WO2022146170A1 - Cloud platform for managing municipal immovable property - Google Patents

Cloud platform for managing municipal immovable property Download PDF

Info

Publication number
WO2022146170A1
WO2022146170A1 PCT/RU2021/000024 RU2021000024W WO2022146170A1 WO 2022146170 A1 WO2022146170 A1 WO 2022146170A1 RU 2021000024 W RU2021000024 W RU 2021000024W WO 2022146170 A1 WO2022146170 A1 WO 2022146170A1
Authority
WO
WIPO (PCT)
Prior art keywords
algorithms
cloud
data
central storage
platform according
Prior art date
Application number
PCT/RU2021/000024
Other languages
French (fr)
Russian (ru)
Inventor
Андрей Александрович ГОГОЛЕВ
Анастасия Игоревна АРТЁМОВА
Сергей Юрьевич ГЕВОРКОВ
Олег Анатольевич ИЛЬИЧЕВ
Original Assignee
Общество С Ограниченной Ответственностью "Айти Гео"
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
Priority claimed from RU2020144119A external-priority patent/RU2779711C2/en
Application filed by Общество С Ограниченной Ответственностью "Айти Гео" filed Critical Общество С Ограниченной Ответственностью "Айти Гео"
Publication of WO2022146170A1 publication Critical patent/WO2022146170A1/en

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate

Definitions

  • This technical solution relates to the field of information technology and computing, namely to expert-analytical, cloud, information platforms for the management of urban real estate.
  • the proposed solution differs from the known prior art solutions in that it is a boxed solution, i. deployed at the customer's facilities without the need to upload data to a cloud central storage, which meets the increased data security requirements of executive authorities.
  • the proposed solution is universal, adaptive algorithms allow converting user data of different formats to the form and formats understandable by risk models for effective management of the city's real estate, which is the novelty of the approach.
  • the technical problem to be solved by the claimed technical solution is the development of a cloud information platform that expresses a new approach to creating a data processing system and building risk models for the effective management of the city's real estate.
  • the standard approach assumes a certain (fixed) set of initial data for constructing an algorithm for identifying a particular problem.
  • the proposed solution is universal, adaptive algorithms allow you to convert user data of different formats to a form and format understandable to risk models, which is the novelty of the approach.
  • a cloud-based intelligent decision-making platform for the management of urban real estate is proposed, which is characterized in an independent claim. Additional embodiments of the present invention are presented in dependent claims.
  • the technical result is to reduce the fragmentation of data on urban infrastructure and the standardization of decisions. Additionally, the technical result is to manage the property of territorially distributed holdings. Additionally, the technical result consists in the implementation of the appointment.
  • a cloud-based intelligent decision-making platform for the purposes of urban real estate management, which contains: a cloud-based central storage, including: adaptive decision stack module containing algorithms for processing multi-format data and analyzing the results of calculating risk models; a database module containing synthetic features; knowledge base module containing algorithms for building risk models;
  • a local data processing center located on the customer's server including a module,,, a stack of adaptive solutions, containing algorithms for processing multi-format data and analyzing the results of calculating risk models, and calling business processes by users.
  • module database containing synthetic features obtained on the basis of data analysis, user;
  • module knowledge base containing algorithms for building risk models;
  • database module containing the results of calculating risk models.
  • the local data center hosted on the customer's server has access to the cloud central storage.
  • the cloud central storage is updated in terms of updating data processing algorithms, namely, algorithms for processing new types of data appear and are upgraded earlier algorithms.
  • the cloud central storage is updated in terms of updating the database of synthetic features, namely, the previously created synthetic features are updated and new sets of synthetic features are created.
  • the cloud central storage is updated in terms of updating risk models, namely, previously created risk models are updated and new risk-oriented algorithms are created.
  • the cloud central storage is updated in terms of updating the algorithms for processing the results of risk model calculations, namely, previously created algorithms are updated and
  • the cloud central storage is updated by the platform developers.
  • updating the cloud central storage is carried out by third-party developers.
  • the cloud central storage is updated by platform users.
  • the stack of adaptive solutions is configured to convert user data of different formats into sets of universal, synthetic features.
  • results of the calculation of the risk model can be used as synthetic features.
  • results of the calculation of the risk model can be presented in at least a tabular, graphical, cartographic form.
  • algorithms for analyzing the results of calculating risk models can call the business processes of platform users.
  • the local data center modules hosted on the customer's servers can be supplemented or replaced by custom algorithms and synthetic feature sets.
  • Fig ,D 1 Illustrates the diagram of cloud intelligent adoption platform
  • Fig.' ,‘ illustrates an example computing device circuit.
  • a cloud-based intelligent decision-making platform for the management of urban real estate includes algorithms for converting multi-format data into universal sets of features (synthetic features) for building risk models, risk models for making objective management decisions based on the created synthetic (universal) features and implementation mechanisms risk models in the business processes of users.
  • the uniqueness of the solution lies in the structural diagram of the cloud-based intelligent platform, which allows you to build the risk of the model not on disparate data, but on universal sets of synthetic features. Such a scheme makes it possible to use the same risk models for forecasting events in different regions and areas of management. It also significantly increases the speed of calculating risk models.
  • An important advantage of the solution is the high speed of deployment of the cloud intelligent platform.
  • the platform represents a boxed solution. It can be deployed at the facilities of the T5 customer without the need to upload data to a cloud-based central storage, which meets the increased data security requirements of the executive authorities.
  • the customer is understood as a commercial or government organization on whose servers an intelligent platform is deployed. Several users can connect to this intelligent platform and upload their data to it.
  • a cloud-based intelligent decision-making platform for the management of urban and commercial real estate presents operational data to synthetic data, adaptation solutions (algorithms for converting data into synthetic features) and risk models to all authorized users, and also initiates business processes for these users.
  • Under. -risk-model in the context of this application, is understood as an algorithm that allows? evaluate the probability of occurrence of the detected event (for example, self-acquisition of a land plot, misuse of a property, the need to renew a lease agreement, etc.).
  • NaF ⁇ illustrates a cloud-based intelligent decision-making platform for urban real estate management, which includes a cloud-based central storage (CC) and a local data processing and storage center (DPC-i, DPCg, DPC, DPCm) located on the customer's servers.
  • Cloud central storage (CH) includes: adaptive solutions stack module (I) containing algorithms for processing multi-format data (creating synthetic features) and analyzing the results of calculating risk models, a database module (II) containing synthetic features, a knowledge base module (III) containing algorithms for building risk models.
  • Cloud central storage is the accumulated experience of developers and users of the platform.
  • the adaptive decision stack (I), synthetic features (II) and the knowledge base module (III) are constantly updated (updated) with new algorithms and data by expanding the list of tasks to be solved, in addition, risk models are constantly improved by deploying an intelligent platform on servers of new customers and taking into account more parameters.
  • the local data processing center (DPC-i, DPC2, DPC, DPC) located on the customer’s server includes: a module of the adaptive solutions stack (1,5) containing algorithms for processing user data and analyzing the results of calculating risk models, downloaded from the cloud 1 ' central storage (CH), namely from the stack of adaptive solutions, model' of the database (2), containing synthetic user attributes obtained by processing the algorithms of the module of the stack of adaptive solutions (1) and/or loaded from the central repository, namely from the base module data (II); ' 1 knowledge base module (3) containing algorithms for building risk models downloaded from the cloud central storage, namely from the knowledge base module (III); database module (4) containing the results of calculating risk models, which are further processed by the adaptive decision stack module (5).
  • a module of the adaptive solutions stack (1,5) containing algorithms for processing user data and analyzing the results of calculating risk models, downloaded from the cloud 1 ' central storage (CH), namely from the stack of adaptive solutions, model' of the database (2), containing synthetic user attributes obtained by processing the algorithms of
  • the proposed intelligent platform can be deployed on the customer's side, without access to the cloud central storage, i.e. the customer can use only the algorithms of the adaptive solutions stack module (1), synthetic features and risk models loaded at the time of platform installation.
  • algorithms for creating synthetic features can be developed by platform users and uploaded to the local adaptation decision stack module (1 , 5) and, with the consent of the developers, to the adaptation decision stack module (I) of the cloud central storage.
  • synthetic features can be loaded by users directly into the synthetic features database module (2).
  • the risk model can be developed by platform users and uploaded to the knowledge base module (3) and, with the consent of the developers, to the knowledge base module (III) of the cloud central repository.
  • Synthetic features are user input data processed and converted into machine-readable formats, both automatically and manually.
  • the initial data of users lead to a single format, fill in the gaps (for example, if the cadastral value is not indicated for a property, then it is automatically put down), clearing outliers, i.e. . removal of obviously false or erroneous values, normalization, etc., these operations are standard data preprocessing operations.
  • Examples of converting data into a machine-readable format are the detection of the presence of construction pits’ according to aerial or satellite imagery, the presence of objects covered with construction grids, according to geo-referenced photographic images, or the interpretation of the areas of objects from survey reports saved in pdf format, etc.
  • the uniform data format depends on each individual characteristic.
  • a sign of the presence of construction is described.
  • a single format is the value 1 or 0. It can also be a reduction to a single system, for example, metric - all area values ⁇ u200b ⁇ u200bmust be indicated in meters.
  • the same synthetic feature can be obtained from different sources, but in an intelligent platform it will be a single feature that accumulates all possible data sources.
  • the sign "presence of construction" can be obtained on the basis of automated recognition of panorama data, aerial or space photographs, field survey data, analysis of citizens' appeals, etc.
  • the algorithm will analyze all the presented data formats and store the resulting values in one attribute. This approach, on the one hand, allows using the same risk model on initially different initial data, on the other hand, creating features that comprehensively describe the objects under study.
  • the accumulated experience of using various types of initial data for certain synthetic features allows, if the user does not have the necessary data, to offer the best options for obtaining them for the user.
  • the best option in the absence of data on the actual use of real estate, may be to conduct a georeferenced photographic survey for further automated recognition of actual use.
  • the database module (11,2) stores the synthetic features obtained using the adaptive decision stack module, and also allows you to add synthetic features created by the user in advance without using the algorithms of the adaptive decision stack module.
  • the knowledge base module (111,3) is the main module containing algorithms for building risk models that, based on the analysis of synthetic features, predict the probability of the estimated events.
  • the analysis of synthetic features is based on the selected algorithm for building a risk model. It can be, for example, a neural network, a decision tree, or any other algorithm.
  • the result of the risk model can be presented in any convenient form, for example, but not limited to tabular form, in the form of a cartographic image, charts, etc.
  • the risk models used are constantly striving for universality. Risk models of the same topic are not loaded into the intellectual platform for each individual region or executive authority: one topic - one risk model with a set of parameters (synthetic features). This approach ensures that the intellectual platform is not tied to a particular city or region. The individual approach is embedded within the risk model and is based on the relationships’ between synthetic features. In addition, although with a lesser degree of certainty, the intelligent platform makes it possible to assess the risks of a predicted event even in the absence of a complete set of necessary features.
  • the knowledge base, the stack of adaptive solutions and synthetic features obtained on the basis of open data and distributed by the developers of the smart platform are available to all users of the smart platform in the form of microservices.
  • the intelligent platform is deployed on the user's servers, it has access to an up-to-date, constantly updated set of risk models and a stack of adaptive cloud central storage solutions.
  • the intellectual platform is universal, the mechanisms for information exchange, decision-making and maintenance are unified, which allows users to apply their own data processing algorithms to create synthetic features that can later be used in the risk models of an intelligent platform that are in the cloud data warehouse, or their own risk models based on synthetic features of the smart platform that are in the cloud data storage. Also, the intelligent platform can work on third-party algorithms and risk models (Pi, P2, PN).
  • the intelligent platform Since the intelligent platform is universal, the results of risk models can be used as signals to launch business processes (BP) of users. To do this, the user needs to set the threshold values for the risk model responses and compare these values with the necessary actions. For example, when plots with illegal construction are found with a probability of more than 0.8, the process of creating an act of inspection of the land plot with identified violations is launched, with a probability of 0.6-0.8, a task is created for the inspector to inspect the land plot, etc. At the same time, the intelligent platform accumulates experience in risk ranking and initiated business process calls, which allows you to analyze and improve the operation of the risk model, as well as offer users possible solutions.
  • BP business processes
  • the intelligent platform is installed in the data processing center (DPC) of the customer on its servers and the configuration (selection of the way to save files, method of obtaining updates, access rights to the intelligent platform for users) of the intelligent platform is carried out.
  • DPC data processing center
  • the user interface of the smart platform provides a description of all available risk models. For each risk model, the scope, input parameters - mandatory and optional synthetic features, and the results of the risk model are indicated.
  • Mandatory synthetic features are features without which the calculation of the risk model cannot be carried out, for example, in the case of determining an illegal increase in the area of a land plot, the mandatory features will be: the accounted area and the existence of property rights.
  • Optional synthetic features are features without which the calculation of the risk model can be carried out, however, they can refine the results of the risk model, for example, in the case of determining an illegal increase in the area of a land plot, an optional feature will be information about the presence of an inspection of the land plot by an inspector.
  • the attribute indicates the types and formats of sources available for processing. As well as the possibility of obtaining a feature from the cloud central storage.
  • the user with the appropriate access rights, marks one or more risk models that he plans to use.
  • the user For each input parameter (synthetic attribute), the user selects the type and format of the data source and specifies the path to the data.
  • the user can specify the loading of the feature from the cloud central storage (if the feature is available in the Central Storage), order data to create the feature (for example, order a panoramic survey of the city To create georeferenced photographic images that can be used to create a broad set of synthetic features) or omit the option (if it is not mandatory).
  • the user can develop an algorithm for processing data on their own and add it to the local or cloud central stack of adaptation solutions through the interface of the intelligent platform.
  • the created algorithm will be added to the cloud central storage and will become available to all users of the intelligent platform in a global sense.
  • the results of the risk model calculation are saved by default to the user's database, which was specified when setting up the smart platform.
  • the user can choose the type of data visualization (for example, but not limited to, a table, chart, cartographic image) and specify a convenient format for uploading data (for example, but not limited to, csv, txt, json, geojson and others)
  • type of data visualization for example, but not limited to, a table, chart, cartographic image
  • a convenient format for uploading data for example, but not limited to, csv, txt, json, geojson and others
  • the user has an idea about the range of returned values and their semantic load, and can assign his own scenario for processing responses.
  • parameters of their own services for example, parameters for calling the service for sending a registered letter and the text of the sent letter.
  • the frequency of updates for example, weekly or every time the source data is updated.
  • a panoramic survey of the city is carried out 2 times a year, which means that the rebuilding of features obtained from the data of this survey will occur 2 times a year.
  • Data on registration of rights to real estate objects can be updated daily or upon registration of rights.
  • the risk model can be calculated once or with a given regularity.
  • the user has access to complete information about the stages of creating synthetic features (stages of execution, for example, "construction”, “formed”, “construction error”, etc.
  • stages of execution for example, "construction", “formed”, “construction error”, etc.
  • the initial data for example, panoramic shooting
  • information about the degree of data readiness will be indicated
  • the calculation of the risk model and the results of processing the received answers.
  • the user can set up or refine the data processing scenario and run their own business processes to analyze the results of the calculation of risk models. For example, as a result of calculating the risk model, the probability of an illegal increase in the area of a land plot was revealed. Further, the algorithm for different probability ranges causes different business processes: for example, if the probability of an illegal increase in the area of a land plot is more than 0.8, an act is drawn up and a notice is sent to the owner of the site, with a probability of 0.6-0.8, a check is initiated - a task is set for the inspector, with probabilities 0.5 - 0.6, the site is added to the inspection plan, etc.
  • FIG. 2 will now present a general diagram of a computing device (200) that provides the data processing necessary to implement the claimed solution.
  • the device (200) contains components such as: one or more processors (201), at least one memory (202), data storage (203), input/output interfaces (204), I/O ( 205), networking tools (206).
  • the processor (201) of the device performs the basic computing operations necessary for the operation of the device (200) or the functionality of one or more of its components.
  • the processor (201) executes the necessary machine-readable instructions contained in the main memory (202).
  • the memory (202) is typically in the form of RAM and contains the necessary software logic to provide the desired functionality.
  • the data storage means (203) can be in the form of HDD, SSD disks, raid array, network storage, flash memory, optical information storage devices (CD, DVD, MD, Blue-Ray disks), etc.
  • the means (203) allows long-term storage of various types of information, for example, the above-mentioned files with user data sets, a database containing records of time intervals measured for each user, user identifiers, etc.
  • Interfaces (204) are standard means for connecting and working with the server part, for example, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire, etc.
  • interfaces (204) depends on the specific implementation of the device (200), which can be a personal computer, mainframe, server cluster, thin client, smartphone, laptop, and the like.
  • the keyboard must be used.
  • the keyboard hardware can be any known: it can be either a built-in keyboard used on a laptop or netbook, or a separate device connected to a desktop computer, server, or other computer device.
  • the connection can be either wired, in which the keyboard connection cable is connected to the PS / 2 or USB port located on the system unit of the desktop computer, or wireless, in which the keyboard exchanges data via a wireless communication channel, for example, a radio channel, with base station, which, in turn, is directly connected to the system unit, for example, to one of the USB ports.
  • data I/O can also include: joystick, display (touch screen), projector, touchpad, mouse, trackball, light pen, speakers, microphone, etc.
  • Means of network interaction (206) are selected from a device that provides network data reception and transmission, for example, an Ethernet card, WLAN/Wi-Fi module, Bluetooth module, BLE module, NFC module, IrDa, RFID module, GSM modem, etc.
  • a device that provides network data reception and transmission for example, an Ethernet card, WLAN/Wi-Fi module, Bluetooth module, BLE module, NFC module, IrDa, RFID module, GSM modem, etc.
  • the organization of data exchange over a wired or wireless data transmission channel for example, WAN, PAN, LAN (LAN), Intranet, Internet, WLAN, WMAN or GSM.
  • the components of the device (200) are connected via a common data bus (210).

Abstract

The invention relates to the field of information technology and computer engineering, and more particularly to expert analytical cloud information platforms for managing municipal immovable property. The claimed cloud intelligent decision-making platform for managing municipal immovable property comprises: a cloud-based central storage and a local data processing centre. The cloud-based central storage comprises: an adaptational decision stack module containing algorithms for processing differently formatted data and analysing the results of a risk model calculation; a database module containing synthetic features; and a knowledge base module containing risk model construction algorithms. The local data processing centre is situated on a client server and comprises: an adaptational decision stack module containing algorithms for processing user data and analysing the results of a risk model calculation and for initiating user business processes; a database module containing synthetic features; a knowledge base module containing risk model construction algorithms; and a database module containing the results of a risk model calculation. The technical result consists in reducing the disparateness of municipal infrastructure data, and standardizing decision-making.

Description

ОБЛАЧНАЯ ПЛАТФОРМА ДЛЯ УПРАВЛЕНИЯ ГОРОДСКИМ НЕДВИЖИМЫМ ИМУЩЕСТВОМ CLOUD PLATFORM FOR URBAN REAL ESTATE MANAGEMENT
ОБЛАСТЬ ТЕХНИКИ FIELD OF TECHNOLOGY
Настоящее техническое решение относится к области информационных технологий и вычислительной техники, а именно к экспертно-аналитическим, облачным, информационным платформам для целей управления городским недвижимым имуществом. This technical solution relates to the field of information technology and computing, namely to expert-analytical, cloud, information platforms for the management of urban real estate.
УРОВЕНЬ ТЕХНИКИ BACKGROUND OF THE INVENTION
Из источника информации US9953370B2, опубликованного 24.04.2018, известна группа изобретений, система и способ для оценки управления рисками объектов недвижимости, с использованием аэрофотоснимков объектов недвижимости и дополнительных данных об объектах недвижимости, которые оцениваются по заданным ‘критериям управления рисками. Данные, полученные с помощью аэрофотоснимков, включают идентификацию объектов недвижимости и их площадь, состояние объектов недвижимости, включая крышу и внешние стены, а также выявление других опасностей для объектов недвижимости. Дополнительные данные могут включать информацию о собственности, поступающую из различных источников, включая городские и окружные власти, подрядчиков и страховые компании. Итоговая оценка управления рисками может быть использована для урегулирования страховых случаев и определения страховых продуктов и ставок премий, предлагаемых на недвижимость. From the source of information US9953370B2, published on 04/24/2018, a group of inventions, a system and a method for assessing the risk management of real estate objects, using aerial photographs of real estate objects and additional data about real estate objects, which are evaluated according to predetermined ‘risk management criteria’, is known. The data obtained from aerial photographs includes the identification of properties and their area, the condition of properties, including the roof and external walls, and the identification of other hazards to properties. Additional data may include property information from a variety of sources, including city and county governments, contractors, and insurance companies. The resulting risk management assessment can be used to settle insurance claims and determine the insurance products and premium rates offered on real estate.
Из источника информации US10241505B2, опубликованного 26.03.2019, известна группа изобретений, система и способ обеспечения оптимизации и улучшения объектов недвижимости. Собирают данные об активах, касающихся объекта недвижимости, а именно: количество зданий, пространство внутри зданий, технические характеристики зданий и физического состояния зданий, и соответствующих данных о производительности объектов недвижимости, а именно: измерение электроэнергии, и / или измерение тепла, и / или измерение воды, и / или температуру, и / или влажность, и / или давление, и / или события, и / или сигналы тревоги, и / или статус, и / или погода, и / или цены. Меры по улучшению, относящиеся к потребляемому ресурсу в одном или нескольких зданиях, определяются с использованием компьютерной системы, сконфигурированной для анализа данных об активах и соответствующих данных о производительности на основе внутренних и / или внешних Ключевых показателях эффективности и правил, предоставляемых базой данных. v From the source of information US10241505B2, published on 03/26/2019, a group of inventions, a system and a method for ensuring the optimization and improvement of real estate objects are known. Collect data on assets related to the property, namely: the number of buildings, the space inside the buildings, the technical characteristics of the buildings and the physical condition of the buildings, and the relevant data on the performance of the property, namely: electricity measurement, and / or heat measurement, and / or water measurement and/or temperature and/or humidity and/or pressure and/or events and/or alarms and/or status and/or weather and/or prices. Improvement measures related to the consumed resource in one or more buildings are determined using a computer system configured to analyze data on assets and related performance data based on internal and/or external KPIs and rules provided by the database. v
Предлагаемое решение отличается от известных решений из уровня техники тем, что представляет собой коробочное решение, т.е. развернуто на мощностях заказчика без необходимости загружать данные на облачное центральное хранилище, что соответствует повышенным требования к безопасности данных органов исполнительное власти. Предлагаемое решение является универсальным, адаптационные алгоритмы позволяют преобразовывать разноформатные данные пользователя к виду и форматам, понятным риск-моделям для эффективного управления недвижимым имуществом города, в чем и заключается новизна подхода. The proposed solution differs from the known prior art solutions in that it is a boxed solution, i. deployed at the customer's facilities without the need to upload data to a cloud central storage, which meets the increased data security requirements of executive authorities. The proposed solution is universal, adaptive algorithms allow converting user data of different formats to the form and formats understandable by risk models for effective management of the city's real estate, which is the novelty of the approach.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ SUMMARY OF THE INVENTION
Технической задачей, на решение которой направлено заявленное техническое решение, является разработка облачной информационной платформы, которая выражает новый подход к созданию системы обработки данных и построению риск- моделей для эффективного управления недвижимым имуществом города. Стандартный подход предполагает определенный (фиксированный) набор исходных данных для построения алгоритма выявления той или иной проблемы. Предлагаемое решение является универсальным, адаптационные алгоритмы позволяют преобразовывать разноформатные данные пользователя к виду и форматам, понятным риск-моделям, в чем и заключается новизна подхода. В связи с этим предложена облачная интеллектуальная платформа принятия решений для целей управления городским недвижимым имуществом, которая охарактеризована в независимом пункте формулы. Дополнительные варианты реализации настоящего изобретения представлены в зависимых пунктах изобретения. The technical problem to be solved by the claimed technical solution is the development of a cloud information platform that expresses a new approach to creating a data processing system and building risk models for the effective management of the city's real estate. The standard approach assumes a certain (fixed) set of initial data for constructing an algorithm for identifying a particular problem. The proposed solution is universal, adaptive algorithms allow you to convert user data of different formats to a form and format understandable to risk models, which is the novelty of the approach. In this regard, a cloud-based intelligent decision-making platform for the management of urban real estate is proposed, which is characterized in an independent claim. Additional embodiments of the present invention are presented in dependent claims.
Технический результат заключается в уменьшении разобщенности данных о городской инфраструктуре и стандартизации принимаемых решений. Дополнительно, технический результат заключается в управлении имуществом территориально- распределенных холдингов. Дополнительно, технический результат заключается в реализации назначения. The technical result is to reduce the fragmentation of data on urban infrastructure and the standardization of decisions. Additionally, the technical result is to manage the property of territorially distributed holdings. Additionally, the technical result consists in the implementation of the appointment.
Заявленный результат достигается за счет осуществления облачной интеллектуальной платформы принятия решений для целей управления городским недвижимым имуществом, которая содержит: облачное центральное хранилище, включающее: модуль стека адаптационных решений, содержащий алгоритмы для обработки разноформатных данных и анализа результатов расчета риск-моделей; модуль базы данных, содержащий синтетические признаки; модуль базы знаний, содержащий алгоритмы построения риск-моделей; The claimed result is achieved through the implementation of a cloud-based intelligent decision-making platform for the purposes of urban real estate management, which contains: a cloud-based central storage, including: adaptive decision stack module containing algorithms for processing multi-format data and analyzing the results of calculating risk models; a database module containing synthetic features; knowledge base module containing algorithms for building risk models;
Локальный центр обработки данных, расположенный на сервере заказчика включающий модуль,,, стека адаптационных решений, содержащий алгоритмы обработки разноформатных данных и анализа результатов расчета риск-моделей, и вызова бизнес- процессов пс ьз вателями. модуль, базы данных, содержащий синтетические признаки, полученные на основе анализа данных, пользователя; модуль, базы знаний, содержащий алгоритмы построения риск-моделей; модуль базы данных, содержащий результаты расчета риск-моделей. A local data processing center located on the customer's server, including a module,,, a stack of adaptive solutions, containing algorithms for processing multi-format data and analyzing the results of calculating risk models, and calling business processes by users. module, database containing synthetic features obtained on the basis of data analysis, user; module, knowledge base containing algorithms for building risk models; database module containing the results of calculating risk models.
В частном варианте реализации, локальный центр обработки данных, размещенный на серверу заказчика, имеет доступ к облачному центральному хранилищу. In a private implementation, the local data center hosted on the customer's server has access to the cloud central storage.
В. другом... частном варианте реализации, облачное центральное хранилище, выполнено^ возможностью актуализации. B. another ... private implementation, cloud central storage, made ^ the possibility of updating.
В щру^^!г астном варианте реализации, актуализация облачного центрального хранилища происходит в части обновления алгоритмов обработки данных, а именно появляются алгоритмы обработки новых типов данных и модернизируются ранее
Figure imgf000005_0001
алгоритмы. Damn it ^^! In a particular implementation variant , the cloud central storage is updated in terms of updating data processing algorithms, namely, algorithms for processing new types of data appear and are upgraded earlier
Figure imgf000005_0001
algorithms.
В другом, частном варианте реализации, актуализация облачного центрального хранилища происходит в части обновления базы данных синтетических признаков, а именно обновляются ранее созданные синтетические признаки и создаются новые наборы синтетических признаков. In another, private implementation, the cloud central storage is updated in terms of updating the database of synthetic features, namely, the previously created synthetic features are updated and new sets of synthetic features are created.
.В ,/ф го .частном варианте реализации, актуализация облачного центрального хранилища происходит в части обновления риск-моделей, а именно обновляются ранее созданные риск-модели и создаются новые риск-ориентированные алгоритмы. In a particular implementation, the cloud central storage is updated in terms of updating risk models, namely, previously created risk models are updated and new risk-oriented algorithms are created.
В другом частном варианте реализации, актуализация облачного центрального хранилища происходит в части обновления алгоритмов обработки результатов расчетов риск-моделей, а именно обновляются ранее созданные алгоритмы и разрабатываютсяIn another particular implementation, the cloud central storage is updated in terms of updating the algorithms for processing the results of risk model calculations, namely, previously created algorithms are updated and
, Б? 'О . новые алгоритмы. , B? 'O . new algorithms.
В другом частном варианте реализации, актуализация облачного центрального хранилища' осуществляется разработчиками платформы. In another particular implementation, the cloud central storage is updated by the platform developers.
В другом частном варианте реализации, актуализация облачного центрального хранилища осуществляется сторонними разработчиками. In another private implementation, updating the cloud central storage is carried out by third-party developers.
В другом частном варианте реализации, актуализация облачного центрального хранилища осуществляется пользователями платформы. В другом ..частном варианте реализации, стек адаптационных решений выполнен с возможностью преобразования разноформатных данных пользователей в наборы универсальных, синтетических признаков. In another private implementation, the cloud central storage is updated by platform users. In another ..private implementation, the stack of adaptive solutions is configured to convert user data of different formats into sets of universal, synthetic features.
В, другом частном варианте реализации, результаты расчета риск-модели могут использоваться в качестве синтетических признаков. In another particular implementation, the results of the calculation of the risk model can be used as synthetic features.
В другом частном варианте реализации, результаты расчета риск-модели могут быть представлены в по меньшей мере табличной, графической, картографической форме. In another particular embodiment, the results of the calculation of the risk model can be presented in at least a tabular, graphical, cartographic form.
В другом частном варианте реализации, алгоритмы анализа результатов расчета риск-моделей могут вызывать бизнес-процессы пользователей платформы. In another particular implementation, algorithms for analyzing the results of calculating risk models can call the business processes of platform users.
В другом частном варианте реализации, модули локального центра обработки данных, размещенные на серверах заказчика могут дополняться или замещаться пользовательскими алгоритмами и наборами синтетических признаков. бгГйбАИиЁ ЧЕРТЕЖЕЙ In another particular implementation, the local data center modules hosted on the customer's servers can be supplemented or replaced by custom algorithms and synthetic feature sets. bgGybaAIiYO DRAWINGS
РёаЙизДц я изобретения будет описана в дальнейшем в соответствии с прилаГаё1 1эН\ли чертежами, которые представлены для пояснения сути изобретения и никоим ■dS’iSaSOM не ограничивают область изобретения. К заявке прилагаются сл едующие чертежи : The description of the invention will be described hereinafter in accordance with the attached drawings, which are presented to explain the essence of the invention and do not limit the scope of the invention in any way. The following drawings are attached to the application:
Фиг ,Д1 ' Иллюстрирует схему облачной интеллектуальной платформы принятия
Figure imgf000006_0001
Fig ,D 1 'Illustrates the diagram of cloud intelligent adoption platform
Figure imgf000006_0001
Фйг.' ,‘ иллюстрирует пример схемы вычислительного устройства. Fig.' ,‘ illustrates an example computing device circuit.
ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯDETAILED DESCRIPTION OF THE INVENTION
В Нрмгйеденном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако, квалифицированному в предметной области специалисту, будет очевидно каким образом можно использовать настоящее изобретение, как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять излишне понимание особенностей настоящего изобретения. Numerous implementation details are set forth in the Detailed Implementation of the Invention below in order to provide a clear understanding of the present invention. However, one skilled in the art will appreciate how the present invention can be used, both with and without these implementation details. In other instances, well-known methods, procedures, and components have not been described in detail so as not to unnecessarily obscure the features of the present invention.
Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов. Облачная интеллектуальная платформа принятия решений для целей управления городским недвижимым имуществом включает алгоритмы для преобразования разноформатных данных в универсальные наборы признаков (синтетичёские признаки) для построения риск-моделей, риск-модели для принятия объективных управленческих решений на основе созданных синтетических (универсальных) признаков и механизмы внедрение риск-моделей в бизнес-процессы пользователей. Moreover, it will be clear from the foregoing that the invention is not limited to the present implementation. Numerous possible modifications, changes, variations and substitutions that retain the spirit and form of the present invention will be apparent to those skilled in the subject area. A cloud-based intelligent decision-making platform for the management of urban real estate includes algorithms for converting multi-format data into universal sets of features (synthetic features) for building risk models, risk models for making objective management decisions based on the created synthetic (universal) features and implementation mechanisms risk models in the business processes of users.
Уникальность решения заключается в структурной схеме облачной интеллектуальной платформы, которая позволяет строить риск модели не на разрозненных данных, а на универсальных наборах синтетических признаков. Такая схема пбз'воляёт использовать одни и те же риск-модели для прогнозов событий в разных регионах и областях управления. А также в разы увеличивает скорость вычисления риск-моделей. Важным преимуществом решения является высокая скорость 'развертывания облачной интеллектуальной платформы. Платформа представНяёФФобой коробочное решение. Она может быть развернута на мощностях заказчика Т5ез необходимости загружать данные на облачное центральное хранилище, что собтвётс+вует повышенным требования к безопасности данных органов исполнитёлннёё власти. The uniqueness of the solution lies in the structural diagram of the cloud-based intelligent platform, which allows you to build the risk of the model not on disparate data, but on universal sets of synthetic features. Such a scheme makes it possible to use the same risk models for forecasting events in different regions and areas of management. It also significantly increases the speed of calculating risk models. An important advantage of the solution is the high speed of deployment of the cloud intelligent platform. The platform represents a boxed solution. It can be deployed at the facilities of the T5 customer without the need to upload data to a cloud-based central storage, which meets the increased data security requirements of the executive authorities.
В ’матёр алах настоящей заявки, под заказчиком понимается коммерческая или государственная организация, на серверах которых развернута интеллектуальная платформа. К данной интеллектуальной платформе могут подключаться несколько пользователей и загружать в нее свои данные. In the materials of this application, the customer is understood as a commercial or government organization on whose servers an intelligent platform is deployed. Several users can connect to this intelligent platform and upload their data to it.
Облачная интеллектуальная платформа принятия решений для целей управления городским и коммерческим недвижимым имуществом представляет оперативньгй’ДбСГуп к синтетическим данным, адаптационным решениям (алгоритмам преобразования данных в синтетические признаки) и риск-моделям всем уполномоченным пользователям, а также инициирует бизнес-процессы этих пользователей. A cloud-based intelligent decision-making platform for the management of urban and commercial real estate presents operational data to synthetic data, adaptation solutions (algorithms for converting data into synthetic features) and risk models to all authorized users, and also initiates business processes for these users.
Под. -риск-моделью, в контексте настоящей заявки, понимается алгоритм, позволяющий? оцену|ть вероятность наступления выявляемого события (например, самозахват земельного участка, нецелевое использование объекта недвижимости, необходимость перезаключения договора аренды и др.). Under. -risk-model, in the context of this application, is understood as an algorithm that allows? evaluate the probability of occurrence of the detected event (for example, self-acquisition of a land plot, misuse of a property, the need to renew a lease agreement, etc.).
НаФ^ проиллюстрирована облачная интеллектуальная платформа принятия решений для целей управления городским недвижимым имуществом, которая включает облачное центральное хранилище (ЦХ) и локальный центр обработки и хранения данных (ЦОД-i, ЦОДг, ЦОДз, ЦОДм), расположенный на серверах заказчика. Облачное центральное хранилище (ЦХ), включает: модуль стека адаптационных решений (I), содержащий алгоритмы для обработки разноформатных данных (создание синтетических признаков) и анализа результатов расчета риск- моделей, модуль базы данных (II), содержащий синтетические признаки, модуль базы знаний (III), содержащий алгоритмы построения риск-моделей. NaF^ illustrates a cloud-based intelligent decision-making platform for urban real estate management, which includes a cloud-based central storage (CC) and a local data processing and storage center (DPC-i, DPCg, DPC, DPCm) located on the customer's servers. Cloud central storage (CH), includes: adaptive solutions stack module (I) containing algorithms for processing multi-format data (creating synthetic features) and analyzing the results of calculating risk models, a database module (II) containing synthetic features, a knowledge base module (III) containing algorithms for building risk models.
Облачное центральное хранилище - это накопленный опыт разработчиков и пользователей платформы. Стек адаптационных решений (I), синтетические признаки (II) и модуль базы знаний (III), постоянно пополняются (актуализируются) новыми алгоритмами и данными за счет расширения перечня решаемых задач, кроме того, риск-модели постоянно улучшаются за счет развертывания интеллектуальной платформы на серверах новых заказчиков и учета большего количества параметров. Cloud central storage is the accumulated experience of developers and users of the platform. The adaptive decision stack (I), synthetic features (II) and the knowledge base module (III) are constantly updated (updated) with new algorithms and data by expanding the list of tasks to be solved, in addition, risk models are constantly improved by deploying an intelligent platform on servers of new customers and taking into account more parameters.
Локальный центр обработки данных (ЦОД-i, ЦОД2, ЦОДз, ЦОД ), расположенный на сервере заказчика включает: модуль стека адаптационных решений (1 ,5), содержащий алгоритмы обработки пользоватёНьй йх Данных и анализа результатов расчета риск-моделей, загруженные из облачного1' центрального хранилища (ЦХ), а именно из стека адаптационных решений модель' базы данных (2), содержащий синтетические признаки пользователя, полученные посредством обработки алгоритмов модуля стека адаптационных решений (1) й/илй загруженные из центрального хранилища, а именно из модуля базы данных (II); ' 1 модуль базы знаний (3), содержащий алгоритмы построения риск-моделей, загруженные из облачного центрального хранилища, а именно из модуля базы знаний (III); модуль базы данных (4), содержащий результаты расчета риск-моделей, которые в дальнейшем обрабатываются модулем стека адаптационных решений (5). The local data processing center (DPC-i, DPC2, DPC, DPC) located on the customer’s server includes: a module of the adaptive solutions stack (1,5) containing algorithms for processing user data and analyzing the results of calculating risk models, downloaded from the cloud 1 ' central storage (CH), namely from the stack of adaptive solutions, model' of the database (2), containing synthetic user attributes obtained by processing the algorithms of the module of the stack of adaptive solutions (1) and/or loaded from the central repository, namely from the base module data (II); ' 1 knowledge base module (3) containing algorithms for building risk models downloaded from the cloud central storage, namely from the knowledge base module (III); database module (4) containing the results of calculating risk models, which are further processed by the adaptive decision stack module (5).
В частном варианте реализации, предлагаемая интеллектуальная платформа, может быть развернута на стороне заказчика, без доступа к облачному центральному хранилищу, т.е. заказчик может использовать только загруженные на момент установки платформы .алгоритмы модуля стека адаптационных решений (1), синтетические признаки и риск-модели. In a private implementation, the proposed intelligent platform can be deployed on the customer's side, without access to the cloud central storage, i.e. the customer can use only the algorithms of the adaptive solutions stack module (1), synthetic features and risk models loaded at the time of platform installation.
В частном варианте реализации, алгоритмы для создания синтетических признаков могут быть разработаны пользователями платформы и загружены в локальный модуль стека адаптационных решений (1 , 5) и, при согласии разработчиков, в модуль стека адаптационных решений (I) облачного центрального хранилища. В частном варианте реализации, синтетические признаки могут быть загружены пользователями напрямую в модуль базы данных синтетических признаков (2). In a private implementation, algorithms for creating synthetic features can be developed by platform users and uploaded to the local adaptation decision stack module (1 , 5) and, with the consent of the developers, to the adaptation decision stack module (I) of the cloud central storage. In a particular implementation, synthetic features can be loaded by users directly into the synthetic features database module (2).
В частном варианте реализации, риск-модель может быть разработана пользователями платформы и загружена в модуль базы знаний (3) и, при согласии разработчиков, в модуль базы знаний (III) облачного центрального хранилища. In a private implementation, the risk model can be developed by platform users and uploaded to the knowledge base module (3) and, with the consent of the developers, to the knowledge base module (III) of the cloud central repository.
Синтетические признаки, представляют собой обработанные и преобразованные в машиночитаемые форматы, как автоматически, так и в ручном режиме, исходные данные пользователей. Synthetic features are user input data processed and converted into machine-readable formats, both automatically and manually.
Под исходными данными пользователей, в материалах настоящей заявки, понимаются любые данные о городском пространстве, недвижимости и т.д. Under the initial data of users, in the materials of this application, we mean any data on urban space, real estate, etc.
Посредством обработки алгоритмами, из модуля стека адаптационных решений (I, 1), исхбдные данные пользователей приводят к единому формату, заполняют пропуски (например, если для объекта недвижимости не указана кадастровая стоимость, то её автоматически проставляют), очистку от выбросов, т.е. удаление явно ложных или ошибочных значений, нормировку и т.д., данные операции являются стандартйыьл операциями по предобработке данных. Примерами преобразования данных в машиночитаемый формат является выявление наличия строительных котлованов’ по данным аэро- или космоснимках, наличия объектов, затянутых строительными сетками, по данным геопривязанных фотографических изображений или расшифровка площадей объектов из актов обследования, сохраненных в формате pdf, и т.д. Единый формат данных зависит от каждого отдельного признака. В примере выше описан признак наличия строительства. Для него единый формат — это значение 1 или 0. Также это может быть приведение к единой системе, например, метрической, - все значения площадей должны быть указаны в метрах. Through processing by algorithms from the module of the adaptive decision stack (I, 1), the initial data of users lead to a single format, fill in the gaps (for example, if the cadastral value is not indicated for a property, then it is automatically put down), clearing outliers, i.e. . removal of obviously false or erroneous values, normalization, etc., these operations are standard data preprocessing operations. Examples of converting data into a machine-readable format are the detection of the presence of construction pits’ according to aerial or satellite imagery, the presence of objects covered with construction grids, according to geo-referenced photographic images, or the interpretation of the areas of objects from survey reports saved in pdf format, etc. The uniform data format depends on each individual characteristic. In the example above, a sign of the presence of construction is described. For him, a single format is the value 1 or 0. It can also be a reduction to a single system, for example, metric - all area values \u200b\u200bmust be indicated in meters.
СНёДу'ё'т отметить, что один и тот же синтетический признак может быть получен из разных источников, но в интеллектуальной платформе это будет единый признак, который аккумулирует в себе все возможные источники данных. Например, признак «наличие строительства» может быть получен на основе автоматизированного распознавания данных панорам, аэро- или космоснимков, данных натурных обследований, анализа обращений граждан и т.д. Алгоритм проанализирует все представленные форматы данных и сохранит полученные значения в одном признаке. Такой подход, с одной стороны, позволяет использовать одну и ту же риск-модель на изначально разных исходных данных, с другой, создавать признаки, всесторонне описывающие изучаемые объекты. It should not be noted that the same synthetic feature can be obtained from different sources, but in an intelligent platform it will be a single feature that accumulates all possible data sources. For example, the sign "presence of construction" can be obtained on the basis of automated recognition of panorama data, aerial or space photographs, field survey data, analysis of citizens' appeals, etc. The algorithm will analyze all the presented data formats and store the resulting values in one attribute. This approach, on the one hand, allows using the same risk model on initially different initial data, on the other hand, creating features that comprehensively describe the objects under study.
Накопленный опыт использования различных видов исходных данных для определенных синтетических признаков позволяет в случае отсутствия у пользователя необходимых данных, предложить оптимальные для пользователя варианты их получения. Например, оптимальным вариантом, при отсутствии данных о фактическом использовании объектов недвижимости, может быть проведение геопривязанной фотографической съемки для дальнейшего автоматизированного распознавания фактического использования. The accumulated experience of using various types of initial data for certain synthetic features allows, if the user does not have the necessary data, to offer the best options for obtaining them for the user. For example, the best option, in the absence of data on the actual use of real estate, may be to conduct a georeferenced photographic survey for further automated recognition of actual use.
Модуль базы данных (11,2) хранит полученные, с помощью модуля стека адаптационных решений, синтетические признаки, а также позволяет добавлять синтетические признаки, созданные пользователем заранее, без применения алгоритмов модуля стека адаптационных решений. The database module (11,2) stores the synthetic features obtained using the adaptive decision stack module, and also allows you to add synthetic features created by the user in advance without using the algorithms of the adaptive decision stack module.
Модуль базы знаний (111,3) является основным модулем, содержащим алгоритмы построения риск-моделей, которые на основе анализа синтетических признаков прогнозируют вероятность наступления оцениваемых событий. Анализ синтетических признаков происходит на основе выбранного алгоритма построения риск-модели. Это может быть, Например, нейронная сеть, дерево решений, или любой другой алгоритм. Результат работы риск-модели может быть представлен в любой удобной форме, например, но не ограничиваясь, табличной форме, в виде картографического изображения, диаграмм и т.д. The knowledge base module (111,3) is the main module containing algorithms for building risk models that, based on the analysis of synthetic features, predict the probability of the estimated events. The analysis of synthetic features is based on the selected algorithm for building a risk model. It can be, for example, a neural network, a decision tree, or any other algorithm. The result of the risk model can be presented in any convenient form, for example, but not limited to tabular form, in the form of a cartographic image, charts, etc.
Ибпбльзуемые риск-модели постоянно стремятся к универсальности. В интеллектуальную платформу не загружаются риск-модели одной тематики, для каждого отдельного региона или органа исполнительной власти: одна тема - одна риск- модель с набором параметров (синтетических признаков). Такой подход обеспечивает отсутствие привязки интеллектуальной платформы к определенному городу или региону. Индивидуальный подход заложен внутри риск-модели и основывается на взаимосвязях’между синтетическими признаками. Кроме того, хотя и с меньшей долей достоверности, интеллектуальная платформа позволяет оценить риски наступления прогнозируемого события даже при отсутствии полного набора необходимых признаков. The risk models used are constantly striving for universality. Risk models of the same topic are not loaded into the intellectual platform for each individual region or executive authority: one topic - one risk model with a set of parameters (synthetic features). This approach ensures that the intellectual platform is not tied to a particular city or region. The individual approach is embedded within the risk model and is based on the relationships’ between synthetic features. In addition, although with a lesser degree of certainty, the intelligent platform makes it possible to assess the risks of a predicted event even in the absence of a complete set of necessary features.
База знаний, стек адаптационных решений и синтетические признаки, полученные на основе открытых данных и распространяемые разработчиками интеллектуальной платформы, доступны всем пользователям интеллектуальной платформы в виде микросервисов. В результате, несмотря на то что интеллектуальная платформа развернута на серверах пользователя, у нее есть доступ к актуальному, постоянно обновляемому набору риск-моделей и стеку адаптационных решений облачного центрального хранилища. The knowledge base, the stack of adaptive solutions and synthetic features obtained on the basis of open data and distributed by the developers of the smart platform are available to all users of the smart platform in the form of microservices. As a result, despite the fact that the intelligent platform is deployed on the user's servers, it has access to an up-to-date, constantly updated set of risk models and a stack of adaptive cloud central storage solutions.
Интеллектуальная платформа универсальна, механизмы информационного обмена, принятия и сопровождения решений унифицированы, что позволяет пользователям применять собственные алгоритмы обработки данных для создания синтетических признаков, которые в дальнейшем могут быть использованы в риск- моделях интеллектуальной платформы, которые находятся в облачном хранилище данных, или собственные риск-модели на основе синтетических признаков интеллектуальной платформы, которые находятся в облачном хранилище данных. Также интеллектуальная платформа может работать на алгоритмах и риск-моделях сторонних разработчиков (Pi , Р2, PN). The intellectual platform is universal, the mechanisms for information exchange, decision-making and maintenance are unified, which allows users to apply their own data processing algorithms to create synthetic features that can later be used in the risk models of an intelligent platform that are in the cloud data warehouse, or their own risk models based on synthetic features of the smart platform that are in the cloud data storage. Also, the intelligent platform can work on third-party algorithms and risk models (Pi, P2, PN).
Так как интеллектуальная платформа универсальна, то результаты работы риск- моделей можно использовать в качестве сигналов для запуска бизнес-процессов (БП) пользователей. Для этого пользователю необходимо настроить пограничные значения для ответов риск-модели и сопоставить эти значения с необходимыми действиями. Например, при обнаружении участков с незаконным строительством с вероятностью более 0,8 запускается процесс создания акта осмотра земельного участка с выявленными нарушениями, при вероятности 0,6-0, 8 - создается задание для инспектора обследовать земельный участок и т.д. При этом в интеллектуальной платформе Накапливается опыт ранжирования рисков и инициируемые вызовы бизнес- процессов, чтд Позволяет анализировать и улучшать работу риск-модели, а также предлагать пользователям возможные решения. Since the intelligent platform is universal, the results of risk models can be used as signals to launch business processes (BP) of users. To do this, the user needs to set the threshold values for the risk model responses and compare these values with the necessary actions. For example, when plots with illegal construction are found with a probability of more than 0.8, the process of creating an act of inspection of the land plot with identified violations is launched, with a probability of 0.6-0.8, a task is created for the inspector to inspect the land plot, etc. At the same time, the intelligent platform accumulates experience in risk ranking and initiated business process calls, which allows you to analyze and improve the operation of the risk model, as well as offer users possible solutions.
Далее рассмотрим пример работы предлагаемого решения. Next, consider an example of the work of the proposed solution.
Интеллектуальная платформа устанавливается в центре обработки данных (ЦОД) заказчика на его сервера и осуществляют настройку (выбор пути сохранения файлов, способ получения обновлений, права доступа к интеллектуальной платформе для пользователей) интеллектуальной платформы. The intelligent platform is installed in the data processing center (DPC) of the customer on its servers and the configuration (selection of the way to save files, method of obtaining updates, access rights to the intelligent platform for users) of the intelligent platform is carried out.
В пользовательском интерфейсе интеллектуальной платформы представлено описание всех доступных риск-моделей. Для каждой риск-модели указаны область применения, входные параметры - обязательные и необязательные синтетические признаки, и результаты работы риск-модели. Обязательными синтетическими признаками являются признаки, без которых расчет риск-модели нельзя провести, например, в случае определения незаконного увеличения площади земельного участка, обязательными признаками будут: учтенная площадь и наличие прав собственности. Необязательными синтетическими признаками являются признаки, без которых расчет риск-модели можно провести, однако они могут уточнить результаты работы риск-модели, например, в случае определения незаконного увеличения площади земельного участка, необязательным признаком будет информация о наличии обследования земельного участка инспектором. Для каждого синтетического признака указаны виды и форматы доступных для обработки источников. А также возможность получения признака из облачного центрального хранилища. The user interface of the smart platform provides a description of all available risk models. For each risk model, the scope, input parameters - mandatory and optional synthetic features, and the results of the risk model are indicated. Mandatory synthetic features are features without which the calculation of the risk model cannot be carried out, for example, in the case of determining an illegal increase in the area of a land plot, the mandatory features will be: the accounted area and the existence of property rights. Optional synthetic features are features without which the calculation of the risk model can be carried out, however, they can refine the results of the risk model, for example, in the case of determining an illegal increase in the area of a land plot, an optional feature will be information about the presence of an inspection of the land plot by an inspector. For every synthetic The attribute indicates the types and formats of sources available for processing. As well as the possibility of obtaining a feature from the cloud central storage.
Далее осуществляют выбор и настройку риск-модели. Next, the risk model is selected and adjusted.
Пользователь, с соответствующими правами доступа, отмечает одну или несколько риск-моделей, которые он планирует использовать. The user, with the appropriate access rights, marks one or more risk models that he plans to use.
В настройках выбранной модели необходимо заполнить входные и выходные параметры, указать регулярность обновления выбранных синтетических признаков и вычисление риск моделей. In the settings of the selected model, it is necessary to fill in the input and output parameters, specify the regularity of updating the selected synthetic features and calculate the risk of the models.
• Входные параметры. • Input parameters.
Для каждого входного параметра (синтетического признака) пользователь выбирает вид и формат источника данных и указывает путь к данным. For each input parameter (synthetic attribute), the user selects the type and format of the data source and specifies the path to the data.
В случае отсутствия у пользователя необходимых для создания синтетического признака исходных данных, пользователь может указать загрузку признака из облачного центрального хранилища (если признак доступен в Центральном хранилище), заказать данные для создания признака (например, заказать панорамную съемку города Для создания геопривязанных фотографических изображений, которые могут быть использованы для создания широко набора синтетических признаков) или пропустить прйзйак (если он не относится к числу обязательных). If the user does not have the initial data necessary to create a synthetic feature, the user can specify the loading of the feature from the cloud central storage (if the feature is available in the Central Storage), order data to create the feature (for example, order a panoramic survey of the city To create georeferenced photographic images that can be used to create a broad set of synthetic features) or omit the option (if it is not mandatory).
В том случае, когда у пользователя есть данные для создания признака, но в интеллектуальной платформе отсутствуют алгоритмы для обработки таких данных, пользователь может разработать алгоритм для обработки данных собственными силами и через интерфейс интеллектуальной платформы добавить его в локальный или облачный центральный стек адаптационных решений. В этом случае созданный алгоритм будет добавлен в облачное центральное хранилище и станет доступен всем пользователям интеллектуальной платформы в глобальном смысле. In the event that the user has data to create a feature, but there are no algorithms for processing such data in the intelligent platform, the user can develop an algorithm for processing data on their own and add it to the local or cloud central stack of adaptation solutions through the interface of the intelligent platform. In this case, the created algorithm will be added to the cloud central storage and will become available to all users of the intelligent platform in a global sense.
• Выходные параметры. • Output parameters.
Результаты вычисления риск-модели по умолчанию сохраняются в базу данных пользователя, которую указали при настройке интеллектуальной платформы. The results of the risk model calculation are saved by default to the user's database, which was specified when setting up the smart platform.
Пользователь может выбрать вид визуализации данных (например, но не ограничиваясь, таблица, диаграмма, картографическое изображение) и указать удобный ему формат для выгрузки данных (например, но не ограничиваясь, csv, txt, json, geojson и прочие) The user can choose the type of data visualization (for example, but not limited to, a table, chart, cartographic image) and specify a convenient format for uploading data (for example, but not limited to, csv, txt, json, geojson and others)
Кроме того, из описания риск-модели, пользователь имеет представления о диапазоне возвращаемых значений и их смысловой нагрузке и может назначить свой сценарий обработки ответов. Для этот пользователь указывает для каждого интересующего ответа или их наборов параметры собственных сервисов (например, параметры вызова сервиса отправки заказного письма и текст отправляемого письма). In addition, from the description of the risk model, the user has an idea about the range of returned values and their semantic load, and can assign his own scenario for processing responses. For this user specifies for each of the response of interest or their sets, parameters of their own services (for example, parameters for calling the service for sending a registered letter and the text of the sent letter).
• Обновления выбранных синтетических признаков. • Updates to selected synthetic features.
Для каждого признака можно указать регулярность обновления (например, еженедельно или при каждом обновлении исходных данных). Например, панорамная съемка города проводится 2 раза в год, значит перестроение признаков, полученных по данным этой съемки, будет происходить 2 раза в год. Данные о регистрации прав на объекты недвижимости могут обновляться ежедневно или по факту регистрации права. For each characteristic, you can specify the frequency of updates (for example, weekly or every time the source data is updated). For example, a panoramic survey of the city is carried out 2 times a year, which means that the rebuilding of features obtained from the data of this survey will occur 2 times a year. Data on registration of rights to real estate objects can be updated daily or upon registration of rights.
• Вычисления риск-модели. • Risk model calculations.
Риск-модель может быть рассчитана единоразово или с заданной регулярностью. The risk model can be calculated once or with a given regularity.
Далее осуществляют вычисление риск-модели и обработку результатов. Next, the risk model is calculated and the results are processed.
Через интерфейс интеллектуальной платформы пользователю доступна полная информация об этапах создания синтетических признаков (стадии выполнения, например, «построение», «сформирован», «ошибка построения» и т.д. В случае, если пользователь заказал исходные данные (например, панорамную съемку), будет указана информация о степени готовности данных), вычислении риск-модели и результатах обработки полученных ответов. Through the interface of the intelligent platform, the user has access to complete information about the stages of creating synthetic features (stages of execution, for example, "construction", "formed", "construction error", etc. In case the user ordered the initial data (for example, panoramic shooting) , information about the degree of data readiness will be indicated), the calculation of the risk model and the results of processing the received answers.
Надо отметить, что первый запуск риск-модели, когда синтетические признаки еще не рассчитаны может занять длительное время. Но в дальнейшем, когда большая часть признаков уже рассчитана скорость вычисления риск-модели будет увеличена в разы. It should be noted that the first launch of the risk model, when synthetic indicators have not yet been calculated, may take a long time. But in the future, when most of the signs have already been calculated, the speed of calculating the risk model will be increased significantly.
После завершения вычисления риск-модели пользователь может настроить или уточнить сценарий обработки данных и запустить собственные бизнес-процессы, для анализа результатов расчета риск-моделей. Например, в результате расчета риск- модели была выявлена вероятность незаконного увеличения площади земельного участка. Дальше алгоритм для разных диапазонов вероятности вызывает разные бизнес-процессы: например, при вероятности незаконного увеличения площади земельного участка более 0,8 составляется акт и направляется извещение собственнику участка, при вероятности 0,6-0, 8 инициируется проверка - ставится задание инспектору, при вероятности 0,5 - 0,6, участок добавляется в план проверок и т.д. After the calculation of the risk model is completed, the user can set up or refine the data processing scenario and run their own business processes to analyze the results of the calculation of risk models. For example, as a result of calculating the risk model, the probability of an illegal increase in the area of a land plot was revealed. Further, the algorithm for different probability ranges causes different business processes: for example, if the probability of an illegal increase in the area of a land plot is more than 0.8, an act is drawn up and a notice is sent to the owner of the site, with a probability of 0.6-0.8, a check is initiated - a task is set for the inspector, with probabilities 0.5 - 0.6, the site is added to the inspection plan, etc.
На Фиг. 2 далее будет представлена общая схема вычислительного устройства (200), обеспечивающего обработку данных, необходимую для реализации заявленного решения. В общем случае устройство (200) содержит такие компоненты, как: один или более процессоров (201), по меньшей мере одну память (202), средство хранения данных (203), интерфейсы ввода/вывода (204), средство В/В (205), средства сетевого взаимодействия (206). On FIG. 2 will now present a general diagram of a computing device (200) that provides the data processing necessary to implement the claimed solution. In general, the device (200) contains components such as: one or more processors (201), at least one memory (202), data storage (203), input/output interfaces (204), I/O ( 205), networking tools (206).
Процессор (201) устройства выполняет основные вычислительные операции, необходимые для функционирования устройства (200) или функциональности одного или более его компонентов. Процессор (201) исполняет необходимые машиночитаемые команды, содержащиеся в оперативной памяти (202). The processor (201) of the device performs the basic computing operations necessary for the operation of the device (200) or the functionality of one or more of its components. The processor (201) executes the necessary machine-readable instructions contained in the main memory (202).
Память (202), как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал. The memory (202) is typically in the form of RAM and contains the necessary software logic to provide the desired functionality.
Средство хранения данных (203) может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти, оптических накопителей информации (CD, DVD, MD, Blue-Ray дисков) и т.п. Средство (203) позволяет выполнять долгосрочное хранение различного вида информации, например, вышеупомянутых файлов с наборами данных пользователей, базы данных, содержащих записи измеренных для каждого пользователя временных интервалов, идентификаторов пользователей и т.п. The data storage means (203) can be in the form of HDD, SSD disks, raid array, network storage, flash memory, optical information storage devices (CD, DVD, MD, Blue-Ray disks), etc. The means (203) allows long-term storage of various types of information, for example, the above-mentioned files with user data sets, a database containing records of time intervals measured for each user, user identifiers, etc.
Интерфейсы (204) представляют собой стандартные средства для подключения и работы с серверной частью, например, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire и т.п. Interfaces (204) are standard means for connecting and working with the server part, for example, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire, etc.
Выбор интерфейсов (204) зависит от конкретного исполнения устройства (200), которое может представлять собой персональный компьютер, мейнфрейм, серверный кластер, тонкий клиент, смартфон, ноутбук и т.п. The choice of interfaces (204) depends on the specific implementation of the device (200), which can be a personal computer, mainframe, server cluster, thin client, smartphone, laptop, and the like.
В качестве средств В/В данных (205) в любом воплощении системы, реализующей описываемый способ, должна использоваться клавиатура. Аппаратное исполнение клавиатуры может быть любым известным: это может быть, как встроенная клавиатура, используемая на ноутбуке или нетбуке, так и обособленное устройство, подключенное к настольному компьютеру, серверу или иному компьютерному устройству. Подключение при этом может быть, как проводным, при котором соединительный кабель клавиатуры подключен к порту PS/2 или USB, расположенному на системном блоке настольного компьютера, так и беспроводным, при котором клавиатура осуществляет обмен данными по каналу беспроводной связи, например, радиоканалу, с базовой станцией, которая, в свою очередь, непосредственно подключена к системному блоку, например, к одному из USB-портов. Помимо клавиатуры, в составе средств В/В данных также может использоваться: джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п. As means of I/O data (205) in any embodiment of the system that implements the described method, the keyboard must be used. The keyboard hardware can be any known: it can be either a built-in keyboard used on a laptop or netbook, or a separate device connected to a desktop computer, server, or other computer device. In this case, the connection can be either wired, in which the keyboard connection cable is connected to the PS / 2 or USB port located on the system unit of the desktop computer, or wireless, in which the keyboard exchanges data via a wireless communication channel, for example, a radio channel, with base station, which, in turn, is directly connected to the system unit, for example, to one of the USB ports. In addition to the keyboard, data I/O can also include: joystick, display (touch screen), projector, touchpad, mouse, trackball, light pen, speakers, microphone, etc.
Средства сетевого взаимодействия (206) выбираются из устройства, обеспечивающий сетевой прием и передачу данных, например, Ethernet карту, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM модем и т.п. С помощью средств (205) обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN или GSM. Means of network interaction (206) are selected from a device that provides network data reception and transmission, for example, an Ethernet card, WLAN/Wi-Fi module, Bluetooth module, BLE module, NFC module, IrDa, RFID module, GSM modem, etc. With the help of means (205) the organization of data exchange over a wired or wireless data transmission channel, for example, WAN, PAN, LAN (LAN), Intranet, Internet, WLAN, WMAN or GSM, is provided.
Компоненты устройства (200) сопряжены посредством общей шины передачи данных (210). The components of the device (200) are connected via a common data bus (210).
В настоящих материалах заявки было представлено предпочтительное раскрытие осуществление заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объема правовой охраны и являются очевидными для специалистов в соответствующей области техники. In these application materials, a preferred disclosure of the implementation of the claimed technical solution was presented, which should not be used as limiting other, private embodiments of its implementation, which do not go beyond the requested scope of legal protection and are obvious to specialists in the relevant field of technology.

Claims

Формула Formula
1. Облачная интеллектуальная платформа принятия решений для целей управления городским недвижимым имуществом, содержащая: 1. Cloud-based intelligent decision-making platform for the management of urban real estate, containing:
Облачное центральное хранилище, включающее: модуль стека адаптационных решений, содержащий алгоритмы для обработки разноформатных данных и анализа результатов расчета риск-моделей; модуль базы данных, содержащий синтетические признаки; модуль базы знаний, содержащий алгоритмы построения риск-моделей; Cloud-based central storage, including: a module of the adaptive solutions stack containing algorithms for processing multi-format data and analyzing the results of calculating risk models; a database module containing synthetic features; knowledge base module containing algorithms for building risk models;
Локальный центр обработки данных, расположенный на сервере заказчика включающий: модуль стека адаптационных решений, содержащий алгоритмы обработки разноформатных данных и анализа результатов расчета риск-моделей, и вызова бизнес- процессов пользователями; модуль базы данных, содержащий синтетические признаки пользователя; модуль базы знаний, содержащий алгоритмы построения риск-моделей пользователя; модуль, базы данных, содержащий результаты расчета риск-моделей. Local data processing center located on the customer's server, including: a module of the adaptive solutions stack containing algorithms for processing multi-format data and analyzing the results of calculating risk models, and calling business processes by users; a database module containing synthetic features of the user; knowledge base module containing algorithms for building user risk models; module, database, containing the results of calculation of risk models.
2. Платформа по п. 1 , отличающая тем, что локальный центр обработки данных, размещенный на сервере пользователя имеет доступ к облачному центральному хранилищу. 2. The platform according to claim 1, characterized in that the local data center hosted on the user's server has access to the cloud central storage.
3. Платформа по п.1 , отличающаяся тем, что облачное центральное хранилище, выполнено с возможностью актуализации. 3. The platform according to claim 1, characterized in that the cloud central storage is made with the possibility of updating.
4. Платформа по п.З, отличающаяся тем, что актуализация облачного центрального хранилища происходит в части обновления алгоритмов обработки данных, а именно появляются алгоритмы обработки новых типов данных и модернизируются ранее разработанные .алгоритмы. 4. Platform according to Clause 3, characterized in that the cloud central storage is updated in terms of updating data processing algorithms, namely, algorithms for processing new types of data appear and previously developed algorithms are modernized.
5. Платформа по п.З, отличающаяся тем, что актуализация облачного центрального хранилища происходит в части обновления базы данных синтетических признаков, а именно обновляются ранее созданные синтетические признаки и создаются новые наборы синтетических признаков. 5. Platform according to Clause 3, characterized in that the cloud central storage is updated in terms of updating the database of synthetic features, namely, previously created synthetic features are updated and new sets of synthetic features are created.
6. Платформа по п.З, отличающаяся тем, что актуализация облачного центрального хранилища происходит в части обновления риск-моделей, а именно обновляются ранее созданные риск-модели и создаются новые риск-ориентированные алгоритмы. 6. Platform according to Clause 3, characterized in that the cloud central storage is updated in terms of updating risk models, namely, previously created risk models are updated and new risk-based algorithms are created.
7. Платформа по п.З, отличающаяся тем, что актуализация облачного центрального хранилища происходит в части обновления алгоритмов обработки результатов расчетов риск-моделей, а именно обновляются ранее созданные алгоритмы и разрабатываются новые алгоритмы. 7. The platform according to clause 3, characterized in that the cloud central storage is updated in terms of updating the algorithms for processing the results of risk model calculations, namely, previously created algorithms are updated and new algorithms are developed.
8. Платформа по п.З, отличающаяся тем, что актуализация облачного центрального хранилища осуществляется разработчиками платформы. 8. Platform according to Clause 3, characterized in that the cloud central storage is updated by the platform developers.
9. Платформа по п.З, отличающаяся тем, что актуализация облачного центрального хранилища осуществляется сторонними разработчиками. 9. Platform according to Clause 3, characterized in that the cloud central storage is updated by third-party developers.
1Q. Платформа по п.З, отличающаяся тем, что актуализация облачного центрального хранилища осуществляется пользователем платформы. 1Q. Platform according to Clause 3, characterized in that the cloud central storage is updated by the platform user.
11. Платформа по п.1 , отличающаяся тем, что стек адаптационных решений выполнен с возможностью преобразования разноформатных данных пользователей в наборы универсальных синтетических признаков. 11. The platform according to claim 1, characterized in that the stack of adaptation solutions is configured to convert user data of different formats into sets of universal synthetic features.
12. Платформа по п.1, отличающая тем, что результаты расчета риск-модели могут использоваться в качестве синтетических признаков. 12. The platform according to claim 1, characterized in that the results of the calculation of the risk model can be used as synthetic features.
13. Платформа по п. 1 , отличающая тем, что результаты расчета риск-модели могут быть представлены в по меньшей мере табличной, графической, картографической форме. 13. The platform according to claim 1, characterized in that the results of the calculation of the risk model can be presented in at least tabular, graphic, cartographic form.
14. Платформа по п.1 , отличающая тем, что алгоритмы анализа результатов расчета риск-моделей могут вызывать бизнес-процессы пользователей платформы. 14. The platform according to claim 1, characterized in that the algorithms for analyzing the results of calculating risk models can call the business processes of platform users.
15. Платформа по п.1 , отличающая тем, что модули локального центра обработки данных, размещенные на серверах пользователя могут дополняться или замещаться пользовательскими алгоритмами и наборами синтетических признаков.
Figure imgf000017_0001
15. The platform according to claim 1, characterized in that the modules of the local data center hosted on the user's servers can be supplemented or replaced by custom algorithms and sets of synthetic features.
Figure imgf000017_0001
PCT/RU2021/000024 2020-12-30 2021-01-22 Cloud platform for managing municipal immovable property WO2022146170A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
RU2020144119A RU2779711C2 (en) 2020-12-30 Smart platform for analytical processing of multi-format data
RU2020144119 2020-12-30

Publications (1)

Publication Number Publication Date
WO2022146170A1 true WO2022146170A1 (en) 2022-07-07

Family

ID=82260944

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2021/000024 WO2022146170A1 (en) 2020-12-30 2021-01-22 Cloud platform for managing municipal immovable property

Country Status (1)

Country Link
WO (1) WO2022146170A1 (en)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9536148B2 (en) * 2013-09-27 2017-01-03 Real Data Guru, Inc. Property assessment and prospecting tool
US10210577B1 (en) * 2015-04-17 2019-02-19 State Farm Mutual Automobile Insurance Company Electronic device data capture for property insurance quotes
WO2019191329A1 (en) * 2018-03-28 2019-10-03 Betterview Marketplace, Inc. Property investigation system and method
US10572947B1 (en) * 2014-09-05 2020-02-25 Allstate Insurance Company Adaptable property inspection model
US20200104941A1 (en) * 2013-07-16 2020-04-02 Esurance Insurance Services, Inc. Property inspection using aerial imagery
US20200143212A1 (en) * 2016-09-23 2020-05-07 Aon Benfield Inc. Platform, Systems, and Methods for Identifying Property Characteristics and Property Feature Conditions Through Aerial Imagery Analysis

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200104941A1 (en) * 2013-07-16 2020-04-02 Esurance Insurance Services, Inc. Property inspection using aerial imagery
US9536148B2 (en) * 2013-09-27 2017-01-03 Real Data Guru, Inc. Property assessment and prospecting tool
US10572947B1 (en) * 2014-09-05 2020-02-25 Allstate Insurance Company Adaptable property inspection model
US10210577B1 (en) * 2015-04-17 2019-02-19 State Farm Mutual Automobile Insurance Company Electronic device data capture for property insurance quotes
US20200143212A1 (en) * 2016-09-23 2020-05-07 Aon Benfield Inc. Platform, Systems, and Methods for Identifying Property Characteristics and Property Feature Conditions Through Aerial Imagery Analysis
WO2019191329A1 (en) * 2018-03-28 2019-10-03 Betterview Marketplace, Inc. Property investigation system and method

Similar Documents

Publication Publication Date Title
US11823109B2 (en) System and method for evaluating images to support multiple risk applications
US20220406012A1 (en) Systems and methods for controlling a fleet of drones for data collection
US10909647B2 (en) Damage data propagation in predictor of structural damage
JP2021534483A (en) Machine learning systems and methods to determine the reliability level of personal information survey results
US11887195B1 (en) Catastrophe resource system
US11367053B2 (en) System and method for damage assessment and restoration
US20150134384A1 (en) System and method for allocating resources
US20230039044A1 (en) Automatic assignment of locations to mobile units via a back-end application computer server
US11704731B2 (en) Processing system to generate risk scores for electronic records
US11074658B1 (en) Intelligent methods of inspection for property and casualty insurance claims
CN112118551B (en) Equipment risk identification method and related equipment
US11675750B2 (en) User generated tag collection system and method
US11004001B1 (en) Analysis of structural-damage predictions caused by an earthquake to identify areas with high damage levels
CN114503139A (en) Systems, methods, and platforms for performing multi-level catastrophic risk exposure analysis on a portfolio
US20200074559A1 (en) System and a method for computing infrastructural damages
US10453147B1 (en) Methods and systems to generate property insurance data based on aerial images
EP4002905A1 (en) 5g-iot intelligent trust enabler system
US20190147538A1 (en) Cognitive approach to identifying environmental risk from incomplete telematics data and claim data
US20200294154A1 (en) Apparatus, systems, and methods for weather event mobilization and response
Gao et al. Leveraging high-resolution weather information to predict hail damage claims: A spatial point process for replicated point patterns
CN111433769A (en) Platform for autonomous management of risk transfers
RU2779711C2 (en) Smart platform for analytical processing of multi-format data
WO2022146170A1 (en) Cloud platform for managing municipal immovable property
US20220156655A1 (en) Systems and methods for automated document review
US20180029092A1 (en) Real-time configuration of instrumentation

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21915920

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21915920

Country of ref document: EP

Kind code of ref document: A1