CN110020799B - 一种基于时空基准的城管网格资源配置 - Google Patents

一种基于时空基准的城管网格资源配置 Download PDF

Info

Publication number
CN110020799B
CN110020799B CN201910245859.1A CN201910245859A CN110020799B CN 110020799 B CN110020799 B CN 110020799B CN 201910245859 A CN201910245859 A CN 201910245859A CN 110020799 B CN110020799 B CN 110020799B
Authority
CN
China
Prior art keywords
model
regional
grid
area
coefficient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910245859.1A
Other languages
English (en)
Other versions
CN110020799A (zh
Inventor
鲍珊珊
侯伟
侯玉莹
丁潇
张锐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Space Star Data System Technology Co ltd
Original Assignee
Harbin Space Star Data System Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Space Star Data System Technology Co ltd filed Critical Harbin Space Star Data System Technology Co ltd
Priority to CN201910245859.1A priority Critical patent/CN110020799B/zh
Publication of CN110020799A publication Critical patent/CN110020799A/zh
Application granted granted Critical
Publication of CN110020799B publication Critical patent/CN110020799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种用于基于时空基准的智能城管网格资源配置的方法，包括：构建网格对象模型，其包括案件数量预测模型、区域人口分布模型、特种车辆模型、雨雪影响模型中的至少一个；构建空间分布模型，其包括区域路网模型和重点区域模型中的至少一个；构建资源配置模型，其包括网格资源配置系数；以及资源配置模型基于网格对象模型和空间分布模型的输入对区域人员面积占比、区域工作特点和行业工作特点进行综合赋值，从而获得资源最佳配比。本发明的方案改变了传统方式中人力资源分配凭主观意愿的工作模式，促进城市管理向集约型、高效型管理模式转变。

Description

一种基于时空基准的城管网格资源配置
技术领域
本发明一般地涉及智慧城市领域。更具体地，本发明涉及在智慧城管网格管理模式中对网格资源进行统一调配，对区域评估权重进行精细化配置。
背景技术
随着我国数字城管、智慧城管等信息化项目的建设，我国已基本形成了由城市、区县、街道、社区、网格五级管理的网格化管理模式。网格化管理***、城管指挥平台等业务***已基本完成了部署及应用，实现了在管理模式及技术手段上的突破。但在管理资源配置仍采用主观意愿的方式进行分配，导致各区域工作人员配置成两级分化的方向发展，造成区域资源浪费，存在如下缺点：
(1)各网格内发生的案件数量、种类迥异，不能对近期可能发生的事件、部件问题数量进行预测评估，造成人员配比、案件处理管理方式粗放；
(2)各网格之间由于所处街道、区县的地域差异巨大，如区域内核心商圈、公园、学校占比较多的区域工作量大，而非经济核心区域事件案件发生率不高，缺乏合理的区域作业能力评估手段；
(3)在区域工作人员配比上，各区、街道采用人为经验的方式对人员进行配比，缺乏统一的评估配比手段对各行业进行人员配备数量计算。
因此，需要提供一种基于时空基准的网格资源配比模型，以时空数据为基础，对网格对象、网格空间分布进行建模，在评估单元网格作业能力及任务量的基础上构建网格资源配置模型，优化城市管理资源配置，实现城市精细化管理。
发明内容
本发明旨在解决当前智慧城管建设中采用主观意愿分配人力资源的方式造成区域资源浪费、案件办理效率低的问题，设计了一种适用于各地域的基于时空基准的城管网格资源配置模型。具体地，本发明提供以下的技术方案。
在一个方面中，本发明提供一种用于基于时空基准的智能城管网格资源配置的方法，包括：
构建网格对象模型，其中所述网格对象模型包括案件数量预测模型、区域人口分布模型、特种车辆模型、雨雪影响模型中的至少一个；
构建空间分布模型，其中所述空间分布模型包括区域路网模型和重点区域模型中的至少一个；
构建资源配置模型，其中资源配置模型包括网格资源配置系数；以及
所述资源配置模型基于所述网格对象模型和所述空间分布模型的输入对区域人员面积占比、区域工作特点和行业工作特点进行综合赋值，从而获得资源最佳配比。
在一个实施例中，以时间序列模型中的差分整合移动平均自回归模型与城管网格部件、事件业务特征相结合，构建所述案件数量预测模型。
在一个实施例中，通过求解计算区域内网格事件、案件的自回归项数、滑动平均数及平稳序列差分数确定符合该区域的所述差分整合移动平均自回归模型。
在一个实施例中，构建区域人口分布模型包括对区域内的总人口信息、常驻人口信息、流动人口信息进行统计建模，并将所述总人口信息、常驻人口信息和流动人口信息与时空位置信息相关联，以实现网格区域与人口信息的绑定。
在一个实施例中，构建特种车辆模型包括对区域内的特种车辆进行建模，并将所述特种车辆的车辆信息与时空位置信息相关联，以实现网格区域车辆信息的绑定。
在一个实施例中，构建雨雪影响模型包括对雨雪的影响度进行分类，同时与城市道路数据进行叠加，分析不同程度的雨雪对于不同案件和事件的影响。
在一个实施例中，构建区域路网模型包括对区域内的道路各类信息进行建模，通过对路段属性进行完整的描述从而对案件工作时长和区域路网情况进行预测。
在一个实施例中，构建重点区域模型包括对区域内的重点区域进行统计建模，为便辅助确定所述区域内的与重点区域数量相关的案件、市容环境类部件的作业量、作业难度和行业工作难度系数占比。
在一个实施例中，资源配置模型基于区域内的任务量、区域管理人员、区域特点、区域时空状态变化，对区域人员面积占比、区域工作特点及行业工作特点进行综合赋值，从而求得资源最佳配比。
在另一个方面中，本发明提供一种用于基于时空基准的智能城管网格资源配置的设备，包括：
网格对象模块，其中所述网格对象模块包括案件数量预测模块、区域人口分布模块、特种车辆模块、雨雪影响模块中的至少一个；
空间分布模块，其中所述空间分布模块包括区域路网模块和重点区域模块中的至少一个；以及
资源配置模块，其中所述资源配置模块包括网格资源配置系数，
所述资源配置模块配置成基于所述网格对象模块和所述空间分布模块的输出对区域人员面积占比、区域工作特点和行业工作特点进行综合赋值，从而获得资源最佳配比。
相对于现有技术，本发明具有以下有益效果：
(1)本发明对城市管理的部件、事件数量进行预估，模拟可能发生的各类型案件数量来对区域单元网格或社区、街道的工作量进行预估，有效的解决了传统方法已过去统计数据为基础导致的数据不准确问题，促进城市管理从事后监管到事前预防的方向转变；
(2)本发明对城市管理单元网格内的主要管理对象进行建模，客观的评估单元网格的工作量，改变了传统方式中凭主观意愿对网格工作强度的工作方式；
(3)本发明对城管管理单元网格内的路网、重点区域进行建模，有效的改变了传统方式中紧紧依靠地图数据进行统计分析的模式，从数据的精度到数据的质量均有显著提升；
(4)本发明可以以多年的城市管理数据作为样本库，设计了统一的城市管理资源分配计算模式，改变了传统方式中人力资源分配凭主观意愿的工作模式，促进城市管理向集约型、高效型管理模式转变。
附图说明
通过阅读仅作为示例提供并且参考附图进行的以下描述，将更好地理解本发明及其优点，其中：
图1是示出根据本发明实施例的用于基于时空基准的智能城管网格资源配置的方法的流程图；
图2是示出根据本发明实施例的时空基准资源配置模型组成图；
图3是示出根据本发明实施例的区域人口分布模型图；
图4是示出根据本发明实施例的雨雪影响模型图；以及
图5是示出根据本发明实施例的交通路网模型图。
具体实施方式
本发明通过对城市管理网格内的主要对象进行建模，具备评估月度单元网格内的工作能力及预计案件量的能力；对网格内的路网结构及重点区域进行建模，从而评估网格内各事件、部件工作难易程度；以近年来各城市在数字城管、智能城市建设中形成的部件、案件样本库为基础，考虑科学合理，公平公正的原则，设计统一公式用于各行业进行人员配备数量计算，实现资源优化配置。
下面将结合附图来具体描述本发明的方案。
图1是示出根据本发明实施例的用于基于时空基准的智能城管网格资源配置的方法100的流程图。该方法100包括步骤S102，在步骤S102处，构建网格对象模型，其中所述网格对象模型包括案件数量预测模型、区域人口分布模型、特种车辆模型、雨雪影响模型中的至少一个。在步骤S104中，构建空间分布模型，其中所述空间分布模型包括区域路网模型和重点区域模型中的至少一个。在步骤S106处，构建资源配置模型，其中资源配置模型包括网格资源配置系数。在步骤S108处，所述资源配置模型基于所述网格对象模型和所述空间分布模型的输出对区域人员面积占比、区域工作特点和行业工作特点进行综合赋值，从而获得资源最佳配比。
在一个实施例中，以时间序列模型中的差分整合移动平均自回归模型与城管网格部件、事件业务特征相结合，构建所述案件数量预测模型。
在一个实施例中，通过求解计算区域内网格事件、案件的自回归项数、滑动平均数及平稳序列差分数确定符合该区域的所述差分整合移动平均自回归模型。
在一个实施例中，构建区域人口分布模型包括对区域内的总人口信息、常驻人口信息、流动人口信息进行统计建模，并将所述总人口信息、常驻人口信息和流动人口信息与时空位置信息相关联，以实现网格区域与人口信息的绑定。
在一个实施例中，构建特种车辆模型包括对区域内的特种车辆进行建模，并将所述特种车辆的车辆信息与时空位置信息相关联，以实现网格区域车辆信息的绑定。
在一个实施例中，构建雨雪影响模型包括对雨雪的影响度进行分类，同时与城市道路数据进行叠加，分析不同程度的雨雪对于不同案件和事件的影响。
在一个实施例中，构建区域路网模型包括对区域内的道路各类信息进行建模，通过对路段属性进行完整的描述从而对案件工作时长和区域路网情况进行预测。
在一个实施例中，构建重点区域模型包括对区域内的重点区域进行统计建模，为便辅助确定所述区域内的与重点区域数量相关的案件、市容环境类部件的作业量、作业难度和行业工作难度系数占比。
在一个实施例中，资源配置模型基于区域内的任务量、区域管理人员、区域特点、区域时空状态变化，对区域人员面积占比、区域工作特点及行业工作特点进行综合赋值，从而求得资源最佳配比。
在另一个方面中，本发明提供一种用于基于时空基准的智能城管网格资源配置的设备，包括：
网格对象模块，其中所述网格对象模块包括案件数量预测模块、区域人口分布模块、特种车辆模块、雨雪影响模块中的至少一个；
空间分布模块，其中所述空间分布模块包括区域路网模块和重点区域模块中的至少一个；
资源配置模块，其中所述资源配置模块包括网格资源配置系数，所述资源配置模块配置基于所述网格对象模块和所述空间分布模块的输出对区域人员面积占比、区域工作特点和行业工作特点进行综合赋值，从而获得资源最佳配比。
图2是示出根据本发明实施例的时空基准资源配置模型200的组成图。如图所示，本发明的时空基准资源配置模型包括网格对象模型201、空间分布模型202和资源配置模型203，其中网格对象模型和空间分布模型服务于资源配置模型。
网格对象模型201包括案件数量预测模型，该案件数量预测模型包括或涉及事件类别分布模型和部件类别分布模型。
在一个实施例中，在案件数量预测模型中，以模拟预估区域近10年内的部件(公用设施类、道路交通类、市容环境类、园林绿化类、房屋土地类、其它设施类以及扩展部件类7大类)、事件(市容环境类、宣传广告类、施工管理类、突发事件类、街面秩序类以及扩展事件类6大类)案件数作为样本库，采用差分整合移动平均自回归模型(“ARIMA”)构建案件数量预测模型，具体步骤如下：
1)将城管各类事件、案件按时序进行排列，构建城市事件、案件时间序列的散点图，明确其自相关函数和偏自相关函数识别该事件、案件的发生平稳性；
2)对非平稳的城管事件、案件时间序列数据实施平稳化处理，直到处理后的自相关函数和偏自相关函数的数值呈现非显著趋势；
3)根据识别出的事件、案件特征建立相对应的时间序列模型。平稳化处理后，若案件偏自相关函数是截尾的并且自相关函数是拖尾的，则建立自回归模型(AR模型)；若案件偏自相关函数是拖尾的并且自相关函数是截尾的，则建立移动平均模型(MA模型)；若案件的偏自相关函数和自相关函数均是拖尾的，则序列适合ARIMA模型；
4)对构建的模型进行参数估计，对成果期望值、残差值进行判定，检验是否具有统计意义；
5)判断案件模型的残差序列是否为白噪声序列；
6)利用确定参数的模型进行预测。
区域人口分布模型是评价区域工作难度及工作量的基础模型之一，通过构建人口模型作为城市人口的基本信息的载体，对于人口模型的合理构建，直接影响到人员配置模型及配置优化的权重配比，人口模型如图3中所示。
特种车辆模型是对区域内的城管执法车、环卫车、渣土车、清雪车等各类特种车辆进行量化建模，从何评估单元网格的作业能力，数据信息如下所示：
Figure BDA0002011030680000071
雨雪影响模型涉及雨雪因素，该雨雪因素直接影响了交通的畅通度及人们对于出行方式的选择。因此，需建立雨雪影响模型，对雨雪的影响度进行分类，同时与城市道路数据进行叠加，分析不同程度的雨雪对于相关道路的影响，具体建模流程如图4所示。
空间分布模型202包括区域路网模型和重点区域模型。在一个实施例中，构建区域路网模型包括对区域内的道路各类信息进行建模，通过对路段属性进行完整的描述，从而为案件工作时长估计进行预估，评估区域路网情况，为网格***及考核评价等智慧城管应用***提供支撑。示例性的区域路网模型如图5所示。
重点区域模型是对网格、社区、街道内的重点区域进行建模，重点评估区域的办事处内省政府、市政府、区委区政府个数、医院个数、学校个数、码头个数、公交站点个数、市场摊区个数、公园广场个数、商圈、商场个数、景点景区个数、垃圾转运间个数，从而明确区域内工作难度系数及工作量系数，为区域内的与重点区域数量相关的案件如宣传广告类、街头秩序类事件、市容环境类部件的作业量及作业难度提供辅助依据。
资源配置模型203包括网格资源配置系数，作为资源配置的输入。
资源配置模型是在综合考虑区域内的人员、任务量及区域特点的基础上(例如基于网格对象模型和空间分布模型的输入)，对区域人员面积占比、区域工作特点及行业工作特点进行综合赋值，从而求得区域人员最佳配比，具体计算方式如下：
1.网格人员配置系数确定
1)通用系数
通用技术综合考虑区域内人口与区域面积的比例、区域内的特种车辆配置情况及短期内的区域天气情况；
2)重点区域系数
重点区域系数是以区域内的路网模型及重点区域模型为基础，确定重点区域工作难度系数；
3)行业工作特点
Figure BDA0002011030680000081
问题类型；
Figure BDA0002011030680000082
问题难易度(分为三个等级，等级三为最难问题，等级二为一般问题，等级一为最易问题)；
Figure BDA0002011030680000094
问题发生数量(各类问题全年度发生的总和)；
2.人员配置计算公式
通过计算上述(网格)要素系数并求和得出各街道办具体分值，根据分值高低对街道办进行排名(单元网格人员数量计算方法类似)，得分前30％的街道办定义为A类，得分为中间40％的街道办定义为B类，得分为后30％的街道办定义为C类，并结合经验估算法根据不同等级的街道办分配人员数量，如：执法行业A类街道办分配7—8人，B类街道办分配4-5人，C类街道办分配2-3人。其中，街道办得分计算如下：
si＝ai+bi+ci；
其中，si为某一行业第i个街道办得分值，ai为该街道办通用系数，bi为该街道办行业工作系数，ci为该街道办区域特点系数。
1)通用系数ai；
Figure BDA0002011030680000091
其中，ρ为街道办中人口密度的最大值，ρi为第i个街道办人口密度，θ为特种车辆总数，θi为区域内的特种车辆数，20％为通用系数在公式中所占的权重p。
2)行业工作系数bi
各行业选定行业问题类型，并且对问题难易度进行等级划分；
Figure BDA0002011030680000092
其中pj＝βm×q；
Figure BDA0002011030680000093
其中，bji是第i个街道办第j类问题工作系数(共n类问题)；αji是第i个街道办第j类问题全年度预测发生的数量，αjmax为街道办中j类问题全年度发生数量最多的值；pj＝βl×q为行业工作系数(第j类问题)在公式中所占的权重系数，βl(l＝1,2,3)为权重等级倍数，β1＝1，β2＝1.2，β3＝1.5。
3)区域特点系数ci
Figure BDA0002011030680000101
Figure BDA0002011030680000102
其中，cki是第i个街道办第k种重点区域系数(取决于该区域的路网模型及空间分布模型，重点区域模型根据时空位置信息输出的区域数量及区域种类m种重点区域，路网模型给出该区域的路网工作难度系数
Figure BDA0002011030680000105
)，εki是第i个街道办内含第k种重点区域的数量，εkmax为街道办中第k种重点区域最多的值；
Figure BDA0002011030680000103
为区域特点系数在公式中所占的权重系数，并且
Figure BDA0002011030680000104
p区域＝m×pk，p行+p区域＝80％，各行业办根据行业特点与行业经验自行分配行业工作系数权重与重点区域系数权重。
虽然本发明所实施的方式如上，但所述内容只是为便于理解本发明而采用的实施例，并非用以限定本发明的范围和应用场景。任何本发明所述技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种用于基于时空基准的智能城管网格资源配置的方法，包括：
构建网格对象模型，其中所述网格对象模型包括案件数量预测模型、区域人口分布模型、特种车辆模型、雨雪影响模型中的至少一个；
构建空间分布模型，其中所述空间分布模型包括区域路网模型和重点区域模型中的至少一个；
构建资源配置模型，其中所述资源配置模型包括网格资源配置系数；以及
所述资源配置模型基于所述网格对象模型和所述空间分布模型的输入对区域人员面积占比、区域工作特点和行业工作特点进行综合赋值，从而获得资源最佳配比；
重点区域模型为对网格、社区和街道内的重点评估区域进行建模，所述重点评估区域包括办事处内省政府、市政府、区委区政府、医院、学校、码头、公交站点、市场摊区、公园广场、商圈、商场、景点景区和垃圾转运间；
资源配置模型是在综合考虑区域内的人员、任务量及区域特点的基础上，基于网格对象模型和空间分布模型的输入，对区域人员面积占比、区域工作特点及行业工作特点进行综合赋值，从而求得区域人员最佳配比，具体计算方式如下：
网格人员配置系数确定：
通用系数：通用技术综合考虑区域内人口与区域面积的比例、区域内的特种车辆配置情况及短期内的区域天气情况；重点区域系数：重点区域系数是以区域内的路网模型及重点区域模型为基础，确定重点区域工作难度系数；行业工作特点：问题类型；问题难易度：分为三个等级，等级三为最难问题，等级二为一般问题，等级一为最易问题；问题发生数量，即各类问题全年度发生的总和；
人员配置计算公式：
通过计算上述网格要素系数并求和得出各街道办具体分值，根据分值高低对街道办进行排名且单元网格人员数量计算方法类似，得分前30％的街道办定义为A类，得分为中间40％的街道办定义为B类，得分为后30％的街道办定义为C类，并结合经验估算法根据不同等级的街道办分配人员数量，如：执法行业A类街道办分配7—8人，B类街道办分配4-5人，C类街道办分配2-3人，其中，街道办得分计算如下：
si＝ai+bi+ci；
其中，si为某一行业第i个街道办得分值，ai为该街道办通用系数，bi为该街道办行业工作系数，ci为该街道办区域特点系数；
通用系数ai：
Figure FDA0003473542510000021
其中，ρ为街道办中人口密度的最大值，ρi为第i个街道办人口密度，θ为特种车辆总数，θi为区域内的特种车辆数，20％为通用系数在公式中所占的权重p；
行业工作系数bi：
各行业选定行业问题类型，并且对问题难易度进行等级划分；
Figure FDA0003473542510000022
其中,pj＝βm×q；
Figure FDA0003473542510000023
其中，bji是第i个街道办第j类问题工作系数共n类问题；αji是第i个街道办第j类问题全年度预测发生的数量，αjmax为街道办中j类问题全年度发生数量最多的值；pj＝βl×q为行业工作系数第j类问题在公式中所占的权重系数，βl(l＝1,2,3)为权重等级倍数，β1＝1，β2＝1.2，β3＝1.5；
区域特点系数ci数bi：
Figure FDA0003473542510000024
Figure FDA0003473542510000025
其中，cki是第i个街道办第k种重点区域系数，取决于该区域的路网模型及空间分布模型，重点区域模型根据时空位置信息输出的区域数量及区域种类m种重点区域，路网模型给出该区域的路网工作难度系数
Figure FDA0003473542510000026
εki是第i个街道办内含第k种重点区域的数量，εkmax为街道办中第k种重点区域最多的值；
Figure FDA0003473542510000031
为区域特点系数在公式中所占的权重系数，Pk指的是每种重点区域所占权重系数，并且
Figure FDA0003473542510000032
p区域＝m×pk，p行+p区域＝80％，各行业办根据行业特点与行业经验自行分配行业工作系数权重与重点区域系数权重。
2.根据权利要求1所述的方法，其中以时间序列模型中的差分整合移动平均自回归模型与城管网格部件、事件业务特征相结合，构建所述案件数量预测模型。
3.根据权利要求2所述的方法，其中通过求解计算区域内网格事件、案件的自回归项数、滑动平均数及平稳序列差分数确定符合该区域的所述差分整合移动平均自回归模型。
4.根据权利要求1所述的方法，其中构建所述区域人口分布模型包括对区域内的总人口信息、常驻人口信息、流动人口信息进行统计建模，并将所述总人口信息、常驻人口信息和流动人口信息与时空位置信息相关联，以实现网格区域与人口信息的绑定。
5.根据权利要求1所述的方法，其中构建所述特种车辆模型包括对区域内的特种车辆进行建模，并将所述特种车辆的车辆信息与时空位置信息相关联，以实现网格区域车辆信息的绑定。
6.根据权利要求1所述的方法，其中构建所述雨雪影响模型包括对雨雪的影响度进行分类，同时与城市道路数据进行叠加，分析不同程度的雨雪对于不同案件和事件的影响。
7.根据权利要求1所述的方法，其中构建所述区域路网模型包括对区域内的道路各类信息进行建模，通过对路段属性进行完整的描述从而对案件工作时长和区域路网情况进行预测。
8.根据权利要求1所述的方法，其中构建所述重点区域模型包括对区域内的重点区域进行统计建模，为便于辅助确定所述区域内的与重点区域数量相关的案件、市容环境类部件的作业量、作业难度和行业工作难度系数占比。
9.根据权利要求1所述的方法，其中所述资源配置模型基于区域内的任务量、区域管理人员、区域特点、区域时空状态变化，对区域人员面积占比、区域工作特点及行业工作特点进行综合赋值，从而求得资源最佳配比。
10.一种用于基于时空基准的智能城管网格资源配置的设备，包括：
网格对象模型，其中所述网格对象模型包括案件数量预测模型、区域人口分布模型、特种车辆模型、雨雪影响模型中的至少一个；
空间分布模型，其中所述空间分布模型包括区域路网模型和重点区域模型中的至少一个；
资源配置模型，其中所述资源配置模型包括网格资源配置系数；以及
所述资源配置模型基于所述网格对象模型和所述空间分布模型的输入对区域人员面积占比、区域工作特点和行业工作特点进行综合赋值，从而获得资源最佳配比；
重点区域模型为对网格、社区和街道内的重点评估区域进行建模，所述重点评估区域包括办事处内省政府、市政府、区委区政府、医院、学校、码头、公交站点、市场摊区、公园广场、商圈、商场、景点景区和垃圾转运间；
资源配置模型是在综合考虑区域内的人员、任务量及区域特点的基础上，基于网格对象模型和空间分布模型的输入，对区域人员面积占比、区域工作特点及行业工作特点进行综合赋值，从而求得区域人员最佳配比。
CN201910245859.1A 2019-03-28 2019-03-28 一种基于时空基准的城管网格资源配置 Active CN110020799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910245859.1A CN110020799B (zh) 2019-03-28 2019-03-28 一种基于时空基准的城管网格资源配置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910245859.1A CN110020799B (zh) 2019-03-28 2019-03-28 一种基于时空基准的城管网格资源配置

Publications (2)

Publication Number Publication Date
CN110020799A CN110020799A (zh) 2019-07-16
CN110020799B true CN110020799B (zh) 2022-02-25

Family

ID=67190136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910245859.1A Active CN110020799B (zh) 2019-03-28 2019-03-28 一种基于时空基准的城管网格资源配置

Country Status (1)

Country Link
CN (1) CN110020799B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110827174A (zh) * 2019-09-27 2020-02-21 恒大智慧科技有限公司 一种景区内资源调配方法、装置及存储介质
CN116011798B (zh) * 2023-03-29 2023-06-27 南京宏景安网络科技有限公司 一种用于智慧城市的居民网格化管理调配方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685465A (zh) * 2009-08-21 2010-03-31 苏州市数字城市工程研究中心有限公司 用于综合管网地理信息***的一体化三维数据建模方法
CN102402729A (zh) * 2010-09-13 2012-04-04 方正国际软件有限公司 基于路网数据的资源调度方法及***
US9262124B2 (en) * 2011-11-21 2016-02-16 International Business Machines Corporation Natural disaster forecasting
CN107730530A (zh) * 2017-10-31 2018-02-23 西华大学 一种基于智慧城市的远程应急管理控制方法
CN108932563A (zh) * 2018-07-03 2018-12-04 江苏海事职业技术学院 一种互联互通式港口信息平台智能化调度***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685465A (zh) * 2009-08-21 2010-03-31 苏州市数字城市工程研究中心有限公司 用于综合管网地理信息***的一体化三维数据建模方法
CN102402729A (zh) * 2010-09-13 2012-04-04 方正国际软件有限公司 基于路网数据的资源调度方法及***
US9262124B2 (en) * 2011-11-21 2016-02-16 International Business Machines Corporation Natural disaster forecasting
CN107730530A (zh) * 2017-10-31 2018-02-23 西华大学 一种基于智慧城市的远程应急管理控制方法
CN108932563A (zh) * 2018-07-03 2018-12-04 江苏海事职业技术学院 一种互联互通式港口信息平台智能化调度***

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"五位一体"智慧城管核心要素与互动关系:基于创新2.0视角的分析;王连峰 等;《城市发展研究》;20170326;第24卷(第3期);全文 *
从数字城管到智慧城管:平台实现与关键技术;邬伦 等;《城市发展研究》;20170626;第24卷(第6期);正文第99页-第107页 *
从数字城管到智慧城管_***建模与实现路径;邬伦 等;《城市发展研究》;20170626;第24卷(第6期);全文 *
城域开放众创空间_创新2.0时代智慧城市建设新路径;宋刚 等;《办公自动化》;20171015(第361期);全文 *
时空信息云平台建设总体架构;侯玉莹 等;《物联网技术》;20150920(第9期);全文 *

Also Published As

Publication number Publication date
CN110020799A (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
Tian et al. Effects of accessibility and environmental health risk on housing prices: A case of Salt Lake County, Utah
Li et al. Bicycle commuting market analysis using attitudinal market segmentation approach
Zhao et al. The impacts of rail transit on future urban land use development: A case study in Wuhan, China
Munshi et al. Logistic regression and cellular automata-based modelling of retail, commercial and residential development in the city of Ahmedabad, India
Biba et al. A new method for determining the population with walking access to transit
Sohn et al. Factors generating boardings at Metro stations in the Seoul metropolitan area
Levine et al. Project-level accessibility analysis for land-use planning
Raslanas et al. Sustainability assessment studies of recreational buildings
CN101807222A (zh) 基于站点的城市公交线网优化配置方法
CN102842109A (zh) 停车场服务水平量化分级的评价方法
CN107292484A (zh) 基于城市空间大数据的城市再开发土地识别方法及***
CN110020799B (zh) 一种基于时空基准的城管网格资源配置
Larranaga et al. The relationship between built environment and walking for different trip purposes in Porto Alegre, Brazil
CN112966925A (zh) 一种基于遥感时序变化分析的村镇垃圾增量风险分析***
Mao et al. Customer attractiveness evaluation and classification of urban commercial centers by crowd intelligence
CN112949997A (zh) 用于城市规划设计中的社区画像的***和方法
Masson et al. Urban Climate, Human behavior & Energy consumption: from LCZ mapping to simulation and urban planning (the MapUCE project)
CN114612800A (zh) 一种核算城市群建筑物质存量及时空变化的方法、***
Schofer et al. The urban transportation planning process
Nguyen et al. Tertiary building stock modeling: Area determination by fusion of different datasets
Slavkovic et al. A parametric approach to defining archetypes for an integrated material stocks and flows analysis and life cycle assessment of built stocks
Hassan et al. Discrete event simulation: a vital tool for a concurrent life cycle design
CN111429166A (zh) 基于最大轮廓聚类的电动汽车充电需求空间分布预测方法
Chatterjee et al. Mode Choice Estimation for Small Areas
Thorsen et al. A simulation approach to studying the sensitivity of commuting-flow predictions with respect to specific changes in spatial structure

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant