文摘

针对现有社区应急服务平台的缺点,如单一功能,可扩展性差,和强烈的主观性,一个智能社区应急服务平台基于卷积神经网络构造。首先,紧急服务平台的需求分析,以及紧急服务平台的功能需求进行了分析从社会环境、安全、基础设施、卫生管理、应急响应等。其次,通过物流网络、大数据、云计算、人工智能、和各种各样的应用,智能社区应急服务平台设计。最后,一个语义匹配紧急问题回答系统基于卷积神经网络开发提供关键技术支持智能社区的应急准备阶段。结果表明,智能社区应急服务平台扮演重要的角色在社区预防紧急事件和采取积极有效的措施,确保社区居民的健康和安全。

1。介绍

在中国2021年的智能社区建设和操作指南,智能社区定义为智慧城市的基本单元,引导的智能、绿色、人文社区,集人、土地和其他元素在社区现场,促进沟通和互助的社区居民与社区居民的公共利益。一个创新社区管理和服务模式整合各种资源,如公共管理、公共服务和商业服务,为政府提供社区管理和服务应用程序,物业管理、居民和企业,和提高了科学,聪明,和完善的社区管理和服务水平。社区是国家治理系统的基本单元,社区应急服务平台的关键是打破“最后一英里”的智能社区和社区应急管理能力也是一个重要问题,基层治理(1]。当医疗急救、极端天气应对和预防洪涝灾害控制极端的情感和心理上的安慰,蚊子控制,防疫,如突然事件,社区经常成为突发事件的预防和治疗的主题,这是防止突发事件和危机的前沿。提高应急管理能力和社区的责任,构建智能社区应急管理系统,我们将提高人们的防灾减灾的意识2]。改善人们的应急反应能力和减灾中发挥着重要作用在维护人民生命和财产的安全。

社区应急管应对意外事故的威胁,社区组织人员各自区域内激活,办公室,家庭,社会,和措施和管理机制,通过广泛、积极、有序参与应急管理工作,顺利、有序的解决突发事件,确保社会稳定和人民的幸福和财产安全3]。社区应急管理,危机管理体系的基石,有深远的影响基层社会管理、公共服务、维护居民的公共利益。整个COVID-19爆发、社区、基层单位,已经成为流行控制的前沿和发展,发挥了巨大作用的实践的流行病。然而,与此同时,没有参与应急管理,没有物质保障,缺乏正确的指导理念。应急管理团队质量参差不齐;能力不是很好;社区居民的应急意识不强,互相帮助的能力是弱。如何让社区应急管理的短板,用先进的管理思想和现代信息技术手段,开发一种简单、实用、高效的社区应急服务系统,并加强社区应对突发事件的应急处理能力,提高社区管理人员应急服务的水平和效果(4]?它是科学和学术价值和社会和经济意义尽可能减少损失和伤害。

因此,通过分析现有的缺陷社区应急服务平台和智能社区应急服务平台的需求,本文构建一个智能社区应急服务平台基于卷积神经网络(CNN),提高了社交网络社区应急管理,构建一个社区信息资源平台,并建立一个内部的信息交换系统,形成了技术支持和便利服务,跨部门的网络化协作解决问题,不断提高社区的科学,网络和全方位服务能力和应急反应效果,实现应急措施的技术水平从传统的被动防御为主动预警,并实现通过信息手段提高社区服务水平。

2。平台需求分析

需求分析是软件工程中的一个重要环节。每个应用程序子系统的需求分析智能社区应急服务平台奠定了基础为后续的系统设计和软件实现(5]。

2.1。功能需求

功能需求描述侧重于开发人员需要实现。智能社区应急服务平台的功能主要包括一些功能。(一)智能应急管理:使用传感器、多媒体、宽带网络等信息工具获取大量的社区管理和服务,民生服务、社区环境、社区基础设施、社会经济等信息,基于云计算、大数据、物联网等新一代信息技术、数据分析、数据挖掘、数据安全、信息优化社区安全服务,提高防灾减灾能力。(b)科学资源分配:紧急情况发生后,社区应急资源的科学管理等社区经理、社区计划,保护材料、社会工作者和志愿者,及时安全的地方可以实现资源配置,这三个级别的地区,街道,和社区可以相互联系和提供资源,以满足灾害应急响应的需求。我们将提高我们的能力,确保应急资源。(c)面向集成服务平台:业主和租户的社区,移动服务平台和呼叫中心为一体的综合服务平台,通过集中,压扁强化社区管理模式,实现,和社区服务中心、社区卫生保健中心、社区家庭养老中心资源共享、数据交换、信息流和数据提交。促进安全、智能社区。

根据系统模块的功能需求,包括紧急安全规划和管理、应急资源管理、应急能力评估,以及流动人口的安全管理四个功能模块,每个模块都有一个相应的子程序,和系统建立了一个数据库来存储相关的各种各样的信息来支持每个功能模块的操作。(一)紧急安全规划和管理:社区安全规划需要考虑管理漏洞和灾难的对象在该地区社区坐落的地方。每个社区的区域特征是不同的,一些常见的社区的管理对象选为代表,管理应急安全计划。它主要包括管理的主要风险来源,关键人员,和重要的基础设施。(b)应急资源图书馆管理:计划管理系统数字化元素,形成应急计划信息数据字段,字段存储数据,建立数据库的计划。它主要包括社区的管理计划、社区工作者和志愿者,安全的地方,公共活动区域,和其他救援资源。(c)应急能力评价:应急响应能力的评估是基于预设应急管理的性能目标。通过科学合理的评价体系和方法,社区的应急响应能力是监控从四面八方,从许多角度的原则下实现收益最低的成本最高,使一个科学、合理的综合评价。它主要包括选择评估方法,建立评估模型,评估能力指标,评估结果的宣传,和其他相关流程。(d)流动人口的安全管理:流动人口的安全管理是智能社区应急服务平台的重要组成部分,主要包括建筑物、房屋、户口簿、居民和其他管理可视化,以及户籍人口登记管理的区域和其他相关内容。

2.2。非功能性需求分析

在系统需求分析的过程中,非功能性需求也是一个非常重要的部分,它描述了软件的性能或方式来完成所需的功能服务平台,以便软件平台具有良好的推广能力和适应性6]。性能要求、可靠性、响应速度、外部接口需求、设计约束和数据存储需求属于非功能性需求(7]。为了确保情报机构紧急服务平台可以有效地处理紧急灾难事件,确保建设目标的实现的平台,系统的非功能性需求主要包括以下:响应时间(系统数据管理的过程中,日常的办公室,和系统管理系统响应时间小于3秒),使用要求(验证系统参数配置和管理授权模式通过输入系统操作员用户名和密码),系统可用性(系统应该支持7∗24小时服务操作,平均无故障时间23.90小时。可维护性的平均维修时间小于2小时),故障恢复(系统部署在双系统热备份模式,原则上是无缝的。当一个系统错误,其他系统自动接管服务,而不会影响服务运行),数据库连接(自动数据库重新连接机制:网络中断的情况下,应用系统可以主动发现并自动重新连接数据库),可管理性(系统根据可扩展性的要求,设计和接口与外部系统发行方便的实现与其他系统对接),和可维护性和安全要求(本节描述维护窗口,记录要求,数据结算政策,和日志文件结算政策)。

3所示。系统的设计

智能社区应急服务平台是一个全面的管理应用软件集成前端信息、管理信息、数据检索和分析(8]。它不仅可以显示紧急数据收集和分析了前端采集设备,而且还作为一个管理人员和社区居民之间的联系。摘要智能社区应急管理分为三个阶段:应急准备、响应处理,恢复和调整;五个核心层次:基础网络层、系统层、应用层,产品操作层和用户层;和三个支持系统:系统安全系统、基础设施保障和综合运营服务。图1显示了智能社区应急管理的流程图基于大数据、应急准备阶段的关键。因此,卷积神经网络的帮助下,有效收集、整理、传递整个社区应急管理信息和分散的碎片,整理、分析的信息,为社区监测、预警和应急资源管理提供数据支持和科学依据,实现精确、敏捷、高效、全面的报道社区应急服务。

智能社区的用户角色紧急服务平台主要包括社区工作者和管理员9),社区工作者的主要用户平台,完成计划的责任管理、资源数据库管理、应急响应能力的平台,和移民管理。管理员是一种特定类型的最大管理权限的用户平台。系统的例子如图2。

作为一种重要的系统架构设计、开发视图主要用于描述软件模块的组织和管理10]。如图3平台的每个模块,本文将从三个层次:表示层,业务逻辑层,基础施工层。用户界面表示层由Windows用户界面模块。中间一层是业务应用程序层,主要包括用户管理、信息管理、能力评估、和其他系统服务模块,通过服务访问的形式与表现层的交互;数据库层,底层的数据源平台操作,包括空间数据库,数据库计划,规划数据库,和人口数据库。业务应用程序层调用数据层的数据从业务应用程序响应请求。

场景视图可以用来描述用户的活动相互作用过程相同的操作或活动相互作用过程不同的场景,这是用户活动组件的动态描述(11]。紧急救援计划的准备作为一个例子,每个活动的互动过程,如图4。用户输入信息页面,填写计划准备信息,保存并提交评审阶段,并返回到系统处理信息;用户审查计划的基本信息,填写评审意见,并返回处理信息,从而实现大量数据的深入分析和综合应用的智能社区。

通过研究和开发社区应急服务平台,一个完美的社区应急协调网络系统已经建成,如图5。协调治理平台已经建立,实时分享互动关系已经形成,之后和集中统一领导模型(12]。

4所示。根据CNN紧急问答系统的设计

4.1。CNN的基本理论

一个典型的CNN模型由多个卷积层和汇聚层,紧随其后的是一个或多个完整的连接层。它背后有四个核心理念:本地连接,体重共享、池、和多级(13]。CNN的总体结构如图5。每个卷积操作后面都有一个池操作直到特性图的大小减少到1,紧随其后的是多个完全连接层。

以下4.4.1。输入层

图6显示了输入层的形状。考虑一个通道的输入数据的数量 ,标准的图像处理 ,完全对应电脑红、绿、蓝三个颜色通道。每个图的大小的单通道被定义为 (宽×高),输入数据可以写成 ,在哪里代表每个数据的索引, 。设置处理后输入 ,和具体的计算过程可以表示为 在哪里 和 。

4.1.2。填充

在每一层的卷积运算,为了保持特性图的宽度和高度不变,一个非常方便的方式来完成操作,也就是添加0在原始图像(14]。完成操作的大小,1添加到开始和结束每行和每列的特征图。如图7,红色部分代表了部分完成, 。

4.1.3。卷积

图形输出功能是通过卷积操作的输入数据和权重矩阵(15]。权重矩阵实际上是一个张量尺寸4,一维(大小在哪里 )代表输入数据渠道的数量在一定层,和其他维度(大小 )代表输出数据渠道的数量在这一层。剩下的两个维度定义的大小(宽度和高度)接受域(数学上称为卷积内核),并在实践中,宽度和高度通常是相等的(16]。接受域允许输入图像为顺序处理分为多个子集,所以类似的功能可以搜索在输入图像中不考虑这些特性的位置分布。输出图像的宽度和高度也由步长。图8说明了上述过程图形化。

代表卷积接受域的大小,代表了卷积的一步。设置输入数据的宽度和高度 ,然后输出图像的宽度和高度可以通过以下公式计算:

第一层为卷积操作,输入数据 ,输出是 ,权重矩阵 ,和符号””马克用于不同的参数具有相同含义的(例如,它表示输出层的通道数和输入,分别)。然后,操作可以表示为 在哪里 , , , 。每个隐层后,激活函数需要引入非线性特性。计算完成操作后,下一层的输入 。

4.1.4。池

池操作本质上是一种降维过程。通过每个小区域的平均或最大价值(池接受域的大小和步长 )输入的特征图,输出与相同数量的渠道,但较小的宽度和高度,可以获得17]。值得注意的是,池没有考虑完成的数据,所以下标的符号是如下公式所示。图9是池操作图。

平均池操作可以表示为

最大连接池是广泛应用于各种研究,所以本文的后续池操作最大池(18]。设置 , 代表像素指数最大的价值在汇集知觉领域,并获得下一层的输入:

4.1.5。卷积完整的连接层

CNN的最后卷积层通常使得卷积接受域大小一样的输入特性图(19]。在本例中,卷积操作已成为一个加权平均的过程,将二维输入数据转换成一维输出。这个过程可以表示为

下一级的输入是通过激活函数 。图10是一维卷积得到的输出。

4.1.6。完全连接层

上述操作后,其余的模型看起来就像一个传统的模糊神经网络(FNN) (20.]。加权平均过程

4.1.7。输出层

模型的最后一层是输出层: 在哪里的总层数模型。是输出功能,以下Softmax [21)时,通常使用函数模型用于分类的任务:

4.2。CNN的反向传播的计算方法

在传统的模糊神经网络中,从输出层只有两个梯度FC和FC上层FC需要计算,同时,在一个典型的CNN,四个新的梯度需要计算:FC = >池,池= > Conv Conv = > Conv Conv = >池(22,23]。设置一层的CNN模型的输入层为0,隐藏层 ,和输出层 。

4.2.1。准备错误的计算

为一层定义总错误率相对于输出: 在哪里只需要完成操作时,出现,模型的互熵损失函数,表示为 在哪里狄拉克函数,是标签的值对应于输入数据。不同网络层之间的误差计算方法计算如下:

输出层完整的连接层:

的偏导数公式(9)

的偏微分方程(11)

上述两个方程代入方程(12)获得

以下类似的数学推导过程,不是一步一步解释道。

全连接层全连接层: 在哪里是激活函数的导数。

完整的连接层池层:

池层卷积层:

根据采样定理,

卷积层卷积层:

卷积层池层:

4.2.2。权值更新

更新计算重量,让 ,在哪里和之前和之后分别代表权重更新(24]。此外,考虑以下情况:全连接层全连接层: 完整的连接层池层: 卷积一层一层去卷积,卷积层汇聚层,和卷积层输入层:

4.3。根据CNN紧急问答系统

在智能社区应急服务平台、智能问答是非常关键的25]。的核心是数据共享和数据交互,以及准确的关键元素,全面获取外部数据等综合社区治理、社区医院、智能城市操作,管理和应急资源(26智能问答的,前提是语义匹配算法的设计,以便掌握危险的实时信息来源,分类和管理弱势群体如老人和弱者、病人和年轻人,和空间信息的及时部署,如交通道路、公共场所、供水和电力设施。

国内外研究表明,卷积神经网络在文本特征提取有突出的优势,和情绪的工作分析、文本分类、语义匹配和基于卷积神经网络智能识别取得了令人瞩目的结果公开数据集和评价(27]。一个典型的卷积神经网络用于句子结构建模如图11。

卷积神经网络需要处理两个句子,最后把两个句子的分类(28]。因此,本文使用了一个并行卷积神经网络架构来处理两个句子。网络的总体结构如图12。图显示了两个并行卷积神经网络框架来处理两个句子,每个句子词向量的二维矩阵,分别作为两个卷积神经网络的输入,然后是卷积神经网络通过卷积的层和池高层抽象的构图特征提取操作,最后卷积后池特征向量的两个句子,然后,输入非线性隐层非线性映射,最后输入的逻辑回归分类器分类。网络的输出是0或1的类标准和信心程度的分类。

然而,在上述基本并行卷积神经网络,两个句子之间缺乏互动在卷积层和池层,最后低维向量得到只包含句子的高级信息(29日]。在这个过程中,有些句子本身的相关信息可能会丢失。本文改进的注意机制添加每个池层后修改模型结构。卷积神经网络与注意力机制的总体结构如图13。图显示,每个卷积操作后加入集中注意力机制,和网络的底层计算出土的一两个句子之间的语义关系,通过恒重强调之间的相关性和区别两个句子后得到一个有效的句子说的信息,所以在实际的实验中,它还将获得良好的效果。

问答引擎是整个问答系统的控制模块,主要负责系统输入处理和一些外部信息的应用程序。语义匹配模块主要是CNN算法(30.]。摘要离线方法是首先用来训练语义匹配模型,设计抽象和模型代码。一个匹配的接口是直接提供给问答引擎模块。系统施工过程分为系统架构和网络部署。图14显示了整个系统架构。自动问答系统基于CNN可以数字化应急计划的分解元素,形成应急计划的信息到数据字段,存储数据字段,并建立数据库的计划。数据库系统提供人员应急志愿者的输入函数,职业,行业和地区。同时,维护人员、功能的添加、删除、修改和查询人员信息,列车紧急志愿者。系统提供应急培训计划和培训知识库的功能。当人们需要疏散避难时,该系统可以采取措施,安排人们的避难所根据提供的疏散路线系统,形成一个联动的整体。

选择四种不同的语音信号通过CNN实现有效的语音分类和识别。模型训练集的参数如下:学习速度:0.0001;批量大小:420,输入完整的数据集;迭代次数(时代):8 0。每次迭代后,模型参数更新,模型的损失值和精度测试集和模型的准确性验证计算。在训练过程中,训练,训练精度和测试精度模型如图15。

从图可以看出,损失函数随迭代次数的增加,最后趋于0 80次迭代之后。训练集和验证集的分类精度波动随着迭代和收敛稳定的增加到100%后的迭代次数超过60。样品在测试集被用来测试训练模型和分类精度表所示1。

它可以从CNN,语音识别算法的分类结果具有较高的精度,可以准确地识别语音信号的类别,有效避免人工主观随意性。

5。结论

本文开发的智慧社区应急服务平台基于CNN,充分利用互联网、云计算和大数据,人工智能前沿技术,并实现了显示各类传感器,运行状态,和测试数据的分布,基于语音识别的分析,智慧,创造各种预警策略,以及社区的意外事件的变化趋势进行预测,与社区居民健康状况的影响因素将会尽快消除。主要的工作和结论总结如下:(1)通过分析需求的紧急服务平台的智能社区,紧急服务平台的设计原则是澄清。用例视图、发展观和场景视图的设计是为了解决问题的数据交互和随后的模块开发提供依据。(2)通过紧急问题回答系统由CNN,设计语义匹配算法具有精度高、自动问答系统建设是合理和可行的,和系统语音识别并返回精度高,从而为社区应急响应提供强有力的技术支持。(3)发达的智能社区应急服务平台具有高安全性的特点,广泛的可伸缩性和强大的稳定性。具有重要意义,优化和完善社区应急管理能力,促进安全智能社区的建设。它提供了一个精致,操作方便,高效,社区应急管理和全面的信息工具。

数据可用性

数据集可以在访问请求。

的利益冲突

作者宣称没有利益冲突。

确认

本研究支持健康和经济社会发展研究中心广西大学人文社会科学重点研究基地:社会工作的实际机制在广西突发公共卫生事件(没有。2021 rwb05)。