公共设施二维码损毁巡检有效性预测方法及系统技术方案

本发明专利技术公开了公共设施二维码损毁巡检有效性预测方法，包括如下步骤：S100、获取城市公共设施二维码的所有初始数据信息，作为第一特征数据，将第一特征数据进行数值化、标准化处理、降噪处理，并添加隐性特征；S200、计算各个公共设施二维码的预测类型和预测概率，并通过抽样巡检结果修正预测结果；S300、将修正后的预测结果进行可视化处理，输出城市公共设施二维码巡检预测结果分布图。本方法综合了多种分类/回归算法进行季度性分析预测，并根据预测结果每个季度进行现场抽样巡检，现场验证数据将做为训练数据进行季度性的增量更新，再经过加权计算和抽样巡检后验修正后，提高了分析预测结果的准确性和直观性。

【技术实现步骤摘要】
公共设施二维码损毁巡检有效性预测方法及系统
本专利技术涉及公共设施二维码的巡检维护
，尤其涉及公共设施二维码损毁巡检有效性预测方法及系统。具体来说，属于IPC分类中的G06N7/00和G06Q10/00。
技术介绍
随着城市化进程的进一步加快，市政公共服务设施建设发展迅速。市政、电力、通讯、园林等部门有大量公共服务设施需要管理，如设备箱、交通信号灯、路灯、垃圾桶等。大量的户外设施由于缺乏有效的实时监控、管理及保修手段，人为盗窃、外力撞击、自然灾害或自然老化等，致使部分市政公共服务设施缺失或破损，造成城市安全隐患或城市环境污染。公共设施二维码管理可有效解决长期以来公共空间设施存在的底数难统计、权属难核实、问题难发现、违规难认定等问题，实现设施数量快速统计、权属快速核实、违规快速甄别、问题快速举报、案件快速处置，有效的促进设施权属单位、行业管理部门和属地责任的落实。将设施二维码拓展应用到街巷全要素精细化管理中是整合现有资源，依托设施二维码管理信息系统，充分发挥设施二维码在城市管理领域作为实体管理介质的基础性作用，帮助实现城市精细化管理。比如，市民通过智能手机扫描公共设施上的二维码铭牌，可快速了解设施的名称、产权单位、监管部门等基本信息，并可在线反映设施存在的脏乱、破损等问题。工作人员现场对破损的公共设施进行拍照，并扫描设施上的二维码将问题上报。系统会将问题自动分配到相应的产权单位或应急处理队伍，并对故障任务分级管理、全程跟踪。现有技术中，申请号为CN201720358114.2的专利公开了一种基于二维码的市政公共服务设施管理及报修系统，包括二维码、智能移动终端和市政公共服务设施数据中心服务器，所述智能移动终端为安装有二维码扫码软件的智能手机或者智能平板电脑，包括市民报修智能移动终端、产权责任单位智能移动终端和行政监管部门智能移动终端，该技术方案依托设施二维码管理信息系统，充分发挥了设施二维码在城市管理领域作为实体管理介质的基础性作用。这些公共设施上的二维码，为人们了解相关部件信息和监管部门维护相关公共设施带来了便利。当二维码损坏时，需要及时的维护。但是由于二维码实体化且分散各处，在二维码的巡检上，一直存在一些问题。现行的二维码巡检工作，基本上处于人工巡检的情况，由巡检员带着巡检设备，前往执行区域，对应点位来检查张贴二维码是否损毁，能否正常使用。如申请号为CN201910999682.4的专利公开了电力设备二维码巡检系统，包括信息管理系统、信息数据库、二维码生成器及移动扫描设备，所述信息管理系统录入设备相关信息并同步至信息数据库，二维码生成器将记录每台设备信息的地址信息生成独立的二维码活码贴于对应设备上，所述移动扫描设备集成有信息获取系统、巡检信息录入系统及显示装置，所述信息获取系统扫描二维码通过无线网络从信息数据库中获取对应设备信息并传递给显示装置显示，所述巡检信息录入系统录入巡检信息并通过无线网络同步至信息数据库。以及申请号为CN202010522108.2公开的一种用于管道巡检维护检查的二维码巡检系统，这两个技术方案均是由巡检员带着巡检设备，前往执行区域，对应点位来检查张贴二维码是否损毁，能否正常使用，这种巡检方式耗时长，人力成本高。全面人工巡检耗时长，人力成本高。而划片抽样巡检，随机性高，未必能获得很好的效果。以上海嘉定为例，人工巡检在几十万的二维码数量前效率极低（随机抽样），需要接近半年时间才能巡检一遍，而这半年时间内已巡检过的二维码又有概率二次损毁。目前日常生活场景中对于贴在各种场所中二维码并没有特别多的损毁预测办法，一般来说都是基于特征值进行简单分类处理做的预测，并没有综合地理空间和时空因素进行分析，分析预测结果不直观不准确。
技术实现思路
本专利技术的目的是提供公共设施二维码损毁巡检有效性预测方法及系统，可以解决人工巡检二维码的效率低问题，节省全面巡检的工作量，降低全面巡检的人力成本，并可以提高分析预测结果的准确性和直观性。为了实现上述目的，本专利技术采用了如下技术方案：公共设施二维码损毁巡检有效性预测方法，包括如下步骤：S100、获取城市公共设施二维码的所有初始数据信息，作为第一特征数据，将第一特征数据进行数值化处理得到第二特征数据，接着进行标准化处理和降噪处理后得到第三特征数据，再添加隐性特征后得到第四特征数据，其中，所述隐性特征为二维码存活时间；S200、将处理后的数据输入计算模型进行损毁结果预测，计算各个公共设施二维码的预测类型和预测概率，并通过抽样巡检结果修正预测结果；S300、将修正后的预测结果进行可视化处理，输出城市公共设施二维码巡检预测结果分布图。步骤S100进一步包括：S110、将第一特征数据进行数值化处理，得到第二特征数据；S120、将第二特征数据进行数据标准化，统一第二特征数据的单位和数值长度；S130、采用PCA方法对第二特征数据中的特征进行降维处理，过滤相关性不高的特征，得到第三特征数据，以提升计算效率和去除噪声干扰；S140、在第三特征数据中添加隐性特征，隐形特征为通过二维码的张贴时间和巡检信息计算得出的二维码存活时间，得到第四特征数据，所述第四特征数据包括某个二维码的项特征组成的单条数据和条数据组成的数据集合S，其中，，，为某个二维码的单项特征。步骤S200进一步包括：S210、获取已经过训练的计算模型和计算模型在模型测试集上的准确率,取值1-6；S220、输入第四特征数据，通过计算模型得到预测结果和m条预测结果组成的预测结果集合，，其中，预测结果包括预测类型和类型预测概率，包括0和1两种数值，0表示预测对应二维码损毁，1表示预测对应二维码正常；S230、生成模型投票器，获取所有计算模型对同一数据的预测类型，并进行结果判定；在6次投票器结果中，若有超过5次投票器结果一致时，判定为预测类型判断正确，并输出判定为正确的预测类型作为投票器判定类型；S240、输出投票器加权概率，,其中，为计算模型在模型测试集上的准确率，为投票器的权值，初始值为1；接着判定初步预测结果，当,且时，表示对应二维码已损毁；时，表示对应二维码即将损毁；时，表示对应二维码未损毁。进一步设置为：所述计算模型包括6种计算模型，分别为：KNN算法、RF算法、SVM算法、AdaBoost算法、gbtr算法和gbtc算法，其中，gbtr算法为梯度提升回归算法，gbtc算法为梯度提升分类算法。进一步可对投票器加权概率进行数据修正，具体包括如下步骤：S250、后验数据修正：根据投票器判定类型和投票器加权概率进行抽样巡检，获取实际抽样巡检数据；将实际抽样巡检结果与对应的初步预测结果进行对比，若结果相同则进行激励，；若结果不同则进行惩罚，；其中，为后验修正率，；S260、基于后验修正后的投票器对S再次进行计算，并输出投票器后验加权概率，。步骤S300进一步包括：S310、划定预测结果类型：根据投票器判定类型和投票器后验本文档来自技高网...

【技术保护点】
1.公共设施二维码损毁巡检有效性预测方法，其特征在于，包括如下步骤：/nS100、获取城市公共设施二维码的所有初始数据信息，作为第一特征数据，将第一特征数据进行数值化处理得到第二特征数据，接着进行标准化处理和降噪处理后得到第三特征数据，再添加隐性特征后得到第四特征数据，其中，所述隐性特征为二维码存活时间；/nS200、将所述第四特征数据输入计算模型进行损毁结果预测，计算各个公共设施二维码的预测类型和预测概率，并通过抽样巡检结果修正预测结果；/nS300、将修正后的预测结果进行可视化处理，输出城市公共设施二维码巡检预测结果分布图。/n

【技术特征摘要】
1.公共设施二维码损毁巡检有效性预测方法，其特征在于，包括如下步骤：
S100、获取城市公共设施二维码的所有初始数据信息，作为第一特征数据，将第一特征数据进行数值化处理得到第二特征数据，接着进行标准化处理和降噪处理后得到第三特征数据，再添加隐性特征后得到第四特征数据，其中，所述隐性特征为二维码存活时间；
S200、将所述第四特征数据输入计算模型进行损毁结果预测，计算各个公共设施二维码的预测类型和预测概率，并通过抽样巡检结果修正预测结果；
S300、将修正后的预测结果进行可视化处理，输出城市公共设施二维码巡检预测结果分布图。


2.根据权利要求1所述的公共设施二维码损毁巡检有效性预测方法，其特征在于，步骤S100进一步包括：
S110、将第一特征数据进行数值化处理，得到第二特征数据；
S120、将第二特征数据进行数据标准化，统一第二特征数据的单位和数值长度；
S130、采用PCA方法对第二特征数据中的特征进行降维处理，过滤相关性不高的特征，得到第三特征数据，以提升计算效率和去除噪声干扰；
S140、在第三特征数据中添加隐性特征，隐形特征为通过二维码的张贴时间和巡检信息计算得出的二维码存活时间，得到第四特征数据，所述第四特征数据包括某个二维码的项特征组成的单条数据和条数据组成的数据集合S，其中，，，为某个二维码的单项特征。


3.根据权利要求2所述的公共设施二维码损毁巡检有效性预测方法，其特征在于，步骤S200进一步包括：
S210、获取已经过训练的计算模型和计算模型在模型测试集上的准确率,取值1-6；
S220、输入第四特征数据，通过计算模型得到预测结果和m条预测结果组成的预测结果集合，，其中，预测结果包括预测类型和类型预测概率，包括0和1两种数值，0表示预测对应二维码损毁，1表示预测对应二维码正常；
S230、生成模型投票器，获取所有计算模型对同一数据的预测类型，并进行结果判定；在6次投票器结果中，若有超过5次投票器结果一致时，判定为预测类型判断正确，并输出判定为正确的预测类型作为投票器判定类型；
S240、输出投票器加权概率，,其中，为计算模型在模型测试集上的准确率，为投票器的权值，初始值为1；接着判定初步预测结果，当,且时，表示对应二维码已损毁；时，表示对应二维码即将损毁；时，表示对应二维码未损毁。


4.根据权利要求3所述的公共设施二维码损毁巡检有效性预测方法，其特征在于，所述计算模型包括6种计算模型，分别为：KNN算法、RF算法、SVM算法、AdaBoost算法、gbtr算法和gbtc算法，其中，gbtr算法为梯度提升回归算法，gbtc算法为梯度提升分类算法。

【专利技术属性】
技术研发人员：黄晟，宫跃峰，王阳，张斌，
申请(专利权)人：智广海联天津大数据技术有限公司，智广海联大数据技术有限公司，
类型：发明
国别省市：天津;12