基于数字孪生的智慧城市资源管理方法与流程

本发明涉及数字数据处理，具体涉及基于数字孪生的智慧城市资源管理方法。

背景技术：

1、数字孪生广泛用于反映制造业务中产品的生命周期、设备结构及系统的维护改进、医疗服务的健康指标的数字化、城市资源管理中的动态规划等多个领域。数字孪生和智慧城市资源管理之间具有密切联系，随着信息技术的支持，云端之间能够建立更紧密的连接，更多的数据能够采集并用于构建一个庞大的数字孪生体。在基于数字孪生的智慧城市中，基础设施的运行状态，市政资源的资源调配等都会通过传感器、摄像头、数字化系统等采集并利用物联网技术上传至云端，在数字孪生体中同步。

2、智慧城市中会产生大量的信息数据，通过人工管理大量数据不仅耗费大量的人力资源，其次对信息数据的准确性、有效性难以形成统一的评估、管理标准。智慧城市中资源管理是对数据资源的建设和整合，但是由于资源受限制程度不同，容易造成数据孤岛的现象；另一方面，城市的管理、服务是出于动态变化的过程，产生的大量数据反映了城市运行过程中的规律和变化，但是这些数据难以转化为城市资源管理者使用的决策依据。因此需要基于数据孪生技术，深度挖掘数据资源，形成支持决策的数据源，为智慧城市的精细化资源管理提供帮助。

技术实现思路

1、本发明提供基于数字孪生的智慧城市资源管理方法，以解决传统fp-growth算法中频繁项集数量过多导致的递归效率低的问题，所采用的技术方案具体如下：

2、本发明一个实施例基于数字孪生的智慧城市资源管理方法，该方法包括以下步骤：

3、获取资源管理相关数据，根据规定资源管理数据的相关数据获取结构化的管理数据集；

4、利用数据挖掘算法获取管理数据集对应的fp-tree，根据fp-tree上两条链接路径上包含管理数据之间的相似程度获取路径相似度，根据所有路径之间的路径相似度获取路径相似度矩阵，根据路径相似度矩阵获取结点的合并指数，根据合并指数获取归纳结点以及结点合并策略；

5、将结点与归纳结点中项集的合并结果作为结点的合并项目集，根据项集编号从管理数据集中获取合并项目集对应的整合数据集，根据整合数据集对应的关联规则获取后向关联度，根据后向关联度及关联规则置信度的阈值获取fp-tree中结点删除更新的结果；

6、根据更新后的fp-tree获取管理数据集中的强关联规则，根据强关联规则获取决策数据，根据决策数据制定相应的资源管理策略和措施，实现对智慧城市资源的管理。

7、优选的，所述根据fp-tree上两条链接路径上包含管理数据之间的相似程度获取路径相似度的方法为：

8、对于任意一条链接路径，根据链接路径上的每个结点与另一条链接路径上所有结点中项集之间的分布特征获取链接路径上的每个结点的项集差异度；

9、将每个结点的项集差异度作为分子，将链接路径上所有结点项集差异度的累加和作为分母，将分子与分母的比值作为每个结点的链表重复比；

10、将每个结点项集相似度以及链表重复比组成的数据对作为每个结点的代表数据对，获取每条链接路径上所有结点对应项集支持度的降序顺序，将链接路径上所有结点的代表数据对按照所述降序顺序排序组成每条链接路径对应的代表向量；

11、根据所有链接路径对应代表向量之间的余弦相似度获取两条链接路径之间的路径相似度。

12、优选的，所述根据链接路径上的每一个结点与另一条链接路径上所有结点中项集之间的分布特征获取链接路径上的每一个结点的项集差异度的方法为

13、

14、式中，是第a条路径第i个结点的项集差异度，n是第b条路径上的结点数量，j是第b条路径上的第j个结点，、分别是结点i、j中项集对应的管理数据，kl()是kl散度计算函数。

15、优选的，所述根据所有链接路径对应代表向量之间的余弦相似度获取两条链接路径之间的路径相似度的方法为：

16、获取所有链接路径对应代表向量之间余弦相似度的最小值，将以自然常数为底数，以两条链接路径对应的代表向量之间的余弦相似度与所述余弦相似度最小值之间的差值作为指数的指数函数的计算结果作为两条链接路径之间的路径相似度。

17、优选的，所述根据路径相似度矩阵获取结点的合并指数的方法为：

18、

19、

20、

21、式中，是结点i的合并指数，是结点i的径内递归系数，是包含结点i的结点链接路径的数量，是第a条路径第i个结点的项集差异度，是第a条路径上结点项集差异度的均值，是结点i的树间关联度，是结点j的径内递归系数，k是结点i的近邻集合中的结点数量。

22、优选的，所述根据合并指数获取归纳结点以及结点合并策略的方法为：

23、将所有结点的合并指数作为dbscan聚类算法的输入，利用dbscan聚类算法获取合并指数的聚类结果；

24、对于任意一个结点，获取结点合并指数所在聚类簇，将聚类簇内合并指数对应结点的集合与结点k近邻集合的交集中的结点作为此结点的归纳结点；

25、获取归纳结点中所有结点对应项集支持度从大到小的排序结果，将结点与归纳结果按照所述排序结果进行合并，并对合并后的结点进行标记，不再参与后续结点之间的合并。

26、优选的，所述根据整合数据集对应的关联规则获取后向关联度的方法为：

27、对于任意一个结点，根据结点进行结点合并前后所在频繁项集内关联规则的变化获取结点的有效指数；

28、获取管理数据集对应所有关联规则中以资源管理数据为后项的项集集合，根据结点上项集与项集集合中结点上项集对应管理数据的差异获取结点的规则数据差异；

29、将结点有效指数作为分子，将结点的规则数据差异与调参因子的和作为分母，将分子与分母的比值作为结点的后向关联度。

30、优选的，所述根据结点上项集与项集集合中结点上项集对应管理数据的差异获取结点的规则数据差异的方法为：

31、

32、式中，是结点i的规则数据差异，m是管理数据集对应所有关联规则中以资源管理数据为后项的项集数量，p是其中第p个项集，是结点i内项集对应数据的编码结果，是第p个项集对应数据的编码结果，是编码结果、之间的edr编辑距离。

33、优选的，所述根据后向关联度及关联规则置信度的阈值获取fp-tree中结点删除更新的结果的方法为：

34、获取所有结点的后项关联度，将关联规则置信度阈值与所有后项关联度中众数的乘积作为筛选阈值；

35、将后项关联度小于筛选阈值的结点从tp-tree上删除，将后项关联度大于等于筛选阈值的结点在tp-tree上保留，遍历所有结点得到tp-tree的更新结果。

36、优选的，所述根据强关联规则获取决策数据的方法为：

37、利用更新后的tp-tree获取管理数据集中以资源管理数据为后项的强关联规则，将所有强关联规则对应频繁项集对应的数据作为决策数据。

38、本发明的有益效果是：本发明通过城市资源数据的分析结果将资源数据转化成结构式的管理资源数据集，基于管理资源数据集构建fp-tree，根据fp-tree中结点链接路径上项集的分布情况构建路径相似度，路径相似度考虑了fp-tree中不同结点链接路径上链接结点分布差异，其有益效果在于便于后续根据路径中结点的关联程度自适应获取结点的合并策略，减少fp-tree的无用分支。其次基于节点对应项集所在关联规则的相似性构建后项关联度，后项关联度考虑了上tp-tree上结点合并前后关联规则的变化程度，其有益效果在于能够通过结点与资源管理数据关联规则强弱的评估结果，实现对结点的保留或删除，解决了传统fp增长算法中频繁项集数量过多导致的递归效率低的问题，加快数据挖掘的效率，提高资源管理效率。基于改进后的fp-growth算法在数字孪生模型中获取智慧城市资源管理的决策数据，解决了智慧城市的大数据难以转化为用于资源管理的决策数据的问题，能够实现基于数字孪生的智慧城市资源的精细化管理。