基于智能模型的智慧社區平臺構建

錢曄 孫吉紅 楊惠瓊 彭琳 沈穎鳴 李宇 吳勁

摘要：以建水縣崇正社區為例，通過社區業務工作分解，將“一人一卡、一事一卡”模式、農家書屋管理工作模塊作為智能模型的原型，構建基于聚類分析算法的智能模型，將其他工作模塊進行信息化處理，構建了智慧社區平臺。根據社區建設要求，提出了智慧平臺建設的新思路、新發展，從而將傳統居委會大媽形象的社區管理引向智能化、數據化的發展方向。

關鍵詞：社區;智能模型;發展;智慧

中圖分類號：C916? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2019）23-0193-04

DOI：10.14088/j.cnki.issn0439-8114.2019.23.048? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）：

The construction of intelligent community platform based on intelligent model

QIAN Ye1，SUN Ji-hong2，YANG Hui-qiong3，PENG Lin1，SHEN Ying-ming2，LI Yu4，WU Jin4

（1.School of Big Data? Information Engineering，Yunnan Agricultural University，Kunming 650201，China;2.Science and Technology in Yunnan，Kunming 650051，China;3.Community Chong Zheng，Jianshui 654300，Yunnan，China;4.Kunming Economic Development Zone Management Committee，Kunming 650000，China）

Abstract： Take the Chongzheng community in Jianshui county as an example. Decomposing the work of the community，the model of“one person， one card， one thing and one card” and the management module of farm bookstore are used as the prototype of the intelligent model. In this paper， an intelligent model based on clustering analysis algorithm is constructed， and other work modules are processed informative to build intelligent community platform. And according to the requirements of community construction， the new ideas and new developments of the construction of the intelligent platform are put forward， so that the community management of the traditional neighborhood committees image should be directed towards the direction of intelligent and data development.

Key words： community; intelligent model; development; intelligence

隨著大數據、云計算、互聯網+、機器學習等信息技術的飛速發展，智慧城市、智能平臺已經進入了人們的視野中，社區作為一個獨立而又傳統的社會模式，隨著時代的發展處于不斷更新變化之中。信息的獲取、分析、利用不再是高新技術領域的專利，社區作為中國最基層的組織，已經在勞動保障、社會治安綜合治理、人口普查、共青團、少先隊、基層黨組織等多方面發揮著積極的作用，如何引入新興信息技術，構建社區信息化平臺成為社區建設的重中之中。

近年來，農家書屋、社區黨員電教（在線）、社區調解平臺等項目落地于每個社區之中，社區已經脫離了居委會大媽調解工作的時代，現代化的設備已經落實，無紙化的辦公已經形成，大學生村官、大學生入選社區主任的現象屢見不鮮，知識分子已經成為了社區的中堅力量。多地的大學生村官為了帶動當地的經濟發展，開網店、做電商等一系列的行動，為當地的經濟發展創造了條件，帶動了居民（村民）的積極性，為貧困戶脫貧做出了應有的貢獻。但是，單純的信息技術只能從形式上改變傳統社區的發展模式，在傳統社區建設的基礎上增添一些形式化的亮點工作，很難從根本上發現、解決社區存在的問題，為此，引入聚類分析、人工神經網絡等智能算法構建智能分析模型，為社區建設智能化、信息化、多功能化提供智慧平臺。

1? 智慧社區的需求

2002年云南省將居民委員會更改為社區，開始社區建設。2002年以后，將符合條件的村民委員會更改為社區（村改居）。社區建設近16年來，發生了巨大的變化，從原來熱心的居民委員會大媽形象變成了現在專業化、職業化、服務多元化的最基層黨組織隊伍。目前，信息技術高速發展，農業信息化、商業信息化、管理信息化等多學科與信息技術的結合取得了舉世矚目的成績，開辟了新的市場。結合當今信息技術的飛速發展，借鑒農業信息化等領域的成功案例，以現代軟件工程技術為基礎，構建開放的、多模型的、多技術耦合協同[1]基于智能模型智慧社區平臺勢在必行。

2? 智慧社區的搭建

早在20世紀80年代中期，以Rumelhart和McCelland為首的科學家小組提出BP人工神經網絡算法，構建了傳統的人工神經網絡預測（識別）模型。隨著信息技術的高速發展，農業、經濟、管理、醫學等多領域與神經網絡算法相結合構建了多種智能化模型。近年來，大數據、云計算等技術的不斷發展，神經網絡算法、聚類分析算法等作為大數據中數據分析、預測、識別的主要工具之一，重新成為信息處理與數據分析的主要工具，當然，神經網絡算法不再一成不變，而是加入了聚類分析算法、遺傳算法、灰色理論等知識，提高了神經網絡預測模型的準確率。黃新穎等[2]采用BP人工神經網絡算法構建中國茶葉出口預警分析網絡模型。杭艷紅等[3]使用遺傳算法對BP神經網絡進行優化，建立耕地自然質量計算的GA-BP網絡模型。孫吉紅等[4]采用BP人工神經網絡算法構建基于智能算法的鮮切花價格預測模型。陸曉琴等[5]采用PCA-RBF神經網絡算法對PPP項目進行風險智能評價。楊劍等[6]采用遺傳算法對RBF神經網絡算法進行改進建立智能模型對遙感圖像進行分類。同時，智慧平臺建設也成了各行各業關注的核心，趙桂芳[7]從多方面解析建立氣象行政審批智慧服務平臺的必要性，提出了建立氣象智慧平臺的構思;李艷艷等[8]提出智慧高速平臺設計的方案;周赤忠[9]、朱昊等[10]、李倫斌[11]根據現代城市停車難的特點，結合大數據技術，提出了智慧停車平臺的創新及應用。王春山等[12]針對農機作業過程中的缺陷，提出了基于互聯網的智慧農機管理平臺。在此基礎上，研究社區管理機制，將神經網絡算法、聚類算法、軟件工程、管理信息系統等信息技術與社區管理相結合，最終形成一個基于智能模型的智慧社區平臺。

以云南省建水縣崇正社區為例。崇正社區位于建水縣臨安鎮，至2002年社區建立以來，榮獲全國婦聯先進基層組織、云南省省級和諧社區、云南省交通文明示范社區等多項榮譽。在社區黨建工作中，形成了“一人一卡、一事一卡”“三卡一圖、三書一冊”“書香崇正”等模式，成為了云南省紅河州社區建設的名牌。

2.1? 智慧社區建設

按照社區建設的宗旨“以人為本、為民服務”，以社區建設的內容為基礎，以信息技術為中心，采用聚類分析、人工神經網絡算法，以MATLAB為數據分析平臺，以.NET為管理信息系統搭建的基礎，構建基于智能模型的智慧社區平臺。

2.1.1? 平臺框架的搭建? 該平臺框架包括了智能預測模型、普通模型框架以及系統框架三個部分（圖1）。智能預測模型框架包含了流動人口管理模塊、社會治安綜合治理模塊。其中，流動人口管理模塊主要以云南省崇正社區的“三卡一圖、三書一冊”模型為模板，進行智能化、信息化處理，達到更實用、更方便的效果;社會治安綜合治理模塊包括了居民矛盾調解、治安防治等模塊。在居民矛盾調解部分，以崇正社“一人一卡、一事一卡”為模型，采用聚類算法，將各種不同的問題進行分類，對應不同的解決方案，形成智能匹配模型。

普通模型框架包括黨建模塊、團建模塊、巾幗婦女建設模塊、環境衛生模塊。其中，黨建模塊主要包括社區黨建工作的全流程，涉及面廣、信息量大;團建模塊主要以社區團員開展工作為主，結合鄉鎮團建工作進行規劃。巾幗婦女建設模塊包括社區婦女參與的各項活動。環境衛生模塊包括社區的環境建設和衛生保潔工作等。

系統框架包括了算法、智能模型、.NET平臺、界面、C#語言、文檔等。其中，智能模型將預測或匹配的結果植入管理信息系統中進行展示;.NET作為系統開發的平臺，采用C#語言進行開發;界面主要是社區工作需求分析在可視化界面的實現，包括社區所有工作的展示及應用入口。

2.1.2? 智能模型的建立

1）構建基于聚類算法的“一人一卡、一事一卡”智能識別模型。崇正社區至2010年創先爭優活動以來，根據社區的實際情況，構建了“一人一卡、一事一卡”模型，解決了當時社區的調節問題，形成了云南省建水縣的一張名片，8年來，社區一直采用該模式形成了大量的珍貴數據。但是，隨著時間的不斷增長，社區分管調解工作人員的崗位變動，新分管調解工作的人員面對大量的資料，工作難以適應。面對現狀，本研究針對“一人一卡、一事一卡”模式進行智能化改造，將運行8年的模式進行調整，更好的適應社區的發展。

聚類分析算法將社區調節的問題分為5類，分別是房屋產權問題、鄰里之間口角問題、咨詢政府的相關政策問題、治安問題、其他問題。將這5類問題進行數字化，1代表房屋產權問題，2代表鄰里之間的口角問題，3代表咨詢政府的相關政策問題，4代表治安問題，5代表其他問題。1～5分別對應了5類不同問題的解決方案。將2010年5月至2015年5月的資料，進行數字化后輸入聚類算法構建的模型中，作為學習樣本中的數據;將2015年6月至2018年5月的數據輸入模型中作為訓練樣本。模型進行預測時，將遇到的問題進行數字化，輸入到模型中，模型將自動計算目標距離像與訓練樣本中5類目標距離像的距離，模型將自動識別出距離最短的目標，作為解決該問題的方案。

圖2為聚類算法構建智能預測模型的原理，圖2清楚地顯示通過聚類算法構建的智能模型，能夠將雜亂無章的各類信息進行分類、匹配，形成有規律的各種集合。

2）構建基于聚類算法的智能預測模型。崇正社區2010年成立了社區農家書屋，藏書1萬余冊，安排了專職的圖書館管理員，負責日常事務，并于2011年開始，開展“書香崇正-全民閱讀”活動，受到了廣大居民的歡迎以及上級領導的贊賞。但是，由于社區農家書屋的空間有限，大量的書籍難以上架，影響了社區居民查書、讀書的積極性。

針對以上情況，本研究將采用數據挖掘的方法，確定最受社區居民歡迎的書籍，然后利用有限的空間為居民提供最優質的服務（圖3）。一是將農家書屋的圖書細化為20類，每類的編號為1、2… …18、19、20。二是從日常登記借書的名單中，將居民借書的書名進行數字化。三是采用聚類算法構建分類模型，模型將自動計算輸入的“數字”與樣本中的“數字”的距離，輸出分類結果。四是統計分類結果，將20類圖書的分類結果，按照由多到少的順序進行排序。排在第一的圖書類別將安排在農家書屋最顯眼的位置，排在第二的圖書類別將安排在次顯眼的位置……，排在最后5位的圖書類別將盡量少安排書架。

2.1.3? 智能模型的發展? 智能模型預測的準確率取決于數據的完整性以及不斷更新的訓練樣本。“一人一卡、一事一卡”智能識別模型、基于聚類算法農家書屋智能預測模型是否能夠保持智能化、信息化功能，是否能夠長期具有實用性、功能性，取決于社區工作人員的維護。主要包括以下幾個關鍵點：一是數據更新限制。智能模型的準確率隨著時間的延續，數據停止更新或者更新較慢，將影響預測的準確率。二是人員操作能力的限制。智能模型的預測需要社區干部操作，方法簡單，但是也需要熟練掌握，以免降低甚至錯誤的預測。三是智能模型推廣應用的限制。智能模型作為整個智慧社區平臺的主要組成部分，需要在一個知名度較高的社區進行使用，并將使用效果進行有效推廣，才能發揮智慧社區平臺的作用。

2.1.4? 智能模型的擴展? 本研究中采用聚類分析構建智能模型，在今后的研究中，將根據模型的實際情況，采用改進的BP神經網絡算法、GRNN算法、LVQ、灰色神經網絡算法等構建智能模型，并根據實際的預測結果，反復比較，尋找最佳的智能算法。

2.2? 管理信息系統的設計

構建智慧社區管理信息系統主要是為了將智能模型及其他模型的功能展示在平臺上，更好地服務社區居民。首先，將系統權限設置為管理員、業務員二級權限。管理員是系統中最高權限的角色，擁有包括添加、刪除用戶、查看信息、整理信息、發布通知在內的所有權限;業務員角色根據管理的需求，由管理員進行分配名額（添加或刪除），業務員主要是對智能模型進行操作，將智能模型的輸出結果作為社區管理的參考依據。

3? 智慧社區的遠景

智慧社區的遠景是實現從傳統的信息系統管理到基于智能模型的智慧社區平臺的轉變，以及在該平臺上的操作及應用。遠景將隨著大數據、機器學習、人工智能、專家系統的發展而不斷完善，目前主要考慮以下幾個方面。

3.1? 資源共享

單個智能模型的建立在理論上已經非常完美的實現了社區的需求，為社區的工作人員特別是新人提供了智能化的建議，輔助其進行人民調解或者是智能化分配圖書。但是，由于單個社區產生的數據有限，要想實現精確的智能匹配，必須將整個縣域的數據進行共享，整合大量的數據輸入模型中，而且數據的更新速度要快，更新量要大，使得模型的匹配更精確，模型的生命力更旺盛。

3.2? 建立專家系統

專家系統（ES）是人工智能領域最活躍和最廣泛的領域之一[13]。使用專家系統就是采用具有人類思想的專家推理智能模型處理現實生活中需要邀請專家處理并作出解釋的復雜問題，得出與專家相同或相似的結論[14]。基于智能模型的智慧社區平臺的發展前景就是建立基于智能模型（包括神經網絡模型、聚類分析模型等）的專家系統，以此增加系統的功能，提高系統的性能，研究各種智能模型的相關性，將分析結果用于系統升級設計[15]。將具有以下優勢：固有并行性、較好的容錯性、自適應性、分布式聯想存儲、較強的學習能力[16]。

3.3? 數據分析

數據是指特定事物的發展過程所留下的痕跡，不能任意改動、虛構。目前，大數據分析淡化了數據的精確性，但是，在數據分析中必須排除不確定性、混雜性因子[17，18]。在建立基于智能模型的智慧社區平臺后，隨著社區業務工作量的增加及延伸，社區工作將留下大量的數據，利用人工神經網絡算法，在MATLB平臺下對這些數據進行分析，將得出社區居民的所需所求，根據分析結果將預防青少年心理疾病、從源頭防止鄰里之間的矛盾、幫助最需要幫助的困難戶等。總之，將數據分析引入社區建設將大大降低社區工作者的工作量，提高社區的服務質量，為構建和諧、文明、祥和的新型社區奠定堅實的基礎。

4? 結論

隨著大數據技術的不斷發展以及計算機技術與多學科的成功結合，智慧社區平臺建設已經成為社區建設的主要創新方式，以軟件演化為技術依托，優化智能算法模型，將以社區工作度結合緊密且適合預測效果最佳的模型引進社區智慧平臺的建設中;以大數據技術、神經網絡算法、聚類分析為信息技術處理手段，以MATLAB為平臺，增強數據分析精準率;以互聯網為載體，構建基于網格化的社區智慧平臺。社區建設作為中國共產黨最基層的黨組織建設，引入智能算法構建智慧社區平臺，使得社區干部在紛繁復雜的工作中，不但能夠接觸最新的科技成果、學習新知識和應用新平臺，而且可以降低工作量，實現工作的精準化，助推社區信息化、智能化建設工程的進程。

參考文獻：

[1] 張文宇，曹宏鑫，葛道闊，等.基于模型的智慧農業平臺的構建[J].江蘇農業科學，2015，43（12）：478-481.

[2] 黃新穎，楊文麗.基于BP神經網絡模型的中國茶葉出口預警分析[J].江蘇農業科學，2018，46（2）：310-314.

[3] 杭艷紅，楊? 林.基于GA-BP神經網絡的耕地自然質量計算模型研究[J].江蘇農業科學，2017，46（8）：183-186.

[4] 孫吉紅，張麗蓮，武爾維，等.基于智能算法的價格預測模型探究[J].計算機技術與發展，2014（11）：107-109.

[5] 陸曉琴，黃元君，王? 喜.基于PCA-RBF神經網絡的PPP項目風險智能評價研究[J].科技管理研究，2017（14）：59-63.

[6] 楊? 劍，宋超峰，宋文愛，等.基于遺傳算法的模糊RBF神經網絡對遙感圖像分類[J].小型微型計算機系統，2018，3（3）：621-624.

[7] 趙桂芳.氣象行政審批智慧服務平臺的應用探索[J].安徽農學通報，2018，24（6）：137-138.

[8] 李艷艷，王小雄，邵永軍.智慧高速平臺的設計與實現[J].科技創新與應用，2018（18）：93-94.

[9] 周赤忠.基于靜態交通大數據系統下的智慧停車平臺創新與應用[J].計算機應用與軟件，2018，35（2）：330-333.

[10] 朱? 昊，馮淑媛，劉? 濤.上海智慧停車建設和發展運行模式探討[J].交通與運輸（學術版），2016（2）：106-108.

[11] 李倫斌.基于大數據的城市智能停車系統研究[J].技術與市場，2016，23（5）：253.

[12] 王春山，張? 璠，滕桂法，等.智慧農機調配管理平臺設計與實現[J].中國農機化學報，2018，39（1）：61-68.

[13] 蔡自興，DURKIN J，龔? 濤.高級專家系統：原理、設計及應用[M].北京：科學出版社，2006.

[14] LIAO S H.Expert system methodologies and applications—A de-cade review from 1995 to 2004[J].Expert systems with appli-cations，2005，28（1）：93-103.

[15] CHOU J S.Generalized linear model-based expert system for es-timating the cost of transportation projects[J].Expert systemswith applications，2009，36（3）：4253-4267.

[16] ZHANG Y D，WU L N，WEI G A.New classifier for polarimet-ric SAR images[J].Progress in electromagnetics research，2009，94：83-104.

[17] SCHLIMMER J C，GRANGER R H J.Incremental learning from noisy da-ta[J].Machinelearning，1986，1（3）：317-354.

[18] [英]維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數據時代：生活、工作與思維的大變革[M].盛楊燕，周? 濤，譯.杭州：浙江人民出版社，2013.