CN110223209A - 一种基于城市超脑的社区管理方法及装置 - Google Patents
一种基于城市超脑的社区管理方法及装置 Download PDFInfo
- Publication number
- CN110223209A CN110223209A CN201910372677.0A CN201910372677A CN110223209A CN 110223209 A CN110223209 A CN 110223209A CN 201910372677 A CN201910372677 A CN 201910372677A CN 110223209 A CN110223209 A CN 110223209A
- Authority
- CN
- China
- Prior art keywords
- emergency
- community
- emergency event
- city
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 93
- 210000004556 brain Anatomy 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000013135 deep learning Methods 0.000 claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 23
- 230000004913 activation Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000003252 repetitive effect Effects 0.000 claims description 3
- 230000035606 childbirth Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- 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
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Child & Adolescent Psychology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种基于城市超脑的社区管理方法及装置。该方法包括:按照应急事件类型对应急事件档案进行分类,通过深度学习方法,对每种类型的应急事件根据社区应急管理处理流程进行建模,构建社区应急管理系统;通过传感器实时采集应急事件发生现场数据,采用异步反馈方式发送至社区应急管理系统,触发应急管理系统开始应急响应;判断处理应急事件采用的处理模型,调整社区环境配置;根据应急事件的性质、阶段,通过社区应急管理模型得出需要参与处理应急事件的城市部门,向城市部门发送处理请求及应急事件现场数据,并配置社区开启与城市处理部门之间的预热对接状态。本申请提高了社区管理的准确度和效率。
Description
技术领域
本申请涉及社区管理及人工智能领域,尤其涉及一种基于城市超脑的社区管理方法及装置。
背景技术
“城市超脑”由各细分领域的“行业超脑”组成,从趋势上看各领域的“行业超脑”将组合在一起,形成相互感知和相互操作,将各行各业的智慧系统紧密连接在一起,并产生协同价值。社区是社会的细胞,是人民群众学习、工作、生活的主要场所,社区管理直接关系到社会大局的稳定。当前,安全灾害事故时有发生,严重危及国家、集体和居民个人的生命与财产安全,也对社区工作者的管理与服务能力提出了更高要求。传统社区管理过程中,一般只是简单的凭借人工经验进行,很少通过历史数据规律进行设计,准确度不高,风险防范力度不强;而且,一般不会考虑与城市部门发生联动,将社区与城市功能进行融合,反应速度慢,处理延迟高,智能化水平低,严重阻碍了社区管理的发展。因此,可以考虑改进,融合城市超脑概念和大数据分析技术,设计基于城市超脑的社区管理方法及系统。
发明内容
有鉴于此,本申请的目的在于提出一种基于城市超脑的社区管理方法及装置,节省社区管理人员的劳动量,提高社区安全管理的准确度和响应速度,从而调高社区智能化水平。
基于上述目的,本申请提出了一种基于城市超脑的社区管理方法,包括:
按照应急事件类型对应急事件档案进行分类,通过深度学习方法,对每种类型的应急事件根据社区应急管理处理流程进行建模,构建社区应急管理系统;
通过传感器实时采集应急事件发生现场数据,采用异步反馈方式发送至所述社区应急管理系统,触发应急管理系统开始应急响应;
根据应急事件的性质、阶段,判断处理应急事件采用的处理模型,根据所述处理模型计算出社区环境配置调整参数,调整社区环境配置;
根据应急事件的性质、阶段,通过社区应急管理模型得出需要参与处理应急事件的城市部门,向所述城市部门发送处理请求及应急事件现场数据,并配置社区开启与城市处理部门之间的预热对接状态。
在一种实施例中,所述按照应急事件类型对应急事件档案进行分类,通过深度学习方法,对每种类型的应急事件根据社区应急管理处理流程进行建模,构建社区应急管理系统,包括:
采用深度学习网络,输入端为应急事件的类型、环境参数、社区资源,输出端为应急事件的处理模型;
所述应急处理模型中包含了每种类型应急事件的阶段特征及对应的处理流程。
在一些实施例中,所述深度学习,包括:
采用多线程并行方式同时对至少一种类型的应急事件进行建模,并将建模结果发送至城市处理部门。
在一些实施例中,所述通过传感器实时采集应急事件发生现场数据,采用异步反馈方式发送至所述社区应急管理系统,触发应急管理系统开始应急响应,包括:
通过传感器采集应急事件发生现场数据,形成第一应急数据,发送至所述社区应急管理系统;
社区应急管理系统根据第一应急数据,确定应急处理模型,发出应急事件处理指令,并同时推送至城市处理部门;
社区应急管理系统分析第一应急数据后,如果存在数据需求,则将数据需求回传至指定传感器进行二次采集,得到第二应急数据,并返回至社区应急管理系统。
在一些实施例中,所述根据应急事件的性质、阶段,判断处理应急事件采用的处理模型,根据所述处理模型计算出社区环境配置调整参数,调整社区环境配置,包括:
在调整社区环境配置过程中,传感器实时回传应急现场环境数据,所述社区应急管理系统根据所述应急事件模型及应急事件现场环境数据,生成并发送社区环境微调指令。
在一些实施例中,所述配置社区开启与城市处理部门之间的预热对接状态,包括:
在应急管理系统向所述城市部门发送处理请求及应急事件现场数据的同时,向社区发出环境配置指令,按照城市处理部门处理应急事件的需求,进行社区环境调整。
在一些实施例中,所述深度学习,包括:
在所述深度学习网络中,中间隐层神经元的激活函数采用ReLU函数,公式为:
o=max(0,i),
其中o为输出端即应急事件的处理模型,i为输入端即应急事件的类型、环境参数、社区资源;最后一层激活函数采用softmax函数,公式为:
其中oi为第i层输出,zj为输入j经过加权、求和、偏向得到的中间变量;损失函数采用交叉熵损失函数,公式为:
其中x(i)为期望输出,为实际输出;优化函数采用随机梯度下降法,迭代训练直至所述深度学习网络进入稳态。
基于上述目的,本申请还提出了一种基于城市超脑的社区管理装置,包括:
构建模块,用于按照应急事件类型对应急事件档案进行分类,通过深度学习方法,对每种类型的应急事件根据社区应急管理处理流程进行建模,构建社区应急管理系统;
采集模块,用于通过传感器实时采集应急事件发生现场数据,采用异步反馈方式发送至所述社区应急管理系统,触发应急管理系统开始应急响应;
调整模块,用于根据应急事件的性质、阶段,判断处理应急事件采用的处理模型,根据所述处理模型计算出社区环境配置调整参数,调整社区环境配置;
协调模块,用于根据应急事件的性质、阶段,通过社区应急管理模型得出需要参与处理应急事件的城市部门,向所述城市部门发送处理请求及应急事件现场数据,并配置社区开启与城市处理部门之间的预热对接状态。
在一些实施例中,所述构建模块,包括:
数据清洗单元,用于对传感器采集的数据进行归一化处理,并转换为标准数据;
特征提取单元,用于将数据清洗单元得到的数据进行量化特征提取。
在一些实施例中,所述采集模块,包括:
第一采集单元,用于通过传感器采集应急事件发生现场数据,形成第一应急数据,发送至所述社区应急管理系统;
需求反馈单元,用于社区应急管理系统根据第一应急数据,确定应急处理模型,发出应急事件处理指令,并同时推送至城市处理部门;
第二采集单元,用于社区应急管理系统分析第一应急数据后,如果存在数据需求,则将数据需求回传至指定传感器进行二次采集,得到第二应急数据,并返回至社区应急管理系统。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本发明公开的一些实施方式,而不应将其视为是对本发明范围的限制。
图1示出根据本发明实施例的基于城市超脑的社区管理方法的流程图。
图2示出根据本发明实施例的基于城市超脑的社区管理装置的构成图。
图3示出根据本发明实施例的构建模块的构成图。
图4示出根据本发明实施例的采集模块的构成图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出根据本发明实施例的基于城市超脑的社区管理方法的流程图。如图1所示,该基于城市超脑的社区管理方法包括:
步骤S11、按照应急事件类型对应急事件档案进行分类,通过深度学习方法,对每种类型的应急事件根据社区应急管理处理流程进行建模,构建社区应急管理系统。
在一种实施方式中,采用深度学习网络,输入端为应急事件的类型、环境参数、社区资源,输出端为应急事件的处理模型;
具体来说,通过对社区历史案件的深度学习,得到了不同历史案件的类型、环境参数及社区资源,经过多层迭代后,深度学习网络进入稳态,整个学习过程也就结束。
在一种实施方式中,所述应急处理模型中包含了每种类型应急事件的阶段特征及对应的处理流程。
具体来说,一个应急事件从发生到处理完毕中间会经历很多阶段,每个阶段的阶段特征及处理流程不同。例如,社区中出现临产孕妇问题,发现临产孕妇、将孕妇安全快捷送至医院、医院进行预先准备、孕妇分娩后返回社区坐月子,这都涉及到了社区、医院、交通运输等多个部门的联动,每个阶段的特征不同,处理部门不同,处理步骤也不同,因此,需要在处理模型中细化每种类型应急事件的处理流程,从而提高解决社区应急问题的效率。
在一种实施方式中,所述深度学习,包括:
采用多线程并行方式同时对至少一种类型的应急事件进行建模,并将建模结果发送至城市处理部门。
在一种实施方式中,所述深度学习,包括:
在所述深度学习网络中,中间隐层神经元的激活函数采用ReLU函数,公式为:
o=max(0,i),
其中。为输出端即应急事件的处理模型,i为输入端即应急事件的类型、环境参数、社区资源;最后一层激活函数采用softmax函数,公式为:
其中oi为第i层输出,zj为输入j经过加权、求和、偏向得到的中间变量;损失函数采用交叉熵损失函数,公式为:
其中x(i)为期望输出,为实际输出;优化函数采用随机梯度下降法,迭代训练直至所述深度学习网络进入稳态。
步骤S12、通过传感器实时采集应急事件发生现场数据,采用异步反馈方式发送至所述社区应急管理系统,触发应急管理系统开始应急响应。
在一种实施方式中,通过传感器采集应急事件发生现场数据,形成第一应急数据,发送至所述社区应急管理系统;
在一种实施方式中,社区应急管理系统根据第一应急数据,确定应急处理模型,发出应急事件处理指令,并同时推送至城市处理部门;
在一种实施方式中,社区应急管理系统分析第一应急数据后,如果存在数据需求,则将数据需求回传至指定传感器进行二次采集,得到第二应急数据,并返回至社区应急管理系统。
举例来说,孕妇临产之前一般比较突然,当孕妇发现紧急情况时,会首先通知医院,医院智能初步了解孕妇的情况,在进行分娩准备是,往往还需要调取孕妇的病史、家庭情况,因此需要将该数据需求回传至社区,进行二次采集,获取孕妇的详细情况,以便进行安全准确的准备。
步骤S13、根据应急事件的性质、阶段,判断处理应急事件采用的处理模型,根据所述处理模型计算出社区环境配置调整参数,调整社区环境配置。
在一种实施方式中,在调整社区环境配置过程中,传感器实时回传应急现场环境数据,所述社区应急管理系统根据所述应急事件模型及应急事件现场环境数据,生成并发送社区环境微调指令。
举例来说,当发生消防险情时,一般社区都会首先调用社区内部的消防资源进行灭或操作,在灭火的过程中,传感器将实时回传现场火情情况,并根据现场火情进行资源的调配,并发送关闭闸门、切断指定电力、燃气等环境微调指令。
步骤S14、根据应急事件的性质、阶段,通过社区应急管理模型得出需要参与处理应急事件的城市部门,向所述城市部门发送处理请求及应急事件现场数据,并配置社区开启与城市处理部门之间的预热对接状态。
在一种实施方式中,所述配置社区开启与城市处理部门之间的预热对接状态,包括:
在应急管理系统向所述城市部门发送处理请求及应急事件现场数据的同时,向社区发出环境配置指令,按照城市处理部门处理应急事件的需求,进行社区环境调整。
举例来说,交通部门在接收到社区孕妇即将从社区前往医院的指令后,将派出距离孕妇最近的急救车前往,并实时对前往医院的交通道路进行分析,获取最便捷的行进线路,有必要时向城市交管部分发送协助请求;医院此时可以为孕妇准备好担架、床位,配置好医生、护士、药物等医疗资源,并预估好对接地点及对接事件,实现整个过程的无缝化对接。
图2示出根据本发明实施例的基于城市超脑的社区管理装置的构成图。如图2所示,该基于城市超脑的社区管理装置整体可以分为:
构建模块21,用于按照应急事件类型对应急事件档案进行分类,通过深度学习方法,对每种类型的应急事件根据社区应急管理处理流程进行建模,构建社区应急管理系统;
采集模块22,用于通过传感器实时采集应急事件发生现场数据,采用异步反馈方式发送至所述社区应急管理系统,触发应急管理系统开始应急响应;
调整模块23,用于根据应急事件的性质、阶段,判断处理应急事件采用的处理模型,根据所述处理模型计算出社区环境配置调整参数,调整社区环境配置;
协调模块24,用于根据应急事件的性质、阶段,通过社区应急管理模型得出需要参与处理应急事件的城市部门,向所述城市部门发送处理请求及应急事件现场数据,并配置社区开启与城市处理部门之间的预热对接状态。
图3示出根据本发明实施例的构建模块的构成图。如图3所示,该构建模块可以分为:
数据清洗单元211,用于对传感器采集的数据进行归一化处理,并转换为标准数据;
特征提取单元212,用于将数据清洗单元得到的数据进行量化特征提取。
图4示出根据本发明实施例的采集模块的构成图。如图4所示,该采集模块包括:
第一采集单元221,用于通过传感器采集应急事件发生现场数据,形成第一应急数据,发送至所述社区应急管理系统;
需求反馈单元,用于社区应急管理系统根据第一应急数据,确定应急处理模型,发出应急事件处理指令,并同时推送至城市处理部门;
第二采集单元222,用于社区应急管理系统分析第一应急数据后,如果存在数据需求,则将数据需求回传至指定传感器进行二次采集,得到第二应急数据,并返回至社区应急管理系统。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于城市超脑的社区管理方法,其特征在于,包括:
按照应急事件类型对应急事件档案进行分类,通过深度学习方法,对每种类型的应急事件根据社区应急管理处理流程进行建模,构建社区应急管理系统;
通过传感器实时采集应急事件发生现场数据,采用异步反馈方式发送至所述社区应急管理系统,触发应急管理系统开始应急响应;
根据应急事件的性质、阶段,判断处理应急事件采用的处理模型,根据所述处理模型计算出社区环境配置调整参数,调整社区环境配置;
根据应急事件的性质、阶段,通过社区应急管理模型得出需要参与处理应急事件的城市部门,向所述城市部门发送处理请求及应急事件现场数据,并配置社区开启与城市处理部门之间的预热对接状态。
2.根据权利要求1所述的方法,其特征在于,所述按照应急事件类型对应急事件档案进行分类,通过深度学习方法,对每种类型的应急事件根据社区应急管理处理流程进行建模,构建社区应急管理系统,包括:
采用深度学习网络,输入端为应急事件的类型、环境参数、社区资源,输出端为应急事件的处理模型;
所述应急处理模型中包含了每种类型应急事件的阶段特征及对应的处理流程。
3.根据权利要求2所述的方法,其特征在于,所述深度学习,包括:
采用多线程并行方式同时对至少一种类型的应急事件进行建模,并将建模结果发送至城市处理部门。
4.根据权利要求1所述的方法,其特征在于,所述通过传感器实时采集应急事件发生现场数据,采用异步反馈方式发送至所述社区应急管理系统,触发应急管理系统开始应急响应,包括:
通过传感器采集应急事件发生现场数据,形成第一应急数据,发送至所述社区应急管理系统;
社区应急管理系统根据第一应急数据,确定应急处理模型,发出应急事件处理指令,并同时推送至城市处理部门;
社区应急管理系统分析第一应急数据后,如果存在数据需求,则将数据需求回传至指定传感器进行二次采集,得到第二应急数据,并返回至社区应急管理系统。
5.根据权利要求1所述的方法,其特征在于,所述根据应急事件的性质、阶段,判断处理应急事件采用的处理模型,根据所述处理模型计算出社区环境配置调整参数,调整社区环境配置,包括:
在调整社区环境配置过程中,传感器实时回传应急现场环境数据,所述社区应急管理系统根据所述应急事件模型及应急事件现场环境数据,生成并发送社区环境微调指令。
6.根据权利要求1所述的方法,其特征在于,所述配置社区开启与城市处理部门之间的预热对接状态,包括:
在应急管理系统向所述城市部门发送处理请求及应急事件现场数据的同时,向社区发出环境配置指令,按照城市处理部门处理应急事件的需求,进行社区环境调整。
7.根据权利要求3所述的方法,其特征在于,所述深度学习,包括:
在所述深度学习网络中,中间隐层神经元的激活函数采用ReLU函数,公式为:
o=max(0,i),
其中o为输出端即应急事件的处理模型,i为输入端即应急事件的类型、环境参数、社区资源;最后一层激活函数采用softmax函数,公式为:
其中oi为第i层输出,zj为输入j经过加权、求和、偏向得到的中间变量;损失函数采用交叉熵损失函数,公式为:
其中x(i)为期望输出,为实际输出;优化函数采用随机梯度下降法,迭代训练直至所述深度学习网络进入稳态。
8.一种基于城市超脑的社区管理装置,其特征在于,包括:
构建模块,用于按照应急事件类型对应急事件档案进行分类,通过深度学习方法,对每种类型的应急事件根据社区应急管理处理流程进行建模,构建社区应急管理系统;
采集模块,用于通过传感器实时采集应急事件发生现场数据,采用异步反馈方式发送至所述社区应急管理系统,触发应急管理系统开始应急响应;
调整模块,用于根据应急事件的性质、阶段,判断处理应急事件采用的处理模型,根据所述处理模型计算出社区环境配置调整参数,调整社区环境配置;
协调模块,用于根据应急事件的性质、阶段,通过社区应急管理模型得出需要参与处理应急事件的城市部门,向所述城市部门发送处理请求及应急事件现场数据,并配置社区开启与城市处理部门之间的预热对接状态。
9.根据权利要求8所述的装置,其特征在于,所述构建模块,包括:
数据清洗单元,用于对传感器采集的数据进行归一化处理,并转换为标准数据;
特征提取单元,用于将数据清洗单元得到的数据进行量化特征提取。
10.根据权利要求8所述的装置,其特征在于,所述采集模块,包括:
第一采集单元,用于通过传感器采集应急事件发生现场数据,形成第一应急数据,发送至所述社区应急管理系统;
需求反馈单元,用于社区应急管理系统根据第一应急数据,确定应急处理模型,发出应急事件处理指令,并同时推送至城市处理部门;
第二采集单元,用于社区应急管理系统分析第一应急数据后,如果存在数据需求,则将数据需求回传至指定传感器进行二次采集,得到第二应急数据,并返回至社区应急管理系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910372677.0A CN110223209B (zh) | 2019-05-06 | 2019-05-06 | 一种基于城市超脑的社区管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910372677.0A CN110223209B (zh) | 2019-05-06 | 2019-05-06 | 一种基于城市超脑的社区管理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110223209A true CN110223209A (zh) | 2019-09-10 |
CN110223209B CN110223209B (zh) | 2020-06-26 |
Family
ID=67820460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910372677.0A Active CN110223209B (zh) | 2019-05-06 | 2019-05-06 | 一种基于城市超脑的社区管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223209B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080950A (zh) * | 2019-12-30 | 2020-04-28 | 四川亨通网智科技有限公司 | 全域文旅应急指挥平台 |
CN111144695A (zh) * | 2019-11-28 | 2020-05-12 | 博康智能信息技术有限公司 | 智能指挥调度大脑方法及系统 |
CN111359132A (zh) * | 2020-03-30 | 2020-07-03 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的智慧消防警报方法及系统 |
CN111667201A (zh) * | 2020-07-10 | 2020-09-15 | 南通市亿控自动化系统有限公司 | 一种工业互联网智能监控的信息处理方法和装置 |
CN118115340A (zh) * | 2024-04-28 | 2024-05-31 | 成都威而信实业有限公司 | 基于区块链的应急管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745305A (zh) * | 2013-12-20 | 2014-04-23 | 浙江工商大学 | 一种面向城市安全突发事件的双向反馈自适应协调方法 |
CN103995504A (zh) * | 2014-04-17 | 2014-08-20 | 广东工业大学 | 一种基于物联网的危化品在途监控与事故应急救援系统 |
CN104361470A (zh) * | 2014-11-28 | 2015-02-18 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于预案的多目标辅助决策平台 |
CN108197735A (zh) * | 2017-12-28 | 2018-06-22 | 青岛图环视信息技术有限公司 | 一种城市应急联动指挥方法和系统 |
US20180246780A1 (en) * | 2017-02-28 | 2018-08-30 | Gas Technology Institute | System and method for automated and intelligent quantitative risk assessment of infrastructure systems |
-
2019
- 2019-05-06 CN CN201910372677.0A patent/CN110223209B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745305A (zh) * | 2013-12-20 | 2014-04-23 | 浙江工商大学 | 一种面向城市安全突发事件的双向反馈自适应协调方法 |
CN103995504A (zh) * | 2014-04-17 | 2014-08-20 | 广东工业大学 | 一种基于物联网的危化品在途监控与事故应急救援系统 |
CN104361470A (zh) * | 2014-11-28 | 2015-02-18 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于预案的多目标辅助决策平台 |
US20180246780A1 (en) * | 2017-02-28 | 2018-08-30 | Gas Technology Institute | System and method for automated and intelligent quantitative risk assessment of infrastructure systems |
CN108197735A (zh) * | 2017-12-28 | 2018-06-22 | 青岛图环视信息技术有限公司 | 一种城市应急联动指挥方法和系统 |
Non-Patent Citations (1)
Title |
---|
戚欣等: "人工智能助力智慧城市建设", 《智能建筑与智慧城市》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144695A (zh) * | 2019-11-28 | 2020-05-12 | 博康智能信息技术有限公司 | 智能指挥调度大脑方法及系统 |
CN111080950A (zh) * | 2019-12-30 | 2020-04-28 | 四川亨通网智科技有限公司 | 全域文旅应急指挥平台 |
CN111359132A (zh) * | 2020-03-30 | 2020-07-03 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的智慧消防警报方法及系统 |
CN111359132B (zh) * | 2020-03-30 | 2021-07-30 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的智慧消防警报方法及系统 |
CN111667201A (zh) * | 2020-07-10 | 2020-09-15 | 南通市亿控自动化系统有限公司 | 一种工业互联网智能监控的信息处理方法和装置 |
CN118115340A (zh) * | 2024-04-28 | 2024-05-31 | 成都威而信实业有限公司 | 基于区块链的应急管理方法及系统 |
CN118115340B (zh) * | 2024-04-28 | 2024-07-02 | 成都威而信实业有限公司 | 基于区块链的应急管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110223209B (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223209A (zh) | 一种基于城市超脑的社区管理方法及装置 | |
Zhang et al. | Links between green space and public health: a bibliometric review of global research trends and future prospects from 1901 to 2019 | |
Tembine | Risk-sensitive mean field stochastic games | |
Harper et al. | Modelling for the planning and management of bed capacities in hospitals | |
Yousefi et al. | An agent-based simulation combined with group decision-making technique for improving the performance of an emergency department | |
CN112529329A (zh) | 基于bp算法和seir模型的传染病预测方法 | |
CN107153775B (zh) | 一种智能分诊方法及装置 | |
Moscholios et al. | Congestion probabilities of elastic and adaptive calls in Erlang-Engset multirate loss models under the threshold and bandwidth reservation policies | |
Auerbach et al. | Spatiotemporal controls of simulated metacommunity dynamics in dendritic networks | |
CN201788510U (zh) | 融合粒子群与可拓粗糙格的动态电子病历协同挖掘系统 | |
da Silveira Grübler et al. | A hospital bed allocation hybrid model based on situation awareness | |
Lemke et al. | Medical data analysis using self-organizing data mining technologies | |
Noori et al. | A Dynamic Perspective of Emerging Coordination Clusters in Crisis Response Networks. | |
Klement et al. | Using SOM in the performance monitoring of the emergency call-taking system | |
Chahal et al. | Hybrid simulation and modes of governance in UK healthcare | |
Brailsford | Theoretical comparison of discrete‐event simulation and system dynamics | |
Zanette | Statistical properties of model kinship networks | |
Narzisi et al. | Resilience in the face of disaster: Accounting for varying disaster magnitudes, resource topologies, and (sub) population distributions in the plan c emergency planning tool | |
Hosseini et al. | A bi-objective model for emergency services location-allocation problem with maximum distance constraint | |
de Oliveira et al. | An integrated emergency care delivery system for major events | |
CN113990479A (zh) | 一种医疗监控系统及方法 | |
Rafanelli et al. | An object oriented decision support system for the planning of health resource allocation | |
Jabar et al. | Modified Delphi study to determine optimal data elements for inclusion in an emergency management database system | |
Chen et al. | Optimizing information-driven awareness allocation for controlling activity-triggered epidemic spread | |
CN114678113B (zh) | 一种基于卷积神经网络的智能急诊预检分诊系统 |
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 |