CN110852529A - 一种城市部件风险预测方法、装置、服务器和存储介质 - Google Patents

一种城市部件风险预测方法、装置、服务器和存储介质 Download PDF

Info

Publication number
CN110852529A
CN110852529A CN201911144314.8A CN201911144314A CN110852529A CN 110852529 A CN110852529 A CN 110852529A CN 201911144314 A CN201911144314 A CN 201911144314A CN 110852529 A CN110852529 A CN 110852529A
Authority
CN
China
Prior art keywords
component
factor
event
risk
target city
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
Application number
CN201911144314.8A
Other languages
English (en)
Inventor
钟瑞峰
郭炜
尹晓莲
刘磊
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.)
Isoftstone Information Technology Co Ltd
Original Assignee
Isoftstone Information 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 Isoftstone Information Technology Co Ltd filed Critical Isoftstone Information Technology Co Ltd
Priority to CN201911144314.8A priority Critical patent/CN110852529A/zh
Publication of CN110852529A publication Critical patent/CN110852529A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

Landscapes

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

Abstract

本发明实施例公开了一种城市部件风险预测方法、装置、服务器和存储介质，该方法包括：获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险；其中，所述每个部件因子是预测所述目标城市部件的承载力的一个方面，所述事件因子是对该事件因子对应的部件因子产生影响的事件。通过本发明实施例的技术方案，可以实现准确的对城市部件承载能力进行预测，提升城市的抗风险能力，并提高城市管理效率。

Description

一种城市部件风险预测方法、装置、服务器和存储介质
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种城市部件风险预测方法、装置、服务器和存储介质。
背景技术
城市部件是城市经济社会活动的基本载体和城市发展的基础，包括公用设施、道路交通、市容环境、园林绿化、房屋土地、其它设施及扩展部件七个大类，准确可靠的对部件承载力进行风险预测可作为城市综合承载力风险评估、预警的重要依据，从而提高城市管理效率，通过不断完善城市功能，提升城市综合承载能力，提升人民群众幸福指数。但是，目前并没有相关的预测系统和方法来对城市部件的承载力进行风险预测。
发明内容
本发明实施例提供了一种城市部件风险预测方法、装置、服务器和存储介质，以实现准确的对城市部件承载能力进行预测，提升城市的抗风险能力。
第一方面，本发明实施例提供了一种城市部件风险预测方法，包括：
获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；
根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险；
其中，所述每个部件因子是预测所述目标城市部件的承载力的一个方面，所述事件因子是对该事件因子对应的部件因子产生影响的事件。
可选的，所述根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险，包括：
将每个部件因子的各个事件因子的预测量化数值进行叠加；
将叠加后的预测量化数值与相应的部件因子的预设阈值进行比较，当叠加后的预测量化数值大于相应的部件因子的预设阈值时，确定所述目标城市部件的承载力存在风险。
可选的，所述方法还包括：
当叠加后的预测量化数值大于相应的部件因子的预设阈值时，根据所述叠加后的预测量化数值与相应的部件因子的预设阈值的差值的大小确定所述目标城市部件的承载力的风险程度，并进行风险提示。
可选的，城市部件风险预测方法还包括：
根据与所述目标城市部件的相关事实数据调整相应的部件因子的预设阈值和/或事件因子项。
可选的，根据与所述目标城市部件的相关事实数据调整相应的部件因子的预设阈值和/或事件因子项，包括：
根据与所述目标城市部件的相关事实数据增大或减小相应的部件因子的预设阈值；和/或，
根据与所述目标城市部件的相关事实数据增加或剔除相应的事件因子项。
第二方面，本发明实施例还提供了一种城市部件风险预测装置，包括：
数据获取模块，用于获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；
风险预测模块，用于根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险；
其中，所述每个部件因子是预测所述目标城市部件的承载力的一个方面，所述事件因子是对该事件因子对应的部件因子产生影响的事件。
可选的，所述风险预测模块具体用于：
将每个部件因子的各个事件因子的预测量化数值进行叠加；
将叠加后的预测量化数值与相应的部件因子的预设阈值进行比较，当叠加后的预测量化数值大于相应的部件因子的预设阈值时，确定所述目标城市部件的承载力存在风险。
可选的，所述城市部件风险预测装置还包括：
风险程度判断模块，用于当叠加后的预测量化数值大于相应的部件因子的预设阈值时，根据所述叠加后的预测量化数值与相应的部件因子的预设阈值的差值的大小确定所述目标城市部件的承载力的风险程度，并进行风险提示。
可选的，所述城市部件风险预测装置还包括：
参数调整模块，用于根据与所述目标城市部件的相关事实数据调整相应的部件因子的预设阈值和/或事件因子项。
可选的，参数调整模块具体用于：
根据与所述目标城市部件的相关事实数据增大或减小相应的部件因子的预设阈值；和/或，
根据与所述目标城市部件的相关事实数据增加或剔除相应的事件因子项。
第三方面，本发明实施例还提供了一种服务器，所述服务器包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的城市部件风险预测方法步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的城市部件风险预测方法步骤。
上述发明中的实施例具有如下优点或有益效果：
通过获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险，即对影响目标城市承载力的各方面因素进行预测并量化，综合各方面因素的整体影响判断目标城市部件的承载力是否存在风险，实现准确的对城市部件承载能力进行预测，提升城市的抗风险能力，并提高城市管理效率。
附图说明
图1是本发明实施例一提供的一种城市部件风险预测方法的流程图；
图2是本发明实施例二提供的一种城市部件风险预测装置的结构示意图；
图3是本发明实施例三提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种城市部件风险预测方法的流程图，本实施例可适用于对城市部件承载力风险进行预测的情况。该方法可以由城市部件风险预测装置来执行，该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的设备中。该方法具体包括以下步骤：
S110、获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值。
具体的，城市部件是城市经济社会活动的基本载体和城市发展的基础，城市部件按城市管理功能体系分为7大类131小类，具体为公用设施，共39小类；道路交通，共17小类；市容环境，共11小类；园林绿化，共11小类；房屋土地，共3小类；其它设施，共6小类；扩展部件，共44小类。
进一步的，目标城市部件则是指当前的城市部件承载力的风险预测中的预测对象。每个部件因子是预测所述目标城市部件的承载力的一个方面，所述事件因子是对该事件因子对应的部件因子产生影响的事件。示例性的，当目标城市部件为一个旅游景区时，其部件因子为景区游览人数，那么影响该部件因子的事件因子，则包括节假日、天气、某知名影视剧的拍摄取景地及交通等各方面的因素。再如，目标城市部件为桥梁，该部件的部件因子包括排水及交通两个方面，其中，影响排水部件因子的事件因子可以包括降水量、桥梁下水流量及排水口大小等因素；影响交通部件因子的事件因子可以包括时段、天气及桥面故障等方面的因素。
每个事件因子的预测量化数值则是指根据历史情况以及经验等方面的考虑，对事件因子带来的影响进行的预测，并将预测结果量化。例如，针对目标城市部件为一个旅游景区时，在国庆节时，游览人数预计增加3000人。其中，3000人就是对节假日这一事件因子的预测量化数值，是对这一事件因子预测量化的结果。
这里需要说明的是，在城市部件承载力风险预测系统中，针对各个城市部件的每一个部件因子，各个部件因子的警戒线值(即阈值)，以及每一个部件因子的各个事件因子都是由根据与各城市部件相关的业务经验、行业经验预先设定好的。获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值的信息来源，可以是网络中的新闻信息，以及相关部门发布的与目标城市部件相关的数据信息，或是由用户自行输入至城市部件承载力风险预测系统中的相关信息。
S120、根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险。
具体的，预判断目标城市部件的承载力是否存在风险的过程包括：将每个部件因子的各个事件因子的预测量化数值进行叠加；将叠加后的预测量化数值与相应的部件因子的预设阈值进行比较，当叠加后的预测量化数值大于相应的部件因子的预设阈值时，确定所述目标城市部件的承载力存在风险。例如，针对旅游景区这一目标城市部件，由于国庆节的原因预计增加游览人数3000人，而且该景区周边修建了新的高速公路与地铁站，便于该景区游览，预计游览人数将新增3000人，该景区的日常游览人数为1500人，那么预计在国庆节当天总游览人数为7500人，超过了这一景区游览人数的预设阈值6000人，则表明该景区的承载力存在一定的风险，可以对用户尽心风险提示，以便用户(景区)成立游客疏导工作组，做好景区人流疏散、分流方案，并在安全、交通、卫生方面做好充足措施。
进一步的，还可以在叠加后的预测量化数值大于相应的部件因子的预设阈值时，根据所述叠加后的预测量化数值与相应的部件因子的预设阈值的差值的大小确定所述目标城市部件的承载力的风险程度，并进行风险提示。例如，景区的预测游览人数超过了预设阈值1500人、3000人或5000人，那么对应的风险程度是不一样的，相应的，用户所采取的应对风险的措施也是不同的，对风险程度进行区分也利于对城市部件进行管理和维护。
在一种优选的实施方式中，还可以根据与所述目标城市部件的相关事实数据调整相应的部件因子的预设阈值和/或事件因子项。具体包括根据与所述目标城市部件的相关事实数据增大或减小相应的部件因子的预设阈值；和/或，根据与所述目标城市部件的相关事实数据增加或剔除相应的事件因子项。
示例性的，目标城市部件(旅游景区)的部件因子为游览人数，该部件因子的预设阈值为5000人，实际十月一日当天已达到7000人，景区的游览依然井然有序，或达到4000人左右时，景区已出现人员拥堵、秩序混乱甚至人员踩踏现象，那么就要将预设阈值5000人进行相应的调整。相应的，如果事件因子与其影响值与实际相差较大，也要进行调优，如：经过事实验证，发现A景区作为“某知名影视剧的拍摄取景地”对游览人数的影响不大甚至可以忽略时，就可以对“某知名剧的拍摄取景地”事件项的影响值进行调优，或者舍弃该事件因子项。通过根据与目标城市部件相关的一些实事数据，对部件因子、警戒值、事件因子、影响值进行反复的调优，可以使风险预测更加准确有效。
本实施例的技术方案，通过获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险，即对影响目标城市承载力的各方面因素进行预测并量化，综合各方面因素的整体影响判断目标城市部件的承载力是否存在风险，实现准确的对城市部件承载能力进行预测，提升城市的抗风险能力，并提高城市管理效率。
实施例二
图2为本发明实施例二提供的一种城市部件风险预测装置的结构示意图，本实施例可适用于对城市部件承载力风险进行预测的情况，该装置具体包括：数据获取模块210和风险预测模块220。
其中，数据获取模块210，用于获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；风险预测模块220，用于根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险；其中，所述每个部件因子是预测所述目标城市部件的承载力的一个方面，所述事件因子是对该事件因子对应的部件因子产生影响的事件。
本实施例的技术方案，通过获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险，即对影响目标城市承载力的各方面因素进行预测并量化，综合各方面因素的整体影响判断目标城市部件的承载力是否存在风险，实现准确的对城市部件承载能力进行预测，提升城市的抗风险能力，并提高城市管理效率。
可选的，所述风险预测模块220具体用于：
将每个部件因子的各个事件因子的预测量化数值进行叠加；
将叠加后的预测量化数值与相应的部件因子的预设阈值进行比较，当叠加后的预测量化数值大于相应的部件因子的预设阈值时，确定所述目标城市部件的承载力存在风险。
可选的，所述城市部件风险预测装置还包括：
风险程度判断模块，用于当叠加后的预测量化数值大于相应的部件因子的预设阈值时，根据所述叠加后的预测量化数值与相应的部件因子的预设阈值的差值的大小确定所述目标城市部件的承载力的风险程度，并进行风险提示。
可选的，所述城市部件风险预测装置还包括：
参数调整模块，用于根据与所述目标城市部件的相关事实数据调整相应的部件因子的预设阈值和/或事件因子项。
可选的，参数调整模块具体用于：
根据与所述目标城市部件的相关事实数据增大或减小相应的部件因子的预设阈值；和/或，
根据与所述目标城市部件的相关事实数据增加或剔除相应的事件因子项。
本发明实施例所提供的城市部件风险预测装置可执行本发明任意实施例所提供的城市部件风险预测方法，具备执行城市部件风险预测方法相应的功能模块和有益效果。
实施例三
图3为本发明实施例三提供的一种服务器的结构示意图。图3示出了适于用来实现本发明实施方式的示例性服务器12的框图。图3显示的服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该服务器12交互的设备通信，和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的一种城市部件风险预测方法步骤，该方法包括：
获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；
根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险；
其中，所述每个部件因子是预测所述目标城市部件的承载力的一个方面，所述事件因子是对该事件因子对应的部件因子产生影响的事件。
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的城市部件风险预测方法的技术方案。
实施例四
本实施例四提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的城市部件风险预测方法步骤，该方法包括：
获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；
根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险；
其中，所述每个部件因子是预测所述目标城市部件的承载力的一个方面，所述事件因子是对该事件因子对应的部件因子产生影响的事件。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种城市部件风险预测方法，其特征在于，包括：
获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；
根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险；
其中，所述每个部件因子是预测所述目标城市部件的承载力的一个方面，所述事件因子是对该事件因子对应的部件因子产生影响的事件。
2.根据权利要求1所述的方法，其特征在于，所述根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险，包括：
将每个部件因子的各个事件因子的预测量化数值进行叠加；
将叠加后的预测量化数值与相应的部件因子的预设阈值进行比较，当叠加后的预测量化数值大于相应的部件因子的预设阈值时，确定所述目标城市部件的承载力存在风险。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
当叠加后的预测量化数值大于相应的部件因子的预设阈值时，根据所述叠加后的预测量化数值与相应的部件因子的预设阈值的差值的大小确定所述目标城市部件的承载力的风险程度，并进行风险提示。
4.根据权利要求1-3任一所述的方法，其特征在于，所述方法还包括：
根据与所述目标城市部件的相关事实数据调整相应的部件因子的预设阈值和/或事件因子项。
5.根据权利要求4所述的方法，其特征在于，根据与所述目标城市部件的相关事实数据调整相应的部件因子的预设阈值和/或事件因子项，包括：
根据与所述目标城市部件的相关事实数据增大或减小相应的部件因子的预设阈值；和/或，
根据与所述目标城市部件的相关事实数据增加或剔除相应的事件因子项。
6.一种城市部件风险预测装置，其特征在于，包括：
数据获取模块，用于获取影响目标城市部件的每个部件因子的每个事件因子的预测量化数值；
风险预测模块，用于根据所述每个事件因子所述预测量化数值和所述每个部件因子的预设阈值预判断所述目标城市部件的承载力是否存在风险；
其中，所述每个部件因子是预测所述目标城市部件的承载力的一个方面，所述事件因子是对该事件因子对应的部件因子产生影响的事件。
7.根据权利要求6所述的装置，其特征在于，所述风险预测模块具体用于：
将每个部件因子的各个事件因子的预测量化数值进行叠加；
将叠加后的预测量化数值与相应的部件因子的预设阈值进行比较，当叠加后的预测量化数值大于相应的部件因子的预设阈值时，确定所述目标城市部件的承载力存在风险。
8.根据权利要求6-7任一所述的装置，其特征在于，所述装置还包括：
参数调整模块，用于根据与所述目标城市部件的相关事实数据调整相应的部件因子的预设阈值和/或事件因子项。
9.一种服务器，其特征在于，所述服务器包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的城市部件风险预测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的城市部件风险预测方法。
CN201911144314.8A 2019-11-20 2019-11-20 一种城市部件风险预测方法、装置、服务器和存储介质 Pending CN110852529A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911144314.8A CN110852529A (zh) 2019-11-20 2019-11-20 一种城市部件风险预测方法、装置、服务器和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911144314.8A CN110852529A (zh) 2019-11-20 2019-11-20 一种城市部件风险预测方法、装置、服务器和存储介质

Publications (1)

Publication Number Publication Date
CN110852529A true CN110852529A (zh) 2020-02-28

Family

ID=69603294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911144314.8A Pending CN110852529A (zh) 2019-11-20 2019-11-20 一种城市部件风险预测方法、装置、服务器和存储介质

Country Status (1)

Country Link
CN (1) CN110852529A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110270647A1 (en) * 2010-04-30 2011-11-03 International Business Machines Corporation Method and system for estimating risk in the financial metrics of a business case
CN103116825A (zh) * 2013-01-29 2013-05-22 江苏省邮电规划设计院有限责任公司 智慧城市管理系统
CN106779196A (zh) * 2016-12-05 2017-05-31 中国航天系统工程有限公司 一种基于旅游大数据的游客流量预测及峰值调控方法
CN109117987A (zh) * 2018-07-18 2019-01-01 厦门大学 基于深度学习的个性化交通事故风险预测推荐方法
CN110288186A (zh) * 2019-05-19 2019-09-27 中国地质调查局西安地质调查中心 一种基于风险理论的资源环境承载力测定及风险管控方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110270647A1 (en) * 2010-04-30 2011-11-03 International Business Machines Corporation Method and system for estimating risk in the financial metrics of a business case
CN103116825A (zh) * 2013-01-29 2013-05-22 江苏省邮电规划设计院有限责任公司 智慧城市管理系统
CN106779196A (zh) * 2016-12-05 2017-05-31 中国航天系统工程有限公司 一种基于旅游大数据的游客流量预测及峰值调控方法
CN109117987A (zh) * 2018-07-18 2019-01-01 厦门大学 基于深度学习的个性化交通事故风险预测推荐方法
CN110288186A (zh) * 2019-05-19 2019-09-27 中国地质调查局西安地质调查中心 一种基于风险理论的资源环境承载力测定及风险管控方法

Similar Documents

Publication Publication Date Title
KR101825023B1 (ko) 리스크 조기 경보 방법 및 장치
CN108053242B (zh) 景点门票票量预测方法、系统、设备及存储介质
US10402906B2 (en) Quantification for investment vehicle management employing an advanced decision platform
US20160370333A1 (en) Generating fine resolution air pollution estimates
CN110196834A (zh) 一种用于数据项、文件、数据库的对标方法和系统
CN108596723B (zh) 一种订单推送方法、系统、服务器及存储介质
CN111522838A (zh) 地址相似度计算方法及相关装置
CN104064027A (zh) 一种交通信息的获取方法及系统
CN110012426B (zh) 消亡poi的确定方法、装置、计算机设备和存储介质
US11250037B2 (en) Location based data mining comparative analysis index
CN108876638A (zh) 一种保单智能匹配方法、系统、介质和电子设备
CN112651172B (zh) 一种降雨峰值类型划分方法、装置、设备和存储介质
CN110659280B (zh) 道路阻断异常检测方法、装置、计算机设备及存储介质
CN110363583B (zh) 一种基于位置信息创建用户消费行为标签的方法、装置和电子设备
CN110852529A (zh) 一种城市部件风险预测方法、装置、服务器和存储介质
Royer et al. Rapid evaluation and response to impacts on critical end-use loads following natural hazard-driven power outages: A modular and responsive geospatial technology
CN115936895A (zh) 基于人工智能的风险评估方法、装置、设备及存储介质
CN116227911A (zh) 故障停电事件的风险监测预警方法、装置、设备及介质
CN115796287A (zh) 基于深度学习的场所流量控制方法、系统及可读介质
CN114445710A (zh) 图像识别方法、装置、电子设备以及存储介质
CN111062604B (zh) 基于气象灾害的电网业务风险评估方法、装置及设备
CN114021793A (zh) 洪水预测方法及电子设备
CN110458743B (zh) 基于大数据分析的社区治理方法、装置、设备及存储介质
US20170193598A1 (en) Post-lending credit management
CN110648208B (zh) 群组识别方法、装置和电子设备

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: 20200228

RJ01 Rejection of invention patent application after publication