CN110705819B - 一种基于大数据的社区资源匹配方法和系统 - Google Patents

一种基于大数据的社区资源匹配方法和系统 Download PDF

Info

Publication number
CN110705819B
CN110705819B CN201910769719.4A CN201910769719A CN110705819B CN 110705819 B CN110705819 B CN 110705819B CN 201910769719 A CN201910769719 A CN 201910769719A CN 110705819 B CN110705819 B CN 110705819B
Authority
CN
China
Prior art keywords
community
time domain
distribution
space
sensing
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.)
Active
Application number
CN201910769719.4A
Other languages
English (en)
Other versions
CN110705819A (zh
Inventor
余恒兵
董绘
廖旻可
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.)
Chongqing Terminus Technology Co Ltd
Original Assignee
Chongqing Terminus Technology 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 Chongqing Terminus Technology Co Ltd filed Critical Chongqing Terminus Technology Co Ltd
Priority to CN201910769719.4A priority Critical patent/CN110705819B/zh
Publication of CN110705819A publication Critical patent/CN110705819A/zh
Application granted granted Critical
Publication of CN110705819B publication Critical patent/CN110705819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于大数据的社区资源匹配方法，其中，所述社区资源匹配方法包括：社区服务对象感知步骤，对社区服务对象进行计数以形成若干感知记录文件；分析与资源调度步骤，将所述若干感知记录文件进行分析处理，从而生成社区资源调度方案。本发明还提供了该方法的社区资源匹配系统。本发明通过社区服务对象感知步骤对社区服务对象进行计数形成若干感知记录文件，从而由分析与资源调度步骤对所述若干感知记录文件进行分析处理生成社区资源调度方案。使得社区资源需求量能够与社区资源相匹配，在控制社区资源总量的基础上，达到既能满足社区服务要求又能够降低成本的目的；科学化程度较高。

Description

一种基于大数据的社区资源匹配方法和系统
技术领域
本发明涉及智慧社区技术领域，特别涉及一种基于大数据的社区资源匹配方法和系统。
背景技术
居住社区的物业管理通常都配置人力资源，比如保安、交通疏导员和保洁员等，以便为社区安全和社区环境提供方便；在现代化的智慧社区中，往往采用清扫机器人和巡逻机器人等物料资源来保障社区环境与社区安全。
对于大型居住社区来说，无论是传统的人力资源或是现代化的物料资源都会造成投资成本高的问题，所以可以在控制社区资源总量的基础上，将社区资源与资源需求优化匹配，来达到既能满足社区服务要求又能够降低成本的目的。但是，现有的社区资源与资源需求的匹配都是通过物业管理者根据经验或者人工统计来执行调度管理，存在科学化程度不高的问题。
因此，现有技术中迫切地需要一种基于大数据的社区资源匹配方法和系统。使得社区资源与资源需求相匹配，不仅能够满足社区服务要求，而且能够降低成本；科学化程度较高。
发明内容
(一)发明目的
为克服上述现有技术存在的至少一种缺陷，本发明提供了一种基于大数据的社区资源匹配方法和系统。实现社区资源与资源需求的匹配，满足社区服务要求，降低成本；科学化程度较高。
(二)技术方案
作为本发明的第一方面，本发明公开了一种基于大数据的社区资源匹配方法，包括以下步骤：
社区服务对象感知步骤，对社区服务对象进行计数以形成若干感知记录文件；
分析与资源调度步骤，将所述若干感知记录文件进行分析处理，从而生成社区资源调度方案。
一种可能的实施方式中，所述社区服务对象感知步骤中，通过若干感知设备对预设时长内的所述社区服务对象进行实时感知计数，从而根据计数结果形成所述感知记录文件。
一种可能的实施方式中，所述分析与资源调度步骤包括：大数据分析步骤；所述大数据分析步骤对所述感知记录文件进行大数据分析，从而获得所述社区服务对象感知步骤中的所述社区服务对象的时域分布特征。
一种可能的实施方式中，所述大数据分析步骤还根据所述时域分布特征，确定所述社区服务对象感知步骤中的所述社区服务对象的分布高峰时域区间。
一种可能的实施方式中，所述分析与资源调度步骤还包括：资源调度步骤，所述资源调度步骤将所述分布高峰时域区间转换为所述社区服务对象感知步骤中的社区资源需求量，从而根据所述社区资源需求量生成所述社区资源调度方案。
一种可能的实施方式中，所述大数据分析步骤还根据所述时域分布特征，确定任意两个社区空间的分布相似度。
一种可能的实施方式中，所述分析与资源调度步骤还包括：资源调度步骤，所述资源调度步骤将分布相似度低的社区空间划分为同一个调度组，针对该调度组分配社区资源，并进行调度组内的错峰调配。
作为本发明的第二方面，本发明公开了一种基于大数据的社区资源匹配系统，包括：
感知设备，安装于若干社区空间单元，用于对社区服务对象进行计数以形成若干感知记录文件，并将所述若干感知记录文件发送至后台服务器；
后台服务器，用于将所述若干感知记录文件进行分析处理，从而生成社区资源调度方案。
一种可能的实施方式中,所述社区空间单元设置有若干所述感知设备，所述若干所述感知设备用于对预设时长内的所述社区服务对象进行实时感知计数，从而根据计数结果形成所述感知记录文件。
一种可能的实施方式中,所述后台服务器包括：大数据分析单元；所述大数据分析单元用于对所述感知记录文件进行大数据分析，从而获得所述社区空间单元的所述社区服务对象的时域分布特征。
一种可能的实施方式中,所述大数据分析单元还用于根据所述时域分布特征，确定所述社区空间单元的所述社区服务对象的分布高峰时域区间。
一种可能的实施方式中,所述后台服务器还包括：资源调度单元，所述资源调度单元用于将所述分布高峰时域区间转换为所述社区空间单元的社区资源需求量，从而根据所述社区资源需求量生成所述社区资源调度方案。
一种可能的实施方式中，所述大数据分析单元还根据所述时域分布特征，确定任意两个社区空间的分布相似度。
一种可能的实施方式中，所述后台服务器还包括：资源调度单元，所述资源调度单元将分布相似度低的社区空间划分为同一个调度组，针对该调度组分配社区资源，并进行调度组内的错峰调配。
(三)有益效果
本发明提供的一种基于大数据的社区资源匹配方法和系统，通过社区服务对象感知步骤对社区服务对象进行计数形成若干感知记录文件，从而由分析与资源调度步骤对所述若干感知记录文件进行分析处理生成社区资源调度方案。使得社区资源需求量能够与社区资源相匹配，在控制社区资源总量的基础上，达到既能满足社区服务要求又能够降低成本的目的；科学化程度较高。
附图说明
以下参考附图描述的实施例是示例性的，旨在用于解释和说明本发明，而不能理解为对本发明的保护范围的限制。
图1是本发明提供的一种基于大数据的社区资源匹配方法的流程图。
图2是本发明提供的一种基于大数据的社区资源匹配系统的结构示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。
需要说明的是：在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，均仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。
下面参考图1详细描述本发明提供的一种基于大数据的社区资源匹配方法的第一实施例。如图1所示，本实施例提供的社区资源匹配方法主要包括有：社区服务对象感知步骤和分析与资源调度步骤。
社区服务对象感知步骤，对社区服务对象进行计数以形成若干感知记录文件。存在若干社区空间为居住社区内的社区服务对象进行计数并形成若干感知记录文件。所述社区空间可以为一栋小区建筑及其周边道路、空地和广场等形成的一个空间区域、多栋临近建筑及其周边所形成的一个空间区域或者一栋建筑中的局部区域等。所述社区服务对象感知步骤可以为一栋小区建筑及其周边道路、空地和广场等形成的一个空间区域进行社区服务对象的计数并记录至感知记录文件中；所述社区服务对象感知步骤也可以为多栋临近建筑及其周边所形成的一个空间区域进行社区服务对象的计数并记录至感知记录文件中；所述社区服务对象感知步骤还可以为一栋建筑中的局部区域进行社区服务对象的计数并记录至感知记录文件中。
所述社区服务对象可以为人物和车辆等；一个社区空间可生成一个感知记录文件，若干社区空间可生成若干感知记录文件。
分析与资源调度步骤，将所述若干感知记录文件进行分析处理，从而生成社区资源调度方案。在分析与资源调度步骤中，对若干感知记录文件记录的所述社区服务对象的计数值进行分析，从而在控制社区资源总量的基础上，使得社区资源总量与每一社区空间的所述社区服务对象对应的社区资源需求量相匹配，不仅能够满足社区服务要求，而且能够降低投资成本。
其中，所述社区服务对象感知步骤中，通过若干感知设备对预设时长内的所述社区服务对象进行实时感知计数，从而根据计数结果形成所述感知记录文件。所述感知设备可以为视频摄像头以及ETC车辆感应器等，使用视频摄像头可以拍摄所述社区空间内行走的人物；使用ETC车辆感应器可以感应所述社区空间内的通行车辆。感知设备每拍摄到一个行走的人物，或者每感应到一台通行的车辆，就为该社区空间内存在的社区服务对象的计数值增加一个计数。当所述视频摄像头在预设时长内拍摄到人物a时，可根据服装特征和/或面部特征判断在所述预设时长内是否拍摄到过人物a，若否，则增加所述社区服务对象的计数值，若是，则不增加所述社区服务对象的计数值；当所述视频摄像头在预设时长内拍摄到人物a时，若所述视频摄像头在预设时长之外的时间内拍摄到人物a，则增加所述社区服务对象的计数值。当所述ETC车辆感应器在预设时长内感应到车辆b时，可根据车牌号码信息判断在所述预设时长内是否感应到过车辆b，若否，则增加所述社区服务对象的计数值，若是，则不增加所述社区服务对象的计数值；当所述ETC车辆感应器在预设时长内感应到车辆b时，若所述ETC车辆感应器在预设时长之外的时间内又感应到车辆b，则增加所述社区服务对象的计数值。
若所述预设时长为5分钟，则5分钟进行一次计数，所述计数值即为5分钟内该社区空间中出现的社区服务对象的数量。一台感知设备一小时可以提供12个计数值，一天24小时可以提供288个计数值。若存在100个社区空间，每个社区空间中存在一台感知设备，则一天内一个社区空间中的一个感知设备形成288个计数值组成的一个感知记录文件，100个社区空间中的全部感知设备一天形成100个感知记录文件。全部感知设备可将所述100个感知记录文件上传至分析与资源调度步骤中。
其中，所述分析与资源调度步骤包括：大数据分析步骤；所述大数据分析步骤对所述感知记录文件进行大数据分析，从而获得所述社区服务对象感知步骤中的所述社区服务对象的时域分布特征。在大数据分析步骤中，可以先进行一天24小时内的时域划分；进而根据每个感知设备生成的每个感知记录文件中的计数值统计每个时域区间的平均计数值，从而生成该社区空间中的社区服务对象的时域分布特征。比如，当感知设备每5分钟进行一次计数时，可将30分钟划分为一个时域区间，一天24小时即可划分为48个时域区间，所述48个时域区间为0:00-0:30、0:30-1:00、……22:30-23:00、23:00-23:30、23:30-24:00。每个感知设备每天生成一个感知记录文件，每个感知记录文件中记录了288个计数值，可以统计分布在0:00-0:30中的计数值的平均计数值，作为该时域区间的平均计数值；统计0:30-1:00中的计数值的平均计数值，作为该时域区间的平均计数值，以此类推，一个感知记录文件可统计出48个平均计数值，可将48个平均计数值组合形成数组，所述数组即为该社区空间中的社区服务对象的时域分布特征。
其中，所述大数据分析步骤还根据所述时域分布特征，确定所述社区服务对象感知步骤中的所述社区服务对象的分布高峰时域区间。在大数据分析步骤中，可根据时域分布特征确定每个社区空间中的社区服务对象分布高峰的时域区间，进而将在分析时间窗口中的每个社区空间中的社区服务对象分布高峰的时域区间进行集合，从而形成该社区空间的分布高峰时域区间。比如，当某个时域区间的平均计数值大于特定阈值时，则定义该时域区间为一个分布高峰，每个社区空间中在一天24小时内可能存在一个分布高峰、多个分布高峰或者不存在分布高峰；可根据A社区空间的时域分布特征，确定6:30-7:00作为该A社区空间的分布高峰；可根据B社区空间中的社区服务对象的时域分布特征，确定8:30-9:00为B社区空间的分布高峰；所述分析时间窗口可以为一周，当A社区空间在一周内有3天6:30-7:00作为分布高峰，有2天7:30-8:00作为分布高峰，有2天不存在分布高峰，则A社区空间中集合之后的分布高峰时域区间为6:30-8:00。
其中，所述分析与资源调度步骤还包括：资源调度步骤，所述资源调度步骤将所述分布高峰时域区间转换为所述社区服务对象感知步骤中的社区资源需求量，从而根据所述社区资源需求量生成所述社区资源调度方案。可选择分布高峰时域区间交错的社区空间组成同一调度组，从而针对该调度组分配社区资源，并进行调度组内的错峰调配。当A社区空间和B社区空间中的分布高峰时域区间均为6:30-8:00，C社区空间和D社区空间中的分布高峰时域区间均为16:00-17:00时，可以将A社区空间和C社区空间作为一个调度组，B社区空间和D社区空间作为一个调度组；可根据A社区空间和C社区空间的分布高峰的平均计数值，通过映射关系转换为社区资源需求量；可根据B社区空间和D社区空间的分布高峰的平均计数值，通过映射关系转换为社区资源需求量；可根据社区资源需求量分配社区资源。
或者，作为另一种实施方式，所述大数据分析步骤还可以根据所述社区服务对象的时域分布特征，确定任意两个社区空间的分布相似度，进而资源调度步骤中将分布相似度低的社区空间划分为同一个调度组，从而针对该调度组分配社区资源，并进行调度组内的错峰调配。具体来说，假设A社区空间的时域分布特征的平均计数值数组为：
X(A)＝{x1(A)，x2(A)，......xT(A)}
其中x1(A)，x2(A)，......xT(A)表示A社区空间对应的感知记录文件中的平均计数值；相类似的，B社区空间的时域分布特征的平均计数值数组为：
X(B)＝{x1(B)，x2(B)，......xT(B)}
根据以上两个社区空间A和B各自的时域分布特征的平均计数值数组，可以计算两个社区空间A和B的分布相似度：
Figure BDA0002173163560000091
如果两个社区空间的分布相似度低于分布相似度阈值，则将两个社区空间A和B确定分布相似度低的社区空间。通过遍历社区的每两个社区空间，求得每两个社区空间之间的分布相似度，从而在资源调度步骤中将分布相似度低的社区空间划分为同一个调度组。
本发明通过社区服务对象感知步骤对社区服务对象进行计数形成若干感知记录文件，从而由分析与资源调度步骤对所述若干感知记录文件进行分析处理生成社区资源调度方案。使得社区资源需求量能够与社区资源相匹配，在控制社区资源总量的基础上，达到既能满足社区服务要求又能够降低成本的目的；科学化程度较高。
下面参考图2详细描述本发明提供的一种基于大数据的社区资源匹配系统的第一实施例。如图2所示，本实施例提供的社区资源匹配系统主要包括有：感知设备和后台服务器。
感知设备，安装于若干社区空间单元，用于对社区服务对象进行计数以形成若干感知记录文件，并将所述若干感知记录文件发送至后台服务器；
后台服务器，用于将所述若干感知记录文件进行分析处理，从而生成社区资源调度方案。
其中，所述社区空间单元设置有若干所述感知设备，所述若干所述感知设备用于对预设时长内的所述社区服务对象进行实时感知计数，从而根据计数结果形成所述感知记录文件。
其中，所述后台服务器包括：大数据分析单元；所述大数据分析单元用于对所述感知记录文件进行大数据分析，从而获得所述社区空间单元的所述社区服务对象的时域分布特征。可以先进行一天24小时内的时域划分；进而根据每个感知设备生成的每个感知记录文件中的计数值统计每个时域区间的平均计数值，从而生成该社区空间中的社区服务对象的时域分布特征。
其中，所述大数据分析单元还用于根据所述时域分布特征，确定所述社区空间单元的所述社区服务对象的分布高峰时域区间。在大数据分析单元中，可根据时域分布特征确定每个社区空间单元中的社区服务对象分布高峰的时域区间，进而将在分析时间窗口中的每个社区空间单元中的社区服务对象分布高峰的时域区间进行集合，从而形成该社区空间单元的分布高峰时域区间。比如，当某个时域区间的平均计数值大于特定阈值时，则定义该时域区间为一个分布高峰。
其中，所述后台服务器还包括：资源调度单元，所述资源调度单元用于将所述分布高峰时域区间转换为所述社区空间单元的社区资源需求量，从而根据所述社区资源需求量生成所述社区资源调度方案。可选择分布高峰时域区间交错的社区空间组成同一调度组，从而针对该调度组分配社区资源，并进行调度组内的错峰调配。
或者，作为另一种实施方式，所述大数据分析单元还可以根据所述社区服务对象的时域分布特征，确定任意两个社区空间的分布相似度，进而资源调度单元中将分布相似度低的社区空间划分为同一个调度组，从而针对该调度组分配社区资源，并进行调度组内的错峰调配。具体来说，假设A社区空间的时域分布特征的平均计数值数组为：
X(A)＝{x1(A)，x2(A)，......xT(A)}
其中x1(A)，x2(A)，......xT(A)表示A社区空间对应的感知记录文件中的平均计数值；相类似的，B社区空间的时域分布特征的平均计数值数组为：
X(B)＝{x1(B)，x2(B)，......xT(B)}
根据以上两个社区空间A和B各自的时域分布特征的平均计数值数组，可以计算两个社区空间A和B的分布相似度：
Figure BDA0002173163560000111
如果两个社区空间的分布相似度低于分布相似度阈值，则将两个社区空间A和B确定分布相似度低的社区空间。通过遍历社区的每两个社区空间，求得每两个社区空间之间的分布相似度，从而在资源调度步骤中将分布相似度低的社区空间划分为同一个调度组。
本发明通过若干感知设备对社区服务对象进行计数形成若干感知记录文件，从而由后台服务器对所述若干感知记录文件进行分析处理生成社区资源调度方案。使得社区资源需求量能够与社区资源相匹配，在控制社区资源总量的基础上，达到既能满足社区服务要求又能够降低成本的目的；科学化程度较高。
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，可轻易想到的变化或替换，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 (4)

1.一种基于大数据的社区资源匹配方法，其特征在于，包括：
社区服务对象感知步骤，对社区服务对象进行计数以形成若干感知记录文件；存在若干社区空间为居住社区内的社区服务对象进行计数并形成若干感知记录文件；所述社区空间包括：一栋小区建筑及其周边道路、空地和广场形成的空间区域、多栋临近建筑及其周边所形成的空间区域或者一栋建筑中的局部区域；所述社区服务对象包括人物和车辆；一个社区空间生成一个感知记录文件，若干社区空间生成若干感知记录文件；
分析与资源调度步骤，将所述若干感知记录文件进行分析处理，从而生成社区资源调度方案；对若干感知记录文件记录的所述社区服务对象的计数值进行分析，从而在控制社区资源总量的基础上，使得社区资源总量与每一社区空间的所述社区服务对象对应的社区资源需求量相匹配；
所述分析与资源调度步骤包括：大数据分析步骤；所述大数据分析步骤对所述感知记录文件进行大数据分析，从而获得所述社区服务对象感知步骤中的所述社区服务对象的时域分布特征；大数据分析步骤包括：进行一天24小时内的时域划分；进而根据每个感知设备生成的每个感知记录文件中的计数值统计每个时域区间的平均计数值，从而生成该社区空间中的社区服务对象的时域分布特征；当感知设备每5分钟进行一次计数时，将30分钟划分为一个时域区间，一天24小时划分为48个时域区间；每个感知设备每天生成一个感知记录文件，每个感知记录文件中记录了288个计数值，统计分布在0：00-0：30中的计数值的平均计数值，作为该时域区间的平均计数值；统计0：30-1：00中的计数值的平均计数值，作为该时域区间的平均计数值，以此类推，一个感知记录文件统计出48个平均计数值，将48个平均计数值组合形成数组，所述数组即为该社区空间中的社区服务对象的时域分布特征；
所述大数据分析步骤还根据所述时域分布特征，确定所述社区服务对象感知步骤中的所述社区服务对象的分布高峰时域区间；在大数据分析步骤中，根据时域分布特征确定每个社区空间中的社区服务对象分布高峰的时域区间，进而将在分析时间窗口中的每个社区空间中的社区服务对象分布高峰的时域区间进行集合，从而形成该社区空间的分布高峰时域区间；当某个时域区间的平均计数值大于特定阈值时，则定义该时域区间为一个分布高峰；
当分析时间窗口为一周时，且A社区空间在一周内有3天6:30-7:00作为分布高峰，有2天7:30-8:00作为分布高峰，有2天不存在分布高峰，则A社区空间中集合之后的分布高峰时域区间为6:30-8:00；
所述分析与资源调度步骤还包括：资源调度步骤，所述资源调度步骤将所述分布高峰时域区间转换为所述社区服务对象感知步骤中的社区资源需求量，从而根据所述社区资源需求量生成所述社区资源调度方案；选择分布高峰时域区间交错的社区空间组成同一调度组，从而针对该调度组分配社区资源，并进行调度组内的错峰调配；当A社区空间和B社区空间中的分布高峰时域区间均为6:30-8:00，C社区空间和D社区空间中的分布高峰时域区间均为16：00-17：00时，将A社区空间和C社区空间作为一个调度组，B社区空间和D社区空间作为一个调度组；根据A社区空间和C社区空间的分布高峰的平均计数值，通过映射关系转换为社区资源需求量；根据B社区空间和D社区空间的分布高峰的平均计数值，通过映射关系转换为社区资源需求量；根据社区资源需求量分配社区资源；
所述大数据分析步骤还根据所述社区服务对象的时域分布特征，确定任意两个社区空间的分布相似度，进而资源调度步骤中将分布相似度低的社区空间划分为同一个调度组，从而针对该调度组分配社区资源，并进行调度组内的错峰调配；具体来说，当A社区空间的时域分布特征的平均计数值数组为：
X(A)＝{x1(A)，x2(A)，......xT(A)}
其中x1(A)，x2(A)，.......xT(A)表示A社区空间对应的感知记录文件中的平均计数值；相类似的，B社区空间的时域分布特征的平均计数值数组为：
X(B)＝{x1(B)，x2(B)，......xT(B)}
根据以上两个社区空间A和B各自的时域分布特征的平均计数值数组，计算两个社区空间A和B的分布相似度：
Figure FDA0002960267280000031
如果两个社区空间的分布相似度低于分布相似度阈值，则将两个社区空间A和B确定分布相似度低的社区空间；通过遍历社区的每两个社区空间，求得每两个社区空间之间的分布相似度，从而在资源调度步骤中将分布相似度低的社区空间划分为同一个调度组。
2.根据权利要求1所述的社区资源匹配方法，其特征在于，所述社区服务对象感知步骤中，通过若干感知设备对预设时长内的所述社区服务对象进行实时感知计数，从而根据计数结果形成所述感知记录文件；所述感知设备包括视频摄像头以及ETC车辆感应器；使用视频摄像头拍摄所述社区空间内行走的人物；使用ETC车辆感应器感应所述社区空间内的通行车辆；感知设备每拍摄到一个行走的人物，或者每感应到一台通行的车辆，就为该社区空间内存在的社区服务对象的计数值增加一个计数；当所述视频摄像头在预设时长内拍摄到人物a时，根据服装特征和/或面部特征判断在所述预设时长内是否拍摄到过人物a，若否，则增加所述社区服务对象的计数值，若是，则不增加所述社区服务对象的计数值；当所述视频摄像头在预设时长内拍摄到人物a时，若所述视频摄像头在预设时长之外的时间内拍摄到人物a，则增加所述社区服务对象的计数值；当所述ETC车辆感应器在预设时长内感应到车辆b时，根据车牌号码信息判断在所述预设时长内是否感应到过车辆b，若否，则增加所述社区服务对象的计数值，若是，则不增加所述社区服务对象的计数值；当所述ETC车辆感应器在预设时长内感应到车辆b时，若所述ETC车辆感应器在预设时长之外的时间内又感应到车辆b，则增加所述社区服务对象的计数值。
3.一种基于大数据的社区资源匹配系统，其特征在于，包括：
感知设备，安装于若干社区空间单元，用于对社区服务对象进行计数以形成若干感知记录文件，并将所述若干感知记录文件发送至后台服务器；所述社区空间单元包括：一栋小区建筑及其周边道路、空地和广场形成的空间区域、多栋临近建筑及其周边所形成的空间区域或者一栋建筑中的局部区域；所述社区服务对象包括人物和车辆；一个社区空间单元生成一个感知记录文件，若干社区空间单元生成若干感知记录文件；
后台服务器，用于将所述若干感知记录文件进行分析处理，从而生成社区资源调度方案；对若干感知记录文件记录的所述社区服务对象的计数值进行分析，从而在控制社区资源总量的基础上，使得社区资源总量与每一社区空间单元的所述社区服务对象对应的社区资源需求量相匹配；
所述后台服务器包括：大数据分析单元；所述大数据分析单元用于对所述感知记录文件进行大数据分析，从而获得所述社区空间单元的所述社区服务对象的时域分布特征；大数据分析单元包括：进行一天24小时内的时域划分；进而根据每个感知设备生成的每个感知记录文件中的计数值统计每个时域区间的平均计数值，从而生成该社区空间单元中的社区服务对象的时域分布特征；当感知设备每5分钟进行一次计数时，将30分钟划分为一个时域区间，一天24小时划分为48个时域区间；每个感知设备每天生成一个感知记录文件，每个感知记录文件中记录了288个计数值，统计分布在0：00-0：30中的计数值的平均计数值，作为该时域区间的平均计数值；统计0：30-1：00中的计数值的平均计数值，作为该时域区间的平均计数值，以此类推，一个感知记录文件统计出48个平均计数值，将48个平均计数值组合形成数组，所述数组即为该社区空间单元中的社区服务对象的时域分布特征；
所述大数据分析单元还用于根据所述时域分布特征，确定所述社区空间单元的所述社区服务对象的分布高峰时域区间；在大数据分析单元中，根据时域分布特征确定每个社区空间单元中的社区服务对象分布高峰的时域区间，进而将在分析时间窗口中的每个社区空间单元中的社区服务对象分布高峰的时域区间进行集合，从而形成该社区空间单元的分布高峰时域区间；当某个时域区间的平均计数值大于特定阈值时，则定义该时域区间为一个分布高峰；
当分析时间窗口为一周时，且A社区空间单元在一周内有3天6:30-7:00作为分布高峰，有2天7:30-8:00作为分布高峰，有2天不存在分布高峰，则A社区空间单元中集合之后的分布高峰时域区间为6:30-8:00；
所述后台服务器还包括：资源调度单元，所述资源调度单元用于将所述分布高峰时域区间转换为所述社区空间单元的社区资源需求量，从而根据所述社区资源需求量生成所述社区资源调度方案；选择分布高峰时域区间交错的社区空间单元组成同一调度组，从而针对该调度组分配社区资源，并进行调度组内的错峰调配；当A社区空间单元和B社区空间单元中的分布高峰时域区间均为6:30-8:00，C社区空间单元和D社区空间单元中的分布高峰时域区间均为16：00-17：00时，将A社区空间单元和C社区空间单元作为一个调度组，B社区空间单元和D社区空间单元作为一个调度组；根据A社区空间单元和C社区空间单元的分布高峰的平均计数值，通过映射关系转换为社区资源需求量；根据B社区空间单元和D社区空间单元的分布高峰的平均计数值，通过映射关系转换为社区资源需求量；根据社区资源需求量分配社区资源；
所述大数据分析单元还根据所述社区服务对象的时域分布特征，确定任意两个社区空间单元的分布相似度，进而资源调度单元中将分布相似度低的社区空间单元划分为同一个调度组，从而针对该调度组分配社区资源，并进行调度组内的错峰调配；具体来说，当A社区空间单元的时域分布特征的平均计数值数组为：
X(A)＝{x1(A)，x2(A)，......xT(A)}
其中x1(A)，x2(A)，......xT(A)表示A社区空间单元对应的感知记录文件中的平均计数值；相类似的，B社区空间单元的时域分布特征的平均计数值数组为：
X(B)＝{x1(B)，x2(B)，......xT(B)}
根据以上两个社区空间单元A和B各自的时域分布特征的平均计数值数组，计算两个社区空间单元A和B的分布相似度：
Figure FDA0002960267280000061
如果两个社区空间单元的分布相似度低于分布相似度阈值，则将两个社区空间单元A和B确定分布相似度低的社区空间单元；通过遍历社区的每两个社区空间单元，求得每两个社区空间单元之间的分布相似度，从而在资源调度单元中将分布相似度低的社区空间单元划分为同一个调度组。
4.根据权利要求3所述的社区资源匹配系统，其特征在于，所述社区空间单元设置有若干所述感知设备，所述若干所述感知设备用于对预设时长内的所述社区服务对象进行实时感知计数，从而根据计数结果形成所述感知记录文件；所述感知设备包括视频摄像头以及ETC车辆感应器；使用视频摄像头拍摄所述社区空间单元内行走的人物；使用ETC车辆感应器感应所述社区空间单元内的通行车辆；感知设备每拍摄到一个行走的人物，或者每感应到一台通行的车辆，就为该社区空间单元内存在的社区服务对象的计数值增加一个计数；当所述视频摄像头在预设时长内拍摄到人物a时，根据服装特征和/或面部特征判断在所述预设时长内是否拍摄到过人物a，若否，则增加所述社区服务对象的计数值，若是，则不增加所述社区服务对象的计数值；当所述视频摄像头在预设时长内拍摄到人物a时，若所述视频摄像头在预设时长之外的时间内拍摄到人物a，则增加所述社区服务对象的计数值；当所述ETC车辆感应器在预设时长内感应到车辆b时，根据车牌号码信息判断在所述预设时长内是否感应到过车辆b，若否，则增加所述社区服务对象的计数值，若是，则不增加所述社区服务对象的计数值；当所述ETC车辆感应器在预设时长内感应到车辆b时，若所述ETC车辆感应器在预设时长之外的时间内又感应到车辆b，则增加所述社区服务对象的计数值。
CN201910769719.4A 2019-08-20 2019-08-20 一种基于大数据的社区资源匹配方法和系统 Active CN110705819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910769719.4A CN110705819B (zh) 2019-08-20 2019-08-20 一种基于大数据的社区资源匹配方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910769719.4A CN110705819B (zh) 2019-08-20 2019-08-20 一种基于大数据的社区资源匹配方法和系统

Publications (2)

Publication Number Publication Date
CN110705819A CN110705819A (zh) 2020-01-17
CN110705819B true CN110705819B (zh) 2021-06-15

Family

ID=69193918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910769719.4A Active CN110705819B (zh) 2019-08-20 2019-08-20 一种基于大数据的社区资源匹配方法和系统

Country Status (1)

Country Link
CN (1) CN110705819B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108108844A (zh) * 2017-12-25 2018-06-01 儒安科技有限公司 一种城市人流量预测方法及系统
CN108711119A (zh) * 2018-04-18 2018-10-26 特斯联（北京）科技有限公司 一种社区微卡口综合ai系统及其数据展现方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574154B (zh) * 2015-12-16 2019-08-02 浙江汉鼎宇佑金融服务有限公司 一种基于大数据平台的城市宏观区域信息分析系统
CN105761191A (zh) * 2016-02-02 2016-07-13 东南大学 一种城市动态空间结构圈层界定法
CN106504536B (zh) * 2016-12-09 2019-01-18 华南理工大学 一种交通小区协调优化方法
CN108710827B (zh) * 2018-04-18 2019-04-16 特斯联（北京）科技有限公司 一种社区微警务巡查和信息自动分析系统及方法
CN109902934B (zh) * 2019-01-29 2020-09-11 特斯联（北京）科技有限公司 基于多源大数据的城市人员区域化布控管理方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108108844A (zh) * 2017-12-25 2018-06-01 儒安科技有限公司 一种城市人流量预测方法及系统
CN108711119A (zh) * 2018-04-18 2018-10-26 特斯联（北京）科技有限公司 一种社区微卡口综合ai系统及其数据展现方法

Also Published As

Publication number Publication date
CN110705819A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
Bowers et al. Prospective hot-spotting: the future of crime mapping?
CN110300134B (zh) 云存储资源池的存储空间调整方法、装置及云存储系统
CN106060442B (zh) 一种录像存储方法、装置及系统
CN105493502B (zh) 视频监控方法、视频监控系统以及计算机可读存储介质
CN110334564B (zh) 一种基于目标跟踪的常住人口识别方法和系统
CN109410635B (zh) 一种路侧车位状态识别方法及装置
CN108550277A (zh) 一种基于图像深度学习的停车位识别及查询方法
CN109508586B (zh) 一种客流统计方法、装置及设备
CN111291682A (zh) 确定目标对象的方法、装置、存储介质及电子装置
CN108710827A (zh) 一种社区微警务巡查和信息自动分析系统及方法
CN108022428A (zh) 一种车辆识别方法及装置
CN111510675A (zh) 一种基于人脸识别和大数据分析的智慧安防系统
CN109784260A (zh) 一种基于视频结构化的区域流量实时统计方法与系统
CN112687110B (zh) 一种基于大数据分析的车位级导航方法及其系统
CN110705819B (zh) 一种基于大数据的社区资源匹配方法和系统
CN112651589A (zh) 一种基于政府大数据的智慧社区平台建设的方法
CN113887917A (zh) 基于服务架构的智慧城市管理平台
Baptista et al. A case study on the application of an approximated hypercube model to emergency medical systems management
CN114173088A (zh) 一种基于智慧城市监控的业务调整方法及系统
CN106791648B (zh) 一种监控视频分析方法及装置
CN111159107B (zh) 数据处理方法和服务器集群
CN116843514A (zh) 一种基于数据识别的物业综合管理系统及方法
CN116485321B (zh) 一种基于大数据的物业管理平台系统
CN110097262A (zh) 一种群智感知中对感知时长敏感的任务分配方法
CN111863222A (zh) 一种患者医疗信息安全采集及管理系统

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