一种用于智慧社区的物业管理方法与流程

本公开涉及智慧社区，具体地，涉及一种用于智慧社区的物业管理方法。

背景技术：

1、智慧社区物业管理是指对智慧社区内的建筑、设施、环境等进行维护、管理和服务的一系列活动。智慧社区的物业管理在当今社会中扮演着至关重要的角色，它不仅关乎社区环境的维护和居民生活品质的提升，还直接影响到社区的安全和可持续发展。然而，传统的智慧社区物业管理方式存在诸多缺陷，其中水资源管理尤为突出。

2、在传统的智慧社区中，水资源管理通常依赖于人工抄表的方式来监测和管理水资源使用情况。人工抄表的方式需要大量的人力物力投入，存在效率低下且容易出现人为误差和遗漏的问题，同时也无法及时发现水管泄漏问题，导致水管遗漏问题得不到及时的处理，造成水资源的浪费。

3、因此，期望一种优化的用于智慧社区的物业管理方案。

技术实现思路

1、提供该技术实现要素：部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、第一方面，本公开提供了一种用于智慧社区的物业管理方法，所述方法包括：

3、获取由智能水表采集的水流模式超声波探测信号；

4、对所述水流模式超声波探测信号进行信号片段切分以得到水流模式超声波探测信号片段的序列；

5、通过基于深度神经网络模型的水流模式超声波信号波形特征提取器分别对所述水流模式超声波探测信号片段的序列中的各个水流模式超声波探测信号片段进行特征提取以得到水流模式超声波探测波形特征向量的序列；

6、计算所述水流模式超声波探测波形特征向量的序列的锚定中心，所述锚定中心为所述水流模式超声波探测波形特征向量的序列的按位置均值向量；

7、计算所述水流模式超声波探测波形特征向量的序列中的各个水流模式超声波探测波形特征向量与所述锚定中心的哈希相似度，并基于所述哈希相似度来进行水流模式的时序稳定性表征以得到水流模式时序稳定性表征特征；

8、基于所述哈希相似度，确定是否存在泄露，并确定是否生成泄露预警提示。

9、可选地，所述深度神经网络模型为卷积神经网络模型。

10、可选地，通过基于深度神经网络模型的水流模式超声波信号波形特征提取器分别对所述水流模式超声波探测信号片段的序列中的各个水流模式超声波探测信号片段进行特征提取以得到水流模式超声波探测波形特征向量的序列，包括：使用所述基于深度神经网络模型的水流模式超声波信号波形特征提取器的各层在层的正向传递中对输入数据分别进行卷积处理、均值池化处理和非线性激活处理以由所述基于深度神经网络模型的水流模式超声波信号波形特征提取器的最后一层的输出为所述水流模式超声波探测波形特征向量的序列，其中，所述基于深度神经网络模型的水流模式超声波信号波形特征提取器的第一层的输入为所述水流模式超声波探测信号片段的序列中的各个水流模式超声波探测信号片段。

11、可选地，计算所述水流模式超声波探测波形特征向量的序列中的各个水流模式超声波探测波形特征向量与所述锚定中心的哈希相似度，并基于所述哈希相似度来进行水流模式的时序稳定性表征以得到水流模式时序稳定性表征特征，包括：计算所述水流模式超声波探测波形特征向量的序列中的各个水流模式超声波探测波形特征向量相对于所述锚定中心的哈希相似度以得到由多个哈希相似度组成的水流模式时序稳定性表征特征向量作为所述水流模式时序稳定性表征特征。

12、可选地，基于所述哈希相似度，确定是否存在泄露，并确定是否生成泄露预警提示，包括：将所述水流模式时序稳定性表征特征向量通过基于分类器的泄露检测器以得到检测结果，所述检测结果用于表示是否存在泄露；响应于所述检测结果为存在泄露，生成泄露预警提示。

13、可选地，还包括训练步骤：用于对所述基于深度神经网络模型的水流模式超声波信号波形特征提取器和所述基于分类器的泄露检测器进行训练。

14、可选地，所述训练步骤，包括：获取由智能水表采集的训练水流模式超声波探测信号，以及，智能水表是否存在泄露的真实值；对所述训练水流模式超声波探测信号进行信号片段切分以得到训练水流模式超声波探测信号片段的序列；通过所述基于深度神经网络模型的水流模式超声波信号波形特征提取器分别对所述训练水流模式超声波探测信号片段的序列中的各个训练水流模式超声波探测信号片段进行特征提取以得到训练水流模式超声波探测波形特征向量的序列；计算所述训练水流模式超声波探测波形特征向量的序列的训练锚定中心，所述训练锚定中心为所述训练水流模式超声波探测波形特征向量的序列的按位置均值向量；计算所述训练水流模式超声波探测波形特征向量的序列中的各个训练水流模式超声波探测波形特征向量相对于所述训练锚定中心的训练哈希相似度以得到由多个训练哈希相似度组成的训练水流模式时序稳定性表征特征向量；将所述训练水流模式时序稳定性表征特征向量通过所述基于分类器的泄露检测器以得到分类损失函数值；基于所述分类损失函数值对所述基于深度神经网络模型的水流模式超声波信号波形特征提取器和所述基于分类器的泄露检测器进行训练，在每一次迭代中，对所述训练水流模式时序稳定性表征特征向量进行优化。

15、可选地，将所述训练水流模式时序稳定性表征特征向量通过所述基于分类器的泄露检测器以得到分类损失函数值，包括：使用所述基于分类器的泄露检测器以如下训练分类公式对所述训练水流模式时序稳定性表征特征向量进行处理以生成训练分类结果，其中，所述训练分类公式为：，其中表示所述训练水流模式时序稳定性表征特征向量，至为权重矩阵，至表示偏置矩阵；以及，计算所述训练分类结果与真实值之间的交叉熵值作为所述分类损失函数值。

16、采用上述技术方案，通过对获取的水流模式超声波探测信号进行信号片段切分，然后通过基于深度神经网络模型的水流模式超声波信号波形特征提取器进行特征提取以得到水流模式超声波探测波形特征向量的序列；计算所述水流模式超声波探测波形特征向量的序列的锚定中心，并计算所述水流模式超声波探测波形特征向量的序列与所述锚定中心的哈希相似度，以基于所述哈希相似度，确定是否存在泄露，并确定是否生成泄露预警提示。这样，能够智能化地进行智慧社区的水资源泄漏检测和管理，提高物业管理效率和居民生活质量，为居民提供更安全、便利的生活环境。

17、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种用于智慧社区的物业管理方法，其特征在于，包括：

2.根据权利要求1所述的用于智慧社区的物业管理方法，其特征在于，所述深度神经网络模型为卷积神经网络模型。

3.根据权利要求2所述的用于智慧社区的物业管理方法，其特征在于，通过基于深度神经网络模型的水流模式超声波信号波形特征提取器分别对所述水流模式超声波探测信号片段的序列中的各个水流模式超声波探测信号片段进行特征提取以得到水流模式超声波探测波形特征向量的序列，包括：

4.根据权利要求3所述的用于智慧社区的物业管理方法，其特征在于，计算所述水流模式超声波探测波形特征向量的序列中的各个水流模式超声波探测波形特征向量与所述锚定中心的哈希相似度，并基于所述哈希相似度来进行水流模式的时序稳定性表征以得到水流模式时序稳定性表征特征，包括：计算所述水流模式超声波探测波形特征向量的序列中的各个水流模式超声波探测波形特征向量相对于所述锚定中心的哈希相似度以得到由多个哈希相似度组成的水流模式时序稳定性表征特征向量作为所述水流模式时序稳定性表征特征。

5.根据权利要求4所述的用于智慧社区的物业管理方法，其特征在于，基于所述哈希相似度，确定是否存在泄露，并确定是否生成泄露预警提示，包括：

6.根据权利要求5所述的用于智慧社区的物业管理方法，其特征在于，还包括训练步骤：用于对所述基于深度神经网络模型的水流模式超声波信号波形特征提取器和所述基于分类器的泄露检测器进行训练。

7.根据权利要求6所述的用于智慧社区的物业管理方法，其特征在于，所述训练步骤，包括：

8.根据权利要求7所述的用于智慧社区的物业管理方法，其特征在于，将所述训练水流模式时序稳定性表征特征向量通过所述基于分类器的泄露检测器以得到分类损失函数值，包括：

技术总结本公开涉及一种用于智慧社区的物业管理方法。该方法包括：对获取的水流模式超声波探测信号进行信号片段切分，然后通过基于深度神经网络模型的水流模式超声波信号波形特征提取器进行特征提取以得到水流模式超声波探测波形特征向量的序列；计算所述水流模式超声波探测波形特征向量的序列的锚定中心，并计算所述水流模式超声波探测波形特征向量的序列与所述锚定中心的哈希相似度，以基于所述哈希相似度，确定是否存在泄露，并确定是否生成泄露预警提示。这样，能够智能化地进行智慧社区的水资源泄漏检测和管理，提高物业管理效率和居民生活质量，为居民提供更安全、便利的生活环境。技术研发人员：宋成财,谢双武受保护的技术使用者：深圳市华腾物联科技有限公司技术研发日：技术公布日：2024/9/2