CN117077058A - 基于用水数据分析的智慧营业收费管理系统 - Google Patents

Abstract

本发明公开了一种基于用水数据分析的智慧营业收费管理系统，该基于用水数据分析的智慧营业收费管理系统包括获取模块、发送模块、分析模块和预警模块，获取并根据多个用户的传感数据，生成每一用户的费用信息和缴费清单以发送给对应的用户进行告知和缴费，同时还可以根据每一用户的费用信息以及针对缴费清单的反馈情况，对目标区域的用水传感情况进行异常分析和预警。可见，本发明能够借助数据处理技术和数据分析技术来实现更加智能和高效的用水收费管理，并预测传感异常以便于用户监测设备的检修。

Description

基于用水数据分析的智慧营业收费管理系统

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于用水数据分析的智慧营业收费管理系统。

背景技术

随着城市用水需求的提高，安装在用水区域的用水传感监测设备也越来越多，对于用水的营业收费管理也面临越来越大的挑战，尤其是在智慧化管理概念的推行时，越来越多的供水公司开始寻求采用更加直观和高效的方式进行用水收费的管理。但现有的用水收费管理技术，一般还是采用流量监控和简单的数据处理规则核算费用的方式进行管理，没有考虑到对用户的费用信息进行自动核算以及根据用户的多种信息来预测传感设备的异常，因此存在缺陷，亟待改进。

发明内容

本发明所要解决的技术问题在于，提供一种基于用水数据分析的智慧营业收费管理系统，能够借助数据处理技术和数据分析技术来实现更加智能和高效的用水收费管理，并预测传感异常以便于用户监测设备的检修。

为了解决上述技术问题，本发明第一方面公开了一种基于用水数据分析的智慧营业收费管理系统，所述系统包括：

获取模块，用于获取目标区域的多个用户的用水传感器的传感数据；

发送模块，用于根据多个用户的所述传感数据，生成每一所述用户的费用信息和缴费清单，并发送给对应的用户；

分析模块，用于根据每一所述用户的费用信息，以及每一所述用户的针对所述缴费清单的反馈情况，对所述目标区域的用水传感情况进行异常分析，得到异常分析结果；

预警模块，用于根据所述异常分析结果，筛选出所述目标区域中的具体异常区域，并对所述具体异常区域进行预警。

在一个可选的实施方式中，所述传感数据包括水流量传感数据、设备温度数据、设备电压数据、传感器控制器参数数据、区域图像信息、区域温度信息、区域湿度信息中的至少一种。

在一个可选的实施方式中，所述发送模块具体用于执行以下步骤：

根据每一所述用户对应的用户参数，以及预设的用户分组规则，对所述多个用户进行分组，以得到多个属于同一关联用水关系的用户组；

根据每一所述用户的所述传感数据，对每一所述用户组进行验证，并将验证不通过的所述用户组中的每一个所述用户确定为一个用户组；

根据每一所述用户组的所有用户的所述传感数据，生成每一所述用户的费用信息和缴费清单。

在一个可选的实施方式中，所述用户参数包括用户传感器位置、用户姓名、用户所属单位和用户职业；所述用户分组规则包括：

将所述用户传感器位置之间的位置距离小于对应的第一距离阈值，以及所述用户姓名之间的姓名关联度大于预设的第一关联度阈值的多个用户归为同一用户组；

将所述用户传感器位置之间的位置距离小于对应的第二距离阈值，以及所述用户所属单位之间的单位关联度大于预设的第二关联度阈值，以及所述用户职业之间的职业关联度大于预设的第三关联度阈值的多个用户归为同一用户组；其中所述第二距离阈值大于所述第一距离阈值；所述单位关联度以及所述职业关联度通过训练好的神经网络算法模型进行测算。

在一个可选的实施方式中，所述发送模块根据每一所述用户的所述传感数据，对每一所述用户组进行验证，并将验证不通过的所述用户组中的每一个所述用户确定为一个用户组的具体方式，包括：

对于每一所述用户组，确定该用户组被分组所依据的分组规则所对应的验证神经网络模型；所述验证神经网络模型通过同一分组规则分出的两个用户的传感数据和对应的分组正确标注的训练数据集训练得到；

将该用户组中任意两个用户的所述传感数据输入至所述验证神经网络模型中，以得到该两个用户对应的分组正确预测参数；

计算该两个用户之间对应的用户关联度与所述分组正确预测参数之间的乘积，得到该两个用户之间的加权分组参数；

计算该用户组中的所有用户对应的所有所述加权分组参数的平均值，得到该用户组对应的分组参数；

判断该用户组对应的分组参数是否大于预设的分组参数阈值，若是，则将该用户组保留，若否，则将该用户组中的每一个所述用户确定为一个用户组。

在一个可选的实施方式中，所述用户关联度包括位置距离差值、姓名关联度差值、单位关联度差值、职业关联度差值中的至少两种的乘积；所述位置距离差值为所述位置距离与对应的距离阈值之间的差值；所述姓名关联度差值为所述姓名关联度与所述第一关联度阈值之间的差值；所述单位关联度差值为所述单位关联度与所述第二关联度阈值之间的差值；所述职业关联度差值为所述职业关联度与所述第三关联度阈值之间的差值。

在一个可选的实施方式中，所述发送模块根据每一所述用户组的所有用户的所述传感数据，生成每一所述用户的费用信息和缴费清单的具体方式，包括：

将每一所述用户的所述传感数据输入至训练好的测准神经网络模型，以得到每一所述用户的所述传感数据对应的数据准确性参数；所述测准神经网络模型通过包括有多个训练传感数据和对应的数据准确度标注的训练数据集训练得到；

对于每一所述用户组，计算该用户组的所有用户的所述传感数据中的水流量数据的加权求和平均值，得到该用户组中每一用户的费用信息；其中每一所述水流量数据的权重与所述数据准确性参数成正比；

根据每一所述用户的所述费用信息和用户参数，生成每一所述用户对应的包含有用户参数和费用信息的缴费清单。

在一个可选的实施方式中，所述分析模块具体用于执行以下步骤：

对于每一所述用户，获取该用户对应的所有所述费用信息，计算该用户对应的所有所述费用信息之间的方差值；

获取该用户的针对所述缴费清单的所有反馈情况，计算所述所有反馈情况中所述投诉反馈的占比值；

计算该用户的所述方差值和所述占比差值之间的乘积，得到该用户对应的异常传感参数；

对于所述目标区域中的任一子区域，计算该子区域中所有所述用户的异常传感参数的平均值，以得到该子区域对应的区域异常参数。

在一个可选的实施方式中，所述预警模块具体用于执行以下步骤：

对于所述目标区域中的任一子区域，判断该子区域对应的区域异常参数是否大于预设的参数阈值，得到第一判断结果；

若所述第一判断结果为是，则确定该子区域为具体异常区域，并对所述具体异常区域进行预警。

在一个可选的实施方式中，所述预测模块还用于执行以下步骤：

对于任一所述具体异常区域，获取该具体异常区域中的所有用户的所述异常传感参数，并筛选出该具体异常区域中所有所述异常传感参数大于所述参数阈值的异常用户；

获取每一所述异常用户的用户位置，基于动态规划算法，计算能够包含所有所述异常用户的用户位置的最小包围图形；

获取该具体异常区域对应的分区数据库；所述分区数据库包括行政分区数据库、商业区域分区数据库、居住区域分区数据库中的至少一种；

计算所述最小包围图形和所述分区数据库中每一分区的图形之间的图形相似度；

将所述图形相似度最大且大于预设的相似度阈值的所述分区，确定为新的具体异常区域，并对所述新的具体异常区域进行预警。

与现有技术相比，本发明具有以下有益效果：

本发明能够自动根据用户的传感数据计算用水费用，并分析传感异常情况，从而能够借助数据处理技术和数据分析技术来实现更加智能和高效的用水收费管理，并预测传感异常以便于用户监测设备的检修。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例公开的一种基于用水数据分析的智慧营业收费管理系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅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作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。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或端没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或模块。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

具体的，请参阅图1，图1是本发明实施例公开的一种基于用水数据分析的智慧营业收费管理系统的结构示意图。如图1所示，该基于用水数据分析的智慧营业收费管理系统至少包括获取模块101、发送模块102、分析模块103和预警模块104，该系统可以用于获取并根据多个用户的传感数据，生成每一用户的费用信息和缴费清单以发送给对应的用户进行告知和缴费，同时还可以根据每一用户的费用信息以及针对缴费清单的反馈情况，对目标区域的用水传感情况进行异常分析和预警。

具体的，获取模块101用于获取目标区域的多个用户的用水传感器的传感数据。

可选的，传感数据包括水流量传感数据、设备温度数据、设备电压数据、传感器控制器参数数据、区域图像信息、区域温度信息、区域湿度信息中的至少一种。

具体的，发送模块102用于根据多个用户的传感数据，生成每一用户的费用信息和缴费清单，并发送给对应的用户。

具体的，分析模块103用于根据每一用户的费用信息，以及每一用户的针对缴费清单的反馈情况，对目标区域的用水传感情况进行异常分析，得到异常分析结果。

具体的，预警模块104用于根据异常分析结果，筛选出目标区域中的具体异常区域，并对具体异常区域进行预警。

在一个可选的实施例中，发送模块102具体用于执行以下步骤：

根据每一用户对应的用户参数，以及预设的用户分组规则，对多个用户进行分组，以得到多个属于同一关联用水关系的用户组；

根据每一用户的传感数据，对每一用户组进行验证，并将验证不通过的用户组中的每一个用户确定为一个用户组；

根据每一用户组的所有用户的传感数据，生成每一用户的费用信息和缴费清单。

通过上述模块，可以将多个用户进行分组并验证分组的正确性，后续可以根据具有同一特性的用户组的多个用户来确定费用信息，以提高生成的费用信息和缴费清单的准确性。

在一个可选的实施例中，用户参数包括用户传感器位置、用户姓名、用户所属单位和用户职业；上述用户分组规则包括：

将用户传感器位置之间的位置距离小于对应的第一距离阈值，以及用户姓名之间的姓名关联度大于预设的第一关联度阈值的多个用户归为同一用户组；

将用户传感器位置之间的位置距离小于对应的第二距离阈值，以及用户所属单位之间的单位关联度大于预设的第二关联度阈值，以及用户职业之间的职业关联度大于预设的第三关联度阈值的多个用户归为同一用户组。

具体的，其中第二距离阈值大于第一距离阈值。

具体的，姓名关联度、单位关联度以及职业关联度通过训练好的神经网络算法模型进行测算。可选的，神经网络算法模型可以通过包括有多个训练姓名、训练单位信息或训练职业信息和对应的关联度标注的训练数据集训练得到。

通过上述用户分组规则，可以实现将可能为同一家庭单位或同一企业单位的用户分为一组以实现更加精确和合理的用户分组，以便于后续的费用信息的确定。

在一个可选的实施例中，发送模块102根据每一用户的传感数据，对每一用户组进行验证，并将验证不通过的用户组中的每一个用户确定为一个用户组的具体方式，包括：

对于每一用户组，确定该用户组被分组所依据的分组规则所对应的验证神经网络模型；验证神经网络模型通过同一分组规则分出的两个用户的传感数据和对应的分组正确标注的训练数据集训练得到；

将该用户组中任意两个用户的传感数据输入至验证神经网络模型中，以得到该两个用户对应的分组正确预测参数；

计算该两个用户之间对应的用户关联度与分组正确预测参数之间的乘积，得到该两个用户之间的加权分组参数；

计算该用户组中的所有用户对应的所有加权分组参数的平均值，得到该用户组对应的分组参数；

判断该用户组对应的分组参数是否大于预设的分组参数阈值，若是，则将该用户组保留，若否，则将该用户组中的每一个用户确定为一个用户组。

通过上述设置，可以准确且合理地判断每一用户组的分组合理参数，以便于后续对合理的分组进行费用信息的计算，提高最终费用信息计算的合理程度。

在一个可选的实施例中，用户关联度包括位置距离差值、姓名关联度差值、单位关联度差值、职业关联度差值中的至少两种的乘积。

具体的，位置距离差值为位置距离与对应的距离阈值之间的差值。

具体的，姓名关联度差值为姓名关联度与第一关联度阈值之间的差值。

具体的，单位关联度差值为单位关联度与第二关联度阈值之间的差值。

具体的，职业关联度差值为职业关联度与第三关联度阈值之间的差值。

通过上述设置可以得到更加精确的用户关联度权重以提高分组参数的计算效果，可以准确且合理地计算每一用户组的分组参数，以便于后续对合理的分组进行费用信息的计算，提高最终费用信息计算的合理程度。

在一个可选的实施例中，发送模块102根据每一用户组的所有用户的传感数据，生成每一用户的费用信息和缴费清单的具体方式，包括：

将每一用户的传感数据输入至训练好的测准神经网络模型，以得到每一用户的传感数据对应的数据准确性参数；测准神经网络模型通过包括有多个训练传感数据和对应的数据准确度标注的训练数据集训练得到；

对于每一用户组，计算该用户组的所有用户的传感数据中的水流量数据的加权求和平均值，得到该用户组中每一用户的费用信息；其中每一水流量数据的权重与数据准确性参数成正比；

根据每一用户的费用信息和用户参数，生成每一用户对应的包含有用户参数和费用信息的缴费清单。

具体的，在用户组仅包括一人时，直接将该用户的费用信息作为计算结果以及缴费清单的生成基础。

通过上述设置，可以计算用户组的所有用户的传感数据中的水流量数据的加权求和平均值，得到用户组中每一用户的费用信息，从而能够提高计算得到的费用信息的精确度，以实现更加好的收费管理效果。

在一个可选的实施例中，分析模块103具体用于执行以下步骤：

对于每一用户，获取该用户对应的所有费用信息，计算该用户对应的所有费用信息之间的方差值；

获取该用户的针对缴费清单的所有反馈情况，计算所有反馈情况中投诉反馈的占比值；

计算该用户的方差值和占比差值之间的乘积，得到该用户对应的异常传感参数；

对于目标区域中的任一子区域，计算该子区域中所有用户的异常传感参数的平均值，以得到该子区域对应的区域异常参数。

可选的，子区域的划分规则，可以根据网格划分或是应用本方案的企业的管理划分规则来确定。

通过上述设置，可以计算用户的方差值和占比差值之间的乘积，得到用户对应的异常传感参数，并根据每一子区域中所有用户的异常传感参数的平均值来确定子区域对应的区域异常参数，从而能够准确分析每一子区域对应的传感异常情况，以实现更加好的用水监测的管理效果。

在一个可选的实施例中，预警模块104具体用于执行以下步骤：

对于目标区域中的任一子区域，判断该子区域对应的区域异常参数是否大于预设的参数阈值，得到第一判断结果；

若第一判断结果为是，则确定该子区域为具体异常区域，并对具体异常区域进行预警。

在一个可选的实施例中，预测模块还用于执行以下步骤：

对于任一具体异常区域，获取该具体异常区域中的所有用户的异常传感参数，并筛选出该具体异常区域中所有异常传感参数大于参数阈值的异常用户；

获取每一异常用户的用户位置，基于动态规划算法，计算能够包含所有异常用户的用户位置的最小包围图形；

获取该具体异常区域对应的分区数据库；分区数据库包括行政分区数据库、商业区域分区数据库、居住区域分区数据库中的至少一种；

计算最小包围图形和分区数据库中每一分区的图形之间的图形相似度；

将图形相似度最大且大于预设的相似度阈值的分区，确定为新的具体异常区域，并对新的具体异常区域进行预警。

通过上述设置，可以计算最小包围图形和分区数据库中每一分区的图形之间的图形相似度，并将图形相似度最大且大于预设的相似度阈值的分区确定为新的具体异常区域，从而能够进一步从具体异常区域中确定出更加小范围的异常区域，以实现更加精确的异常监控，便于实现更加精确的预警，以及时修复对应区域的设备。

上述对本说明书特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中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。尤其，对于装置、设备、非易失性计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书实施例提供的装置、设备、非易失性计算机可读存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field ProgrammableGateArray， FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera HardwareDescriptionLanguage)、 Confluence、CUPL(Cornell University ProgrammingLanguage)、HDCal、JHDL (Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL (RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。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。

上述实施例阐明的系统、装置、模块或单元，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。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书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、数据结构等等。也可以在分布式计算环境中实践本说明书，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。

本说明书中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。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后应说明的是：本发明实施例公开的一种基于用水数据分析的智慧营业收费管理系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种基于用水数据分析的智慧营业收费管理系统，其特征在于，所述系统包括：

获取模块，用于获取目标区域的多个用户的用水传感器的传感数据；

发送模块，用于根据多个用户的所述传感数据，生成每一所述用户的费用信息和缴费清单，并发送给对应的用户；

分析模块，用于根据每一所述用户的费用信息，以及每一所述用户的针对所述缴费清单的反馈情况，对所述目标区域的用水传感情况进行异常分析，得到异常分析结果；

预警模块，用于根据所述异常分析结果，筛选出所述目标区域中的具体异常区域，并对所述具体异常区域进行预警。

2.根据权利要求1所述的基于用水数据分析的智慧营业收费管理系统，其特征在于，所述传感数据包括水流量传感数据、设备温度数据、设备电压数据、传感器控制器参数数据、区域图像信息、区域温度信息、区域湿度信息中的至少一种。

3.根据权利要求1所述的基于用水数据分析的智慧营业收费管理系统，其特征在于，所述发送模块具体用于执行以下步骤：

根据每一所述用户对应的用户参数，以及预设的用户分组规则，对所述多个用户进行分组，以得到多个属于同一关联用水关系的用户组；

根据每一所述用户的所述传感数据，对每一所述用户组进行验证，并将验证不通过的所述用户组中的每一个所述用户确定为一个用户组；

根据每一所述用户组的所有用户的所述传感数据，生成每一所述用户的费用信息和缴费清单。

4.根据权利要求3所述的基于用水数据分析的智慧营业收费管理系统，其特征在于，所述用户参数包括用户传感器位置、用户姓名、用户所属单位和用户职业；所述用户分组规则包括：

将所述用户传感器位置之间的位置距离小于对应的第一距离阈值，以及所述用户姓名之间的姓名关联度大于预设的第一关联度阈值的多个用户归为同一用户组；

将所述用户传感器位置之间的位置距离小于对应的第二距离阈值，以及所述用户所属单位之间的单位关联度大于预设的第二关联度阈值，以及所述用户职业之间的职业关联度大于预设的第三关联度阈值的多个用户归为同一用户组；其中所述第二距离阈值大于所述第一距离阈值；所述单位关联度以及所述职业关联度通过训练好的神经网络算法模型进行测算。

5.根据权利要求4所述的基于用水数据分析的智慧营业收费管理系统，其特征在于，所述发送模块根据每一所述用户的所述传感数据，对每一所述用户组进行验证，并将验证不通过的所述用户组中的每一个所述用户确定为一个用户组的具体方式，包括：

对于每一所述用户组，确定该用户组被分组所依据的分组规则所对应的验证神经网络模型；所述验证神经网络模型通过同一分组规则分出的两个用户的传感数据和对应的分组正确标注的训练数据集训练得到；

将该用户组中任意两个用户的所述传感数据输入至所述验证神经网络模型中，以得到该两个用户对应的分组正确预测参数；

计算该两个用户之间对应的用户关联度与所述分组正确预测参数之间的乘积，得到该两个用户之间的加权分组参数；

计算该用户组中的所有用户对应的所有所述加权分组参数的平均值，得到该用户组对应的分组参数；

判断该用户组对应的分组参数是否大于预设的分组参数阈值，若是，则将该用户组保留，若否，则将该用户组中的每一个所述用户确定为一个用户组。

6.根据权利要求5所述的基于用水数据分析的智慧营业收费管理系统，其特征在于，所述用户关联度包括位置距离差值、姓名关联度差值、单位关联度差值、职业关联度差值中的至少两种的乘积；所述位置距离差值为所述位置距离与对应的距离阈值之间的差值；所述姓名关联度差值为所述姓名关联度与所述第一关联度阈值之间的差值；所述单位关联度差值为所述单位关联度与所述第二关联度阈值之间的差值；所述职业关联度差值为所述职业关联度与所述第三关联度阈值之间的差值。

7.根据权利要求3所述的基于用水数据分析的智慧营业收费管理系统，其特征在于，所述发送模块根据每一所述用户组的所有用户的所述传感数据，生成每一所述用户的费用信息和缴费清单的具体方式，包括：

将每一所述用户的所述传感数据输入至训练好的测准神经网络模型，以得到每一所述用户的所述传感数据对应的数据准确性参数；所述测准神经网络模型通过包括有多个训练传感数据和对应的数据准确度标注的训练数据集训练得到；

对于每一所述用户组，计算该用户组的所有用户的所述传感数据中的水流量数据的加权求和平均值，得到该用户组中每一用户的费用信息；其中每一所述水流量数据的权重与所述数据准确性参数成正比；

根据每一所述用户的所述费用信息和用户参数，生成每一所述用户对应的包含有用户参数和费用信息的缴费清单。

8.根据权利要求1所述的基于用水数据分析的智慧营业收费管理系统，其特征在于，所述分析模块具体用于执行以下步骤：

对于每一所述用户，获取该用户对应的所有所述费用信息，计算该用户对应的所有所述费用信息之间的方差值；

获取该用户的针对所述缴费清单的所有反馈情况，计算所述所有反馈情况中所述投诉反馈的占比值；

计算该用户的所述方差值和所述占比差值之间的乘积，得到该用户对应的异常传感参数；

对于所述目标区域中的任一子区域，计算该子区域中所有所述用户的异常传感参数的平均值，以得到该子区域对应的区域异常参数。

9.根据权利要求8所述的基于用水数据分析的智慧营业收费管理系统，其特征在于，所述预警模块具体用于执行以下步骤：

对于所述目标区域中的任一子区域，判断该子区域对应的区域异常参数是否大于预设的参数阈值，得到第一判断结果；

若所述第一判断结果为是，则确定该子区域为具体异常区域，并对所述具体异常区域进行预警。

10.根据权利要求9所述的基于用水数据分析的智慧营业收费管理系统，其特征在于，所述预测模块还用于执行以下步骤：

对于任一所述具体异常区域，获取该具体异常区域中的所有用户的所述异常传感参数，并筛选出该具体异常区域中所有所述异常传感参数大于所述参数阈值的异常用户；

获取每一所述异常用户的用户位置，基于动态规划算法，计算能够包含所有所述异常用户的用户位置的最小包围图形；

获取该具体异常区域对应的分区数据库；所述分区数据库包括行政分区数据库、商业区域分区数据库、居住区域分区数据库中的至少一种；

计算所述最小包围图形和所述分区数据库中每一分区的图形之间的图形相似度；

将所述图形相似度最大且大于预设的相似度阈值的所述分区，确定为新的具体异常区域，并对所述新的具体异常区域进行预警。