RU2779711C2 - Smart platform for analytical processing of multi-format data - Google Patents

Abstract

FIELD: data processing.

SUBSTANCE: invention relates to a smart platform for analytical processing of multi-format data. The platform contains a cloud-based central data storage made with the possibility of interaction with a local data processing center for transmission and reception of data by means of microservices, and including a module of an adaptation solution stack, made with the possibility of storage of algorithms for processing of multi-format data to create synthetic features and analyze the results of assessment of the probability of occurrence of a detected event related to real estate, as well as reception and transmission of algorithm data from and to the local data processing center to the module of the adaptive solution stack by means of a microservice; a database made with the possibility of storage of synthetic features used to assess the probability of occurrence of a detected event related to real estate, which are transmitted to a database of the local data processing center by means of the microservice; a module for prediction of the probability of occurrence of detected events, made with the possibility of storage of algorithms for assessment of the probability of occurrence of a detected event related to real estate, as well as reception and transmission of algorithm data from and to the local data processing center to a module for assessment of the probability of occurrence of a detected event by means of the microservice; a local data processing center located on a customer’s server and including a module of an adaptation solution stack, made with the possibility of storage of algorithms for processing of multi-format user data to create sets of synthetic features, using algorithms obtained by means of microservices, from the module of the adaptation solution stack of the cloud-based central storage or developed by users of the platform, as well as with the possibility of running algorithms for processing of multi-format user data to create sets of synthetic features and algorithms for analysis of the results of assessment of the probability of occurrence of a detected event related to real estate by means of microservices. At the same time, the module of the adaptive solution stack is made with the possibility, in the process of creation of the same synthetic feature for a specific object, of reception of data about this object from different sources and in different formats, of detection of this object in received data, including using object recognition in geo-referenced photographic images, and of formation of a single synthetic feature in a machine-readable format for this object from multi-format data obtained from different sources. The platform also includes a database made with the possibility of storage of synthetic features obtained from the module of the adaptation solution stack of the local data processing center by means of the microservice or obtained from the database of the cloud-based central storage by means of the microservice; a module for prediction of the probability of occurrence of detected events, made with the possibility of storage of algorithms for analysis of synthetic features obtained from the adaptation solution stack by means of the algorithm for assessment of the probability of the occurrence of a detected event related to real estate; a database made with the possibility of storage of the results of the module for prediction of the probability of occurrence of the detected event, for which boundary values of the results of assessment of the probability of occurrence of the detected event and necessary actions with real estate for these values are configured, wherein, if the value is reached, an action related to real estate is triggered.

EFFECT: increase in a speed of building of risk models and implementation of algorithms for assessment of the probability of occurrence of a detected event.

5 cl, 2 dwg

Description

Translated fromRussian

ОБЛАСТЬ ТЕХНИКИFIELD OF TECHNOLOGY

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.This technical solution relates to the field of information technology and computing, namely to expert-analytical cloud information platforms for the management of urban real estate.

УРОВЕНЬ ТЕХНИКИBACKGROUND OF THE INVENTION

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.From the source of information US9953370B2 published on 04/24/2018, a group of inventions, a system and a method for assessing the risk management of real estate objects, using aerial photographs of real estate objects and additional data about real estate objects, which are evaluated according to specified risk management criteria, is known. The data obtained from aerial photographs includes the identification of properties and their area, the condition of properties, including the roof and external walls, and the identification of other hazards to properties. Additional data may include property information from a variety of sources, including city and county governments, contractors, and insurance companies. The resulting risk management assessment can be used to settle insurance claims and determine the insurance products and premium rates offered on real estate.

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.From the source of information US10241505B2, published on 03/26/2019, a group of inventions, a system and a method for ensuring the optimization and improvement of real estate objects are known. Collect data on assets related to the property, namely: the number of buildings, the space inside buildings, the technical characteristics of the buildings and the physical condition of the buildings, and related data on the performance of the property, namely: electricity measurement, and/or heat measurement, and/or water measurement and/or temperature and/or humidity and/or pressure and/or events and/or alarms and/or status and/or weather and/or prices. Improvements related to a resource consumed in one or more buildings are determined using a computer system configured to analyze asset data and related performance data based on internal and/or external KPIs and rules provided by the database.

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.The proposed solution differs from the known prior art solutions in that it is a boxed solution, i. deployed at the customer's facilities without the need to upload data to a cloud central storage, which meets the increased data security requirements of executive authorities. The proposed solution is universal, adaptive algorithms allow converting user data of different formats to the form and formats understandable by risk models for effective management of the city's real estate, which is the novelty of the approach.

СУЩНОСТЬ ИЗОБРЕТЕНИЯSUMMARY OF THE INVENTION

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.The technical problem to be solved by the claimed technical solution is the development of a cloud information platform that expresses a new approach to creating a data processing system and building risk models for the effective management of the city's real estate. The standard approach assumes a certain (fixed) set of initial data for constructing an algorithm for identifying a particular problem. The proposed solution is universal, adaptive algorithms allow you to convert user data of different formats to a form and format understandable to risk models, which is the novelty of the approach. In this regard, a cloud-based intelligent decision-making platform for the management of urban real estate is proposed, which is characterized in an independent claim. Additional embodiments of the present invention are presented in dependent claims.

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.The technical result consists in expanding the arsenal of technical means of an intelligent platform, which consists in a structural diagram of a cloud-based intelligent platform that allows you to build algorithms for estimating the probability of a detected event related to real estate, not on disparate data, but on universal sets of synthetic features, and also allows you to run actions related to real estate, upon reaching a predetermined threshold of values of the results of assessing the probability of the occurrence of a detected event (for example, if the probability of an illegal increase in the area of a land plot is more than 0.8, an act is drawn up and a notice is sent to the owner of the site, with a probability of 0.6-0.8, a check - a task is set for the inspector, with a probability of 0.5-0.6, the site is added to the check plan, etc.). Such a scheme makes it possible to use the same algorithms for estimating the probability of the occurrence of a detected event related to real estate for forecasting events in different regions and areas of management. And also at times increases the speed of calculation algorithms for estimating the probability of occurrence of a detected event related to real estate. An important advantage of the solution is the high speed of deployment of the cloud intelligent platform. The platform is a boxed solution.

Заявленный результат достигается за счет осуществления облачной интеллектуальной платформы аналитической обработки разноформатных данных, которая содержит:The claimed result is achieved through the implementation of a cloud-based intelligent platform for analytical processing of multi-format data, which contains:

Облачное центральное хранилище данных, выполненное с возможностью взаимодействия с локальным центром обработки данных для передачи и получения данных посредством микросервисов и включающее:A cloud-based central data warehouse capable of interacting with a local data processing center to send and receive data through microservices and includes:

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;adaptive decision stack module, configured to store algorithms for processing multi-format data to create synthetic features and analyze the results of estimating the probability of occurrence of a detected event related to real estate, as well as receiving and transmitting algorithm data from and to the local data processing center to the adaptive stack module solutions through microservice;

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;a database configured to store synthetic features used to assess the probability of occurrence of a detected event related to real estate, which are transferred to the database of the local data processing center through a microservice;

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;a detectable event probability prediction module configured to store algorithms for estimating the likelihood of a real estate-related detectable event, as well as receiving and transmitting algorithm data from and to the local data center to the detectable event probability estimation module via a microservice;

Локальный центр обработки данных, расположенный на сервере заказчика и включающий:Local data center located on the customer's server and including:

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;adaptive solutions stack module, configured to store algorithms for processing user data of various formats to create sets of synthetic features, by means of algorithms obtained through microservices, from the adaptive solutions stack module of the cloud central storage or developed by platform users, as well as with the ability to launch the execution of algorithms for processing multiformat data users to create sets of synthetic features and algorithms for analyzing the results of assessing the probability of the occurrence of a detected event related to real estate using microservices;

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;at the same time, the adaptive decision stack module is configured to, in the process of creating the same synthetic feature for a particular object, receive data about this object from different sources and in different formats, perform detection of this object in the received data, including using recognition objects on photo images with georeferencing, and to form a single synthetic feature in a machine-readable format for this object from multi-format data obtained from different sources;

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;a database configured to store synthetic features obtained from the local data center adaptation stack module via the microservice or obtained from the cloud central storage database via the microservice;

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;a module for predicting the probability of occurrence of detected events, configured to store algorithms for analyzing synthetic features obtained from the stack of adaptation decisions, by operating an algorithm for estimating the probability of occurrence of a detected event associated with real estate;

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.a database configured to store the results of the module for predicting the probability of occurrence of the event to be detected, for which the boundary values of the results of estimating the probability of the occurrence of the event to be detected and the necessary actions with real estate for these values are configured, and if the value is reached, the action associated with real estate is triggered. In a private implementation, the local data center hosted on the customer's server has access to the cloud central storage.

В частном варианте реализации, облачное центральное хранилище, выполнено с возможностью актуализации баз данных.In a private implementation, the cloud central storage is configured to update the databases.

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.In another particular implementation, updating the cloud central storage occurs in terms of updating the database of synthetic features by updating previously created synthetic features to create a new set of synthetic features.

В другом частном варианте реализации, результаты расчета алгоритмов для оценки вероятности наступления выявляемого события, связанного с недвижимым имуществом, используется в качестве синтетических признаков.In another particular implementation, the results of calculating algorithms for estimating the probability of occurrence of a detected event related to real estate are used as synthetic features.

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.In another particular embodiment, the results of calculating algorithms for estimating the probability of occurrence of a detected event related to real estate are presented at least in tabular, graphical, cartographic form.

ОПИСАНИЕ ЧЕРТЕЖЕЙDESCRIPTION OF THE DRAWINGS

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:The implementation of the invention will be described hereinafter in accordance with the accompanying drawings, which are presented to explain the essence of the invention and in no way limit the scope of the invention. The following drawings are attached to the application:

Фиг. 1 иллюстрирует схему облачной интеллектуальной платформы принятия решений.Fig. 1 illustrates a diagram of a cloud-based intelligent decision platform.

Фиг. 2 иллюстрирует пример схемы вычислительного устройства.Fig. 2 illustrates an example computing device circuit.

ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯDETAILED DESCRIPTION OF THE INVENTION

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.In the following detailed description of the implementation of the invention, numerous implementation details are provided to provide a clear understanding of the present invention. However, one skilled in the art will appreciate how the present invention can be used, both with and without these implementation details. In other instances, well-known methods, procedures, and components have not been described in detail so as not to unnecessarily obscure the features of the present invention.

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.Furthermore, it will be clear from the foregoing that the invention is not limited to the present implementation. Numerous possible modifications, changes, variations and substitutions that retain the spirit and form of the present invention will be apparent to those skilled in the subject area.

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.A cloud-based intelligent decision-making platform for the management of urban real estate includes algorithms for converting multi-format data into universal sets of features (synthetic features) for building risk models, risk models for making objective management decisions based on the created synthetic (universal) features and implementation mechanisms risk models in the business processes of users.

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.The uniqueness of the solution lies in the structural diagram of the cloud-based intelligent platform, which allows you to build the risk of the model not on disparate data, but on universal sets of synthetic features. Such a scheme makes it possible to use the same risk models for forecasting events in different regions and areas of management. It also significantly increases the speed of calculating risk models. An important advantage of the solution is the high speed of deployment of the cloud intelligent platform. The platform is a boxed solution. It can be deployed at the customer's facilities without the need to upload data to a cloud-based central storage, which meets the increased data security requirements of executive authorities.

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.In the materials of this application, the customer is understood as a commercial or government organization on whose servers an intelligent platform is deployed. Several users can connect to this intelligent platform and upload their data to it.

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.A cloud-based intelligent decision-making platform for the management of urban and commercial real estate provides online access to synthetic data, adaptation solutions (algorithms for converting data into synthetic features) and risk models to all authorized users, and also initiates the business processes of these users.

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.).Under the risk model, in the context of this application, we mean an algorithm that allows you to assess the likelihood of a detected event (for example, self-acquisition of a land plot, misuse of a property, the need to renew a lease agreement, etc.).

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, ЦОД_N), расположенный на серверах заказчика.On FIG. 1 illustrates a cloud-based intelligent decision-making platform for urban real estate management purposes, which includes a cloud-based central storage (CC) and a local data processing and storage center (DPC₁ , DPC₂ , DPC₃ , DPC_N ) located on the customer's servers.

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.Cloud central storage (CH), includes: adaptive solutions stack module (I) containing algorithms for processing multi-format data (creating synthetic features) and analyzing the results of calculating risk models, a database module (II) containing synthetic features, a knowledge base module (III) containing algorithms for building risk models.

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.Cloud central storage is the accumulated experience of developers and users of the platform. The adaptive decision stack (I), synthetic features (II) and the knowledge base module (III) are constantly updated (updated) with new algorithms and data by expanding the list of tasks to be solved, in addition, risk models are constantly improved by deploying an intelligent platform on servers of new customers and taking into account more parameters.

Локальный центр обработки данных (ЦОД₁, ЦОД₂, ЦОД₃, ЦОД_N), расположенный на сервере заказчика включает:Local data center (DPC₁ , DPC₂ , DPC₃ , DPC_N ) located on the customer's server includes:

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);adaptive decision stack module (1,5), containing algorithms for processing user data and analyzing the results of calculating risk models, downloaded from the cloud central storage (CH), namely from the adaptive decision stack (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);a database module (2) containing synthetic user attributes obtained by processing the algorithms of the adaptation decision stack module (1) and/or downloaded from the central storage, namely from the database module (II);

модуль базы знаний (3), содержащий алгоритмы построения риск-моделей, загруженные из облачного центрального хранилища, а именно из модуля базы знаний (III);knowledge base module (3) containing algorithms for building risk models downloaded from the cloud central storage, namely from the knowledge base module (III);

модуль базы данных (4), содержащий результаты расчета риск-моделей, которые в дальнейшем обрабатываются модулем стека адаптационных решений (5).database module (4) containing the results of calculating risk models, which are further processed by the adaptive decision stack module (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.In a private implementation, the proposed intelligent platform can be deployed on the customer's side, without access to the cloud central storage, i.e. the customer can only use the adaptive solutions stack module algorithms (1), synthetic features and risk models loaded at the time of platform installation.

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.In a private implementation, algorithms for creating synthetic features can be developed by platform users and uploaded to the local adaptation decision stack module (1, 5) and, with the consent of the developers, to the adaptation decision stack module (I) of the cloud central storage.

В частном варианте реализации, синтетические признаки могут быть загружены пользователями напрямую в модуль базы данных синтетических признаков (2).In a particular implementation, synthetic features can be loaded by users directly into the synthetic features database module (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.In a private implementation, the risk model can be developed by platform users and uploaded to the knowledge base module (3) and, with the consent of the developers, to the knowledge base module (III) of the cloud central repository.

Синтетические признаки, представляю собой обработанные и преобразованные в машиночитаемые форматы, как автоматически, так и в ручном режиме, исходные данные пользователей.Synthetic features are the initial user data processed and converted into machine-readable formats, both automatically and manually.

Под исходными данными пользователей, в материалах настоящей заявки, понимаются любые данные о городском пространстве, недвижимости и т.д.Under the initial data of users, in the materials of this application, we mean any data on urban space, real estate, etc.

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.Through processing by algorithms from the adaptive decision stack module (I, 1), the initial user data is brought to a single format, gaps are filled in (for example, if the cadastral value is not indicated for a property, then it is automatically entered), removal of outliers, i.e. . removal of obviously false or erroneous values, normalization, etc., these operations are standard data preprocessing operations. Examples of converting data into a machine-readable format are the detection of the presence of construction pits according to aerial or satellite images, the presence of objects covered with construction nets, according to geo-referenced photographic images, or the interpretation of the areas of objects from survey reports saved in pdf format, etc. The uniform data format depends on each individual feature. In the example above, a sign of the presence of construction is described. For him, a single format is thevalue 1 or 0. It can also be a reduction to a single system, for example, metric - all area values \u200b\u200bmust be indicated in meters.

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.It should be noted that the same synthetic feature can be obtained from different sources, but in an intelligent platform it will be a single feature that accumulates all possible data sources. For example, the sign "presence of construction" can be obtained on the basis of automated recognition of panorama data, aerial or space photographs, field survey data, analysis of citizens' appeals, etc. The algorithm will analyze all the presented data formats and store the resulting values in one attribute. This approach, on the one hand, allows using the same risk model on initially different initial data, on the other hand, creating features that comprehensively describe the objects under study.

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.The accumulated experience of using various types of initial data for certain synthetic features allows, if the user does not have the necessary data, to offer the best options for obtaining them for the user. For example, the best option, in the absence of data on the actual use of real estate, may be to conduct a georeferenced photographic survey for further automated recognition of actual use.

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.The database module (II, 2) stores the synthetic features obtained with the help of the adaptive decision stack module, and also allows you to add synthetic features created by the user in advance without using the algorithms of the adaptive decision stack module.

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.The knowledge base module (III, 3) is the main module containing algorithms for building risk models that, based on the analysis of synthetic features, predict the probability of the events being evaluated. The analysis of synthetic features is based on the selected algorithm for building a risk model. It can be, for example, a neural network, a decision tree, or any other algorithm. The result of the risk model can be presented in any convenient form, for example, but not limited to tabular form, in the form of a cartographic image, charts, etc.

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.The risk models used are constantly striving for universality. Risk models of the same topic are not loaded into the intellectual platform for each individual region or executive authority: one topic - one risk model with a set of parameters (synthetic features). This approach ensures that the intellectual platform is not tied to a particular city or region. An individual approach is embedded within the risk model and is based on the relationship between synthetic features. In addition, although with a lesser degree of certainty, the intelligent platform makes it possible to assess the risks of a predicted event even in the absence of a complete set of necessary features.

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.The knowledge base, the stack of adaptive solutions and synthetic features obtained on the basis of open data and distributed by the developers of the smart platform are available to all users of the smart platform in the form of microservices. As a result, despite the fact that the intelligent platform is deployed on the user's servers, it has access to an up-to-date, constantly updated set of risk models and a stack of adaptive cloud central storage solutions.

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, P_N).The intelligent platform is universal, the mechanisms for information exchange, decision-making and maintenance are unified, which allows users to apply their own data processing algorithms to create synthetic features that can later be used in the risk models of an intelligent platform that are in the cloud data storage, or their own risk -models based on synthetic features of an intelligent platform that are in the cloud data storage. Also, the intelligent platform can work on third-party algorithms and risk models (P₁ , P₂ , P_N ).

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.Since the intelligent platform is universal, the results of risk models can be used as signals to launch business processes (BP) of users. To do this, the user needs to set the threshold values for the risk model responses and compare these values with the necessary actions. For example, when plots with illegal construction are detected with a probability of more than 0.8, the process of creating an act of inspection of the land plot with identified violations is launched, with a probability of 0.6-0.8, a task is created for the inspector to examine the land plot, etc. At the same time, the experience of risk ranking and initiated business process calls are accumulated in the intellectual platform, which allows analyzing and improving the operation of the risk model, as well as offering possible solutions to users.

Далее рассмотрим пример работы предлагаемого решения.Next, consider an example of the work of the proposed solution.

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.The intelligent platform is installed in the data processing center (DPC) of the customer on its servers and the configuration (selection of the way to save files, method of obtaining updates, access rights to the intelligent platform for users) of the intelligent platform is carried out.

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.The user interface of the smart platform provides a description of all available risk models. For each risk model, the scope, input parameters - mandatory and optional synthetic features, and the results of the risk model are indicated. Mandatory synthetic features are features without which the calculation of the risk model cannot be carried out, for example, in the case of determining an illegal increase in the area of a land plot, the mandatory features will be: the accounted area and the existence of property rights. Optional synthetic features are features without which the calculation of the risk model can be carried out, however, they can refine the results of the risk model, for example, in the case of determining an illegal increase in the area of a land plot, an optional feature will be information about the presence of an inspection of the land plot by an inspector. For each synthetic feature, the types and formats of sources available for processing are indicated. As well as the possibility of obtaining a feature from the cloud central storage.

Далее осуществляют выбор и настройку риск-модели.Next, the risk model is selected and adjusted.

Пользователь, с соответствующими правами доступа, отмечает одну или несколько риск-моделей, которые он планирует использовать.The user, with the appropriate access rights, marks one or more risk models that he plans to use.

В настройках выбранной модели необходимо заполнить входные и выходные параметры, указать регулярность обновления выбранных синтетических признаков и вычисление риск моделей.In the settings of the selected model, it is necessary to fill in the input and output parameters, specify the regularity of updating the selected synthetic features and calculate the risk of the models.

- Входные параметры.- Input parameters.

Для каждого входного параметра (синтетического признака) пользователь выбирает вид и формат источника данных и указывает путь к данным.For each input parameter (synthetic attribute), the user selects the type and format of the data source and specifies the path to the data.

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).If the user does not have the initial data necessary to create a synthetic feature, the user can specify the loading of the feature from the cloud central storage (if the feature is available in the Central Storage), order data to create the feature (for example, order a panoramic survey of the city to create georeferenced photographic images that can be used to create a broad set of synthetic features) or omit the feature (if it is not required).

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.In the event that the user has data to create a feature, but there are no algorithms for processing such data in the intelligent platform, the user can develop an algorithm for processing data on their own and add it to the local or cloud central stack of adaptation solutions through the interface of the intelligent platform. In this case, the created algorithm will be added to the cloud central storage and will become available to all users of the intelligent platform in a global sense.

- Выходные параметры.- Output parameters.

Результаты вычисления риск-модели по умолчанию сохраняются в базу данных пользователя, которую указали при настройке интеллектуальной платформы.The results of the risk model calculation are saved by default to the user's database, which was specified when setting up the smart platform.

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)The user can choose the type of data visualization (for example, but not limited to, a table, chart, cartographic image) and specify a convenient format for uploading data (for example, but not limited to, csv, txt, json, geojson and others)

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).In addition, from the description of the risk model, the user has an idea about the range of returned values and their semantic load, and can assign his own scenario for processing responses. For this user, for each response or their sets of interest, the parameters of their own services (for example, the parameters for calling the service for sending a registered letter and the text of the sent letter) are specified.

- Обновления выбранных синтетических признаков.- Updates to selected synthetic features.

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.For each characteristic, you can specify the frequency of updates (for example, weekly or every time the source data is updated). For example, a panoramic survey of the city is carried out 2 times a year, which means that the rebuilding of features obtained from the data of this survey will occur 2 times a year. Data on registration of rights to real estate objects can be updated daily or upon registration of rights.

- Вычисления риск-модели.- Risk model calculations.

Риск-модель может быть рассчитана единоразово или с заданной регулярностью.The risk model can be calculated once or with a given regularity.

Далее осуществляют вычисление риск-модели и обработку результатов.Next, the risk model is calculated and the results are processed.

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.Through the interface of the intelligent platform, the user has access to complete information about the stages of creating synthetic features (stages of execution, for example, “construction”, “formed”, “construction error”, etc. In case the user ordered the initial data (for example, panoramic shooting) , information about the degree of data readiness will be indicated), the calculation of the risk model and the results of processing the received answers.

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.It should be noted that the first launch of the risk model, when synthetic indicators have not yet been calculated, may take a long time. But in the future, when most of the signs have already been calculated, the speed of calculating the risk model will be increased significantly.

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.After the calculation of the risk model is completed, the user can set up or refine the data processing scenario and run their own business processes to analyze the results of the calculation of risk models. For example, as a result of calculating the risk model, the probability of an illegal increase in the area of a land plot was revealed. Further, the algorithm for different probability ranges causes different business processes: for example, if the probability of an illegal increase in the area of a land plot is more than 0.8, an act is drawn up and a notice is sent to the owner of the site, with a probability of 0.6-0.8, a check is initiated - a task is set for the inspector, with probabilities are 0.5-0.6, the site is added to the inspection plan, etc.

На Фиг. 2 далее будет представлена общая схема вычислительного устройства (200), обеспечивающего обработку данных, необходимую для реализации заявленного решения.On FIG. 2, the general scheme of the computing device (200) will be presented below, providing the data processing necessary for the implementation of the claimed solution.

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).In general, the device (200) contains such components as: one or more processors (201), at least one memory (202), a data storage medium (203), input/output interfaces (204), an I/O means ( 205), networking tools (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).The processor (201) of the device performs the basic computing operations necessary for the operation of the device (200) or the functionality of one or more of its components. The processor (201) executes the necessary machine-readable instructions contained in the main memory (202).

Память (202), как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал.The memory (202) is typically in the form of RAM and contains the necessary software logic to provide the desired functionality.

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.The data storage means (203) can be in the form of HDD, SSD disks, raid array, network storage, flash memory, optical information storage devices (CD, DVD, MD, Blue-Ray disks), etc. The means (203) allows long-term storage of various types of information, for example, the above-mentioned files with user data sets, a database containing records of time intervals measured for each user, user identifiers, etc.

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.Interfaces (204) are standard means for connecting and working with the server part, for example, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire, etc.

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.The choice of interfaces (204) depends on the specific implementation of the device (200), which can be a personal computer, mainframe, server cluster, thin client, smartphone, laptop, and the like.

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.As means of I/O data (205) in any embodiment of the system that implements the described method, the keyboard must be used. The keyboard hardware can be any known: it can be either a built-in keyboard used on a laptop or netbook, or a separate device connected to a desktop computer, server, or other computer device. In this case, the connection can be either wired, in which the keyboard connection cable is connected to the PS / 2 or USB port located on the system unit of the desktop computer, or wireless, in which the keyboard exchanges data via a wireless communication channel, for example, a radio channel, with base station, which, in turn, is directly connected to the system unit, for example, to one of the USB ports. In addition to the keyboard, the following I/O devices can also be used: joystick, display (touchscreen), projector, touchpad, mouse, trackball, light pen, speakers, microphone, etc.

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.Means of network interaction (206) are selected from a device that provides network data reception and transmission, for example, an Ethernet card, WLAN/Wi-Fi module, Bluetooth module, BLE module, NFC module, IrDa, RFID module, GSM modem, etc. With the help of means (205) the organization of data exchange over a wired or wireless data transmission channel, for example, WAN, PAN, LAN (LAN), Intranet, Internet, WLAN, WMAN or GSM, is provided.

Компоненты устройства (200) сопряжены посредством общей шины передачи данных (210).The components of the device (200) are connected via a common data bus (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.In these application materials, a preferred disclosure of the implementation of the claimed technical solution was presented, which should not be used as limiting other, private embodiments of its implementation, which do not go beyond the scope of the requested legal protection and are obvious to specialists in the relevant field of technology.

Claims (15)

Translated fromRussian

1. Интеллектуальная платформа аналитической обработки разноформатных данных, содержащая:1. Intelligent platform for analytical processing of multi-format data, containing:Облачное центральное хранилище данных, выполненное с возможностью взаимодействия с локальным центром обработки данных для передачи и получения данных посредством микросервисов и включающее:A cloud-based central data warehouse capable of interacting with a local data processing center to send and receive data through microservices and includes: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;adaptive decision stack module, configured to store algorithms for processing multi-format data to create synthetic features and analyze the results of estimating the probability of occurrence of a detected event related to real estate, as well as receiving and transmitting algorithm data from and to the local data processing center to the adaptive stack module solutions through microservice;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;a database configured to store synthetic features used to assess the probability of occurrence of a detected event related to real estate, which are transferred to the database of the local data processing center through a microservice;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;a detectable event probability prediction module configured to store algorithms for estimating the likelihood of a real estate-related detectable event, as well as receiving and transmitting algorithm data from and to the local data center to the detectable event probability estimation module via a microservice;Локальный центр обработки данных, расположенный на сервере заказчика и включающий:Local data center located on the customer's server and including: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;adaptive solutions stack module, configured to store algorithms for processing user data of various formats to create sets of synthetic features, by means of algorithms obtained through microservices, from the adaptive solutions stack module of the cloud central storage or developed by platform users, as well as with the ability to launch the execution of algorithms for processing multiformat data users to create sets of synthetic features and algorithms for analyzing the results of assessing the probability of the occurrence of a detected event related to real estate using microservices;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;at the same time, the adaptive decision stack module is configured to, in the process of creating the same synthetic feature for a specific object, receive data about this object from different sources and in different formats, perform detection of this object in the received data, including using recognition objects on photo images with georeferencing, and to form a single synthetic feature in a machine-readable format for this object from multi-format data obtained from different sources;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;a database configured to store synthetic features obtained from the local data center adaptation stack module via the microservice or obtained from the cloud central storage database via the microservice;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;a module for predicting the probability of occurrence of detected events, configured to store algorithms for analyzing synthetic features obtained from the stack of adaptation decisions, by operating an algorithm for estimating the probability of occurrence of a detected event associated with real estate;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.a database configured to store the results of the module for predicting the probability of occurrence of a detected event, for which the boundary values of the results of estimating the probability of occurrence of a detected event and the necessary actions with real estate for these values are set, and if the value is reached, an action associated with real estate is triggered.2. Платформа по п. 1, отличающаяся тем, что облачное центральное хранилище выполнено с возможностью актуализации баз данных.2. The platform according to claim 1, characterized in that the cloud central storage is configured to update databases.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.3. The platform according to claim 2, characterized in that the update of the cloud central storage occurs in terms of updating the database of synthetic features by updating previously created synthetic features to create a new set of synthetic features.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.4. The platform according to claim 1, characterized in that the results of calculation of algorithms for assessing the probability of occurrence of a detected event related to real estate is used as synthetic features.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.5. The platform according to claim 1, characterized in that the results of calculation of algorithms for assessing the probability of occurrence of a detected event related to real estate are presented at least in tabular, graphic, cartographic form.

Images