[发明专利]一种基于深度学习的社区服务调度方法和系统

说明书

本发明提出了一种基于深度学习的社区服务调度方法，包括如下步骤：S1、采集社区内的动态环境数据，并上传至云端服务器；S2、采集物业人员的服务配置参数，并上传至所述云端服务器；S3、由所述云端服务器生成调度方案，并下达社区服务调度指令。并基于上述方法提出对应系统，主要应用于超大型社区或者社区群，能够有效调度从事社区服务的人、物资源，维护社区交通、卫生以及安全方面的有序运转，相比传统的物业服务，人工智能的应用降低了人为调度的难度，在处理具有剧烈动态时变性的社区环境上更具优势。

技术领域

本发明涉及神经网络技术以及社区服务调度领域，更具体地说是涉及一种基于深度学习的社区服务调度方法和系统。

背景技术

传统的物业服务，面对的是比较有限的空间和人口，其在实施当中环境因素是相对静态和简单的，过程是线性和单一的。例如，在传统的社区交通疏导服务中，只要在社区道路的一些位点(比如道路交叉口)安排疏导员或者疏导设备，按照各个车流方向上预定的通行分配时间，依次指挥通行即可。传统的社区卫生和安保服务也是将社区空间划分为片区，按片区分配保洁员或者保安，保洁员和保安在片区内按顺序依次对每个位点进行垃圾清理或者安保巡视。

随着城市的扩张，占地达数百公顷、居住十几万甚至几十万人口的超大型社区或者社区群不断出现；这给社区内部的交通、环境卫生、安保等方面的物业服务带来了巨大的挑战。例如，空间的增大，人口和车辆的增多，导致社区中需要交通疏导、垃圾清理或者安保巡视维护治安的位点数量呈级数增长，位点分布的空间范围显著扩大，且位点所处的外部环境呈现剧烈的动态时变性，社区服务资源在位点之间调度的难度、路程距离和时间成本具有明显增加。

因此，如何能够在位点之间有效调度从事社区服务的人、物资源，维护社区交通、卫生、安全方面的有序运转，是本领域技术人员亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于深度学习的社区服务调度方法和系统，通过社区环境传感网络对社区内动态环境数据进行采集和传递，在BP神经网络的学习机制的基础上，云端服务器与辅助调度终端之间进行信息交互，以期高效调度社区服务的人、物资源，维护社区的秩序运转。

为了实现上述目的，本发明采用如下技术方案：

一种基于深度学习的社区服务调度方法，包括如下步骤：

S1、采集社区内的动态环境数据，并上传至云端服务器；

S2、采集物业人员的服务配置参数，并上传至所述云端服务器；

S3、由所述云端服务器生成调度方案，并下达社区服务调度指令。

优选的，所述S1利用传感探头采集动态环境数据，所述传感探头包括但不限于交通流量探头、人流量探头、手机串号探测器；采集到的动态环境数据包括但不限于交通流量、人流量、手机串号分布；所述传感探头分布于社区空间的不同位点，便于后续步骤根据传感探头的位置确定需要执行社区服务的位点。

优选的，所述S2中的物业人员将自身ID编号、可分配的服务类型、配置工具类型输入至辅助调度终端，由所述辅助调度终端将自身ID编号、可分配的服务类型、配置工具类型上传至所述云端服务器；所述辅助调度终端还具有GPS定位功能，能够实时记录并向云端服务器上传所述物业人员的位置和移动轨迹；所述物业人员的服务配置参数为自身ID编号、可分配的服务类型、配置工具类型、位置信息以及移动轨迹。每位从事社区服务的物业人员均携带一部辅助调度终端，辅助调度终端主要通过智能手机实现，能够与云端服务器进行双向移动通信，且所述辅助调度终端设置有显示屏，能够显示云端服务器下达的社区服务指令，便于物业人员进行指令接收。

优选的，所述社区服务调度指令生成的具体过程如下：

根据不同位点的传感探头采集到的动态环境数据，确定需要执行社区服务的位点；