CN114021778A - 一种基于智慧物联的智慧环境管理方法和系统 - Google Patents
一种基于智慧物联的智慧环境管理方法和系统 Download PDFInfo
- Publication number
- CN114021778A CN114021778A CN202111203702.6A CN202111203702A CN114021778A CN 114021778 A CN114021778 A CN 114021778A CN 202111203702 A CN202111203702 A CN 202111203702A CN 114021778 A CN114021778 A CN 114021778A
- Authority
- CN
- China
- Prior art keywords
- data
- community
- time
- real
- meteorological
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims abstract description 101
- 238000000034 method Methods 0.000 claims abstract description 89
- 230000007613 environmental effect Effects 0.000 claims abstract description 54
- 230000000694 effects Effects 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims abstract description 40
- 238000005406 washing Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 33
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 19
- 238000010219 correlation analysis Methods 0.000 claims description 18
- 238000000611 regression analysis Methods 0.000 claims description 18
- 239000000428 dust Substances 0.000 claims description 16
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 15
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 13
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 13
- 239000001569 carbon dioxide Substances 0.000 claims description 13
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000013475 authorization Methods 0.000 claims description 8
- 230000008520 organization Effects 0.000 claims description 8
- 238000001556 precipitation Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004899 c-terminal region Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000002087 whitening effect 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
- G06Q10/04—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
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
-
- 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
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Toxicology (AREA)
- Environmental & Geological Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Animal Behavior & Ethology (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本申请实施例公开了一种基于智慧物联的智慧环境管理方法和系统,所述方法包括:物联网中台根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化;根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度;当监测和/或预测到任一项当地气象数据、社区气象数据和社区环境数据超过设定阈值时,发送预警信息至物联网中台,以使得所述物联网中台向部署在公共区域的相关调节设备发送启动指令。节省社区管理人员的统计劳动量,提高社区环境管理的准确度和响应速度。
Description
技术领域
本申请实施例涉及智慧社区技术领域,具体涉及一种基于智慧物联的智慧环境管理方法和系统。
背景技术
智慧社区是社区管理的一种新理念,是新形势下社会管理创新的一种新模式。智慧社区是指充分利用物联网、云计算、移动互联网等新一代信息技术的集成应用,为社区居民提供一个安全、舒适、便利的现代化、智慧化生活环境,从而形成基于信息化、智能化社会管理与服务的一种新的管理形态的社区。智慧社区建设能够有效推动经济转型,促进现代服务业发展。
但是在现有技术中,社区管理不能够对社区内的环境进行检测,导致社区住户的环境安全不稳定,降低了住户的体验。
发明内容
为此,本申请实施例提供一种基于智慧物联的智慧环境管理方法和系统,节省社区管理人员的统计劳动量,提高社区环境管理的准确度和响应速度。
为了实现上述目的,本申请实施例提供如下技术方案:
根据本申请实施例的第一方面,提供了一种基于智慧物联的智慧环境管理方法,所述方法包括:
物联网中台根据住户定位信息实时获取当地实时气象数据、社区实时气象数据和社区实时环境数据;所述当地气象数据是从气象合作机构授权获得的,数据精细度达10米级,数据更新频率达到分钟级;所述社区实时气象数据是社区气象站通过气象检测设备检测的;所述社区实时环境数据是楼宇自控BA系统通过温湿度设备、水质检测设备、粉尘传感器和异味传感器检测到的;所述住户信息包括住户基本信息、住户房屋位置和数据访问权限;
根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化;
根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度;
当监测和/或预测到任一项当地气象数据、社区气象数据和社区环境数据超过设定阈值时,发送预警信息至物联网中台,以使得所述物联网中台向部署在公共区域的相关调节设备发送启动指令;
将实时获取的当地气象数据、社区气象数据、社区环境数据、活动适宜度、着装提醒和预警信息发送至数据中台,所述数据中台包括IOC智慧平台应用和社区APP,以供住户查看及使用。
可选地,所述根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化,包括:
基于当地气象数据、社区实时气象数据和社区实时环境数据,得到当地气象时间序列、社区实时气象时间序列和社区实时环境时间序列;
将当地气象数据时间序列作为输入数据,采用时间序列法对当地气象数据进行预测,得到当地气象数据初步预测结果,利用回归分析法计算当地气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对当地气象数据进行数据标准化处理,得到当地气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对当地气象数据的标准序列进行预测,得到当地气象数据下一段时序气象变化;
将社区实时气象时间序列作为输入数据,采用时间序列法对社区实时气象数据进行预测,得到社区实时气象数据初步预测结果,利用回归分析法计算社区实时气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时气象数据进行数据标准化处理,得到社区实时气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时气象数据的标准序列进行预测,得到社区实时气象数据下一段时序气象变化;
将社区实时环境时间序列作为输入数据,采用时间序列法对社区实时环境数据进行预测,得到社区实时环境数据初步预测结果,利用回归分析法计算社区实时环境数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时环境数据进行数据标准化处理,得到社区实时环境数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时环境数据的标准序列进行预测,得到社区实时环境数据下一段时序环境变化。
可选地,所述根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度,包括:
根据当地气象数据和社区实时气象数据构建气象知识图谱;
对气象知识图谱进行表示学习,得到气象知识向量表示;
基于时间序列神经网络和气象知识向量表示,对活动适宜度和着装提醒进行预测;所述活动适宜度包括洗车适宜度和运动适宜度。
可选地,所述当地气象数据包括辖区天气、光照度、大气压、降水概率、当前空气质量和未来3-72小时的气象预告信息;
所述社区气象数据包括PM2.5浓度、PM10浓度、二氧化碳浓度、一氧化碳浓度、风向和风速;
所述社区环境数据包括温度、湿度、噪音、粉尘数据和异味浓度。
可选地,若住户开通数据访问权限,获取的数据还包括用户家居环境信息;则所述方法还包括:
布置在住户房屋内的传感器系统实时收集用户家居环境信息,所述用户家居环境信息包括家居温度、湿度、PM2.5、甲醛浓度、一氧化碳浓度和二氧化碳浓度;所述传感器系统中的各传感器由任意两个以上的传感器组合式组成或将各传感器集中组合而成。
可选地,所述方法还包括:训练社区环境神经网络;
所述社区环境神经网络训练过程包括:
对采集到的社区环境数据进行预处理,统一采样间隔;
对预处理后的社区环境数据进行数据归一化处理;
将归一化处理后的社区环境数据作为社区环境神经网络的训练样本数据。
根据本申请实施例的第二方面,提供了一种基于智慧物联的智慧环境管理系统,所述系统包括:
数据获取模块,用于物联网中台根据住户定位信息实时获取当地实时气象数据、社区实时气象数据和社区实时环境数据;所述当地气象数据是从气象合作机构授权获得的,数据精细度达10米级,数据更新频率达到分钟级;所述社区实时气象数据是社区气象站通过气象检测设备检测的;所述社区实时环境数据是楼宇自控BA系统通过温湿度设备、水质检测设备、粉尘传感器和异味传感器检测到的;所述住户信息包括住户基本信息、住户房屋位置和数据访问权限;
预测模块,用于根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化;
信息确定模块,用于根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度;
预警模块,用于当监测和/或预测到任一项当地气象数据、社区气象数据和社区环境数据超过设定阈值时,发送预警信息至物联网中台,以使得所述物联网中台向部署在公共区域的相关调节设备发送启动指令;
信息推送模块,用于将实时获取的当地气象数据、社区气象数据、社区环境数据、活动适宜度、着装提醒和预警信息发送至数据中台,所述数据中台包括IOC智慧平台应用和社区APP,以供住户查看及使用。
可选地,所述预测模块,具体用于:
基于当地气象数据、社区实时气象数据和社区实时环境数据,得到当地气象时间序列、社区实时气象时间序列和社区实时环境时间序列;
将当地气象数据时间序列作为输入数据,采用时间序列法对当地气象数据进行预测,得到当地气象数据初步预测结果,利用回归分析法计算当地气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对当地气象数据进行数据标准化处理,得到当地气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对当地气象数据的标准序列进行预测,得到当地气象数据下一段时序气象变化;
将社区实时气象时间序列作为输入数据,采用时间序列法对社区实时气象数据进行预测,得到社区实时气象数据初步预测结果,利用回归分析法计算社区实时气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时气象数据进行数据标准化处理,得到社区实时气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时气象数据的标准序列进行预测,得到社区实时气象数据下一段时序气象变化;
将社区实时环境时间序列作为输入数据,采用时间序列法对社区实时环境数据进行预测,得到社区实时环境数据初步预测结果,利用回归分析法计算社区实时环境数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时环境数据进行数据标准化处理,得到社区实时环境数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时环境数据的标准序列进行预测,得到社区实时环境数据下一段时序环境变化。
可选地,所述信息确定模块,具体用于:
根据当地气象数据和社区实时气象数据构建气象知识图谱;
对气象知识图谱进行表示学习,得到气象知识向量表示;
基于时间序列神经网络和气象知识向量表示,对活动适宜度和着装提醒进行预测;所述活动适宜度包括洗车适宜度和运动适宜度。
可选地,所述当地气象数据包括辖区天气、光照度、大气压、降水概率、当前空气质量和未来3-72小时的气象预告信息;
所述社区气象数据包括PM2.5浓度、PM10浓度、二氧化碳浓度、一氧化碳浓度、风向和风速;
所述社区环境数据包括温度、湿度、噪音、粉尘数据和异味浓度。
根据本申请实施例的第三方面,提供了一种设备,所述设备包括:数据采集装置、处理器和存储器;所述数据采集装置用于采集数据;所述存储器用于存储一个或多个程序指令;所述处理器,用于执行一个或多个程序指令,用以执行第一方面任一项所述的方法。
根据本申请实施例的第四方面,提供了一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行如第一方面任一项所述的方法。
综上所述,本申请实施例提供了一种基于智慧物联的智慧环境管理方法和系统,通过物联网中台根据住户定位信息实时获取当地实时气象数据、社区实时气象数据和社区实时环境数据;所述当地气象数据是从气象合作机构授权获得的,数据精细度达10米级,数据更新频率达到分钟级;所述社区实时气象数据是社区气象站通过气象检测设备检测的;所述社区实时环境数据是楼宇自控BA系统通过温湿度设备、水质检测设备、粉尘传感器和异味传感器检测到的;所述住户信息包括住户基本信息、住户房屋位置和数据访问权限;根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化;根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度;当监测和/或预测到任一项当地气象数据、社区气象数据和社区环境数据超过设定阈值时,发送预警信息至物联网中台,以使得所述物联网中台向部署在公共区域的相关调节设备发送启动指令;将实时获取的当地气象数据、社区气象数据、社区环境数据、活动适宜度、着装提醒和预警信息发送至数据中台,所述数据中台包括IOC智慧平台应用和社区APP,以供住户查看及使用。节省社区管理人员的统计劳动量,提高社区环境管理的准确度和响应速度。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述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示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本申请实施例提供的基于智慧物联的智慧环境管理方法流程示意图;
图2为本申请实施例提供的环境监测规划示意图;
图3为本申请实施例提供的网络架构示意图;
图4为本申请实施例提供的基于智慧物联的智慧环境管理系统框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,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。基于本发明中的实施例,本领域普通技术人员在没有做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。
本申请实施例提供的基于智慧物联的智慧环境管理方法中,通过环境监测设备微气象站采集环境数据,信息同C端APP、IOC智慧大屏、社区信息屏,让社区住户切身的体会到社区的生态环境、关心就在身边。
图1示出了本申请实施例提供的基于智慧物联的智慧环境管理方法,所述方法包括如下步骤:
步骤101:物联网中台根据住户定位信息实时获取当地实时气象数据、社区实时气象数据和社区实时环境数据;所述当地气象数据是从气象合作机构授权获得的,数据精细度达10米级,数据更新频率达到分钟级;所述社区实时气象数据是社区气象站通过气象检测设备检测的;所述社区实时环境数据是楼宇自控BA系统通过温湿度设备、水质检测设备、粉尘传感器和异味传感器检测到的;所述住户信息包括住户基本信息、住户房屋位置和数据访问权限;
步骤102:根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化;
步骤103:根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度;
步骤104:当监测和/或预测到任一项当地气象数据、社区气象数据和社区环境数据超过设定阈值时,发送预警信息至物联网中台,以使得所述物联网中台向部署在公共区域的相关调节设备发送启动指令。
步骤105:将实时获取的当地气象数据、社区气象数据、社区环境数据、活动适宜度、着装提醒和预警信息发送至数据中台,所述数据中台包括IOC智慧平台应用和社区APP,以供住户查看及使用
在一种可能的实施方式中,在步骤102中,所述根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化,包括:
基于当地气象数据、社区实时气象数据和社区实时环境数据,得到当地气象时间序列、社区实时气象时间序列和社区实时环境时间序列;
将当地气象数据时间序列作为输入数据,采用时间序列法对当地气象数据进行预测,得到当地气象数据初步预测结果,利用回归分析法计算当地气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对当地气象数据进行数据标准化处理,得到当地气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对当地气象数据的标准序列进行预测,得到当地气象数据下一段时序气象变化;
将社区实时气象时间序列作为输入数据,采用时间序列法对社区实时气象数据进行预测,得到社区实时气象数据初步预测结果,利用回归分析法计算社区实时气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时气象数据进行数据标准化处理,得到社区实时气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时气象数据的标准序列进行预测,得到社区实时气象数据下一段时序气象变化;
将社区实时环境时间序列作为输入数据,采用时间序列法对社区实时环境数据进行预测,得到社区实时环境数据初步预测结果,利用回归分析法计算社区实时环境数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时环境数据进行数据标准化处理,得到社区实时环境数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时环境数据的标准序列进行预测,得到社区实时环境数据下一段时序环境变化。
在一种可能的实施方式中,在步骤103中,所述根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度,包括:
根据当地气象数据和社区实时气象数据构建气象知识图谱;
对气象知识图谱进行表示学习,得到气象知识向量表示;
基于时间序列神经网络和气象知识向量表示,对活动适宜度和着装提醒进行预测;所述活动适宜度包括洗车适宜度和运动适宜度。
在一种可能的实施方式中,所述当地气象数据包括辖区天气、光照度、大气压、降水概率、当前空气质量和未来3-72小时的气象预告信息;
所述社区气象数据包括PM2.5浓度、PM10浓度、二氧化碳浓度、一氧化碳浓度、风向和风速;
所述社区环境数据包括温度、湿度、噪音、粉尘数据和异味浓度。
在一种可能的实施方式中,若住户开通数据访问权限,获取的数据还包括用户家居环境信息;则所述方法还包括:
布置在住户房屋内的传感器系统实时收集用户家居环境信息,所述用户家居环境信息包括家居温度、湿度、PM2.5、甲醛浓度、一氧化碳浓度和二氧化碳浓度;所述传感器系统中的各传感器由任意两个以上的传感器组合式组成或将各传感器集中组合而成。
在一种可能的实施方式中,所述方法还包括:训练社区环境神经网络;
所述社区环境神经网络训练过程包括:
对采集到的社区环境数据进行预处理,统一采样间隔;
对预处理后的社区环境数据进行数据归一化处理;
将归一化处理后的社区环境数据作为社区环境神经网络的训练样本数据。
在一种可能的实施方式中,所述当地气象数据包括辖区天气、光照度、大气压、降水概率、当前空气质量和未来3-72小时的气象预告信息;所述社区气象数据包括PM2.5浓度、PM10浓度、二氧化碳浓度、一氧化碳浓度、风向和风速;所述社区环境数据包括温度、湿度、噪音、粉尘数据和异味浓度。
在一种可能的实施方式中,若住户开通数据访问权限,获取的数据还包括用户家居环境信息;则所述方法还包括:布置在住户房屋内的传感器系统实时收集用户家居环境信息,所述用户家居环境信息包括家居温度、湿度、PM2.5、甲醛浓度、一氧化碳浓度和二氧化碳浓度;所述传感器系统中的各传感器由任意两个以上的传感器组合式组成或将各传感器集中组合而成。
在一种可能的实施方式中,所述方法还包括:训练社区环境神经网络;所述社区环境神经网络训练过程包括:对采集到的社区环境数据进行预处理,统一采样间隔;具体地,可以采用二次多项式对统一后的采样间隔进行拟合插值或插值后抽取。
进一步,对预处理后的社区环境数据进行数据归一化处理;利用分量白化方法对预处理后的社区环境数据进行数据归一化处理,以便加快人工神经网络学习速度,从而提高人工神经网络的收敛速度;将归一化处理后的社区环境数据作为社区环境神经网络的训练样本数据。
所述IOC智慧平台和社区APP,可以显示用户实时位置的气象信息、社区环境数据和用户家居环境信息,所述气象信息为物联网中台接入获取授权的当地气象数据和社区气象站的气象检测设备检测的社区气象数据;所述社区环境数据为BA系统采集的温湿度设备、水质检测设备、粉尘传感器和异味传感器检测到的社区环境数据。
在智慧环境“环境监测”的规划方面,本申请实施例实时监测社区环境参数,包括温湿度、PM2.5/PM10浓度、风力、风向等信息,并动态推送到社区LED大屏和后台,让业主切实感受社区的环境状况,向物管人员提供环境监测和改善的决策依据。如图2所示。
图2中,在社区指定位置设置微气象站,以进行室内环境的监测,监测出每户平均值和售楼中心总值。通过设备采集环境参数,所述环境参数包括天气、PM2.5/PM10浓度、光照度、温湿度、大气压、噪音、二氧化碳浓度、一氧化碳浓度、风向、风速和水浸情况。将社区气象站监测到的数据、以及从本市气象局采集到的气象数据发布在IOC大屏上。
举例说明,在IOC数字大屏环境监测指标展示,天气:晴;温度:10C~10℃;风力:2级;空气质量:优;紫外线强度:弱;运动:适宜;污染:弱;降水:23点;湿度:70%;风向:东南;洗车:适宜;穿衣:较冷。
图3示出了本申请实施例提供的社区智慧环境系统适用的网络架构示意图,在图3中,包括物联网中台、边缘服务器、气象站系统、楼宇设备自控BA系统;气象站系统与气象检测设备连接,BA系统与温湿度设备和水质检测设备连接。气象站系统和BA系统分别与边缘服务器连接,边缘服务器与物联网中台连接。
本申请实施例提供的基于智慧物联的智慧环境管理方法在具体实施时,基础设备可以包括物业管理一体机、通行版组合AI-BOX服务器、总部集成设备上云。气象传感器厂商可以包括需提供接入设备的对应文档、设备厂商需配合总部进行、设备接入联调、设备厂商需开通对应的权限。
网络通信系统可采用有线通信技术或无线通信技术,所述的无线通信技术可采用较为成熟的无线局域网技术、移动通信技术、低功耗蓝牙技术或Zigbee技术,所述的身份识别系统、传感器系统和家居环境终端系统之间的通信采用无线通信技术,所述的智能集成通信系统与云端中央处理器之间的通信采用有线通信技术和无线通信技术并行。
综上所述,本申请实施例提供了一种基于智慧物联的智慧环境管理方法,通过物联网中台根据住户定位信息实时获取当地实时气象数据、社区实时气象数据和社区实时环境数据;所述当地气象数据是从气象合作机构授权获得的,数据精细度达10米级,数据更新频率达到分钟级;所述社区实时气象数据是社区气象站通过气象检测设备检测的;所述社区实时环境数据是楼宇自控BA系统通过温湿度设备、水质检测设备、粉尘传感器和异味传感器检测到的;所述住户信息包括住户基本信息、住户房屋位置和数据访问权限;根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化;根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度;当监测和/或预测到任一项当地气象数据、社区气象数据和社区环境数据超过设定阈值时,发送预警信息至物联网中台,以使得所述物联网中台向部署在公共区域的相关调节设备发送启动指令;将实时获取的当地气象数据、社区气象数据、社区环境数据、活动适宜度、着装提醒和预警信息发送至数据中台,所述数据中台包括IOC智慧平台应用和社区APP,以供住户查看及使用。节省社区管理人员的统计劳动量,提高社区环境管理的准确度和响应速度。
基于相同的技术构思,本申请实施例还提供了一种基于智慧物联的智慧环境管理系统,如图4所示,所述系统包括:
数据获取模块401,用于物联网中台根据住户定位信息实时获取当地实时气象数据、社区实时气象数据和社区实时环境数据;所述当地气象数据是从气象合作机构授权获得的,数据精细度达10米级,数据更新频率达到分钟级;所述社区实时气象数据是社区气象站通过气象检测设备检测的;所述社区实时环境数据是楼宇自控BA系统通过温湿度设备、水质检测设备、粉尘传感器和异味传感器检测到的;所述住户信息包括住户基本信息、住户房屋位置和数据访问权限;
预测模块402,用于根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化;
信息确定模块403,用于根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度;
预警模块404,用于当监测和/或预测到任一项当地气象数据、社区气象数据和社区环境数据超过设定阈值时,发送预警信息至物联网中台,以使得所述物联网中台向部署在公共区域的相关调节设备发送启动指令;
信息推送模块405,用于将实时获取的当地气象数据、社区气象数据、社区环境数据、活动适宜度、着装提醒和预警信息发送至数据中台,所述数据中台包括IOC智慧平台应用和社区APP,以供住户查看及使用。
在一种可能的实施方式中,所述预测模块402,具体用于:
基于当地气象数据、社区实时气象数据和社区实时环境数据,得到当地气象时间序列、社区实时气象时间序列和社区实时环境时间序列;
将当地气象数据时间序列作为输入数据,采用时间序列法对当地气象数据进行预测,得到当地气象数据初步预测结果,利用回归分析法计算当地气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对当地气象数据进行数据标准化处理,得到当地气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对当地气象数据的标准序列进行预测,得到当地气象数据下一段时序气象变化;
将社区实时气象时间序列作为输入数据,采用时间序列法对社区实时气象数据进行预测,得到社区实时气象数据初步预测结果,利用回归分析法计算社区实时气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时气象数据进行数据标准化处理,得到社区实时气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时气象数据的标准序列进行预测,得到社区实时气象数据下一段时序气象变化;
将社区实时环境时间序列作为输入数据,采用时间序列法对社区实时环境数据进行预测,得到社区实时环境数据初步预测结果,利用回归分析法计算社区实时环境数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时环境数据进行数据标准化处理,得到社区实时环境数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时环境数据的标准序列进行预测,得到社区实时环境数据下一段时序环境变化。
在一种可能的实施方式中,所述信息确定模块403,具体用于:
根据当地气象数据和社区实时气象数据构建气象知识图谱;
对气象知识图谱进行表示学习,得到气象知识向量表示;
基于时间序列神经网络和气象知识向量表示,对活动适宜度和着装提醒进行预测;所述活动适宜度包括洗车适宜度和运动适宜度。
在一种可能的实施方式中,所述当地气象数据包括辖区天气、光照度、大气压、降水概率、当前空气质量和未来3-72小时的气象预告信息;
所述社区气象数据包括PM2.5浓度、PM10浓度、二氧化碳浓度、一氧化碳浓度、风向和风速;
所述社区环境数据包括温度、湿度、噪音、粉尘数据和异味浓度。
在一种可能的实施方式中,若住户开通数据访问权限,获取的数据还包括用户家居环境信息;则所述数据获取模块401还用于:布置在住户房屋内的传感器系统实时收集用户家居环境信息,所述用户家居环境信息包括家居温度、湿度、PM2.5、甲醛浓度、一氧化碳浓度和二氧化碳浓度;所述传感器系统中的各传感器由任意两个以上的传感器组合式组成或将各传感器集中组合而成。
在一种可能的实施方式中,所述系统还包括:神经网络训练模块;所述神经网络训练模块具体用于:对采集到的社区环境数据进行预处理,统一采样间隔;对预处理后的社区环境数据进行数据归一化处理;将归一化处理后的社区环境数据作为社区环境神经网络的训练样本数据。
基于相同的技术构思,本申请实施例还提供了一种设备,所述设备包括:数据采集装置、处理器和存储器;所述数据采集装置用于采集数据;所述存储器用于存储一个或多个程序指令;所述处理器,用于执行一个或多个程序指令,用以执行所述的方法。
基于相同的技术构思,本申请实施例还提供了一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行所述的方法。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
需要说明的是,尽管在附图中以特定顺序描述了本发明方法的操作,但这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然本申请提供了如实施例或流程图的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
上述实施例阐明的单元、装置或模块等,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于智慧物联的智慧环境管理方法,其特征在于,所述方法包括:
物联网中台根据住户定位信息实时获取当地实时气象数据、社区实时气象数据和社区实时环境数据;所述当地气象数据是从气象合作机构授权获得的,数据精细度达10米级,数据更新频率达到分钟级;所述社区实时气象数据是社区气象站通过气象检测设备检测的;所述社区实时环境数据是楼宇自控BA系统通过温湿度设备、水质检测设备、粉尘传感器和异味传感器检测到的;所述住户信息包括住户基本信息、住户房屋位置和数据访问权限;
根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化;
根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度;
当监测和/或预测到任一项当地气象数据、社区气象数据和社区环境数据超过设定阈值时,发送预警信息至物联网中台,以使得所述物联网中台向部署在公共区域的相关调节设备发送启动指令;
将实时获取的当地气象数据、社区气象数据、社区环境数据、活动适宜度、着装提醒和预警信息发送至数据中台,所述数据中台包括IOC智慧平台应用和社区APP,以供住户查看及使用。
2.如权利要求1所述的方法,其特征在于,所述根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化,包括:
基于当地气象数据、社区实时气象数据和社区实时环境数据,得到当地气象时间序列、社区实时气象时间序列和社区实时环境时间序列;
将当地气象数据时间序列作为输入数据,采用时间序列法对当地气象数据进行预测,得到当地气象数据初步预测结果,利用回归分析法计算当地气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对当地气象数据进行数据标准化处理,得到当地气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对当地气象数据的标准序列进行预测,得到当地气象数据下一段时序气象变化;
将社区实时气象时间序列作为输入数据,采用时间序列法对社区实时气象数据进行预测,得到社区实时气象数据初步预测结果,利用回归分析法计算社区实时气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时气象数据进行数据标准化处理,得到社区实时气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时气象数据的标准序列进行预测,得到社区实时气象数据下一段时序气象变化;
将社区实时环境时间序列作为输入数据,采用时间序列法对社区实时环境数据进行预测,得到社区实时环境数据初步预测结果,利用回归分析法计算社区实时环境数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时环境数据进行数据标准化处理,得到社区实时环境数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时环境数据的标准序列进行预测,得到社区实时环境数据下一段时序环境变化。
3.如权利要求1所述的方法,其特征在于,所述根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度,包括:
根据当地气象数据和社区实时气象数据构建气象知识图谱;
对气象知识图谱进行表示学习,得到气象知识向量表示;
基于时间序列神经网络和气象知识向量表示,对活动适宜度和着装提醒进行预测;所述活动适宜度包括洗车适宜度和运动适宜度。
4.如权利要求1所述的方法,其特征在于,所述当地气象数据包括辖区天气、光照度、大气压、降水概率、当前空气质量和未来3-72小时的气象预告信息;
所述社区气象数据包括PM2.5浓度、PM10浓度、二氧化碳浓度、一氧化碳浓度、风向和风速;
所述社区环境数据包括温度、湿度、噪音、粉尘数据和异味浓度。
5.如权利要求1所述的方法,其特征在于,若住户开通数据访问权限,获取的数据还包括用户家居环境信息;则所述方法还包括:
布置在住户房屋内的传感器系统实时收集用户家居环境信息,所述用户家居环境信息包括家居温度、湿度、PM2.5、甲醛浓度、一氧化碳浓度和二氧化碳浓度;所述传感器系统中的各传感器由任意两个以上的传感器组合式组成或将各传感器集中组合而成。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:训练社区环境神经网络;
所述社区环境神经网络训练过程包括:
对采集到的社区环境数据进行预处理,统一采样间隔;
对预处理后的社区环境数据进行数据归一化处理;
将归一化处理后的社区环境数据作为社区环境神经网络的训练样本数据。
7.一种基于智慧物联的智慧环境管理系统,其特征在于,所述系统包括:
数据获取模块,用于物联网中台根据住户定位信息实时获取当地实时气象数据、社区实时气象数据和社区实时环境数据;所述当地气象数据是从气象合作机构授权获得的,数据精细度达10米级,数据更新频率达到分钟级;所述社区实时气象数据是社区气象站通过气象检测设备检测的;所述社区实时环境数据是楼宇自控BA系统通过温湿度设备、水质检测设备、粉尘传感器和异味传感器检测到的;所述住户信息包括住户基本信息、住户房屋位置和数据访问权限;
预测模块,用于根据当地气象数据、社区实时气象数据和社区实时环境数据,通过时间序列神经网络分析算法,预测下一段时序气象变化和环境变化;
信息确定模块,用于根据当地气象数据、社区实时气象数据,通过知识图谱和时间序列神经网络推荐算法,计算生成活动适宜度和着装提醒,所述活动适宜度包括洗车适宜度和运动适宜度;
预警模块,用于当监测和/或预测到任一项当地气象数据、社区气象数据和社区环境数据超过设定阈值时,发送预警信息至物联网中台,以使得所述物联网中台向部署在公共区域的相关调节设备发送启动指令;
信息推送模块,用于将实时获取的当地气象数据、社区气象数据、社区环境数据、活动适宜度、着装提醒和预警信息发送至数据中台,所述数据中台包括IOC智慧平台应用和社区APP,以供住户查看及使用。
8.如权利要求7所述的系统,其特征在于,所述预测模块,具体用于:
基于当地气象数据、社区实时气象数据和社区实时环境数据,得到当地气象时间序列、社区实时气象时间序列和社区实时环境时间序列;
将当地气象数据时间序列作为输入数据,采用时间序列法对当地气象数据进行预测,得到当地气象数据初步预测结果,利用回归分析法计算当地气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对当地气象数据进行数据标准化处理,得到当地气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对当地气象数据的标准序列进行预测,得到当地气象数据下一段时序气象变化;
将社区实时气象时间序列作为输入数据,采用时间序列法对社区实时气象数据进行预测,得到社区实时气象数据初步预测结果,利用回归分析法计算社区实时气象数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时气象数据进行数据标准化处理,得到社区实时气象数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时气象数据的标准序列进行预测,得到社区实时气象数据下一段时序气象变化;
将社区实时环境时间序列作为输入数据,采用时间序列法对社区实时环境数据进行预测,得到社区实时环境数据初步预测结果,利用回归分析法计算社区实时环境数据初步预测结果与输入数据之间的相关性;基于神经网络和相关性分析对社区实时环境数据进行数据标准化处理,得到社区实时环境数据的标准序列;建立神经网络预测模型并进行训练,利用神经网络预测模型对社区实时环境数据的标准序列进行预测,得到社区实时环境数据下一段时序环境变化。
9.如权利要求7所述的系统,其特征在于,所述信息确定模块,具体用于:
根据当地气象数据和社区实时气象数据构建气象知识图谱;
对气象知识图谱进行表示学习,得到气象知识向量表示;
基于时间序列神经网络和气象知识向量表示,对活动适宜度和着装提醒进行预测;所述活动适宜度包括洗车适宜度和运动适宜度。
10.如权利要求7所述的系统,其特征在于,所述当地气象数据包括辖区天气、光照度、大气压、降水概率、当前空气质量和未来3-72小时的气象预告信息;
所述社区气象数据包括PM2.5浓度、PM10浓度、二氧化碳浓度、一氧化碳浓度、风向和风速;
所述社区环境数据包括温度、湿度、噪音、粉尘数据和异味浓度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203702.6A CN114021778A (zh) | 2021-10-15 | 2021-10-15 | 一种基于智慧物联的智慧环境管理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203702.6A CN114021778A (zh) | 2021-10-15 | 2021-10-15 | 一种基于智慧物联的智慧环境管理方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114021778A true CN114021778A (zh) | 2022-02-08 |
Family
ID=80056293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111203702.6A Pending CN114021778A (zh) | 2021-10-15 | 2021-10-15 | 一种基于智慧物联的智慧环境管理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114021778A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373855A (zh) * | 2015-11-19 | 2016-03-02 | 国网河南省电力公司电力科学研究院 | 一种用于特殊天气和特殊日期的电力系统日负荷预测方法 |
WO2016129715A1 (ko) * | 2015-02-10 | 2016-08-18 | 주식회사 주빅스 | 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템 |
CN107153874A (zh) * | 2017-04-11 | 2017-09-12 | 中国农业大学 | 水质预测方法及系统 |
US20170301220A1 (en) * | 2016-04-19 | 2017-10-19 | Navio International, Inc. | Modular approach for smart and customizable security solutions and other applications for a smart city |
CN107995278A (zh) * | 2017-11-28 | 2018-05-04 | 特斯联(北京)科技有限公司 | 一种基于城域级物联网感知数据的场景智能分析系统与方法 |
CN108900576A (zh) * | 2018-06-08 | 2018-11-27 | 上海驹源通信科技有限公司 | 一种基于5g的智慧社区应用服务系统 |
CN110119002A (zh) * | 2019-04-28 | 2019-08-13 | 武汉企鹅能源数据有限公司 | 基于大数据的气象ai平台 |
CN110162587A (zh) * | 2019-05-27 | 2019-08-23 | 北京气象在线科技有限公司 | 面向户外健身运动的气象参考指数生成方法 |
CN110647979A (zh) * | 2019-09-10 | 2020-01-03 | 淮阴工学院 | 一种基于物联网的温室环境多参数智能化监测系统 |
CN110766132A (zh) * | 2019-09-10 | 2020-02-07 | 淮阴工学院 | 一种基于物联网的果园产量智能预测系统 |
CN111854847A (zh) * | 2020-08-12 | 2020-10-30 | 中国科学院城市环境研究所 | 基于景感生态学的生态环境物联网监测方法及系统 |
CN112149887A (zh) * | 2020-09-08 | 2020-12-29 | 北京工业大学 | 一种基于数据时空特征的pm2.5浓度预测方法 |
CN112927801A (zh) * | 2021-01-24 | 2021-06-08 | 武汉东湖大数据交易中心股份有限公司 | 一种基于穿衣气象指数的健康预测模型的构建方法及装置 |
CN113298288A (zh) * | 2021-04-12 | 2021-08-24 | 国网浙江省电力有限公司湖州供电公司 | 一种融合时间序列和神经网络的供电所运维成本预测方法 |
-
2021
- 2021-10-15 CN CN202111203702.6A patent/CN114021778A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016129715A1 (ko) * | 2015-02-10 | 2016-08-18 | 주식회사 주빅스 | 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템 |
CN105373855A (zh) * | 2015-11-19 | 2016-03-02 | 国网河南省电力公司电力科学研究院 | 一种用于特殊天气和特殊日期的电力系统日负荷预测方法 |
US20170301220A1 (en) * | 2016-04-19 | 2017-10-19 | Navio International, Inc. | Modular approach for smart and customizable security solutions and other applications for a smart city |
CN107153874A (zh) * | 2017-04-11 | 2017-09-12 | 中国农业大学 | 水质预测方法及系统 |
CN107995278A (zh) * | 2017-11-28 | 2018-05-04 | 特斯联(北京)科技有限公司 | 一种基于城域级物联网感知数据的场景智能分析系统与方法 |
CN108900576A (zh) * | 2018-06-08 | 2018-11-27 | 上海驹源通信科技有限公司 | 一种基于5g的智慧社区应用服务系统 |
CN110119002A (zh) * | 2019-04-28 | 2019-08-13 | 武汉企鹅能源数据有限公司 | 基于大数据的气象ai平台 |
CN110162587A (zh) * | 2019-05-27 | 2019-08-23 | 北京气象在线科技有限公司 | 面向户外健身运动的气象参考指数生成方法 |
CN110647979A (zh) * | 2019-09-10 | 2020-01-03 | 淮阴工学院 | 一种基于物联网的温室环境多参数智能化监测系统 |
CN110766132A (zh) * | 2019-09-10 | 2020-02-07 | 淮阴工学院 | 一种基于物联网的果园产量智能预测系统 |
CN111854847A (zh) * | 2020-08-12 | 2020-10-30 | 中国科学院城市环境研究所 | 基于景感生态学的生态环境物联网监测方法及系统 |
CN112149887A (zh) * | 2020-09-08 | 2020-12-29 | 北京工业大学 | 一种基于数据时空特征的pm2.5浓度预测方法 |
CN112927801A (zh) * | 2021-01-24 | 2021-06-08 | 武汉东湖大数据交易中心股份有限公司 | 一种基于穿衣气象指数的健康预测模型的构建方法及装置 |
CN113298288A (zh) * | 2021-04-12 | 2021-08-24 | 国网浙江省电力有限公司湖州供电公司 | 一种融合时间序列和神经网络的供电所运维成本预测方法 |
Non-Patent Citations (4)
Title |
---|
宋建洋等: "健康气象服务现状及展望", 《环境卫生学杂志》 * |
李芷珊等: "养老社区环境健康预警系统的设计与实现", 《计算机工程与科学》 * |
王钧立: "智慧气象平台实现技术初探――以重庆市渝北区气象局为例", 《三峡生态环境监测》 * |
郭雪白等: "大气污染预警仿真模型研究――以郑州市为例", 《创新科技》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Daissaoui et al. | IoT and big data analytics for smart buildings: A survey | |
CN108591104B (zh) | 一种基于云平台的风机故障预测与健康管理系统、方法 | |
Wang et al. | Modeling and predicting occupancy profile in office space with a Wi-Fi probe-based Dynamic Markov Time-Window Inference approach | |
Dabirian et al. | Occupant-centric urban building energy modeling: Approaches, inputs, and data sources-A review | |
Pang et al. | Application of mobile positioning occupancy data for building energy simulation: An engineering case study | |
Panchabikesan et al. | Data driven occupancy information for energy simulation and energy use assessment in residential buildings | |
CN107146065A (zh) | 铁路工程管理平台系统 | |
CN103576632A (zh) | 基于物联网技术的生猪生长环境监测与控制系统 | |
CN111741133B (zh) | 一种云边端协同的气象智能预警系统 | |
US10139437B2 (en) | Apparatus, server, system and method for energy measuring | |
CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
CN109376906B (zh) | 基于多维度轨迹的出行时间预测方法、系统及电子设备 | |
Chen et al. | A review on traffic prediction methods for intelligent transportation system in smart cities | |
CN114881808A (zh) | 基于大数据的电力窃电精准识别方法及防窃电系统 | |
CN108225439A (zh) | 一种电子通信环境监控系统 | |
Tomić et al. | Smart SCADA system for urban air pollution monitoring | |
Yun et al. | IoT-enabled particulate matter monitoring and forecasting method based on cluster analysis | |
Dai et al. | Achieving better indoor air quality with IoT systems for future buildings: Opportunities and challenges | |
CN210183356U (zh) | 一种海绵城市暴雨检测预警系统 | |
CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
Ahmed et al. | State-of-the-art review of occupant behavior modeling and implementation in building performance simulation | |
US20150357816A1 (en) | Apparatus, server, system and method for energy measuring | |
Stamatescu et al. | Privacy‐Preserving Sensing and Two‐Stage Building Occupancy Prediction Using Random Forest Learning | |
CN114021778A (zh) | 一种基于智慧物联的智慧环境管理方法和系统 | |
CN116992216A (zh) | 一种基于电力用户数据的短期负荷预测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220208 |