《武汉工程大学学报》 2015年10期
33-39
出版日期：2015-10-31
ISSN:1674-2869
CN:42-1779/TQ
基于前馈神经网络的智慧城市空巢老人识别
0 引 言至２０１２年底，我国６０岁及以上老年人口已达１．９４亿，占总人口的１４．３％，在２０１４年已突破２亿，并以每年３．２％的速度增加. 根据国际标准，我国已经进入老年型社会. 随着社会老龄化程度的不断加深，孤单老人数呈上升趋势，现如今成为一个不可忽视的社会问题. 目前，我国中西部地区的城乡空巢家庭超过５０％，社会老龄化直接导致社会养老等难题，特别是空巢老人、家庭的健康和安全生活，是智慧城市评价指标体系建设的一个重要指标，需要整个社会、家庭、社区、政府及个人的共同努力，因此，建设智慧城市的体系架构，有利于社会和谐.１ 空巢老人与其子女的识别模型１．１ 空巢老人识别模型的建立 建立空巢老人识别模型，需要包含空巢老人的用户信息数据，主要有：用户信息：记录本地区用户（通信运营网对应的手机个人）基本情况、终端信息、计费等数据；通话清单：记录本城市用户（手机号码）在某月每天的通话（主／叫、市／话）情况；短信清单：记录了上述用户在某月每天的短信发送／接收情况. 根据空巢老人的用户信息数据，建立空巢老人的数据模型，识别本地区的空巢老人手机号码、所在区域、子女手机号码等信息［１－２］. 对于大量的多特征的数据的识别问题，构造识别函数，运用神经网络进行识别. 对于信息充分且正常的用户，构造识别函数具有识别准确，原理简单易行的优点. 识别模型符号说明如表１所示. 表1 符号说明Table 1 Symbol description通过分析其区号差别，年龄差距，通话的类型，通话的时间段等指标，实现了对空巢老人较为精准的识别，并通过区号将其所得空巢老人集合分为与子女同城的空巢老人与非同城的空巢老人两类. 首先进行对通话信息的预处理，筛选出能进行识别的数据，在此基础上先判别主叫与被叫是否为父母与子女的关系，接着判别主叫与被叫是否在同一个城市，得出与子女同城的空巢老人与非同城的空巢老人集合. ２．２ 空巢老人识别模型的函数构造在对用户信息进行合理分析后，构造了一个评判空巢老人用户的识别函数，该函数是一个多变量的函数，对各个变量进行分开评判，最后以乘积的形式得到结果［１－２］. 选取主叫被叫年龄差距，通话时间，通话时长，通话次数为函数自变量，构造综合识别函数Ｇｉ（ｘ），其函数关系如下：Ｇｉ（ｘ）＝Ｇｉ（Ｘａ１，Ｘａ２，Ｔ１，Ｔ２，Ｎ）＝Ｃ１（Ｘａ１）×Ｃ２（Ｔ１）×Ｃ３（Ｘａ１，Ｘａ２）×Ｃ４（Ｔ２）×Ｃ５（Ｎ） （１）其中用户特征矩阵Ｘ＝［Ｘａ１，Ｘａ２，Ｔ１，Ｔ２，Ｎ］用户年龄识别函数Ｃ１（Ｘａ１）＝0 Ｘａ１<400 Ｘａ１≥40（２）通话时间识别函数为： Ｃ２（Ｔ１）＝0 T１>3 6001 300≤T１≤3 600（３）年龄差距识别函数为：Ｃ３（Ｘａ１，Ｘａ２）＝0，20≤Ｘａ１-Ｘａ２≤401，20≥Ｘａ１-Ｘａ２或Ｘａ１-Ｘａ２>40（４） 通话起始时间识别函数为：Ｃ４（Ｔ２）＝0， 19:00≤T2≤22:001， 其它 （５） 一周内的通话次数识别函数为： Ｃ5（N）＝0，0