群租房识别方法及系统及存储介质技术方案

技术编号:24855582 阅读:45 留言:0更新日期:2020-07-10 19:08
本申请涉及一种群租房识别方法,获取待识别房屋业务数据,可以具体到每户进行识别。获取的待识别房屋业务数据包括:房屋用水量数据,房屋用电量数据,房屋用气量数据和房屋建筑面积数据,在识别时还考虑了房屋建筑面积数据,识别准确率更高。本申请中,预先构建了群租识别模型,根据待识别房屋的业务数据,基于预先构建的群租识别模型,得到待识别房屋的类别数据,待识别房屋的类别数据包括:群租和非群租。根据待识别房屋业务数据,通过预先训练好的群租识别模型对待识别房屋的类别进行识别,相较于仅通过分析水电气使用数据的异常情况来识别房屋类别,准确率更高,不容易对水电气用量大户进行误识别。

【技术实现步骤摘要】
群租房识别方法及系统及存储介质
本申请涉及社区管理
,尤其涉及一种群租房识别方法及系统及存储介质。
技术介绍
群租房屋识别是社会治理中社区管理的重要保障之一,群租房屋识别可以帮助物业管理部门及时准确识别潜在群租房屋并予以管理,降低群租房导致的消防安全、邻里矛盾风险等问题。现有的群租房屋识别方法有以下两种。一种群租房屋识别方法是在门口安装人体感应器,统计进出人数,计算居住人数,来判断是否是群租房,但是如果要达到监控一座城市的住房是否为群租房的目标,那么每一个房屋都需要安装人体感应设备,安装运营成本过高,且房主不一定同意。另有一种群租房屋识别方法是统计小区单元水电气使用数据,对统计指标或分布区间异常的小区单元进行预警,通过分析水电气使用数据的异常情况,来识别房屋类型,实现成本较低,但具有以下几个缺点:该方法统计水电气使用总量作为识别依据,但水电气使用量较少的群租户则难以识别出,且容易对水电气用量大户误识别,群租只能识别到小区单元,不能识别到具体的群租房屋,且该方法没有考虑房屋面积不同,承载人口数量不同,群租预警阈值也会不同,该方法不具有普适性。
技术实现思路
为至少在一定程度上克服相关技术中存在的问题,本申请提供一种群租房识别方法及系统及存储介质。本申请的方案如下:根据本申请实施例的第一方面,提供一种群租房识别方法,包括:获取待识别房屋业务数据,所述待识别房屋业务数据包括:房屋用水量数据,房屋用电量数据,房屋用气量数据和房屋建筑面积数据;根据所述待识别房屋的业务数据,基于预先构建的群租识别模型,得到待识别房屋的类别数据,所述待识别房屋的类别数据包括:群租和非群租。优选地,在本申请一种可实现的方式中,还包括:从预先建立的动态数据池中获取房屋历史数据作为样本数据,所述房屋历史数据包括:房屋历史类别数据,以及所述房屋历史类别数据对应的房屋历史业务数据;所述房屋历史业务数据包括:房屋历史用水量数据,房屋历史用电量数据,房屋历史用气量数据和房屋历史建筑面积数据;计算群租房屋历史类别和非群租房屋历史类别的先验概率;计算所述房屋历史用水量数据,房屋历史用电量数据,房屋历史用气量数据和房屋历史建筑面积数据的先验概率;分别计算所述房屋历史用水量数据,房屋历史用电量数据,房屋历史用气量数据和房屋历史建筑面积数据在群租房屋历史类别条件下和非群租房屋历史类别条件下的条件概率;根据房屋历史类别数据的先验概率,房屋历史业务数据的先验概率,以及房屋历史业务数据在群租房屋历史类别条件下和非群租房屋历史类别条件下的条件概率,建立群租识别模型。优选地,在本申请一种可实现的方式中,所述根据所述待识别房屋的业务数据,基于预先构建的群租识别模型,得到待识别房屋的类别,具体包括:根据所述待识别房屋的业务数据,所述房屋历史类别数据的先验概率,房屋历史业务数据的先验概率,以及房屋历史业务数据在群租房屋历史类别条件下和非群租房屋历史类别条件下的条件概率,计算所述待识别房屋的群租类别后验概率和非群租类别后验概率;在所述待识别房屋的群租类别后验概率大于非群租类别后验概率时,输出所述待识别房屋的类别为群租类别;在所述待识别房屋的非群租类别后验概率大于等于群租类别后验概率时,输出所述待识别房屋的类别为非群租类别。优选地,在本申请一种可实现的方式中,还包括:验证所述待识别房屋的类别,得到所述待识别房屋的类别数据;将验证后的所述待识别房屋的类别数据和业务数据作为房屋历史数据加入所述动态数据池;在确定循环进行时,将动态数据池中的全部数据作为下次建立群租识别模型时的房屋历史数据。优选地,在本申请一种可实现的方式中,还包括:将所述动态数据池中存储时间超过预设时间值的房屋历史数据剔除。优选地,在本申请一种可实现的方式中,还包括:对所述待识别房屋业务数据进行预处理,具体包括:判断所述待识别房屋业务数据是否出现缺失值,若所述待识别房屋业务数据出现缺失值,获取所述待识别房屋同楼层的房屋业务数据平均值,采用所述平均值填补所述缺失值;判断所述待识别房屋业务数据是否出现异常值,若所述待识别房屋业务数据出现异常值,获取所述待识别房屋同楼层的房屋业务数据平均值,采用所述平均值替换所述异常值。优选地,在本申请一种可实现的方式中,所述获取待识别房屋业务数据,具体包括:周期性的获取待识别房屋业务数据;所述周期具体为日,或周,或月。优选地,在本申请一种可实现的方式中,所述群租识别模型基于高斯朴素贝叶斯分类算法进行计算。根据本申请实施例的第二方面,提供一种群租房识别系统,包括:处理器和存储器;所述处理器与存储器通过通信总线相连接:其中,所述处理器,用于调用并执行所述存储器中存储的程序;所述存储器,用于存储程序,所述程序至少用于执行以上任一项所述的群租房识别方法。根据本申请实施例的第三方面,提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如以上任一项所述的群租房识别方法。本申请提供的技术方案可以包括以下有益效果:本申请中的群租房识别方法,获取待识别房屋业务数据,可以具体到每户进行识别。获取的待识别房屋业务数据包括:房屋用水量数据,房屋用电量数据,房屋用气量数据和房屋建筑面积数据,在识别时还考虑了房屋建筑面积数据,识别准确率更高。本申请中,预先构建了群租识别模型,根据待识别房屋的业务数据,基于预先构建的群租识别模型,得到待识别房屋的类别数据,待识别房屋的类别数据包括:群租和非群租。根据待识别房屋业务数据,通过预先训练好的群租识别模型对待识别房屋的类别进行识别,相较于仅通过分析水电气使用数据的异常情况来识别房屋类别,准确率更高,不容易对水电气用量大户进行误识别。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。附图说明此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。图1是本申请一个实施例提供的一种群租房识别方法的流程示意图;图2是本申请一个实施例提供的一种群租房识别方法中建立群租识别模型的流程示意图;图3是本申请一个实施例提供的一种群租房识别方法中基于预先构建的群租识别模型得到待识别房屋的类别的流程示意图;图4是本申请一个实施例提供的另一种群租房识别方法的流程示意图;图5是本申请一个实施例提供的一种群租房识别系统的结构示意图。具体实施方式这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。图1是本文档来自技高网...

【技术保护点】
1.一种群租房识别方法,其特征在于,包括:/n获取待识别房屋业务数据,所述待识别房屋业务数据包括:房屋用水量数据,房屋用电量数据,房屋用气量数据和房屋建筑面积数据;/n根据所述待识别房屋的业务数据,基于预先构建的群租识别模型,得到待识别房屋的类别数据,所述待识别房屋的类别数据包括:群租和非群租。/n

【技术特征摘要】
1.一种群租房识别方法,其特征在于,包括:
获取待识别房屋业务数据,所述待识别房屋业务数据包括:房屋用水量数据,房屋用电量数据,房屋用气量数据和房屋建筑面积数据;
根据所述待识别房屋的业务数据,基于预先构建的群租识别模型,得到待识别房屋的类别数据,所述待识别房屋的类别数据包括:群租和非群租。


2.根据权利要求1所述的方法,其特征在于,还包括:
从预先建立的动态数据池中获取房屋历史数据作为样本数据,所述房屋历史数据包括:房屋历史类别数据,以及所述房屋历史类别数据对应的房屋历史业务数据;所述房屋历史业务数据包括:房屋历史用水量数据,房屋历史用电量数据,房屋历史用气量数据和房屋历史建筑面积数据;
计算群租房屋历史类别和非群租房屋历史类别的先验概率;
计算所述房屋历史用水量数据,房屋历史用电量数据,房屋历史用气量数据和房屋历史建筑面积数据的先验概率;
分别计算所述房屋历史用水量数据,房屋历史用电量数据,房屋历史用气量数据和房屋历史建筑面积数据在群租房屋历史类别条件下和非群租房屋历史类别条件下的条件概率;
根据房屋历史类别数据的先验概率,房屋历史业务数据的先验概率,以及房屋历史业务数据在群租房屋历史类别条件下和非群租房屋历史类别条件下的条件概率,建立群租识别模型。


3.根据权利要求2所述的方法,其特征在于,所述根据所述待识别房屋的业务数据,基于预先构建的群租识别模型,得到待识别房屋的类别,具体包括:
根据所述待识别房屋的业务数据,所述房屋历史类别数据的先验概率,房屋历史业务数据的先验概率,以及房屋历史业务数据在群租房屋历史类别条件下和非群租房屋历史类别条件下的条件概率,计算所述待识别房屋的群租类别后验概率和非群租类别后验概率;
在所述待识别房屋的群租类别后验概率大于非群租类别后验概率时,输出所述待识别房屋的类别为群租类别;
在所述待识别房屋的非群租类别后验概率大于等于群租类别后验...

【专利技术属性】
技术研发人员:樊浩圣
申请(专利权)人:成都小步创想慧联科技有限公司
类型:发明
国别省市:四川;51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1