泰安市人民政府典型案例高新区万家祥云智慧社区大数据分析解决方案

三、案例名称:万家祥云智慧社区大数据分析解决方案

四、案例简介

(一)背景目的

智慧社区建设以社区群众的幸福感为出发点,通过建设智慧社区为居民提供生活便利,加快和谐社区建设、推动城市区域社会进步,使居民的工作和生活更加便捷、舒适、高效。

智慧社区应用随着移动互联网、物联网、云计算等新一代信息技术的不断成熟与普及,产生了海量的数据资源,人类社会进入大数据时代。大数据不仅增长迅速,而且已经渗透到各个维度,使智慧社区的海量数据成为重要的生产要素和数据资产,蕴含着巨大的价值。在智慧社区的建设中,海量的数据在不同维度,以不同的形式广泛存在,在数据应用中形成了巨大挑战,整合数据资源,统一数据格式成为智慧社区建设中的重要工作。

在大数据时代,智慧社区具有明显的数据特征。一方面,智慧社区建设离不开新一代信息技术的支撑,在技术应用过程中必然会产生海量的数据;另一方面,智慧社区建设需要发挥这些数据的作用,从提高政府治理水平,到发展智慧医疗、智慧教育、智慧交通等,都离不开对于社区各种数据的采集、整理、分析和应用。

大数据应用目的主要表现在以下四个方面:

一、整合社区的地理信息和人口数据、社区周边企业法人信息数据,结合线下、物联网和互联网配合采集的信息数据录入方式,在智慧社区平台上建立一个实时数据库。

二、以数据为基础,通过智慧社区大数据库,建立政府、社会、小区居民的数据渠道,实现需求数据的分析应用。

三、利用智慧社区大数据平台建立地区安防数据应用,为地区警务提供海量精准的数据支撑。

四、通过社区居民消费服务的分析,打造地区性的社区生活圈,指导地区经济发展。

(二)主要做法

1.技术方案

万家祥云整体技术架构以2021年国家信息中心智慧城市发展研究中心发布的《智慧社区建设运营指南》为蓝图,整合实际智慧社区实施中用户需求,形成整体的技术架构。

大数据分析平台以“基础信息数据、第三方数据、业务数据”为主要数据源,针对社区层面的数据进行分析,而精准的分析数据源可能来着各个机构或平台,包含人口信息、房屋信息、车辆信息、家庭消费习惯、家庭消费能力、消费规律、用户收入、用户通勤方式、社区热力图、社区流动人口、职业等数据,通过平台的实名信息关联,可应用到更多垂直且专业领域,进行“更加深入”的分析。同时可根据区域数据对比,在地域上进行行业发展分析。

1.1数据采集

基于“万家祥云智慧社区平台”的实际应用,可实现平台用户的基础数据获取,涵盖人、车、房等基础数据。在社区硬件层面可获得人脸等数据,及第三方的数据资源。

1.2数据清洗

以“万家祥云智慧社区平台”为数据底座,以人员身份信息作为数据ID主要特征码。通过特征码进行多平台数据的关联,实现以人员基础信息的数据横向拓展,同时对脏数据进行筛选,形成可用的数据标准。

1.3数据分析

基于社区安防、社区管理、社区发展需求,对不同维度数据进行实时、定时的数据分析工作。

1.4数据应用

基于数字孪生、BI展示平台对数据进行汇总,可按照需求方进行权限的划分,充分保证数据应用的安全性。

2.实施方案

“万家祥云智慧社区解决方案”中的软件平台,均提供云部署服务,无需用户单独采购服务器。整体核心基础业务采用“SaaS部署”,保证核心基础业务可以共同迭代,在产品化标准上共同享受最新服务。

各项目业务采用“私有化部署”,保证项目的个性化需求可以得到定制化解决。涉及“地区级”管理分析需求,各平台采用“末端运算”,各自产出“自有数据”,最终在上层形成汇总数据。

(三)特色亮点

在社区安防及管理方面,普遍存在人员与人脸无法结合的问题,通过自有解决方案的全面覆盖,实现了数据的贯通,在居民应用平台生产人员基础数据,在硬件应用平台生产人脸图像数据。通过该数据的关联,真正做到了硬件设备可以对“人”的认证。

1.感知迁出

2.流动人员发现

3.出入预测

4.特定人群检索

对特定人群种类进行检索分析,例如统计所有凌晨2-3点出入社区的青年男性人群,或统计所有近3周内出入小镇、道路、园区或楼宇的女性儿童,已实现对特定人群的分析管理。

5.社区基础数据

(四)应用成效

1.优政

解决了政府在社区管理工作的短板,打通数据孤岛,连通内部、外部资源,形成贴近居民真实数据的管控平台。推动社会资源数字化进程,建立居民触手可及、惠及全民的新型社会服务体系,为居民提供敏捷、主动、精准的服务。

2.惠民

(五)其他事宜

在外部的数据对接中,建设一套自定义、可视化的对接程序,通过该平台的“零代码”操作,实现外部数据的快速接入。逐渐完善数据内容,建立社区专属数据仓库。

THE END
1.python数据清洗案例keyerror:'sepallengthpython数据清洗案例 获取数据: 检查缺失值 首先第一步,我们先检查一下数据集中是否存在空值,可以用pandas中的isnull、nonull、info方法来检查,我们都来试一遍 data.isnull() 1 可以看到,因为数据太多,没有办法全部找出来,这个时候可以用到sum方法来进行统计每一列有多少个缺失值https://blog.csdn.net/weixin_44941795/article/details/100836001
2.独家为数据分析而清洗数据——Python的21个案例和代码(下)本文介绍了为数据分析而准备的数据清洗的另外11个Python案例及代码。数据清洗是识别和纠正错误以及数据集不一致性的过程,以便于数据可以进行分析。在此过程中,数据专家可以更清楚地了解他们的业务中正在发生的事情,提供任何用户都可以利用的可靠分https://mp.weixin.qq.com/s?__biz=MzI1MjQ2OTQ3Ng==&mid=2247635700&idx=1&sn=c882563ba5a67b47e357af3d16bd1391&chksm=e8117d3d3879282281cabd67a5e3d93be0250a7862942d19801d29b5983732c5b1f81c939238&scene=27
3.数据清洗案例分析袋鼠社区数据清洗案例分析 - 在大数据时代,数据已经成为企业的重要资产。然而,原始数据往往存在许多问题,如缺失值、异常值、重复值等,这些问题会影响数据分析的准确性和可靠性。因此,数据清洗成为了数据处理过程中不可或缺的一步。本文将通过一个实际的数据清洗案例,详细介绍https://www.dtstack.com/bbs/article/12691
4.数据清洗案例数据清洗案例: 1、导入各种包 2、将表格导入系统:这里使用了将一个表格的多个sheet同时导入 # 将一张表里的3个sheet都导入系统 table=[pd.read_excel("/Volumes/台电酷闪/数据分析/python学习/202010Python数据清理/meal_order_detail.xlsx",sheet_name=i) for i in range(0,3)] https://www.jianshu.com/p/84d02414b04e
5.求数据清洗的案例分析资料本人第一次做数据清洗,虽然之前有学过一些数据清洗的方法,但是仍然对手头噪音很大,数量很多的数据感觉到无从下手。现征求各位高手看过的好的关于数据清洗的案例书或其他资料,或者关于如何对大量原始数据一步步分析建模的,要求讲的越具体越好。 谢谢大家帮忙! https://bbs.pinggu.org/jg/huiji_huijiku_3640882_1.html
6.MapReduce综合应用案例—招聘数据清洗MapReduce是Hadoop的核心功能之一,掌握它对学习Hadoop至关重要。 Hadoop Map/Reduce是一个使用简易的软件框架,基于它写出来的应用程序能够运行在由上千个商用机器组成的大型集群上,并以一种可靠容错的方式并行处理上T级别的数据集。 任务关卡 第1关数据清洗 https://hnjdzy.educoder.net/shixuns/2lvmz89x/challenges
7.数据分享基于PythonHadoop零售交易数据的Spark数据处理与E案例数据集是在线零售业务的交易数据,采用Python为编程语言,采用Hadoop存储数据,采用Spark对数据进行处理分析,并使用Echarts做数据可视化。由于案例公司商业模式类似新零售,或者说有向此方向发展利好的趋势,所以本次基于利于公司经营与发展的方向进行数据分析。 https://developer.aliyun.com/article/1493639
8.书单想学PowerBI吗?来看看这些书吧!本书是Power BI 快速入门工具书,笔者将Power BI 的知识点做了系统整理,并以案例的方式呈现出来,使读者学习起来更轻松。全书共7 章,包括Power BI Desktop 初体验、数据清洗的革命、数据统计和呈现、建立表关联、交互式分析、使用DAX 函数、数据可视化等,其中重点介绍了Power BI 在数据清洗和数据可视化方面的应用。 http://www.broadview.com.cn/article/419989
9::侯晓焱邢永杰:我国证人证言排除的刑事司法实务观察1.数据清洗的考量因素 数据整理中误入的不属于当事人申请排除非法证据的数据主要包含几种情况: 一是文书记载了法院告知被告人享有申请回避、非法证据排除等权利,文书故此被命中,但案件本身不涉及非法证据问题的争议。二是文书在评析某项具体证据时,主动宣布该项证据中不存在非法证据排除的情形。三是二审裁判文书中记载http://iolaw.cssn.cn/fxyjdt/201907/t20190722_4936908.shtml
10.聊聊如何清理数据案例和步骤数据清理包括发现和解决潜在的数据不一致或错误以提高数据质量。错误是任何不反映所测量的真实值(例如,实际重量)的值(例如,记录的重量)。在此过程中,审查、分析、检测、修改或删除“脏”数据以使数据集“干净”。数据清理也称为数据清洗。一 为什么数据清理很重要在定量研究中,收集数据并使用统计分析来回答研究问题。http://www.360doc.com/content/23/0301/09/78237952_1069924279.shtml
11.大数据应用导论Chapter02大数据的采集与清洗2、Python清洗案例 # 载入必要库 # numpy是一个数值计算库,能够快速的进行矩阵计算 importnumpyasnp # pandas基于numpy的一种数据分析工具,能够快速的进行数据分析、可视化 importpandasaspd # matplotlib是一个2D绘图库,能够跨平台的快速绘制图表 importmatplotlib.pyplotasplt https://blog.51cto.com/14683590/5236225