一种智慧城市安全协同管理信息系统的制作方法

本发明涉及数据处理，具体涉及一种智慧城市安全协同管理信息系统。

背景技术：

1、智慧城市安全协同管理信息系统是智慧城市建设的一个重要组成部分，智慧城市安全协同管理涉及大量数据监测，一般在城市内部最广泛的噪声源为汽车发动机或者汽车鸣笛噪声，对城市中噪声污染的监测，道路上车流量越多，则噪声越大。其中监测过程中所采集噪声数据的质量直接影响监测效果，一般在完成数据采集后，需要对所采集的噪声原始数据进行清洗。

2、对于城市噪声监测数据的清洗主要对采集过程中的异常数据进行剔除，即需要判断监测数据的异常程度。现有技术一般通过比较监测数据的变化以及监测点之间的监测数据的差异关系，判断监测数据的异常程度。但是对于城市噪声监测，不同监测点在不同时刻接收到的噪声存在差异，即监测点之间本身存在数据差异，影响监测数据之间的差异对其异常程度的表现的准确性，降低噪声数据的管理效率。

技术实现思路

1、为了解决监测点在不同时刻接收噪声存在差异，导致监测数据之间的差异对数据异常程度表现不准确的技术问题，本发明的目的在于提供一种智慧城市安全协同管理信息系统，所采用的技术方案具体如下：

2、本发明提出了一种智慧城市安全协同管理信息系统，所述系统包括：

3、数据获取模块，用于获取每个时刻下至少两个监测点的噪声数据；

4、噪声分析模块，用于根据每个时刻下每个监测点的噪声数据，以及获取得到的影响道路的车流量，获取每个时刻下每个监测点的噪声表现值；

5、异常分析模块，用于基于所述噪声表现值获取每个时刻下每个监测点的至少两个关联监测点；根据每个时刻下每个监测点与其关联监测点的噪声数据之间的距离，以及所述噪声表现值之间的差异，获取每个时刻下每个监测点的噪声数据的异常度；

6、数据变化分析模块，用于根据监测点在任意相邻时刻的噪声数据和噪声表现值的差异获取每个时刻下监测点的变化向量；依据每个时刻下监测点与其关联监测点的变化向量之间的差异，获取每个时刻下监测点的噪声数据的变化偏差值；结合每个时刻下监测点的噪声数据的所述变化偏差值，以及所述监测点与其关联监测点的变化向量之间方向差异，获取每个时刻下每个监测点的噪声数据的异常变化值；

7、安全协同信息管理模块，依据噪声数据的所述异常度和所述异常变化值筛选出异常数据。

8、进一步地，所述噪声表现值的获取方法，包括：

9、对于每个监测点，获取每条道路与监测点之间的距离；当每条道路与监测点之间的距离小于预设距离时，将每条道路作为所述监测点的影响道路；

10、将监测点与其每条影响道路之间的距离的倒数和每个时刻下所述影响道路的车流量的乘积，作为监测点的每条影响道路在每个时刻的噪声贡献值；将每个时刻下监测点的每条影响道路的所述噪声贡献值进行累加，得到每个时刻下监测点的噪声表现值。

11、进一步地，所述关联监测点的获取方法，包括：

12、对于每个时刻下所有监测点，将任意两个监测点的所述噪声表现值之间的差值绝对值作为对应两个监测点之间的噪声表现差异；选取任意一个所述监测点作为目标监测点，将目标监测点与其他监测点之间的最小的预设数量个所述噪声表现差异对应的监测点，作为目标监测点的关联监测点；改变所述目标监测点，获取每个时刻下每个监测点的关联监测点。

13、进一步地，所述异常度的获取方法，包括：

14、使用k均值聚类算法对每个时刻下监测点与其关联监测点的噪声数据进行聚类，得到每个时刻下监测点对应的一个聚类簇和所述聚类簇的聚簇中心；

15、对于每个时刻下每个监测点，获取监测点的聚类簇内每个噪声数据与所述聚簇中心之间的欧式距离；将监测点的噪声数据与所述聚簇中心之间的欧式距离进行归一化，得到监测点的噪声数据的归一距离；将监测点的聚类簇中所有噪声数据与所述聚簇中心之间欧式距离的均值的倒数，作为监测点的噪声数据的聚簇聚集度；根据所述归一距离和所述聚簇聚集度，获取监测点的噪声数据的主体异常度；所述归一距离和所述聚簇聚集度均与所述主体异常度为正相关的关系；

16、将监测点的聚类簇内所有噪声数据对应的监测点的噪声表现值的标准差，作为监测点的噪声数据的噪声离散值；将监测点与所述聚簇中心对应的监测点的噪声表现值的差值绝对值作为监测点的噪声数据的聚簇噪声偏差；将所述聚簇噪声偏差与预设常数之和的倒数作为监测点的噪声数据的初始偏差调整值；将所述噪声离散值的倒数与所述初始偏差调整值的乘积作为监测点的噪声数据的偏差调整值；

17、将每个时刻下每个监测点的主体异常度与偏差调整值的乘积，作为每个时刻下每个监测点的噪声数据的异常度。

18、进一步地，所述变化向量的获取方法，包括：

19、以监测点的所述噪声表现值为横坐标，所述噪声数据为纵坐标建立二维坐标系；将每个时刻下监测点与其关联监测点在二维坐标系中进行标注得到对应监测点的坐标点；

20、对于不同时刻下的同一监测点，获取监测点在每个时刻在二维坐标系对应的终止坐标点，以及每个时刻的上一时刻对应的起始坐标点，将所述起始坐标点指向终止坐标点的方向作为监测点在每个时刻的变化向量的方向，将所述起始坐标点与所述终止坐标点之间的距离作为监测点在每个时刻的变化向量的大小。

21、进一步地，所述变化偏差值的获取方法，包括：

22、对于每个时刻下的监测点，将监测点与其每个关联监测点的变化向量相加得到监测点的第一综合变化向量；将监测点的关联监测点的变化向量相加得到监测点的第二综合变化向量；获取监测点的变化向量与所述第一综合变化向量之间的夹角，作为监测点的第一夹角；获取监测点的变化向量与所述第二综合变化向量之间的夹角，作为监测点的第二夹角；

23、获取监测点与其关联监测点中任意两个监测点的变化向量之间的夹角；将监测点与其关联监测点的变化向量中两两变化向量夹角的均值作为监测点的整体夹角；将监测点的所述第一夹角与所述整体夹角的比值作为监测点的偏差值；

24、将监测点的所述第一夹角与所述第二夹角之间的夹角差值绝对值与所述偏差值的乘积，作为每个时刻下每个监测点的噪声数据的变化偏差值。

25、进一步地，所述异常变化值的获取方法，包括：

26、将监测点在每个时刻下变化向量与二维坐标系的横轴正方向之间的夹角的正切值作为每个时刻下监测点的综合变化值；将监测点与其每个关联监测点在每个时刻的综合变化值的差值绝对值，作为所述关联监测点每个时刻的噪声变化差异；获取每个时刻下监测点的变化向量的模长，将监测点与其每个关联监测点的变化向量的模长的差值绝对值，作为所述关联监测点每个时刻的模长差异；

27、将监测点的每个时刻的上一时刻的异常度的倒数作为每个时刻的监测点的异常可信度；将每个时刻的监测点的每个关联监测点的所述噪声变化差异、所述模长差异与所述异常可信度的乘积，作为每个时刻的监测点的每个关联监测点的初始异常变化值；将监测点的所有关联监测点的所述初始异常变化值的均值，作为监测点的噪声数据的综合异常变化值；将监测点的噪声数据的变化偏差值与综合异常变化值的乘积作为监测点的噪声数据的异常变化值。

28、进一步地，所述异常数据的获取方法，包括：

29、根据每个噪声数据的所述异常度与所述异常变化值获取每个噪声数据的最终异常度；所述异常度与所述异常变化值均与所述最终异常度为正相关的关系；

30、当噪声数据的所述最终异常度大于预设的异常阈值时，则噪声数据为异常数据。

31、本发明具有如下有益效果：

32、本发明实施例中，监测点的噪声表现值影响监测的噪声数据的大小，基于噪声表现值获取与监测点的噪声表现相同的关联监测点；监测点与其关联监测点的噪声数据的距离反映监测点的噪声数据的偏差程度和噪声数据之间的聚集性，且噪声表现值的差异呈现噪声数据的异常程度出现误差的可能性，利用相同噪声表现的监测点数据偏差反映噪声数据异常，有效避免了不同监测点之间本身数据差异对异常识别的影响，提高了噪声数据的异常度的准确性；变化向量呈现了相邻时刻监测点的噪声数据与噪声表现值的差异；监测点与其关联监测点的变化向量之间的差异情况反映相同噪声表现的监测点的数据变化情况，利用监测点的数据变化对关联监测点的整体数据变化的影响关系，避免对单个监测点的噪声数据误判，提高噪声数据的变化偏差值的准确性；变化偏差值呈现监测点的数据变化与整体数据变化的偏差，监测点与其关联监测点的变化向量的方向差异，呈现监测点的噪声数据相对于噪声表现值的变化大小的差异，两个因素均能反映监测点的数据异常情况，将两者结合进行分析，使噪声数据的异常变化值的准确率更高；提升了结合异常度和异常变化值筛选出的异常数据的准确率，提高了噪声数据的管理效率。