一种基于大数据的社区动态方法、系统及介质与流程

本技术涉及社区管理，尤其涉及一种基于大数据的社区动态方法、系统及介质。

背景技术：

1、随着城市化进程的加速，社区规模不断扩大，车辆数量也急剧增长。特别是在一些老旧小区，由于规划不合理、停车位不足等问题，车辆乱停乱放现象普遍存在，给社区管理带来了极大的挑战。同时，电动车作为现代城市出行的重要工具，其充电安全问题也日益凸显。电动车充电不当、连续充电时间过长等因素，极易引发火灾事故，给居民的生命财产安全带来严重威胁。

2、传统的社区动态管理方法主要依靠人力巡逻和定期检查，这种方式不仅效率低下，而且难以做到全面覆盖和实时监控。此外，对于电动车充电安全的监管也往往依赖于居民的自觉性和管理人员的责任心，缺乏科学有效的技术手段进行监控和预警。

3、近年来，随着大数据技术的快速发展，其在社区管理领域的应用也逐渐受到重视。通过大数据技术，可以对社区内的车辆停放、电动车充电等数据进行实时采集、分析和处理，从而实现对社区动态的精准管理和有效预警。然而，目前基于大数据的社区动态管理方法还存在一些问题，如数据采集不够精准、预警模型不够准确、预警机制不够完善等。

4、因此，开发一种基于大数据的社区动态管理方法，实现对社区内车辆停放和电动车充电安全的实时监控和有效预警，具有重要的现实意义和应用价值。

技术实现思路

1、本技术的目的在于提供一种基于大数据的社区动态方法、系统及介质，用于提高监测精度、数据可靠性和预测准确性，还能够降低社区火灾和电动车充电安全事故的风险。

2、本技术的目的采用以下技术方案实现：

3、本技术提供一种基于大数据的社区动态管理方法，所述方法包括：

4、s1、获取社区内车辆停放的区域位置信息；将车辆停放的区域划分子区域，根据区域内的车辆停放密度以及区域面积设置传感器进行采样，获得区域数据；

5、s2、划分多个时间段，对不同时间段内的电动车数据进行统计分析，根据分析结果和环境信息调整采样频率；

6、s3、通过历史数据和/或外部数据，训练预警模型；通过实时采集的区域数据，基于训练好的预警模型进行火灾预测，根据预测结果进行第一预警；

7、s4、监测电动车的连续充电时长，根据所述电动车的连续充电时长进行第二预警。

8、进一步地，所述基于大数据的社区动态管理方法，所述s1包括：

9、获取社区内车辆停放的区域位置信息；

10、将车辆停放区域位置划分不同的子区域；

11、在不同的子区域设置传感器组；

12、通过传感器组采集区域数据；所述传感器组包括图像传感器、烟雾传感器、温度传感器。

13、进一步地，所述基于大数据的社区动态管理方法，所述在不同的子区域设置传感器组；包括：

14、根据子区域的面积，车辆停放密度设置不同传感器组的数量；

15、其中传感器组的数量为：

16、

17、其中，n为传感器组的数量，mm为区域内车辆最大停放密度，mym为预设车辆最大停放量密度，sa为实际停放子区域面积，sy为预设停放子区域面积；ny为预设传感器组数；ceiling()为向上取整；

18、不同传感器组的距离大于预设距离。

19、进一步地，所述基于大数据的社区动态管理方法，所述区域数据包括区域内图像、烟雾浓度、温度、烟雾浓度变化率、温度变化率以及电动车数据，所述电动车数据包括电动车停放数量以及电动车充电数量。

20、进一步地，所述基于大数据的社区动态管理方法，所述s2包括：

21、将历史数据按照工作日和休息日进行第一划分获得第一时间区间；

22、将第一时间区间内的一天划分多个时间段获得第二时间区间；

23、统计多个第二时间区间的每个子区域内的电动车停放密度以及电动车充电数量；

24、根据第二时间区间的每个子区域内的电动车停放密度以及电动车充电数量，调整采样频率。

25、进一步地，所述基于大数据的社区动态管理方法，所述s2还包括：

26、如果某个子区域内只有一组传感器；则传感器的采样频率为：

27、

28、ma＝α×mav+β×mi-1

29、ca＝α×cav+β×ci-1

30、其中，f为当前所处第二时间区间传感器的采样频率，mav为预设时间段内同一子区域内多个相同第二时间区间电动车停放密度的均值；cav为预设时间段内对应子区域内对应多个相同第二时间区间电动车充电数量的均值；mi-1为对应子区域内最近一个对应第二时间区间电动车停放密度的均值；ci-1为对应子区域内最近一个对应第二时间区间电动车停充电数量的均值；fy为预设采样频率；my为预设电动车停放密度；cy为预设电动车充电数量；w1、w2为权重系数，α、β为系数，0<α<1；0<β<1；α+β＝1。

31、如果某个子区域内有多组传感器，则根据每组传感器单独覆盖范围内的电动车停放密度、充电的电动车的数量，调整该组传感器的采样频率。

32、进一步地，所述基于大数据的社区动态管理方法，所述s3包括：

33、通过历史数据和/或外部数据，训练预警模型；所述预警模型的输入包括：电动车起火时的图像、起火区域烟雾浓度、烟雾浓度变化率、起火区域温度、以及温度变化率；

34、通过实时采集的区域数据，基于训练好的预警模型进行火灾预测，根据预测结果进行第一预警。

35、进一步地，所述基于大数据的社区动态管理方法，所述s4包括：

36、监测电动车的连续充电时长；

37、通过历史数据获得电动车的平均连续充电时长；

38、当电动车的实际连续充电时长大于平均连续充电时间与预设时长冗余之和时，进行第二预警提醒。

39、本技术提供一种基于大数据的社区管理系统，所述系统包括：

40、信息获取模块，用于获取社区内车辆停放的区域位置信息；将车辆停放的区域划分子区域，根据区域内的车辆停放密度以及区域面积设置传感器进行采样，获得区域数据；

41、采样调整模块，用于划分多个时间段，对不同时间段内的电动车数据进行统计分析，根据分析结果和环境信息调整采样频率；

42、第一预警模块，用于通过历史数据和/或外部数据，训练预警模型；通过实时采集的区域数据，基于训练好的预警模型进行火灾预测，根据预测结果进行第一预警；

43、第二预警模块，用于监测电动车的连续充电时长，根据所述电动车的连续充电时长进行第二预警。

44、本技术提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取所述计算机指令时，所述计算机执行本技术任一项所述的方法。

45、本发明的有益效果包括：利用实时采集的区域数据和训练好的预警模型进行火灾预测，能够及时发现潜在的火灾风险，实施第一预警，有助于提高社区安全性；监测电动车的连续充电时长，并进行第二预警提醒，有助于防止电动车过度充电或故障导致的安全隐患，提高了电动车的安全性和管理效率。根据多个时间段内的电动车数据统计分析结果和环境信息，调整采样频率，能够更加精准地获取区域数据，提高了数据采集的效率和准确性。通过设置不同类型的传感器组合，包括图像传感器、烟雾传感器、温度传感器等，能够全面监测区域内的情况，提高了对潜在安全隐患的感知能力和预警准确性。根据子区域的面积和车辆停放密度设置不同传感器组的数量，能够更加合理地配置传感器资源，提高了资源利用效率。总体来说，基于大数据的社区动态管理方法能够通过数据分析和预警系统，提高社区安全性，优化电动车管理，实现资源的有效配置，从而有效提升社区管理的效率和水平。