CN116681220A - 一种基于物联网的智慧城市民政管理方法和系统 - Google Patents
一种基于物联网的智慧城市民政管理方法和系统 Download PDFInfo
- Publication number
- CN116681220A CN116681220A CN202310274014.1A CN202310274014A CN116681220A CN 116681220 A CN116681220 A CN 116681220A CN 202310274014 A CN202310274014 A CN 202310274014A CN 116681220 A CN116681220 A CN 116681220A
- Authority
- CN
- China
- Prior art keywords
- target
- population
- civil
- platform
- resident information
- 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 81
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000011161 development Methods 0.000 claims description 57
- 238000012545 processing Methods 0.000 claims description 43
- 230000035558 fertility Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 description 46
- 230000006870 function Effects 0.000 description 11
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 9
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 239000003102 growth factor Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 241001102199 Alcadia Species 0.000 description 1
- ZAKOWWREFLAJOT-ADUHFSDSSA-N [2,5,7,8-tetramethyl-2-[(4R,8R)-4,8,12-trimethyltridecyl]-3,4-dihydrochromen-6-yl] acetate Chemical group CC(=O)OC1=C(C)C(C)=C2OC(CCC[C@H](C)CCC[C@H](C)CCCC(C)C)(C)CCC2=C1C ZAKOWWREFLAJOT-ADUHFSDSSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
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
- 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
- G06Q10/06315—Needs-based resource requirements planning or 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
- 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
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种基于物联网的智慧城市民政管理方法和系统。该方法包括;民政管理平台从民政服务平台中获取目标区域的目标居民信息,其中,所述目标居民信息是所述民政服务平台响应于目标用户通过用户平台发送的民政服务请求,对所述目标用户对应的居民信息进行处理后获得的;基于所述目标居民信息,确定所述目标区域在目标时间段内的新增人口数量。
Description
优先权说明
本说明书要求2022年05月19日提交的申请号为17664214的美国专利的优先权。其内容通过引用的方式以其整体并入本文。
技术领域
本说明书涉及物联网与云平台领域,特别涉及一种基于物联网的智慧城市民政管理方法和系统。
背景技术
人口预测为社会经济发展规划提供重要信息,预测的结果可以指明经济发展中可能发生的问题,借以帮助制订正确的政策。新增人口预测就是根据现有的人口状况并考虑影响人口发展的各种因素,按照科学的方法,测算在未来某个时间的新增人口。通过科学合理的新增人口预测的民政服务,可以了解未来某个时期的人口数量和年龄结构。有助于做好未来劳动力的分配与平衡,最大效率的分配社会资源。制定更加合理的社会福利、文教卫生、城市发展与建设等规划,实现社会的良性循环。
因此,需要一种基于物联网的智慧城市民政管理方法和系统,可以获取目标区域的目标居民信息,从而确定目标时间段内的新增人口数量。
发明内容
本说明书实施例之一提供一种基于物联网的智慧城市民政管理方法,所述方法应用于民政管理平台,所述方法包括:从民政服务平台中获取目标区域的目标居民信息,其中,所述目标居民信息是所述民政服务平台响应于目标用户通过用户平台发送的民政服务请求,对所述目标用户对应的居民信息进行处理后获得的;以及基于所述目标居民信息,确定所述目标区域在目标时间段内的新增人口数量。
本说明书实施例之一提供种基于物联网的智慧城市民政管理系统,所述系统包括用户平台、民政服务平台以及民政管理平台,所述民政管理平台被配置为执行以下操作:从民政服务平台中获取目标区域的目标居民信息,其中,所述目标居民信息是所述民政服务平台响应于目标用户通过用户平台发送的民政服务请求,对所述目标用户对应的居民信息进行处理后获得的;以及基于所述目标居民信息,确定所述目标区域在目标时间段内的新增人口数量。
本说明书实施例之一提供一种基于物联网的智慧城市民政管理系统,所述系统包括用户平台、民政服务平台以及民政管理平台,其中:所述用户平台用于获取用户发送的民政服务请求并将所述民政服务请求发送到所述民政服务平台;所述民政服务平台用于根据接收到的民政服务请求对目标用户对应的居民信息进行处理,确定目标区域的目标居民信息,并发送到所述民政管理平台;所述民政管理平台用于基于所述目标居民信息,确定所述目标区域在目标时间段内的新增人口数量。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如前述实施例中任一项所述的基于物联网的智慧城市民政管理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构。其中:
图1是根据本说明书一些实施例所示的智慧城市民政管理系统的应用场景示意图;
图2是根据本说明书一些实施例所示的智慧城市民政服务管理系统的示意图;
图3是根据本说明书一些实施例所示的基于物联网的智慧城市民政管理方法的示例性流程图;
图4是根据本说明书一些实施例所示的新增人口数量确定方法的示例性流程图;
图5是根据本说明书一些实施例所示的训练特征预测模型的示意图;
图6是根据本说明书一些实施例所示的确定目标方案的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的智慧城市民政管理系统的应用场景示意图。
如图1所示,智慧城市民政管理系统的应用场景100可以包括处理器110、网络120、存储设备130、终端140、物联网系统150以及目标用户160。
处理设备110可以处理与应用场景100有关的信息和/或数据,以执行本说明书中描述的一个或以上功能。例如,处理设备110可以基于目标居民信息,确定目标区域在目标时间段内的新增人口数。在一些实施例中,处理设备110可以包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为示例,处理设备110可以包括中央处理单元(CPU)。处理设备110可以处理从其他设备或系统组成部分中获得的数据、信息和/或处理结果。并基于这些数据、信息和/或处理结果执行程序指令,以执行本说明书中描述的一个或以上功能。
网络120可以包括提供能够促进智慧城市民政管理系统的应用场景100的信息和/或数据交换的任何合适的网络。应用场景100的一个或多个组件(例如,存储设备130、处理设备110、终端140)之间可以通过网络120交换信息和/或数据。例如,网络120可以将从民政服务平台中获取目标区域的目标居民信息并发送给民政管理平台。在一些实施例中,网络120可以是有线网络或无线网络中的任意一种或多种。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可以包括有线或无线网络接入点。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
存储设备130可以用于存储数据、指令和/或任何其他信息。在一些实施例中,存储设备130可以存储从处理设备110、终端140等获得的数据和/或信息。例如,存储设备130可以存储目标区域的目标居民信息、历史数据等。在一些实施例中,存储设备130可以设置在处理设备110中。在一些实施例中,存储设备130可包括大容量存储器、可移除存储器等或其任意组合。
终端140可以是相关人员使用的设备或其他实体。在一些实施例中,终端140可以是民政服务平台152的管理者所使用的终端。如,民政服务平台152的工作人员所使用的终端。在一些实施例中,终端140可以是用户平台151的用户所使用的终端。如,目标用户160可以通过用户平台151发送民政服务请求。在一些实施例中,终端140可以包括移动设备、平板电脑、笔记本电脑、膝上电脑等或其任意组合。终端140可以通过网络120与应用场景100的其他组件交互。例如,移动设备可以收到目标用户160通过用户平台151发送的民政服务请求。在一些实施例中,终端140可以包括其他智能终端,如可穿戴智能终端等。终端140可以是智能终端,也可以是包含智能终端的实体。例如,包含智能电脑的管理设备等。
物联网系统150可以是一种信息处理系统。在一些实施例中,物联网平台可以是本说明书提供的智慧城市民政管理方法的主要载体。例如,目标用户可以通过访问物联网系统150提交民政服务请求并接收民政服务请求的处理结果。再例如,物联网系统可以存储居民信息并根据目标居民信息对目标区域在目标时间段内的新增人口数量进行预测。
在一些实施例中,将物联网系统150应用于城市管理时,可以将其称之为智慧城市物联网系统。在一些实施例中,智慧城市物联网系统可以包括智慧城市民政服务管理系统。例如,当物联网系统150应用于民政服务时,物联网系统150可以包括用户平台151、民政服务平台152以及民政管理平台153中的部分或全部平台。其中,用户平台151可以实现与目标用户160交互,从而获取目标用户160的民政服务请求。民政服务平台152可以实现物联网系统150中数据的管理与储存。例如,民政服务平台152可以对民政服务请求进行解析,并根据解析结果更新居民信息。民政管理平台153可以实现统筹、协调各功能平台之间的联系和协作。民政管理平台153可以执行本说明书实施例所示的民政管理方法。关于物联网系统150、用户平台151、民政服务平台152以及民政管理平台153的更多内容可以参见图2及其相关描述,此处不再赘述。
目标用户160可以目标区域的人。例如,目标用户160可以包括目标区域的居民。目标用户160可以向物联网系统150发送民政服务请求,并获取物联网系统150的民政服务请求执行结果。例如,目标用户160可以向用户平台151发送新生儿登记请求。经民政服务平台152处理,目标用户160可以收到新生儿的户籍信息以及变更后的户籍文件。
应当注意的是,智慧城市民政管理系统的应用场景100仅仅是为了说明的目的而提供的,并不意图限制本申请的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,智慧城市民政管理系统的应用场景100可以在其它设备上实现类似或不同的功能。然而,这些变化和修改不会背离本申请的范围。
图2是根据本说明书一些实施例所示的智慧城市民政管理系统的示意图。如图2所示,智慧城市民政服务管理系统200可以基于物联网150实现。智慧城市民政服务管理系统200包括用户平台151、民政服务平台152、民政管理平台153、传感网络平台210和对象平台220。在一些实施例中,智慧城市民政服务管理系统200可以为处理设备110的一部分或由处理设备110实现。
用户平台151可以是面向用户的服务接口。用户可以通过用户平台151向智慧城市民政服务管理系统发送民政服务请求(也称为用户需求信息)。其中,用户可以指智慧城市民政服务管理系统200的直接或间接服务对象。例如,用户可以包括自然人、企业法人、非企业法人、民政工作人员等。
在一些实施例中,用户可以提出的民政服务请求可以与智慧城市民政服务管理系统200的预设功能有关。例如,智慧城市民政服务管理系统200的预设功能包括租赁合同登记,则对应的居民可以通过用户平台151对房屋租赁合同进行备案登记申请。再例如,智慧城市民政服务管理系统200的预设功能包括居住人口变动,则对应的民政工作人员可以通过用户平台151记录或更新当前地区的居民信息(如新出生人口、死亡人口、婚姻情况变更等)。
民政服务平台152可以是对民政数据进行初步处理的平台。民政服务平台152可以分别与用户平台151以及民政管理平台153通信连接以获取相关数据并进行数据处理。例如,民政服务平台152可以从民政管理平台153接收信息。对接收到的信息进行抽取、分类与再加工等数据处理操作,以生成统计数据、趋势数据和对比数据等有价值的信息。并根据用户需要为用户提供对应的服务。示例性地,相关工作人员请求获取本地居民纳税情况时,民政服务平台152可以根据各个居民的纳税情况进行分类汇总,以获得各个纳税梯度的人数以及对应的纳税金额。再例如,民政服务平台152还可以通过用户平台151获取民政服务请求。并对民政服务请求进行处理,传输给民政管理平台153。示例性地,当居民通过用户平台151对进行居民信息变更(如新生儿出生)时,民政服务平台152可以基于用户变更对数据库中的居民信息进行更新并发送到民政管理平台153。在一些实施例中,民政服务平台152可以包括多个子平台以及对应的子数据库。例如,民政服务平台152可以包括分平台1、2……n。每个分平台下可以设有对应的数据库,如数据库1、2……n。在一些实施例中,民政服务平台152的子平台可以实现民政服务平台152中的部分功能。例如,民政服务平台152可以包括税收服务子平台,用于统计居民的纳税数据,并将纳税数据储存在子数据库内。
民政管理平台153可以是对智慧城市民政服务管理系统200进行综合管理的平台,是相关机构管理物联网的核心功能平台。民政管理平台153可以统筹和管理着智慧城市民政服务管理系统200的所有信息。例如,民政管理平台153可以从民政服务平台中获取目标区域的目标居民信息,并基于目标居民信息,确定目标区域在目标时间段内的新增人口数量。民政管理平台153可以包括图1中的处理设备以及其他组件。在一些实施例中,民政管理平台153可以是由管理人员、人工智能、或由预设规则操控的远程平台。在一些实施例中,民政管理平台153可以包括多个子平台以及对应的子数据库。例如,民政管理平台153可以包括分平台1’、2’……n’。每个分平台下可以设有对应的数据库,如数据库1’、2’……n’。。在一些实施例中,民政管理平台153的子平台可以实现民政管理平台153中的部分功能。例如,民政管理平台153可以包括新增人口预估子平台,用于基于当前地区的居民信息预估当前地区在预设时间内的新增人口数量。
传感网络平台210可以指对民政服务的通信进行管理的功能平台。在一些实施例中,传感网络平台210可以连接民政管理平台153和对象平台220,实现通信功能。在一些实施例中,传感网络平台可以包括多个传感网络分平台。
对象平台220可以指民政服务指令的执行平台以及相关民政数据的获取平台。例如,对象平台220可以通过传感网络平台210获取民政管理平台153响应用户的民政服务请求而生成的民政服务指令,并执行该民政服务指令以满足用户的民政服务请求。示例性地,用户请求登记新生儿信息时,民政管理平台可以响应于用户的请求,登记并生成新生儿的居民信息(如居民身份证号、出生证明等)。对象平台220可以将新生儿的居民信息展示给用户以完成登记。再例如,对象平台220可以通过传感器获取相关的民政服务信息。示例性地,用户在输入民政服务请求时,可以通过对象平台220获取用户的相关验证数据(如居民身份证信息、用户人像等)。并将相关验证数据通过传感网路平台发送到民政管理平台153,以使民政管理平台153基于相关验证数据对用户权限进行验证。
对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,将系统移用到其他任何合适的场景下。
以下将以智慧城市民政服务管理系统200应用于新增人口预估为例对智慧城市民政服务管理系统200进行具体说明。
民政管理平台153可以配置为从民政服务平台152中获取目标区域的目标居民信息;以及基于目标居民信息,确定目标区域在目标时间段内的新增人口数量。其中,目标居民信息是民政服务平台152响应于目标用户通过用户平台151发送的民政服务请求,对目标用户对应的居民信息进行处理后获得的。关于确定新增人口数量的更多内容,参见图3及其相关描述,此处不再赘述。
在一些实施例中,民政管理平台153还可以被配置为基于人口数量预测模型对目标居民信息进行处理,确定新增人口数量。关于人口数量预测模型的更多内容,参见图3、图4及其相关描述,此处不再赘述。
在一些实施例中,民政管理平台153还可以被配置为获取目标区域的社会发展特征。基于特征预测模型对社会发展特征进行处理,确定目标区域在目标时间段内的人口增长特征。基于人口数量预测模型对目标居民信息以及人口增长特征进行处理,确定新增人口数量。关于特征预测模型的更多内容,参见图4、图5及其相关描述,此处不再赘述。
在一些实施例中,民政管理平台153还可以被配置为当新增人口数量小于预设人口阈值时,获取多种用于鼓励生育的候选方案。对多种候选方案进行评分。基于多种候选方案的分数,确定目标区域在目标时间段内的目标方案。关于对候选方法进行评分的更多内容,参见图6及其相关描述,此处不再赘述。
在一些实施例中,民政管理平台153还可以被配置为针对多种候选方案中的每一种候选方案,基于评分模型对该候选方案以及目标居民信息进行处理,确定该候选方案的分数。关于评分模型的更多内容,参见图6及其相关描述,此处不再赘述。
需要注意的是,以上对于系统及其组成部分的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个组成部分进行任意组合,或者构成子系统与其他组成连接。例如,传感网络平台和公共场所管理平台可以整合在一个组成部分中。又例如,各个组成部分可以共用一个存储设备,各个组成部分也可以分别具有各自的存储设备。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的基于物联网的智慧城市民政管理方法的示例性流程图。在一些实施例中,流程300可以由民政管理平台153执行。如图3所示,流程300包括下述步骤:
步骤310,从民政服务平台中获取目标区域的目标居民信息;其中,目标居民信息可以是民政服务平台响应于目标用户通过用户平台发送的民政服务请求,对目标用户对应的居民信息进行处理后获得的。
在一些实施例中,民政管理平台153可以从民政服务平台152中调用目标区域的目标居民信息。关于民政服务平台152以及用户平台151的更多内容可以参见图2及其相关描述。
民政服务请求可以指用户或经由用户提出的对民间社会事务的服务请求。例如,民政服务请求可以包括居民对婚姻登记、住房登记、户籍变动等有关人民的行政事务的服务请求。在一些实施例中,用户在向用户平台151发动民政服务请求时,可以在民政服务请求中记录具体请求内容。在用户平台151将民政服务请求发送到民政服务平台152后,民政服务平台152可以解析民政服务请求以获取用户的具体请求内容。例如,用户的具体请求内容可以包括居民信息以及对居民信息更新请求(如结婚登记)。民政服务平台152可以基于民政服务请求的解析结果更新对应居民的居民信息。
在一些实施例中,民政服务请求还可以包括工作人员对目标区域在目标时间段内的新增人口数量的预估请求。民政服务平台152在接收到该民政服务请求后,可以将该民政服务请求转发到民政管理平台153,以使民政管理平台153根据该民政管理平台153执行本说明书提供的民政管理方法的相关指令。当民政管理平台153执行本说明书提供的民政管理方法的相关指令时,民政服务平台152可以响应于民政管理平台153的相关指令对居民信息进行处理以确定目标居民信息。
居民信息也可以称为公民个人信息,可以指以电子或者其他方式记录的能够单独或者与其他信息结合识别特定自然人身份或者反映特定自然人活动情况的各种信息。例如,居民信息可以包括姓名、身份证件号码、通信通讯联系方式、住址、账号密码、财产状况、行踪轨迹等。
在一些实施例中,居民信息可以搭载在民政服务请求中。当用户平台151接收到民政服务请求后,民政服务平台152可以对民政服务请求进行解析从而确定对应的居民信息。例如,居民在新生儿出生后可以通过用户平台151(如新生儿登记子平台)发送新生儿登记请求,在新生儿登记请求中可以包括新生儿出生的相关信息。其中,新生儿出生的相关信息可以包括家属信息、性别、出生日期等。民政服务平台152在获取新生儿登记请求后,可以对该新生儿登记请求进行解析。从而该新生儿信息录入居民信息数据库,并更新相关人员(如新生儿父母)的居民信息。
在一些实施例中,居民信息根据信息来源与信息作用分为户口情况信息、居住情况信息、财务情况信息等类型。在一些实施例中,居民信息还可以包括受教育程度、通信通讯联系方式、行踪轨迹等其他相关信息。
户口情况信息可以指记载在户籍相关的法律文书上的居民基本信息。例如,户口情况信息可以包括姓名、年龄、身份证号、婚姻状态、家庭组成、户口状态等信息。在一些实施例中,可以通过调用居民的电子档案确定居民的户口情况信息。例如,居民的电子档案可以储存在民政服务平台152子平台的数据库(如公安子系统的居民数据库)中。当民政管理平台153需要时民政服务平台152子平台的数据库调用并对户口情况信息进行处理。
居住情况信息可以指与居民居住相关有关的信息。例如,居住情况信息可以包括当前居住房屋的所有权(如买房还是租房)、租房期限、家庭居住状态等。在一些实施例中,可以通过居民的相关调查信息确定居住情况信息。例如,可以根据居民在社区、工作单位填写的居住情况说明中获取居民的居住情况信息。
财务情况信息可以指与居民的财产、收入相关有关的信息。例如,财产情况信息可以包括居民的税收信息、收入信息、社会补助信息等。在一些实施例中,居民的财务情况信息可以储存在民政服务平台152子平台的数据库(如纳税子平台的数据库、补助子平台的数据库等)中。当民政管理平台153需要时民政服务平台152子平台的数据库调用并对财务情况信息进行处理。
目标区域可以是民政管理平台153进行新增人口数量预估的区域。目标时间段可以是民政管理平台153进行新增人口数量预估的预估时间段。在一些实施例中,目标区域以及目标时间段可以根据新增人口数量预估任务确定。例如,用户设置的新增人口数量预估任务包括预测A市在未来三年的内的新增人口数量,则对应的目标区域可以是A市,目标时间段可以是当前时间至三年之后。
在一些实施例中,可以通过确定目标区域的边界目标区域确定目标区域。例如,可以根据行政区划确定目标区域的边界。其中,行政区划可以是相关机构根据相关政策或制度为便于行政管理而分级划分的区域。示例性地,目标区域可以包括路易斯安那州及其辖区。在一些实施例中,可以从行政区划的区域中选取部分区域作为目标区域。例如,可以选取路易斯安那州的部分辖区作为目标区域,示例性地,可以选取阿卡迪亚堂区作为目标区域。
在一些实施例中,目标时间段可以是预设的时间段。例如,目标时间段可以指当前时间至一年后的时间段。在一些实施例中,目标时间段可以包括多个时间段。例如,目标时间段可以包括从当前时间开始的0-1年、1-2年、2-3年等时间段,民政管理平台153可以对应获取各个时间段内的新增人口数量。
目标居民可以是在民政服务平台152中记录有居民信息的、与目标区域相关的居民。例如,目标居民可以是数据库中目标区域内的所有居民。在一些实施例中,目标居民可以根据新增人口预估过程中的实际需要和/或已采集的信息确定。例如,目标居民还可以包括目标区域的相似区域的居民。示例性地,目标居民可以包括目标区域内的所有居民以及与目标区域经济情况相似的区域的居民。
目标居民信息可以指目标居民的居民信息中用于进行新增人口预估的信息。在一些实施例中,目标居民信息可以根据目标区域内所有目标居民的居民信息确定。在一些实施例中,民政服务平台152可以对目标区域的居民信息进行数据处理,以获取目标居民信息。其中,数据处理可以包括整合、筛选、分类等统计学处理手段。例如,民政服务平台152可以以居民身份证号为主键整合各个子平台中对应居民的相关信息,以获取各个居民的已知居民信息作为目标居民信息。再例如,民政服务平台152可以特定居民信息作为分类标准(如可以以居民纳税金额作为分类标准),对居民信息进行分类以获取不同类别的居民信息统计结果。
步骤320,基于目标居民信息,确定目标区域在目标时间段内的新增人口数量。
新增人口数量可以指目标区域在目标时间段内相对于目前人口新增加的人口数量。例如,新增人口数量可以包括在目标时间段内的新出生人口、迁入人口等。在一些实施例中,新增人口数量还可以通过新增人口的相关指标描述。例如,新增人口数量可以通过人口净流入率,人口出生率等指标描述。
在一些实施例中,可以根据目标居民信息确定新增人口的增长规律,进而确定目标时间段内相对于目前人口新增加的人口数量。例如,可以对目标居民信息进行统计,确定平均结婚年龄、平均生育年龄等相关信息。然后基于目标时间段内达到平均结婚年龄、平均生育年龄的人口数据预估新出生人口作为新增人口数量。
在一些实施例中,新增人口的增长规律可以通过机器学习模型(如人口数量预测模型)表征。即新增人口的增长规律可以通过人口数量预测模型的参数体现,可以基于人口数量预测模型对目标居民信息进行处理,确定新增人口数量。其中,目标居民信息可以是人口数量预测模型的输入,新增人口数量可以是人口数量预测模型的输出。
在一些实施例中,人口数量预测模型可以储存在民政管理平台153的子数据库中。当民政管理平台153进行新增人口预测时,可以从子数据库中调用人口数量预测模型。
在一些实施例中,可以以家庭为单位将目标区域内的目标居民信息输入人口数量预测模型中。在一些实施例中,还可以对目标居民信息进行统计确定目标居民信息的特征向量,将该特征向量作为人口数量预测模型的输入。其中,特征向量的各个特征值可以描述目标居民信息的居民特征。例如,目标居民信息的特征向量可以表征为(a,b,c,d,e,f,g)。其中,a可以表示目标区域的总人口,b可以表示目标区域内具有较强生育能力的人口数,c可以表示已婚人口数,d可以表示已婚人口的子女数量,e~g可以表示不同收入层次的居民比例。
在一些实施例中,新增人口数量可以包括不同类型居民的新出生人口。例如,城镇户口家庭的新出生人口数、农村户口家庭的出生人口数、纳税1000元以下家庭的出生人口数、纳税1000元以上家庭的出生人口数等。
在一些实施例中,人口数量预测模型可以包括但不限于深度神经网络(DeepNeuralNetworks,DNN)、循环神经网络(RecurrentNeuralNetwork,RNN)、长短期记忆网络(LSTM,LongShort-TermMemory)等。
人口数量预测模型可以基于历史目标居民信息进行训练。其中,训练样本可以为多个样本时间段的历史目标居民信息,训练样本的标签为各个样本时间段对应的历史新增人口数量。其中,历史新增人口数量可以指训练样本中的历史目标居民信息对应区域在目标时间段内的新增人口数量。在一些实施例中,历史新增人口数量以及历史目标居民信息可以储存在民政服务平台152的子数据库中。
在训练人口数量预测模型时,可以将带有标签的训练样本输入初始人口数量预测模型,通过训练更新初始人口数量预测模型的参数。当训练的模型满足预设条件时,训练结束,获取训练好的人口数量预测模型。
在一些实施例中,人口数量预测模型的输入还可以包括人口增长特征。人口增长特征可以反映目标地区的社会发展情况对新增人口的影响。关于上述实施例的更多内容可以参考图4及其相关描述。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。例如,民政服务平台152更新居民信息与民政管理平台153新增人口数量预估可以是两个独立的过程。再例如,民政管理平台153可以在居民信息更新时自动执行新增人口数量预估以更新目标区域在目标时间段内新增人口数量。
图4是根据本说明书一些实施例所示的新增人口数量确定方法的示例性流程图。在一些实施例中,流程400可以由民政管理平台153执行。如图4所示,流程400包括下述步骤:
步骤410,获取目标区域的社会发展特征。
社会发展特征可以是对目标区域在预设时间内的社会发展情况的定量描述。其中,预设时间可以根据目标时间段确定。例如,目标时间段包括从今年开始的一年时间,则预设时间可以是一年前至今年的时间段。在一些实施例中,社会发展特征可以包括至少一个目标区域的社会发展指标。每个社会发展指标可以反应目标区域的部分社会发展情况。例如,社会发展特征可以包括人均GDP、教育程度、人均年龄、人均税收、居住情况、人口流动等社会发展指标。
在一些实施例中,社会发展特征可以以特征向量表示。其中,社会发展指标可以与特征向量中的至少一个元素对应,元素值可以是对应社会发展指标的指标值。例如,社会发展特征可以表征为向量(a’,b’,c’,d’,e’,f’)。其中,a’可以反应人均GDP;b’可以为反应教育程度,示例性地,b’可以包括目标区域内居民的人均受教育年限;c’可以反应人均年龄;d’可以反应人均税收;e’可以反应居住情况,示例性地,e’可以包括目标区域内居住不同类型房屋的居民比例;f’可以反应人口流动,示例性地,f’可以包括目标区域内人口流出率、流入率、净流入比例以及净流入数量中的至少一种。
在一些实施例中,社会发展特征可以从其他平台调用。例如,社会发展特征可以记录于其他平台的相关文件(如经济统计年鉴)中。示例性地,在获取社会发展特征时,可以调用对应的地方的经济统计年鉴,从而确定社会发展特征。
在一些实施例中,可以对居民信息进行统计以确定社会发展特征。例如,在确定教育程度时,可以基于居民信息中的受教育程度进行统计,计算所有居民的平均教育年龄作为教育程度。在一些实施例中,还可以对多个时间段的居民信息进行统计以确定社会发展特征。例如,可以通过近三年居民的平均教育年龄,以确定教育程度的变化趋势。
步骤420,基于特征预测模型对社会发展特征进行处理,确定目标区域在目标时间段内的人口增长特征。
人口增长特征可以反应社会发展特征在目标时间段内对人口增长的影响。在一些实施例中,人口增长特征可以与社会发展特征对应,用于定量描述社会发展情况对人口增长的影响。例如,某地区的2035年的教育程度为10.5年,在2036年的教育程度为11.5年,2036年人口出生率较2035年下降0.5%,则教育程度的人口增长特征可以描述为增加1年的教育程度可能降低0.5%的出生率。
在一些实施例中,人口增长特征可以表述为特征向量。其中,特征向量中的元素可以与至少一个社会发展指标对应,可以反应对应的社会发展指标对人口增长的作用。在一些实施例中,人口增长特征还可以描述至少两个社会发展指标对人口增长的综合作用。在一些实施例中,人口增长特征可以描述各个居民类型的增长情况。例如,居民类型可以包括城镇户口以及农村户口,则人口增长特征可以包括城镇户口家庭的新出生人口数、农村户口家庭的出生人口数。
在一些实施例中,社会发展特征可以作为特征预测模型的输入,目标时间段内的人口增长特征可以作为特征预测模型的输出。
在一些实施例中,特征预测模型可以储存在民政管理平台153的子数据库中。当民政管理平台153进行新增人口预测时,可以从子数据库中调用特征预测模型。
在一些实施例中,特征预测模型可以包括DNN、RNN、LSTM等或其他能实现类似功能的机器学习模型中的任意一种或组合。
当特征预测模型为LSTM时,特征预测模型可以输入多个连续时间点的社会发展特征,从而基于社会发展特征在时间上的变化确定社会发展特征对新增人口的影响,使各个时间段的目标区域的人口增长特征具有关联性,进而提高人口增长特征的精确度。
在一些实施例中,特征预测模型还可以是其他模型。例如,支持向量机模型、Logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、KNN分类模型和神经网络模型等。
在一些实施例中,特征预测模型可以基于历史数据进行训练。例如,可以基于历史数据确定特征预测模型的训练数据。其中,训练数据可以包括训练样本以及样本标签。在对特征预测模型进行训练时,可以基于训练数据对特征预测模型的初始训练模型进行训练。根据初始训练模型的输出以及样本标签构建损失函数,基于损失函数迭代更新初始训练模型的参数,直到初始训练模型的输出满足输出条件,将训练好的初始训练模型作为特征预测模型。
在一些实施例中,特征预测模型的训练样本可以包括历史社会发展特征,样本标签可以是历史社会发展特征对应的历史人口增长特征。在一些实施例中,历史人口增长特征可以通过手工标注。在一些实施例中,历史人口增长特征还可以基于临近时间的人口增长确定。例如,可以基于两个连续时间段的人口增长数据确定人口增长变化情况作为历史人口增长特征。
在一些情况下,单独训练特征预测模型,难以捕捉到社会发展特征与人口增长特征的关系。本说明书的一些实施例可以通过对包含有人口数量预测模型的相似度判断模型进行训练。当相似度判断模型训练完成后,可以获得相似度判断模型中人口数量预测模型的参数。从而确定特征预测模型。关于上述实施例的更多描述请参考图5及其相关描述,此处不再赘述。
步骤430,基于人口数量预测模型对目标居民信息以及人口增长特征进行处理,确定新增人口数量。
在一些实施例中,人口数量预测模型的输入可以包括目标居民信息以及人口增长特征,输出可以包括目标区域在目标时间段内的新增人口数量。对应的,当人口数量预测模型的输入包括人口增长特征时,在人口数量预测模型的训练过程中,训练样本可以包括历史人口增长特征。其中,历史人口增长特征可以通过特征预测模型对历史社会发展特征处理后确定。关于人口数量预测模型的更多内容参见步骤320及其相关描述,此处不再赘述。
在一些实施例中,人口数量预测模型的输入还可以包括目标区域当前执行的用于鼓励生育的方案政策等。即,人口数量预测模型可以在确定新增人口数量时,可以考虑当前执行的用于鼓励生育的方案政策对居民生育意愿的影响。关于用于鼓励生育的方案政策的更多描述可以参考本说明书图6及其相关描述。
图5是根据本说明书一些实施例所示的训练特征预测模型的示意图。
在一些实施例中,特征预测模型510的参数可以通过训练特征相似度判断模型560获得。特征相似度判断模型560包括特征预测模型510、另一特征预测模型561以及相似度判断模型562。其中,特征预测模型510、另一特征预测模型561以及相似度判断模型562作为特征相似度判断模型560中的层,特征预测模型510、另一特征预测模型561为同一层。在一些实施例中,特征预测模型510、另一特征预测模型561可以为RNN,相似度判断模型562可以为DNN。
另一特征预测模型561可以是对另一目标区域的人口增长特征进行预测的模型。例如,特征预测模型510可以为对A市的人口增长特征进行预测的模型,另一特征预测模型561可以是对B市的人口增长特征进行预测的模型。其中,另一目标区域可以指与目标区域相似的区域。例如,另一目标区域可以是人口组成、经济发展等方面与目标区域类似,对新增人口评估具有借鉴意义的区域。
特征相似度判断模型560的输入可以包括特征预测模型510对应的目标区域的社会发展特征520以及另一特征预测模型561对应的另一目标区域的社会发展特征,输出为特征预测模型510对应的目标区域以及另一特征预测模型561对应的另一目标区域之间的人口增长特征的相似度。具体的,可以将特征预测模型510对应的目标区域的社会发展特征520输入特征预测模型510,输出为该目标区域对应的人口增长特征530;将另一特征预测模型561对应的另一目标区域的社会发展特征输入另一特征预测模型561,输出为该另一目标区域对应的人口增长特征;将特征预测模型510、另一特征预测模型561的输出输入到相似度判断模型562,从而获得两个区域的人口增长特征的相似度。两个区域的人口增长特征的相似度可以通过人口增长特征的向量距离确定。
在一些实施例中,特征相似度判断模型560可以通过对初始特征相似度判断模型540进行训练获得。对应的,初始特征相似度判断模型540可以包括初始特征预测模型541、初始另一特征预测模型542以及初始相似度判断模型543。其中,初始特征预测模型541可以为未设置模型参数的特征预测模型510。
由于特征预测模型510与另一特征预测模型561的训练目标相似,训练方法相似,训练内容相似。因此,本说明书一些实施例中,在对特征相似度判断模型560进行训练时,初始另一特征预测模型542可以与初始特征预测模型541参数共享。
在一些实施例中,初始特征相似度判断模型540可以基于训练数据550进行训练。其中,训练样本可以包括第一历史社会发展特征551以及第二历史社会发展特征552,标签可以是两个区域的历史新增人口相似度553。训练样本可以基于历史数据确定。历史数据可以是目标区域和另一目标区域的在各个历史时间点的相关数据。例如,历史数据可以包括储存在目标区域和另一目标区域的民政服务平台152的数据库中的社会发展特征。标签可以通过人工对两个区域的历史社会发展特征进行处理获取。
在一些实施例中,将第一历史社会发展特征551输入初始特征预测模型541,将第二历史社会发展特征552输入初始另一特征预测模型542,然后将初始特征预测模型541与初始另一特征预测模型542的输出输入到初始相似度判断模型543。基于初始相似度判断模型543的输出和标签构建损失函数,并基于损失函数同时迭代更新初始特征预测模型541、初始另一特征预测模型542以及初始相似度判断模型543的参数,直到预设条件被满足训练完成。训练完成后获得训练好的特征相似度判断模型560,特征相似度判断模型560,中特征预测模型510的参数也可以确定。
通过上述训练方式获得特征预测模型510的参数,在一些情况下有利于解决单独训练特征预测模型510时难以获得标签的问题。通过特征相似度判断模型560对两个区域的人口增长特征的相似度进行比较,从而确定特征预测模型510,可以能较好地得到反映目标区域的社会发展特征与人口增长特征之间的关系,使得预测更加准确。
图6是根据本说明书一些实施例所示的确定目标方案的示例性流程图。在一些实施例中,流程600可以由民政管理平台153执行。如图6所示,流程600包括下述步骤:
步骤610,当新增人口数量小于预设人口阈值时,获取多种用于鼓励生育的候选方案。
预设人口阈值可以包括新出生人口阈值、出生率阈值、人口迁出率阈值中的一种或多种。例如,当新增人口数量中出生率小于预设出生率阈值时,可以认为目前居民意愿不强,需要进行政策鼓励生育。
候选方案可以是用于提高生育意愿、降低生育风险的政策性措施。例如,候选方法可以包括生育鼓励政策、生育税收减免政策、生育环境建设政策。示例性地,生育环境建设政策可以包括建设公立托儿所或儿童游戏场所;强师范教育类职业培训、德育培训及就业扶持。生育税收减免政策可以包括生育奖励金、每月的育儿补助、税务回扣(如,免税)的金额等。在一些实施例中,候选方案还可以包括提高人口基数的人才引进政策等相关政策。
候选方案可以根据相关规定获取。例如,候选方案可以是上级相关机构下发的示范性政策性措施。在一些实施例中,候选方案也可以是相关工作人员或居民提出的,符合地方及国家规定的方案。对应的候选方案可以从社会中收集相关提案,并选取合规提案或对提案进行合规化处理。
步骤620,对多种候选方案进行评分。
候选方案的评分可以是对候选方案在鼓励生育方面的影响力的定量评价。例如,当执行某一候选方案后,居民生育意愿得到改善,出生率存在明显提高,则该候选方案具有较高的评分。在一些实施例中,候选方案的评分还可以反应候选方案在目标区域执行的优劣性、适应性等。例如,候选方案的评分越高,则表明该候选方案在目标区域具有更高的适应性,能满足目标区域的政策需求。
在一些实施例中,可以基于打分规则对候选方案进行打分。在一些实施例中,打分规则可以包括多个评分因素在进行评分时,可以基于各个评分因素确定候选方案在不同层面的影响力分数。例如,评分因素可以包括人口增长因素、群众意愿因素、实施成本、执行难度等中一种或多种。其中,人口增长因素可以是对实施该候选方案后人口增长的情况的评分。示例性地,如果实施该方案后,新增人口比例为负值(新增人口数量为负值)则为0分,此外,按照预设的比例阈值(如5%)依次加1,最高10分。即,当新增人口增长率为10%,则可以记该候选方案的人口增长因素为2分。群众意愿因素可以是居民对候选方案的接受程度。在一些实施例中,群众意愿因素可以基于预设规则确定。例如,当候选方案涉及生育奖励金时,可以以1000元为基数,每增加500元加1分,即1500元为1分,2000元为2分,2500元为3分,3000元为4分...6000元为10分。实施成本为在目标区域实时该候选方案的成本。实施成本越高,对应的候选方案的评分越低。
在一些实施例中,打分规则还可以包括各个评分因素的权重系数,在打分时可以基于权重系数对各个影响力分数进行加权求和以确定该候选方案的最终评分。示例性地,设定新增人口增长率的权重系数为0.6,若新增人口增长率为10%为2分,则该候选方案的人口增长因素评分为0.6*2=1.2分;设定民众意愿度的权重系数为0.4,若生育奖励金6000元为10分,则该候选方案的群众意愿因素评分为0.4*10=4分。该候选方案的总分为5.2分。
在一些实施例中,打分规则可以根据对居民的调查问卷确定。例如,可以根据不同的候选方案生成调查问卷,并发送给各个居民以获取调查结果,根据调查结果确定打分规则。在一些实施例中,可以根据历史数据确定打分规则。例如,可以从历史数据中获取执行了某一候选方案的相关数据,并根据相关数据确定该候选方案对人口增长的影响,以确定打分规则。
在一些实施例中,针对多种候选方案中的每一种候选方案,可以基于评分模型对该候选方案以及目标居民信息进行处理,确定该候选方案的分数。
在一些实施例中,评分模型可以根据对不同的候选方案以及目标居民信息预估候选方案对目标区域新出生人口的影响,从而确定各个的候选方案的评分。评分模型的输入可以是某一候选方案的内容以及目标居民信息,输出可以是该候选方案的评分。
在一些实施例中,评分模型可以为DNN。候选方案以及目标居民信息可以通过评分模型的输入层输入该评分模型。经评分模型中各个隐藏层处理,在输出层输出该候选方案的评分。
评分模型可以基于历史数据中实施各个候选方案后新增人口数量情况进行训练。其中,训练样本可以包括历史不同时间点执行的候选方案以及当时的目标居民信息,训练样本的标签可以基于执行该候选方案后目标时间段的新增人口数量确定。例如,训练样本的标签可以是评分标签。其中,执行候选方案后新增人口数量比例越大,评分标签的分数越高。在一些实施例中,可以基于新增人口数量占总人口的数量比例确定评分标签的分数。例如,新增人口比例为负值则可以判定评分标签为0分,其他情况可以按照新增人口比例的数值与比例阈值(例如,阈值可设置为5%)进行对比。每满足一次比例阈值,评分标签可以加1分,即新增人口比例为5%,评分标签为1分;新增人口比例为10%,评分标签为2分…新增人口比例为50%,评分标签为10分。其中,评分标签最高可以为10分。
将带有标签的训练样本输入初始评分模型,通过训练更新初始评分模型的参数。当训练的模型满足预设条件时,训练结束,获取训练好的评分模型。
在一些实施例中,评分模型的输入还可以包括人口增长特征。对应的,在训练时,在对评分模型进行训练时,训练样本中还可以包括各个历史目标时间段内的历史人口增长特征。
步骤630,基于多种候选方案的分数,确定目标区域在目标时间段内的目标方案。
在一些实施例中,基于多种候选方案的分数,确定目标区域在目标时间段内的目标方案。例如,可以将评分最高的候选方案作为目标方案。
在一些实施例中,本说明的还提供一种计算机可读存储介质,该存储介质可以存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如本说明书一些实施例提供的基于物联网的智慧城市民政管理方法。
本说明书实施例提供的基于物联网的智慧城市民政管理方法、系统、装置及计算机可读存储介质,至少具有以下有益效果:(1)本说明书可以实时更新居民信息,还可以从居民信息中确定目标居民信息并以此进行新增人口数量预测,提高了民政管理方法的及时性以及预测精度。(2)本说明书在新增人口预测过程中引入了社会发展特征以及人口增长特征,进而进一步提高了新增人口数量预测的准确度。(3)本说明书通过对候选方案进行评分,能更加准确地预估不同候选方案对新增人口数量的影响,以确定最优的候选方案作为目标方案,对政策的制定与执行提供了帮助。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种基于物联网的智慧城市民政管理方法,应用于民政管理平台,所述方法包括:
从民政服务平台中获取目标区域的目标居民信息,其中,所述目标居民信息是所述民政服务平台响应于目标用户通过用户平台发送的民政服务请求,对所述目标用户对应的居民信息进行处理后获得的;以及
基于所述目标居民信息,确定所述目标区域在目标时间段内的新增人口数量。
2.如权利要求1所述的方法,所述基于所述目标居民信息,确定所述目标区域在目标时间段内的新增人口数量包括:
基于人口数量预测模型对所述目标居民信息进行处理,确定所述新增人口数量。
3.如权利要求2所述的方法,所述基于人口数量预测模型对所述目标居民信息进行处理,确定所述新增人口数量包括:
获取所述目标区域的社会发展特征;
基于特征预测模型对所述社会发展特征进行处理,确定所述目标区域在所述目标时间段内的人口增长特征;以及
基于所述人口数量预测模型对所述目标居民信息以及所述人口增长特征进行处理,确定所述新增人口数量。
4.如权利要求1所述的方法,所述方法还包括:
当所述新增人口数量小于预设人口阈值时,获取多种用于鼓励生育的候选方案;
对多种所述候选方案进行评分;以及
基于多种所述候选方案的分数,确定所述目标区域在所述目标时间段内的目标方案。
5.如权利要求4所述的方法,所述对多种所述候选方案进行评分包括:
针对多种所述候选方案中的每一种候选方案,基于评分模型对该候选方案以及目标居民信息进行处理,确定该候选方案的分数。
6.一种基于物联网的智慧城市民政管理系统,所述系统包括用户平台、民政服务平台以及民政管理平台,所述民政管理平台被配置为执行以下操作:
从所述民政服务平台中获取目标区域的目标居民信息,其中,所述目标居民信息是所述民政服务平台响应于目标用户通过所述用户平台发送的民政服务请求,对所述目标用户对应的居民信息进行处理后获得的;以及
基于所述目标居民信息,确定所述目标区域在目标时间段内的新增人口数量。
7.根据权利要求6所述的系统,为基于所述目标居民信息,确定所述目标区域在目标时间段内的新增人口数量,所述民政管理平台进一步被配置为执行以下操作:
基于人口数量预测模型对所述目标居民信息进行处理,确定所述新增人口数量。
8.如权利要求7所述的系统,为基于所述人口数量预测模型对所述目标居民信息进行处理,确定所述新增人口数量,所述民政管理平台进一步被配置为执行以下操作:
获取所述目标区域的社会发展特征;
基于特征预测模型对所述社会发展特征进行处理,确定所述目标区域在所述目标时间段内的人口增长特征;以及
基于所述人口数量预测模型对所述目标居民信息以及所述人口增长特征进行处理,确定所述新增人口数量。
9.如权利要求8所述的系统,所述民政管理平台还被配置为执行以下操作:
当所述新增人口数量小于预设人口阈值时,获取多种用于鼓励生育的候选方案;
对多种所述候选方案进行评分;以及
基于多种所述候选方案的分数,确定所述目标区域在所述目标时间段内的目标方案。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如权利要求1~5中任一项所述的基于物联网的智慧城市民政管理方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/664,214 | 2022-05-19 | ||
US17/664,214 US20220277409A1 (en) | 2022-05-19 | 2022-05-19 | Methods and systems for civil administration in smart city based on internet of things (iot) |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116681220A true CN116681220A (zh) | 2023-09-01 |
Family
ID=83007174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310274014.1A Pending CN116681220A (zh) | 2022-05-19 | 2023-03-20 | 一种基于物联网的智慧城市民政管理方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220277409A1 (zh) |
CN (1) | CN116681220A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102548894B1 (ko) * | 2022-10-20 | 2023-06-29 | 한국전자기술연구원 | 건물 거주자의 개인성향 및 센싱 데이터 기반의 거주만족도 평가 시스템 및 방법 |
CN116861197B (zh) * | 2023-09-01 | 2024-04-05 | 北京融信数联科技有限公司 | 一种基于大数据的流动人口监测方法、系统和存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131656B2 (en) * | 2006-01-31 | 2012-03-06 | The Board Of Trustees Of The University Of Illinois | Adaptive optimization methods |
US20080091510A1 (en) * | 2006-10-12 | 2008-04-17 | Joshua Scott Crandall | Computer systems and methods for surveying a population |
US20080215415A1 (en) * | 2006-12-07 | 2008-09-04 | Paul Willms | Mobile advertising |
SG175215A1 (en) * | 2009-04-15 | 2011-11-28 | Virginia Polytechnic Inst | Complex situation analysis system |
WO2011024379A1 (ja) * | 2009-08-24 | 2011-03-03 | ソフトバンクBb株式会社 | 流動性人口推定システム、流動性人口推定方法及び流動性人口推定プログラム |
US8510658B2 (en) * | 2010-08-11 | 2013-08-13 | Apple Inc. | Population segmentation |
US10614255B2 (en) * | 2010-10-29 | 2020-04-07 | Bentley Systems, Incorporated | Computer-implemented land planning system and method with GIS integration |
US20120116837A1 (en) * | 2010-11-04 | 2012-05-10 | Schlumberger Technology Corporation | Social risk management system and method |
US20180342030A1 (en) * | 2017-05-24 | 2018-11-29 | The Research Foundation For The State University Of New York | Neutral radistricting using a multi-level weighted graph partitioning algorithm |
EP3782025A4 (en) * | 2018-04-20 | 2021-12-22 | Acxiom LLC | MACHINE AND PROCESS FOR OVERALL URBANICITY MEASUREMENT |
US20210173855A1 (en) * | 2019-12-10 | 2021-06-10 | Here Global B.V. | Method, apparatus, and computer program product for dynamic population estimation |
-
2022
- 2022-05-19 US US17/664,214 patent/US20220277409A1/en active Pending
-
2023
- 2023-03-20 CN CN202310274014.1A patent/CN116681220A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220277409A1 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Newburn et al. | Economics and land‐use change in prioritizing private land conservation | |
US20170103472A1 (en) | Distributed electronic document review in a blockchain system and computerized scoring based on textual and visual feedback | |
Allison | Comparing logit and probit coefficients across groups | |
CN116681220A (zh) | 一种基于物联网的智慧城市民政管理方法和系统 | |
US20200250511A1 (en) | Artist comprehensive ability evaluation and cultivation assistant system based on artificial intelligence | |
CN109564669A (zh) | 基于信任得分和地理范围搜索实体 | |
US20100100398A1 (en) | Social network interface | |
CN109064357B (zh) | 一种实时导游推荐系统及方法 | |
CN109800363A (zh) | 构建资信关系网络的方法、装置、设备及存储介质 | |
EP3905162A2 (en) | Schedule management service system and method | |
KR102465711B1 (ko) | 소셜 데이터 분석을 이용한 법률안의 국회 본회의 통과가능성 동적 예측 서비스 제공 시스템 | |
CN113672797A (zh) | 一种内容推荐方法及装置 | |
Hu et al. | A practice mining system for the delivery of sustainable retirement villages | |
Wu et al. | Assuring quality and waiting time in real-time spatial crowdsourcing | |
KR102358211B1 (ko) | 인력 연결 시스템 | |
CN117291428A (zh) | 一种基于企业管理app的数据后台管理系统 | |
Yang et al. | Evaluation of smart long-term care information strategy portfolio decision model: The national healthcare environment in Taiwan | |
CN112308263A (zh) | 学位资源预测方法、装置、存储介质和芯片 | |
Zhang et al. | Hierarchies in the Decentralized Welfare State: Prioritization in the Housing Choice Voucher Program | |
Cao et al. | From labor to trader: Opinion elicitation via online crowds as a market | |
Steinhardt et al. | Targeting accuracy and impact of a community-identified waiver card scheme for primary care user fees in Afghanistan | |
Park et al. | An assessment of juvenile justice reform in Ohio: Impact on youth placement and recidivism from 2008 to 2015 | |
CN107331156A (zh) | 城市交通综合调查云平台与系统 | |
Salah et al. | New data sources and computational approaches on migration and human mobility | |
KR20040107971A (ko) | 기술평가 방법 및 그 시스템 |
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 |