智能基层事件网格化自动派发方法和基层事件处理系统与流程

技术特征：
1.智能基层事件网格化自动派发方法，其特征在于，包括步骤：a、对事件所属地域的网格员进行分析判断，判断适合处理所述事件的目标网格员，并对所述目标网格员分派任务：处理所述事件；b、在所述任务分派后的一定时间内，对所述任务进行跟踪和反馈，如遇所述事件的办理受到阻碍的情况，则排除已经被分派过所述任务的网格员，然后再次进行所述分析判断，判断出适合解决所述事件的目标网格员并重新分派所述任务，重复所述步骤a和b，直至所述事件被处理为止。2.根据权利要求1所述的智能基层事件网格化自动派发方法，其特征在于，所述网格员包括隶属网格员和其他网格员，进行所述分析判断时，需要考虑的判断因素包括：相比于所述隶属网格员，所述其他网格员是否有阻碍事件，或相比于所述其他网格员，所述隶属网格员是否有阻碍事件；相比于所述隶属网格员，所述其他网格员是否有不少于第一预期数目的待处理事件，或相比于所述其他网格员，所述隶属网格员是否有不少于第二预期数目的待处理事件；相比于所述隶属网格员，所述其他网格员是否空闲，或相比于所述其他网格员，所述隶属网格员是否空闲。3.根据权利要求2所述的智能基层事件网格化自动派发方法，其特征在于，所述第一预期数目和第二预期数目均为5。4.根据权利要求3所述的智能基层事件网格化自动派发方法，其特征在于，所述判断适合处理所述事件的目标网格员，包括：根据所述事件的定位地点，确定所述事件的所属的网格片区及邻近网格片区；确定所述所属的网格片区及邻近网格片区所有的办事网格员作为待选网格员，其中，所述所属的网格片区中的网格员为所述隶属网格员，所述邻近网格片区中的网格员为所述其他网格员；构建网格多叉树；构建待选网格员特征；所述目标网格员的选取。5.根据权利要求4所述的智能基层事件网格化自动派发方法，其特征在于，所述构建网格多叉树包括步骤：将所有待选的所述隶属网格员和其他网格员中待办事件数为0的网格员作为第一类网格员放入节点1；将所有待选的所述隶属网格员和其他网格员中有待办事件数为1至第三预期数目，并且阻塞时间短于预期时间的网格员作为第二类网格员放入节点2；将所有待选的所述隶属网格员和其他网格员中有待办事件数为1至第三预期数目，并且阻塞时间不短于所述预期时间的网格员作为第三类网格员放入节点3；将所有待选的所述隶属网格员和其他网格员中有待办事件数多于所述第三预期数目，并且阻塞时间短于所述预期时间的网格员作为第四类网格员放入节点4；将所有待选的所述隶属网格员和其他网格员中有待办事件数多于所述第三预期数目，并且阻塞时间不短于所述预期时间的网格员作为第五类网格员放入节点5。
6.根据权利要求5所述的智能基层事件网格化自动派发方法，其特征在于，所述第三预期数目为5，所述预期时间为6小时。7.根据权利要求6所述的智能基层事件网格化自动派发方法，其特征在于，所述待选网格员特征包括：待办事件指数：对所有待选的网格员所剩余待办事件的数量做分段归一化，具体公式如下：其中，x
1stand
是做完归一化后的待办事件指数，x1是剩余待办事件数，x
1max
是指所述所有待选的网格员的剩余待办事件数的最大值，x
1min
是指所述所有待选的网格员的剩余待办事件数的最小值；事件阻塞指数：事件阻塞指数为事件阻塞归一化后的结果，具体公式如下：其中，x
2stand
是做完归一化后的事件阻塞指数，x2是事件阻塞的总小时数，x
2min
是指所述所有待选的网格员的事件阻塞总小时数的最小值，x
2max
是指所述所有待选的网格员的事件阻塞总小时数的最大值；距离指数：距离指数是每个待选的网格员与事件上报地点的距离进行归一化后的结果，具体计算公式如下：其中，x
3stand
是做完归一化后的距离指数，x3是所述待选的网格员与事件上报地点的距离，x
3max
是所述待选的网格员与事件上报地点的距离中的最大值，x
3min
是所述待选的网格员与事件上报地点的距离中的最小值；办事效率指数：办事效率指数是将每个所述待选的网格员的办事效率指标进行归一化后的结果，其中，办事效率指标是每个网格员历史处理事件的总时间/处理事件总数，所述办事效率指数的归一化的公式如下：
其中，x
4stand
是做完归一化后的办事效率指数，x4是网格员的办事效率指标，若所述网格员无历史完成事件使得x4无法计算，所述网格员的x
4stand
为1，x
4max
是所述所有待选的网格员的办事效率指标的最大值，x
4min
是所述所有待选网格员的办事效率指标的最小值。8.根据权利要求6所述的智能基层事件网格化自动派发方法，其特征在于，所述目标网格员的选取，包括：若所述节点1不为空：计算所述节点1中候选网格员的待选权重，节点1中的网格员因为没有剩余待办事件，所以x
1stand
、x
2stand
无需计算，根据x
3stand
、x
4stand
计算出所述节点1内的每个所述候选网格员的待选权重w
x1
，选择w
x1
最大的所述候选网格员作为所述目标网格员，w
x1
计算公式如下：其中，a3、a4是权重系数；若所述节点1为空：计算其他节点中候选网格员待选权重w
xe
，选择w
xe
最大的所述候选网格员作为所述目标网格员，w
xe
计算公式：其中，a
1e
、a
2e
、a
3e
、a
4e
是权重系数，且a
1e
＞a
2e
＞a
3e
＞a
4e
、a
1e
a
2e
a
3e
a
4e
＝1；β
i
表示所述候选网格员是属于所述网格多叉树的哪个节点，i∈(2、3、4、5)，β2＞β3＞β4＞β5且β2 β3 β4 β5＝1。9.根据权利要求1
‑
8任一项所述的智能基层事件网格化自动派发方法，其特征在于，还包括：所述目标网格员对所述事件进行分类，包括对描述所述事件的图片和文本进行智能分类，所述智能分类包括：对图片的特征进行预提取；对文本的特征进行预提取；所述图片和文本的特征融合；所述特征融合后的分类。10.根据权利要求9所述的智能基层事件网格化自动派发方法，其特征在于，还包括：
所述对图片的特征进行预提取，包括：对于所述事件中的图片信息采取深度卷积网络提取图片特征，使用所述深度卷积网络最后一层全连接层的输出作为所述图片的隐层特征；根据所述深度卷积网络的输入图片大小，先将所述图片进行尺寸整理以得到所述输入图片大小的图片，若所述图片的大小等同于所述深度卷积网络的输入图片大小，则略过所述尺寸整理的步骤；定义一个超参数n，n为大于0的整数，所述超参数n用于表示所述深度卷积网络的最大的输入图片的数量，如果实际输入的图片数量低于n，进行填充以得到n张图片作为特征提取输入图片，若实际输入的图片数量为n的话，略过所述填充步骤，以实际输入的图片作为所述特征提取输入图片；将所述特征提取输入图片输入到所述深度卷积网络的特征提取器，得到所述最后一层全连接层的输出，输出的形态是(m,n)，其中m为大于1的整数，是每张图片通过所述最后一层全连接层的输出的大小；对于所述提取出的最后一层全连接层的输出，再经过一个全连接层，转换成为一个(l,n)的特征输出，l为大于1且小于m的整数，与所述文本的词向量维度保持一致。11.根据权利要求10所述的智能基层事件网格化自动派发方法，其特征在于，所述深度卷积网络为vgg；所述输入图片大小为224*224；所述填充完成n张图片是通过使用padding的方式填充完成；m取为1000，l取为200。12.根据权利要求10所述的智能基层事件网格化自动派发方法，其特征在于，所述对文本的特征进行预提取，包括：通过神经网络的词向量化层对于所述文本进行词向量特征提取，所述词向量化层的输入是一个长度为seq_length的向量，其中seq_length为预设的单词数，为大于零的整数；所述词向量化层的输出是一个seq_length*embedding_size的矩阵，embedding_size是每个词的所述词向量维度，为大于零的整数；所述图片和文本的特征融合，包括：将所述图片和文本的输出特征在第一维度进行连接，形成一个形式为(n seq_length,embedding_size)的矩阵concatembedding；所述特征融合后的分类为：采用文本分类卷积神经网络对经过所述特征融合后的文本分类，得到输出事件类型标签。13.根据权利要求12所述的智能基层事件网格化自动派发方法，其特征在于，所述词向量化层的词向量化操作直接使用预训练好的词向量；所述文本分类卷积神经网络为textcnn，将所述矩阵concatembeedding做为所述文本分类卷积神经网络textcnn的输入层，然后经过所述文本分类卷积神经网络textcnn的卷积池化层和全连接层，得到所述输出事件类型标签。14.基层事件处理系统，其特征在于，执行权利要求1
‑
13任一所述的智能基层事件网格化自动派发方法。

技术总结
本发明提供一种智能基层事件网格化自动派发方法和基层事件处理系统，所述方法包括步骤：A、对事件所属地域的网格员进行分析判断，判断适合处理所述事件的目标网格员，并对所述目标网格员分派任务：处理所述事件；B、在所述任务分派后，对所述任务进行跟踪和反馈，如遇所述事件的办理受到阻碍的情况，则排除已经被分派过所述任务的网格员，然后再次进行所述分析判断，判断出适合解决所述事件的目标网格员并重新分派所述任务。本发明能选择最合适网格员进行事件的预处理，并且当网格员认为推荐的事件类型是合适的话就可以快速确地事件类型并派发给相关行政职能部门进行事件的后续处理，提升了事件处理效率，降低了网格员人工审核成本。核成本。核成本。


技术研发人员：许建兵 费维进 朱彦欢 程震 殷会娟
受保护的技术使用者：安徽商信政通信息技术股份有限公司
技术研发日：2021.07.30
技术公布日：2021/11/21