基于智能模型的智慧社区平台构建

钱晔 孙吉红 杨惠琼 彭琳 沈颖鸣 李宇 吴劲

摘要：以建水县崇正社区为例，通过社区业务工作分解，将“一人一卡、一事一卡”模式、农家书屋管理工作模块作为智能模型的原型，构建基于聚类分析算法的智能模型，将其他工作模块进行信息化处理，构建了智慧社区平台。根据社区建设要求，提出了智慧平台建设的新思路、新发展，从而将传统居委会大妈形象的社区管理引向智能化、数据化的发展方向。

关键词：社区;智能模型;发展;智慧

中图分类号：C916         文献标识码：A

文章编号：0439-8114（2019）23-0193-04

DOI：10.14088/j.cnki.issn0439-8114.2019.23.048           開放科学（资源服务）标识码（OSID）：

The construction of intelligent community platform based on intelligent model

QIAN Ye1，SUN Ji-hong2，YANG Hui-qiong3，PENG Lin1，SHEN Ying-ming2，LI Yu4，WU Jin4

（1.School of Big Data  Information Engineering，Yunnan Agricultural University，Kunming 650201，China;2.Science and Technology in Yunnan，Kunming 650051，China;3.Community Chong Zheng，Jianshui 654300，Yunnan，China;4.Kunming Economic Development Zone Management Committee，Kunming 650000，China）

Abstract： Take the Chongzheng community in Jianshui county as an example. Decomposing the work of the community，the model of“one person， one card， one thing and one card” and the management module of farm bookstore are used as the prototype of the intelligent model. In this paper， an intelligent model based on clustering analysis algorithm is constructed， and other work modules are processed informative to build intelligent community platform. And according to the requirements of community construction， the new ideas and new developments of the construction of the intelligent platform are put forward， so that the community management of the traditional neighborhood committees image should be directed towards the direction of intelligent and data development.

Key words： community; intelligent model; development; intelligence

随着大数据、云计算、互联网+、机器学习等信息技术的飞速发展，智慧城市、智能平台已经进入了人们的视野中，社区作为一个独立而又传统的社会模式，随着时代的发展处于不断更新变化之中。信息的获取、分析、利用不再是高新技术领域的专利，社区作为中国最基层的组织，已经在劳动保障、社会治安综合治理、人口普查、共青团、少先队、基层党组织等多方面发挥着积极的作用，如何引入新兴信息技术，构建社区信息化平台成为社区建设的重中之中。

近年来，农家书屋、社区党员电教（在线）、社区调解平台等项目落地于每个社区之中，社区已经脱离了居委会大妈调解工作的时代，现代化的设备已经落实，无纸化的办公已经形成，大学生村官、大学生入选社区主任的现象屡见不鲜，知识分子已经成为了社区的中坚力量。多地的大学生村官为了带动当地的经济发展，开网店、做电商等一系列的行动，为当地的经济发展创造了条件，带动了居民（村民）的积极性，为贫困户脱贫做出了应有的贡献。但是，单纯的信息技术只能从形式上改变传统社区的发展模式，在传统社区建设的基础上增添一些形式化的亮点工作，很难从根本上发现、解决社区存在的问题，为此，引入聚类分析、人工神经网络等智能算法构建智能分析模型，为社区建设智能化、信息化、多功能化提供智慧平台。

1  智慧社区的需求

2002年云南省将居民委员会更改为社区，开始社区建设。2002年以后，将符合条件的村民委员会更改为社区（村改居）。社区建设近16年来，发生了巨大的变化，从原来热心的居民委员会大妈形象变成了现在专业化、职业化、服务多元化的最基层党组织队伍。目前，信息技术高速发展，农业信息化、商业信息化、管理信息化等多学科与信息技术的结合取得了举世瞩目的成绩，开辟了新的市场。结合当今信息技术的飞速发展，借鉴农业信息化等领域的成功案例，以现代软件工程技术为基础，构建开放的、多模型的、多技术耦合协同[1]基于智能模型智慧社区平台势在必行。

2  智慧社区的搭建

早在20世纪80年代中期，以Rumelhart和McCelland为首的科学家小组提出BP人工神经网络算法，构建了传统的人工神经网络预测（识别）模型。随着信息技术的高速发展，农业、经济、管理、医学等多领域与神经网络算法相结合构建了多种智能化模型。近年来，大数据、云计算等技术的不断发展，神经网络算法、聚类分析算法等作为大数据中数据分析、预测、识别的主要工具之一，重新成为信息处理与数据分析的主要工具，当然，神经网络算法不再一成不变，而是加入了聚类分析算法、遗传算法、灰色理论等知识，提高了神经网络预测模型的准确率。黄新穎等[2]采用BP人工神经网络算法构建中国茶叶出口预警分析网络模型。杭艳红等[3]使用遗传算法对BP神经网络进行优化，建立耕地自然质量计算的GA-BP网络模型。孙吉红等[4]采用BP人工神经网络算法构建基于智能算法的鲜切花价格预测模型。陆晓琴等[5]采用PCA-RBF神经网络算法对PPP项目进行风险智能评价。杨剑等[6]采用遗传算法对RBF神经网络算法进行改进建立智能模型对遥感图像进行分类。同时，智慧平台建设也成了各行各业关注的核心，赵桂芳[7]从多方面解析建立气象行政审批智慧服务平台的必要性，提出了建立气象智慧平台的构思;李艳艳等[8]提出智慧高速平台设计的方案;周赤忠[9]、朱昊等[10]、李伦斌[11]根据现代城市停车难的特点，结合大数据技术，提出了智慧停车平台的创新及应用。王春山等[12]针对农机作业过程中的缺陷，提出了基于互联网的智慧农机管理平台。在此基础上，研究社区管理机制，将神经网络算法、聚类算法、软件工程、管理信息系统等信息技术与社区管理相结合，最终形成一个基于智能模型的智慧社区平台。

以云南省建水县崇正社区为例。崇正社区位于建水县临安镇，至2002年社区建立以来，荣获全国妇联先进基层组织、云南省省级和谐社区、云南省交通文明示范社区等多项荣誉。在社区党建工作中，形成了“一人一卡、一事一卡”“三卡一图、三书一册”“书香崇正”等模式，成为了云南省红河州社区建设的名牌。

2.1  智慧社区建设

按照社区建设的宗旨“以人为本、为民服务”，以社区建设的内容为基础，以信息技术为中心，采用聚类分析、人工神经网络算法，以MATLAB为数据分析平台，以.NET为管理信息系统搭建的基础，构建基于智能模型的智慧社区平台。

2.1.1  平台框架的搭建  该平台框架包括了智能预测模型、普通模型框架以及系统框架三个部分（图1）。智能预测模型框架包含了流动人口管理模块、社会治安综合治理模块。其中，流动人口管理模块主要以云南省崇正社区的“三卡一图、三书一册”模型为模板，进行智能化、信息化处理，达到更实用、更方便的效果;社会治安综合治理模块包括了居民矛盾调解、治安防治等模块。在居民矛盾调解部分，以崇正社“一人一卡、一事一卡”为模型，采用聚类算法，将各种不同的问题进行分类，对应不同的解决方案，形成智能匹配模型。

普通模型框架包括党建模块、团建模块、巾帼妇女建设模块、环境卫生模块。其中，党建模块主要包括社区党建工作的全流程，涉及面广、信息量大;团建模块主要以社区团员开展工作为主，结合乡镇团建工作进行规划。巾帼妇女建设模块包括社区妇女参与的各项活动。环境卫生模块包括社区的环境建设和卫生保洁工作等。

系统框架包括了算法、智能模型、.NET平台、界面、C#语言、文档等。其中，智能模型将预测或匹配的结果植入管理信息系统中进行展示;.NET作为系统开发的平台，采用C#语言进行开发;界面主要是社区工作需求分析在可视化界面的实现，包括社区所有工作的展示及应用入口。

2.1.2  智能模型的建立

1）构建基于聚类算法的“一人一卡、一事一卡”智能识别模型。崇正社区至2010年创先争优活动以来，根据社区的实际情况，构建了“一人一卡、一事一卡”模型，解决了当时社区的调节问题，形成了云南省建水县的一张名片，8年来，社区一直采用该模式形成了大量的珍贵数据。但是，随着时间的不断增长，社区分管调解工作人员的岗位变动，新分管调解工作的人员面对大量的资料，工作难以适应。面对现状，本研究针对“一人一卡、一事一卡”模式进行智能化改造，将运行8年的模式进行调整，更好的适应社区的发展。

聚类分析算法将社区调节的问题分为5类，分别是房屋产权问题、邻里之间口角问题、咨询政府的相关政策问题、治安问题、其他问题。将这5类问题进行数字化，1代表房屋产权问题，2代表邻里之间的口角问题，3代表咨询政府的相关政策问题，4代表治安问题，5代表其他问题。1～5分别对应了5类不同问题的解决方案。将2010年5月至2015年5月的资料，进行数字化后输入聚类算法构建的模型中，作为学习样本中的数据;将2015年6月至2018年5月的数据输入模型中作为训练样本。模型进行预测时，将遇到的问题进行数字化，输入到模型中，模型将自动计算目标距离像与训练样本中5类目标距离像的距离，模型将自动识别出距离最短的目标，作为解决该问题的方案。

图2为聚类算法构建智能预测模型的原理，图2清楚地显示通过聚类算法构建的智能模型，能够将杂乱无章的各类信息进行分类、匹配，形成有规律的各种集合。

2）构建基于聚类算法的智能预测模型。崇正社区2010年成立了社区农家书屋，藏书1万余册，安排了专职的图书馆管理员，负责日常事务，并于2011年开始，开展“书香崇正-全民阅读”活动，受到了广大居民的欢迎以及上级领导的赞赏。但是，由于社区农家书屋的空间有限，大量的书籍难以上架，影响了社区居民查书、读书的积极性。

针对以上情况，本研究将采用数据挖掘的方法，确定最受社区居民欢迎的书籍，然后利用有限的空间为居民提供最优质的服务（图3）。一是将农家书屋的图书细化为20类，每类的编号为1、2… …18、19、20。二是从日常登记借书的名单中，将居民借书的书名进行数字化。三是采用聚类算法构建分类模型，模型将自动计算输入的“数字”与样本中的“数字”的距离，输出分类结果。四是统计分类结果，将20类图书的分类结果，按照由多到少的顺序进行排序。排在第一的图书类别将安排在农家书屋最显眼的位置，排在第二的图书类别将安排在次显眼的位置……，排在最后5位的图书类别将尽量少安排书架。

2.1.3  智能模型的发展  智能模型预测的准确率取决于数据的完整性以及不断更新的训练样本。“一人一卡、一事一卡”智能识别模型、基于聚类算法农家书屋智能预测模型是否能够保持智能化、信息化功能，是否能够长期具有实用性、功能性，取决于社区工作人员的维护。主要包括以下几个关键点：一是数据更新限制。智能模型的准确率随着时间的延续，数据停止更新或者更新较慢，将影响预测的准确率。二是人员操作能力的限制。智能模型的预测需要社区干部操作，方法简单，但是也需要熟练掌握，以免降低甚至错误的预测。三是智能模型推广应用的限制。智能模型作為整个智慧社区平台的主要组成部分，需要在一个知名度较高的社区进行使用，并将使用效果进行有效推广，才能发挥智慧社区平台的作用。

2.1.4  智能模型的扩展  本研究中采用聚类分析构建智能模型，在今后的研究中，将根据模型的实际情况，采用改进的BP神经网络算法、GRNN算法、LVQ、灰色神经网络算法等构建智能模型，并根据实际的预测结果，反复比较，寻找最佳的智能算法。

2.2  管理信息系统的设计

构建智慧社区管理信息系统主要是为了将智能模型及其他模型的功能展示在平台上，更好地服务社区居民。首先，将系统权限设置为管理员、业务员二级权限。管理员是系统中最高权限的角色，拥有包括添加、删除用户、查看信息、整理信息、发布通知在内的所有权限;业务员角色根据管理的需求，由管理员进行分配名额（添加或删除），业务员主要是对智能模型进行操作，将智能模型的输出结果作为社区管理的参考依据。

3  智慧社区的远景

智慧社区的远景是实现从传统的信息系统管理到基于智能模型的智慧社区平台的转变，以及在该平台上的操作及应用。远景将随着大数据、机器学习、人工智能、专家系统的发展而不断完善，目前主要考虑以下几个方面。

3.1  资源共享

单个智能模型的建立在理论上已经非常完美的实现了社区的需求，为社区的工作人员特别是新人提供了智能化的建议，辅助其进行人民调解或者是智能化分配图书。但是，由于单个社区产生的数据有限，要想实现精确的智能匹配，必须将整个县域的数据进行共享，整合大量的数据输入模型中，而且数据的更新速度要快，更新量要大，使得模型的匹配更精确，模型的生命力更旺盛。

3.2  建立专家系统

专家系统（ES）是人工智能领域最活跃和最广泛的领域之一[13]。使用专家系统就是采用具有人类思想的专家推理智能模型处理现实生活中需要邀请专家处理并作出解释的复杂问题，得出与专家相同或相似的结论[14]。基于智能模型的智慧社区平台的发展前景就是建立基于智能模型（包括神经网络模型、聚类分析模型等）的专家系统，以此增加系统的功能，提高系统的性能，研究各种智能模型的相关性，将分析结果用于系统升级设计[15]。将具有以下优势：固有并行性、较好的容错性、自适应性、分布式联想存储、较强的学习能力[16]。

3.3  数据分析

数据是指特定事物的发展过程所留下的痕迹，不能任意改动、虚构。目前，大数据分析淡化了数据的精确性，但是，在数据分析中必须排除不确定性、混杂性因子[17，18]。在建立基于智能模型的智慧社区平台后，随着社区业务工作量的增加及延伸，社区工作将留下大量的数据，利用人工神经网络算法，在MATLB平台下对这些数据进行分析，将得出社区居民的所需所求，根据分析结果将预防青少年心理疾病、从源头防止邻里之间的矛盾、帮助最需要帮助的困难户等。总之，将数据分析引入社区建设将大大降低社区工作者的工作量，提高社区的服务质量，为构建和谐、文明、祥和的新型社区奠定坚实的基础。

4  结论

随着大数据技术的不断发展以及计算机技术与多学科的成功结合，智慧社区平台建设已经成为社区建设的主要创新方式，以软件演化为技术依托，优化智能算法模型，将以社区工作度结合紧密且适合预测效果最佳的模型引进社区智慧平台的建设中;以大数据技术、神经网络算法、聚类分析为信息技术处理手段，以MATLAB为平台，增强数据分析精准率;以互联网为载体，构建基于网格化的社区智慧平台。社区建设作为中国共产党最基层的党组织建设，引入智能算法构建智慧社区平台，使得社区干部在纷繁复杂的工作中，不但能够接触最新的科技成果、学习新知识和应用新平台，而且可以降低工作量，实现工作的精准化，助推社区信息化、智能化建设工程的进程。

参考文献：

[1] 张文宇，曹宏鑫，葛道阔，等.基于模型的智慧农业平台的构建[J].江苏农业科学，2015，43（12）：478-481.

[2] 黄新颖，杨文丽.基于BP神经网络模型的中国茶叶出口预警分析[J].江苏农业科学，2018，46（2）：310-314.

[3] 杭艳红，杨  林.基于GA-BP神经网络的耕地自然质量计算模型研究[J].江苏农业科学，2017，46（8）：183-186.

[4] 孙吉红，张丽莲，武尔维，等.基于智能算法的价格预测模型探究[J].计算机技术与发展，2014（11）：107-109.

[5] 陆晓琴，黄元君，王  喜.基于PCA-RBF神经网络的PPP项目风险智能评价研究[J].科技管理研究，2017（14）：59-63.

[6] 杨  剑，宋超峰，宋文爱，等.基于遗传算法的模糊RBF神经网络对遥感图像分类[J].小型微型计算机系统，2018，3（3）：621-624.

[7] 赵桂芳.气象行政审批智慧服务平台的应用探索[J].安徽农学通报，2018，24（6）：137-138.

[8] 李艳艳，王小雄，邵永军.智慧高速平台的设计与实现[J].科技创新与应用，2018（18）：93-94.

[9] 周赤忠.基于静态交通大数据系统下的智慧停车平台创新与应用[J].计算机应用与软件，2018，35（2）：330-333.

[10] 朱  昊，冯淑媛，刘  涛.上海智慧停车建设和发展运行模式探讨[J].交通与运输（学术版），2016（2）：106-108.

[11] 李伦斌.基于大数据的城市智能停车系统研究[J].技术与市场，2016，23（5）：253.

[12] 王春山，张  璠，滕桂法，等.智慧农机调配管理平台设计与实现[J].中国农机化学报，2018，39（1）：61-68.

[13] 蔡自興，DURKIN J，龚  涛.高级专家系统：原理、设计及应用[M].北京：科学出版社，2006.

[14] LIAO S H.Expert system methodologies and applications—A de-cade review from 1995 to 2004[J].Expert systems with appli-cations，2005，28（1）：93-103.

[15] CHOU J S.Generalized linear model-based expert system for es-timating the cost of transportation projects[J].Expert systemswith applications，2009，36（3）：4253-4267.

[16] ZHANG Y D，WU L N，WEI G A.New classifier for polarimet-ric SAR images[J].Progress in electromagnetics research，2009，94：83-104.

[17] SCHLIMMER J C，GRANGER R H J.Incremental learning from noisy da-ta[J].Machinelearning，1986，1（3）：317-354.

[18] [英]维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革[M].盛杨燕，周  涛，译.杭州：浙江人民出版社，2013.