Интеллектуальная платформа аналитической обработки разноформатных данных

Изобретение относится к интеллектуальной платформе аналитической обработки разноформатных данных. Технический результат заключается в повышении скорости построения риск-моделей и реализации алгоритмов оценки вероятности наступления выявляемого события. Платформа содержит облачное центральное хранилище данных, выполненное с возможностью взаимодействия с локальным центром обработки данных для передачи и получения данных посредством микросервисов и включающее модуль стека адаптационных решений, выполненный с возможностью хранения алгоритмов для обработки разноформатных данных для создания синтетических признаков и анализа результатов оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, а также получения и передачи данных алгоритмов от и на локальный центр обработки данных в модуль стека адаптационных решений посредством микросервиса; базу данных, выполненную с возможностью хранения синтетических признаков, используемых для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, которые передаются в базу данных локального центра обработки данных посредством микросервиса; модуль прогнозирования вероятности наступления выявляемых событий, выполненный с возможностью хранения алгоритмов для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, а также получения и передачи данных алгоритмов от и на локальный центр обработки данных в модуль оценки вероятности наступления выявляемого события посредством микросервиса; локальный центр обработки данных, расположенный на сервере заказчика и включающий модуль стека адаптационных решений, выполненный с возможностью хранения алгоритмов обработки разноформатных данных пользователей для создания наборов синтетических признаков, посредством алгоритмов, полученных посредством микросервисов, из модуля стека адаптационных решений облачного центрального хранилища или разработанных пользователями платформы, а также с возможностью запуска выполнения алгоритмов обработки разноформатных данных пользователей для создания наборов синтетических признаков и алгоритмов анализа результатов оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, посредством микросервисов; при этом модуль стека адаптационных решений выполнен с возможностью, в процессе создания одного и того же синтетического признака для конкретного объекта, получать данные об этом объекте из разных источников и в разных форматах, выполнять обнаружение этого объекта в полученных данных, в том числе с использованием распознавания объектов на фотоизображениях с геопривязкой, и формировать единый синтетический признак в машиночитаемом формате для данного объекта из разноформатных данных, полученных из разных источников; базу данных, выполненную с возможностью хранения синтетических признаков, полученных из модуля стека адаптационных решений локального центра обработки данных посредством микросервиса или полученных из базы данных облачного центрального хранилища посредством микросервиса; модуль прогнозирования вероятности наступления выявляемых событий, выполненный с возможностью хранения алгоритмов анализа синтетических признаков, полученных из стека адаптационных решений, посредством работы алгоритма оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом; базу данных, выполненную с возможностью хранения результатов модуля прогнозирования вероятности наступления выявляемого события, для которых настраивают пограничные значения результатов оценки вероятности наступления выявляемого события и необходимые действия с недвижимым имуществом для данных значений, причем в случае достижения значения запускается действие, связанное с недвижимым имуществом. 4 з.п. ф-лы, 2 ил.

 

ОБЛАСТЬ ТЕХНИКИ

Настоящее техническое решение относится к области информационных технологий и вычислительной техники, а именно к экспертно-аналитическим облачным информационным платформам для целей управления городским недвижимым имуществом.

УРОВЕНЬ ТЕХНИКИ

Из источника информации US9953370B2, опубликованного 24.04.2018, известна группа изобретений, система и способ для оценки управления рисками объектов недвижимости, с использованием аэрофотоснимков объектов недвижимости и дополнительных данных об объектах недвижимости, которые оцениваются по заданным критериям управления рисками. Данные, полученные с помощью аэрофотоснимков, включают идентификацию объектов недвижимости и их площадь, состояние объектов недвижимости, включая крышу и внешние стены, а также выявление других опасностей для объектов недвижимости. Дополнительные данные могут включать информацию о собственности, поступающую из различных источников, включая городские и окружные власти, подрядчиков и страховые компании. Итоговая оценка управления рисками может быть использована для урегулирования страховых случаев и определения страховых продуктов и ставок премий, предлагаемых на недвижимость.

Из источника информации US10241505B2, опубликованного 26.03.2019, известна группа изобретений, система и способ обеспечения оптимизации и улучшения объектов недвижимости. Собирают данные об активах, касающихся объекта недвижимости, а именно: количество зданий, пространство внутри зданий, технические характеристики зданий и физического состояния зданий, и соответствующих данных о производительности объектов недвижимости, а именно: измерение электроэнергии, и/или измерение тепла, и/или измерение воды, и/или температуру, и/или влажность, и/или давление, и/или события, и/или сигналы тревоги, и/или статус, и/или погода, и/или цены. Меры по улучшению, относящиеся к потребляемому ресурсу в одном или нескольких зданиях, определяются с использованием компьютерной системы, сконфигурированной для анализа данных об активах и соответствующих данных о производительности на основе внутренних и/или внешних ключевых показателях эффективности и правил, предоставляемых базой данных.

Предлагаемое решение отличается от известных решений из уровня техники тем, что представляет собой коробочное решение, т.е. развернуто на мощностях заказчика без необходимости загружать данные на облачное центральное хранилище, что соответствует повышенным требования к безопасности данных органов исполнительное власти. Предлагаемое решение является универсальным, адаптационные алгоритмы позволяют преобразовывать разноформатные данные пользователя к виду и форматам, понятным риск-моделям для эффективного управления недвижимым имуществом города, в чем и заключается новизна подхода.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Технической задачей, на решение которой направлено заявленное техническое решение, является разработка облачной информационной платформы, которая выражает новый подход к созданию системы обработки данных и построению риск-моделей для эффективного управления недвижимым имуществом города. Стандартный подход предполагает определенный (фиксированный) набор исходных данных для построения алгоритма выявления той или иной проблемы. Предлагаемое решение является универсальным, адаптационные алгоритмы позволяют преобразовывать разноформатные данные пользователя к виду и форматам, понятным риск-моделям, в чем и заключается новизна подхода. В связи с этим предложена облачная интеллектуальная платформа принятия решений для целей управления городским недвижимым имуществом, которая охарактеризована в независимом пункте формулы. Дополнительные варианты реализации настоящего изобретения представлены в зависимых пунктах изобретения.

Технический результат заключается в расширении арсенала технических средств интеллектуальной платформы, которое заключается в структурной схеме облачной интеллектуальной платформы, позволяющей строить алгоритмы оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, не на разрозненных данных, а на универсальных наборах синтетических признаков, а также позволяющей запускать действия, связанные с недвижимым имуществом, при достижении заданного порога значений результатов оценки вероятности наступления выявляемого события (например, при вероятности незаконного увеличения площади земельного участка более 0,8 составляется акт и направляется извещение собственнику участка, при вероятности 0,6-0,8 инициируется проверка - ставится задание инспектору, при вероятности 0,5-0,6, участок добавляется в план проверок и т.д). Такая схема позволяет использовать одни и те же алгоритмы оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, для прогнозов событий в разных регионах и областях управления. А также в разы увеличивает скорость вычисления алгоритмы оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом. Важным преимуществом решения является высокая скорость развертывания облачной интеллектуальной платформы. Платформа представляет собой коробочное решение.

Заявленный результат достигается за счет осуществления облачной интеллектуальной платформы аналитической обработки разноформатных данных, которая содержит:

Облачное центральное хранилище данных, выполненное с возможностью взаимодействия с локальным центром обработки данных для передачи и получения данных посредством микросервисов и включающее:

модуль стека адаптационных решений, выполненный с возможностью хранения алгоритмов для обработки разноформатных данных для создания синтетических признаков и анализа результатов оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, а также получения и передачи данных алгоритмов от и на локальный центр обработки данных в модуль стека адаптационных решений посредством микросервиса;

базу данных, выполненную с возможностью хранения синтетических признаков, используемых для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, которые передаются в базу данных локального центра обработки данных посредством микросервиса;

модуль прогнозирования вероятности наступления выявляемых событий, выполненный с возможностью хранения алгоритмов для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, а также получения и передачи данных алгоритмов от и на локальный центр обработки данных в модуль оценки вероятности наступления выявляемого события посредством микросервиса;

Локальный центр обработки данных, расположенный на сервере заказчика и включающий:

модуль стека адаптационных решений, выполненный с возможностью хранения алгоритмов обработки разноформатных данных пользователей для создания наборов синтетических признаков, посредством алгоритмов, полученных посредством микросервисов, из модуля стека адаптационных решений облачного центрального хранилища или разработанных пользователями платформы, а также с возможностью запуска выполнения алгоритмов обработки разноформатных данных пользователей для создания наборов синтетических признаков и алгоритмов анализа результатов оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, посредством микросервисов;

при этом модуль стека адаптационных решений выполнен с возможностью, в процессе создания одного и того же синтетического признака для конкретного объекта, получать данные об этом объекте из разных источников и в разных форматах, выполнять обнаружение этого объекта в полученных данных, в том числе с использование распознавания объектов на фотоизображениях с геопривязкой, и формировать единый синтетический признак в машиночитаемом формате для данного объекта из разноформатных данных, полученных из разных источников;

базу данных, выполненную с возможностью хранения синтетических признаков, полученных из модуля стека адаптационных решений локального центра обработки данных посредством микросервиса или полученных из базы данных облачного центрального хранилища посредством микросервиса;

модуль прогнозирования вероятности наступления выявляемых событий, выполненный с возможностью хранения алгоритмов анализа синтетических признаков, полученных из стека адаптационных решений, посредством работы алгоритма оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом;

базу данных, выполненную с возможностью хранения результатов модуля прогнозирования вероятности наступления выявляемого события для которых настраивают пограничные значения результатов оценки вероятности наступления выявляемого события и необходимые действия с недвижимым имуществом для данных значений, причем в случае достижения значения запускается действие, связанное с недвижимым имуществом. В частном варианте реализации, локальный центр обработки данных, размещенный на сервере заказчика, имеет доступ к облачному центральному хранилищу.

В частном варианте реализации, облачное центральное хранилище, выполнено с возможностью актуализации баз данных.

В другом частном варианте реализации, актуализация облачного центрального хранилища происходит в части обновления базы данных синтетических признаков путем обновления ранее созданных синтетических признаков для создания нового набора синтетических признаков.

В другом частном варианте реализации, результаты расчета алгоритмов для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, используется в качестве синтетических признаков.

В другом частном варианте реализации, результаты расчета алгоритмов для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, представлены по меньшей мере в табличной, графической, картографической форме.

ОПИСАНИЕ ЧЕРТЕЖЕЙ

Реализация изобретения будет описана в дальнейшем в соответствии с прилагаемыми чертежами, которые представлены для пояснения сути изобретения и никоим образом не ограничивают область изобретения. К заявке прилагаются следующие чертежи:

Фиг. 1 иллюстрирует схему облачной интеллектуальной платформы принятия решений.

Фиг. 2 иллюстрирует пример схемы вычислительного устройства.

ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

В приведенном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако, квалифицированному в предметной области специалисту, будет очевидно каким образом можно использовать настоящее изобретение, как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять излишне понимание особенностей настоящего изобретения.

Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов.

Облачная интеллектуальная платформа принятия решений для целей управления городским недвижимым имуществом включает алгоритмы для преобразования разноформатных данных в универсальные наборы признаков (синтетические признаки) для построения риск-моделей, риск-модели для принятия объективных управленческих решений на основе созданных синтетических (универсальных) признаков и механизмы внедрение риск-моделей в бизнес-процессы пользователей.

Уникальность решения заключается в структурной схеме облачной интеллектуальной платформы, которая позволяет строить риск модели не на разрозненных данных, а на универсальных наборах синтетических признаков. Такая схема позволяет использовать одни и те же риск-модели для прогнозов событий в разных регионах и областях управления. А также в разы увеличивает скорость вычисления риск-моделей. Важным преимуществом решения является высокая скорость развертывания облачной интеллектуальной платформы. Платформа представляет собой коробочное решение. Она может быть развернута на мощностях заказчика без необходимости загружать данные на облачное центральное хранилище, что соответствует повышенным требования к безопасности данных органов исполнительное власти.

В материалах настоящей заявки, под заказчиком понимается коммерческая или государственная организация, на серверах которых развернута интеллектуальная платформа. К данной интеллектуальной платформе могут подключаться несколько пользователей и загружать в нее свои данные.

Облачная интеллектуальная платформа принятия решений для целей управления городским и коммерческим недвижимым имуществом представляет оперативный доступ к синтетическим данным, адаптационным решениям (алгоритмам преобразования данных в синтетические признаки) и риск-моделям всем уполномоченным пользователям, а также инициирует бизнес-процессы этих пользователей.

Под риск-моделью, в контексте настоящей заявки, понимается алгоритм, позволяющий оценить вероятность наступления выявляемого события (например, самозахват земельного участка, нецелевое использование объекта недвижимости, необходимость перезаключения договора аренды и др.).

На Фиг. 1 проиллюстрирована облачная интеллектуальная платформа принятия решений для целей управления городским недвижимым имуществом, которая включает облачное центральное хранилище (ЦХ) и локальный центр обработки и хранения данных (ЦОД1, ЦОД2, ЦОД3, ЦОДN), расположенный на серверах заказчика.

Облачное центральное хранилище (ЦХ), включает: модуль стека адаптационных решений (I), содержащий алгоритмы для обработки разноформатных данных (создание синтетических признаков) и анализа результатов расчета риск-моделей, модуль базы данных (II), содержащий синтетические признаки, модуль базы знаний (III), содержащий алгоритмы построения риск-моделей.

Облачное центральное хранилище - это накопленный опыт разработчиков и пользователей платформы. Стек адаптационных решений (I), синтетические признаки (II) и модуль базы знаний (III), постоянно пополняются (актуализируются) новыми алгоритмами и данными за счет расширения перечня решаемых задач, кроме того, риск-модели постоянно улучшаются за счет развертывания интеллектуальной платформы на серверах новых заказчиков и учета большего количества параметров.

Локальный центр обработки данных (ЦОД1, ЦОД2, ЦОД3, ЦОДN), расположенный на сервере заказчика включает:

модуль стека адаптационных решений (1,5), содержащий алгоритмы обработки пользовательских данных и анализа результатов расчета риск-моделей, загруженные из облачного центрального хранилища (ЦХ), а именно из стека адаптационных решений (I);

модуль базы данных (2), содержащий синтетические признаки пользователя, полученные посредством обработки алгоритмов модуля стека адаптационных решений (1) и/или загруженные из центрального хранилища, а именно из модуля базы данных (II);

модуль базы знаний (3), содержащий алгоритмы построения риск-моделей, загруженные из облачного центрального хранилища, а именно из модуля базы знаний (III);

модуль базы данных (4), содержащий результаты расчета риск-моделей, которые в дальнейшем обрабатываются модулем стека адаптационных решений (5).

В частном варианте реализации, предлагаемая интеллектуальная платформа, может быть развернута на стороне заказчика, без доступа к облачному центральному хранилищу, т.е. заказчик может использовать только загруженные на момент установки платформы алгоритмы модуля стека адаптационных решений (1), синтетические признаки и риск-модели.

В частном варианте реализации, алгоритмы для создания синтетических признаков могут быть разработаны пользователями платформы и загружены в локальный модуль стека адаптационных решений (1, 5) и, при согласии разработчиков, в модуль стека адаптационных решений (I) облачного центрального хранилища.

В частном варианте реализации, синтетические признаки могут быть загружены пользователями напрямую в модуль базы данных синтетических признаков (2).

В частном варианте реализации, риск-модель может быть разработана пользователями платформы и загружена в модуль базы знаний (3) и, при согласии разработчиков, в модуль базы знаний (III) облачного центрального хранилища.

Синтетические признаки, представляю собой обработанные и преобразованные в машиночитаемые форматы, как автоматически, так и в ручном режиме, исходные данные пользователей.

Под исходными данными пользователей, в материалах настоящей заявки, понимаются любые данные о городском пространстве, недвижимости и т.д.

Посредством обработки алгоритмами, из модуля стека адаптационных решений (I, 1), исходные данные пользователей приводят к единому формату, заполняют пропуски (например, если для объекта недвижимости не указана кадастровая стоимость, то ее автоматически проставляют), очистку от выбросов, т.е. удаление явно ложных или ошибочных значений, нормировку и т.д., данные операции являются стандартными операциями по предобработке данных. Примерами преобразования данных в машиночитаемый формат является выявление наличия строительных котлованов по данным аэро- или космоснимках, наличия объектов, затянутых строительными сетками, по данным геопривязанных фотографических изображений или расшифровка площадей объектов из актов обследования, сохраненных в формате pdf, и т.д. Единый формат данных зависит от каждого отдельного признака. В примере выше описан признак наличия строительства. Для него единый формат - это значение 1 или 0. Также это может быть приведение к единой системе, например, метрической, - все значения площадей должны быть указаны в метрах.

Следует отметить, что один и тот же синтетический признак может быть получен из разных источников, но в интеллектуальной платформе это будет единый признак, который аккумулирует в себе все возможные источники данных. Например, признак «наличие строительства» может быть получен на основе автоматизированного распознавания данных панорам, аэро- или космоснимков, данных натурных обследований, анализа обращений граждан и т.д. Алгоритм проанализирует все представленные форматы данных и сохранит полученные значения в одном признаке. Такой подход, с одной стороны, позволяет использовать одну и ту же риск-модель на изначально разных исходных данных, с другой, создавать признаки, всесторонне описывающие изучаемые объекты.

Накопленный опыт использования различных видов исходных данных для определенных синтетических признаков позволяет в случае отсутствия у пользователя необходимых данных, предложить оптимальные для пользователя варианты их получения. Например, оптимальным вариантом, при отсутствии данных о фактическом использовании объектов недвижимости, может быть проведение геопривязанной фотографической съемки для дальнейшего автоматизированного распознавания фактического использования.

Модуль базы данных (II,2), хранит полученные, с помощью модуля стека адаптационных решений, синтетические признаки, а также позволяет добавлять синтетические признаки, созданные пользователем заранее, без применения алгоритмов модуля стека адаптационных решений.

Модуль базы знаний (III,3), является основным модулем, содержащим алгоритмы построения риск-моделей, которые на основе анализа синтетических признаков прогнозируют вероятность наступления оцениваемых событий. Анализ синтетических признаков происходит на основе выбранного алгоритма построения риск-модели. Это может быть, например, нейронная сеть, дерево решений, или любой другой алгоритм. Результат работы риск-модели может быть представлен в любой удобной форме, например, но не ограничиваясь, табличной форме, в виде картографического изображения, диаграмм и т.д.

Используемые риск-модели постоянно стремятся к универсальности. В интеллектуальную платформу не загружаются риск-модели одной тематики, для каждого отдельного региона или органа исполнительной власти: одна тема - одна риск-модель с набором параметров (синтетических признаков). Такой подход обеспечивает отсутствие привязки интеллектуальной платформы к определенному городу или региону. Индивидуальный подход заложен внутри риск-модели и основывается на взаимосвязях между синтетическими признаками. Кроме того, хотя и с меньшей долей достоверности, интеллектуальная платформа позволяет оценить риски наступления прогнозируемого события даже при отсутствии полного набора необходимых признаков.

База знаний, стек адаптационных решений и синтетические признаки, полученные на основе открытых данных и распространяемые разработчиками интеллектуальной платформы, доступны всем пользователям интеллектуальной платформы в виде микросервисов. В результате, несмотря на то что интеллектуальная платформа развернута на серверах пользователя, у нее есть доступ к актуальному, постоянно обновляемому набору риск-моделей и стеку адаптационных решений облачного центрального хранилища.

Интеллектуальная платформа универсальна, механизмы информационного обмена, принятия и сопровождения решений унифицированы, что позволяет пользователям применять собственные алгоритмы обработки данных для создания синтетических признаков, которые в дальнейшем могут быть использованы в риск-моделях интеллектуальной платформы, которые находятся в облачном хранилище данных, или собственные риск-модели на основе синтетических признаков интеллектуальной платформы, которые находятся в облачном хранилище данных. Также интеллектуальная платформа может работать на алгоритмах и риск-моделях сторонних разработчиков (P1, Р2, PN).

Так как интеллектуальная платформа универсальна, то результаты работы риск-моделей можно использовать в качестве сигналов для запуска бизнес-процессов (БП) пользователей. Для этого пользователю необходимо настроить пограничные значения для ответов риск-модели и сопоставить эти значения с необходимыми действиями. Например, при обнаружении участков с незаконным строительством с вероятностью более 0,8 запускается процесс создания акта осмотра земельного участка с выявленными нарушениями, при вероятности 0,6-0,8 - создается задание для инспектора обследовать земельный участок и т.д. При этом в интеллектуальной платформе накапливается опыт ранжирования рисков и инициируемые вызовы бизнес-процессов, что позволяет анализировать и улучшать работу риск-модели, а также предлагать пользователям возможные решения.

Далее рассмотрим пример работы предлагаемого решения.

Интеллектуальная платформа устанавливается в центре обработки данных (ЦОД) заказчика на его сервера и осуществляют настройку (выбор пути сохранения файлов, способ получения обновлений, права доступа к интеллектуальной платформе для пользователей) интеллектуальной платформы.

В пользовательском интерфейсе интеллектуальной платформы представлено описание всех доступных риск-моделей. Для каждой риск-модели указаны область применения, входные параметры - обязательные и необязательные синтетические признаки, и результаты работы риск-модели. Обязательными синтетическими признаками являются признаки, без которых расчет риск-модели нельзя провести, например, в случае определения незаконного увеличения площади земельного участка, обязательными признаками будут: учтенная площадь и наличие прав собственности. Необязательными синтетическими признаками являются признаки, без которых расчет риск-модели можно провести, однако они могут уточнить результаты работы риск-модели, например, в случае определения незаконного увеличения площади земельного участка, необязательным признаком будет информация о наличии обследования земельного участка инспектором. Для каждого синтетического признака указаны виды и форматы доступных для обработки источников. А также возможность получения признака из облачного центрального хранилища.

Далее осуществляют выбор и настройку риск-модели.

Пользователь, с соответствующими правами доступа, отмечает одну или несколько риск-моделей, которые он планирует использовать.

В настройках выбранной модели необходимо заполнить входные и выходные параметры, указать регулярность обновления выбранных синтетических признаков и вычисление риск моделей.

- Входные параметры.

Для каждого входного параметра (синтетического признака) пользователь выбирает вид и формат источника данных и указывает путь к данным.

В случае отсутствия у пользователя необходимых для создания синтетического признака исходных данных, пользователь может указать загрузку признака из облачного центрального хранилища (если признак доступен в Центральном хранилище), заказать данные для создания признака (например, заказать панорамную съемку города для создания геопривязанных фотографических изображений, которые могут быть использованы для создания широко набора синтетических признаков) или пропустить признак (если он не относится к числу обязательных).

В том случае, когда у пользователя есть данные для создания признака, но в интеллектуальной платформе отсутствуют алгоритмы для обработки таких данных, пользователь может разработать алгоритм для обработки данных собственными силами и через интерфейс интеллектуальной платформы добавить его в локальный или облачный центральный стек адаптационных решений. В этом случае созданный алгоритм будет добавлен в облачное центральное хранилище и станет доступен всем пользователям интеллектуальной платформы в глобальном смысле.

- Выходные параметры.

Результаты вычисления риск-модели по умолчанию сохраняются в базу данных пользователя, которую указали при настройке интеллектуальной платформы.

Пользователь может выбрать вид визуализации данных (например, но не ограничиваясь, таблица, диаграмма, картографическое изображение) и указать удобный ему формат для выгрузки данных (например, но не ограничиваясь, csv, txt, json, geojson и прочие)

Кроме того, из описания риск-модели, пользователь имеет представления о диапазоне возвращаемых значений и их смысловой нагрузке и может назначить свой сценарий обработки ответов. Для этот пользователь указывает для каждого интересующего ответа или их наборов параметры собственных сервисов (например, параметры вызова сервиса отправки заказного письма и текст отправляемого письма).

- Обновления выбранных синтетических признаков.

Для каждого признака можно указать регулярность обновления (например, еженедельно или при каждом обновлении исходных данных). Например, панорамная съемка города проводится 2 раза в год, значит перестроение признаков, полученных по данным этой съемки, будет происходить 2 раза в год. Данные о регистрации прав на объекты недвижимости могут обновляться ежедневно или по факту регистрации права.

- Вычисления риск-модели.

Риск-модель может быть рассчитана единоразово или с заданной регулярностью.

Далее осуществляют вычисление риск-модели и обработку результатов.

Через интерфейс интеллектуальной платформы пользователю доступна полная информация об этапах создания синтетических признаков (стадии выполнения, например, «построение», «сформирован», «ошибка построения» и т.д. В случае, если пользователь заказал исходные данные (например, панорамную съемку), будет указана информация о степени готовности данных), вычислении риск-модели и результатах обработки полученных ответов.

Надо отметить, что первый запуск риск-модели, когда синтетические признаки еще не рассчитаны может занять длительное время. Но в дальнейшем, когда большая часть признаков уже рассчитана скорость вычисления риск-модели будет увеличена в разы.

После завершения вычисления риск-модели пользователь может настроить или уточнить сценарий обработки данных и запустить собственные бизнес-процессы, для анализа результатов расчета риск-моделей. Например, в результате расчета риск-модели была выявлена вероятность незаконного увеличения площади земельного участка. Дальше алгоритм для разных диапазонов вероятности вызывает разные бизнес-процессы: например, при вероятности незаконного увеличения площади земельного участка более 0,8 составляется акт и направляется извещение собственнику участка, при вероятности 0,6-0,8 инициируется проверка - ставится задание инспектору, при вероятности 0,5-0,6, участок добавляется в план проверок и т.д.

На Фиг. 2 далее будет представлена общая схема вычислительного устройства (200), обеспечивающего обработку данных, необходимую для реализации заявленного решения.

В общем случае устройство (200) содержит такие компоненты, как: один или более процессоров (201), по меньшей мере одну память (202), средство хранения данных (203), интерфейсы ввода/вывода (204), средство В/В (205), средства сетевого взаимодействия (206).

Процессор (201) устройства выполняет основные вычислительные операции, необходимые для функционирования устройства (200) или функциональности одного или более его компонентов. Процессор (201) исполняет необходимые машиночитаемые команды, содержащиеся в оперативной памяти (202).

Память (202), как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал.

Средство хранения данных (203) может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти, оптических накопителей информации (CD, DVD, MD, Blue-Ray дисков) и т.п. Средство (203) позволяет выполнять долгосрочное хранение различного вида информации, например, вышеупомянутых файлов с наборами данных пользователей, базы данных, содержащих записи измеренных для каждого пользователя временных интервалов, идентификаторов пользователей и т.п.

Интерфейсы (204) представляют собой стандартные средства для подключения и работы с серверной частью, например, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire и т.п.

Выбор интерфейсов (204) зависит от конкретного исполнения устройства (200), которое может представлять собой персональный компьютер, мейнфрейм, серверный кластер, тонкий клиент, смартфон, ноутбук и т.п.

В качестве средств В/В данных (205) в любом воплощении системы, реализующей описываемый способ, должна использоваться клавиатура. Аппаратное исполнение клавиатуры может быть любым известным: это может быть, как встроенная клавиатура, используемая на ноутбуке или нетбуке, так и обособленное устройство, подключенное к настольному компьютеру, серверу или иному компьютерному устройству. Подключение при этом может быть, как проводным, при котором соединительный кабель клавиатуры подключен к порту PS/2 или USB, расположенному на системном блоке настольного компьютера, так и беспроводным, при котором клавиатура осуществляет обмен данными по каналу беспроводной связи, например, радиоканалу, с базовой станцией, которая, в свою очередь, непосредственно подключена к системному блоку, например, к одному из USB-портов. Помимо клавиатуры, в составе средств В/В данных также может использоваться: джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п.

Средства сетевого взаимодействия (206) выбираются из устройства, обеспечивающий сетевой прием и передачу данных, например, Ethernet карту, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM модем и т.п. С помощью средств (205) обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN или GSM.

Компоненты устройства (200) сопряжены посредством общей шины передачи данных (210).

В настоящих материалах заявки было представлено предпочтительное раскрытие осуществление заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объема правовой охраны и являются очевидными для специалистов в соответствующей области техники.

1. Интеллектуальная платформа аналитической обработки разноформатных данных, содержащая:

Облачное центральное хранилище данных, выполненное с возможностью взаимодействия с локальным центром обработки данных для передачи и получения данных посредством микросервисов и включающее:

модуль стека адаптационных решений, выполненный с возможностью хранения алгоритмов для обработки разноформатных данных для создания синтетических признаков и анализа результатов оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, а также получения и передачи данных алгоритмов от и на локальный центр обработки данных в модуль стека адаптационных решений посредством микросервиса;

базу данных, выполненную с возможностью хранения синтетических признаков, используемых для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, которые передаются в базу данных локального центра обработки данных посредством микросервиса;

модуль прогнозирования вероятности наступления выявляемых событий, выполненный с возможностью хранения алгоритмов для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, а также получения и передачи данных алгоритмов от и на локальный центр обработки данных в модуль оценки вероятности наступления выявляемого события посредством микросервиса;

Локальный центр обработки данных, расположенный на сервере заказчика и включающий:

модуль стека адаптационных решений, выполненный с возможностью хранения алгоритмов обработки разноформатных данных пользователей для создания наборов синтетических признаков, посредством алгоритмов, полученных посредством микросервисов, из модуля стека адаптационных решений облачного центрального хранилища или разработанных пользователями платформы, а также с возможностью запуска выполнения алгоритмов обработки разноформатных данных пользователей для создания наборов синтетических признаков и алгоритмов анализа результатов оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, посредством микросервисов;

при этом модуль стека адаптационных решений выполнен с возможностью, в процессе создания одного и того же синтетического признака для конкретного объекта, получать данные об этом объекте из разных источников и в разных форматах, выполнять обнаружение этого объекта в полученных данных, в том числе с использованием распознавания объектов на фотоизображениях с геопривязкой, и формировать единый синтетический признак в машиночитаемом формате для данного объекта из разноформатных данных, полученных из разных источников;

базу данных, выполненную с возможностью хранения синтетических признаков, полученных из модуля стека адаптационных решений локального центра обработки данных посредством микросервиса или полученных из базы данных облачного центрального хранилища посредством микросервиса;

модуль прогнозирования вероятности наступления выявляемых событий, выполненный с возможностью хранения алгоритмов анализа синтетических признаков, полученных из стека адаптационных решений, посредством работы алгоритма оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом;

базу данных, выполненную с возможностью хранения результатов модуля прогнозирования вероятности наступления выявляемого события, для которых настраивают пограничные значения результатов оценки вероятности наступления выявляемого события и необходимые действия с недвижимым имуществом для данных значений, причем в случае достижения значения запускается действие, связанное с недвижимым имуществом.

2. Платформа по п. 1, отличающаяся тем, что облачное центральное хранилище выполнено с возможностью актуализации баз данных.

3. Платформа по п. 2, отличающаяся тем, что актуализация облачного центрального хранилища происходит в части обновления базы данных синтетических признаков путем обновления ранее созданных синтетических признаков для создания нового набора синтетических признаков.

4. Платформа по п. 1, отличающаяся тем, что результаты расчета алгоритмов для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, используется в качестве синтетических признаков.

5. Платформа по п. 1, отличающаяся тем, что результаты расчета алгоритмов для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, представлены по меньшей мере в табличной, графической, картографической форме.



 

Похожие патенты:

Изобретение относится к области вычислительной техники для обработки изображений. Технический результат заключается в улучшении скорости обработки изображений.

Изобретение относится к средствам осуществления бесконтактных платежей, а именно к платежным кольцам. Корпус кольца является цельным и включает на внутренней стороне прямоугольную выемку высотой от 2,0 до 5,2 мм и глубиной от 1,2 до 1,5 мм, предназначенную для вмещения модуля оплаты.

Изобретение относится к способу и устройству распознавания объектов. Технический результат заключается в повышении точности распознавания одного объекта из множества объектов.

Изобретение относится к области вычислительной техники. Технический результат заключается в повышении точности определения порога идентификации для биометрических образцов в системе контроля доступа.

Изобретение относится к способу распознавания видеопотока и обнаружения объектов. Технический результат заключается в повышении скорости и точности обнаружения объектов на изображении.

Изобретение относится к области распознавания изображений, а именно к технике обнаружения и классификации объектов на изображениях с использованием 3D-моделирования и порождающих состязательных нейронных сетей. Техническим результатом является повышение вероятности обнаружения и классификации объектов на изображениях различных видов, включая изображения видимого диапазона, СВЧ-диапазона и ИК-диапазона.

Изобретение относится к области вычислительной техники и автоматики. Технический результат заключается в расширении функциональных возможностей с одновременным повышением оперативности управления системой транспортных средств для перевозки пассажиров.

Изобретение относится к области обработки изображений, и, в частности, оно ориентировано на построение 3D-модели объекта из изображений, получаемых в условиях ограниченной доступности объекта для наблюдения и измерения его параметров. Заявлен способ реконструкции 3D-модели объекта, согласно которому получают доступный набор натурных изображений объекта, на котором выполняют обучение сверточной нейронной сети.

Изобретение относится к области технологий отображения. Многослойная структура включает в себя защитный слой, линейно поляризующий слой и четвертьволновую пластину, которые послойно размещены друг за другом.

Изобретение относится к области вычислительной техники. Техническим результатом является повышение достоверности аутентификации держателя банковской карты.

Изобретение относится к автоматизированной системе удаленного мониторинга безопасности населения и экологической обстановки на территории. Технический результат заключается в повышении точности детектирования чрезвычайных ситуаций.
Наверх