CN117350680A - 基于用户活跃度的智慧燃气安全管理方法和物联网系统 - Google Patents

基于用户活跃度的智慧燃气安全管理方法和物联网系统 Download PDF

Info

Publication number
CN117350680A
CN117350680A CN202311595811.6A CN202311595811A CN117350680A CN 117350680 A CN117350680 A CN 117350680A CN 202311595811 A CN202311595811 A CN 202311595811A CN 117350680 A CN117350680 A CN 117350680A
Authority
CN
China
Prior art keywords
gas
user
liveness
determining
risk
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.)
Granted
Application number
CN202311595811.6A
Other languages
English (en)
Other versions
CN117350680B (zh
Inventor
邵泽华
李勇
曾思维
张磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Qinchuan IoT Technology Co Ltd
Original Assignee
Chengdu Qinchuan IoT Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Qinchuan IoT Technology Co Ltd filed Critical Chengdu Qinchuan IoT Technology Co Ltd
Priority to CN202311595811.6A priority Critical patent/CN117350680B/zh
Priority to US18/396,655 priority patent/US20240135278A1/en
Publication of CN117350680A publication Critical patent/CN117350680A/zh
Application granted granted Critical
Publication of CN117350680B publication Critical patent/CN117350680B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063116—Schedule adjustment 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q50/06—Energy or water supply
    • 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
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本说明书实施例提供一种基于用户活跃度的智慧燃气安全管理方法和物联网系统，该方法包括获取燃气用户的燃气数据；基于燃气数据，确定燃气用户的燃气风险；基于燃气风险，确定目标上门用户；至少基于目标上门用户的燃气数据，确定目标上门用户的活跃度分布；基于活跃度分布，确定推荐上门时间集，并向目标上门用户发送推荐上门时间集。

Description

基于用户活跃度的智慧燃气安全管理方法和物联网系统
技术领域
本说明书涉及物联网技术领域，特别涉及一种基于用户活跃度的智慧燃气安全管理方法和物联网系统。
背景技术
随着燃气的应用越来越广泛，对于燃气的智慧化管理也越来越有必要。当对燃气用户进行上门服务时，若燃气用户不在家，会造成资源的浪费，甚至增加燃气管理成本。可见，合理规划管理方法是很有必要的。
针对如何进行管理方法的合理规划，CN108764663B提供了一种电力客户画像生成管理的方法及系统，该现有技术将客户行为属性转化为画像标签，以标签形式构建立体化、多层次、多视角的客户全景画像，实现对电力客户特征的精细刻画；并基于此设计客户分群规则，针对不同的标签客户群体制定相应的差异化营销管理策略。然而，该现有技术仅仅根据群体特征制定的差异化营销管理策略，不足以具体到个人，无法基于个人情况生成更合理的管理策略。
因此，希望提供一种基于用户活跃度的智慧燃气安全管理方法和物联网系统，能够针对用户的实际情况高效、准确地确定对应的燃气安全管理方法。
发明内容
针对如何为不同用户提供合理的燃气安全管理方法和服务的问题，本发明通过用户活跃度制定对应的燃气安全管理方法，进而针对性地、有效地实现燃气上门预约、燃气维修检查、燃气故障分析等。
本发明提供一种基于用户活跃度的智慧燃气安全管理方法，所述方法包括：获取燃气用户的燃气数据；基于所述燃气数据，确定所述燃气用户的燃气风险；基于所述燃气风险，确定目标上门用户；至少基于所述目标上门用户的所述燃气数据，确定所述目标上门用户的活跃度分布；基于所述活跃度分布，确定推荐上门时间集，并向所述目标上门用户发送所述推荐上门时间集。
本发明还提供一种基于用户活跃度的智慧燃气安全管理物联网系统，该物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气安全管理平台、智慧燃气传感网络平台、智慧燃气备对象平台；所述智慧燃气安全管理平台被配置为：获取燃气用户的燃气数据；基于所述燃气数据，确定所述燃气用户的燃气风险；基于所述燃气风险，确定目标上门用户；至少基于所述目标上门用户的所述燃气数据，确定所述目标上门用户的活跃度分布；基于所述活跃度分布，确定推荐上门时间集，并向所述目标上门用户发送所述推荐上门时间集。
本发明还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，计算机执行上述基于用户活跃度的智慧燃气安全管理方法。
本发明一些实施例至少包括如下有益效果：通过燃气用户的燃气数据确定用户活跃度，并进一步确定目标上门用户和推荐上门时间集，可以向用户精准推送相关的管理策略，在合适的时间对目标上门用户进行上门服务（如上门预约、维修检查、故障分析等），提高燃气安全管理的合理性，并保证燃气设备可以得到及时的维护，提高燃气用户的用气安全。
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基于用户活跃度的智慧燃气安全管理物联网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基于用户活跃度的智慧燃气安全管理方法的示例性流程图；
图3是根据本说明书一些实施例所示的确定燃气风险的示例性示意图；
图4是根据本说明书一些实施例所示的应用活跃度预测模型确定预测活跃度分布的示例性示意图。
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基于用户活跃度的智慧燃气安全管理物联网系统的平台结构图。
如图1所示，基于用户活跃度的智慧燃气安全管理物联网系统100可以包括依次连接的智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气安全管理平台130、智慧燃气传感网络平台140和智慧燃气对象平台150。
智慧燃气用户平台110是用于与用户进行交互的平台。在一些实施例中，用户平台可以被配置为终端设备。
在一些实施例中，智慧燃气用户平台110可以将燃气使用数据的查询指令经由智慧燃气服务平台120下发至智慧燃气安全管理平台130，以及接收智慧燃气服务平台120上传的燃气管理方案（例如，推荐上门时间集等）。
智慧燃气服务平台120是用于接收和传输数据和/或信息的平台。
在一些实施例中，智慧燃气服务平台120可以接收智慧燃气用户平台110下发的查询指令，并下发至智慧燃气安全管理平台130。在一些实施例中，智慧燃气服务平台120可以将燃气管理方案发送至智慧燃气用户平台110。
智慧燃气安全管理平台130是统筹、协调各功能平台之间的联系和协作，并汇聚着物联网全部的信息，为物联网运行体系提供感知管理和控制管理功能的平台。
在一些实施例中，智慧燃气安全管理平台130可以包括智慧燃气户内安检管理分平台和智慧燃气数据中心。在一些实施例中，智慧燃气户内安检管理分平台与智慧燃气数据中心双向交互。
智慧燃气数据中心可以汇总、存储系统至少部分运行数据。在一些实施例中，智慧燃气安全管理平台130可以通过智慧燃气数据中心与智慧燃气服务平台120、智慧燃气传感网络平台140进行信息交互。
在一些实施例中，智慧燃气数据中心可以被配置为存储设备，用于存储燃气数据等。燃气数据可以由智慧燃气对象平台150获取并上传至智慧燃气数据中心。智慧燃气安全管理平台130可以通过智慧燃气数据中心直接获取燃气数据，也可以基于智慧燃气传感网络平台140从智慧燃气对象平台150获取燃气数据。
在一些实施例中，智慧燃气安全管理平台130还可以用于基于燃气数据，确定燃气用户的燃气风险；基于燃气风险，确定目标上门用户；至少基于目标上门用户的燃气数据，确定目标上门用户的活跃度分布；基于活跃度分布，确定推荐上门时间集，并向目标上门用户发送推荐上门时间集。其中，确定的燃气风险可以存储于智慧燃气户内安检管理分平台中，并具体由智慧燃气户内安检管理分平台基于燃气风险确定目标上门用户，以及基于目标上门用户的燃气数据确定目标上门用户的活跃度分布。
在一些实施例中，管理分平台可以基于智慧燃气安全管理平台确定目标上门用户以及推荐上门时间集。
智慧燃气户内安检管理分平台是用于处理户内设备的安检信息的平台。在一些实施例中，智慧燃气户内安检管理分平台可以包括安检计划管理模块、安检时间预警模块、安检状态管理模块、安检问题管理模块。在一些实施例中，安检计划管理模块可以用于设置和调整户内设备安检计划，并将安检计划下发至智慧燃气户内安检工程对象分平台，以及将最近一次的安检计划发送至智慧燃气用户平台110。在一些实施例中，安全时间预警模块可以用于根据安检时间自动排列尚未执行的安检计划，并根据预设阈值进行提示报警。在一些实施例中，管理人员可通过安全时间预警模块直接切换进入安检计划管理模块，开展对应安检计划的查阅和再安排。在一些实施例中，安检状态管理模块可以用于查阅户内设备的历史安检执行情况和下次安检计划。在一些实施例中，安检问题管理模块可以用于实现安检问题的查阅、远程处理、消息发送等管理。
智慧燃气传感网络平台140是对传感通信进行管理的功能平台。在一些实施例中，智慧燃气传感网络平台140可以被配置为通信网络和网关，实现网络管理、协议管理、指令管理和数据解析等功能。
在一些实施例中，智慧燃气传感网络平台140可以包括智慧燃气户内设备传感网络分平台、智慧燃气户内安检工程传感网络分平台。在一些实施例中，智慧燃气户内设备传感网络分平台可以与智慧燃气户内设备对象分平台进行信息交互，用于获取户内设备的相关数据。在一些实施例中，智慧燃气安检工程传感网络分平台可以与智慧燃气安检工程对象分平台进行信息交互，用于获取安检工程的相关数据。
智慧燃气对象平台150是感知信息生成和控制信息执行的功能平台。在一些实施例中，智慧燃气对象平台150可以被配置为包括至少一个燃气设备。其中，燃气设备配置有唯一的标识，可以用于对部署在城市不同区域的燃气设备进行控制；燃气设备也可以包括户内设备和管网设备。
在一些实施例中，智慧燃气对象平台150可以包括智慧燃气户内设备对象分平台、智慧燃气户内安检工程对象分平台。在一些实施例中，智慧燃气户内设备对象分平台可以被配置为燃气用户的各类户内设备。其中，户内设备可以包括燃气表、户内燃气管道等。在一些实施例中，智慧燃气安检工程对象分平台可以被配置为各类安检设备。其中，安检设备可以包括燃气流量计、压力传感器、温度传感器等。
本说明书一些实施例，基于用户活跃度的智慧燃气安全管理物联网系统100可以在智慧燃气对象平台与智慧燃气用户平台之间形成信息运行闭环，并在智慧燃气安全管理平台的统一管理下协调、规律运行，实现智慧燃气安全管理信息化、智慧化。
图2是根据本说明书一些实施例所示的基于用户活跃度的智慧燃气安全管理方法的示例性流程图。在一些实施例中，流程200可以由智慧燃气安全管理平台执行。如图2所示，流程200包括下述步骤。
步骤210，获取燃气用户的燃气数据。
在一些实施例中，燃气用户包括至少一个，且至少一个燃气用户之间满足预设邻近条件。其中，满足预设邻近条件可以指属于同一个燃气管辖区域。
燃气数据是指燃气使用的相关数据，例如，可以包括燃气压强、燃气使用量、燃气使用频率等。
在一些实施例中，燃气数据可以由智慧燃气对象平台采集得到，并经由智慧燃气传感网络平台上传至智慧燃气安全管理平台。
步骤220，基于燃气数据，确定燃气用户的燃气风险。
燃气风险是指衡量燃气使用的风险程度的指标。燃气风险越高，表示燃气使用的风险程度越高。
在一些实施例中，智慧燃气安全管理平台可以基于燃气数据中各项数据与其对应的阈值之间的关系进行综合评估，确定燃气用户的风险。例如，智慧燃气安全管理平台可以基于燃气数据中包括的燃气压强、燃气使用量、燃气使用频率，对应的燃气压强阈值、燃气使用量阈值、燃气使用频率阈值，通过预设公式确定燃气用户的风险。示例性的预设公式参见下式：
；
其中，表示燃气风险，/>、/>为预设系数，/>表示燃气压强、/>表示燃气压强阈值，/>表示燃气使用量、/>表示燃气使用量阈值，/>表示燃气使用频率、/>表示燃气使用频率阈值。以上公式仅作为示例，并不能限制确定燃气风险的方法。
在一些实施例中，智慧燃气安全管理平台还可以基于燃气数据，构建所述燃气用户的燃气用户画像，并基于燃气用户画像，确定燃气风险。关于该实施例的具体内容可以参见图2的相关说明。
步骤230，基于燃气风险，确定目标上门用户。
目标上门用户是指需要进行上门检修的燃气用户。
在一些实施例中，智慧燃气安全管理平台可以将燃气风险达到风险阈值的燃气用户确定为目标上门用户。其中，风险阈值可以由技术人员根据经验设定。风险阈值还可以通过其他可行的方式确定，在此不做限制。
步骤240，至少基于目标上门用户的燃气数据，确定目标上门用户的活跃度分布。
活跃度分布是表示燃气用户预设时间段内不同时间区间使用燃气的频次数据的分布。其中，预设时间段、不同时间区间可以预设得到，比如预设时间段可以是一天等，不同时间区间可以按每小时等方式划分。
在一些实施例中，智慧燃气安全管理平台可以基于燃气数据和第三方数据确定活跃度分布。例如，智慧燃气安全管理平台可以基于第三方数据确定目标上门用户是否在家；响应于目标上门用户不在家，且燃气没有使用情况，确定用户该时间段活跃度为0。其中，第三方数据是指从外部来源获得的数据，例如，第三方数据可以是目标上门用户的手机位置信息等。
在一些实施例中，智慧燃气安全管理平台可以基于燃气数据确定目标上门用户在预设时间段内不同时间区间的燃气使用次数和目标上门用户在预设时间段内不同时间区间的燃气用量分布；基于燃气使用次数和燃气用量分布，确定活跃度分布。其中，燃气用量分布中包括对应时间区间内的多次燃气使用时的燃气用量。每个时间区间的活跃度可以通过该时间区间的燃气使用次数、总燃气用量加权得到（加权权重可以由系统或人为预设），最终得到预设时间段内的活跃度分布。某一时间区间内的总燃气用量可以基于该时间区间的燃气用量分布确定。活跃度分布也可以由其他任何合理的公式确定，在此不做限制。
在一些实施例中，智慧燃气安全管理平台可以基于目标上门用户的燃气用户画像对目标上门用户的活跃度分布进行调整，确定调整后活跃度分布。
关于燃气用户画像的相关说明可以参见图3。
在一些实施例中，智慧燃气安全管理平台可以根据燃气用户画像确定目标时间区间，将目标时间区间对应的活跃度置为0，确定调整后活跃度分布。例如，燃气用户画像中包括“未成年”、“朝九晚五”等关键词时，可以基于此确定目标时间区间为09:00-17:00，相应可以将该时间区间对应的活跃度置为0。
本说明书一些实施例中，通过燃气用户画像对活跃度分布进行调整，可以筛除不方便进行上门服务的时间段，使后续确定的上门时间更加合理。
步骤250，基于活跃度分布，确定推荐上门时间集，并向目标上门用户发送推荐上门时间集。
推荐上门时间集是指推荐进行上门检修的时间集合。推荐上门时间集可以包括一个或多个推荐上门时间。
在一些实施例中，智慧燃气安全管理平台可以基于活跃度分布，通过多种方式确定推荐上门时间集。例如，智慧燃气安全管理平台可以将活跃度分布中活跃度高于活跃度阈值的至少一个时间区间确定为推荐上门时间集。活跃度阈值可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。
在一些实施例中，智慧燃气安全管理平台可以基于活跃度分布和天气数据，确定目标上门用户在未来时间段内的预测活跃度分布，并基于预测活跃度分布，确定推荐上门时间集。
天气数据是指燃气用户所处区域在未来时间段内的天气情况。天气数据可以通过联网获取。
预测活跃度分布是指预测的目标上门用户在未来时间段内的活跃度分布。关于活跃度分布的更多说明参见上文。
在一些实施例中，智慧燃气安全管理平台可以基于活跃度分布和天气数据，通过多种方式确定预测活跃度分布。例如，可以在初始确定的活跃度分布的基础上，将恶劣天气情况对应时间区间的活跃度增大，将良好天气情况对应时间区间的活跃度降低，得到预测活跃度分布。其中，天气情况的好坏可以预先设定。
在一些实施例中，智慧燃气安全管理平台还可以根据活跃度预测模型来确定预测活跃度分布，具体可以参见图4相关说明。
在一些实施例中，智慧燃气安全管理平台可以基于预测活跃度分布，通过多种方式确定推荐上门时间集。例如，智慧燃气安全管理平台可以将预测活跃度分布中活跃度高于活跃度阈值的至少一个时间区间确定为推荐上门时间集。
在一些实施例中，智慧燃气安全管理平台可以基于多个目标上门用户的预测活跃度分布和位置距离，构建用户分布图谱；基于时间确定模型对用户分布图谱进行处理，确定推荐上门时间集。
用户位置是指目标上门用户的住所位置。
用户分布图谱是由节点和边组成的数据结构，边连接节点，节点和边可以具有属性。
在一些实施例中，用户分布图谱的节点与燃气用户对应。节点属性可以反映燃气用户在未来一段时间内的预测活跃度分布及预计处理时间。节点之间的空间距离小于距离阈值时存在边，距离阈值可以由技术人员基于经验设定。边属性可以是移动时间。
预计处理时间是指初步确定的推荐上门时间。预计处理时间可以在确定目标上门用户时通过预设确定。预计处理时间也可以通过前文所述的确定推荐上门集的方式进行确定。
移动时间是指从一个节点前往另一节点所需的时间。移动时间可以通过对历史数据进行统计分析后得到。
在一些实施例中，时间确定模型可以是机器学习模型，例如，图神经网络（GNN，Graph Neural Networks）。
在一些实施例中，时间确定模型的输入可以包括用户分布图谱，输出可以是推荐上门时间集。
时间确定模型也可以是其他图模型，例如图卷积神经网络模型（GCNN），或者在图神经网络模型中增加其他处理层、修改其处理方法等。
时间确定模型可以通过训练获得。在一些实施例中，智慧燃气安全管理中平台可以基于大量带有第一标签的第一训练样本训练得到时间确定模型。
在一些实施例中，第一训练样本可以是基于历史数据构建的样本用户分布图谱，样本用户分布图谱的节点及其特征、边及其特征与图类似。第一标签可以为历史数据中实际的上门时间集。在一些实施例中，第一训练样本及第一标签可以根据燃气用户的投诉情况进行调整。例如，某一次上门服务后，若燃气用户进行了投诉，则筛除基于该次上门服务对应的历史数据构建的样本用户分布图谱。若用户给了好评，则保留该次上门服务对应的历史数据构建的样本用户分布图谱，并将实际的上门时间集标注为对应的第一标签。
本说明书一些实施例中，通过构建用户分布图谱，基于时间确定模型确定推荐上门时间集，可以考虑到各个燃气用户之间的相互影响，使推荐上门时间集更符合用户实际情况。
本说明书一些实施例中，通过结合活跃度分布和天气数据，可以考虑到影响上门的各种因素，使后续确定的推荐上门时间集更全面且合理。
在一些实施例中，智慧燃气安全管理平台可以经由智慧燃气服务平台，将推荐上门时间集发送至智慧燃气用户平台，以向目标上门用户发送推荐上门时间集。
本说明书一些实施例中，通过燃气用户的燃气数据确定用户活跃度，并进一步确定目标上门用户和推荐上门时间集，可以向用户精准推送相关的管理策略，在合适的时间对目标上门用户进行上门服务（如上门预约、维修检查、故障分析等），提高燃气管理的合理性，并保证燃气设备可以得到及时的维护，提高燃气用户的用气安全。
图3是根据本说明书一些实施例所示的确定燃气风险的示例性示意图。
在一些实施例中，智慧燃气安全管理平台可以基于燃气数据310，构建燃气用户的燃气用户画像320；基于燃气用户画像320，确定燃气风险370。
燃气用户画像320是指根据燃气用户的燃气使用行为的相关信息而抽象出来的标签化用户模型。标签化用户模型可以用容易理解、高度概括的特征来描述用户，并方便计算机处理。
在一些实施例中，燃气用户画像320至少包括燃气用户的燃气使用情况321、燃气设备运行情况322和用户标签323。
燃气使用情况321是指与燃气用户的燃气使用行为相关的数据。例如，燃气使用时间、燃气使用量、使用频率等。
燃气设备运行情况322是指与燃气设备运行相关的数据。例如，燃气设备的运行时间、燃气设备是否运行正常等。
在一些实施例中，智慧燃气安全管理平台可以基于智慧燃气传感网络平台从智慧燃气对象平台获取燃气使用情况321和燃气设备运行情况322。
用户标签323是指描述用户特征和行为的识别标志。用户标签323可以用于区分和分类燃气用户。例如，用户标签323包括燃气用户家里的潜在燃气隐患、燃气用户在家的时间段、使用燃气的特征（例如，燃气使用时间等）、各时间段燃气使用紧急程度、燃气用户类型（如，商用、民用）等。
在一些实施例中，用户标签323可以分为事实标签、模型标签等。
事实标签是指与燃气用户的个人信息相关的标签。例如，燃气用户年龄、燃气用户性别、出入小区的频繁度等。
在一些实施例中，事实标签可以基于燃气用户的注册信息、其他关联平台的预留信息、记录信息获取。例如，燃气用户的注册信息包括用户性别男、年龄28岁，则事实标签可以包括男性、25~30年龄段。其中，其他关联平台是指与智慧燃气安全管理平台进行数据交换的外部平台。例如，小区门禁记录平台等。
模型标签是指与用户使用燃气的类型相关的标签。例如，高频使用燃气类型、低频使用燃气类型等。
在一些实施例中，模型标签可以基于燃气用户的注册信息、其他关联平台的信息、或者历史燃气使用数据，通过聚类分析的方式确定。示例性的聚类分析过程如下：对大量燃气用户的多维度数据进行聚类，得到若干个聚类中心集合，每个聚类中心集合的聚类中心作为一个模型标签；基于每个燃气用户的燃气使用情况、燃气设备运行情况等数据，将每个燃气用户归类到一个或多个聚类中心集合中；将每个燃气用户所属的一个或多个聚类中心集合的聚类中心确定为该燃气用户的一个或多个模型标签。
在一些实施例中，用户标签323至少包括燃气使用潜在变化对应的潜在特征标签。
燃气使用潜在变化是指燃气用户在未来使用燃气时的潜在变化。燃气使用潜在变化可以包括燃气使用量增加或减少、燃气使用时间增加或减少，燃气使用频率增加或减少等。例如，商业用户由于业务转型可能出现燃气使用量增加的情况。又例如，民用用户由于家庭出现孕妇可能会出现燃气使用量增加的情况。
潜在特征标签是指燃气使用潜在变化对应的标签。例如，燃气使用潜在变化为燃气使用量增加时，潜在特征标签可以包括“燃气使用量增加”等。
在一些实施例中，智慧燃气安全管理平台可以基于同一时间段内燃气用户的用户标签与历史燃气用户的用户标签进行匹配，确定参考用户；将参考用户在后续时间段内的燃气使用特征确定为燃气用户的潜在特征标签。例如，可以将用户标签与燃气用户的用户标签的标签相似度大于相似度阈值的历史燃气用户确定为参考用户。标签相似度可以基于向量距离确定。例如，2023年第一季度的燃气用户A的用户标签为备孕、一家两口，燃气用户A匹配到的2022年第一季度的燃气用户B的用户标签为备孕、一家两口，燃气用户B为燃气用户A的参考用户。根据燃气用户B在2022年度第二季度的燃气使用特征为燃气使用量增加、宝妈/宝爸，则可以将“燃气使用量增加”作为燃气用户A的潜在特征标签。
在一些实施例中，智慧燃气安全管理平台可以基于历史燃气使用数据，通过预测模型或预测算法确定潜在特征标签。例如，智慧燃气安全管理平台可以基于燃气用户的历史燃气使用数据，通过预测算法预测该燃气用户的未来燃气使用量，将其确定为潜在特征标签。
本说明书的一些实施例中，将燃气用户的潜在燃气特征加入燃气用户画像中，由此可以充分考虑到燃气用户的可能变化，获得更加全面的燃气用户画像，进而更加准确地确定燃气风险。
在一些实施例中，燃气用户画像320还可以包括用户标签323对应的标签权重324。
标签权重324是可以用于衡量不同用户标签在燃气用户画像中的相对重要程度。例如，潜在特征标签可以对应一个标签权重324。
在一些实施例中，标签权重324可以相关于燃气用户的关联用户，智慧燃气安全管理平台以基于用户标签对关联用户的稀缺程度和对关联用户的重要程度，确定用户标签对应的标签权重。
关联用户是指与燃气用户具有相似的燃气使用情况的用户。例如，燃气用户与同一地区的燃气用户具有相似的燃气使用情况，则该地区的居民用户为该燃气用户的关联用户。
用户标签对关联用户的稀缺程度是指用户标签在关联用户的全部标签中的出现比例。出现比例越低，稀缺程度越高。
在一些实施例中，智慧燃气安全管理平台可以将全部关联用户的所有用户标签的总数量，除以某一用户标签在全部关联用户的所有用户标签中的出现总次数，得到的结果确定为该用户标签的稀缺程度。
用户标签对关联用户的重要程度可以反映用户标签对关联用户的影响程度。重要程度越大，影响程度越大。
在一些实施例中，用户标签对关联用户的重要程度可以基于某一用户标签在全部关联用户的所有用户标签中的出现次数确定。例如，智慧燃气安全管理平台可以将某一用户标签在全部关联用户的所有用户标签中的出现次数的倒数确定为该用户标签的重要程度。
在一些实施例中，智慧燃气安全管理平台可以基于用户标签对关联用户的稀缺程度和对关联用户的重要程度，确定用户标签对应的标签权重。例如，智慧燃气安全管理平台可以将某一用户标签对关联用户的稀缺程度与某一用户标签对关联用户的重要程度的乘积，确定为该用户标签的标签权重。
本说明书的一些实施例中，基于用户标签对关联用户的稀缺程度和对关联用户的重要程度，确定用户标签对应的标签权重，可以有效、准确地衡量不同用户标签在燃气用户画像中的相对重要程度，由此可以得到更加准确的标签权重，进而得到更加准确的燃气用户画像。
在一些实施例中，用户标签323的标签权重324还可以相关于用户标签323与用户活跃度的相关程度。用户标签与用户活跃度的相关程度越高，用户标签的标签权重越大。其中。用户标签与用户活跃程度的相关程度可以基于先验知识或历史数据预先设置。
在一些实施例中，智慧燃气安全管理平台可以利用语义分析模型提取用户标签与用户活跃程度的语义相关度，将语义相关度作为用户标签与用户活跃程度的相关程度。示例性的语义分析模型包括但不限于Fully Convolutional Networks、Deeplabv3p、OCRNet等。
在一些实施例中，智慧燃气安全管理平台可以基于燃气用户画像320，通过多种方式确定燃气风险370。例如，智慧燃气安全管理平台可以基于燃气用户画像320，通过查询燃气风险参考表确定燃气风险370。其中，燃气风险参考表可以基于先验知识或历史数据确定。燃气风险参考表可以包括至少一个历史燃气用户的历史燃气用户画像，及各历史燃气用户画像对应的燃气风险。
在一些实施例中，智慧燃气安全管理平台可以基于燃气用户画像中的风险标签323-1构建待匹配向量330；基于待匹配向量330在历史数据340中进行匹配，基于匹配相似度和相似度阈值350确定参考用户360；根据参考用户360的历史故障情况，确定燃气风险370。
风险标签323-1是指燃气用户画像中的存在燃气风险的标签。例如，燃气设备老化、燃气设备年限过久等。
在一些实施例中，智慧燃气安全管理平台可以将燃气用户画像中与风险语义近似的一个或多个用户标签确定为风险标签。例如，风险语义包括老化、过久等，则可以在燃气用户画像中挑选出与风险语义近似的用户标签，如“燃气设备老化”、“燃气设备年限过久”等，确定为风险标签。
基于燃气用户画像中的风险标签构建待匹配向量的方式可以有多种。例如，可以基于燃气用户画像中的风险标签（x，y）构建待匹配向量p，其中，x表示燃气设备老化、y表示燃气设备年限过久。
参考用户360是指可以对燃气用户的燃气风险提供参考的用户。
在一些实施例中，智慧燃气安全管理平台可以基于待匹配向量330在历史数据340中进行匹配，将匹配相似度大于或等于相似度阈值350的参考向量所对应的一个或多个燃气用户确定为参考用户360。其中，历史数据340可以包括基于大量燃气用户的历史风险标签所构建的参考向量，以及参考向量与燃气用户的对应关系。
相似度阈值350可以通过多种方式确定。例如，由系统或人为预设等。
在一些实施例中，智慧燃气安全管理平台可以基于风险标签对应的标签权重324-1确定相似度阈值350。例如，可以将多个风险标签对应的标签权重324-1的加和结果确定为相似度阈值350。
历史故障情况是指参考用户历史发生的燃气故障情况。例如，用户燃气泄漏等。
在一些实施例中，智慧燃气安全管理中平台可以将至少一个参考用户的历史故障情况进行量化之后取平均或加权取平均，将得到的结果确定为燃气用户的燃气风险。其中，加权取平均中的权重可以正相关于匹配相似度。
仅作为示例，历史故障情况可以根据以下公式进行量化：
S= k1 A1+ k2/>A2
其中，S表示历史故障情况的量化结果，A1表示历史故障发生次数，A2表示故障的平均严重程度，k1、k2表示历史故障发生次数、故障的平均严重程度的系数，k1、k2可以预先设置。
其中，故障的平均严重程度可以通过多种方式确定。例如，故障的平均严重程度可以由相关技术人员标注得到。又例如，故障的平均严重程度相关于平均维修时长，平均维修时长越长，故障的平均严重程度越大。故障的平均严重程度与平均维修时长的对应关系可以预先设置。
本说明书的一些实施例中，基于燃气用户画像确定参考用户，并根据参考用户的历史故障情况确定燃气风险，可以充分考虑到参考用户的历史故障情况对燃气用户的燃气风险的参考作用，基于参考用户的历史故障情况可以更加准确地确定燃气用户的燃气风险。
本说明书的一些实施例中，基于燃气数据，构建燃气用户的燃气用户画像；基于燃气用户画像，确定燃气风险，可以用容易理解、高度概括的特征来描述燃气用户，方便智慧燃气安全管理中心处理燃气用户的燃气数据，进而确定燃气风险。
图4是根据本说明书一些实施例所示的应用活跃度预测模型确定预测活跃度分布的示例性示意图。
在一些实施例中，智慧燃气安全管理中平台以基于活跃度预测模型440对活跃度分布410和天气数据420进行处理，确定预测活跃度分布450。关于天气数据、活跃度分布、预测活跃度分布的更多说明参见图2及其相关描述。
活跃度预测模型440是指用于确定预测活跃度分布的模型。在一些实施例中，活跃度预测模型可以是机器学习模型。例如，活跃度预测模型可以包括卷积神经网络（Convolutional Neural Networks，CNN）模型、神经网络（Neural Networks，NN）模型或其他自定义的模型结构等中的任意一种或组合。
在一些实施例中，活跃度预测模型440的输入可以包括燃气用户的活跃度分布410和天气数据420，输出可以包括预测活跃度分布450。
在一些实施例中，活跃度预测模型440的输入还包括燃气用户画像中的潜在特征标签430-1及其对应的标签权重430-2。
关于潜在特征标签、标签权重的更多说明参见图3及其相关描述。
在一些实施例中，智慧燃气安全管理中平台可以基于大量带有第二标签的第二训练样本训练得到活跃度预测模型。示例性的训练过程包括：将多个带有第二标签的第二训练样本输入初始活跃度预测模型，通过第二标签和初始活跃度预测模型的预测结果构建损失函数，基于损失函数的迭代更新初始活跃度预测模型，当活跃度预测模型的损失函数满足预设条件时活跃度预测模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到设定值等。
在一些实施例中，第二训练样本及第二标签可以基于历史相关数据确定。历史相关数据中包括历史活跃度分布和历史天气数据。
在一些实施例中，智慧燃气安全管理平台可以按照时间顺序将历史相关数据划分为前后两部分。将前一部分的历史活跃度分布和后一部分的历史天气数据作为第二训练样本，以及将后一部分的历史活跃度分布作为第二训练样本对应的第二标签。
本说明书的一些实施例，利用活跃度预测模型确定预测活跃度分布，可以利用机器学习模型的自学习能力，从大量历史相关数据中找到规律，获取到历史活跃度分布与预测活跃度分布之间的关联关系，提高确定未来时间段的预测活跃度分布的准确度和效率。通过将燃气用户画像中的潜在特征标签及其对应的标签权重输入活跃度预测模型，可以使得活跃度预测模型在输出时考虑燃气用户的潜在的燃气使用行为变化对活跃度分布的影响，使得活跃度预测模型输出的预测活跃度分布更加合理。
在本说明书的实施例中按步骤说明所执行的操作时，如无特别说明，则步骤的次序均为可调换的，步骤是可以省略的，在操作过程中也可以包括其他步骤。
本说明书中的实施例对于系统及其模块的描述，仅为描述方便，并不能限制在所举实施例范围之内。可能在不背离该系统原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。
本说明书中的实施例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进行的各种修正和改变仍在本说明书的范围之内。
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。
本说明书的各个方面可以完全由硬件执行、可以完全由软件（包括固件、常驻软件、微码等）执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”等。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可以是任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。

Claims (10)

1.一种基于用户活跃度的智慧燃气安全管理方法，其特征在于，所述方法由智慧燃气安全管理平台执行，包括：
获取燃气用户的燃气数据；
基于所述燃气数据，确定所述燃气用户的燃气风险；
基于所述燃气风险，确定目标上门用户；
至少基于所述目标上门用户的所述燃气数据，确定所述目标上门用户的活跃度分布；
基于所述活跃度分布，确定推荐上门时间集，并向所述目标上门用户发送所述推荐上门时间集。
2.如权利要求1所述的方法，其特征在于，所述基于所述燃气数据，确定所述燃气用户的燃气风险包括：
基于所述燃气数据，构建所述燃气用户的燃气用户画像，所述燃气用户画像至少包括所述燃气用户的燃气使用情况、燃气设备运行情况和用户标签；
基于所述燃气用户画像，确定所述燃气风险。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
基于所述目标上门用户的所述燃气用户画像对所述目标上门用户的活跃度分布进行调整，确定调整后活跃度分布。
4.如权利要求2所述的方法，其特征在于，所述用户标签包括燃气使用潜在变化对应的潜在特征标签。
5.根据权利要求2所述的方法，其特征在于，所述燃气用户画像还包括所述用户标签对应的标签权重，所述基于所述燃气用户画像，确定所述燃气风险包括：
基于所述燃气用户画像中的风险标签构建待匹配向量，所述风险标签为与风险语义词的语义相似度满足相似度条件的所述用户标签；
基于所述待匹配向量在历史数据中进行匹配，基于匹配相似度和相似度阈值确定参考用户；
根据所述参考用户的历史故障情况，确定所述燃气风险；
其中，所述相似度阈值基于所述风险标签对应的标签权重确定。
6.根据权利要求5所述的方法，其特征在于，所述标签权重相关于所述燃气用户的关联用户，所述标签权重的确定方式包括：
基于所述用户标签对所述关联用户的稀缺程度和对所述关联用户的重要程度，确定所述用户标签对应的标签权重。
7.根据权利要求1所述的方法，其特征在于，所述基于所述活跃度分布，确定推荐上门时间集，包括：
基于所述活跃度分布和天气数据，确定所述目标上门用户在未来时间段内的预测活跃度分布；
基于所述预测活跃度分布，确定所述推荐上门时间集。
8.根据权利要求7所述的方法，其特征在于，所述基于所述活跃度分布和天气数据，确定所述目标上门用户在未来时间段内的预测活跃度分布，包括：
基于活跃度预测模型对所述活跃度分布和所述天气数据进行处理，确定所述预测活跃度分布，所述活跃度预测模型为机器学习模型。
9.根据权利要求7所述的方法，其特征在于，所述基于所述预测活跃度分布，确定所述推荐上门时间集，包括：
基于多个所述目标上门用户的所述预测活跃度分布和位置距离，构建用户分布图谱；
基于时间确定模型对所述用户分布图谱进行处理，确定所述推荐上门时间集，所述时间确定模型为机器学习模型。
10.一种基于用户活跃度的智慧燃气安全管理物联网系统，其特征在于，所述智慧燃气安全管理物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气安全管理平台、智慧燃气传感网络平台、智慧燃气对象平台；所述智慧燃气安全管理平台被配置为：
获取燃气用户的燃气数据；
基于所述燃气数据，确定所述燃气用户的燃气风险；
基于所述燃气风险，确定目标上门用户；
至少基于所述目标上门用户的所述燃气数据，确定所述目标上门用户的活跃度分布；
基于所述活跃度分布，确定推荐上门时间集，并向所述目标上门用户发送所述推荐上门时间集。
CN202311595811.6A 2023-11-28 2023-11-28 基于用户活跃度的智慧燃气安全管理方法和物联网系统 Active CN117350680B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202311595811.6A CN117350680B (zh) 2023-11-28 2023-11-28 基于用户活跃度的智慧燃气安全管理方法和物联网系统
US18/396,655 US20240135278A1 (en) 2023-11-28 2023-12-26 Methods and internet of things (iot) systems for managing smart gas safety based on user activity

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311595811.6A CN117350680B (zh) 2023-11-28 2023-11-28 基于用户活跃度的智慧燃气安全管理方法和物联网系统

Publications (2)

Publication Number Publication Date
CN117350680A true CN117350680A (zh) 2024-01-05
CN117350680B CN117350680B (zh) 2024-02-13

Family

ID=89371299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311595811.6A Active CN117350680B (zh) 2023-11-28 2023-11-28 基于用户活跃度的智慧燃气安全管理方法和物联网系统

Country Status (2)

Country Link
US (1) US20240135278A1 (zh)
CN (1) CN117350680B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118014664A (zh) * 2024-04-08 2024-05-10 易联云计算(杭州)有限责任公司 一种用户画像构建方法及报警阈值自适应设置方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114676857A (zh) * 2022-03-17 2022-06-28 广州燃气集团有限公司 一种燃气管道的安检方法和装置
CN115358432A (zh) * 2022-10-14 2022-11-18 成都秦川物联网科技股份有限公司 用于智慧燃气的燃气表计量故障确定方法和物联网系统
CN115356978A (zh) * 2022-10-20 2022-11-18 成都秦川物联网科技股份有限公司 实现户内安全的智慧燃气终端联动处置方法和物联网系统
CN115512520A (zh) * 2022-11-21 2022-12-23 成都秦川物联网科技股份有限公司 基于智慧燃气的用气安全预警方法及物联网系统
CN116091080A (zh) * 2023-04-11 2023-05-09 成都秦川物联网科技股份有限公司 基于智慧燃气呼叫中心的回访管理方法和物联网系统
US20230247138A1 (en) * 2023-03-06 2023-08-03 Chengdu Qinchuan Iot Technology Co., Ltd. Methods and internet of things systems for gas operation based on call centers of smart gas
CN116611820A (zh) * 2023-07-19 2023-08-18 成都秦川物联网科技股份有限公司 基于智慧燃气物联网的管线故障评估方法与系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040024483A1 (en) * 1999-12-23 2004-02-05 Holcombe Bradford L. Controlling utility consumption
US7676404B2 (en) * 2002-10-15 2010-03-09 Rmr Associates Llc Method for forecasting consumption and generating optimal delivery schedules for vehicles involved in delivering propane and other consumables to end consumers
JP5390666B2 (ja) * 2012-06-08 2014-01-15 日本瓦斯株式会社 ガス需要予測システムおよびガス需要予測方法
US20170039574A1 (en) * 2015-08-06 2017-02-09 Boston Environmental, Llc Residential fuel tank analysis and management system
US10229394B1 (en) * 2015-08-10 2019-03-12 State Farm Mutual Automobile Insurance Company Systems and methods for sending diagnostic information during scheduling of home equipment repair
US10341167B2 (en) * 2017-08-10 2019-07-02 Honeywell International Inc. Electronic volume corrector with cloud enabled health monitoring of associated gas distribution equipment
US20220058590A1 (en) * 2020-08-20 2022-02-24 International Business Machines Corporation Equipment maintenance in geo-distributed equipment
US11971285B2 (en) * 2020-12-18 2024-04-30 Itron, Inc. Detection of low gas pressure without pressure sensors
US12117328B2 (en) * 2021-02-04 2024-10-15 Chengdu Qinchuan Iot Technology Co., Ltd. Method and system of risk prevention based on energy of natural gas in a full cycle
US20230186316A1 (en) * 2021-11-08 2023-06-15 Super Home Inc. System and method for covering cost of delivering repair and maintenance services to premises of subscribers including servicer selection
US11822562B2 (en) * 2022-03-31 2023-11-21 Capital One Services, Llc Unstructured text processing for geographical location determination system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114676857A (zh) * 2022-03-17 2022-06-28 广州燃气集团有限公司 一种燃气管道的安检方法和装置
CN115358432A (zh) * 2022-10-14 2022-11-18 成都秦川物联网科技股份有限公司 用于智慧燃气的燃气表计量故障确定方法和物联网系统
CN115356978A (zh) * 2022-10-20 2022-11-18 成都秦川物联网科技股份有限公司 实现户内安全的智慧燃气终端联动处置方法和物联网系统
CN115512520A (zh) * 2022-11-21 2022-12-23 成都秦川物联网科技股份有限公司 基于智慧燃气的用气安全预警方法及物联网系统
US20230247138A1 (en) * 2023-03-06 2023-08-03 Chengdu Qinchuan Iot Technology Co., Ltd. Methods and internet of things systems for gas operation based on call centers of smart gas
CN116091080A (zh) * 2023-04-11 2023-05-09 成都秦川物联网科技股份有限公司 基于智慧燃气呼叫中心的回访管理方法和物联网系统
CN116611820A (zh) * 2023-07-19 2023-08-18 成都秦川物联网科技股份有限公司 基于智慧燃气物联网的管线故障评估方法与系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BELIKOV, A. 等: "Risk-oriented approach to the issue of industrial safety and energy resource efficiency gas transport enterprises", 《ENGINEERING, ENVIRONMENTAL SCIENCE》, 31 January 2020 (2020-01-31), pages 1 *
孙潇 等: "智慧化燃气管理平台建设探析", 《中国公共安全(学术版)》, no. 02, 15 June 2018 (2018-06-15), pages 29 - 31 *
张双双: "燃气管道泄漏监测与定位系统研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 3, 15 March 2021 (2021-03-15), pages 038 - 544 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118014664A (zh) * 2024-04-08 2024-05-10 易联云计算(杭州)有限责任公司 一种用户画像构建方法及报警阈值自适应设置方法
CN118014664B (zh) * 2024-04-08 2024-08-02 易联云计算(杭州)有限责任公司 一种用户画像构建方法及报警阈值自适应设置方法

Also Published As

Publication number Publication date
CN117350680B (zh) 2024-02-13
US20240135278A1 (en) 2024-04-25

Similar Documents

Publication Publication Date Title
WO2022241802A1 (zh) 复杂路网下的短时交通流量预测方法、存储介质和系统
CN107678845B (zh) 应用程序管控方法、装置、存储介质及电子设备
CN117350680B (zh) 基于用户活跃度的智慧燃气安全管理方法和物联网系统
US11247580B2 (en) Apparatus and method for predicting failure of electric car charger
US20170322579A1 (en) Cognitive platform and method for energy management for enterprises
CN106453293A (zh) 一种基于改进bpnn的网络安全态势预测方法
US20230095727A1 (en) Preset management methods of gas pipeline network for smart gas and internet of things systems thereof
CN106779129A (zh) 一种考虑气象因素的短期电力负荷预测方法
CN109741626B (zh) 停车场停车情况预测方法、调度方法和系统
CN111294812B (zh) 一种资源扩容规划的方法及系统
US20240086870A1 (en) Method, internet of things (iot) system, and medium for disposing emergency gas supply of smart gas
Zhang et al. Graph neural network-based spatio-temporal indoor environment prediction and optimal control for central air-conditioning systems
CN116720837B (zh) 基于智慧燃气数据中心的信息交互管理方法与物联网系统
CN117094535B (zh) 基于人工智能的能源补给管理方法及系统
Tu et al. Research on intelligent calculation method of intelligent traffic flow index based on big data mining
Efendi et al. Maximum-minimum temperature prediction using fuzzy random auto-regression time series model
Liu et al. Multi-model coupling water demand prediction optimization method for megacities based on time series decomposition
Li et al. Dynamic decision model of real estate investment portfolio based on wireless network communication and ant colony algorithm
Tian et al. RETRACTED ARTICLE: Research on emergency vehicle routing planning based on short-term traffic flow prediction
Gu et al. Research on efficient top-k query based on ARIMA time series model
Miao et al. A queue hybrid neural network with weather weighted factor for traffic flow prediction
US20230229944A1 (en) Auto-enriching climate-aware supply chain management
Ming-Jun et al. Fuzzy State Transition and Kalman Filter Applied in Short‐Term Traffic Flow Forecasting
Yadav et al. The Event Crowd: A novel approach for crowd-enabled event processing
Liu et al. Growth scale prediction of big data for information systems based on a deep learning SAEP method

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