一种基于云平台的智慧城市可视化管理系统及方法与流程

[0001]
本发明涉及智慧城市技术领域，具体涉及一种基于云平台的智慧城市可视化管理系统及方法。


背景技术：

[0002]
智慧城市通过物联网基础设施、云计算基础设施、地理空间基础设施等新一代信息技术以及维基、社交网络、网动全媒体融合通信终端等工具和方法的应用，实现全面透彻的感知、宽带泛在的互联、智能融合的应用以及以用户创新、开放创新、大众创新、协同创新为特征的可持续创新。伴随网络帝国的崛起、移动技术的融合发展以及创新的民主化进程，知识社会环境下的智慧城市是继数字城市之后信息化城市发展的高级形态。
[0003]
专利cn104615701b公开了一种基于视频云平台的智慧城市嵌入式大数据可视化引擎集群及其方法，大数据可视化深度学习和决策引擎，用于根据得到的行业流特征、事件流特征和优选的工具集进行决策，得到决策结果，大数据可视化驱动引擎，用于将决策结果传输给大屏显示驱动系统进行呈现，提高了大数据的可视化水平。
[0004]
虽然cn104615701b能够解决智慧城市可视化水平，但是在智慧城市的管理过程中需要经过行业流特征、事件流特征和优选的工具集进行城市事件的决策，整个过程侧重点偏向管理部门使用，基层民众作为智慧城市不可缺少，以及使用智慧城市频率最高的一部分，未充分调动基层民众的自主性，对于城市的的突发事件完全依赖于反馈职能部门，从而导致职能部门工作负荷巨大，以及在反馈的过程中消耗事件处理最佳时间，导致事件处理效率低。


技术实现要素：

[0005]
本发明的目的在于提供一种基于云平台的智慧城市可视化管理系统，以解决现有技术中未充分调动基层民众的自主性，对于城市的的突发事件完全依赖于反馈职能部门，从而导致职能部门工作负荷巨大，以及在反馈的过程中消耗事件处理最佳时间，导致事件处理效率低的技术问题。
[0006]
为解决上述技术问题，本发明具体提供下述技术方案：
[0007]
一种基于云平台的智慧城市可视化管理系统，包括用户端的事件采集单元和可视化单元，服务端的云平台智慧中心、云平台数据中心和人工补偿单元；
[0008]
事件采集单元，用于事件发生方用户采集发生的事件图像信息，并将事件图像信息上传到云平台智慧中心；
[0009]
云平台智慧中心，用于接收来自于事件采集单元的事件图像信息，对事件图像信息进行事件特征提取，根据事件图像信息的事件特征调取云平台数据中心中针对事件图像信息中涉及的事件进行处理的解决方案视频，并将解决方案视频传输到可视化单元，若未能在云平台数据中心调取到任何针对事件图像信息中涉及的事件进行处理的解决方案视频，向人工补偿单元发送人工解决申请；
[0010]
可视化单元，用于接收来自于云平台智慧中心的解决方案视频，并将解决方案视频展示给事件发生方用户；
[0011]
人工补偿单元，用于接收来自于云平台智慧中心的人工解决申请并进行人工解决，在人工解决过程中全程拍摄解决方案视频，事件解决完成后将解决方案视频上传到云平台数据中心进行存储；
[0012]
云平台数据中心，用于存储若干针对于各种类事件的解决方案视频，并向外提供存储和读取的功能。
[0013]
作为本发明的一种优选方案，所述云平台智慧中心对事件图像信息进行事件特征提取的具体步骤为：
[0014]
a1、对事件图像信息进行图像处理，提取视频信息中涉及的原始事件特征向量；
[0015]
a2、利用主成分分析法对原始事件特征向量进行主成分分析，获得降维后的最终事件特征向量；
[0016]
作为本发明的一种优选方案，所述a1中，利用图像处理方法对原始事件特征向量提取的具体步骤为：
[0017]
a101、利用固定规格的框形对待处理的事件图像信息进行规格裁剪，并获得裁剪后的事件图像信息中包含的像素图像矩阵，标记为[i*j]，其中i*j＝n，i为图像矩阵行，j为图像矩阵列，n为像素总数；
[0018]
a102、将像素图像矩阵[i*j]中矩阵排列的像素分解成向量形式，标记为{1*j；2*j；3*j；
…
；i*j}；
[0019]
a103、将{1*j；2*j；3*j；
…
；i*j}作为描述事件图像信息的原始事件特征向量进行存储。
[0020]
作为本发明的一种优选方案，所述a2中，主成分分析法对原始事件特征向量进行主成分分析获得最终事件特征向量的具体步骤：
[0021]
a201、依次将原始事件特征向量{1*j；2*j；3*j；
…
；i*j}中的每一列减去该列均值进行去中心化处理；
[0022]
a202、对去中心化处理后的原始事件特征向量进行协方差矩阵计算，获得原始事件特征协方差矩阵标记为[j*j]；
[0023]
a203、通过svd对原始事件特征协方差矩阵[j*j]进行特征值与特征向量计算，分别获得j个特征值与特征向量；
[0024]
a204、对j个特征值进行从大到小排序，选择特征值最大的p个所对应的p个特征向量分别构成投影矩阵[j*p]；
[0025]
a205、将原始事件特征向量{1*j；2*j；3*j；
…
；i*j}与投影矩阵[j*p]相乘降维获得最终事件特征向量标记为{1*p；2*p；3*p；
…
；i*p}。
[0026]
作为本发明的一种优选方案，所述云平台数据中心中存储的解决方案视频依次经过图像处理和主成分分析最终以特征向量形式进行存储，所述图像处理后提取的所述解决方案视频原始特征矩阵向量标记为{[i1*j1],[i2*j2],[i3*j3],
…
,[i
m
*j
m
]},其中m为解决方案视频总数，i
m
*j
m
＝n
m
为第m个视频图像像素总数，i
m
为第m个视频图像矩阵行，j
m
为第m个视频图像矩阵列，[i
m
*j
m
]分解成向量形式为{1*j
m
,2*j
m
,3*j
m
,
…
,i
m
*j
m
}。
[0027]
作为本发明的一种优选方案，对所述解决方案视频进行主成分分析的具体步骤：
[0028]
b1、依次将解决方案视频原始特征矩阵向量{[i1*j1],[i2*j2],[i3*j3],
…
,[i
m
*j
m
]}中的每一项进行去中心化处理；
[0029]
b2、分别对去中心化处理后的解决方案视频原始特征矩阵向量的每一项进行协方差矩阵计算，获得解决方案视频原始特征协方差矩阵标记为[j1*j1],[j2*j2],[j3*j3],
…
,[j
m
*j
m
]；
[0030]
b3、分别通过svd对解决方案视频原始特征协方差矩阵[j1*j1],[j2*j2],[j3*j3],
…
,[j
m
*j
m
]的每一项进行特征值与特征向量计算，分别获得j1,j2,j3,
…
,j
m
个特征值与特征向量；
[0031]
b4、分别对j1,j2,j3,
…
,j
m
个特征值中每一项进行从大到小排序，选择特征值最大的p个所对应的p个特征向量分别构成投影矩阵[j1*p],[j2*p],[j3*p],
…
,[j
m
*p]；
[0032]
b5、将解决方案视频原始特征矩阵向量{[i1*j1],[i2*j2],[i3*j3],
…
,[i
m
*j
m
]}与投影矩阵[j1*p],[j2*p],[j3*p],
…
,[j
m
*p]对应相乘降维获得存储的解决方案视频特征向量标记为{[i1*p],[i2*p],[i3*p],
…
,[i
m
*p]}，其中[i
m
*p]＝{1*p；2*p；3*p；
…
；i
m
*p}。
[0033]
作为本发明的一种优选方案，所述云平台智慧中心根据事件图像信息的事件特征调取云平台数据中心中针对事件图像信息中涉及的事件进行处理的解决方案视频的具体步骤为：
[0034]
c1、依次计算最终事件特征向量{1*p；2*p；3*p；
…
；i*p}与存储的解决方案视频特征向量{[i1*p],[i2*p],[i3*p],
…
,[i
m
*p]}的每一项之间的欧氏距离；
[0035]
c2、选取c1中欧氏距离最小的解决方案视频特征向量对应的解决方案视频作为针对事件图像信息中涉及的事件进行处理的解决方案视频。
[0036]
作为本发明的一种优选方案，所述事件采集单元和可视化单元为具有拍摄和播放功能的用户终端设备，所述用户终端设备中安装有用于上传事件图像信息和下载解决方案视频的管理系统登录门户，所述管理系统登录门户为网页、软件app或小程序，所述云平台智慧中心和云平台数据中心建立在由若干服务器和计算主机构建而成的分布式数据处理系统中进行运算处理和数据存储，所述管理系统登录门户和分布式数据处理系统通过网络通信进行数据交换和业务交互。
[0037]
作为本发明的一种优选方案，本发明提供了一种根据所述基于视频云平台的智慧城市可视化管理系统的方法，包括以下步骤：
[0038]
s1、事件发生方用户采集发生的事件图像信息，并将事件图像信息上传到云平台智慧中心；
[0039]
s2、云平台智慧中心接收来自于事件采集单元的事件图像信息，对事件图像信息进行事件特征提取，根据事件图像信息的事件特征调取云平台数据中心中针对事件图像信息中涉及的事件进行处理的解决方案视频，并将解决方案视频传输到可视化单元；
[0040]
s3、可视化单元接收来自于云平台智慧中心的解决方案视频，并将解决方案视频展示给事件发生方用户；
[0041]
s4、云平台智慧中心未能在云平台数据中心调取到任何针对事件图像信息中涉及的事件进行处理的解决方案视频，向人工补偿单元发送人工解决申请；
[0042]
s5、人工补偿单元接收来自于云平台智慧中心的人工解决申请并进行人工解决，在人工解决过程中全程拍摄解决方案视频，事件解决完成后将解决方案视频上传到云平台
数据中心进行存储。
[0043]
本发明与现有技术相比较具有如下有益效果：
[0044]
本发明通过事件发生方用户将城市事件拍摄成事件图像信息传输到云平台智慧中心，云平台智慧中心根据事件图像信息匹配从云平台数据中心调取针对事件图像信息中涉及的事件进行处理的解决方案视频展示给事件发生方用户，以便事件发生方依据解决方案视频中的解决方案对事件自行处理，从而充分调动作为事件发生方的基层民众的自主性，减轻职能部门工作负荷巨大，以及避免在反馈职能部门的过程中消耗事件处理最佳时间，提高事件处理效率。
附图说明
[0045]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0046]
图1为本发明实施例提供的可视化管理系统结构框图及方法流程图。
[0047]
图中的标号分别表示如下：
[0048]
1-事件采集单元；2-可视化单元；3-云平台智慧中心；4-云平台数据中心；5-人工补偿单元。
具体实施方式
[0049]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]
如图1所示，本发明提供了一种基于云平台的智慧城市可视化管理系统，包括用户端的事件采集单元1和可视化单元2，服务端的云平台智慧中心3、云平台数据中心4和人工补偿单元5；
[0051]
事件采集单元1，用于事件发生方用户采集发生的事件图像信息，并将事件图像信息上传到云平台智慧中心3；
[0052]
云平台智慧中心3，用于接收来自于事件采集单元1的事件图像信息，对事件图像信息进行事件特征提取，根据事件图像信息的事件特征调取云平台数据中心4中针对事件图像信息中涉及的事件进行处理的解决方案视频，并将解决方案视频传输到可视化单元2，若未能在云平台数据中心4调取到任何针对事件图像信息中涉及的事件进行处理的解决方案视频，向人工补偿单元5发送人工解决申请；
[0053]
可视化单元2，用于接收来自于云平台智慧中心3的解决方案视频，并将解决方案视频展示给事件发生方用户；
[0054]
人工补偿单元5，用于接收来自于云平台智慧中心3的人工解决申请并进行人工解决，在人工解决过程中全程拍摄解决方案视频，事件解决完成后将解决方案视频上传到云平台数据中心4进行存储，对云平台数据中心进行解决方案视频数据扩充，不断在实际使用
中逐渐填充处理各类事件的解决方案，扩大系统的应用范围；
[0055]
云平台数据中心4，用于存储若干针对于各种类事件的解决方案视频，并向外提供存储和读取的功能。
[0056]
所述云平台智慧中心3对事件图像信息进行事件特征提取的具体步骤为：
[0057]
a1、对事件图像信息进行图像处理，提取视频信息中涉及的原始事件特征向量；
[0058]
a2、利用主成分分析法对原始事件特征向量进行主成分分析，获得降维后的最终事件特征向量；
[0059]
所述a1中，利用图像处理方法对原始事件特征向量提取的具体步骤为：
[0060]
a101、利用固定规格的框形对待处理的事件图像信息进行规格裁剪，并获得裁剪后的事件图像信息中包含的像素图像矩阵，标记为[i*j]，其中i*j＝n，i为图像矩阵行，j为图像矩阵列，n为像素总数；
[0061]
在实际使用过程中可根据需要自行设定i，j，n的数值大小。
[0062]
a102、将像素图像矩阵[i*j]中矩阵排列的像素分解成向量形式，标记为{1*j；2*j；3*j；
…
；i*j}；
[0063]
a103、将{1*j；2*j；3*j；
…
；i*j}作为描述事件图像信息的原始事件特征向量进行存储。
[0064]
所述a2中，主成分分析法对原始事件特征向量进行主成分分析获得最终事件特征向量的具体步骤：
[0065]
a201、依次将原始事件特征向量{1*j；2*j；3*j；
…
；i*j}中的每一列减去该列均值进行去中心化处理；
[0066]
a202、对去中心化处理后的原始事件特征向量进行协方差矩阵计算，获得原始事件特征协方差矩阵标记为[j*j]；
[0067]
a203、通过svd对原始事件特征协方差矩阵[j*j]进行特征值与特征向量计算，分别获得j个特征值与特征向量；
[0068]
a204、对j个特征值进行从大到小排序，选择特征值最大的p个所对应的p个特征向量分别构成投影矩阵[j*p]；
[0069]
a205、将原始事件特征向量{1*j；2*j；3*j；
…
；i*j}与投影矩阵[j*p]相乘降维获得最终事件特征向量标记为{1*p；2*p；3*p；
…
；i*p}。
[0070]
其中，p值远远小于i值，p值的选取可根据计算硬件进行取舍，若分布式处理系统中的服务器和计算主机的性能好则可以选择较大的p值，反之可以选择较小的p值；
[0071]
p个事件特征向量已经足以表示事件图像信息所包含的主要特征，相比于后续直接计算i个原始事件特征向量，计算p个事件特征向量在保证准确度的同时降低了计算复杂度。
[0072]
所述云平台数据中心4中存储的解决方案视频依次经过图像处理和主成分分析最终以特征向量形式进行存储，所述图像处理后提取的所述解决方案视频原始特征矩阵向量标记为{[i1*j1],[i2*j2],[i3*j3],
…
,[i
m
*j
m
]},其中m为解决方案视频总数，i
m
*j
m
＝n
m
为第m个视频图像像素总数，i
m
为第m个视频图像矩阵行，j
m
为第m个视频图像矩阵列，[i
m
*j
m
]分解成向量形式为{1*j
m
,2*j
m
,3*j
m
,
…
,i
m
*j
m
}。
[0073]
对所述解决方案视频进行主成分分析的具体步骤：
[0074]
b1、依次将解决方案视频原始特征矩阵向量{[i1*j1],[i2*j2],[i3*j3],
…
,[i
m
*j
m
]}中的每一项进行去中心化处理；
[0075]
{[i1*j1],[i2*j2],[i3*j3],
…
,[i
m
*j
m
]}中每一项分解成向量形式为{1*j1,2*j1,3*j1,
…
,i1*j1},{1*j2,2*j2,3*j2,
…
,i2*j2},{1*j3,2*j3,3*j3,
…
,i3*j3},
…
,{1*j
m
,2*j
m
,3*j
m
,
…
,i
m
*j
m
}
[0076]
b2、分别对去中心化处理后的解决方案视频原始特征矩阵向量的每一项进行协方差矩阵计算，获得解决方案视频原始特征协方差矩阵标记为[j1*j1],[j2*j2],[j3*j3],
…
,[j
m
*j
m
]；
[0077]
b3、分别通过svd对解决方案视频原始特征协方差矩阵[j1*j1],[j2*j2],[j3*j3],
…
,[j
m
*j
m
]的每一项进行特征值与特征向量计算，分别获得j1,j2,j3,
…
,j
m
个特征值与特征向量；
[0078]
j1,j2,j3,
…
,j
m
与[j1*j1],[j2*j2],[j3*j3],
…
,[j
m
*j
m
]一一对应。
[0079]
b4、分别对j1,j2,j3,
…
,j
m
个特征值中每一项进行从大到小排序，选择特征值最大的p个所对应的p个特征向量分别构成投影矩阵[j1*p],[j2*p],[j3*p],
…
,[j
m
*p]；
[0080]
b5、将解决方案视频原始特征矩阵向量{[i1*j1],[i2*j2],[i3*j3],
…
,[i
m
*j
m
]}与投影矩阵[j1*p],[j2*p],[j3*p],
…
,[j
m
*p]对应相乘降维获得存储的解决方案视频特征向量标记为{[i1*p],[i2*p],[i3*p],
…
,[i
m
*p]}，其中[i
m
*p]＝{1*p；2*p；3*p；
…
；i
m
*p}。
[0081]
所述云平台智慧中心3根据事件图像信息的事件特征调取云平台数据中心4中针对事件图像信息中涉及的事件进行处理的解决方案视频的具体步骤为：
[0082]
c1、依次计算最终事件特征向量{1*p；2*p；3*p；
…
；i*p}与存储的解决方案视频特征向量{[i1*p],[i2*p],[i3*p],
…
,[i
m
*p]}的每一项之间的欧氏距离；
[0083]
其中，{[i1*p],[i2*p],[i3*p],
…
,[i
m
*p]}中每一项转换成向量形式表示为{1*p；2*p；3*p；
…
；i1*p},{1*p；2*p；3*p；
…
；i2*p},{1*p；2*p；3*p；
…
；i3*p},
…
,{1*p；2*p；3*p；
…
；i
m
*p}；依次计算{1*p；2*p；3*p；
…
；i*p}和{1*p；2*p；3*p；
…
；i1*p},{1*p；2*p；3*p；
…
；i2*p},{1*p；2*p；3*p；
…
；i3*p},
…
,{1*p；2*p；3*p；
…
；i
m
*p}中每一项的欧氏距离。
[0084]
将{1*p；2*p；3*p；
…
；i*p}和{1*p；2*p；3*p；
…
；i1*p},{1*p；2*p；3*p；
…
；i2*p},{1*p；2*p；3*p；
…
；i3*p},
…
,{1*p；2*p；3*p；
…
；i
m
*p}中每一项的欧氏距离的计算任务分布到分布式处理系统中每个服务器和计算主机进行同步处理，同步计算欧氏距离，而后只需要汇总进行排序选出最小值即可，大大的提高了计算效率。
[0085]
c2、选取c1中欧氏距离最小的解决方案视频特征向量对应的解决方案视频作为针对事件图像信息中涉及的事件进行处理的解决方案视频。
[0086]
其中，欧氏距离越小代表事件图像信息与解决方案视频中解决的事件具有越相似的特征向量，则表示解决方案视频中解决方案越大概率能够解决事件图像信息中涉及的事件。
[0087]
所述事件采集单元1和可视化单元2为具有拍摄和播放功能的用户终端设备，所述用户终端设备中安装有用于上传事件图像信息和下载解决方案视频的管理系统登录门户，所述管理系统登录门户为网页、软件app或小程序，所述云平台智慧中心3和云平台数据中心4建立在由若干服务器和计算主机构建而成的分布式数据处理系统中进行运算处理和数据存储，所述管理系统登录门户和分布式数据处理系统通过网络通信进行数据交换和业务
交互。
[0088]
基于以上基于视频云平台的智慧城市可视化管理系统的结构，本发明提供了一种方法，包括以下步骤：
[0089]
s1、事件发生方用户采集发生的事件图像信息，并将事件图像信息上传到云平台智慧中心3；
[0090]
s2、云平台智慧中心3接收来自于事件采集单元1的事件图像信息，对事件图像信息进行事件特征提取，根据事件图像信息的事件特征调取云平台数据中心4中针对事件图像信息中涉及的事件进行处理的解决方案视频，并将解决方案视频传输到可视化单元2；
[0091]
s3、可视化单元2接收来自于云平台智慧中心3的解决方案视频，并将解决方案视频展示给事件发生方用户；
[0092]
s4、云平台智慧中心3未能在云平台数据中心4调取到任何针对事件图像信息中涉及的事件进行处理的解决方案视频，向人工补偿单元5发送人工解决申请；
[0093]
s5、人工补偿单元5接收来自于云平台智慧中心3的人工解决申请并进行人工解决，在人工解决过程中全程拍摄解决方案视频，事件解决完成后将解决方案视频上传到云平台数据中心4进行存储。
[0094]
本发明通过事件发生方用户将城市事件拍摄成事件图像信息传输到云平台智慧中心3，云平台智慧中心3根据事件图像信息匹配从云平台数据中心4调取针对事件图像信息中涉及的事件进行处理的解决方案视频展示给事件发生方用户，以便事件发生方依据解决方案视频中的解决方案对事件自行处理，从而充分调动作为事件发生方的基层民众的自主性，减轻职能部门工作负荷巨大，以及避免在反馈职能部门的过程中消耗事件处理最佳时间，提高事件处理效率。
[0095]
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。