摘要:

摘要:“互联网＋”环境下，政务大数据关联公共服务和社会传感数据，使城市管理模式从单一走向立体、城市服务系统从孤立走向共享、城市决策模式从机械走向智能，已成为当前政务服务发展趋势。为解决政务数据、公共服务数据和社会传感数据融合不足、共享不充分、利用效能不高及技术平台缺乏等问题，该文提出了“互联网＋”政务大数据智能服务平台总体框架，首先对平台建设理论进行阐述，其次对系统架构、技术架构、关键技术和服务应用等进行设计，最后实现“互联网＋”政务大数据智能服务平台透明访问、城市信息单元建模、透明智能体协同、透明管理和微服务等功能。同时，该平台关键技术在数字广东和辽宁丹东社会保障等平台进行探索性应用，结果显示该平台能有效支持政务数据、公共服务数据和社会传感数据高效共享、管理和利用，提升部门服务效能。该文提出的平台总体设计方案可为省市级政府进行“互联网＋”政务大数据智能服务建设提供有价值的参考。

摘要:政务数据共享是推进数字政府建设、实现政府治理体系和治理能力现代化的重要基础。但以往政务数据共享研究侧重于数据共享管理机制的建立、平台技术支撑能力的构建，较少关注供给数据的质量和共享服务的保障。该文总结了当前政务数据共享服务运营模式，指出“物理汇聚、统一服务”模式由于数据高度集中可能存在的安全风险；而在“逻辑汇聚，分散服务”模式下，共享运营则存在各部门需求无法快速满足、数据共享效率低、数据共享服务质量差等问题。针对上述问题，该文提出由数据提供方和平台运营方共同构建“联合运营”模式，数据提供方负责保证数据源质量，平台运营方负责数据服务标注化和服务能力，双方共同优化授权机制，保障共享服务质量。

摘要:互联网＋政务大数据具有跨领域、多协议、难融合的特点。在大数据采集汇聚过程中，存在多种协议转换的需求，要求网关能够实现统一协议适配转换，为多源异构数据汇聚和数据融合提供数据支撑。传统的协议转换方法通常针对特定的协议转换需求设计的，可扩展性较差，不适用于多种协议转换。该文拟通过研究分析协议报文结构及协议转换特点，提出一种协议转换知识图谱的构建方法。通过构建图谱的模式层以及数据层，建立含有协议报文结构和报文字段映射关系的协议转换知识图谱。并在此基础上提出一种基于知识图谱的协议转换方法，以实现不同协议之间的报文转换。同时，通过协议转换应用实例以及与已有协议转换方法的对比实验，验证了该方法的有效性。

摘要:为推荐政务服务相关事项，提高用户办事效率与政府服务水平，该文提出一种推荐算法，即结合用户特征的政务服务协同过滤推荐方法。该方法为解决传统协同过滤未考虑用户属性的问题，将用户画像技术与其相结合。首先，建立政务服务用户画像；然后，采用奇异值度量分析方法融合用户画像与基于用户的协同过滤算法，使特征属性参与相似度计算，改善用户之间的相似性，并解决数据稀疏性的问题，使推荐结果更具实际意义；最后，计算政务服务事项预测得分，将得分最高的 TOP-N 推荐给用户。在实验部分，该文利用某市企业法人的政务服务真实数据进行验证。结果显示，该算法能够满足政务服务推荐的个性化要求，预测准确性较高。

摘要:BERT 与神经网络模型相结合等方法，已逐渐应用于获取灾害信息，但此类方法存在参数量繁多、数据集和微调数据集不一致、局部不稳定等问题。针对上述问题，该文提出一种基于 MacBERT 和对抗训练的信息识别模型，该模型利用 MacBERT 预训练模型获得初始向量表示，再加入些许扰动生成对抗样本，然后依次输入双向长短期记忆网络和条件随机场。该模型不仅减少了预训练次数和微调阶段差异，还提高了模型的鲁棒性。实验结果表明，在微博数据集和 1998 年人民日报数据集上，基于 MacBERT 和对抗训练的信息识别模型的精确率和 F1 值均有所提升，性能较其他模型更优，将该模型用于城市内涝信息识别具有一定的可行性。

摘要:城市间的大规模人口流动一定程度上体现了城市间的关联性。该文选取腾讯迁徙数据库中2015—2018 年官方春运期间全国人口迁徙数据，利用 Gephi 软件对人口联系强度进行可视化分析，获取全国城市间联系强度总体格局的变化特征。利用 DBSCAN 算法对全国城市进行时间序列聚类，讨论在春运不同时间节点的城市流动共性与差异。此外，该文还改进重力模型，以分析省内、省际人口流动的距离衰减效应。结果表明：(1)全国城市总体形成稳定的“菱形”结构，北京、上海、西安等城市形成单轴心空间组织模式，广东、深圳形成多轴心空间组织模式，一线城市中心性较强。除“菱形”结构外，西北部和东北部城市的中转和承接能力具有强大优势。(2)春节期间净迁移人口变化趋势较为稳定，春节前后形成对称式流入流出。(3)春运期间的流动符合距离衰减定律，随着距离的增加，城市吸引力在逐渐降低。

摘要:针对目前通勤群体的划分方法较少考虑通勤行程的时间连续性特征的问题，该文基于上海市一周的地铁刷卡数据，构建了通勤人群职住识别模型，并定义了一种通勤行程时间相似度计算方法，然后提取特征对通勤群体进行层次聚类，并利用热点分析模型进行空间分析和可视化，探究通勤人群的时空规律性及上海市的职住空间分布特征。结果表明：(1)就业单中心模式明显，不同簇的就业热点均分布在市中心，居住点呈“西热东冷”的空间组织特征。(2)主流通勤时段为 7:00—8:30 和 17:00—19:00，近半数通勤人群在早主流时段通勤。(3)不同通勤类型的出行时间特征总体上与其职住热点分布一致。该文提出的研究方法揭示了通勤人群的出行时间规律与其职住热点空间分布具有较强的关联性，可为城市运行管理和城市规划提供参考信息。

摘要:在现实的智慧城市安全场景中，传统的行人重识别方法已经难以满足复杂多样的识别任务要求。为实现多层次的行人重识别，该文提出将行人重识别技术与多层次的城市信息单元深度融合。在行人重识别任务中，现有的模型和注意力只关注鲁棒特征的学习，而该文基于特征向量差异，提出了差异注意力模块，以增强深度特征的判别力。结合差异注意力模块，该文开发了与多种骨干模型适配的差异注意力框架。此外，该文还提出了联合训练和单独训练两种训练策略。与其他行人重识别方法相比，差异注意力框架和训练策略在 Market-1501、CUHK03 和 MSMT17 数据集上均取得了更优的性能。

摘要: