[发明专利]一种群租房智能识别、联动治理方法及系统

说明书

本发明涉及一种群租房智能识别、联动治理方法及系统，其中，识别方法，包括：S1.基于电梯系统和城市大脑平台获取布置电梯系统的区域的多维异构数据；S2.对多维异构数据进行处理并提取因素特征，并基于深度学习网络模型进行在线监测推断，并判断是否存在群租房，若是，则执行S3；S3.将多维异构数据发布至城市大脑平台，对区域是否存在群租房作进一步确认，若存在，则将该真实群租房案例添加至用于离线训练网络模型的群租房标签样本库，否则执行S4；S4.城市大脑平台对多维异构数据进行分析，获取导致网络模型出现误报的影响因素特征，并将影响因素特征反馈至S2对因素特征进行特征加强。本发明在不依赖于房屋用户的隐私数据情况下，达到群租房的识别。

技术领域

本发明涉及计算机技术领域，尤其涉及一种群租房智能识别、联动治理方法及系统。

背景技术

随着城市化的政策进一步加强贯彻，大量人口涌入城市，给城市带来有效的生产力，成为了城市开发建设和经济社会发展的生力军。但同时，也出现了一系列的“城市病”，如空气污染、交通拥堵、住房紧张等，这对政府的城市化科学精准治理提出了更高的要求。而这其中，群租房是“城市病”的典型难题代表，表现出的问题主要为：1、消防安全隐患较大；2、治安违法案件高发；3、政府被动排查为主。而现有技术中，缺乏有效识别群租房的方案。

发明内容

本发明的目的在于提供一种群租房智能识别、联动治理方法及系统，解决难以有效识别群租房的问题。

为实现上述发明目的，本发明提供一种群租房智能识别方法，包括：

S1.基于电梯系统和城市大脑平台获取布置所述电梯系统的区域的多维异构数据；

S2.对所述多维异构数据进行处理并提取因素特征，并基于深度学习网络模型对提取的所述因素特征进行在线监测推断，并基于推断结果判断所述区域是否存在群租房，若是，则执行步骤S3；

S3.将所述多维异构数据发布至所述城市大脑平台，所述城市大脑平台对所述区域是否存在群租房作进一步确认，若确认存在，则将该真实群租房案例添加至用于离线训练所述深度学习网络模型的群租房标签样本库，若确认不存在，则执行步骤S4；

S4.所述城市大脑平台对所述多维异构数据进行分析，获取导致所述深度学习网络模型出现误报的影响因素特征，并将所述影响因素特征反馈至步骤S2对提取的所述因素特征进行特征加强。

根据本发明的一个方面，所述多维异构数据包括：基于所述电梯系统获取的电梯基础信息、物联网信息、房屋信息，以及基于所述城市大脑平台获取的处置信息。

根据本发明的一个方面，步骤S2中，对所述多维异构数据进行处理的步骤中，对所述多维异构数据进行异常噪音数据和缺失数据进行处理，其中，包括：

S21.通过采用箱型图和/或可视化的方式进行异常噪音数据识别和缺失数据识别，

S22.利用统计分析方法进行处理，其中，对于极端异常的数据和缺失率超过一定阈值的记录进行剔除，否则进行替换和填补。

根据本发明的一个方面，步骤S2中，基于深度学习网络模型对提取的所述因素特征进行在线监测推断的步骤中，采用异常检测的方式进行群租房识别。

根据本发明的一个方面，步骤S2中，基于深度学习网络模型对提取的所述因素特征进行在线监测推断的步骤中包括：

S01.利用大数据爬虫技术对网络新闻舆情里涉及到的群租房信息以及公开数据集进行爬取，并将爬取结果作为标签样本库信息添加至群租房标签样本库；

S02.对所述群租房标签样本库中存储的标签样本库信息与基于所述多维异构数据提取的所述因素特征进行相关性分析，基于分析结果获取影响群租房的关键因素特征；

S03.选取用于离线训练的所述深度学习网络模型；