一种应用城市超脑的智能社区软环境配置系统和方法技术方案

本申请实施例提供一种应用城市超脑的智能社区软环境配置系统，包括：数据获取模块，用于获取当前社区的动态指标数据；数据模糊量化模块，用于对所述动态指标数据进行模糊量化，确定每个类型的动态指标对应的归类集合；社区动态向量生成模块，用于根据每个类型的动态指标对应的归类集合生成当前社区的社区动态向量；社区发展状态参数确定模块，用于利用预先训练的神经网络模型对所述社区动态向量与社区发展状态参数的关联关系进行学习仿真，并输入当前社区的所述社区动态向量，根据所述神经网络模型的输出结果确定当前社区的社区发展状态参数。本申请实施例的应用城市超脑的智能社区软环境配置系统和方法，能够准确有效地对社区软环境的资源进行配置，从而有利于智能社区的构建和发展。

A Soft Environment Configuration System for Intelligent Community Based on Urban Hyperbrain

The embodiment of this application provides an intelligent community soft environment configuration system using urban hyperbrains, which includes: data acquisition module for acquiring dynamic index data of the current community; data fuzzy quantization module for fuzzy quantification of the dynamic index data to determine the classification set corresponding to each type of dynamic index; and community dynamic vector generation module for according to the dynamic index data. The classification set corresponding to each type of dynamic index generates the community dynamic vector of the current community; the community development state parameter determination module is used to learn and simulate the relationship between the community dynamic vector and the community development state parameter by using the pre-trained neural network model, and input the community dynamic vector of the current community, according to the neural network model. The output results determine the current community development parameters. The application of the urban hyperbrain intelligent community soft environment configuration system and method in the embodiment of this application can accurately and effectively allocate the resources of the community soft environment, which is conducive to the construction and development of the intelligent community.

【技术实现步骤摘要】
一种应用城市超脑的智能社区软环境配置系统和方法
本申请涉及用于智能社区的大数据
，尤其涉及一种应用城市超脑的智能社区软环境配置系统和方法。
技术介绍
社区软环境指的是面向大中型的单一社区或者社区群落所配置的政府公共服务、医疗、安保、教育、餐饮、物业、保洁、家政、水电通信银行网点等人力和服务资源，从而为社区居民创造安全、便捷、健康的生活居住环境。社区软环境的营造涉及到以上各种类型的人力、服务资源的配置问题。需要研究为社区配置多少资源最为合适，从而避免资源配置不足或者资源闲置。在社区软环境的资源配置过程中，需要结合社区的人口动态大数据、经济动态大数据、健康医疗记录大数据、治安环境大数据、就学入园登记大数据、水电消费量大数据、通信量大数据、车辆保有量大数据等进行分析，评估和预期未来一段时间社区发展状态参数，并基于该社区发展状态参数与各种人力服务资源的量化对应关系，预估对各种资源的需求量，然后根据需求量进行资源配置。然而，以上人口、经济、消费、通信、车辆、教育、治安、健康等方面的直接数据，与社区未来一段时间的软环境资源之间的相互关系是客观，但同时也是隐性的，难以在以上多方面数据值的基础上依据任何直接的量化关系而直接推导出社区软环境资源的需求。因此在现有技术中，即便利用多方面的数据源采集了上述大数据资源，也缺乏准确有效的社区软环境的资源配置方法，不利于智能社区的构建和发展。另外，以上多方面大数据的采集、存储特别是分析演算，需要具有强大软硬件处理能力的平台执行，现有技术中缺乏实现这方面功能的设施平台。近年来，“城市超脑”的概念不断得到业界的关注。所谓“超脑”就是一个硬件计算性能强大、具有多源头的大数据资源且软件配置支持人工智能分析复杂算法的大型计算机系统。而“城市超脑”则是基于互联网和物联网的基础设施，汇聚城市相关的时间和空间相关数据，利用人工智能技术发掘数据之间的关联关系，实现全局性模拟仿真，从而虚拟和预测城市发展预期状态，为城市规划布局提供信息化指导与参考。“城市超脑”的概念为城市公共资源优化配置、社会管理精细化、居民生活状态提升和节能环保持续性发展提供了有力的切入点，但是，目前尚未出现“城市超脑”相关的实际平台完成设计和投入应用，特别是并没有基于“城市超脑”技术面向社区实现软环境资源配置优化的技术方案。
技术实现思路
有鉴于此，本申请的目的在于提出一种应用城市超脑的智能社区软环境配置系统和方法，其运用“城市超脑”的软硬件平台架构，在多源头大数据的基础上，运用人工智能分析的方式，来准确预测社区未来发展状态，并基于预测有效地对社区软环境的资源进行配置，从而有利于智能社区的构建和发展。基于上述目的，在本申请的第一个方面，提出了一种应用城市超脑的智能社区软环境配置系统，其特征在于，包括：数据获取模块，用于从多个目标数据源获取历史预设时间段内与当前社区相关联的对应的动态指标数据；数据模糊量化模块，用于对每个类型的所述动态指标数据进行模糊量化，确定每个类型的动态指标对应的归类集合，所述归类集合包括对应的类别以及该类别对应的置信度；社区动态向量生成模块，用于根据每个类型的动态指标对应的归类集合生成当前社区的社区动态向量；社区发展状态参数确定模块，用于利用预先训练的神经网络模型对所述社区动态向量与社区发展状态参数的关联关系进行学习仿真，并输入当前社区的所述社区动态向量，根据所述神经网络模型的输出结果确定当前社区的社区发展状态参数。在一些实施例中，所述数据获取模块包括：人口动态大数据获取单元，用于获取当前社区的人口动态大数据；经济动态大数据获取单元，用于获取当前社区的经济动态大数据；健康医疗记录大数据获取单元，用于获取当前社区的健康医疗记录大数据；治安环境大数据获取单元，用于获取当前社区的治安环境大数据；就学入园登记大数据获取单元，用于获取当前社区的就学入园登记大数据；水电消费量大数据获取单元，用于获取当前社区的水电消费量大数据；通信量大数获取单元，用于获取当前社区的通信量大数据；车辆保有量大数据获取单元，用于获取当前社区的车辆保有量大数据。在一些实施例中，所述人口动态大数据包括人口数量变化率、人口性别比例和人口各年龄段占比；所述经济动态大数据包括房价变化率、房屋成交量、租金变化率、租房成交量和社区商品销售总营业额变化率；所述健康医疗记录大数据包括多种疾病的发病率；所述治安环境大数据包括报案变化率，流动人口占比率、重点监控人员占比率；所述就学入园登记大数据包括就学变化率、入园变化率；所述水电消费量大数据包括水资源消耗变化率和电力消耗变化率；所述通信量大数据包括通信量变化率；所述车辆保有量大数据包括社区业主车辆变化率和社区流动车辆变化率。在一些实施例中，所述数据模糊量化模块具体用于：通过查找预先定义的映射表，确定所述每个类型的动态指标对应的类别以及该类别对应的置信度，将多个所述对应的类别以及该类别对应的置信度整合成归类集合。在一些实施例中，所述数据模糊量化模块，包括存储单元，所述存储单元用于存储预先定义的映射表。在一些实施例中，所述社区动态向量生成模块，具体用于：将每个类型的动态指标对应的归类集合中的每个归类类别作为一个向量维度，该归类类别对应的置信度作为该向量维度的取值，生成当前社区的社区动态向量。在一些实施例中，所述预先训练的神经网络模型是通过以下方式训练得到的：将大量的已知的社区动态向量作将为输入，将已知的样本社区动态向量及对应的社区发展状态参数作为输出，并利用反向传播传播算法根据已知的社区发展状态参数对被训练神经网络模型的各层的参数进行修正，直到输出的结果与已知的社区发展状态参数的匹配度满足预设条件。在一些实施例中，还包括：数据发送模块，用于将所述当前社区的社区发展状态参数发送至对应的管理部门。基于上述目的，在本申请的第二个方面，提出了一种应用城市超脑的智能社区软环境配置方法，包括：从多个目标数据源获取历史预设时间段内与当前社区相关联的对应的动态指标数据；对每个类型的所述动态指标数据进行模糊量化，确定每个类型的动态指标对应的归类集合，所述归类集合包括对应的类别以及该类别对应的置信度；根据每个类型的动态指标对应的归类集合生成当前社区的社区动态向量；利用预先训练的神经网络模型对所述社区动态向量与社区发展状态参数的关联关系进行学习仿真，并输入当前社区的所述社区动态向量，根据所述神经网络模型的输出结果确定当前社区的社区发展状态参数。在一些实施例中，还包括：将所述当前社区的社区发展状态参数发送至对应的管理部门。本申请实施例提供一种应用城市超脑的智能社区软环境配置系统和方法，其中系统包括：数据获取模块，用于从多个目标数据源获取历史预设时间段内与当前社区相关联的对应的动态指标数据；数据模糊量化模块，用于对每个类型的所述动态指标数据进行模糊量化，确定每个类型的动态指标对应的归类集合，所述归类集合包括对应的类别以及该类别对应的置信度；社区动态向量生成模块，用于根据每个类型的动态指标对应的归类集合生成当前社区的社区动态向量；社区发展状态参数确定模块，用于利用预先训练的神经网络模型对所述社区动态向量与社区发展状态参数的关联关系进行学习仿真，并输入当前社区的所述社区动态向量，根据所述神经网络模型的输出结果确定当前社区的社区发展本文档来自技高网...

【技术保护点】
1.一种应用城市超脑的智能社区软环境配置系统，其特征在于，包括：数据获取模块，用于从多个目标数据源获取历史预设时间段内与当前社区相关联的对应的动态指标数据；数据模糊量化模块，用于对每个类型的所述动态指标数据进行模糊量化，确定每个类型的动态指标对应的归类集合，所述归类集合包括对应的类别以及该类别对应的置信度；社区动态向量生成模块，用于根据每个类型的动态指标对应的归类集合生成当前社区的社区动态向量；社区发展状态参数确定模块，用于利用预先训练的神经网络模型对所述社区动态向量与社区发展状态参数的关联关系进行学习仿真，并输入当前社区的所述社区动态向量，根据所述神经网络模型的输出结果确定当前社区的社区发展状态参数。

【技术特征摘要】
1.一种应用城市超脑的智能社区软环境配置系统，其特征在于，包括：数据获取模块，用于从多个目标数据源获取历史预设时间段内与当前社区相关联的对应的动态指标数据；数据模糊量化模块，用于对每个类型的所述动态指标数据进行模糊量化，确定每个类型的动态指标对应的归类集合，所述归类集合包括对应的类别以及该类别对应的置信度；社区动态向量生成模块，用于根据每个类型的动态指标对应的归类集合生成当前社区的社区动态向量；社区发展状态参数确定模块，用于利用预先训练的神经网络模型对所述社区动态向量与社区发展状态参数的关联关系进行学习仿真，并输入当前社区的所述社区动态向量，根据所述神经网络模型的输出结果确定当前社区的社区发展状态参数。2.根据权利要求1所述的系统，其特征在于，所述数据获取模块包括：人口动态大数据获取单元，用于获取当前社区的人口动态大数据；经济动态大数据获取单元，用于获取当前社区的经济动态大数据；健康医疗记录大数据获取单元，用于获取当前社区的健康医疗记录大数据；治安环境大数据获取单元，用于获取当前社区的治安环境大数据；就学入园登记大数据获取单元，用于获取当前社区的就学入园登记大数据；水电消费量大数据获取单元，用于获取当前社区的水电消费量大数据；通信量大数获取单元，用于获取当前社区的通信量大数据；车辆保有量大数据获取单元，用于获取当前社区的车辆保有量大数据。3.根据权利要求2所述的系统，其特征在于，所述人口动态大数据包括人口数量变化率、人口性别比例和人口各年龄段占比；所述经济动态大数据包括房价变化率、房屋成交量、租金变化率、租房成交量和社区商品销售总营业额变化率；所述健康医疗记录大数据包括多种疾病的发病率；所述治安环境大数据包括报案变化率，流动人口占比率、重点监控人员占比率；所述就学入园登记大数据包括就学变化率、入园变化率；所述水电消费量大数据包括水资源消耗变化率和电力消耗变化率；所述通信量大数据包括通信量变化率；所述车辆保有量大数据包括社区业主车辆...

【专利技术属性】
技术研发人员：徐超，谢君，
申请(专利权)人：特斯联北京科技有限公司，光控特斯联上海信息科技有限公司，
类型：发明
国别省市：北京,11