一种勤务合理度计算方法以及装置制造方法及图纸

本申请提供一种勤务合理度计算方法以及装置，该方法包括：获取交通区域的勤务合理度计算相关的多个候选变量；基于主成分分析模型，从多个候选变量中筛选出计算交通区域的勤务合理度的评价变量；基于熵权法或基于广义回归神经网络，根据交通区域的评价变量计算交通区域进行勤务合理度。本申请自动抽取关键显特征和隐特征，结合勤务轨迹、警情事件、事故、违法、执法、舆情等多种方式的相互关联关系，挖掘影响出行需求的直接和间接影响因子集。进而构建一套以数据为驱动的勤务变量体系，指标权重基于数据运算得出，解决了以往专家经验人工设定脱离实际数据导致的不够精准问题。定脱离实际数据导致的不够精准问题。定脱离实际数据导致的不够精准问题。

【技术实现步骤摘要】
一种勤务合理度计算方法以及装置


[0001]本申请涉及大数据分析/人工智能
，具体涉及一种勤务合理度计算方法以及装置。

技术介绍

[0002]随着城市交通拥堵和安全问题日益突显，各地交通管理部门警力资源普遍不足，警力增长远远滞后于城市道路交通发展和交通管理工作任务的需求，交通管理部门面对着巨大的压力和严峻的挑战。
[0003]经过对各地勤务管理现状调研及分析发现，如下几方面问题较为突出：
[0004]勤务排班缺乏科学手段数字化手段支持，较多为”人工经验方式勤务安排”。勤务安排主要基于交警部门对城市道路通行情况的人工判断结果，按照经验对一线警员进行岗位设置、计划制定、警力部署等勤务安排，同时一线警员的执勤工作重心也是基于自身的经验判断，整体上无法与实际交通管控需求内容进行有效结合，因此此种模式在道路通行管控的实效方面存在较大偏差。
[0005]勤务部署合理度尚未与目前已经积累的大量交通数据进行有效结合，缺乏精准客观的评价方法手段支持，较多为简单粗暴的“勤时统计”。勤时统计未与执勤时段内岗位周边的道路通行情况、执法数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种勤务合理度计算方法，其特征在于，包括：获取交通区域的勤务合理度计算相关的多个候选变量；基于主成分分析模型，从所述多个候选变量中筛选出计算交通区域的勤务合理度的评价变量；基于熵权法或基于广义回归神经网络，根据所述交通区域的所述评价变量计算所述交通区域进行勤务合理度。2.根据权利要求1所述的勤务合理度计算方法，其特征在于，所述基于主成分分析模型，从所述多个候选变量中筛选出计算交通区域的勤务合理度的评价变量，包括：对所述候选变量进行标准化处理；计算所述交通数据中各个候选变量之间的相关系数矩阵；计算所述相关系数矩阵的特征值和特征向量；基于所述特征值和所述特征向量，计算主成分贡献率和累计贡献率；基于所述主成分贡献率和累计贡献率，筛选主成分累计贡献率达85％
‑
95％的主成分；计算各主成分的得分，并基于得分结果筛选预定数量的候选变量为计算交通区域的勤务合理度的评价变量。3.根据权利要求1所述的勤务合理度计算方法，其特征在于，所述基于熵权法，根据所述交通区域的所述评价变量计算所述交通区域进行勤务合理度，包括：对所述交通区域的评价变量进行标准化处理；计算各所述评价变量的信息熵；基于各所述评价变量的信息熵，确定各所述评价变量的权重；基于标准化处理后的各所述评价变量以及各所述评价变量的权重，计算所述交通区域的勤务合理度。4.根据权利要求3所述的勤务合理度计算方法，其特征在于，所述交通区域的评价变量包括n个样本，p个评价变量；所述对所述交通区域的评价变量进行标准化处理，包括：确定所述交通区域的评价变量的矩阵表达式；基于所述矩阵表达式，计算所述样本数据的均值、方差，得到标准化后的矩阵。5.根据权利要求1所述的勤务合理度计算方法，其特征在于，所述基于广义回归神经网络，根据所述交通区域的所述评价变量计算所述交通区域进行勤务合理度，包括：将所述交通区域的所述评价变量输入广义回归神经网络模型的输入层；所述广义回归神经网络模型的模型层形成所述评价变量的神经元传递函数；所述广义回归神经网络模型的求和层对所有模式层神经元的输出进行算数求和以及对所有模式出的神经元进行加权求和；所述广义...

【专利技术属性】
技术研发人员：张旸，白雪，范婷婷，秦子雁，陈彪，高歌，李雷，付长青，夏曙东，
申请(专利权)人：北京北大千方科技有限公司，
类型：发明
国别省市：