發(fā)布時(shí)間：2020-05-17 12:34

【摘要】：快速的城市化進(jìn)程帶來經(jīng)濟(jì)發(fā)展的同時(shí)也給城市的管理帶來了巨大的挑戰(zhàn),原有的人為管理方式已無法解決如此大面積、多人口、高密度的城市中產(chǎn)生的問題,城市中問題事件的管理和預(yù)警已成為城市可持續(xù)發(fā)展的一個(gè)重要組成部分。為了達(dá)到良好的治理效果,城市管理者面臨著諸多挑戰(zhàn),如何快速地發(fā)現(xiàn)問題事件,如何有效地處理問題事件,如何及時(shí)地預(yù)警問題事件的升級(jí)和如何準(zhǔn)確地預(yù)測問題事件的時(shí)空分布成為了其中的重中之重。本課題屬于智慧治理的應(yīng)用研究,基于上海市徐匯區(qū)和浦東區(qū)網(wǎng)格中心的真實(shí)業(yè)務(wù)數(shù)據(jù)與迫切的應(yīng)用需求,研究探討了城市中的新型管理方式,通過加入先進(jìn)的科學(xué)技術(shù),改進(jìn)了原有的工作方式。本文的研究的內(nèi)容分為以下幾個(gè)方面:城市網(wǎng)格數(shù)據(jù)的關(guān)聯(lián)融合、城市管理事件聚類以及城市管理事件的模式挖掘與預(yù)測。首先,從網(wǎng)格化管理系統(tǒng)中采集相應(yīng)數(shù)據(jù),對(duì)多源數(shù)據(jù)進(jìn)行數(shù)據(jù)關(guān)聯(lián)與融合;其次,管理事件的聚類分析,由于網(wǎng)格中心以投訴為存儲(chǔ)粒度,導(dǎo)致對(duì)一起問題會(huì)出現(xiàn)多次上報(bào)。對(duì)同一起問題的上報(bào)聚類,可以向政府呈現(xiàn)以問題為粒度的管理分析。幫助管理者更方便地跟蹤了解一件問題事件的嚴(yán)重程度,發(fā)展趨勢,解決情況。本文創(chuàng)新性地提出了針對(duì)網(wǎng)格管理數(shù)據(jù)的事件聚類方法,采用事件發(fā)生時(shí)間的相似度,事件發(fā)生地理位置的相似度以及事件語義相似度的共同作用結(jié)果作為事件的相似性度量,并采用DBSCAN密度聚類法實(shí)現(xiàn)事件聚類,根據(jù)業(yè)務(wù)邏輯調(diào)整算法參數(shù),很好地滿足了業(yè)務(wù)部門的需求。本文針對(duì)各類問題事件,詳細(xì)分析導(dǎo)致每類事件發(fā)生的觸發(fā)因素,以及導(dǎo)致各類事件嚴(yán)重程度增加的演化因素,基于觸發(fā)因素關(guān)聯(lián)分析結(jié)果,建立多維度融合預(yù)測模型,對(duì)各類事件在未來一段時(shí)間的發(fā)展進(jìn)行預(yù)測,基于演化因素關(guān)聯(lián)分析結(jié)果,對(duì)各類事件在發(fā)生和演化過程進(jìn)行監(jiān)控,并在事件急速惡化之前及時(shí)預(yù)警。
【圖文】：

垃圾問題和涂鴉問題經(jīng)常同時(shí)出現(xiàn)在一些整潔程度較差的街道上，同時(shí)一些事件之間存在競爭性的關(guān)系，比如街邊的違法設(shè)攤和非法停車，，街邊的位置有限，當(dāng)違法設(shè)攤被清除后會(huì)出現(xiàn)非法停車的情況。如圖4 2所示的事件間的競爭關(guān)系。RBTA 通過對(duì)來自于上海市徐匯區(qū)和浦東區(qū)網(wǎng)格中心的實(shí)際數(shù)據(jù)進(jìn)行評(píng)估，結(jié)果表明 RBTA 具有以下優(yōu)點(diǎn)：1. 該算法可以很好地獲取單個(gè)事件時(shí)間序列發(fā)展的全部規(guī)律，包括其發(fā)展的基本— 36 —

圖 4 2 問題事件間的相互影響.Fig 4 2 The relationship among the incidents.趨勢，即共同演化的非線性動(dòng)態(tài)，如圖4 1所示在該問題事件的發(fā)展中有明顯的上升趨勢，季節(jié)性和特異事件，如國慶期間問題事件的發(fā)展像圖4 3所示，以及不同事件間的相互影響。算法所提取的時(shí)間序列發(fā)展規(guī)律是符合人類理解和邏輯的，相對(duì)于其他深度學(xué)習(xí)算法如 LSTM 等算法具有很強(qiáng)的可解釋性，強(qiáng)大的算法可解釋性可以為業(yè)務(wù)部門帶來對(duì)數(shù)據(jù)更深入的理解。算法的擬合均方根誤差是 0.12，比現(xiàn)存的其他算法的誤差小。2. 該算法可用于時(shí)間序列的長期預(yù)測，結(jié)果準(zhǔn)確度相對(duì)于其他算法有明顯的提升。預(yù)測的均方誤差為 0.15，比現(xiàn)有的最好算法準(zhǔn)確率提高 4.9%。4.2 模式挖掘本章將討論我們提出的模型 RBTA
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：D630

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 鄭宇;;城市計(jì)算概述[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2015年01期

2 徐文龍;劉晶昊;;城市生活垃圾處理與低碳發(fā)展[J];建設(shè)科技;2010年15期

本文編號(hào)：2668559