CN111523570A - 一种基于社区驿站的智慧城市系统及其控制方法 - Google Patents

一种基于社区驿站的智慧城市系统及其控制方法 Download PDF

Info

Publication number
CN111523570A
CN111523570A CN202010272290.0A CN202010272290A CN111523570A CN 111523570 A CN111523570 A CN 111523570A CN 202010272290 A CN202010272290 A CN 202010272290A CN 111523570 A CN111523570 A CN 111523570A
Authority
CN
China
Prior art keywords
module
community
data
information
health
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
CN202010272290.0A
Other languages
English (en)
Inventor
尹宝堂
刘景瀚
赵玉娟
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.)
Liaoning Best Semiconductor Technology Co ltd
Original Assignee
Liaoning Best Semiconductor 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 Liaoning Best Semiconductor Technology Co ltd filed Critical Liaoning Best Semiconductor Technology Co ltd
Priority to CN202010272290.0A priority Critical patent/CN111523570A/zh
Publication of CN111523570A publication Critical patent/CN111523570A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/02Reservations, e.g. for tickets, services or events
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT 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
    • G16H40/60ICT 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 operation of medical equipment or devices
    • G16H40/67ICT 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 operation of medical equipment or devices for remote operation
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于智慧城市技术领域,公开了一种基于社区驿站的智慧城市系统及其控制方法,所述基于社区驿站的智慧城市系统包括:快递信息采集模块、身份信息采集模块、生理信息采集模块、中央控制模块、缴费模块、取钱模块、打印模块、订票模块、健康预警模块、评估模块、数据存储模块、显示模块。本发明通过健康预警模块对社区社区对象日常生活进行大数据分析和个性化建模;能够解决对社区对象实时监护及异常预警的问题,为社区对象提供安全、全方位、全生命周期的健康养老服务;同时,通过评估程序分别对各满意度影响因素进行中心性分析来评估各满意度影响因素,从而提高了评估的准确性。

Description

一种基于社区驿站的智慧城市系统及其控制方法
技术领域
本发明属于智慧城市技术领域,尤其涉及一种基于社区驿站的智慧城市系统及其控制方法。
背景技术
智慧城市(Smart City)起源于传媒领域,是指利用各种信息技术或创新概念,将城市的系统和服务打通、集成,以提升资源运用的效率,优化城市管理和服务,以及改善市民生活质量。智慧城市是把新一代信息技术充分运用在城市中各行各业基于知识社会下一代创新(创新2.0)的城市信息化高级形态,实现信息化、工业化与城镇化深度融合,有助于缓解“大城市病”,提高城镇化质量,实现精细化和动态管理,并提升城市管理成效和改善市民生活质量。然而,现有基于社区驿站的智慧城市系统不能对社区人员进行健康监测预警;同时,对社区驿站用户满意度影响因素的评价不够深入和全面。
综上所述,现有技术存在的问题是:现有基于社区驿站的智慧城市系统不能对社区人员进行健康监测预警;同时,对社区驿站用户满意度影响因素的评价不够深入和全面。
发明内容
针对现有技术存在的问题,本发明提供了一种基于社区驿站的智慧城市系统及其控制方法。
本发明是这样实现的,一种基于社区驿站的智慧城市系统的控制方法,所述基于社区驿站的智慧城市系统的控制方法包括以下步骤:
步骤一,通过快递信息采集模块利用扫描器采集快递信息;通过身份信息采集模块利用身份识别器采集社区人员身份信息。
步骤二,通过生理信息采集模块利用医疗设备采集社区人员血压、心率、血糖等生理信息;通过中央控制模块利用主机控制各个模块正常工作。
步骤三,通过缴费模块利用缴费程序缴纳水电燃气费;通过取钱模块利用ATM机存取现金;通过打印模块利用打印机打印材料。
步骤四,通过订票模块利用订票设备订购飞机票、火车票;通过健康预警模块利用监测设备采集社区对象的原始健康数据并存储到云端数据库。
步骤五,从云端数据库获取需要的社区对象的健康数据保存到本地数据库中并进行预处理。
步骤六,运用时间序列预测方法对社区对象的行动轨迹进行预测,并运用聚类的方法构建出社区对象的生活模式。
步骤七,匹配社区对象的行动轨迹并比较社区对象的生活模式,对社区对象的健康进行异常判断及预警。
步骤八,通过评估模块利用评估程序接收用户满意度影响因素的历史数据,并根据所述历史数据构建社会网络;其中,所述社会网络以用户和满意度影响因素为节点。
步骤九,计算所述社会网络的网络密度,并根据所述网络密度判断所述社会网络是否可行。
步骤十,当所述社会网络可行时,分别对各满意度影响因素进行中心性分析以得到相应的分析结果,并根据结果评估各满意度影响因素。
步骤十一,通过数据存储模块利用数据库存储快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息;通过显示模块利用显示器显示快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息的实时数据。
进一步,步骤四中,所述通过健康预警模块利用监测设备采集社区对象的原始健康数据并存储到云端数据库,具体包括:
通过数字化传感器和智能感知终端采集社区对象在社区驿站房间内的时间位置数据以及房间环境数据并保存到云端的数据库中。
进一步,步骤五中,所述从云端数据库获取需要的社区对象的健康数据保存到本地数据库中并进行预处理,包括:
(I)选取社区驿站套间号、套间房间号、行动传感器、行动定位数据即时间序列和时间戳字段在本地建立数据库;
(II)根据本地数据库中的字段从云端数据库中获取对应的社区对象的原始数据并过滤掉无效的空数据;
(III)将时间数据格式转换成TimeSeriesRDD格式并删除再次判断无效的数据。
进一步,步骤六中,所述运用时间序列预测方法对社区对象的行动轨迹进行预测,并运用聚类的方法构建出社区对象的生活模式,包括:
步骤A:预测社区对象的行动轨迹
a1)使用SparkSql中的SQLContext对象提供的load()方法从本地数据库获取套间房间号和时间戳数据并将其转换为dataframe数据格式;
a2)将时间序列初始化为TimeSeriesRDD格式并选定HoltWinters模型;
a3)利用spark-timeseries提供的HoltWinters.fitModel()方法创建、训练HoltWinters模型;
a4)预测出社区对象接下来3分钟的行动轨迹并且数据的间隔设置成了5秒钟;
a5)保存36个预测值,并等待3分钟后回到a1,循环执行;
步骤B:聚类社区对象的生活模式
b1)优化K-Means聚类算法,算法优化流程如下:
(1)读取数据并转换成RDD数据格式;
(2)执行Map操作将数据进行格式化和向量化;
(3)计算出各个分片数据到Canopy中心的距离得到局部Canopy中心点;
(4)合并生成Canopy中心点;
(5)进行K-Means初始化操作,再进行Map操作执行K-Means局部聚类;
(6)将局部聚类的结果进行归并,计算出全局的聚类节点,更新中心点;
(7)重复(5)和(6)直到中心点不再变化;
b2)通过SparkContext创建一个对象sc,然后使用sc的textFile()方法读取社区对象的套间房间号和时间戳数据并转换成RDD数据格式;
b3)使用map操作将社区对象的数据根据套间房间号进行分类,为进一步的聚类提供[时间戳,套间房间号]格式类型的数据;
b4)为社区对象每个套间房间的时间数据进行Canopy粗聚类,获得每间套间房间时间数据的时间簇,并保存到本地数据库;
b5)对聚类出来的时间簇,获取每个时间簇的开始时间和结束时间,生成每个房间的活动时间段,并保存到本地数据库;
b6)对b3中生成的时间簇,利用优化的K-Means聚类算法进行二次聚类,获得更细化的聚类结果,聚类出更小的时间簇,并保存到本地数据库;
b7)对二次聚类的时间簇进行时间段的划分,计算出每个时间段之间的间隔值,对间隔值进行中位数取值,获得这个房间的休息阈值;
b8)将社区对象一天的每个房间的活动时间段和休息阈值,转换成dataframe数据格式,保存到本地数据库中。
进一步,步骤九中,所述计算所述社会网络的网络密度,并根据所述网络密度判断所述社会网络是否可行,包括:
1)计算所述社会网络的网络密度,并将所述网络密度与预设的网络密度阈值进行比较;
2)当所述网络密度大于所述网络密度阈值时,判定所述社会网络可行。
进一步,所述网络密度的表达式为:
Figure BDA0002443537050000041
其中,D表示网络密度,i表示用户,且i=1,Λ,M;j表示满意度影响因素,且j=1,Λ,N,M为用户总数,N为满意度影响因素总数;Xij用户i与满意度影响因素j之间的关系;
所述用户与满意度影响因素之间的关系为:
Figure BDA0002443537050000051
其中,i=1,Λ,M,j=1,Λ,N,M为用户总数,N为满意度影响因素总数。
进一步,步骤十中,所述当所述社会网络可行时,分别对各满意度影响因素进行中心性分析以得到相应的分析结果,并根据结果评估各满意度影响因素,包括:
当所述社会网络可行时,按照预设规则对所述社会网络中的所有用户进行派系划分以得到若干派系;
根据预设条件在若干派系内选取第一用户,并分别对各第一用户进行中心性分析,其中,所述中心性分析包括度数中心度、接近中心度以及中间中心度;
分别比较各满意度影响因素的度数中心度、接近中心度以及中间中心度,并根据比较结果确定核心满意度影响因素与边缘满意度影响因素。
本发明的另一目的在于提供一种应用所述的基于社区驿站的智慧城市系统的控制方法的基于社区驿站的智慧城市系统,所述基于社区驿站的智慧城市系统包括:
快递信息采集模块、身份信息采集模块、生理信息采集模块、中央控制模块、缴费模块、取钱模块、打印模块、订票模块、健康预警模块、评估模块、数据存储模块、显示模块。
快递信息采集模块,与中央控制模块连接,用于通过扫描器采集快递信息;
身份信息采集模块,与中央控制模块连接,用于通过身份识别器采集社区人员身份信息;
生理信息采集模块,与中央控制模块连接,用于通过医疗设备采集社区人员血压、心率、血糖等生理信息;
中央控制模块,与快递信息采集模块、身份信息采集模块、生理信息采集模块、缴费模块、取钱模块、打印模块、订票模块、健康预警模块、评估模块、数据存储模块、显示模块连接,用于通过主机控制各个模块正常工作;
缴费模块,与中央控制模块连接,用于通过缴费程序缴纳水电燃气费;
取钱模块,与中央控制模块连接,用于通过ATM机存取现金;
打印模块,与中央控制模块连接,用于通过打印机打印材料;
订票模块,与中央控制模块连接,用于通过订票设备订购飞机票、火车票;
健康预警模块,与中央控制模块连接,用于通过健康监测设备对社区健康进行监测预警;
评估模块,与中央控制模块连接,用于通过评估程序对社区满意度进行评估;
数据存储模块,与中央控制模块连接,用于通过数据库存储快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息;
显示模块,与中央控制模块连接,用于通过显示器显示快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息的实时数据。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的基于社区驿站的智慧城市系统的控制方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的基于社区驿站的智慧城市系统的控制方法。
本发明的优点及积极效果为:本发明通过健康预警模块对社区社区对象日常生活进行大数据分析和个性化建模;能够解决对社区对象实时监护及异常预警的问题,为社区对象提供安全、全方位、全生命周期的健康养老服务;同时,通过评估程序接收用户满意度影响因素的历史数据,并根据所述历史数据构建社会网络;计算所述社会网络的网络密度,并根据所述网络密度判断所述社会网络是否可行;当所述社会网络可行时,分别对各满意度影响因素进行中心性分析以得到相应的分析结果,并根据结果评估各满意度影响因素;本发明通过构建社会网络来全面描述用户与满意度影响因素、满意度影响因素与满意度影响因素以及用于与用户之间的关系,并分别对各满意度影响因素进行中心性分析来评估各满意度影响因素,从而提高了评估的准确性。
附图说明
图1是本发明实施例提供的基于社区驿站的智慧城市系统的控制方法流程图。
图2是本发明实施例提供的基于社区驿站的智慧城市系统结构框图;
图中:1、快递信息采集模块;2、身份信息采集模块;3、生理信息采集模块;4、中央控制模块;5、缴费模块;6、取钱模块;7、打印模块;8、订票模块;9、健康预警模块;10、评估模块;11、数据存储模块;12、显示模块。
图3是本发明实施例提供的通过健康预警模块利用健康监测设备对社区健康进行监测预警的方法流程图。
图4是本发明实施例提供的从云端数据库获取需要的社区对象的数据保存到本地数据库中并进行预处理的方法流程图。
图5是本发明实施例提供的通过评估模块利用评估程序对社区满意度进行评估的方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的基于社区驿站的智慧城市系统的控制方法包括以下步骤:
S101,通过快递信息采集模块利用扫描器采集快递信息;通过身份信息采集模块利用身份识别器采集社区人员身份信息。
S102,通过生理信息采集模块利用医疗设备采集社区人员血压、心率、血糖等生理信息;通过中央控制模块利用主机控制各个模块正常工作。
S103,通过缴费模块利用缴费程序缴纳水电燃气费;通过取钱模块利用ATM机存取现金;通过打印模块利用打印机打印材料。
S104,通过订票模块利用订票设备订购飞机票、火车票;通过健康预警模块利用健康监测设备对社区健康进行监测预警。
S105,通过评估模块利用评估程序对社区满意度进行评估;通过数据存储模块利用数据库存储快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息。
S106,通过显示模块利用显示器显示快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息的实时数据。
如图2所示,本发明实施例提供的基于社区驿站的智慧城市系统包括:快递信息采集模块1、身份信息采集模块2、生理信息采集模块3、中央控制模块4、缴费模块5、取钱模块6、打印模块7、订票模块8、健康预警模块9、评估模块10、数据存储模块11、显示模块12。
快递信息采集模块1,与中央控制模块4连接,用于通过扫描器采集快递信息;
身份信息采集模块2,与中央控制模块4连接,用于通过身份识别器采集社区人员身份信息;
生理信息采集模块3,与中央控制模块4连接,用于通过医疗设备采集社区人员血压、心率、血糖等生理信息;
中央控制模块4,与快递信息采集模块1、身份信息采集模块2、生理信息采集模块3、缴费模块5、取钱模块6、打印模块7、订票模块8、健康预警模块9、评估模块10、数据存储模块11、显示模块12连接,用于通过主机控制各个模块正常工作;
缴费模块5,与中央控制模块4连接,用于通过缴费程序缴纳水电燃气费;
取钱模块6,与中央控制模块4连接,用于通过ATM机存取现金;
打印模块7,与中央控制模块4连接,用于通过打印机打印材料;
订票模块8,与中央控制模块4连接,用于通过订票设备订购飞机票、火车票;
健康预警模块9,与中央控制模块4连接,用于通过健康监测设备对社区健康进行监测预警;
评估模块10,与中央控制模块4连接,用于通过评估程序对社区满意度进行评估;
数据存储模块11,与中央控制模块4连接,用于通过数据库存储快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息;
显示模块12,与中央控制模块4连接,用于通过显示器显示快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息的实时数据。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的基于社区驿站的智慧城市系统的控制方法如图1所示,作为优选实施例,如图3所示,本发明实施例提供的通过健康预警模块利用健康监测设备对社区健康进行监测预警的方法包括:
S201,通过健康预警模块利用监测设备采集社区对象的原始健康数据并存储到云端数据库。
S202,从云端数据库获取需要的社区对象的健康数据保存到本地数据库中并进行预处理。
S203,运用时间序列预测方法对社区对象的行动轨迹进行预测,并运用聚类的方法构建出社区对象的生活模式。
S204,匹配社区对象的行动轨迹并比较社区对象的生活模式,对社区对象的健康进行异常判断及预警。
本发明实施例提供的步骤S201具体为:通过数字化传感器和智能感知终端采集社区对象在社区驿站房间内的时间位置数据以及房间环境数据并保存到云端的数据库中。
如图4所示,本发明提供的步骤S202从云端数据库获取需要的社区对象的数据保存到本地数据库中并进行预处理具体包括:
S301,选取社区驿站套间号、套间房间号、行动传感器、行动定位数据即时间序列和时间戳字段在本地建立数据库。
S302,根据本地数据库中的字段从云端数据库中获取对应的社区对象的原始数据并过滤掉无效的空数据。
S303,将时间数据格式转换成TimeSeriesRDD格式并删除再次判断无效的数据。
本发明实施例提供的步骤S103具体包括:
步骤A:预测社区对象的行动轨迹
a1)使用SparkSql中的SQLContext对象提供的load()方法从本地数据库获取套间房间号和时间戳数据并将其转换为dataframe数据格式;
a2)将时间序列初始化为TimeSeriesRDD格式并选定HoltWinters模型;
a3)利用spark-timeseries提供的HoltWinters.fitModel()方法创建、训练HoltWinters模型;
a4)预测出社区对象接下来3分钟的行动轨迹并且数据的间隔设置成了5秒钟;
a5)保存36个预测值,并等待3分钟后回到a1,循环执行;
步骤B:聚类社区对象的生活模式
b1)优化K-Means聚类算法,算法优化流程如下:
(1)读取数据并转换成RDD数据格式;
(2)执行Map操作将数据进行格式化和向量化;
(3)计算出各个分片数据到Canopy中心的距离得到局部Canopy中心点;
(4)合并生成Canopy中心点;
(5)进行K-Means初始化操作,再进行Map操作执行K-Means局部聚类;
(6)将局部聚类的结果进行归并,计算出全局的聚类节点,更新中心点;
(7)重复(5)和(6)直到中心点不再变化;
b2)通过SparkContext创建一个对象sc,然后使用sc的textFile()方法读取社区对象的套间房间号和时间戳数据并转换成RDD数据格式;
b3)使用map操作将社区对象的数据根据套间房间号进行分类,为进一步的聚类提供[时间戳,套间房间号]格式类型的数据;
b4)为社区对象每个套间房间的时间数据进行Canopy粗聚类,获得每间套间房间时间数据的时间簇,并保存到本地数据库;
b5)对聚类出来的时间簇,获取每个时间簇的开始时间和结束时间,生成每个房间的活动时间段,并保存到本地数据库;
b6)对b3中生成的时间簇,利用优化的K-Means聚类算法进行二次聚类,获得更细化的聚类结果,聚类出更小的时间簇,并保存到本地数据库;
b7)对二次聚类的时间簇进行时间段的划分,计算出每个时间段之间的间隔值,对间隔值进行中位数取值,获得这个房间的休息阈值;
b8)将社区对象一天的每个房间的活动时间段和休息阈值,转换成dataframe数据格式,保存到本地数据库中。
实施例2
本发明实施例提供的基于社区驿站的智慧城市系统的控制方法如图1所示,作为优选实施例,如图5所示,本发明实施例提供的通过评估模块利用评估程序对社区满意度进行评估的方法包括:
S401,通过评估模块利用评估程序接收用户满意度影响因素的历史数据,并根据所述历史数据构建社会网络;其中,所述社会网络以用户和满意度影响因素为节点。
S402,计算所述社会网络的网络密度,并根据所述网络密度判断所述社会网络是否可行。
S403,当所述社会网络可行时,分别对各满意度影响因素进行中心性分析以得到相应的分析结果,并根据结果评估各满意度影响因素。
本发明实施例提供的计算所述社会网络的网络密度,并根据所述网络密度判断所述社会网络是否可行具体包括:
1)计算所述社会网络的网络密度,并将所述网络密度与预设的网络密度阈值进行比较;
2)当所述网络密度大于所述网络密度阈值时,判定所述社会网络可行。
本发明实施例提供的网络密度的表达式为:
Figure BDA0002443537050000121
其中,D表示网络密度,i表示用户,且i=1,Λ,M;j表示满意度影响因素,且j=1,Λ,N,M为用户总数,N为满意度影响因素总数;Xij用户i与满意度影响因素j之间的关系。
本发明实施例提供的用户与满意度影响因素之间的关系为:
Figure BDA0002443537050000122
其中,i=1,Λ,M,j=1,Λ,N,M为用户总数,N为满意度影响因素总数。
本发明实施例提供的当所述社会网络可行时,分别对各满意度影响因素进行中心性分析以得到相应的分析结果,并根据结果评估各满意度影响因素具体包括:
当所述社会网络可行时,按照预设规则对所述社会网络中的所有用户进行派系划分以得到若干派系;
根据预设条件在若干派系内选取第一用户,并分别对各第一用户进行中心性分析,以得到各满意度影响因素的分析结果,并根据结果评估各满意度影响因素。
本发明实施例提供的根据预设条件在若干派系内选取第一用户,并分别对各第一用户进行中心性分析,以得到各满意度影响因素的分析结果,并根据结果评估各满意度影响因素具体包括:
根据预设条件在若干派系内选取第一用户,并分别对各第一用户进行中心性分析,其中,所述中心性分析包括度数中心度、接近中心度以及中间中心度;
分别比较各满意度影响因素的度数中心度、接近中心度以及中间中心度,并根据比较结果确定核心满意度影响因素与边缘满意度影响因素。
本发明工作时,首先,通过快递信息采集模块1利用扫描器采集快递信息;通过身份信息采集模块2利用身份识别器采集社区人员身份信息;通过生理信息采集模块3利用医疗设备采集社区人员血压、心率、血糖等生理信息;其次,中央控制模块4通过缴费模块5利用缴费程序缴纳水电燃气费;通过取钱模块6利用ATM机存取现金;通过打印模块7利用打印机打印材料;通过订票模块8利用订票设备订购飞机票、火车票;通过健康预警模块9利用健康监测设备对社区健康进行监测预警;然后,通过评估模块10利用评估程序对社区满意度进行评估;通过数据存储模块11利用数据库存储快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息;最后,通过显示模块12利用显示器显示快递信息、身份信息、生理信息、缴费信息、打印信息、订票信息。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))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,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于社区驿站的智慧城市系统的控制方法,其特征在于,所述基于社区驿站的智慧城市系统的控制方法包括以下步骤:
步骤一,通过快递信息采集模块利用扫描器采集快递信息;通过身份信息采集模块利用身份识别器采集社区人员身份信息;
步骤二,通过生理信息采集模块利用医疗设备采集社区人员血压、心率、血糖等生理信息;通过中央控制模块利用主机控制各个模块正常工作;
步骤三,通过缴费模块利用缴费程序缴纳水电燃气费;通过取钱模块利用ATM机存取现金;通过打印模块利用打印机打印材料;
步骤四,通过订票模块利用订票设备订购飞机票、火车票;通过健康预警模块利用监测设备采集社区对象的原始健康数据并存储到云端数据库;
步骤五,从云端数据库获取需要的社区对象的健康数据保存到本地数据库中并进行预处理;
步骤六,运用时间序列预测方法对社区对象的行动轨迹进行预测,并运用聚类的方法构建出社区对象的生活模式;
步骤七,匹配社区对象的行动轨迹并比较社区对象的生活模式,对社区对象的健康进行异常判断及预警;
步骤八,通过评估模块利用评估程序接收用户满意度影响因素的历史数据,并根据所述历史数据构建社会网络;其中,所述社会网络以用户和满意度影响因素为节点;
步骤九,计算所述社会网络的网络密度,并根据所述网络密度判断所述社会网络是否可行;
步骤十,当所述社会网络可行时,分别对各满意度影响因素进行中心性分析以得到相应的分析结果,并根据结果评估各满意度影响因素;
步骤十一,通过数据存储模块利用数据库存储快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息;通过显示模块利用显示器显示快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息的实时数据。
2.如权利要求1所述的基于社区驿站的智慧城市系统的控制方法,其特征在于,步骤四中,所述通过健康预警模块利用监测设备采集社区对象的原始健康数据并存储到云端数据库,具体包括:
通过数字化传感器和智能感知终端采集社区对象在社区驿站房间内的时间位置数据以及房间环境数据并保存到云端的数据库中。
3.如权利要求1所述的基于社区驿站的智慧城市系统的控制方法,其特征在于,步骤五中,所述从云端数据库获取需要的社区对象的健康数据保存到本地数据库中并进行预处理,包括:
(I)选取社区驿站套间号、套间房间号、行动传感器、行动定位数据即时间序列和时间戳字段在本地建立数据库;
(II)根据本地数据库中的字段从云端数据库中获取对应的社区对象的原始数据并过滤掉无效的空数据;
(III)将时间数据格式转换成TimeSeriesRDD格式并删除再次判断无效的数据。
4.如权利要求1所述的基于社区驿站的智慧城市系统的控制方法,其特征在于,步骤六中,所述运用时间序列预测方法对社区对象的行动轨迹进行预测,并运用聚类的方法构建出社区对象的生活模式,包括:
步骤A:预测社区对象的行动轨迹
a1)使用SparkSql中的SQLContext对象提供的load()方法从本地数据库获取套间房间号和时间戳数据并将其转换为dataframe数据格式;
a2)将时间序列初始化为TimeSeriesRDD格式并选定HoltWinters模型;
a3)利用spark-timeseries提供的HoltWinters.fitModel()方法创建、训练HoltWinters模型;
a4)预测出社区对象接下来3分钟的行动轨迹并且数据的间隔设置成了5秒钟;
a5)保存36个预测值,并等待3分钟后回到a1,循环执行;
步骤B:聚类社区对象的生活模式
b1)优化K-Means聚类算法,算法优化流程如下:
(1)读取数据并转换成RDD数据格式;
(2)执行Map操作将数据进行格式化和向量化;
(3)计算出各个分片数据到Canopy中心的距离得到局部Canopy中心点;
(4)合并生成Canopy中心点;
(5)进行K-Means初始化操作,再进行Map操作执行K-Means局部聚类;
(6)将局部聚类的结果进行归并,计算出全局的聚类节点,更新中心点;
(7)重复(5)和(6)直到中心点不再变化;
b2)通过SparkContext创建一个对象sc,然后使用sc的textFile()方法读取社区对象的套间房间号和时间戳数据并转换成RDD数据格式;
b3)使用map操作将社区对象的数据根据套间房间号进行分类,为进一步的聚类提供[时间戳,套间房间号]格式类型的数据;
b4)为社区对象每个套间房间的时间数据进行Canopy粗聚类,获得每间套间房间时间数据的时间簇,并保存到本地数据库;
b5)对聚类出来的时间簇,获取每个时间簇的开始时间和结束时间,生成每个房间的活动时间段,并保存到本地数据库;
b6)对b3中生成的时间簇,利用优化的K-Means聚类算法进行二次聚类,获得更细化的聚类结果,聚类出更小的时间簇,并保存到本地数据库;
b7)对二次聚类的时间簇进行时间段的划分,计算出每个时间段之间的间隔值,对间隔值进行中位数取值,获得这个房间的休息阈值;
b8)将社区对象一天的每个房间的活动时间段和休息阈值,转换成dataframe数据格式,保存到本地数据库中。
5.如权利要求1所述的基于社区驿站的智慧城市系统的控制方法,其特征在于,步骤九中,所述计算所述社会网络的网络密度,并根据所述网络密度判断所述社会网络是否可行,包括:
1)计算所述社会网络的网络密度,并将所述网络密度与预设的网络密度阈值进行比较;
2)当所述网络密度大于所述网络密度阈值时,判定所述社会网络可行。
6.如权利要求5所述的基于社区驿站的智慧城市系统的控制方法,其特征在于,所述网络密度的表达式为:
Figure FDA0002443537040000041
其中,D表示网络密度,i表示用户,且i=1,Λ,M;j表示满意度影响因素,且j=1,Λ,N,M为用户总数,N为满意度影响因素总数;Xij用户i与满意度影响因素j之间的关系;
所述用户与满意度影响因素之间的关系为:
Figure FDA0002443537040000042
其中,i=1,Λ,M,j=1,Λ,N,M为用户总数,N为满意度影响因素总数。
7.如权利要求1所述的基于社区驿站的智慧城市系统的控制方法,其特征在于,步骤十中,所述当所述社会网络可行时,分别对各满意度影响因素进行中心性分析以得到相应的分析结果,并根据结果评估各满意度影响因素,包括:
当所述社会网络可行时,按照预设规则对所述社会网络中的所有用户进行派系划分以得到若干派系;
根据预设条件在若干派系内选取第一用户,并分别对各第一用户进行中心性分析,其中,所述中心性分析包括度数中心度、接近中心度以及中间中心度;
分别比较各满意度影响因素的度数中心度、接近中心度以及中间中心度,并根据比较结果确定核心满意度影响因素与边缘满意度影响因素。
8.一种应用如权利要求1~7任意一项所述的基于社区驿站的智慧城市系统的控制方法的基于社区驿站的智慧城市系统,其特征在于,所述基于社区驿站的智慧城市系统包括:
快递信息采集模块、身份信息采集模块、生理信息采集模块、中央控制模块、缴费模块、取钱模块、打印模块、订票模块、健康预警模块、评估模块、数据存储模块、显示模块;
快递信息采集模块,与中央控制模块连接,用于通过扫描器采集快递信息;
身份信息采集模块,与中央控制模块连接,用于通过身份识别器采集社区人员身份信息;
生理信息采集模块,与中央控制模块连接,用于通过医疗设备采集社区人员血压、心率、血糖等生理信息;
中央控制模块,与快递信息采集模块、身份信息采集模块、生理信息采集模块、缴费模块、取钱模块、打印模块、订票模块、健康预警模块、评估模块、数据存储模块、显示模块连接,用于通过主机控制各个模块正常工作;
缴费模块,与中央控制模块连接,用于通过缴费程序缴纳水电燃气费;
取钱模块,与中央控制模块连接,用于通过ATM机存取现金;
打印模块,与中央控制模块连接,用于通过打印机打印材料;
订票模块,与中央控制模块连接,用于通过订票设备订购飞机票、火车票;
健康预警模块,与中央控制模块连接,用于通过健康监测设备对社区健康进行监测预警;
评估模块,与中央控制模块连接,用于通过评估程序对社区满意度进行评估;
数据存储模块,与中央控制模块连接,用于通过数据库存储快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息;
显示模块,与中央控制模块连接,用于通过显示器显示快递信息、身份信息、生理信息、缴费信息、打印信息及订票信息的实时数据。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1~7任意一项所述的基于社区驿站的智慧城市系统的控制方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1~7任意一项所述的基于社区驿站的智慧城市系统的控制方法。
CN202010272290.0A 2020-04-09 2020-04-09 一种基于社区驿站的智慧城市系统及其控制方法 Pending CN111523570A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010272290.0A CN111523570A (zh) 2020-04-09 2020-04-09 一种基于社区驿站的智慧城市系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010272290.0A CN111523570A (zh) 2020-04-09 2020-04-09 一种基于社区驿站的智慧城市系统及其控制方法

Publications (1)

Publication Number Publication Date
CN111523570A true CN111523570A (zh) 2020-08-11

Family

ID=71902469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010272290.0A Pending CN111523570A (zh) 2020-04-09 2020-04-09 一种基于社区驿站的智慧城市系统及其控制方法

Country Status (1)

Country Link
CN (1) CN111523570A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112241685A (zh) * 2020-09-16 2021-01-19 四川天翼网络服务有限公司 一种基于社区活动轨迹的人员聚类方法及系统
CN113065993A (zh) * 2021-03-25 2021-07-02 广州云硕科技发展有限公司 一种基于社区驿站的智慧城市系统
CN117742427A (zh) * 2024-02-21 2024-03-22 北京美的海外工程技术有限公司 智能驿站系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203074674U (zh) * 2013-02-17 2013-07-24 福建师范大学 社区智能型远程医疗监护系统
CN106023488A (zh) * 2016-04-14 2016-10-12 上海大学 涉外生活社区自助缴费系统及方法
CN206975774U (zh) * 2017-05-13 2018-02-06 重庆第二师范学院 一种社区驿站智能化自助终端服务装置
CN108417276A (zh) * 2018-03-08 2018-08-17 华东师范大学 一种面向健康养老驿站的实时照护智能监测方法
CN207764839U (zh) * 2018-01-25 2018-08-24 采瑞科技(深圳)有限公司 一种基于社区驿站的智慧城市系统
CN109523209A (zh) * 2018-10-24 2019-03-26 深圳大学 菜鸟驿站满意度影响因素评估方法、存储介质及终端设备
CN209640926U (zh) * 2019-05-15 2019-11-15 江苏子兴禾光科技有限公司 一种基于物联网的社区养老服务系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203074674U (zh) * 2013-02-17 2013-07-24 福建师范大学 社区智能型远程医疗监护系统
CN106023488A (zh) * 2016-04-14 2016-10-12 上海大学 涉外生活社区自助缴费系统及方法
CN206975774U (zh) * 2017-05-13 2018-02-06 重庆第二师范学院 一种社区驿站智能化自助终端服务装置
CN207764839U (zh) * 2018-01-25 2018-08-24 采瑞科技(深圳)有限公司 一种基于社区驿站的智慧城市系统
CN108417276A (zh) * 2018-03-08 2018-08-17 华东师范大学 一种面向健康养老驿站的实时照护智能监测方法
CN109523209A (zh) * 2018-10-24 2019-03-26 深圳大学 菜鸟驿站满意度影响因素评估方法、存储介质及终端设备
CN209640926U (zh) * 2019-05-15 2019-11-15 江苏子兴禾光科技有限公司 一种基于物联网的社区养老服务系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112241685A (zh) * 2020-09-16 2021-01-19 四川天翼网络服务有限公司 一种基于社区活动轨迹的人员聚类方法及系统
CN113065993A (zh) * 2021-03-25 2021-07-02 广州云硕科技发展有限公司 一种基于社区驿站的智慧城市系统
CN117742427A (zh) * 2024-02-21 2024-03-22 北京美的海外工程技术有限公司 智能驿站系统
CN117742427B (zh) * 2024-02-21 2024-06-07 北京美的海外工程技术有限公司 智能驿站系统

Similar Documents

Publication Publication Date Title
CN111523570A (zh) 一种基于社区驿站的智慧城市系统及其控制方法
WO2021081445A1 (en) System and method with federated learning model for geotemporal data associated medical prediction applications
CN110968701A (zh) 用于图神经网络的关系图谱建立方法以及装置、设备
CN112183916B (zh) 土地储备生命周期管理系统
CN111639786A (zh) 资源配置方法、装置、存储介质及计算机设备
CN113033110B (zh) 一种基于交通流模型的重点区域人员应急疏散系统及方法
CN114205690A (zh) 流量预测、模型训练方法及装置、电子设备、存储介质
CN116011322A (zh) 基于数字孪生的城市信息展示方法、装置、设备及介质
CN117172509A (zh) 基于装修施工进度分析的施工项目分配系统
CN117010542A (zh) 数据预测模型的训练方法、使用方法、装置、设备和介质
CN111126629A (zh) 模型的生成方法、刷单行为识别方法、系统、设备和介质
Sawalha et al. Towards an efficient big data management schema for IoT
CN106355537A (zh) 一种智能串并案分析方法及系统
CN117933531A (zh) 一种分布式光伏发电功率预测系统及方法
CN117727107A (zh) 智能网格巡查方法、装置、电子设备以及存储介质
CN110197316A (zh) 运营数据的处理方法、装置、计算机可读介质及电子设备
Zhu et al. A novel hybrid deep learning model for taxi demand forecasting based on decomposition of time series and fusion of text data
CN112348220A (zh) 一种基于企业行为模式的信用风险评估预测方法及系统
CN115797084A (zh) 基于车主驾驶行为的投保定价指导方法及其相关设备
CN114611841A (zh) 一种景区游客流量预测方法及装置
CN115237970A (zh) 数据预测方法、装置、设备、存储介质及程序产品
CN113610096A (zh) 一种基于精准健康管理的智能健康评估分析方法及系统
CN113033314A (zh) 一种旅游高峰部署的移动式景区智能服务系统及服务方法
CN111291029A (zh) 数据清洗方法及装置
Chen et al. Reconciling spatiotemporal conjunction with digital twin for sequential travel time prediction and intelligent routing

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