CN117453835A - 一种智慧社区管理系统 - Google Patents
一种智慧社区管理系统 Download PDFInfo
- Publication number
- CN117453835A CN117453835A CN202311468972.9A CN202311468972A CN117453835A CN 117453835 A CN117453835 A CN 117453835A CN 202311468972 A CN202311468972 A CN 202311468972A CN 117453835 A CN117453835 A CN 117453835A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- community
- module
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000008447 perception Effects 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 60
- 238000007726 management method Methods 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 239000003344 environmental pollutant Substances 0.000 claims description 8
- 238000011049 filling Methods 0.000 claims description 7
- 231100000719 pollutant Toxicity 0.000 claims description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000011068 loading method Methods 0.000 claims description 4
- 208000025174 PANDAS Diseases 0.000 claims description 3
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 claims description 3
- 235000016496 Panda oleosa Nutrition 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 240000000220 Panda oleosa Species 0.000 claims 1
- 239000000356 contaminant Substances 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 22
- 238000000034 method Methods 0.000 description 19
- 238000007689 inspection Methods 0.000 description 16
- 230000009471 action Effects 0.000 description 14
- 238000012216 screening Methods 0.000 description 13
- 238000001514 detection method Methods 0.000 description 12
- 206010000117 Abnormal behaviour Diseases 0.000 description 9
- 238000000605 extraction Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000005507 spraying Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 239000000809 air pollutant Substances 0.000 description 3
- 231100001243 air pollutant Toxicity 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 101100286571 Mus musculus Pyhin1 gene Proteins 0.000 description 2
- 240000004718 Panda Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/604—Tools and structures for managing or administering access control systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种智慧社区管理系统,该智慧社区管理系统包括用户信息管理模块、数据感知模块、公共信息收集和提示模块、泊车辅助和指引模块、社区信息查询和展示模块、告警模块。通过搭建综合管理平台,将社区范围内所有资源连接起来,通过对数据的采集、整合、分析和预测,让社区实现智能化响应,更好地服务社区居民。
Description
技术领域
本申请涉及大数据和物联网技术领域,具体涉及一种智慧社区管理系统。
背景技术
智慧社区的概念是从智慧城市这一理念中引申而来,是社区未来发展的导向,是社区治理模式的一种创新。区别于传统社区,智慧社区以社区信息化建设为基础,通过现代化的社区管理模式,开发更加智能化、人性化的社区配套产品,打造多功能的现代化社区。智慧社区的建设依赖于移动互联网、大数据、云计算等新一代信息技术的集成应用,在城市建设中的快速普及和公共信息服务平台的陆续开通,智慧社区为社区居民构建了一个更加具有安全性、舒适性、服务化、现代化、智慧化的生活环境,并且充分借助互联网、物联网等,把服务扩大到居民日常生活的方方面面。但是我国现处在智慧社区发展的初级阶段,国内智慧社区发展存在诸多方面问题,例如物业企业以针对业主的物业服务为主,随着社区人、车、房、路网等治安要素不断增长,缺乏社区治理模块,数据与城市公共安全无法连通,导致社区居民突发事件处理不及时,人流、车流、物流管控效率低;政府部门服务功能不够全面,覆盖使用较窄,网格化管理数据采集困难等等,这已成为亟需解决的技术问题。
发明内容
针对现有技术中存在的上述问题,本发明提出了一种智慧社区管理系统,通过搭建综合管理平台,将社区范围内所有资源连接起来,通过对数据的采集、整合、分析和预测,让社区实现智能化响应,更好地服务社区居民。本申请所采用的技术方案如下:
一种智慧社区管理系统,该智慧社区管理系统包括用户信息管理模块、数据感知模块、公共信息收集和提示模块、泊车辅助和指引模块、社区信息查询和展示模块、告警模块;
用户信息管理模块,包括用户注册和权限分配单元;
用户注册和权限分配单元,用于根据用户提供的用户注册数据将用户注册成为社区居民用户,并拥有基本访问权限和问题发布权限;
数据处理服务器,包括数据库模块和车位信息存储单元。
进一步的,用户注册数据,在用户信息管理模块中,用户注册可以通过Web端或者APP端来实现,用户在登陆注册界面选择注册成为社区居民用户,拥有最基本的访问权限。
进一步的,各系统的元数据通过数据抽取转换和加载ETL同步到操作性数据仓库ODS中,对ODS数据进行面向主题域建模形成数据仓库DW,DW包含DWD和DWS,DM是针对某个业务领域建立模型,具体用户查看DM生成的报表。
进一步的,ODS层作为数据库到数据仓库的一种过渡,将数据源中的数据,经过ETL之后装入ODS层,ODS的数据结构一般与数据来源保持一致,DWD层的表结构和粒度与原始表保持一致。
进一步的,DWS层是基于DWD层上的明细数据,按天轻度汇总成某个主题域的服务数据,DWS层统计各主题对象当天的行为及一些业务明细数据,服务于DM层的某一个主题域宽表;RDS用于支撑日常的业务活动;DM层基于DW上,整合汇总成分析某一个主题域的服务数据,用于提供后续的业务查询、联机分析处理OLAP分析、数据分发,每个应用都有属于自己的DM。
进一步的,数据感知模块,包括视频监控单元;视频监控单元,通过摄像云台进行视频拍摄,得到原始视频数据,再利用H.265压缩编码技术对原始视频信息进行格式编码,得到编码的视频数据并传输至数据处理服务器;视频监控单元从功能上分为视频数据采集、视频数据编码和视频数据传输三个部分,其中数据传输过程借助于各个摄像云台之间组成的无线局域网。
进一步的,数据监测和预测分析模块,数据监测和预测分析是社区环境监测与分析系统的重点模块,该模块具有以下功能:用户能够在Web端和APP端实时获取社区空气污染物的浓度信息,系统通过传感器采集到PM2.5、PM10、甲醛、TVOC、二氧化碳、O3的浓度信息,分析不同污染物浓度给人体带来的危害,监测污染物浓度高危害大的时候发出空气质量污染预警,提醒居民做好防护,并通过深度学习算法预测未来24小时空气质量指数,给居民生活出行提供参考。
进一步的,社区空气污染物监测模型,包括如下步骤:
1)获取数据集,实验相关数据集包括空气质量监测数据和大气气象数据。使用网络抓取获取所在区域环境监测站点的逐小时空气质量数据,将数据集合并后再进行下一步数据处理工作;
2)介绍空气质量预测模型所需要的环境,数据预处理,观测原始数据,对数据中的缺失值进行替换和删除处理,修改替换异常值,合并日期、小时等重复特征;
3)使用随机森林算法通过Gini不纯度筛选出数据集中各个特征变量的重要程度排名,并选取3、6、9特征变量使用LSTM长短时记忆网络预测空气质量;
4)将时间序列数据集转化为有监督学习序列,并搭建双层LSTM网络模型选取合适的超参数预测空气质量;
5)搭建空气质量预测模型评估模型性能,分析实验结果并给出结论。
进一步的,在上述步骤中,数据清洗包括查找数据缺失值,缺失值删除及填补,异常值监测和过滤观察缺失值个数,连续缺失值达到5个以上删除数据,连续缺失值个数在5个以下的,调用pandas库中的intepolate()函数使用线性插值填补数据,个别异常值使用前后连续4个数据的平均值来填充。
进一步的,气象和交通信息提示模块,气象和交通信息提示模块从网络获取气象数据和实时交通情况,给用户提供温度、湿度、未来一天气象预测、社区周围道路拥挤程度的数据,用户能够综合空气质量信息、气象信息和周围交通信息规划出行策略。
通过本申请实施例,可以获得如下技术效果:
(1)将基于物联网的各智慧信息系统有机结合起来,实现对人员、房屋、车辆信息实时管理等所有信息组成的智慧物联网络化关系,实现居民小区人、车各方面综合管理的立体化、可视化和可控化;
(2)本系统将软件系统与硬件集成,努力打造一个和谐、互通、有爱、便利、科技的社区,利用软件将所有硬件资源整合,将零碎的智能化组合成一个统一的智慧化平台;
(3)通过借助数字化、信息化的手段迅速传递政策,加快电子政务向社区延伸,提高政府的办事效率和服务能力,提升政府执政形象,充分体现以人为本、服务民生。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为智慧社区管理系统的宏观设计示意图;
图2为设备管理分布图;
图3为智慧社区管理系统的组成结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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全部其他实施例,都属于本申请保护的范围。
本系统分为三层架构,数据库-业务逻辑-视图层,采用前后端分离的开发方式,前端可通过电脑浏览器或手机APP访问系统。本系统采用前后端分离的设计模式,前后端通过Rest接口提供Json数据进行通信,后端使用Alibaba开源的快速Json解析库fastjson将Javabean对象转换为Json数据表示。这样一来,前后端开发只需要统一Json数据传输就能够独立规划自己的进度。后端代码部署在Springboot内嵌的tomcat服务器上,前端代码部署在node.js服务器上。系统使用Mybatis持久层框架,Mybatis框架是对原生JavaJDBC数据库连接池的封装,同时能够支持定制化Sql语言、存储过程以及高级映射,通过使用Mybatis框架,系统能够解除Sql与业务逻辑层高度耦合的情况,系统设计更加清晰易于维护。
图1为智慧社区管理系统的组成示意图;该智慧社区管理系统包括用户信息管理模块、数据感知模块、公共信息收集和提示模块、泊车辅助和指引模块、社区信息查询和展示模块、告警模块。
用户信息管理模块,包括用户注册和权限分配单元;
用户注册和权限分配单元,用于根据用户提供的用户注册数据将用户注册成为社区居民用户,并拥有基本访问权限和问题发布权限;
用户注册数据,在用户信息管理模块中,用户注册可以通过Web端或者APP端来实现,用户在登陆注册界面选择注册成为社区居民用户,拥有最基本的访问权限,例如门禁、泊车、信息查询等权限,对于遇到的问题可以发布社区内部信息。如果后续需为用户开放更多的权限,则可以经由社区管理员进行统一添加。社区管理员具有查询、修改和删除的最高权限角色,在权限修改页面可以修改注册用户角色、用户权限。
数据处理服务器,数据库模块,车位信息存储单元;各系统的元数据通过数据抽取转换和加载(ETL)同步到操作性数据仓库ODS中,对ODS数据进行面向主题域建模形成数据仓库(DW),DW包含DWD和DWS,DM是针对某个业务领域建立模型,具体用户(决策层)查看DM生成的报表。复杂的任务可以被分解成多层,每一层只处理相应的任务,减少重复开发,提高计算结果的复用性。通过分层隔离原始数据,使真实数据与统计数据隔离开,ODS之后层级的数据处理,无论出现数据的异常还是数据的敏感,都可以重新从ODS再计算。ETL处理实现将数据从来源迁移到目标,主要包括数据抽取、数据转换、数据加载等。ODS层作为数据库到数据仓库的一种过渡,将数据源中的数据,经过ETL之后装入ODS层,ODS的数据结构一般与数据来源保持一致,便于减少ETL的工作复杂性。DWD层的表结构和粒度与原始表保持一致,不过需要对ODS层数据进行清洗、维度退化、脱敏等,最终得到的是干净的、完整的、一致的数据。DWD层一般采用星型模型构建维度模型。DWS层是基于DWD层上的明细数据,按天轻度汇总成某个主题域的服务数据,一般是宽表。DWS层统计各主题对象当天的行为及一些业务明细数据,服务于DM层的某一个主题域宽表。例如,每日业主行为、每日车辆行为。应用型数据库服务(ADS)层以DW为基础,为各种统计报表提供汇总数据,将分析汇总数据同步到关系型数据库服务(RDS)数据库。RDS用于支撑日常的业务活动。DM层基于DW上,整合汇总成分析某一个主题域的服务数据,一般是宽表,用于提供后续的业务查询、联机分析处理(OLAP)分析、数据分发等,每个应用都有属于自己的DM。
图2为数据感知模块的组成示意图;数据感知模块,包括视频监控单元;视频监控单元,通过摄像云台进行视频拍摄,得到原始视频数据,再利用H.265压缩编码技术对原始视频信息进行格式编码,得到编码的视频数据并传输至数据处理服务器;视频监控单元从功能上分为视频数据采集、视频数据编码和视频数据传输三个部分,其中数据传输过程借助于各个摄像云台之间组成的无线局域网。
数据监测和预测分析模块,数据监测和预测分析是社区环境监测与分析系统的重点模块,该模块具有以下功能:用户能够在Web端和APP端实时获取社区空气污染物的浓度信息,系统通过传感器采集到PM2.5、PM10、甲醛、TVOC、二氧化碳、O3的浓度信息,分析不同污染物浓度给人体带来的危害,监测污染物浓度高危害大的时候发出空气质量污染预警,提醒居民做好防护,并通过深度学习算法预测未来24小时空气质量指数,给居民生活出行提供参考。
社区空气污染物监测模型设计流程:
1)获取数据集,实验相关数据集包括空气质量监测数据和大气气象数据。使用网络抓取获取所在区域环境监测站点的逐小时空气质量数据,将数据集合并后再进行下一步数据处理工作。
2)介绍空气质量预测模型所需要的环境,数据预处理,观测原始数据,对数据中的缺失值进行替换和删除处理,修改替换异常值,合并日期、小时等重复特征。
3)使用随机森林算法通过Gini不纯度筛选出数据集中各个特征变量的重要程度排名,并选取3、6、9特征变量使用LSTM长短时记忆网络预测空气质量。
4)将时间序列数据集转化为有监督学习序列,并搭建双层LSTM网络模型选取合适的超参数预测空气质量。
5)搭建空气质量预测模型评估模型性能,分析实验结果并给出结论。
在上述步骤中,数据清洗包括查找数据缺失值,缺失值删除及填补,异常值监测和过滤观察缺失值个数,连续缺失值达到5个以上删除数据,连续缺失值个数在5个以下的,调用pandas库中的intepolate()函数使用线性插值填补数据,个别异常值使用前后连续4个数据的平均值来填充。数据清洗完成后还需要调用mathparse库合并日期和小时这两个重复特征为datetime,作为时序数据的索引列来使用。完成了数据的预处理,整理得到空气质量指数AQI、PM2.5、PM10、CO、SO2、NO2、O3、风速(SPD)、温度(TEMP)、露点温度(DEWP)共10列参数,其中AQI为待预测值,其他9个参数为特征值。
气象和交通信息提示模块,气象和交通信息提示模块主要是从网络获取气象数据和实时交通情况,给用户提供温度、湿度、未来一天气象预测、社区周围道路拥挤程度的数据,用户能够综合空气质量信息、气象信息和周围交通信息规划出行策略。
泊车辅助和指引模块,包括车位检测单元、车位信息存储单元、泊车路径指引单元以及车辆识别和控制单元;
车位检测单元,通过设置在车位上方的超声波检测器对车位的占用情况进行检测,并将车位被占用与否的检测结果同步更新至数据库模块中的车位信息存储单元;
车位信息存储单元,用于关联存储车位信息与车辆信息,所述车位信息包括车位的区域标识、大小面积、占用情况、是否安装充电桩;所述车辆信息包括车牌号、车主姓名、电话号码、入场时间区间、车辆属性(电车或者油车);
泊车路径指引单元,展示二维码供车主的用户终端扫描,接收车主选定的车位,并将选定的车位信息、车辆信息发送至数据处理服务器,若车主未成功选定车位,则向车主提供与管理人员的视频连线;
车辆识别和控制单元,对车牌号进行识别并传输至泊车路径指引单元,根据闸机控制指令控制停车场入口的闸机的打开和关闭。
所述泊车辅助和指引模的工作流程包括如下步骤:
步骤1、车辆达到智慧社区停车场入口后,泊车路径指引单元向车主展示二维码,车主通过用户终端扫描二维码,并在跳转的页面中进行车位查询和预约,根据从车位信息存储单元获取的车位信息判断是否有未被占用的车位,若有,则提示车主在跳转的页面中进行车位查询和预约;若否,则提示当前车位已满,并将附近停车场的位置信息在跳转的页面中进行显示;
步骤2、车主填写用户信息并进行车位预约,预约成功后,锁定被当前车主预约的车位不再允许其他用户预约,同时将车主填写的用户信息、预约的车位信息以及车辆识别和控制单元所识别的车牌号关联存储至车位信息存储单元中;若预约不成功,则由泊车路径指引单元向车主提供与管理人员的视频连线,进行人工处理;所述用户信息包括车牌号、车主姓名、电话号码、以及车辆属性;
步骤3、将选定的车位信息、车辆信息发送至数据处理服务器进行停车路径规划,数据处理服务器将规划好的停车路径推送至用户终端以引导车主按照规划路径进行泊车,并向车辆识别和控制单元发送闸机控制指令以打开停车场入口的闸机,允许车辆入场。
该泊车辅助和指引模块,通过视频拍摄、车牌号识别等实现车位与车辆信息的记录和更新,同时通过用户终端实现车位信息显示和查询,以混合优化算法为基础的停车路径规划则帮助用户安全、高效地找到停车位置。
数据处理服务器,对接收到的所述编码的视频数据进行解码后进行 HOG特征提取和检测,再利用LS-SVM分类器对视频数据进行分类,实现重要特定区域的非法入侵检测及自动报警;
对于从小区地下停车场不同入口进入的车辆,会根据车主选定的车位进行路径规划,并将规划好的路径推送至车主的用户终端,以提供实时导航,引导车主泊车到选定的车位上。
图3为公共信息收集和提示模块的组成和运作流程示意图;
公共信息收集和提示模块,用于收集智慧社区内部信息和社会公共信息,并对收集到的信息进行识别和分析以确定提示级别,并将确定的所述提示级别发送至社区信息查询和展示模块进行分类提示;
收集智慧社区内部信息包括根据预设的数据收集规则从数据感知模块获取实时监控数据,以及社区居民的反馈信息;
收集社会公共信息包括从预设的URL地址获取社会公共信息,以及根据社区居民的反馈信息来查询并获取反馈相关的社会公共信息;
根据预设的数据收集规则从数据感知模块获取实时监控数据包括:
当车辆识别联动闸机识别到进入社区的未登记车辆超过设定车辆阈值时,从数据感知模块获取车辆识别联动闸机处的实时监控数据;
当社区的人脸识别装置识别到进入社区的外来人员超过设定人员阈值时,从数据感知模块获取人脸识别装置识的实时监控数据;
从数据感知模块获取电子围墙区域的实时监控数据;
所述社区居民的反馈信息包括调查问卷反馈、社区交流群反馈、社区小程序反馈、以及社区投诉电话反馈;
从预设的URL地址获取社会公共信息,包括补充数据爬虫算法,根据社区居民的反馈信息来查询并获取反馈相关的社会公共信息,包括关键词提取算法。
在大数据网络技术背景下,通过公共信息收集和提示模块打造了一个集数字化、网络化、智能化、全方位、多角度的动态信息监测收集平台。实现智慧社区内部信息和社会公共信息收集过程智能化,摆脱了冗杂的信息人工筛选,重分利用人工智能、物联网、云计算等技术,建立起对社区中的人员、车辆、各安防区域等重要信息,社区居民诉求的24小时实时监测更新。
监控视频实时播放,对编码的视频数据进行实时解码并显示到视频墙上进行播放,同时对于客户端请求的历史或当前视频信息按照要求进行 Web 端播放。
数据存储与视频播放,本地视频服务器等,设计客户端的视频播放还涉及到Internet 远程网络连接。
车位信息查看与显示。对于临时停车用户,注册用户信息后可通过手机二维码、手机App 等进入车位查看界面,随时查看停车场中空闲车位信息,同时空闲车位数量等信息也通过远程数据传输显示到小区停车场入口处,方便外来客户选择停车地点;
态势总览功能实现:浏览器端通过 JavaScript 向后端服务器端发出建立WebSocket 连接的请求,连接建立后,客户端和服务器端就可以通过 TCP 连接直接进行数据互换。 当系统后端数据库中的数据发生变化时,在服务端选中需要刷新的页面的socket 会话, 主动发送消息到前端,通知前端重新请求数据。态势总览需要展示小区人口、房屋、车 辆、异常告警等信息,读取对应的人口、房屋、异常告警等相关数据库表,执行SQL 语句计算,将计算后的结果通过WebSocket推送至态势总览页面进行展示,完成功能实现。
视频监控:可通过树形单位、摄像头类型结构,点击查看对应摄像头信息,支持双击某一单位下对应类型,可9屏展示对应摄像头信息;支持1、4、9展示摄像头信信息;可通过单位名称、位置等信息进行筛选查询对应摄像头;支持上下翻页操作。添加视频后,可查看实时画面。可实现单屏、多屏展示,为用户查看多个实时视频提供便利。播放时,可通过右侧“摄像头列表”切换播放的摄像头;当出现提示没有安装flash插件的情况,点击提示语最右侧的“请点击此处下载安装最新的flash插件”,弹出的提示框选择“允许”,则可正常查看视频信息。
预警管理:预警管理,有两部分组成,统计数据、列表信息(支持筛选、导出)。统计信息包括:今日告警数、今日未处理数、今日误报率、本周告警数、本周未处理数、本周误报率,点击对应数量统计数据,可对应相关情况进行筛选,显示对应预警信息列表:今日是指0:00至当前时间,本周指本周周一0:00至当前时间;今日预警数→展示今日所有预警信息列表;今日未处理数→展示今日未处理预警信息列表;本周预警数→展示本周所有预警信息列表;本周未处理数→展示本周未处理预警信息列表。列表展示信息包括:单位名称、设备ID、告警类型、安装位置、告警时间、处理人、处理时间、处理结果,操作按钮--详情、处理、定位平面图、查看图片,点击对应按钮,弹窗展示相关信息;支持筛选与导出:可通过单位名称、告警时间、处理结果、处理人员进行相关预警筛选;默认状态下,可导出所有预警信息;在筛选条件下,点击导出,导出筛选条件下的预警信息。可分类展示全部、火警、故障、异常、视频预警信息列表。
设备管理:设备信息,有两部分组成,统计数据、列表信息(支持筛选、导出)。统计信息包括:设备总数、正常设备数、预警设备数、离线设备数,点击对应统计数据,可对应相关情况进行筛选,显示对应设备信息列表:设备总数→展示接入单位的所有设备列表正常设备数→展示接入单位的所有在线且正常状态的设备列表预警设备数→展示接入单位的所有在线且预警状态的设备列表离线设备数→展示接入单位的所有离线状态的设备列表列表展示信息包括:设备名称、设备ID、设备类型、所属单位、安装位置、所属系统(显示对应设备所在的系统类型,包括火、水、喷、栓、电、视频,系统有正常、预警、离线状态,正常是设备都在线且无预警、预警是设备在线且有预警的设备、离线是接入系统的所有设备都离线;可点击按钮,进入该系统查看信息)、在线状态(在线、离线)、设备状态(正常、预警状态,正常状态前使用绿点、预警状态前使用红点),操作:点击详情,展示该设备的详情信息。可通过单位名称、设备类型、所属系统、在线状态、设备状态进行相关设备筛选。默认状态下,可导出所有设备信息;在筛选条件下,点击导出,导出筛选条件下的单位信息。设备展示形式包括列表、卡片,报警主机及部件-列表展示(火灾自动报警系统下的所有设备)、电气火灾监测设备-卡片、热解粒子监测设备-卡片、消防栓水压监测设备-卡片、喷淋末端水压监测设备-卡片、液位监测设备-卡片、视频监控设备-列表、独立式烟感监测设备-卡片。异常设备-列表(展示故障设备、异常水源设备、热解粒子预警设备、电流电压预警设备、漏电预警设备、线路温度过高设备、视频预警设备、离线设备)。
数据报表:对接入单位进行周报、月报、季报、年报数据统计,点击对应报告,可查看报告内容,支持下载;支持筛选功能,可通过单位名称、报告生成时间等信息进行筛选。
通知公告:点击可视化大屏页面右上角“”按钮,可查看接收到的通知公告消息列表,可点击列列表中的内容,查看详情;支持对公告、通知进行新增。
智能巡检:智能巡检系统主要包括巡查报告、巡查点管理、巡查记录等信息,对单位的巡查点进行系统管理。巡查记录主要展示某个巡查人某天的巡查情况,巡查记录列表展示的用户名、账号、巡查开始时间、完成巡查点次数、详情等。可通过时间、用户名等条件筛选对应巡查记录信息。点击“详情”按钮,查看该巡查记录详情,包括巡查点编号、位置、符合数、不符合书、巡查时间、详情等信息;点击每个巡查点对应详情,查看巡查点的基本信息、巡查信息、巡查项等。巡查报告顶端展示的是该单位巡查点的巡查情况,根据色块的颜色不同,代表每个巡查点巡查次数的多少,可以根据日、周、半月、月等时间进行筛选查看对应时间的巡查次数。
消防设施系统:主要以火灾自动报警系统、消防联动控制器、室内消火栓系统、自动喷水灭火系统、气体灭火系统、水喷雾灭火系统(泵启动方式)、水喷雾灭火系统(压力容器启动方式)、泡沫灭火系统、干粉灭火系统、防烟排烟系统、防火门及卷帘系统、消防电梯、消防应急广播、消防应急照明和疏散指示系统、消防电源、消防电话、消防水源系统、灭火器系统、室外消火栓系统、视频监控系统、电气火灾系统、消防通道和防火门系统、水浸系统、消防设施离位系统等系统分类进行增长趋势的统计;可切换右上角增长趋势按钮,以不同的图表形式展示相关信息;点击系统统计情况列表信息中的“详情”按钮,可进入系统基本信息页面。
社区环境信息可视化大屏界面:为了方面居民获取社区气象、交通、公共信息通知和空气质量信息,本系统将首页做成可视化大屏界面,方便社区在小区内使用大屏幕展示;系统首页作为可视化界面为社区居民提供了以下信息:
1)社区近期公共通知。以轮播的形式滚动播放社区近期管理部门发布的通知。
2)居民投诉以及环境污染物浓度异常信息处理。便民投诉信箱中近期的已处理投诉会在通知栏展示供居民审阅,当监测到某一项空气污染物浓度过高时,自动向便民投诉信箱中发送预警通知,方便管理部门快速排查污染源。
3)将监测的空气质量信息实时展示到空气质量详情栏中,用通用的颜色给社区居民预警,红色代表严重,橙色代表警告,绿色代表健康,通俗易懂。
4)提供最近一周空气质量各个污染物浓度变化曲线,方便居民了解社区环境状况。
5)使用第三方气象预报信息为社区居民提供当天和未来一天的天气状况。
6)通过高德地图API接口为居民提供社区周围路况,方便居民规划出行路线。
公共信息页面:公共信息页面为管理部门提供了发布公共信息的功能,通知发布人员权限设定为超级管理员,街道政府,物业人员,社区居民只有查询权限,
社区空气质量监测和预测功能:空气质量监测模块提供数据库中有监测记录的所有数据,通过日期插件实现有选择的查询,为环境治理做决策依据,预测功能是由管理部门点击预测,后端通过发布,居民通过APP端查询未来24小时内空气质量变化图。
居民投诉和物业审批功能:居民通过APP端投诉问题,物业和政府等管理部门在Web端审核问题并回复。
消防联动系统建设方案:当社区中某处出现明火报警,报警源可能为视频检测系统检测到某像机视频中出现明火及烟雾,也可能为消防系统给出的报警信号,还有可能是人工触发的报警信号,系统通过通用适配总线向中心平台发出报警信号。社区地图在对应位置出现报警提示,弹出对应枪机实时视频,球机自动对准对应位置,对应调出周边喷淋箱相机视频,便于消防设备操作,回放明火发生前后录像,旁边弹出预设好应急预案供用户选择是否执行。
设备自动报警流程如下:
1)管理平台系统实时监测双波长、手报这两类设备的串口信号,当设备监测到火灾信息,系统接口自动采集报警信号至管理平台;
2)报警信息在消息面板中显示;
3)GIS地图中报警设备点位开始闪烁,并自动将报警设备点地图比例尺调整为1∶500,屏幕显示中心聚焦到报警点位;
4)弹出距离报警点位最近的三路视频窗口,摄像头拍摄车尾方向,设备报警之后,取报警点后方两路枪机视频及距离最近的一路球机视频;
5)火灾点摄像头接收到消防系统的报警信息时,则在客户端和大屏上弹出该火灾报警的信号关联的摄像机画面,这时候画面上呈现不同喷淋头覆盖的色块。确认灭火后,要接收消防系统的信号,画面上的色块标注自动消失。
6)视频窗口中,如果确认火警属实,点击启动预案按钮,如果是硬件误报,点击误报按钮;点击启动预案后,系统根据报警信息计算出相应的火灾预案,点击执行按钮,将预案指令发送至执行机构iFix5。
7)执行机构iFix5执行预案之后将执行结果反馈至管理平台,成功执行则返回成功通知,执行失败或无反馈均视为执行失败,反馈结果记录在日志中。
人工报警流程如下:
1)点击枪机摄像头,弹出视频窗口;
2)在视频窗口中点击启动预案按钮;点击球机摄像头,弹出的视频窗口中无启动预案按钮。因为球机可调距离,无法判断具体事件点;
3)弹出三路视频窗口及预案详情;当前点选的摄像头在中间,两边分别调取最近的枪机和球机;
4)在预案窗口点击执行,系统将预案指令发送至执行机构iFix5;
5)执行机构iFix5执行预案之后将执行结果反馈至管理平台,成功执行则返回成功通知,执行失败或无反馈均视为执行失败,反馈结果记录在日志中。
视频数据进行处理和分析:为了提高小区的安全性,对采集到的视频数据进行处理和分析,检测出特定或异常的行 为信息。如重点区域非法闯入、特定区域的异常动作,并对其设置行为异常预警,有助于提 高监控效率,降低监控和管理的人力成本。
本申请所检测的异常行为指行人非法入侵和特定区域的非法动作,主要包括以下三个方面。
1)在只允许特定人员进入或通过的区域检测到陌生的、未在系统备案的人脸图像;
2)行人在限制通行的路径(如小区门口、停车场入口)无视监控报警仍然通行;
3)行人在特定区域如单元门口、电梯口等有如踹门、砸门等夸张的肢体动作。
对于上述异常行为1和2,由小区配备的智能人脸识别系统以及智能门禁系统来检测完成,由于异常行为3的识别过程存在场景人员分散的问题,现有检测方法难以识别,因此主要对异常行为3进行智能识别及报警。
本申请融合HOG提取技术、基于LS-SVM的分类器技术构成混合分析方法,对异常行为信息进行检测和预警。
HOG特征提取:将根据HOG特征提取的五个关键环节,设计适用于视频监控系统的HOG特征提取方案,分别按照以下四个步骤进行:
1)对原始图像进行预处理。为提高图像处理效率,尽量减少非必要的处理环节,本申请在抓取拍摄图像的关键部分后,为了提高效率直接对彩色图像进行尺寸统一化处理,即将图像作尺寸转换处理;
监控摄像头直接拍摄到的图片尺寸为1280×3720,但由于背景所占比例较大,直接对原始图像进行特征提取会造成内存等资源的浪费,而且由于行人所占比例较小,背景的存在会影响特征检测的准确性。因此首先根据行人所在区域裁剪出尺寸为300×500的图像,后续过程只需要处理该图像即可。本申请将300×500尺寸的图像不是标准的待处理图像,因此需要将其转换为尺寸为64×128的标准图像。需要注意的是,本申请智能监控系统中视频预警关注的是行人的异常行为,而监控摄像头拍摄的图像中可能包含各种各样的元素。因此首先需要从大量视频图片中抽出有行人的图片,这一功能可以借助于LS-SVM线性分类器直接分类图像得以实现。
(2)针对标准尺寸的图像,计算其梯度值。根据公式(2.3)和(2.4)计算梯度的大小和方向,在计算的过程中用梯度算子[-1, 0, 1]和 [-1, 0, 1]T分别对原图做卷积运算,得到x水平方向和y竖直方向的梯度分量。
(3)进行图像划分。将图像划分为一个8×8的图像单元,也称为cell,然后根据每个cell的梯度值信息,计算其梯度直方图。这里,还可以将几个cell人为地划分为一个块或区域,称之为block。例如每4个cell划分为一个block,每个block中全部的特征描述子组合即可得到该block的特征描述子。这样划分block的原因主要可以使每个block为单位再做一次图像归一化处理,更好的降低局部光照、饱和度和对比度变化造成的影响。这里需要说明的是,建立以cell为单元的block的另一个目的在于可以使用滑动窗口策略对输入的图像进行扫描,这样有助于提高算法的计算效率。
在滑动窗口检测策略中,共包含滑动窗口、检测图像、block、cell、图像中的每一个像素点等五层结构。当窗口以block为单元滑动时,事实上每个块中会有大量的重叠区域,只要提前建立内存表将窗口检测到的内存值储存,后续窗口滑动过程中这部分区域的数据只需要在内存表中查找而不需要重新计算,这样就可以有效地提高计算效率。
4)归一化处理,并计算HOG特征向量。完成归一化处理后,通过每个图像块得到的特征向量、水平位置和垂直位置来计算HOG特征向量,及完成了视频图像的HOG特征提取。
LS-SVM分类:本申请将HOG特征提取加LS-SVM分类器的方法应用到社区视频监控的行人检测部分。一个LS-SVM分类器只能处理二分类问题,但人的运动识别是一个多分类问题,只有一个LS-SVM分类器不能完成分类。因此,我们首先要将多分类问题转化为二分类问题。我们将一个类设置为正样本,其他类设置为负样本,然后使用LS-SVM分类器进行分类。同理,其余类也可以用同样的方法进行分类。对于一个样本,每个LS-SVM分类器都会对它是属于某个类还是其余类做出判断,最后得到识别结果。这种方法需要训练与类别数相同数量的LS-SVM分类器。
确定的动作类别有行走动作、踢门动作、以及不包含人体的背景图像。因此,有必要将多分类问题转化为二分类问题,对行走动作和踢门动作的分类需要两个LS-SVM分类器。本申请使用了线性核函数k(x,y)=xy,我们首先收集本小区监控视频中目标场景下3000组图像样本,分别有行走动作的图像样本1000组,踢门动作的图像样本1000组,背景图像样本1000组。在分类过程中,识别行走动作的LS-SVM分类器将行走动作的图像样本作为正样本,将踢门动作的图像样本和背景图像样本作为负样本。识别踢门动作的LS-SVM分类器将踢门动作的图像样本作为正样本,行走动作的图像样本和背景图像样本作为负样本。提取样本的HOG特征,输入到LS-SVM分类器中,训练两个分类器。在识别过程中,提取目标图像的HOG特征,利用训练好的LS-SVM分类器进行小区人员异常行为动作分类。
本申请采用将满足要求的LS-SVM分类器下载到开发板上,并设置为默认的分类器,配合HOG特征提取对监控摄像头拍摄到的行人图像进行检测,当检测到行人的非法行为时,系统进行预警提示。
本申请中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本申请在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种智慧社区管理系统,其特征在于,该智慧社区管理系统包括用户信息管理模块、数据感知模块、公共信息收集和提示模块、泊车辅助和指引模块、社区信息查询和展示模块、告警模块;
用户信息管理模块,包括用户注册和权限分配单元;
用户注册和权限分配单元,用于根据用户提供的用户注册数据将用户注册成为社区居民用户,并拥有基本访问权限和问题发布权限;
数据处理服务器,包括数据库模块和车位信息存储单元。
2.根据权利要求1所述的系统,其特征在于,用户注册数据,在用户信息管理模块中,用户注册可以通过Web端或者APP端来实现,用户在登陆注册界面选择注册成为社区居民用户,拥有最基本的访问权限。
3.根据权利要求1所述的系统,其特征在于,各系统的元数据通过数据抽取转换和加载ETL同步到操作性数据仓库ODS中,对ODS数据进行面向主题域建模形成数据仓库DW,DW包含DWD和DWS,DM是针对某个业务领域建立模型,具体用户查看DM生成的报表。
4.根据权利要求1所述的系统,其特征在于,ODS层作为数据库到数据仓库的一种过渡,将数据源中的数据,经过ETL之后装入ODS层,ODS的数据结构一般与数据来源保持一致,DWD层的表结构和粒度与原始表保持一致。
5.根据权利要求1所述的系统,其特征在于,DWS层是基于DWD层上的明细数据,按天轻度汇总成某个主题域的服务数据,DWS层统计各主题对象当天的行为及一些业务明细数据,服务于DM层的某一个主题域宽表;RDS用于支撑日常的业务活动;DM层基于DW上,整合汇总成分析某一个主题域的服务数据,用于提供后续的业务查询、联机分析处理OLAP分析、数据分发,每个应用都有属于自己的DM。
6.根据权利要求1所述的系统,其特征在于,数据感知模块,包括视频监控单元;视频监控单元,通过摄像云台进行视频拍摄,得到原始视频数据,再利用H.265压缩编码技术对原始视频信息进行格式编码,得到编码的视频数据并传输至数据处理服务器;视频监控单元从功能上分为视频数据采集、视频数据编码和视频数据传输三个部分,其中数据传输过程借助于各个摄像云台之间组成的无线局域网。
7.根据权利要求6所述的系统,其特征在于,数据监测和预测分析模块,数据监测和预测分析是社区环境监测与分析系统的重点模块,该模块具有以下功能:用户能够在Web端和APP端实时获取社区空气污染物的浓度信息,系统通过传感器采集到PM2.5、PM10、甲醛、TVOC、二氧化碳、O3的浓度信息,分析不同污染物浓度给人体带来的危害,监测污染物浓度高危害大的时候发出空气质量污染预警,提醒居民做好防护,并通过深度学习算法预测未来24小时空气质量指数,给居民生活出行提供参考。
8.根据权利要求1所述的系统,其特征在于,社区空气污染物监测模型,包括如下步骤:
1)获取数据集,实验相关数据集包括空气质量监测数据和大气气象数据,使用网络抓取获取所在区域环境监测站点的逐小时空气质量数据,将数据集合并后再进行下一步数据处理工作;
2)介绍空气质量预测模型所需要的环境,数据预处理,观测原始数据,对数据中的缺失值进行替换和删除处理,修改替换异常值,合并日期、小时等重复特征;
3)使用随机森林算法通过Gini不纯度筛选出数据集中各个特征变量的重要程度排名,并选取3、6、9特征变量使用LSTM长短时记忆网络预测空气质量;
4)将时间序列数据集转化为有监督学习序列,并搭建双层LSTM网络模型选取合适的超参数预测空气质量;
5)搭建空气质量预测模型评估模型性能,分析实验结果并给出结论。
9.根据权利要求8所述的系统,其特征在于,在上述步骤中,数据清洗包括查找数据缺失值,缺失值删除及填补,异常值监测和过滤观察缺失值个数,连续缺失值达到5个以上删除数据,连续缺失值个数在5个以下的,调用pandas库中的intepolate()函数使用线性插值填补数据,个别异常值使用前后连续4个数据的平均值来填充。
10.根据权利要求1所述的系统,其特征在于,气象和交通信息提示模块,气象和交通信息提示模块从网络获取气象数据和实时交通情况,给用户提供温度、湿度、未来一天气象预测、社区周围道路拥挤程度的数据,用户能够综合空气质量信息、气象信息和周围交通信息规划出行策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311468972.9A CN117453835A (zh) | 2023-11-07 | 2023-11-07 | 一种智慧社区管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311468972.9A CN117453835A (zh) | 2023-11-07 | 2023-11-07 | 一种智慧社区管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117453835A true CN117453835A (zh) | 2024-01-26 |
Family
ID=89585117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311468972.9A Pending CN117453835A (zh) | 2023-11-07 | 2023-11-07 | 一种智慧社区管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117453835A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107659645A (zh) * | 2017-09-26 | 2018-02-02 | 刘建国 | 一种以物联网为基础的一体化智慧社区系统 |
CN108900576A (zh) * | 2018-06-08 | 2018-11-27 | 上海驹源通信科技有限公司 | 一种基于5g的智慧社区应用服务系统 |
CN111092938A (zh) * | 2019-12-04 | 2020-05-01 | 重庆特斯联智慧科技股份有限公司 | 一种基于云平台的智慧城市管理系统 |
CN115730684A (zh) * | 2022-12-09 | 2023-03-03 | 安徽大学 | 一种基于lstm-cnn模型的空气质量检测系统 |
-
2023
- 2023-11-07 CN CN202311468972.9A patent/CN117453835A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107659645A (zh) * | 2017-09-26 | 2018-02-02 | 刘建国 | 一种以物联网为基础的一体化智慧社区系统 |
CN108900576A (zh) * | 2018-06-08 | 2018-11-27 | 上海驹源通信科技有限公司 | 一种基于5g的智慧社区应用服务系统 |
CN111092938A (zh) * | 2019-12-04 | 2020-05-01 | 重庆特斯联智慧科技股份有限公司 | 一种基于云平台的智慧城市管理系统 |
CN115730684A (zh) * | 2022-12-09 | 2023-03-03 | 安徽大学 | 一种基于lstm-cnn模型的空气质量检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103116825B (zh) | 智慧城市管理系统 | |
CN110933376A (zh) | 消防物联网统一监管系统及方法 | |
CN105540377A (zh) | 具有人脸匹配功能的物联网远程电梯监控系统 | |
CN113706355A (zh) | 化工园区智慧应急系统搭建方法 | |
CN116308960B (zh) | 基于数据分析的智慧园区物业防控管理系统及其实现方法 | |
CN110727805A (zh) | 社区知识图谱构建方法及系统 | |
CN116758441B (zh) | 一种无人机集群智能调度管理系统 | |
CN112870592A (zh) | 一种消防柜、应急救援系统及应急救援方法 | |
CN113538825A (zh) | 一种用于校园翻墙事件报警方法及系统 | |
CN114926314A (zh) | 一种基于泛在自主可控的物联网设备系统及方法 | |
CN114693053A (zh) | 基于ai智能分析检测的风险评估和风险预警系统及方法 | |
CN112580470A (zh) | 城市视觉感知方法、装置、电子设备和存储介质 | |
US20180253814A1 (en) | System and method for incident validation and ranking using human and non-human data sources | |
CN117424886A (zh) | 一种智慧水务业务管控平台及管控方法 | |
CN116483810A (zh) | 一种基于公安大数据处理技术指南的数据治理方法 | |
CN111951390A (zh) | 一种警情显示方法、系统、装置和存储介质 | |
CN115017244A (zh) | 一种地理信息大数据与人口数据融合服务社区治理的方法 | |
WO2020037929A1 (zh) | 一种社区管理方法、装置和电子设备 | |
CN113935643A (zh) | 一种校园安全风险防控方法、系统、设备及存储介质 | |
CN112766671A (zh) | 一种智慧社区数据监测系统 | |
CN117453835A (zh) | 一种智慧社区管理系统 | |
KR20210091461A (ko) | 범죄위험지수 기반 범죄예방 장치 및 방법 | |
CN110753210A (zh) | 一种铁路综合辅助监控系统的全景数据展示方法 | |
CN114925994A (zh) | 一种基于深度学习的城中村风险评估和风险因素定位方法 | |
CN115797125A (zh) | 一种乡村数字化智慧服务平台 |
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 |