据输入普通事件的描述、时间等因素，对事件进行特征和趋势分析。

3.使用如权利要求1或2所述的面向城市网格化管理的重大事件预警系统实现重大事件预警的方法，其特征在于，包括如下步骤：

M1，定义重大事件；

M2，清洗整合结构化数据；

M3，筛选出重大事件的记录；

M4，重大事件地理位置聚类；

M5，根据地理位置补充普通事件；

M6，将每一类重大事件与普通事件进行语义分析，提取相似案例；

M7，根据筛选后的数据进行特征转换；

M8，重大事件的预警模型；

M9，输入测试集；

M10，输入普通事件；

M11，输出预警结果。

4.如权利要求3所述的重大事件预警预警方法，其特征在于，所述步骤M1中的重大事件来自网格监督员发现的案件，群众通过APP软件上报的案件，市民服务热线、城建服务热线、环境热线上报发现的案件以及媒体报道的案件的数据。

5.如权利要求3或4所述的重大事件预警预警方法，其特征在于，所述所述步骤M1中的重大事件为媒体关注案件或者领导交办案件。

6.如权利要求5所述的重大事件预警预警方法，其特征在于，所述步骤M2通过对数据的清洗，提炼结构化数据，并整合结构化数据。

7.如权利要求6所述的重大事件预警预警方法，其特征在于，所述步骤M3根据所述步骤M1定义重大事件的标准，从所述步骤M2清洗整合结构化过的数据中筛选出重大事件。

8.如权利要求7所述的重大事件预警预警方法，其特征在于，所述步骤M4根据所述步骤M3筛选的数据以地理位置进行聚类，以地理位置为依据，为聚类好的重大事件打上标签。

9.如权利要求3所述的重大事件预警预警方法，其特征在于，所述步骤M7对所述步骤M6的数据进行特征值转换，并利用特征工程提取主要特征。

10.如权利要求3所述的重大事件预警预警方法，其特征在于，所述步骤M8重大事件的预警模型是通过机器学习的方法找到案件特征和变化趋势获得。