[发明专利]一种基于城市超脑的社区管理方法及装置

权利要求书

1.一种基于城市超脑的社区管理方法，其特征在于，包括：

按照应急事件类型对应急事件档案进行分类，通过深度学习方法，对每种类型的应急事件根据社区应急管理处理流程进行建模，构建社区应急管理系统；

通过传感器实时采集应急事件发生现场数据，采用异步反馈方式发送至所述社区应急管理系统，触发应急管理系统开始应急响应；

根据应急事件的性质、阶段，判断处理应急事件采用的处理模型，根据所述处理模型计算出社区环境配置调整参数，调整社区环境配置；

根据应急事件的性质、阶段，通过社区应急管理模型得出需要参与处理应急事件的城市部门，向所述城市部门发送处理请求及应急事件现场数据，并配置社区开启与城市处理部门之间的预热对接状态；

所述通过传感器实时采集应急事件发生现场数据，采用异步反馈方式发送至所述社区应急管理系统，触发应急管理系统开始应急响应，包括：

通过传感器采集应急事件发生现场数据，形成第一应急数据，发送至所述社区应急管理系统；

社区应急管理系统根据第一应急数据，确定应急处理模型，发出应急事件处理指令，并同时推送至城市处理部门；

社区应急管理系统分析第一应急数据后，如果存在数据需求，则将数据需求回传至指定传感器进行二次采集，得到第二应急数据，并返回至社区应急管理系统；

所述深度学习，包括：

在深度学习网络中，中间隐层神经元的激活函数采用ReLU函数，公式为：

，

其中o为输出端即应急事件的处理模型，i为输入端即应急事件的类型、环境参数、社区资源；最后一层激活函数采用softmax函数，公式为：

，

其中为第i层输出，为输入j经过加权、求和、偏向得到的中间变量；损失函数采用交叉熵损失函数，公式为：

,

其中为期望输出，为实际输出；优化函数采用随机梯度下降法，迭代训练直至所述深度学习网络进入稳态；

所述按照应急事件类型对应急事件档案进行分类，通过深度学习方法，对每种类型的应急事件根据社区应急管理处理流程进行建模，构建社区应急管理系统，包括：

采用深度学习网络，输入端为应急事件的类型、环境参数、社区资源，输出端为应急事件的处理模型；

所述应急处理模型中包含了每种类型应急事件的阶段特征及对应的处理流程；

所述深度学习，包括：

采用多线程并行方式同时对至少一种类型的应急事件进行建模，并将建模结果发送至城市处理部门；

所述根据应急事件的性质、阶段，判断处理应急事件采用的处理模型，根据所述处理模型计算出社区环境配置调整参数，调整社区环境配置，包括：

在调整社区环境配置过程中，传感器实时回传应急现场环境数据，所述社区应急管理系统根据所述应急事件模型及应急事件现场环境数据，生成并发送社区环境微调指令；

所述配置社区开启与城市处理部门之间的预热对接状态，包括：

在应急管理系统向所述城市部门发送处理请求及应急事件现场数据的同时，向社区发出环境配置指令，按照城市处理部门处理应急事件的需求，进行社区环境调整。