[发明专利]基于大数据采集的服务资源信息预测方法和计算机设备

权利要求书

1.一种基于大数据采集的服务资源信息预测方法，其特征在于，包括：

S1、获取服务机构局域网信息、工作人员终端信息和普通人终端信息；

S2、根据所述服务机构局域网信息，在预设的电子地图上生成第一服务子网；

S3、将所述第一服务子网输入预设的第一密度预测模型中进行处理，从而得到第一输出结果；其中所述第一密度预测模型包括多层神经网络层；

S4、判断所述第一输出结果是否为服务资源密度均匀；

S5、若所述第一输出结果为服务资源密度不均匀，则从所述服务机构局域网信息中获取在职员工终端信息，并将所述工作人员终端信息排除所述在职员工终端信息后得到后备员工终端信息；

S6、根据所述后备员工终端信息，在预设的电子地图上生成第二服务子网；

S7、根据预设的模型提取方法，从预设的第二模型数据库中提取出第二指定密度预测模型，并将所述第二服务子网输入第二指定密度预测模型中进行处理，从而得到第二输出结果；其中所述第二指定密度预测模型在所述第一密度预测模型的基础上进行递进训练得到；所述第二指定密度预测模型包括多层神经网络层；

S8、判断所述第二输出结果是否为服务资源密度均匀；

S9、若所述第二输出结果为服务资源密度不均匀，则根据所述普通人终端信息，在预设的电子地图上生成第三服务子网；

S10、根据预设的模型提取方法，从预设的第三模型数据库中提取出第三指定密度预测模型，并将所述第三服务子网输入第三指定密度预测模型中进行处理，从而得到第三输出结果；其中所述第三指定密度预测模型在所述第二指定密度预测模型的基础上进行递进训练得到；所述第三指定密度预测模型包括多层神经网络层；

S11、判断所述第三输出结果是否为普通人密度不均匀；

S12、若所述第三输出结果为普通人密度不均匀，则获取所述第一密度预测模型的最后一层神经网络层结构的第一输入，以及获取所述第二指定密度预测模型的最后一层神经网络层结构的第二输入，以及获取所述第三指定密度预测模型的最后一层神经网络层结构的第三输入；

S13、将所述第一输入、第二输入和第三输入输入预设的区块划分模型中，从而得到所述区块划分模型输出的具有服务资源充裕度等级的区块的电子地图；

S14、判断电子地图中的所有区块的服务资源充裕度等级是否均大于预设的等级阈值；

S15、若电子地图中的所有区块的服务资源充裕度等级均大于预设的等级阈值，则将电子地图中的所有区块均自动标识为服务资源充裕状态，从而实现基于大数据采集的服务资源信息预测过程。

2.根据权利要求1所述的基于大数据采集的服务资源信息预测方法，其特征在于，所述将所述第一服务子网输入预设的第一密度预测模型中进行处理，从而得到第一输出结果；其中所述第一密度预测模型包括多层神经网络层的步骤S3之前，包括：

S21、获取指定数量的样本数据，并将样本数据划分为训练数据和验证数据，所述样本数据由训练用服务子网和对训练用服务子网进行人工标注的服务密度标签构成；

S22、调取预设的神经网络模型，并利用训练数据以有监督学习的方式对神经网络模型进行训练，以得到第一暂时模型；

S23、利用所述验证数据对所述第一暂时模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；

S24、若验证结果为验证通过，则将所述第一暂时模型记为第一密度预测模型。