房屋排查顺序的确定方法、装置、终端设备及存储介质与流程

1.本技术涉及人工智能技术领域，尤其涉及一种房屋排查顺序的确定方法、房屋排查顺序的确定装置、终端设备及计算机可读存储介质。


背景技术：

2.台风是一种危害极大的自然灾害，会对人生财产造成很大损害。而在台风天中，房屋往往是最容易受到破坏的对象，轻则发生外立面脱落，重则发生垮塌，不但造成财产损失，而且容易波及周边住户行人，造成人员伤亡。所以，如何在台风登陆前对可能受台风影响的地区的房屋进行防灾排查，成为了预防台风的关键举措。但台风速度快，风向多变，留给预防人员的反应时间很少，同时，台风影响范围极广，检查面很大，因此对预防人员的检查效率提出了很大的考验。现在一般采用重点排查的方式进行检查，因而，如何科学有效的判断哪些房屋需要进行优先检查成为了首要问题。
3.目前判断房屋检查优先级主要凭借检查人员的经验，依托于对过往数据的判断。而检查人员的经验各不相同，且面对海量的过往数据，难免会判断错误，使得本应该得到检查的房屋没有被排查到，致使这些房屋在台风来临后很大的风险。也就是说，目前房屋检查优先级别的确定方法存在对人员要求高，且判断准确率和效率较低的问题。


技术实现要素：

4.有鉴于此，本技术实施例提供了一种房屋排查顺序的确定方法、房屋排查顺序的确定装置、终端设备及计算机可读存储介质，能够更准确且更高效的对房屋排查顺序进行确定。
5.本技术实施例的第一方面提供了一种房屋排查顺序的确定方法，包括：
6.获取目标台风的第一台风数据以及第一目标区域内至少两个第一房屋的第一属性数据，上述目标台风为预计在第一预设时间段内登陆的台风，上述第一目标区域指的是预计处于上述目标台风的台风云系覆盖范围内的部分或全部区域；
7.将上述第一属性数据以及上述第一台风数据输入已训练的受损等级评估模型中进行评估，以确定每个上述第一房屋的受损等级；
8.基于上述第一房屋的上述受损等级以及上述第一房屋的人口密度确定上述第一房屋的排查顺序。
9.本技术实施例的第二方面提供了一种房屋排查顺序的确定装置，包括：
10.第一获取模块，用于获取目标台风的第一台风数据以及第一目标区域内至少两个第一房屋的第一属性数据，上述目标台风为预计在第一预设时间段内登陆的台风，上述第一目标区域指的是预计处于上述目标台风的台风云系覆盖范围内的部分或全部区域；
11.第一确定模块，用于将上述第一属性数据以及上述第一台风数据输入已训练的受损等级评估模型中进行评估，以确定每个上述第一房屋的受损等级；
12.第二确定模块，用于基于上述第一房屋的上述受损等级以及上述第一房屋的人口
密度确定上述第一房屋的排查顺序。
13.本技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在终端设备上运行的计算机程序，上述处理器执行上述计算机程序时实现第一方面提供的房屋排查顺序的确定方法的各步骤。
14.本技术实施例的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现第一方面提供的房屋排查顺序的确定方法的各步骤。
15.实施本技术实施例提供的一种房屋排查顺序的确定方法、房屋排查顺序的确定装置、终端设备及计算机可读存储介质具有以下有益效果：
16.通过获取目标台风的第一台风数据以及第一目标区域内至少两个第一房屋的第一属性数据，目标台风为预计在第一预设时间段内登陆的台风，第一目标区域指的是预计处于目标台风的台风云系覆盖范围内的部分或全部区域；将第一属性数据以及第一台风数据输入已训练的受损等级评估模型中进行评估，以确定每个第一房屋的受损等级；基于第一房屋的受损等级以及第一房屋的人口密度确定第一房屋的排查顺序。该方法通过模型评估第一房屋的受损等级，能够提高受损等级评估的准确性，之后基于第一房屋的受损等级以及人口密度，确定出第一房屋的排查顺序，能够提高房屋排查顺序确定的准确性以及确定的效率。
附图说明
17.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例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本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1是本技术实施例提供的一种房屋排查顺序的确定方法的实现流程图；
19.图2是本技术实施例提供的一种房屋排查顺序的确定装置的结构框图；
20.图3是本技术实施例提供的一种终端设备的结构框图。
具体实施方式
21.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
22.本技术实施例所涉及的房屋排查顺序的确定方法，可以由终端设备，例如笔记本电脑、超级移动个人计算机(ultra
‑
mobile personal computer，umpc)、上网本或个人数字助理(personal digital assistant，pda)执行。
23.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
24.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、
大数据处理技术、操作/交互系统及机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术及自然语言处理技术以及机器学习/深度学习等几大方向。
25.本技术实施例涉及的房屋排查顺序的确定方法，应用于智慧防灾的场景中，能够推动智慧城市的建设。
26.请参阅图1，图1示出了本技术实施例提供的一种房屋排查顺序的确定方法的实现流程图。该确定方法包括:
27.步骤110、获取目标台风的第一台风数据以及第一目标区域内至少两个第一房屋的第一属性数据。
28.台风是热带气旋的一种，属于夏秋典型的灾害天气，可带来狂风和持续暴雨等恶劣天气，因此也极易造成洪水泥石流等灾害。台风的登陆给沿海城市带来了很大的威胁。一般，在台风从形成到消亡可以归纳为3个阶段，第一个阶段是生成阶段，大部分台风会消失在这个阶段；第二个阶段是成熟阶段，这个阶段的台风有一个完整清晰的台风眼，此时台风中心气压达到最低，大风和暴雨范围也达到最大；第三个阶段是减弱消亡期，其消亡方式主要有两种，一种是台风登陆后因切断了海水潜热能源供应，且陆地摩擦力大，导致台风的动能被大量消耗而使其消亡；另一种是台风北上到达较高纬度时，后部进入了冷空气，热带气旋变成温带气旋而消亡。
29.一般台风从形成到登陆沿海城市或地区，会有一段时间。在这段时间内，为了保障人们的人身财产安全，可以获取预计在第一预设时间段内登陆的台风的第一台风数据，也即目标台风的第一台风数据。其中，台风即将登陆的城市或地区可以依靠相关气象数据进行预测，除了预测出台风即将登陆的城市或者地区，还可以进一步结合台风的相关数据，预测出即将登陆的城市或者地区中，具体哪些区域会受到影响，并将会受到影响的区域确定为第一目标区域。也就是说，第一目标区域指的是预计处于目标台风的台风云系覆盖范围内的部分或全部区域。在确定出第一目标区域后，可以获取该第一目标区域内至少两个第一房屋的第一属性数据。其中，第一属性数据指的是第一房屋的一些基础属性数据，具体可以包括第一房屋的位置数据、楼高特征、楼龄等级、结构类型、完好程度、结构风险等级以及幕墙风险等级等。在得到第一台风数据和第一属性数据之后，可以应用到后续的第一房屋的受损等级评估中，并在得到评估结果，将该评估结果结合第一房屋的人口密度进一步确定出第一目标区域内第一房屋的排查顺序。
30.步骤120、将第一属性数据以及第一台风数据输入已训练的受损等级评估模型中进行评估，以确定每个第一房屋的受损等级。
31.在得到第一属性数据和第一台风数据之后，即可将这两种数据输入已经训练好的受损等级评估模型中进行评估，可以得到每个第一房屋的受损等级。这里的受损等级指得是基于第一属性数据以及第一台风数据预测在目标台风的过境后，第一房屋可能出现的受损程度。也就是说，受损等级是一个预测结果。可选地，受损等级可以初步分类为未受损(0级)和受损(1～5)，且受损的房屋还可以进一步根据受损的严重程度划分为5个分级，即具体细分为1级、2级、3级、4级、5级。其中，受损等级越高，代表房屋受损程度越严重，受损等级越低，代表房屋越完好。因此，其中0级则为完好的房屋，5级则为受损最严重的房屋。
32.步骤130、基于第一房屋的受损等级以及第一房屋的人口密度确定第一房屋的排
查顺序。
33.在得到每个第一房屋的受损等级以后，即可根据该受损等级进一步确定房屋排查的优先顺序。但是，值得考虑的是，对于某些可能会在台风过境后遭受严重损毁的房屋，如果该房屋内没有人员居住，属于空置的危房或者烂尾楼之类的，对于这样的房屋，即使台风过境后会导致其遭受严重损毁，其所带来的人身财产损失也相对较低，因此优先排查的必要性也就相对较低。相反，对于某些房屋，其受损等级并非最高，例如受损等级处于2级或3级，但由于其人口密度较大，一旦受损，所带来的人身财产损失是不可估量，因此对于这样的房屋，可以安排优先排查。换句话说，在确定第一房屋的排查顺序时，第一房屋的受损等级并非是唯一标准，还应当结合每个第一房屋的人口密度来进一步确定第一房屋的排查顺序，从而提高房屋排查顺序确定的准确性及合理性。
34.可选地，排查顺序的确定可以参见下表：
[0035][0036]
表1
[0037]
其中，人口密度表示的是第一房屋所处的行政区域内的人口密度，人口密度＝行政区域内居住人口/区域面积，根据人口密度进一步进行划分成不同的等级，作为示例而非限定，人口密度的划分标准可以参见下述内容：
[0038]
超高密度：人口密度大于3000人/平方公里；
[0039]
高密度：人口密度大于2000
‑
3000人/平方公里；
[0040]
中密度：人口密度大于1000
‑
2000人/平方公里；
[0041]
低密度：人口密度小于1000人/平方公里。
[0042]
在上述表1中，将排查优先级别粗略的分为了8个等级，从1～8，等级越小，排查的优先级别越高，等级越高，排查的优先级别越低。从人口密度和受损等级之间的关系不难看出，对于受损等级较高且人口密度也较高的房屋，其排查优先级别也就越高；对于受损等级较低且人口密度也较低的房屋，其排查优先级别也就越低。
[0043]
本技术实施例通过获取目标台风的第一台风数据和第一目标区域内至少两个第一房屋的第一属性数据，将第一台风数据和第一属性数据属于已训练的受损等级评估模型中进行评估，能够精确地预测出每个第一房屋的受损等级，之后将各个第一房屋的受损等级与第一房屋的人口密度进行关联，进一步确定出第一房屋的排查顺序。该方法能够高效、准确且合理地确定出目标区域内第一房屋的排查顺序。
[0044]
在一些实施例中，为了提高评估结果的准确性，可以通过以下步骤对受损等级评估模型进行训练：
[0045]
a1、获取至少一个历史台风的第二台风数据以及第二目标区域内至少两个第二房屋的历史数据。
[0046]
要让已训练的受损等级评估模型基于第一台风数据和第一属性数据准确预测出
第一房屋的受损等级，可以获取相关历史数据对待训练的受损等级评估模型进行训练，让受损等级评估模型学习到评估标准，从而提高评估结果的准确性。其中，相关历史数据可以包括历史台风的第二台风数据以及第二目标区域内至少两个第二房屋的历史数据，其中历史数据包括台风登陆前每个第二房屋的第二属性数据以及台风登陆后每个第二房屋的真实受损等级。具体地，历史台风指的是已经生成并登陆侵袭了沿海城市或者地区的台风，相对应的，第二目标区域则指的是在历史台风的生命周期内，处于历史台风的台风云系覆盖范围内的部分或者全部的区域，也即历史台风从生成到最终消亡的这一时间段内，被历史台风侵袭的部分或者全部沿海城市或地区，当然，该第二目标区域还也可以是被侵袭的沿海城市或者地区中的部分区域。在第二目标区域被台风侵袭后，该第二目标区域内的第二房屋会有对应的受损等级，这个受损等级就是真实受损等级，该真实受损等级可以作为训练样本的标签，以应用于后续的受损等级评估模型的训练中。
[0047]
对于模型训练而言，样本数据越多，训练得到的模型鲁棒性越强。因此可以获取大量的历史台风的第二台风数据，以及与每个历史台风对应的第二房屋的历史数据，从而构建丰富的样本数据，提高受损等级评估模型的鲁棒性。在获取第二台风数据和历史数据时，可以通过获取不同等级的历史台风的第二台风数据以及对应的历史数据，以提高受损等级评估模型的泛化性。对于经常遭遇台风的区域，可以从该区域获取多个历史台风的第二台风数据以及与每个历史台风对应的第二目标区域内的第二房屋的历史数据。为了便于理解，举例说明，假设区域a，经历大大小小的台风共8个，那么可以获得8组第二台风数据以及8组历史数据，每组第二台风数据可以对应a区域内第二房屋的一组历史数据，其中，第二房屋的一组属性数据和一组真实受损等级即为一组历史数据。
[0048]
a2、基于第二属性数据以及第二台风数据得到样本数据。
[0049]
在得到第二台风数据和历史数据之后，可以基于第二台风数据和历史数据中的第二属性数据构建得到样本数据。
[0050]
a3、将样本数据输入待训练的受损等级评估模型中进行评估，得到训练结果。
[0051]
在得到样本数据之后，即可将样本数据输入待训练的受损等级评估模型中进行评估，得到训练结果。训练结果指的是根据第一台风数据和第二属性数据，预测出的每个第二房屋对应的预测受损等级。
[0052]
a4、基于训练结果和真实受损等级优化受损等级评估模型，得到已训练的受损等级评估模型。
[0053]
应当理解的是，在得到样本数据之后，可以根据每个第二房屋的真实受损等级对样本数据打标签，并在得到训练结果之后，基于训练结果和样本标签之间的差异对受损等级评估模型进行优化，以得到训练好的受损等级评估模型。
[0054]
在一些实施例中，为了提高第二属性数据获取的准确性，在上述步骤a1之前，还包括：
[0055]
针对每个第二房屋：
[0056]
b1、基于第二房屋处于的行政区域确定第二房屋的位置数据。
[0057]
行政区域可以划分为一级省级行政区、二级地级行政区，三级县级行政区，四级乡级行政区。对于每个第二房屋，其所处的行政区域属于哪一级别的行政区域，便将该第二房屋与对应级别的行政区域进行关联，得到第二房屋的位置数据。对于等级较低的行政区域，
由于房屋一般比较老旧，因此该区域内的房屋可能受损越严重；相反，对于等级较高的行政区域，房屋多为高楼大厦，建筑材料和建筑规格都要求较高，因此该区域内的房屋可能不容易受损。
[0058]
b2、基于第二房屋的楼层高度确定第二房屋的楼高特征。
[0059]
每个房屋有对应的楼层高度，可以基于楼层高度确定每个房屋对应的楼高特征。可选地，楼层高度与楼高特征之间的对应关系可以参见下表2：
[0060]
楼层高度0～16m16～24m24m～100m＞100m楼高特征多层小高层高层超高层
[0061]
表2
[0062]
通过房屋的楼层数量或者楼层高度，能够归纳得到房屋的楼高特征，有助于受损等级评估模型学习楼高特征和受损等级之间的联系，提高受损等级评估模型的训练效率。第二房屋越低矮，该第二房屋受台风所带来的强降雨的影响可能越大，而第二房屋越高，该第二房屋则可能由于建筑体的剥落导致周围建筑受损越严重。
[0063]
b3、基于第二房屋的楼龄确定第二房屋的楼龄等级。
[0064]
对于房屋楼龄，也可以进一步归纳分级，从而提高受损等级评估模型的训练效率。具体地，可以根据第二房屋的楼龄确定出第二房屋的楼龄等级，具体的确定规则可以参见下表3：
[0065][0066][0067]
表3
[0068]
一般楼龄等级越低，则说明对应房屋越老旧，受台风的影响可能越严重，相反，对于楼龄等级越高的房屋，刚建成的时间不久，房屋更结实，因此受台风的影响可能越小。
[0069]
b4、基于第二房屋的结构特征确定第二房屋的结构类型。
[0070]
房屋的结构类型可以包括砖混结构、框架结构、剪力墙结构、框架剪力墙结构以及钢结构，可以根据第二房屋的结构特征将第二房屋归类至某一结构类型中，也即可以根据第二房屋的结构特征确定出第二房屋的结构类型。
[0071]
b5、基于第二房屋的维修记录确定第二房屋的完好程度。
[0072]
房屋如果出现损坏，会有对应的维修记录。可以基于维修记录确定出第二房屋的完好程度。作为示例而非限定，完好程度可以包括完好、基本完好、一般损坏、严重损坏以及危房。完好等级越低的，在面临台风的侵袭时，其受台风的影响可能越严重，完好等级越高的，在面临台风侵袭时，其受台风的影响可能越小。
[0073]
为了进一步完善对房屋的表征，第二属性数据还可以包括结构风险等级和幕墙风险等级，在上述步骤b4和步骤b5之后，还可以包括：
[0074]
针对每个第二房屋：
[0075]
c1、基于结构类型以及完好程度确定第二房屋的结构风险等级。
[0076]
对于房屋的结构风险等级，可以利用房屋的结构类型和完好程度划分为四种类
型：
[0077]
第一种：房屋不包含腐朽和危险点，结构安全。
[0078]
第二种：房屋的部分结构构建处于危险装填，但不影响主体结构的稳定和安全，基本满足正常使用的要求。
[0079]
第三种：房屋的部分承重结构承载力不能满足正常使用的要求，房屋局部出现险情，构成局部危房。
[0080]
第四种：房屋的城中结构载力已经不能满足正常使用的要求，房屋整体出现险情，构成整栋危房。
[0081]
c2、基于楼龄以及第二房屋的幕墙事故确定第二房屋的幕墙风险等级。
[0082]
对于房屋的幕墙风险等级，可以利用房屋的楼龄和第二房屋的幕墙事故对该幕墙风险等级进行划分。具体地，可以划分为低风险、中风险以及高风险，三个风险等级的划分可以参考下述规则：
[0083]
高风险：房屋楼龄超过20年或幕墙在1年内发生过掉落事件。
[0084]
中风险：房屋楼龄超过15年或幕墙在2年内发生过掉落事件。
[0085]
低风险：房屋楼龄超过10年或幕墙在3年内发生过掉落事件。
[0086]
在一些实施例中，第二台风数据包括风力等级，在获取到第二台风数据以及历史数据之后，上述步骤a2具体包括：
[0087]
a21、基于风力等级确定每个历史台风的台风类型。
[0088]
a22、针对属于同一台风类型的历史台风，对历史台风对应的历史数据执行聚类操作，得到至少一个台风类型对应的样本数据。
[0089]
台风类型可以包括热带低压、热带风暴、强热带风暴、台风以及超强台风，具体的划分标准可以参见如下规则：
[0090]
(1)热带低压，风速10.8～17.1米/秒，风力等级6～7级。
[0091]
(2)热带风暴，风速17.2～24.4米/秒，风力等级8～9级。
[0092]
(3)强热带风暴，风速24.5～32.6米/秒，风力等级10～11级。
[0093]
(4)台风，风速32.7～41.4米/秒，风力等级12～13级。
[0094]
(5)强台风，风速41.5～50.9米/秒，风力等级14～15级。
[0095]
(6)超强台风，风速≥51.0米/秒，风力等级≥16级。
[0096]
每个历史台风均对应有至少一组历史数据。考虑到属于同一台风类型的历史台风对房屋的影响存在一定相似性，因而可以基于历史台风的台风类型对各组历史数据进行聚类操作，得到每个台风类型对应的样本数据。为了便于理解，举例说明：假设对于强台风这个台风类型，一共有两个历史台风，其中一个历史台风对应有两组历史数据，也就是说该历史台风侵袭过两个区域，每个区域内的至少两个房屋的历史数据可以作为一组历史数据；另一个历史台风对应有一组历史数据；由此可得，强台风这一台风类型对应的样本数据共包括有三组历史数据。将该样本数据作为一个数据矩阵进行整理，能够得到一台风样本数据表，具体该表台风样本数据表的格式可以参见下表4：
[0097]
楼高楼龄结构房屋完损程度幕墙风险等级结构风险等级真实受损等级
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
[0098]
表4台风样本数据表
[0099]
在整理出上表4后，即可得到强台风这一台风类型所对应的样本数据。
[0100]
在一些实施例中，在得到样本数据之后，为了提高受损等级评估模型的收敛速度，上述确定方法还可以包括：
[0101]
d1、对样本数据进行探索性数据分析，得到分析结果。
[0102]
d2、基于分析结果对样本数据执行预处理。
[0103]
探索性数据分析(xploratory data analysis，eda)是指对已有数据在尽量少的先验假设下通过作图、制表、方程拟合及计算特征量等手段探索数据的结构和规律的一种数据分析方法，通过该分析方法，可以实现对数据的预处理，例如填补空缺数据和修正有误数据。在本技术实施例中，可以对样本数据进行三种探索分析：
[0104]
①
描述性统计，求得样本数据中各特征的平均数、中位数、模式和标准差。
[0105]
②
可视化，可以采用热力图辨别样本数据内部相关性、采用箱形图表述样本数据群体差异、采用散点图探索特征之间的相关性以及用可视化数据集中呈现的样本特征的聚类分布。具体的可视化方式，可以根据样本数据的特性进行选择。
[0106]
③
透视、分组以及过滤等。
[0107]
经过三种探索性分析，能够实现对样本数据的检查，查找出样本数据中的缺失数据、拼写错误数据及非标准化数据。在确定出样本数据所存在的缺陷后，可以针对性的进行处理。例如对于缺失的数据进行填充，填充的时候可以利用该数据的平均值进行补充；对于拼写错误的数据进行更正，对于非标准数据进行标准化处理。通过对样本数据的分析和预处理，可以提高模型的收敛速度。
[0108]
相应地，上述步骤，a3具体包括：
[0109]
a31、将预处理后的样本数据输入待训练的受损等级评估模型中进行评估，得到训练结果。
[0110]
在得到预处理后的样本数据，即可将该数据输入待训练的受损等级评估模型中进行评估，得到对应的训练结果。
[0111]
在一些实施例中，为了提高评估结果的准确性，上述步骤a3具体包括：
[0112]
受损等级评估模型的训练可以利用监督学习算法实现，具体可以分为两部分：第一部分旨在根据房屋及台风特征判断房屋是否会受损；第二部分旨在对判断存在受损可能的房屋进行受损等级的分类。
[0113]
先进行第一部分的模型训练，按照已准备好的样本数据，将已定义好的的特征:位置数据、楼高特征、楼龄等级、结构类型、完好程度、结构风险等级以及幕墙风险等级定义为x1、x2、x3、x4、x5、x6，将“未受损”定义为y0，利用监督学习算法进行模型训练，通过训练建立输入的各个x变量和y结果之间的数学(映射)关系，这样的x及y可构成带有标签的样本数据，该样本数据可以用于对预先建立的受损等级评估模型进行训练，最后得到能够判断出不同类型的台风下第二房屋是否会受损的受损等级评估模型。
[0114]
接着进行第二部分的模型训练，将属于同一台风类型的样本数据输入模型训练，受损等级归类“一级、二级、三级、四级以及五级”，对应的可以记为y1、y2、y3、y4以及y5。通过训练的受损等级评估模型，能够具体识别不同类型的台风下第二房屋可能会出现的具体受损程度。通过以上两部分的训练，即可得到已训练的受损等级评估模型。
[0115]
在一些实施例中，为了得到预测精度较高的受损等级评估模型，上述步骤a4具体包括：
[0116]
a41、基于所述训练结果和所述第二历史数据计算损失值。
[0117]
a42、检测所述损失值是否小于预设阈值。
[0118]
a43、若所述损失值小于所述预设阈值，则基于所述损失值优化所述受损等级评估模型的模型参数，得到已训练的模型。
[0119]
a44、若所述损失值大于或等于所述预设阈值，则基于所述损失值优化所述受损等级评估模型的模型参数，并返回执行步骤a3及其后续步骤，直至所述损失值小于所述预设阈值，得到已训练的模型。
[0120]
在实际模型训练中，先计算训练结果和真实受损等级之间的损失值，然后将计算出来的损失值和预设阈值进行比较。当损失值小于预设阈值，则说明模型已经收敛，此时得到的受损等级评估模型即为已训练的受损等级评估模型。当损失值大于或者等于预设阈值，则说明受损等级评估模型还未收敛，还需要进一步的训练调参，即需要返回执行步骤a3及其后续步骤，直至所述损失值小于所述预设阈值，才可得到已训练的受损等级评估模型。
[0121]
在一些实施例中，在上述步骤102之后，上述确定方法还包括：
[0122]
将上述第一台风数据、第一属性数据和/或已训练的受损等级评估模型上传至区块链(blockchain)中。
[0123]
其中，为了保证数据的安全性和对用户的公正透明性，可以将第一台风数据、第一属性数据和/或受损等级评估模型上传至区块链进行存证。用户随后即可通过各自的设备从区块链中下载获得第一台风数据、第一属性数据和/或受损等级评估模型，以便查证这些数据是否被篡改。本实施例所指区块链是采用分布式数据存储、点对点传输、共识机制及加密算法等计算机技术的新型应用模式。区块链，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0124]
通过上述实施例，能够带来以下有益效果：
[0125]
第一、将房屋的受损等级结合房屋的人口密度，确定目标区域内的房屋排查顺序，能够提高所确定的房屋排查顺序的合理性及准确性。
[0126]
第二、对台风场景下的房屋受损风险有了清晰等级划分，便于用户监控重点房屋，提高风险管理能力。
[0127]
第三、在台风场景下提供了一种快速判断可能受灾的房屋的方法，用于帮助即将遭受台风的房屋内人员进行灾前预警，提前做好应对措施，降低生命财产损失。
[0128]
第四、由于房屋的受损等级是基于受损等级评估模型进行确定的，不再依赖于人员自身经验，因而能够进一步提高房屋排查顺序的确定效率和确定准确性。基于确定出来的房屋排查优先顺序，在台风天时间紧迫的条件下，能够最大限度的提升风险排查人员的
排查效率。
[0129]
此外，本技术实施例还提供了一种房屋排查顺序的确定装置。
[0130]
请参阅图2，图2是本技术实施例提供的一种房屋排查顺序的确定装置的结构框图。本实施例中该终端设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1以及图1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图2，房屋排查顺序的确定装置20包括：
[0131]
第一获取模块21，用于获取目标台风的第一台风数据以及第一目标区域内至少两个第一房屋的第一属性数据，目标台风为预计在第一预设时间段内登陆的台风，第一目标区域指的是预计处于目标台风的台风云系覆盖范围内的部分或全部区域；
[0132]
第一确定模块22，用于将第一属性数据以及第一台风数据输入已训练的受损等级评估模型中进行评估，以确定每个第一房屋的受损等级；
[0133]
第二确定模块23，用于基于第一房屋的受损等级以及第一房屋的人口密度确定第一房屋的排查顺序。
[0134]
作为本技术一实施例，上述确定装置20还可以包括：
[0135]
第二获取模块，用于获取至少一个历史台风的第二台风数据以及第二目标区域内至少两个第二房屋的历史数据，第二目标区域指的是在每个历史台风的生命周期内处于历史台风的台风云系覆盖范围内的部分或者全部的区域，历史数据包括台风登陆前每个第二房屋的第二属性数据以及台风登陆后每个第二房屋的真实受损等级；
[0136]
第三确定模块，用于基于第二属性数据以及第二台风数据得到样本数据；
[0137]
评估模块，用于将样本数据输入待训练的受损等级评估模型中进行评估，得到训练结果；
[0138]
优化模块，用于基于训练结果和真实受损等级优化受损等级评估模型，得到已训练的受损等级评估模型。
[0139]
作为本技术一实施例，第二属性数据包括位置数据、楼高特征、楼龄等级、结构类型以及完好程度，上述确定装置20还可以包括：
[0140]
针对每个第二房屋：
[0141]
第四确定模块，用于基于第二房屋处于的行政区域确定第二房屋的位置数据。
[0142]
第五确定模块，用于基于第二房屋的楼层高度确定第二房屋的楼高特征。
[0143]
第六确定模块，用于基于第二房屋的楼龄确定第二房屋的楼龄等级。
[0144]
第七确定模块，用于基于第二房屋的结构特征确定第二房屋的结构类型。
[0145]
第八确定模块，用于基于第二房屋的维修记录确定第二房屋的完好程度。
[0146]
作为本技术一实施例，第二属性数据还包括结构风险等级以及幕墙风险等级，上述确定装置20还可以包括：
[0147]
针对每个第二房屋：
[0148]
第九确定模块，用于基于结构类型以及完好程度确定第二房屋的结构风险等级。
[0149]
第十确定模块，用于基于楼龄以及第二房屋的幕墙事故确定第二房屋的幕墙风险等级。
[0150]
作为本技术一实施例，上述第三确定模块可以包括：
[0151]
台风类型确定单元，用于基于风力等级确定每个历史台风的台风类型；
[0152]
聚类单元，用于针对属于同一台风类型的历史台风，对历史台风对应的历史数据执行聚类操作，得到至少一个台风类型对应的样本数据。
[0153]
作为本技术一实施例，上述确定装置20还可以包括：
[0154]
数据分析模块，用于对样本数据进行探索性数据分析，得到分析结果。
[0155]
预处理模块，用于基于分析结果对样本数据执行预处理。
[0156]
相应地，上述评估模块具体用于将预处理后的样本数据输入待训练的受损等级评估模型中进行评估，得到训练结果。
[0157]
作为本技术一实施例，上述确定装置20还可以包括：
[0158]
数据上传模块，用于在确定每个第一房屋的受损等级之后，将述第一台风数据、第一属性数据和/或已训练的受损等级评估模型上传至区块链中。
[0159]
图3是本技术另一实施例提供的一种终端设备的结构框图。如图3所示，该实施例的终端设备30包括：处理器31、存储器32以及存储在上述存储器32中并可在上述处理器31上运行的计算机程序33，例如房屋排查顺序的确定方法的程序。处理器31执行上述计算机程序33时实现上述各个房屋排查顺序的确定方法各实施例中的步骤，例如图1所示的110至130。或者，所述处理器31执行所述计算机程序33时实现上述图2对应的实施例中各单元的功能，例如，图2所示的单元21至23的功能，具体请参阅图2对应的实施例中的相关描述，此处不赘述。
[0160]
示例性的，所述计算机程序33可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器32中，并由所述处理器31执行，以完成本技术。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序33在所述终端30中的执行过程。例如，所述计算机程序33可以被分割成第一获取模块21、第一确定模块22和第二确定模块23，各模块具体功能如上所述。
[0161]
所述转台设备可包括，但不仅限于，处理器31、存储器32。本领域技术人员可以理解，图3仅仅是终端设备30的示例，并不构成对终端设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述转台设备还可以包括输入输出设备、网络接入设备、总线等。
[0162]
所称处理器31可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0163]
所述存储器32可以是所述终端设备30的内部存储单元，例如终端设备30的硬盘或内存。所述存储器32也可以是所述终端设备30的外部存储设备，例如所述终端设备30上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器32还可以既包括所述终端设备30的内部存储单元也包括外部存储设备。所述存储器32用于存储所述计算机程序以及所述转台设备所需的其他程序和数据。所述存储器32还可以用于暂时地存储已经输出或者将要输出的数据。
[0164]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。