CN115345465B - 一种基于基层治理事件的多色层级管理方法及系统 - Google Patents
一种基于基层治理事件的多色层级管理方法及系统 Download PDFInfo
- Publication number
- CN115345465B CN115345465B CN202210953721.9A CN202210953721A CN115345465B CN 115345465 B CN115345465 B CN 115345465B CN 202210953721 A CN202210953721 A CN 202210953721A CN 115345465 B CN115345465 B CN 115345465B
- Authority
- CN
- China
- Prior art keywords
- event
- node
- space
- region
- data
- 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.)
- Active
Links
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明提供一种基于基层治理事件的多色层级管理方法及系统,以解决现有技术中不能自动对事件的危重紧急程度进行区分。该方法包括:基于时空分析初级算法、时空分析高级算法和时空分析终极算法,根据交叉比对将基层治理事件进行综合研判;基于时空分析初级算法分级统计处理结果,获得按照地区的第一地域地图染色图;基于时空分析高级算法分级统计处理结果,获得按照地区的第二地域地图染色图。基于基层治理事件的多色层级管理系统应用于基于基层治理事件的多色层级管理方法。
Description
技术领域
本发明涉及大数据统计分析技术领域,尤其涉及一种基于基层治理事件的多色层级管理方法及系统。
背景技术
目前在全国基层治理领域,为了实现群防群治、全民参与,有效地保证公众对政府办事的知情权、参与权、监督权。通过APP、微信公众号、电话等渠道进行事件上报,乡镇管理员基于事件上报的基础信息和自动汇集事件相关信息,快速指派责任单位并规定处理时限,实现政府办公人员快速发现问题、处理问题、解决问题,做到事件管理分工明确、责任到位、处理及时、运转高效。针对事件的大数据分析,做到对于事件按照时间、地点、类型进行统计。
现有的这类大数据统计分析,只能达到对事件信息的统计,而没有使用大数据进行研判分析,不能自动对事件的危重紧急程度进行区分,存在头痛医头,脚痛医脚的问题。
发明内容
为解决上述技术问题,本发明提供一种基于基层治理事件的多色层级管理方法及系统,以解决现有技术中不能自动对事件的危重紧急程度进行区分,存在头痛医头,脚痛医脚的问题。
本发明提供一种基于基层治理事件的多色层级管理方法,该方法包括:
步骤1:基于时空分析初级算法、时空分析高级算法和时空分析终极算法,根据交叉比对将基层治理事件进行综合研判;
步骤2:基于时空分析初级算法分级统计处理结果,获得该地域不同地区的值F1(d),并将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图染色图;
步骤3:基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值F2(d),并将F2(d)与第二预设地区判定值进行比较,根据比较结果,获得按照地区的第二地域地图染色图。
优选地,所述步骤1:根据交叉比对将基层治理事件进行综合研判,包括:
步骤1.1:建立基层治理事件前馈网络模型;
步骤1.2:基于所述前馈网络模型,设置相应参数和相关函数;
步骤1.3:进行大数据交叉对比,获得当前事件的关键治理点,基于当前事件的关键治理点,根据海恩法则,判断基层治理事件危险紧重程度。
优选地,所述步骤1.1:建立基层治理事件前馈网络模型,包括:
从事件分析数据中心抽取要分析的事件和相关数据,所述相关数据包括:人、地、物、组织和事件,以事件为中心,事件中的人、地、物、组织为节点,构建前馈网络模型,公式为:E=G(N,e),其中,E为事件紧急重大处理程度,N为事件中各节点的集合,e为事件的特征向量;
提取事件节点的相关信息,加入前馈网络模型,构成事件第一节点网络;将人、地、物、组织的属性节点,加入前馈网络模型,构成事件第二节点网络,入网后特征公式为:
Ni=f(xi,xco[i],Nne[i],xne[i])
其中,节点i的特征用xi表示,xco[i]表示与节点i相关的负向事件或者正向关系的特征,Nne[i]表示i的相邻节点的入网后特征,xne[i]表示i的相邻节点的特征,ne[i]表示节点i的邻居节点集合,co[i]表示节点i相关负向事件或者正向关系的集合;
事件节点在前馈网络模型中输出的特征公式为:
Oi=g(Ni,xi)
其中,节点i的特征用xi表示,Ni表示节点i的入网后特征。
优选地,所述步骤1.2:基于所述前馈网络模型,设置相应参数和相关函数,包括:
设置相关函数为:
其中:
du(xi,eco[u],Nu,xu)=Ai,uxu+eco[u]
其中,Ai,u是所有事件的关系特征矩阵,节点i的特征用xi表示,eco[i]表示与节点i相关的负向事件集合,Nu表示i的相邻节点的入网后特征,xu表示i的相邻节点的特征,ne[i]表示节点i的邻居节点集合,co[u]表示节点i相关正向关系的集合;
计算当前事件入网后特征向量值,公式为:
E=G(N,ei)=∑Ni+ei,其中ei为事件i的特征向量。
优选地,所述步骤1.3:进行大数据交叉对比,并获得当前事件的关键治理点,基于当前事件的关键治理点,根据海恩法则,判断基层治理事件危险紧重程度,包括:
进行大数据交叉对比,并获得当前事件的关键治理点;
基于当前事件的关键治理点,根据海恩法则,得出对应比例v;
计算每个事件的入网特征向量,并进行排序,按照对应比例v,得出最小的入网特征向量值e;
参照最小的入网特征向量值e,结合当前可用政府行政资源,对每个上报的事件E的值,进行危重紧急程度判断区分,并标记向量中异常点给办理人员进行针对性办理。
优选地,所述基于时空分析初级算法分级统计处理结果,获得该地域不同地区的值F1(d),并将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图着色图,包括:
基于时空分析初级算法分级统计处理结果,取A={X(T0,d)|X(T0,d)>E(T0,D)},F1(d)=card(A)
其中,F1(d)为当前地域事件评分值大于判定值的数量,E(T0,D)为当前地域事件的判定值,X(T0,d)为事件的得分值,D代表地域变量,d代表地区变量d∈D,T0代表预设固定时间周期;
将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图染色图。
优选地,所述基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值F2(d),并将F2(d)与第二预设地区判定值进行比较,根据比较结果,获得按照地区的第二地域地图着色图,包括:
基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值
其中,E(T,D)为当前地域的数学期望值,G(T,d)为当前地域不同地区的得分值,D代表地域变量,d代表地区变量d∈D,T代表同环比设定时间比较方式。
与现有技术相比,本发明所提供的一种基于基层治理事件的多色层级管理方法具有如下有益效果:本发明根据事件的五要素:人、地、物、组织等维度进行分析,确定各地区得分,并生成红黄绿多色的区域分布等级图,能够全面掌握重点事件空间分布情况,按照多色等级情况采取专项整治等治理行动。
本发明还提供一种基于基层治理事件的多色层级管理系统,该系统包括:
多级分类模块,用于基于时空分析初级算法、时空分析高级算法和时空分析终极算法,根据交叉比对将基层治理事件进行综合研判;
第一地域地图染色模块,用于基于时空分析初级算法分级统计处理结果,获得该地域不同地区的值F1(d),并将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图染色图;
第二地域地图染色模块,基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值F2(d),并将F2(d)与第二预设地区判定值进行比较,根据比较结果,获得按照地区的第二地域地图染色图。
与现有技术相比,本发明提供的一种基于基层治理事件的多色层级管理系统的有益效果与上述技术方案所述一种基于基层治理事件的多色层级管理方法的有益效果相同,在此不做赘述。
本发明还提供一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任一项所述的一种基于基层治理事件的多色层级管理方法中的步骤。
与现有技术相比,本发明提供的电子设备的有益效果与上述技术方案所述一种基于基层治理事件的多色层级管理方法的有益效果相同,在此不做赘述。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的一种基于基层治理事件的多色层级管理方法中的步骤。
与现有技术相比,本发明提供的计算机可读存储介质的有益效果与上述技术方案所述一种基于基层治理事件的多色层级管理方法的有益效果相同,在此不做赘述。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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示出了本发明实施例所提供的按照地区的第一地域地图染色图;
图2示出了本发明实施例所提供的实时事件概览和实时预警概览示意图;
图3示出了本发明实施例所提供的三级及以上事件环比分析示意图;
图4示出了本发明实施例所提供的三级及以上事件环比分析排序示意图;
图5示出了本发明实施例所提供的事件异常分析示意图;
图6示出了本发明实施例所提供的基于基层治理事件的多色层级管理系统的网络拓扑图。
具体实施方式
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
本实施例中提到的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况。“示例性的”或者“例如”等词用于表示作例子、例证或说明,旨在以具体方式呈现相关概念,不应被解释为比其他实施例或设计方案更优选或更具优势。
实施例一
本发明实施例提供一种基于基层治理事件的多色层级管理方法,图1示出了本发明实施例所提供的一种基于基层治理事件的多色层级管理方法流程图。如图1所示,该方法包括:
需要说明的是,步骤1中基于时空分析初级算法、时空分析高级算法和时空分析终极算法,根据交叉比对将基层治理事件进行综合研判,包括:
步骤1.1:构建事件指标库,对接政府社会治理业务大数据中心,实时采集相关数据,构建基于事件分析的数据中心,以下简称事件分析数据中心。
步骤1.2:从事件指标库中,构建事件分析模型的多个维度和每个维度下细分的多个指标项。
步骤1.3:根据指标项,从事件分析数据中心抽取与指标项对应的全量数据。
步骤1.4:通过条件值设定,将全量数据做异常值处理,获得指标数据。
步骤1.5:设定多个维度和多个指标项全局得分权重。
具体地,根据主观赋权法、客观赋权法和组合赋权法中的任意一种,在区间进行权重配置。进一步地,赋权法包括:对不同维度多个指标项根据重要性进行权重赋值与调整,保证所述同一维度多个指标的权重之和以及所诉不同维度的权重之和为100%。可以理解的是,主观赋权法是根据评价者主观上对各个指标的重要程度来定义每个指标的权重的方法,此方法较多的依赖于决策者的主观判断,决策者可根据决策的实际问题和自身的知识经验,合理的确定影响评价结果的指标权重,反映了决策者的主观愿望和意愿。客观赋权法是根据系统中各指标所提供的信息量来自动决定指标项的权重大小的方法,此方法主要根据指标之间的联系程度以及各指标所提供的的信息量大小、对其他指标项的影响程度来进行度量,因此所得的指标权重客观性强,且不增加决策者的负担,这种方法具有较强的数学理论依据;
步骤1.6:基于指标数据,获得各维度评分。
具体地,将指标数据代入公式(1)中,获得各维度评分:
其中:Yk(T,D)是第k个指标项的全局得分权重,Zk(T,D)是第k个指标的全局得分,xn(T,D)是第n个维度的总得分,T、D分别是时间和地区变量。
步骤1.7:基于各维度评分,获得总得分。
具体地,将各维度评分代入公式(2)中,获得总得分:
其中:Yk(T,D)是第k个维度的全局得分权重,xk(T,D)是第k个维度的全局得分,X(T,D)是基层治理事件总得分,T、D分别是时间和地区变量。
步骤1.8:根据基层治理事件的记分过程,获得基层治理事件的时空分析初级算法。
步骤1.9:基于基层治理事件的时空分析初级算法的结果,将历史数据入参,通过同一地区的同环比数据比较,获得基层治理事件的时空分析高级算法。
具体地,基于基层治理事件的时空分析初级算法的结果,将历史数据入参,通过不同地区的同环比数据比较,采用公式(3)获得基层治理事件的时空分析高级算法:
其中,G(T,D)是当前地区的环比或者同比评价得分,t0,t1是选定的对比时间段,D是地区变量,X(T,D)是基层治理事件总得分。
步骤1.10:基于基层治理事件的时空分析初级算法或者时空分析高级算法的结果,根据区域下不同地区的横向比较,获得基层治理事件的时空分析终极算法,并区分出高、中、低评估结果。根据区分出的高、中、低评估结果辅以地图染色、细节数据旁列等展示手段,直观的展示给决策者。
具体地,基于基层治理事件的时空分析初级算法的结果,将当前区域下的基层治理得分设定评判值入参,采用公式(4)获得基层治理事件的时空分析终极算法:
其中,f(T0,d)是当前地区总体事件与当前地域总体事件的比较评分,E(T0,D)是当前地域事件的数学期望值,X(T0,d)是当前地域不同事件的得分值,D是地域变量,d是地区变量d∈D,T0是某一固定时间,将得到的值f(T0,d与设定的判定值进行比较,根据比较结果,对事件进行预警。
步骤1.11:根据选取的地图区域,调取、关联社会治理业务大数据中心相关的重点人、重点物、重点场所、重点企业等数据。
步骤1.12:选择地图区域的地区后,递归展示当前地区的下级地区相关信息。
进一步地,区分重点事件的紧急风险重要程度,根据交叉比对将基层治理事件进行综合研判,实现重点事件的精细化管理。具体地,将公安案件信息五要素结合到社会治理中来,建立事件相关前馈网络模型,可以设置相关参数和函数,进行大数据交叉比对,得出当前事件的关键治理点,并根据海恩法则,综合判断事件危险紧重程度,具体步骤如下:
步骤1.13:建立基层治理事件前馈网络模型。
具体地,首先从事件分析数据中心抽取要分析的事件和相关数据。相关数据包括基于公安信息五要素中的人、地、物、组织等信息,以事件为中心,事件中的人、地、物、组织为节点,构建前馈网络模型,公式为:E=G(N,e),其中,E为事件紧急重大处理程度,N为事件中各节点的集合,e为事件的特征向量,包含前述计算得出的事件得分。
然后提取事件节点的相关信息,加入前馈网络模型,构成事件第一节点网络。方向为事件或者关系发生顺序。节点入网后特征公式(5)为:
Ni=f(xi,xco[i],Nne[i],xne[i]) (5)
其中,节点i的特征用xi表示,xco[i]表示与节点i相关的负向事件或者正向关系的特征,Nne[i]表示节点i的相邻节点的入网后特征,xne[i]表示节点i的相邻节点的特征,ne[i]表示节点i的邻居节点集合,co[i]表示节点i相关负向事件或者正向关系的集合。
将节点i的正相关节点入网。对于人属性节点,依据常识,加入最亲密关系的相关人员以及事件关系矩阵与事件E相关的事件,以下简称相关事件;地点依据周边情况,加入相关地点事件,或者直接根据地理距离,构成虚拟点,统一加入相关事件;组织,依据组织关系,加入相关组织或者组织核心人员相关信息。这些节点构成事件第二节点网络,事件第二节点入网特征公式同事件第一节点入网特征公式。节点在前馈网络中输出的特征公式为:Oi=g(Ni,xi)其中:节点i的特征用xi表示,Ni表示节点i的入网后特征。
步骤1.14:基于所述前馈网络模型,设置相应参数和相关函数,以进行大数据交叉对比,并获得当前事件的关键治理点。
具体地,根据以上四步构建出来的事件前馈网络模型,根据专家意见和当前社会环境、系统数据,选择相关具体函数(6):
Ni=∑u∈ne[i]du(xi,eco[u],Nu,xu) (6)
相当于是对节点i的每一个前馈节点使用dw,并将得到的值求和来作为节点i的状态。同时dw公式(7)为:
du(xi,eco[u],Nu,xu)=Ai,uxu+eco[u] (7)
其中,Ai,u是所有事件的关系特征矩阵,节点i的特征用xi表示,eco[i]表示与节点i相关的负向事件集合,Nu表示节点i的相邻节点的入网后特征,xu表示节点i的相邻节点的特征,ne[i]表示节点i的邻居节点集合,co[u]表示节点i相关正向关系的集合。
经过以上各步骤,得出当前事件相关的事件第一节点网路、事件第二节点网络的所有节点特征,取如下公式,计算出当前事件的入网后特征向量公式(8)为:
E=G(N,ei)=∑Ni+ei (8)
其中ei为事件i的特征向量。
步骤1.15:将当前事件的入网后特征向量E和最小特征向量值e进行大数据交叉比对,获得当前事件的关键治理点。基于当前事件的关键治理点,根据海恩法则,判断基层治理事件危险紧重程度。
具体地,将以往系统中统计的事件数,除以对应的历史发生的重大事件数,根据海恩法则,得出对应比例v;
将以往系统中统计的事件,按照前述计算方法,计算每个事件的入网特征向量,并进行排序,按照对应比例v,取排名靠前的事件,得出最低最小入网特征向量值e;
参照此最低最小入网特征向量值e,结合当前可用政府行政资源,对每个上报的事件E的值,进行判断危重紧急程度区分,并标记给办理人员办理;
办理人员办理过程中,参考节点网络中计算出的节点参数,对关键节点,例如:人、地、场所、组织进行针对性治理,从而避免“头痛医头,脚痛医脚”,治标不治本。
步骤2:基于时空分析初级算法分级统计处理结果,获得该地域不同地区的值F1(d),并将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图染色图。
需要说明的是,基于时空分析初级算法分级统计处理结果,取A={X(T0,d)|X(T0,d)>E(T0,D)},F1(d)=card(A),其中,F1(d)为当前地域事件评分值大于判定值的数量,E(T0,D)为当前地域事件的判定值,X(T0,d)为事件的得分值,D代表地域变量,d代表地区变量d∈D,T0代表预设固定时间周期。将得到的该地域不同地区的值F1(d)与第一预设地区判定值进行比较,根据比较结果,得到第一地域地图染色图。
步骤3:基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值F2(d),并将F2(d)与第二预设地区判定值进行比较,根据比较结果,获得按照地区的第二地域地图染色图。
需要说明的是,基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值其中,E(T,D)为当前地域的数学期望值,G(T,d)为当前地域不同地区的得分值,D代表地域变量,d代表地区变量d∈D,T代表同环比设定时间比较方式。将得到的该地域不同地区的值F2(d)与第二预设地区判定值进行比较,根据比较结果,得到第二地域地图染色图。
第一地域地图染色图和第二地域地图染色图展示重点事件网格的空间分布情况,空间分布穿透:实现重点事件从县、乡镇到社区的层层钻取,实现从粗粒度到细粒度的连续空间分布分析。
本发明实施例通过建立事件相关前馈网络模型,根据大数据把事件和基层治理关注的重点人、重点物、重点场所、重点企业进行数据关联,交叉比对,得到重点事件的综合研判,产生事件预警信息。基于事件相关前馈网络模型,设置相关参数和函数,进行大数据交叉比对,得出当前事件的关键治理点。
与现有技术相比,本发明实施例具有如下有益效果:
1、本发明实现了通过事件的多色图管理,能很准确的了解辖区内的事件情况,以及事件的分布和严重程度。
2、本发明实现了多数据的综合分析,融合了重点人员、重点场所、重点企业等数据,实现多模态异常事件报警,还和人脸识别、区域识别、IOT设备报警等相关联,形成事件综合体,并和大数据进行交叉分析比对。
3、本发明还可用于政府社会治理业务中,人性化、智能化宏观展示不同层级、不同地域地方政府在基层治理中事件处理的能力,辅以具体事件处理细节的详细数据,达到宏观结论和微观细节同时呈现、互为支撑;辅以基层治理事件处理能力指数的历史数据,达到不仅可以从眼前横比,更可以历史的角度进行纵比,为政府社会治理部门进一步提升治理能力,评价治理进展成效,提供科学的决策依据。
实施例二
本发明实施例提供一种基于基层治理事件的多色层级管理系统,该系统包括:
多级分类模块,用于基于时空分析初级算法、时空分析高级算法和时空分析终极算法,根据交叉比对将基层治理事件进行综合研判;
第一地域地图染色模块,用于基于时空分析初级算法分级统计处理结果,获得该地域不同地区的值F1(d),并将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图染色图;
第二地域地图染色模块,基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值F2(d),并将F2(d)与第二预设地区判定值进行比较,根据比较结果,获得按照地区的第二地域地图染色图。
进一步地,所述基于基层治理事件的多色层级管理系统还包括功能模块,所述功能模块可在手机移动端、电脑pc端和服务器端查阅。
网格员通过APP进行事件的上报,在事件上报过程中,系统自动获取该网格员基本信息、事件的所属网格、地理位置(不允许修改)信息、上报渠道、上报时间;同时,网格员根据实际事件的情况,选择事件类型、填写事件描述内容以及拍照(视频)上传。事件类型按照城市综合执法类、公安类、政法类、消防类、安监类、质量监督类等大类进行划分。再细分事件类型分为一级大类、二级、三级子类。事件上报时的“事件地址”系统会自动获取,且不允许爆料人修改地图位置。
服务器端通过视联网融合接入的多种异源异构的视频监控设备和系统提供统一管理和调用应用,主要功能包括将视频监控中出现的相关重点关注人员信息,通过报警信息,发送至人员管理端。人员管理端可以将报警信息进行判断,自动转为各等级事件,发送至相关部门人员进行处理。
图2示出了本发明实施例所提供的实时事件概览和实时预警概览示意图。如图2所示,多数据实时同步展示,通过左侧窗口查看实时事件概览和实时预警概览,可获取不同来源的事进行基本信息和处置详情的查看,获取不同类型的预警查看同时对预警进行忽略或转事件的处理操作;地图展示设备位置与详情、预警信息、事件信息等,设置多图层、实时点位的查看形式,可开启关闭图层便于清晰查看,实现对辖区内的实时预警监控和精准布控管理,提升群众安全感。
具体地,可以从重点区域、重点场所、重点人员等方面建立预警规则,能够对重大事件、群发事件建立预警机制,反馈给相关负责人快速反应。
(1)预警规则查询
查看系统有配置的事件预警规则,主要有规则名称、规则内容、区域、有效期、状态等。
(2)预警规则配置
可以对事件配置预警规则。从重点人、重点区域、重点场所以及事件类型等方面配置预警规则。
(3)新增预警规则
可通过填写预警规则名称、规则内容、区域、有效期等内容进行新增规则。
(4)编辑预警规则
可对已有的规则进行编辑,可编辑的字段包括等级规则名称、规则内容、区域、有效期等。
(5)预警规则发布和下线
对配置好的预警规则,可发布使用和下线停用。
图3示出了本发明实施例所提供的三级及以上事件环比分析示意图。如图3所示,事件类型按照环比上升最快及下降最快10项进行排列展示。
图4示出了本发明实施例所提供的三级及以上事件环比分析排序示意图。如图4所示,点击“更多”显示事件环比分析页面,按地区(全省+11地市)、月份、环比的降序和升序排序。
图5示出了本发明实施例所提供的事件异常分析示意图。如图5所示,事件抽查页面中,统计11地市的事件抽查异常事件数:分类异常事件数、分级异常事件数、描述异常事件数。
图6示出了本发明实施例所提供的基于基层治理事件的多色层级管理系统的网络拓扑图。如图6所示,本系统基于城市地图的开放平台,运用空间网格技术、地理编码技术、嵌入式地理信息引擎技术、以社会创新管理业务为依托建设而成的信息系统。GISM基于门户式地图方式实现重要场所单位和视联网资源设置状况。GISM提供基于GIS系统地理信息展示与操作,将事件发生的时间、地点、周边场所、周边居住重点人员等信息,在地图上直观展现。还能够从报警事件统计、事件处置情况、视联网终端资源、视频监控资源等多维度制定生成专题图。
与现有技术相比,本发明提供的一种基于基层治理事件的多色层级管理系统的有益效果与上述技术方案所述一种基于基层治理事件的多色层级管理方法的有益效果相同,在此不做赘述。
本发明还提供一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任一项所述的一种基于基层治理事件的多色层级管理方法中的步骤。
与现有技术相比,本发明实施例提供的电子设备的有益效果与上述技术方案所述一种基于基层治理事件的多色层级管理方法的有益效果相同,在此不做赘述。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的一种基于基层治理事件的多色层级管理方法中的步骤。
与现有技术相比,本发明提供的计算机可读存储介质的有益效果与上述技术方案所述一种基于基层治理事件的多色层级管理方法的有益效果相同,在此不做赘述。
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,可轻易想到变化或替换的技术方案,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所述权利要求的保护范围为准。
Claims (4)
1.一种基于基层治理事件的多色层级管理方法,其特征在于,包括:
步骤1:基于时空分析初级算法和时空分析高级算法,根据交叉比对将基层治理事件进行综合研判,包括:
步骤1.1:构建事件指标库,对接政府社会治理业务大数据中心,实时采集相关数据,构建基于事件分析的数据中心,以下简称事件分析数据中心;
步骤1.2:从事件指标库中,构建事件分析模型的多个维度和每个维度下细分的多个指标项;
步骤1.3:根据指标项,从事件分析数据中心抽取与指标项对应的全量数据;
步骤1.4:通过条件值设定,将全量数据做异常值处理,获得指标数据;
步骤1.5:设定多个维度和多个指标项全局得分权重;
步骤1.6:基于指标数据,获得各维度评分;
具体地,将指标数据代入公式(1)中,获得各维度评分:
其中:Yk(T,D)是第k个指标项的全局得分权重,Zk(T,D)是第k个指标项的全局得分,xn(T,D)是第n个维度的总得分,T、D分别是时间和地域变量;
步骤1.7:基于各维度评分,获得总得分;
具体地,将各维度评分代入公式(2)中,获得总得分:
其中:Yh(T,D)是第h个维度的全局得分权重,xh(T,D)是第h个维度的全局得分,X(T,D)是基层治理事件总得分;
步骤1.8:根据基层治理事件的记分过程,获得基层治理事件的时空分析初级算法;
步骤1.9:基于基层治理事件的时空分析初级算法的结果,将历史数据入参,通过同一地区的同比或环比数据比较,获得基层治理事件的时空分析高级算法;
具体地,基于基层治理事件的时空分析初级算法的结果,将历史数据入参,通过同一地区的同比或环比数据比较,采用公式(3)获得基层治理事件的时空分析高级算法:
其中,G(T,D)是当前地域的环比或者同比评价得分,t0,t1是选定的对比时间段,D是地域变量,X(T,D)是基层治理事件总得分;
步骤1.10:建立基层治理事件前馈网络模型,包括:从事件分析数据中心抽取要分析的事件和相关数据,所述相关数据包括:人、地、物和组织,以事件为中心,事件中的人、地、物和组织为节点,构建前馈网络模型;
提取事件节点的相关信息,加入前馈网络模型,构成事件第一节点网络;将人、地、物和组织的属性节点,加入前馈网络模型,构成事件第二节点网络;
步骤1.11:基于所述前馈网络模型,设置相应参数和相关函数,包括:
设置相关函数为:
其中:
du(xi,eco[u],Nu,xu)=Ai,uxu+eco[u]
其中,Ai,u是所有事件的关系特征矩阵,节点i的特征用xi表示,eco[u]表示与节点i相关的负向或正向的事件集合的特征,Nu表示节点i的相邻节点的入网后特征,xu表示节点i的相邻节点的特征,ne[i]表示节点i的邻居节点集合,u表示节点i的某一个邻居节点,co[u]表示节点i相关的负向或正向的事件集合;
计算当前事件入网后特征向量值v,公式为:
v=∑Ni+e,
其中,Ni表示节点i的入网后特征向量;
步骤1.12:进行大数据交叉对比,获得当前事件的关键治理点,基于当前事件的关键治理点,根据海恩法则,判断基层治理事件危险紧重程度,包括:
进行大数据交叉对比,并获得当前事件的关键治理点;
基于当前事件的关键治理点,根据海恩法则,得出对应比例;
计算每个事件的入网后特征向量,按照对应比例加权后进行排序,得出最小的入网特征向量值;
参照最小的入网特征向量值,结合当前可用政府行政资源,对每个上报的事件的v的值,进行危重紧急程度判断区分,并标记向量中异常点给办理人员进行针对性办理;
步骤2:基于时空分析初级算法分级统计处理结果,获得该地域不同地区的值F1(d),并将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图染色图,包括:
基于时空分析初级算法分级统计处理结果,取A={X(T0,d)|X(T0,d)>E(T0,D)},F1(d)=card(A)
其中,F1(d)为当前地域事件评分值大于判定值的数量,E(T0,D)为当前地域事件的判定值,X(T0,d)为事件的得分值,d代表地区变量d∈D,T0代表预设固定时间周期;
将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图染色图;
步骤3:基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值F2(d),并将F2(d)与第二预设地区判定值进行比较,根据比较结果,获得按照地区的第二地域地图染色图,包括:
基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值
其中,E(T,D)为当前地域的数学期望值,G(T,d)为当前地区的得分值。
2.一种基于基层治理事件的多色层级管理系统,其特征在于,包括:
多级分类模块,用于基于时空分析初级算法和时空分析高级算法,根据交叉比对将基层治理事件进行综合研判,包括:
构建事件指标库,对接政府社会治理业务大数据中心,实时采集相关数据,构建基于事件分析的数据中心,以下简称事件分析数据中心;
从事件指标库中,构建事件分析模型的多个维度和每个维度下细分的多个指标项;
根据指标项,从事件分析数据中心抽取与指标项对应的全量数据;
通过条件值设定,将全量数据做异常值处理,获得指标数据;
设定多个维度和多个指标项全局得分权重;
基于指标数据,获得各维度评分;
具体地,将指标数据代入公式(1)中,获得各维度评分:
其中:Yk(T,D)是第k个指标项的全局得分权重,Zk(T,D)是第k个指标项的全局得分,xn(T,D)是第n个维度的总得分,T、D分别是时间和地域变量;
基于各维度评分,获得总得分;
具体地,将各维度评分代入公式(2)中,获得总得分:
其中:Yh(T,D)是第h个维度的全局得分权重,xh(T,D)是第h个维度的全局得分,X(T,D)是基层治理事件总得分;
根据基层治理事件的记分过程,获得基层治理事件的时空分析初级算法;
基于基层治理事件的时空分析初级算法的结果,将历史数据入参,通过同一地区的同比或环比数据比较,获得基层治理事件的时空分析高级算法;
具体地,基于基层治理事件的时空分析初级算法的结果,将历史数据入参,通过同一地区的同比或环比数据比较,采用公式(3)获得基层治理事件的时空分析高级算法:
其中,G(T,D)是当前地域的环比或者同比评价得分,t0,t1是选定的对比时间段,X(T,D)是基层治理事件总得分;
建立基层治理事件前馈网络模型,包括:从事件分析数据中心抽取要分析的事件和相关数据,所述相关数据包括:人、地、物和组织,以事件为中心,事件中的人、地、物和组织为节点,构建前馈网络模型;
提取事件节点的相关信息,加入前馈网络模型,构成事件第一节点网络;将人、地、物和组织的属性节点,加入前馈网络模型,构成事件第二节点网络;
基于所述前馈网络模型,设置相应参数和相关函数,包括:
设置相关函数为:
其中:
du(xi,eco[u],Nu,xu)=Ai,uxu+eco[u]
其中,Ai,u是所有事件的关系特征矩阵,节点i的特征用xi表示,eco[u]表示与节点i相关的负向或正向的事件集合的特征,Nu表示节点i的相邻节点的入网后特征,xu表示节点i的相邻节点的特征,ne[i]表示节点i的邻居节点集合,u表示节点i的某一个邻居节点,co[u]表示节点i相关的负向或正向的事件集合;
计算当前事件入网后特征向量值v,公式为:
v=∑Ni+e,
其中,Ni表示节点i的入网后特征向量;
进行大数据交叉对比,获得当前事件的关键治理点,基于当前事件的关键治理点,根据海恩法则,判断基层治理事件危险紧重程度,包括:
进行大数据交叉对比,并获得当前事件的关键治理点;
基于当前事件的关键治理点,根据海恩法则,得出对应比例;
计算每个事件的入网后特征向量,按照对应比例加权后进行排序,得出最小的入网特征向量值;
参照最小的入网特征向量值,结合当前可用政府行政资源,对每个上报的事件的v的值,进行危重紧急程度判断区分,并标记向量中异常点给办理人员进行针对性办理;
第一地域地图染色模块,用于基于时空分析初级算法分级统计处理结果,获得该地域不同地区的值F1(d),并将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图染色图,包括:
基于时空分析初级算法分级统计处理结果,取A={X(T0,d)|X(T0,d)>E(T0,D)},F1(d)=card(A)
其中,F1(d)为当前地域事件评分值大于判定值的数量,E(T0,D)为当前地域事件的判定值,X(T0,d)为事件的得分值,d代表地区变量d∈D,T0代表预设固定时间周期;
将F1(d)与第一预设地区判定值进行比较,根据比较结果,获得按照地区的第一地域地图染色图;
第二地域地图染色模块,基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值F2(d),并将F2(d)与第二预设地区判定值进行比较,根据比较结果,获得按照地区的第二地域地图染色图,包括:基于时空分析高级算法分级统计处理结果,获得该地域不同地区的值
其中,E(T,D)为当前地域的数学期望值,G(T,d)为当前地区的得分值。
3.一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1所述的一种基于基层治理事件的多色层级管理方法中的步骤。
4.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1所述的一种基于基层治理事件的多色层级管理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953721.9A CN115345465B (zh) | 2022-08-10 | 2022-08-10 | 一种基于基层治理事件的多色层级管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953721.9A CN115345465B (zh) | 2022-08-10 | 2022-08-10 | 一种基于基层治理事件的多色层级管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115345465A CN115345465A (zh) | 2022-11-15 |
CN115345465B true CN115345465B (zh) | 2023-08-01 |
Family
ID=83952542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210953721.9A Active CN115345465B (zh) | 2022-08-10 | 2022-08-10 | 一种基于基层治理事件的多色层级管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345465B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004033673A (ja) * | 2002-06-21 | 2004-02-05 | Trustees Of The Univ Of Pennsylvania | 脳内発作発現を予測し検出する統合確率フレームワークおよび多重治療デバイス |
CN104850946A (zh) * | 2015-05-06 | 2015-08-19 | 智慧城市信息技术有限公司 | 紧急事件分发方法、装置及系统 |
WO2016034142A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 一种电力应急处置物资的智能化调拨方法 |
WO2016034140A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 基于gis地图的动态态势标绘系统与方法 |
WO2016082263A1 (zh) * | 2014-11-28 | 2016-06-02 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于预案的多目标辅助决策平台及其实施方法 |
CN106503136A (zh) * | 2016-10-20 | 2017-03-15 | 南京莱斯信息技术股份有限公司 | 一种基于webgis的数据获取及分级预警系统 |
CN109670680A (zh) * | 2018-11-30 | 2019-04-23 | 安徽四创电子股份有限公司 | 一种基于风险指标的突发事件应急能力综合评估方法 |
CN111160869A (zh) * | 2019-12-31 | 2020-05-15 | 科大国创软件股份有限公司 | 一种基于社区网格化的智能预警关怀系统 |
CN113673839A (zh) * | 2021-07-30 | 2021-11-19 | 安徽商信政通信息技术股份有限公司 | 智能基层事件网格化自动派发方法和基层事件处理系统 |
CN113849595A (zh) * | 2021-06-25 | 2021-12-28 | 浪潮软件科技有限公司 | 一种基层治理事件类型识别方法及系统 |
-
2022
- 2022-08-10 CN CN202210953721.9A patent/CN115345465B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004033673A (ja) * | 2002-06-21 | 2004-02-05 | Trustees Of The Univ Of Pennsylvania | 脳内発作発現を予測し検出する統合確率フレームワークおよび多重治療デバイス |
WO2016034142A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 一种电力应急处置物资的智能化调拨方法 |
WO2016034140A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 基于gis地图的动态态势标绘系统与方法 |
WO2016082263A1 (zh) * | 2014-11-28 | 2016-06-02 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于预案的多目标辅助决策平台及其实施方法 |
CN104850946A (zh) * | 2015-05-06 | 2015-08-19 | 智慧城市信息技术有限公司 | 紧急事件分发方法、装置及系统 |
CN106503136A (zh) * | 2016-10-20 | 2017-03-15 | 南京莱斯信息技术股份有限公司 | 一种基于webgis的数据获取及分级预警系统 |
CN109670680A (zh) * | 2018-11-30 | 2019-04-23 | 安徽四创电子股份有限公司 | 一种基于风险指标的突发事件应急能力综合评估方法 |
CN111160869A (zh) * | 2019-12-31 | 2020-05-15 | 科大国创软件股份有限公司 | 一种基于社区网格化的智能预警关怀系统 |
CN113849595A (zh) * | 2021-06-25 | 2021-12-28 | 浪潮软件科技有限公司 | 一种基层治理事件类型识别方法及系统 |
CN113673839A (zh) * | 2021-07-30 | 2021-11-19 | 安徽商信政通信息技术股份有限公司 | 智能基层事件网格化自动派发方法和基层事件处理系统 |
Non-Patent Citations (2)
Title |
---|
基于ANP-BP城市燃气管道突发事件应急能力评价;耿阳丹;张水平;丁元春;;江西理工大学学报(03);66-71 * |
基于BP神经网络的政府突发事件应急管理能力评价;王薇;曹亚;;科技管理研究(19);82-88 * |
Also Published As
Publication number | Publication date |
---|---|
CN115345465A (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945081B (zh) | 城市运行展现与监测预警系统 | |
Chen et al. | New model for occupational health and safety risk assessment based on Fermatean fuzzy linguistic sets and CoCoSo approach | |
US20190188616A1 (en) | Risk simulation and assessment tool | |
US7529722B2 (en) | Automatic creation of neuro-fuzzy expert system from online anlytical processing (OLAP) tools | |
CN109472075B (zh) | 一种基站性能分析方法及系统 | |
EP3286660A2 (en) | Command and control system for optimal risk management | |
CN110942171A (zh) | 一种基于机器学习的企业劳资纠纷风险预测方法 | |
CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
CN110084493A (zh) | 基于人工智能的企业诊断、预测方法及装置、服务器 | |
CN111539864A (zh) | 一种基于lbs大数据的踩踏事件的情报分析方法和装置 | |
CN114118507A (zh) | 一种基于多维信息融合的风险评估预警方法和装置 | |
Mohd Shamsuddin et al. | Identifying of potential crime area using analytical hierachy process (AHP) and geographical information system (GIS) | |
CN114817681B (zh) | 一种基于大数据分析的金融风控系统及其管理设备 | |
KR102379472B1 (ko) | 시공간 피해특성을 고려한 다종 데이터 융합 분석방법 | |
Suder et al. | Minimizing environmental risks using fuzzy TOPSIS: Location selection for the ITU Faculty of Management | |
CN112418571A (zh) | 企业环保综合评价的方法和装置 | |
CN114511429A (zh) | 地质灾害危险等级评估方法及装置 | |
Lu et al. | Using cased based reasoning for automated safety risk management in construction industry | |
CN113887872A (zh) | 一种基于态势评估技术的交通风险分级方法 | |
CN111353085A (zh) | 一种基于特征模型的云挖掘分析网络舆情方法 | |
CN113469509A (zh) | 一种油气储运站场安全风险动态分析方法及四色图系统 | |
CN116703148B (zh) | 基于云计算的矿山企业风险画像方法 | |
CN115345465B (zh) | 一种基于基层治理事件的多色层级管理方法及系统 | |
CN113592311B (zh) | 用于复杂人机系统选择人因方法的方法 | |
Retnowardhani et al. | Classify interval range of crime forecasting for crime prevention decision making |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |