CN115330103A - 城市运行状态智能分析方法、装置、计算机设备及存储介质 - Google Patents
城市运行状态智能分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115330103A CN115330103A CN202210161662.1A CN202210161662A CN115330103A CN 115330103 A CN115330103 A CN 115330103A CN 202210161662 A CN202210161662 A CN 202210161662A CN 115330103 A CN115330103 A CN 115330103A
- Authority
- CN
- China
- Prior art keywords
- urban
- index
- decision
- data
- dynamic rule
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 90
- 239000002131 composite material Substances 0.000 claims abstract description 50
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000011161 development Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic 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
- G06Q10/06—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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明实施例公开了城市运行状态智能分析方法、装置、计算机设备及存储介质。所述方法包括:获取待分析数据;对所述待分析数据进行关联计算,以得到指标计算结果;采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集;对所述复合指标集进行体征化表达,以得到城市体征描述集;根据所述动态规则模型结合所述城市体征描述集生成目标决策集;监测所述目标决策集有效期内的应用情况,以得到应用情况数据。通过实施本发明实施例的方法可实现自动化分析城市运行状态,做到城市运行智能化、科学化、闭环化的管理。
Description
技术领域
本发明涉及智慧城市技术领域,更具体地说是指城市运行状态智能分析方法、装置、计算机设备及存储介质。
背景技术
城市的运行体征也就是城市运行状态,是一个城市发展运行情况的指标,它由城市中的各项指标体系组合而成,可对城市的运行管理起到了全面检测的目的,是提高城市的运行效率以及实力的重要因素之一。
目前对于城市运行状态的分析方法,是通过采集上报需要分析的数据,再由有经验的管理者进行人工分析,缺乏基于系统思维、数据要素、智能手段的创新性、精准性和闭环性,无法实现自动化、智能化分析城市运行状态,无法做到城市运行智能化、科学化、闭环化的管理。
因此,有必要设计一种新的方法,实现自动化、智能化分析城市运行状态,做到城市运行智能化、科学化、闭环化的管理。
发明内容
本发明的目的在于克服现有技术的缺陷,提供城市运行状态智能分析方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:城市运行状态智能分析方法,包括:
获取待分析数据;
对所述待分析数据进行关联计算,以得到指标计算结果;
采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集;
对所述复合指标集进行体征化表达,以得到城市体征描述集;
根据所述动态规则模型结合所述城市体征描述集生成目标决策集;
监测所述目标决策集有效期内的应用情况,以得到应用情况数据。
其进一步技术方案为:所述监测所述目标决策集有效期内的应用情况,以得到应用情况数据之后,还包括:
根据所述应用情况数据优化城市运行指标和动态规则模型。
其进一步技术方案为:所述待分析数据包括城市运行指标以及城市运行数据,所述城市运行指标包括能反映城市运行状况且可量化计算、机器可读的统计指标以及自定义指标。
其进一步技术方案为:所述采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集,包括:
调用动态规则模型中的规则集;
根据所述规则集按照预设的指标组合规则对所述指标计算结果进行综合计算,以得到复合指标集。
其进一步技术方案为:所述对所述复合指标集进行体征化表达,以得到城市体征描述集,包括:
根据预定义的格式化城市体征描述模板对所述复合指标集进行结构化组装以及文本化知识表达,以得到城市体征描述集。
其进一步技术方案为:所述根据所述动态规则模型结合所述城市体征描述集生成目标决策集,包括:
调用动态规则模型中的模型集;
根据所述模型集结合所述城市体征描述集生成初始决策集;
调用决策历史信息对所述初始决策集进行校验优化,以得到目标决策集。
其进一步技术方案为:所述根据所述应用情况数据优化城市运行指标和动态规则模型,包括:
按照预设评价模型对所述应用情况数据进行分析计算,以得到应用评价结果;
根据所述应用评价结果对城市运行指标和动态规则模型进行优化;
根据所述应用评价结果更新决策历史信息。
本发明还提供了城市运行状态智能分析装置,包括:
数据获取单元,用于获取待分析数据;
关联计算单元,用于对所述待分析数据进行关联计算,以得到指标计算结果;
融合计算单元,用于采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集;
表达单元,用于对所述复合指标集进行体征化表达,以得到城市体征描述集;
决策集生成单元,用于根据所述动态规则模型结合所述城市体征描述集生成目标决策集;
监测单元,用于监测所述目标决策集有效期内的应用情况,以得到应用情况数据。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过获取待分析数据,对待分析数据进行关联计算和融合计算后,再进行体征化表达,结合动态规则模型生成目标决策集,并且监测目标决策集有效期内的应用情况,实现自动化分析城市运行状态,做到城市运行智能化、科学化、闭环化的管理。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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为本发明实施例提供的城市运行状态智能分析方法的应用场景示意图;
图2为本发明实施例提供的城市运行状态智能分析方法的流程示意图;
图3为本发明实施例提供的城市运行状态智能分析方法的子流程示意图;
图4为本发明实施例提供的城市运行状态智能分析方法的子流程示意图;
图5为本发明另一实施例提供的城市运行状态智能分析方法的流程示意图;
图6为本发明实施例提供的城市运行状态智能分析方法的子流程示意图;
图7为本发明实施例提供的城市运行状态智能分析装置的示意性框图;
图8为本发明实施例提供的城市运行状态智能分析装置的融合计算单元的示意性框图;
图9为本发明实施例提供的城市运行状态智能分析装置的决策集生成单元的示意性框图;
图10为本发明另一实施例提供的城市运行状态智能分析装置的示意性框图;
图11为本发明另一实施例提供的城市运行状态智能分析装置的优化单元的示意性框图;
图12为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
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清楚、完整地描述,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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的城市运行状态智能分析方法的应用场景示意图。图2为本发明实施例提供的城市运行状态智能分析方法的示意性流程图。该城市运行状态智能分析方法应用于服务器中。该服务器与终端进行数据交互,通过终端获取待分析数据,基于对城市运行数据和城市运行指标的匹配计算,以及基于动态规则模型的进一步综合计算,能够将城市运行状态规则化、知识化;规则化、知识化的运行状态通过城市体征化表达,使得城市运行状态能够被智能建模、文本表达;体征化表达的运行状态经专家知识模型和决策历史的综合判断,生成城市治理的决策集,实现自动化分析城市运行状态,做到城市运行智能化、科学化、闭环化的管理。
图2是本发明实施例提供的城市运行状态智能分析方法的流程示意图。如图2所示,该方法包括以下步骤S110至S160。
S110、获取待分析数据。
在本实施例中,待分析数据包括城市运行指标以及城市运行数据,所述城市运行数据是按照预设格式、形态归集的结构化数据,如以XML形式存储的包含ID、唯一ID、访问的appid、用户名、身份证号等字段的健康码亮码信息,以及包含ID、名称、注册地址、经营年限、企业性质、国内供应商数、国外供应商数、产值、专利、研发投入等字段的企业信息等。
所述城市运行指标包括能反映城市运行状况且可量化计算、机器可读的统计指标以及自定义指标。
具体地,城市运行指标包含能够反映城市运行状况且可量化计算、机器可读的统计指标、自定义指标。
S120、对所述待分析数据进行关联计算,以得到指标计算结果。
在本实施例中,指标计算结果是指对待分析数据按照不同规则对应不同计算处理算法进行计算后得到的结果。
具体地,根据不同指标的计算处理算法,批量快速计算并输出指标数值集,由此得到指标计算结果,如输出经济领域指标集包含CPI、工业增加值、服务业增加值、“三新”经济增加值、产业数字化增加值、数字产业化增加值、产业链断链风险程度等一批指标值。
S130、采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集。
具体地,采用动态规则模型,按预设的提取条件与组合方式,抽取生成经济、产业、交通、教育、健康、环境、安全、基层治理等领域实例主题模型及其对应的多指标关联计算规则,对所述指标计算结果进行融合计算,以得到复合指标集。如在动态规则模型中抽取数字经济主体模型,计算复合指标数字经济的发展态势TrendDigitalEconomy,并生成相应的计算参数e1、e2、e3,得到 TrendDigitalEconomy=(“三新”经济增加值*e1+产业数字化经济增加值*e2+数字产业化增加值*e3)/GDP。
在本实施例中,复合指标集是指根据动态规则模型内的规则集对指标计算结果进行综合计算得到的结果。
具体地,动态规则模型包含城市运行管理相关的机器可读的法律法规、行政规范、标准指南、应急预案、统计规则、日常经验以及科研院所、专家智库总结提炼的参考案例。动态规则模型内的规则集是指这些参考案例内的规则。
在一实施例中,请参阅图3,上述的步骤S130可包括步骤S131~S132。
S131、调用动态规则模型中的规则集;
S132、根据所述规则集按照预设的指标组合规则对所述指标计算结果进行综合计算,以得到复合指标集。
具体地,同步调用动态规则模型中的规则集,并按照预设的指标组合规则集内的规则对指标计算结果进行综合计算,组合成具有更多维度指标、信息更加全面的复合指标集;具体是按照不同指标计算结果进行规则的组装,形成对指标计算结果的规则综合计算。
S140、对所述复合指标集进行体征化表达,以得到城市体征描述集。
在本实施例中,城市体征描述集是指将复合指标集转换为城市体征的结果。
具体地,根据预定义的格式化城市体征描述模板对所述复合指标集进行结构化组装以及文本化知识表达,以得到城市体征描述集。
在本实施例中,城市体征描述模板包括体征名称、体征作用、体征复合指标,体征复合指标数值(集)、体征复合指标数值的合理范围、低于下合理范围的不利影响、高于合理范围的不利影响、计算周期、体征复合指标中的成分指标名称,如城市经济体征中的新经济体征,其名称为新经济体征;体征作用是衡量城市经济数字化发展水平;体征复合指标为数字经济的发展态势 TrendDigitalEconomy;体征复合指标数值为N;体征复合指标数值的合理范围为(P,Q);当N<P时,城市新经济发展不及预期,当N>Q时,城市新经济可能导致造成对其他产业的挤压;计算周期为每季度;体征复合指标中的成分指标名称为“三新”经济增加值、产业数字化经济增加值、数字产业化增加值。
S150、根据所述动态规则模型结合所述城市体征描述集生成目标决策集。
在本实施例中,目标决策集是指根据城市体征描述集生成且由决策历史信息校验后的决策方案的集合。
具体地,目标决策集包括若干决策项,每个决策项包括决策建议、决策依据的体征、决策依据的模型、决策潜在影响、历史相似决策参考等要素。如决策项1对应的决策建议是,加大数字经济的扶持力度,增加10亿元专项资金,做强优势主导数字产业,做大培育新兴产业;决策依据的体征是新经济体征;决策依据的模型是根据专家研究形成的新经济发展模型;决策潜在影响是推动城市新经济加速发展;历史相似决策参考暂无;
在一实施例中,请参阅图4,上述的步骤S150可包括步骤S151~S153。
S151、调用动态规则模型中的模型集;
在本实施例中,模型集包括机器可读的城市公共卫生、洪涝灾害、危化品、建筑施工、交通运输、地下空间、特种设备、消防火灾、食品药品、生态环境、城市管理、社会矛盾等领域的应急响应方案和日常处理流程。
S152、根据所述模型集结合所述城市体征描述集生成初始决策集;
S153、调用决策历史信息对所述初始决策集进行校验优化,以得到目标决策集。
同步调用动态规则模型中的模型集,预生成初始决策集,并调用决策历史信息对初始决策集进行校验优化,正式生成目标决策集,目标决策集同时存入决策历史信息,作为下次决策的决策历史信息。决策历史信息包括目标决策集的参考、存储生成的决策内容及其评价结果。
S160、监测所述目标决策集有效期内的应用情况,以得到应用情况数据。
具体地,在目标决策集有效期内不断监测目标决策集的应用情况,在有效期结束后生成格式化的目标决策集的应用情况数据。
本实施例的方法基于对城市运行数据和运行指标的匹配计算,以及基于动态规则模型的进一步综合计算,能够将城市运行状态规则化、知识化;规则化、知识化的运行状态通过城市体征化表达,使得城市运行状态能够被智能建模、文本表达;体征化表达的运行状态经专家知识模型和决策历史的综合判断,生成城市治理决策选择集合。大大提高城市运行的智能化、科学化、闭环化管理能力,相关的决策知识也得以沉淀复用。解决现阶段大数据、人工智能等信息技术在城市治理中的融合应用不系统、不智能、不闭环、不高效等问题,实现城市运行的可观、可控、可优化。
上述的城市运行状态智能分析方法,通过获取待分析数据,对待分析数据进行关联计算和融合计算后,再进行体征化表达,结合动态规则模型生成目标决策集,并且监测目标决策集有效期内的应用情况,实现自动化分析城市运行状态,做到城市运行智能化、科学化、闭环化的管理。
图5是本发明另一实施例提供的一种城市运行智能状态分析方法的流程示意图。如图5所示,本实施例的城市运行状态智能分析方法包括步骤S210-S270。其中步骤S210-S260与上述实施例中的步骤S110-S160类似,在此不再赘述。下面详细说明本实施例中所增加的步骤SS270。
S270、根据所述应用情况数据优化城市运行指标和动态规则模型。
在一实施例中,请参阅图6,上述的步骤S270可包括步骤S271~S273。
S271、按照预设评价模型对所述应用情况数据进行分析计算,以得到应用评价结果。
在本实施例中,应用评价结果是指总体赋分、按决策项赋分,可将低于预设阈值应用情况数据对应的决策项所包含的指标和模型信息反馈至城市运行指标和动态规则模型。
S272、根据所述应用评价结果对城市运行指标和动态规则模型进行优化;
S273、根据所述应用评价结果更新决策历史信息。
具体地,按照预设评价模型对目标决策集的应用情况数据进行分析计算,得到目标决策集的应用评价结果,并将评价结果分别反馈至城市运行指标和动态规则模型,对城市运行指标和动态规则模型进行优化;同时,应用评价结果也反馈决策历史信息,以作为决策集的质量说明信息。相关的决策成效即评价结果可用于反馈优化前向输入的城市运行体系、动态规则模型,大大提高城市运行的智能化、科学化、闭环化管理能力,相关的决策知识也得以沉淀复用。
图7是本发明实施例提供的一种城市运行状态智能分析装置300的示意性框图。如图7所示,对应于以上城市运行状态智能分析方法,本发明还提供一种城市运行状态智能分析装置300。该城市运行状态智能分析装置300包括用于执行上述城市运行状态智能分析方法的单元,该装置可以被配置于服务器中。具体地,请参阅图7,该城市运行状态智能分析装置300包括数据获取单元301、关联计算单元302、融合计算单元303、表达单元304、决策集生成单元305以及监测单元306。
数据获取单元301,用于获取待分析数据;关联计算单元302,用于对所述待分析数据进行关联计算,以得到指标计算结果;融合计算单元303,用于采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集;表达单元304,用于对所述复合指标集进行体征化表达,以得到城市体征描述集;决策集生成单元305,用于根据所述动态规则模型结合所述城市体征描述集生成目标决策集;监测单元306,用于监测所述目标决策集有效期内的应用情况,以得到应用情况数据。
在一实施例中,如图8所示,所述融合计算单元303包括规则集调用子单元3031以及综合计算子单元3032。
规则集调用子单元3031,用于调用动态规则模型中的规则集;综合计算子单元3032,用于根据所述规则集按照预设的指标组合规则对所述指标计算结果进行综合计算,以得到复合指标集。
在一实施例中,所述体征化表达单元304,用于根据预定义的格式化城市体征描述模板对所述复合指标集进行结构化组装以及文本化知识表达,以得到城市体征描述集。
在一实施例中,如图9所示,所述决策集生成单元305包括模型集调用子单元3051、初始决策集生成子单元3052以及校验子单元3053。
模型集调用子单元3051,用于调用动态规则模型中的模型集;初始决策集生成子单元3052,用于根据所述模型集结合所述城市体征描述集生成初始决策集;校验子单元3053,用于调用决策历史信息对所述初始决策集进行校验优化,以得到目标决策集。
图10是本发明另一实施例提供的一种城市运行状态智能分析装置300的示意性框图。如图10所示,本实施例的城市运行状态智能分析装置300是上述实施例的基础上增加了优化单元307。
优化单元307,用于根据所述应用情况数据优化城市运行指标和动态规则模型。
在一实施例中,如图11所示,所述优化单元307包括分析计算子单元3071、内容优化子单元3072以及更新子单元3073。
分析计算子单元3071,用于按照预设评价模型对所述应用情况数据进行分析计算,以得到应用评价结果;内容优化子单元3072,用于根据所述应用评价结果对城市运行指标和动态规则模型进行优化;更新子单元3073,用于根据所述应用评价结果更新决策历史信息。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述城市运行状态智能分析装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述城市运行状态智能分析装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图12所示的计算机设备上运行。
请参阅图12,图12是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图12,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种城市运行状态智能分析方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种城市运行状态智能分析方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
获取待分析数据;对所述待分析数据进行关联计算,以得到指标计算结果;采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集;对所述复合指标集进行体征化表达,以得到城市体征描述集;根据所述动态规则模型结合所述城市体征描述集生成目标决策集;监测所述目标决策集有效期内的应用情况,以得到应用情况数据。
其中,所述待分析数据包括城市运行指标以及城市运行数据,所述城市运行指标包括能反映城市运行状况且可量化计算、机器可读的统计指标以及自定义指标。
在一实施例中,处理器502在实现所述监测所述目标决策集有效期内的应用情况,以得到应用情况数据步骤之后,还实现如下步骤:
根据所述应用情况数据优化城市运行指标和动态规则模型。
在一实施例中,处理器502在实现所述采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集步骤时,具体实现如下步骤:
调用动态规则模型中的规则集;根据所述规则集按照预设的指标组合规则对所述指标计算结果进行综合计算,以得到复合指标集。
在一实施例中,处理器502在实现所述对所述复合指标集进行体征化表达,以得到城市体征描述集步骤时,具体实现如下步骤:
根据预定义的格式化城市体征描述模板对所述复合指标集进行结构化组装以及文本化知识表达,以得到城市体征描述集。
在一实施例中,处理器502在实现所述根据所述动态规则模型结合所述城市体征描述集生成目标决策集步骤时,具体实现如下步骤:
调用动态规则模型中的模型集;根据所述模型集结合所述城市体征描述集生成初始决策集;调用决策历史信息对所述初始决策集进行校验优化,以得到目标决策集。
在一实施例中,处理器502在实现所述根据所述应用情况数据优化城市运行指标和动态规则模型步骤时,具体实现如下步骤:
按照预设评价模型对所述应用情况数据进行分析计算,以得到应用评价结果;根据所述应用评价结果对城市运行指标和动态规则模型进行优化;根据所述应用评价结果更新决策历史信息。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
获取待分析数据;对所述待分析数据进行关联计算,以得到指标计算结果;采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集;对所述复合指标集进行体征化表达,以得到城市体征描述集;根据所述动态规则模型结合所述城市体征描述集生成目标决策集;监测所述目标决策集有效期内的应用情况,以得到应用情况数据。
其中,所述待分析数据包括城市运行指标以及城市运行数据,所述城市运行指标包括能反映城市运行状况且可量化计算、机器可读的统计指标以及自定义指标。
在一实施例中,所述处理器在执行所述计算机程序而实现所述监测所述目标决策集有效期内的应用情况,以得到应用情况数据步骤之后,还实现如下步骤:
根据所述应用情况数据优化城市运行指标和动态规则模型。
在一实施例中,所述处理器在执行所述计算机程序而实现所述采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集步骤时,具体实现如下步骤:
调用动态规则模型中的规则集;根据所述规则集按照预设的指标组合规则对所述指标计算结果进行综合计算,以得到复合指标集。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述复合指标集进行体征化表达,以得到城市体征描述集步骤时,具体实现如下步骤:
根据预定义的格式化城市体征描述模板对所述复合指标集进行结构化组装以及文本化知识表达,以得到城市体征描述集。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述动态规则模型结合所述城市体征描述集生成目标决策集步骤时,具体实现如下步骤:
调用动态规则模型中的模型集;根据所述模型集结合所述城市体征描述集生成初始决策集;调用决策历史信息对所述初始决策集进行校验优化,以得到目标决策集。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述应用情况数据优化城市运行指标和动态规则模型步骤时,具体实现如下步骤:
按照预设评价模型对所述应用情况数据进行分析计算,以得到应用评价结果;根据所述应用评价结果对城市运行指标和动态规则模型进行优化;根据所述应用评价结果更新决策历史信息。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory, ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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,终端,或者网络设备等) 执行本发明各个实施例所述方法的全部或部分步骤。
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,可轻易想到各种等效的修改或替换,这些修改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权利要求的保护范围为准。
Claims (10)
1.城市运行状态智能分析方法,其特征在于,包括:
获取待分析数据;
对所述待分析数据进行关联计算,以得到指标计算结果;
采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集;
对所述复合指标集进行体征化表达,以得到城市体征描述集;
根据所述动态规则模型结合所述城市体征描述集生成目标决策集;
监测所述目标决策集有效期内的应用情况,以得到应用情况数据。
2.根据权利要求1所述的城市运行状态智能分析方法,其特征在于,所述监测所述目标决策集有效期内的应用情况,以得到应用情况数据之后,还包括:
根据所述应用情况数据优化城市运行指标和动态规则模型。
3.根据权利要求1所述的城市运行状态智能分析方法,其特征在于,所述待分析数据包括城市运行指标以及城市运行数据,所述城市运行指标包括能反映城市运行状况且可量化计算、机器可读的统计指标以及自定义指标。
4.根据权利要求1所述的城市运行状态智能分析方法,其特征在于,所述采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集,包括:
调用动态规则模型中的规则集;
根据所述规则集按照预设的指标组合规则对所述指标计算结果进行综合计算,以得到复合指标集。
5.根据权利要求1所述的城市运行状态智能分析方法,其特征在于,所述对所述复合指标集进行体征化表达,以得到城市体征描述集,包括:
根据预定义的格式化城市体征描述模板对所述复合指标集进行结构化组装以及文本化知识表达,以得到城市体征描述集。
6.根据权利要求1所述的城市运行状态智能分析方法,其特征在于,所述根据所述动态规则模型结合所述城市体征描述集生成目标决策集,包括:
调用动态规则模型中的模型集;
根据所述模型集结合所述城市体征描述集生成初始决策集;
调用决策历史信息对所述初始决策集进行校验优化,以得到目标决策集。
7.根据权利要求2所述的城市运行状态智能分析方法,其特征在于,所述根据所述应用情况数据优化城市运行指标和动态规则模型,包括:
按照预设评价模型对所述应用情况数据进行分析计算,以得到应用评价结果;
根据所述应用评价结果对城市运行指标和动态规则模型进行优化;
根据所述应用评价结果更新决策历史信息。
8.城市运行状态智能分析装置,其特征在于,包括:
数据获取单元,用于获取待分析数据;
关联计算单元,用于对所述待分析数据进行关联计算,以得到指标计算结果;
融合计算单元,用于采用动态规则模型对所述指标计算结果进行融合计算,以得到复合指标集;
表达单元,用于对所述复合指标集进行体征化表达,以得到城市体征描述集;
决策集生成单元,用于根据所述动态规则模型结合所述城市体征描述集生成目标决策集;
监测单元,用于监测所述目标决策集有效期内的应用情况,以得到应用情况数据。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210161662.1A CN115330103A (zh) | 2022-02-22 | 2022-02-22 | 城市运行状态智能分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210161662.1A CN115330103A (zh) | 2022-02-22 | 2022-02-22 | 城市运行状态智能分析方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115330103A true CN115330103A (zh) | 2022-11-11 |
Family
ID=83916173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210161662.1A Pending CN115330103A (zh) | 2022-02-22 | 2022-02-22 | 城市运行状态智能分析方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330103A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739355A (zh) * | 2023-08-15 | 2023-09-12 | 义乌新型智慧城市运营有限公司 | 城市运行风险预警的分析方法及系统 |
-
2022
- 2022-02-22 CN CN202210161662.1A patent/CN115330103A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739355A (zh) * | 2023-08-15 | 2023-09-12 | 义乌新型智慧城市运营有限公司 | 城市运行风险预警的分析方法及系统 |
CN116739355B (zh) * | 2023-08-15 | 2023-11-14 | 义乌新型智慧城市运营有限公司 | 城市运行风险预警的分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106951925B (zh) | 数据处理方法、装置、服务器及系统 | |
CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
CN113592019A (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
CN111768096A (zh) | 基于算法模型的评级方法、装置、电子设备及存储介质 | |
CN112231431A (zh) | 一种异常地址识别方法、设备和计算机可读存储介质 | |
CN111339072B (zh) | 基于用户行为的变化值分析方法、装置、电子设备及介质 | |
CN110609870B (zh) | 分布式数据处理方法、装置、电子设备及存储介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN115330103A (zh) | 城市运行状态智能分析方法、装置、计算机设备及存储介质 | |
CN113642727B (zh) | 神经网络模型的训练方法和多媒体信息的处理方法、装置 | |
CN113342939B (zh) | 数据质量监控方法、装置及相关设备 | |
CN112199417B (zh) | 基于人工智能的数据处理方法、装置、终端及存储介质 | |
CN113256181A (zh) | 风险因子预测方法、装置、设备及介质 | |
CN113807728A (zh) | 基于神经网络的绩效考核方法、装置、设备及存储介质 | |
CN113313304A (zh) | 一种基于大数据决策树的电网事故异常分析方法及系统 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN116843481A (zh) | 知识图谱分析方法、装置、设备及存储介质 | |
CN111324594A (zh) | 用于粮食加工业的数据融合方法、装置、设备及存储介质 | |
CN113705201B (zh) | 基于文本的事件概率预测评估算法、电子设备及存储介质 | |
CN111651652B (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
CN113657546A (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN111553816A (zh) | 行政复议影响因素分析方法及装置 | |
CN117708759B (zh) | 定位企业所属产业链环节的方法及装置 | |
CN113836244B (zh) | 样本获取方法、模型训练方法、关系预测方法及装置 | |
CN116720089A (zh) | 告警根因定位方法、装置、设备及存储介质 |
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 |