【技术实现步骤摘要】
本专利技术涉及城市治理，尤其涉及到一种城市管理事件数量变化预测方法、装置、设备及存储介质。
技术介绍
1、在城市治理中，城市管理工作的重要组成部分是城市管理人员的巡逻工作，城市管理巡逻人员的安排方案对于维护城市的公共秩序和市民的安全至关重要，而针对城市管理巡逻调度，由于人力资源有限以及不同区域的实际情况差异，导致有限的人力资源往往无法及时发现和处理事件。因此，需要对区域范围内的城市管理事件的数量变化趋势进行监测。
2、在城市管理过程中，每天都会有城市巡查事件、网格上报事件；在实际调研过程中，受限于人力物力等因素，工作日与非工作日反馈的事件数量有明显的区别（两者数量相差可以达到2到3倍），导致无法直接通过城市管理事件数量的日环比来反映城市管理事件数量的变化趋势。
3、因此，如何实现对区域范围内的城市管理事件的数量变化趋势进行预测，以判断数量变化趋势是否超过预设波动条件，是一个亟需解决的技术问题。
技术实现思路
1、本专利技术的主要目的在于提供一种城市管理事件数量变化预测方法、装置、设备及存储介质，旨在对区域范围内的城市管理事件的数量变化趋势进行预测，以判断数量变化趋势是否超过预设波动条件。
2、为实现上述目的，本专利技术提供一种城市管理事件数量变化预测方法，所述方法包括以下步骤：
3、获取区域范围内的历史城市管理事件信息；其中，所述历史城市管理事件信息包括记录有事件发生日期的若干条城市管理事件；
4、根据所述历史城市管理事件
5、基于区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值，绘制生成短期移动平均线、中期移动平均线和长期移动平均线；
6、分别提取短期移动平均线、中期移动平均线和长期移动平均线的平均线特征，将当前时段的所述平均线特征分别输入到短期移动平均值预测模型、中期移动平均值预测模型和长期移动平均值预测模型中，预测获得下一时段的短期移动平均值、中期移动平均值和长期移动平均值；
7、根据下一时段的短期移动平均值、中期移动平均值和长期移动平均值，判断下一时段的城市管理事件数量变化趋势是否超过预设波动条件。
8、可选的，根据所述历史城市管理事件信息，确定区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值步骤，具体包括：
9、分析所述历史城市管理事件信息，提取所述历史城市管理事件信息中的高频事件发生间隔周期；其中，所述高频事件为单位时间内发生的次数超过预设值的事件；
10、基于所述间隔周期，确定短期移动平均值、中期移动平均值和长期移动平均值的覆盖周期；
11、根据短期移动平均值、中期移动平均值和长期移动平均值的覆盖周期，计算获得区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值。
12、可选的，所述短期移动平均值的覆盖周期为1-2个高频事件发生间隔周期，所述中期移动平均值的覆盖周期为4-13个高频事件发生间隔周期，所述长期移动平均值的覆盖周期为26-52个高频事件发生间隔周期。
13、可选的，根据短期移动平均值、中期移动平均值和长期移动平均值的覆盖周期，计算获得区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值步骤，具体包括：
14、（1）计算短期移动平均值的表达式为：
15、；
16、（2）计算中期移动平均值的表达式为：
17、；
18、（3）计算长期移动平均值的表达式为：
19、；
20、其中，t为日期，t1为短期移动平均值的覆盖周期，t2为中期移动平均值的覆盖周期，t3为长期移动平均值的覆盖周期，v为事件数量，i为日期t的第前i天，v（t-i）表示日期t的第前i天的事件数量。
21、可选的，将当前时段的所述平均线特征分别输入到短期移动平均值预测模型、中期移动平均值预测模型和长期移动平均值预测模型中步骤之前，所述方法还包括：
22、分别提取短期移动平均线、中期移动平均线和长期移动平均线在前一时段的平均线特征和在后一时段的短期移动平均值、中期移动平均值和长期移动平均值，并建立平均线特征分别与短期移动平均值、中期移动平均值和长期移动平均值的映射关系；
23、将所述前一时段的平均线特征以及与之具有映射关系的所述后一时段的短期移动平均值、中期移动平均值和长期移动平均值分别输入对应的机器学习模型中进行训练，获得短期移动平均值预测模型、中期移动平均值预测模型和长期移动平均值预测模型。
24、可选的，根据下一时段的短期移动平均值、中期移动平均值和长期移动平均值，判断下一时段的城市管理事件数量变化趋势是否超过预设波动条件步骤，具体包括：根据下一时段内短期移动平均值、中期移动平均值和长期移动平均值三者的位置，判断下一时段的城市管理事件数量变化趋势是否超过预设波动条件。
25、可选的，根据下一时段内短期移动平均值、中期移动平均值和长期移动平均值三者的位置，判断下一时段的城市管理事件数量变化趋势是否超过预设波动条件步骤，具体包括：
26、统计下一时段内短期移动平均值与中期移动平均值皆高于长期移动平均值的时间段长度l1，短期移动平均值高于移动平均值但中期移动平均值低于长期移动平均值的时间段长度l2、短期移动平均值低于移动平均值但中期移动平均值高于长期移动平均值的时间段长度l3以及短期移动平均值与中期移动平均值皆低于长期移动平均值的时间段长度l4；
27、根据所述时间段长度l1与所述时间段长度l2的第一加权和与所述时间段长度l3与时间段长度l4的第二加权和，计算第一加权和与第二加权和的差值作为城市管理事件数量的趋势变化量化值；
28、其中，时间段长度l1与时间段长度l4的权重为μ1，时间段长度l2和时间段长度l3的权重为μ2，且μ1＞μ2；
29、判断所述趋势变化量化值是否超过预设趋势变化量化阈值，若是，则判断下一时段的城市管理事件数量变化趋势超过预设波动条件。
30、此外，为了实现上述目的，本专利技术还提供了一种城市管理事件数量变化预测装置，包括：
31、获取模块，用于获取区域范围内的历史城市管理事件信息；其中，所述历史城市管理事件信息包括记录有事件发生日期的若干条城市管理事件；
32、确定模块，用于根据所述历史城市管理事件信息，确定区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值；
33、绘制模块，用于基于区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值，绘制生成短期移动平均线、中期移动平均线和长期移动平均线；
34、预测模块，用于分别提取短期移动平均线、中期移动平均线和长期移动平均线的平均线特征，将当前时段的所述平均线特征分别输入到短期移动平均值预测模型、中期移动平均本文档来自技高网...
【技术保护点】
1.一种城市管理事件数量变化预测方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的城市管理事件数量变化预测方法，其特征在于，根据所述历史城市管理事件信息，确定区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值步骤，具体包括：
3.如权利要求2所述的城市管理事件数量变化预测方法，其特征在于，所述短期移动平均值的覆盖周期为1-2个高频事件发生间隔周期，所述中期移动平均值的覆盖周期为4-13个高频事件发生间隔周期，所述长期移动平均值的覆盖周期为26-52个高频事件发生间隔周期。
4.如权利要求3所述的城市管理事件数量变化预测方法，其特征在于，根据短期移动平均值、中期移动平均值和长期移动平均值的覆盖周期，计算获得区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值步骤，具体包括：
5.如权利要求4所述的城市管理事件数量变化预测方法，其特征在于，将当前时段的所述平均线特征分别输入到短期移动平均值预测模型、中期移动平均值预测模型和长期移动平均值预测模型中步骤之前，所述方法还包括：
6.如权利要
7.如权利要求6所述的城市管理事件数量变化预测方法，其特征在于，根据下一时段内短期移动平均值、中期移动平均值和长期移动平均值三者的位置，判断下一时段的城市管理事件数量变化趋势是否超过预设波动条件步骤，具体包括：
8.一种城市管理事件数量变化预测装置，其特征在于，包括：
9.一种城市管理事件数量变化预测设备，其特征在于，所述城市管理事件数量变化预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的城市管理事件数量变化预测程序，所述城市管理事件数量变化预测程序被所述处理器执行时实现如权利要求1至7中任一项所述的城市管理事件数量变化预测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有城市管理事件数量变化预测程序，所述城市管理事件数量变化预测程序被处理器执行时实现如权利要求1至7中任一项所述的城市管理事件数量变化预测方法的步骤。
...【技术特征摘要】
1.一种城市管理事件数量变化预测方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的城市管理事件数量变化预测方法，其特征在于，根据所述历史城市管理事件信息，确定区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值步骤，具体包括：
3.如权利要求2所述的城市管理事件数量变化预测方法，其特征在于，所述短期移动平均值的覆盖周期为1-2个高频事件发生间隔周期，所述中期移动平均值的覆盖周期为4-13个高频事件发生间隔周期，所述长期移动平均值的覆盖周期为26-52个高频事件发生间隔周期。
4.如权利要求3所述的城市管理事件数量变化预测方法，其特征在于，根据短期移动平均值、中期移动平均值和长期移动平均值的覆盖周期，计算获得区域范围内的每日的短期移动平均值、中期移动平均值和长期移动平均值步骤，具体包括：
5.如权利要求4所述的城市管理事件数量变化预测方法，其特征在于，将当前时段的所述平均线特征分别输入到短期移动平均值预测模型、中期移动平均值预测模型和长期移动平均值预测模型中步骤之前，所述方法还包括：
6.如权利要求5所述的城市管理事件数量变化预测方法，其特征在于，根据下一时段的短期移...
【专利技术属性】
技术研发人员：黄磊，周正斌，花福军，罗钦，叶莎莎，
申请(专利权)人：创意信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。