CN113537698A - 一种城管采集案件实现智能派遣的方法及系统 - Google Patents
一种城管采集案件实现智能派遣的方法及系统 Download PDFInfo
- Publication number
- CN113537698A CN113537698A CN202110604353.2A CN202110604353A CN113537698A CN 113537698 A CN113537698 A CN 113537698A CN 202110604353 A CN202110604353 A CN 202110604353A CN 113537698 A CN113537698 A CN 113537698A
- Authority
- CN
- China
- Prior art keywords
- case
- urban management
- management staff
- weight
- optimal
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城管采集案件实现智能派遣的方法及系统,包括包括采集案件,通过智能分析获取案件关键字,根据案件关键字对案件进行分类,构建案件数据池,对城管工作人员进行评价构造城管工作人员数据池,然后对案件数据池和城管工作人员数据池进行综合分析获得最佳案件派遣方法的决策变量,根据获得决策变量组成根据决策变量组成最佳案件派遣方法的目标函数和约束条件,构建最佳案件派遣方法的案件分配模型,通过求解该分配模型得到最佳案件派遣方法的分配结果,通过该方法实现了案件的智能分配,不仅减少了案件分配过程中的人力资源消耗,还使得案件分配结果更加合理,大大提高了城管工作人员的工作效率和案件的处理速度。
Description
技术领域
本发明属于城市管理技术领域,特别涉及一种城管采集案件实现智能派遣的方法及系统。
背景技术
随着科技的发展城市管理越来越智能化,城管案件分配也采用自动分配的方式,但是现行的案件自动分配方法大多是根据城管的责任网格或者城管的处理案件数量进行轮流派遣的,没有考虑到任务量和合理性,导致案件流转停滞不前,影响了城市的正常运转。
发明内容
针对上述现有技术存在的问题,本发明提供了一种城管采集案件实现智能派遣的方法及系统通过对采集的案件进行智能分类,然后与城管人员进行匹配寻找出最佳的案件分配方案,提高案件处理的效率。
本发明实施例的第一方面提供了一种城管采集案件实现智能派遣的方法,所述城管采集案件实现智能派遣的方法包括以下步骤:
采集案件,通过智能分析获取案件关键字,将获取的关键字与数据库中关键字进行匹配,对采集案件进行分类,构建案件数据池;
根据城管工作人员的工作结果数据对城管工作人员进行评价,获取城管工作人员的工作评价结果,构造城管工作人员数据池;
对案件数据池和城管工作人员数据池进行综合分析确定最佳案件派遣方法的决策变量,根据决策变量得到最佳案件派遣方法的目标函数和约束条件,构建最佳案件派遣方法的案件分配模型;
求解最佳案件派遣方法的案件分配模型,通过蚁群算法求解案件分配模型的目标函数,得到最佳案件派遣方法的分配结果。
本发明实施例的第二方面提供了一种城管采集案件实现智能派遣的系统,所述系统包括:
采集案件,通过智能分析获取案件关键字,将获取的关键字与数据库中关键字进行匹配,对采集案件进行分类,构建案件数据池;
根据城管工作人员的工作结果数据对城管工作人员进行评价,获取城管工作人员的工作效率、工作质量、工作状态等评价维度的评价结果,构造城管工作人员数据池;
对案件数据池和城管工作人员数据池进行综合分析确定最佳案件派遣方法的决策变量,根据决策变量组成最佳案件派遣方法的目标函数和约束条件,构建最佳案件派遣方法的案件分配模型;
求解最佳案件派遣方法的案件分配模型,通过蚁群算法求解案件分配模型的目标函数,得到最佳案件派遣方法的分配结果。
本发明实施例的第三方面公开了一种终端,所述终端包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行以实现上述的一种城管采集案件实现智能派遣的方法。
本发明实施例的第四方面公开了一种计算机可读存储介质,所述存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现上述的一种城管采集案件实现智能派遣的方法。
本发明的一种城管采集案件实现智能派遣的方法及系统,具备如下有益效果:
1.本发明公开了一种城管采集案件实现智能派遣的方法及系统,包括采集案件,通过智能分析获取案件关键字,根据案件关键字对案件进行分类,构建案件数据池,对城管工作人员进行评价构造城管工作人员数据池,然后对案件数据池和城管工作人员数据池进行综合分析确定最佳案件派遣方法,通过该方法分配案件使得案件分配结果更加合理,大大提高了城管工作人员的工作效率和案件的处理速度;
2.本发明公开了一种城管采集案件实现智能派遣的方法及系统,通过对案件数据池和城管工作人员数据池进行综合分析获得最佳案件派遣方法的决策变量,根据获得决策变量组成根据决策变量组成最佳案件派遣方法的目标函数和约束条件,构建最佳案件派遣方法的案件分配模型,通过求解该分配模型得到最佳案件派遣方法的分配结果,通过该方法实现了案件的智能分配,不仅减少了案件分配过程中的人力资源消耗,还提高了案件分配的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一种城管采集案件实现智能派遣的方法的整体流程图;
图2贪婪蚁群算法的流程图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了一种城管采集案件实现智能派遣的方法,上述城管采集案件实现智能派遣的方法包括以下步骤:采集案件,通过智能分析获取案件关键字,将获取的关键字与数据库中关键字进行匹配,对采集案件进行分类,构建案件数据池;
根据城管工作人员的工作结果数据对城管工作人员进行评价,获取城管工作人员的工作评价结果,构造城管工作人员数据池;
对案件数据池和城管工作人员数据池进行综合分析确定最佳案件派遣方法的决策变量,根据决策变量得到最佳案件派遣方法的目标函数和约束条件,构建最佳案件派遣方法的案件分配模型;
求解最佳案件派遣方法的案件分配模型,通过蚁群算法求解案件分配模型的目标函数,得到最佳案件派遣方法的分配结果。
在本实施例中设置案件类别与案件位置两个关键字,将采集到的案件按照案件类型和案件位置进行分类,构建案件数据池,从城管工作人员的案件处理数量、案件处理时间、案件处理质量等方面对城管工作人员进行评价,根据评价结果获取城管工作人员的各项数据构造城管工作人员的数据池。通过对案件数据池和城管工作人员数据池进行综合分析获取城管工作人员赶赴案件事发地所用时间t1、城管工作人员处理案件总数S、规定处理案件时间Δt等决策变量,在本实施例中要使得案件分配方法最佳,则要使得城管工作人员赶赴案件事发地所用时间t1时间最少,城管工作人员处理案件的效率最高,根据以上两点可构造案件分配模型。得到案件分配模型后通过蚁群算法进行模型求解,最终得到最佳案件派遣方法的分配结果。
基于上述案件派遣方法,上述案件关键字提取过程如下:
获取案件文本,除去案件文本中非文本部分,对剩余文本进行中文编码处理,得到预处理文本;
对预处理文本进行中文分词,得到预处理文本的中文分词集D=[u1,u2,…,un],其中ui表示第i个分词;
丢弃中文分词集D中的无用词,对剩余中文分词进行词性标注,选取剩余中文分词中的特性分词生成候选关键词集D1=[u1,u2,…,um],所述特性分词包括名词、动词、形容词等;
通过共现窗口对候选关键词进行排序,构建候选关键词图G(V,E),计算节点Vi的分值WS(Vi);
根据上述WS(Vi)表达式进行节点权重的迭代传递,直到计算出的误差率小于0.0001收敛,得到;
对节点权重进行倒序排序处理,选取其中权重排在前T位的候选关键词在案件文本中进行标记,生成最终的关键词集。
在一些实施例中节点Vi的分值WS(Vi)的计算公式如下:
其中V为图中的节点集,表示候选关键词,I(Vi)表示指向Vi的节点,O(Vi)表示Vi所指向的节点,wji表示节点Vi指向Vj的边的权重,d为阻尼系数。
基于上述案件关键字提取过程,上述节点Vi指向Vj的边的权重计算方式如下:
对节点权重w进行影响因素分解,得到节点权重的位置影响权重wa和跨度影响权重wb,其中a表示位置影响权重wa在节点权重w中的比率,b表示跨度影响权重wb在节点权重w中的比率;
计算位置影响权重wa,获取节点Vi、Vj,节点Vi指向Vj,结合节点的位置因素可得到节点Vi传递给Vj的权重wa,具体计算公式如下:
综合(1)式和(2)式,可计算出节点间传递的权重,具体计算公式如下:
wij=a*wa(Vj,Vi)+b*wb(Vj,Vi)。
基于上述案件派遣方法,上述案件分配模型建立方法是:获取城管工作人员赶赴案件事发地所用时间、城管工作人员处理案件总数、规定处理案件时间,以城管工作人员赶赴案件事发地所用时间最少城管工作人员效率最高为目标构建最佳派遣方法目标函数,结合影响城管工作人员工作的约束条件,构建案件分配模型。
在一些实施例中通过对案件数据池和城管工作人员数据池进行综合分析获取城管工作人员赶赴案件事发地所用时间t1、城管工作人员处理案件总数S、规定处理案件时间Δt等决策变量,以城管工作人员赶赴案件事发地所用时间最少城管工作人员效率最高为目标构建最佳派遣方法目标函数表达式为:
其中约束条件如式所示:
其中ω、λ为目标函数的优化权重系数,在本实施例中设定城管工作人员赶赴案件事发地所用时间与城管工作人员效率同样重要ω=λ=0.5。第一个约束条件是保证案件能够被及时处理,限定城管工作人员赶赴案件事发地所用时间不能超过tm,第二个约束条件是保证案件处理的质量,因此限定城管工作人员在规定时间内处理的案件数不能超出SM个。
基于上述案件派遣方法,上述通过蚁群算法求解案件分配模型的目标函数的过程如下:
获取案件数据池内所有案件组成的集合和城管工作人员数据池内所有城管工作人员组成的集合;
获取上述集合中各个元素的决策变量,将获取的决策变量作为蚁群算法的项数代入到蚁群算法中,得到蚁群算法各个参数的表达式;
以构建的案件分配模型为目标采用蚁群算法开始迭代对目标模型进行优化,直至所有案件均与城管工作人员进行一次匹配,计算所有案件与城管工作人员之间的路径长度;
根据蚁群算法更新每条路径的匹配度大小,将所有路径匹配度满足预先设定的匹配度的路径输出组成路径集合,对路径结合进行算法迭代;
判断路径集合是否陷入局部最优,若是则对集合进行动态调整之后继续迭代,直至达到预先设定的迭代次数,输出路径集合中匹配度满足预先设定的匹配度的路径,该路径则为案件与城管工作人员之间的最佳分配方案。
基于上述通过蚁群算法求解案件分配模型的目标函数的过程,上述蚁群算法采用贪婪蚁群算法,包括:
获取待分配案件数量k,城管工作人员数量n,通过目标函数迭代计算第i个案件与城管工作人员之间的路径长度和匹配度;
根据案件与城管工作人员之间的迭代次数不断对匹配度进行更新,所述匹配度的更新公式如下:
ΓT-U(d+1)=ρΓT-U(d)+ΔΓT-U
当案件与第i个城管工作人员计算完成之后,案件迭代到第h个城管工作人员,从第i个工作人员迭代到第h个工作人员的表达式为:
其中d表示迭代次数,ΓT-U表示案件与城管工作人员之间的匹配度,α表示匹配度的权重系数,Ld表示案件与城管工作人员之间的路径长度,δ表示路径转移参数。
当算法陷入局部最优,迭代计算出现停滞现象时调整路径转换参数,选择最满足的城管工作人员来使得算法继续迭代,迭代次数达到设定的最大迭代次数则获得最优解。
参考图2,在一些实施例中,获取案件数据池内所有案件组成的集合T和城管工作人员数据池内所有城管工作人员组成的集合U,设定案件数量为k,城管工作人员数量为n,通过蚁群算法计算案件分配给城管工作人员的概率为:
将实际参数映射到则案件ki匹配到城管工作人员nj的概率是:
将实际参数映射到蚁群算法中之后,以构建的案件分配模型为目标采用蚁群算法开始迭代对目标模型进行优化,直至所有案件均与城管工作人员进行一次匹配,计算所有案件与城管工作人员之间的路径长度,并根据迭代的次数不断更新每条路径的匹配度,匹配度的更新公式如下:
ΓT-U(d+1)=ρΓT-U(d)+ΔΓT-U
当算法陷入局部最优,迭代计算出现停滞现象时调整路径转换参数,其调整公式如下:
其中φ表示调整参数,δ表示路径转移参数。
参数调整之后,选择最满足的城管工作人员来使得算法继续迭代,迭代次数达到设定的最大迭代次数则获得最优解
本发明所提供的一种城管采集案件实现智能派遣的系统,与上述实施例提供的一种城管采集案件实现智能派遣的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本发明实施例提供了一种终端,该终端包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行以实现上述实施例中的一种城管采集案件实现智能派遣的方法。
本发明实施例提供的终端包括:至少一个处理器、存储器、用户接口和至少一个网络接口。终端中的各个组件通过总线系统耦合在一起。可以理解,总线系统用于实现这些组件之间的连接通信。
本发明实施例提供了一种计算机可读存储介质,该存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现上述实施例中的一种城管采集案件实现智能派遣的方法。
可以理解,存储器可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。本发明实施例中的存储器能够存储数据以支持终端的操作。这些数据的示例包括:用于在终端上操作的任何计算机程序,如操作系统和应用程序。其中,操作系统包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序
本发明不局限于上述具体的实施方式,本领域的普通技术人员从上述构思出发,不经过创造性的劳动,所做出的种种变换,均落在本发明的保护范围之内。
Claims (9)
1.一种城管采集案件实现智能派遣的方法,其特征在于,包括以下步骤;
采集案件,通过智能分析获取案件关键字,将获取的关键字与数据库中关键字进行匹配,对采集案件进行分类,构建案件数据池;
根据城管工作人员的工作结果数据对城管工作人员进行评价,获取城管工作人员的工作评价结果,构造城管工作人员数据池;
对案件数据池和城管工作人员数据池进行综合分析确定最佳案件派遣方法的决策变量,根据决策变量得到最佳案件派遣方法的目标函数和约束条件,构建最佳案件派遣方法的案件分配模型;
求解最佳案件派遣方法的案件分配模型,通过蚁群算法求解案件分配模型的目标函数,得到最佳案件派遣方法的分配结果。
2.根据权利要求1所述,其特征在于,所述案件关键字提取过程如下:
获取案件文本,除去案件文本中非文本部分,对剩余文本进行中文编码处理,得到预处理文本;
对预处理文本进行中文分词,得到预处理文本的中文分词集D=[u1,u2,…,un],其中ui表示第i个分词;
丢弃中文分词集D中的无用词,对剩余中文分词进行词性标注,选取剩余中文分词中的特性分词生成候选关键词集D1=[u1,u2,…,um],所述特性分词包括名词、动词、形容词等;
通过共现窗口对候选关键词进行排序,构建候选关键词图G(V,E),计算节点Vi的分值WS(Vi);
根据上述WS(Vi)表达式进行节点权重的迭代传递,直到计算出的误差率小于0.0001收敛,得到;
对节点权重进行倒序排序处理,选取其中权重排在前T位的候选关键词在案件文本中进行标记,生成最终的关键词集。
3.根据权利要求2所述,其特征在于,所述节点Vi指向Vj的边的权重计算方式如下:
对节点权重w进行影响因素分解,得到节点权重的位置影响权重wa和跨度影响权重wb,其中a表示位置影响权重wa在节点权重w中的比率,b表示跨度影响权重wb在节点权重w中的比率;
计算位置影响权重wa,获取节点Vi、Vj,节点Vi指向Vj,结合节点的位置因素可得到节点Vi传递给Vj的权重wa,具体计算公式如下:
综合(1)式和(2)式,可计算出节点间传递的权重,具体计算公式如下:
wij=a*wa(Vj,Vi)+b*wb(Vj,Vi)。
4.根据权利要求1所述,其特征在于,所述案件分配模型建立方法是:获取城管工作人员赶赴案件事发地所用时间、城管工作人员处理案件总数、规定处理案件时间,以城管工作人员赶赴案件事发地所用时间最少城管工作人员效率最高为目标构建最佳派遣方法目标函数,结合影响城管工作人员工作的约束条件,构建案件分配模型。
5.根据权利要求1所述,其特征在于,所述通过蚁群算法求解案件分配模型的目标函数的过程如下:
获取案件数据池内所有案件组成的集合和城管工作人员数据池内所有城管工作人员组成的集合;
获取上述集合中各个元素的决策变量,将获取的决策变量作为蚁群算法的项数代入到蚁群算法中,得到蚁群算法各个参数的表达式;
以构建的案件分配模型为目标采用蚁群算法开始迭代对目标模型进行优化,直至所有案件均与城管工作人员进行一次匹配,计算所有案件与城管工作人员之间的路径长度;
根据蚁群算法更新每条路径的匹配度大小,将所有路径匹配度满足预先设定的匹配度的路径输出组成路径集合,对路径结合进行算法迭代;
判断路径集合是否陷入局部最优,若是则对集合进行动态调整之后继续迭代,直至达到预先设定的迭代次数,输出路径集合中匹配度满足预先设定的匹配度的路径,该路径则为案件与城管工作人员之间的最佳分配方案。
6.根据权利要求5所述,其特征在于,所述蚁群算法采用优化的蚁群算法,包括:
获取待分配案件数量k,城管工作人员数量n,通过目标函数迭代计算第i个案件与城管工作人员之间的路径长度和匹配度;
根据案件与城管工作人员之间的迭代次数不断对匹配度进行更新,所述匹配度的更新公式如下:
ΓT-U(d+1)=ρΓT-U(d)+ΔΓT-U
当案件与第i个城管工作人员计算完成之后,案件迭代到第h个城管工作人员,从第i个工作人员迭代到第h个工作人员的表达式为:
其中d表示迭代次数,ΓT-U表示案件与城管工作人员之间的匹配度,α表示匹配度的权重系数,Ld表示案件与城管工作人员之间的路径长度,δ表示路径转移参数。
当算法陷入局部最优,迭代计算出现停滞现象时调整路径转换参数,选择最满足的城管工作人员来使得算法继续迭代,迭代次数达到设定的最大迭代次数则获得最优解。
7.一种城管采集案件实现智能派遣的系统,其特征在于,所述系统包括:采集案件,通过智能分析获取案件关键字,将获取的关键字与数据库中关键字进行匹配,对采集案件进行分类,构建案件数据池;
根据城管工作人员的工作结果数据对城管工作人员进行评价,获取城管工作人员的工作效率、工作质量、工作状态等评价维度的评价结果,构造城管工作人员数据池;
对案件数据池和城管工作人员数据池进行综合分析确定最佳案件派遣方法的决策变量,根据决策变量组成最佳案件派遣方法的目标函数和约束条件,构建最佳案件派遣方法的案件分配模型;
求解最佳案件派遣方法的案件分配模型,通过蚁群算法求解案件分配模型的目标函数,得到最佳案件派遣方法的分配结果。
8.一种终端,其特征在于,所述终端包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行以实现如权利要求1至7中任一项权利要求所述的一种城管采集案件实现智能派遣的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现如权利要求1至7中任一项权利要求所述的一种城市管理中监督员绩效评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110604353.2A CN113537698A (zh) | 2021-05-31 | 2021-05-31 | 一种城管采集案件实现智能派遣的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110604353.2A CN113537698A (zh) | 2021-05-31 | 2021-05-31 | 一种城管采集案件实现智能派遣的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113537698A true CN113537698A (zh) | 2021-10-22 |
Family
ID=78124534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110604353.2A Pending CN113537698A (zh) | 2021-05-31 | 2021-05-31 | 一种城管采集案件实现智能派遣的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537698A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105487920A (zh) * | 2015-10-12 | 2016-04-13 | 沈阳工业大学 | 基于蚁群算法的多核系统实时任务调度的优化方法 |
CN112862283A (zh) * | 2021-01-27 | 2021-05-28 | 城云科技(中国)有限公司 | 基于层次分析的城管派遣方法和系统 |
-
2021
- 2021-05-31 CN CN202110604353.2A patent/CN113537698A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105487920A (zh) * | 2015-10-12 | 2016-04-13 | 沈阳工业大学 | 基于蚁群算法的多核系统实时任务调度的优化方法 |
CN112862283A (zh) * | 2021-01-27 | 2021-05-28 | 城云科技(中国)有限公司 | 基于层次分析的城管派遣方法和系统 |
Non-Patent Citations (3)
Title |
---|
孟彩霞: "基于 TextRank 的关键词提取改进方法研究", 《计算机与数字工程》 * |
李建军等: "基于GACO的群智感知参与者选择方法研究", 《计算机应用研究》 * |
王庆等: "基于一种改进蚁群算法的知识员工任务指派及调度研究", 《管理评论》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Noghin | Relative importance of criteria: a quantitative approach | |
Frank et al. | Naive Bayes for regression | |
US20120246098A1 (en) | Role Mining With User Attribution Using Generative Models | |
Agakov et al. | An auxiliary variational method | |
Adamskiy et al. | A closer look at adaptive regret | |
Last et al. | A compact and accurate model for classification | |
CN107402859B (zh) | 软件功能验证系统及其验证方法 | |
CN112241421A (zh) | 一种数据血缘确定方法和装置 | |
CN111198897A (zh) | 科研热点主题分析方法、装置与电子设备 | |
CN113642700A (zh) | 基于联邦学习和边缘计算的跨平台多模态舆情分析方法 | |
Wiseman et al. | Amortized bethe free energy minimization for learning mrfs | |
Komjáthy | Explosive crump-mode-jagers branching processes | |
CN113537698A (zh) | 一种城管采集案件实现智能派遣的方法及系统 | |
CN110717577A (zh) | 一种注意区域信息相似性的时间序列预测模型构建方法 | |
CN110705889A (zh) | 一种企业筛选方法、装置、设备及存储介质 | |
CN116187675A (zh) | 任务分配方法、装置、设备及存储介质 | |
CN111078886B (zh) | 基于dmcnn的特殊事件提取系统 | |
CN114328924A (zh) | 一种基于预训练模型结合句法子树的关系分类方法 | |
US7840503B2 (en) | Learning A* priority function from unlabeled data | |
CN113590774A (zh) | 事件查询方法、装置以及存储介质 | |
CN114117248A (zh) | 数据处理方法、装置及电子设备 | |
Sheng et al. | Web service classification based on reinforcement learning and structured representation learning | |
CN117812185B (zh) | 一种智能外呼系统的管控方法及系统 | |
CN111026863A (zh) | 客户行为预测方法、装置、设备及介质 | |
CN117350288B (zh) | 基于案例匹配的网络安全运营辅助决策方法、系统及装置 |
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 |