本资料来源公开网络，仅供个人学习，请勿商用，如有侵权请联系删除。
部分资料内容：

1.1.1 总体架构设计 

在社会治理业务系统基础上，构建市级、区（县、市）、乡镇（街道）三级市域社会治理业务应用体系；在城市大脑基础设施和各类智能分析引擎群的支撑下，构建“1+5+1”安全风险防范体系。

“1”即一套安全风险防范搜索引擎。依托城市大脑算力和智力支持，构建安全风险防范搜索引擎，实现风险和预警信息的抓取、社会治理态势和领域安全风险分析。

“5” 即五大领域安全风险防范系统。城市大脑在推进交通、城管、警务等行业应用系统建设的同时，统筹推进行业安全风险防范模块建设。通过若干个行业安全风险模块的聚合，进而形成涵盖政治、经济、文化、社会、生态等五大领域的安全风险防范系统。

“1” 即一组考核评价模型。实现对各地各部门安全风险防范系统推进情况、安全风险防范处置落实情况以及社会治理成效进行考核评价。

1.1.1.1.1 数据分析算法

为了有效地对数据进行分析，需要辅助以各种分析算法。通过这些分析算法，可发现数据变化规律和关联关系等，常用的分析算法有分类（Classification）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、复杂数据类型挖掘（Text，Web，图形图像，视频，音频等）等。

(1) 分类算法

分类就是学习得到一个目标函数f，把每个属性集x映射到一个预先定义的类标号y。使用分类算法可以对商品或企业进行分类。

(2) 预测算法

预测就是基于历史已有数据的发展趋势，通过函数拟合计算出将来时间段的数据值。预测算法可用于海关进出口宏观走势分析、商品价格走向等。

(3) 关联规则

关联规则算法就是发现一个事件和其他事件之间依赖或关联的关系。对于本算法，可用于对商品进出口量、价格波动等分析等。

(4) 聚类

聚类就是按照事物间的相似性进行区分和分类的过程，在这一过程中没有教师指导，因此是一种无监督的分类。用聚类算法可对价格进行聚类，以发现价格明显偏离的商品，也可对口岸商品进出口量进行聚类，以发现突增或突减商品等等。

(5) 复杂数据类型挖掘

复杂数据类型挖掘指对各种非结构化复杂数据概化后进行分析挖掘。可用于对网页数据进行分析。

本项目的数据清洗、大数据挖掘分析、智能分拨等环节均利用了基于机器学习的人工智能技术，利用新兴的技术手段提升了数据治理能力、实现了数据之间快速关联分析、提高了业务处置流程效率。

1.1 市域治理数据中心方案设计

1.1.1 市域治理数据处理中心

1.1.1.1 数据接入

接入数据原始数据库，将数据定义属性标签，读取数据信息，支持多种数据接入方式，且根据实际更新频率达到数据实时接入的要求。

1.1.1.1.1 数据定义

通过从数据源、系统、设备等地方获取相应数据，通过业务、主题等确定数据的类型(文本、音频、图像等)归并到不同业务或主题的数据库中存储。

1.1.1.1.2 数据读取

通过已知的现有数据源，分全量导入和增量同步两个步骤进行数据的读取。全量导入和增量更新选用开源软件kettle，支持多种数据库、分布式文件系统，以及大数据处理框架的接入，由于kettle不是一个流式处理框架，我们可以通过短时间的批处理来达到实时的效果。

1.1.1 市区两级数据共享交换方案设计（城云、吉奥、电信、码全）

市区两级社会治理数据共享交换涉及数据下发和数据上导两个业务流程，需要建立安全可靠共享通道和异常监测管理机制。

一是市域治理数据中心数据向各区县（市）基层治理数据中心（库）共享数据。

以需求为导向，从块数据库中抽取数据，用于构建特定的数据模型，由块服务对外提供数据；涉及基层治理四平台的数据，推送至市综合信息指挥平台，并建立与向各区县（市）基层治理数据中心（库）全量推送、增量更新通道，实现数据下沉；同时市域治理数据中心提供接口查询，满足各区县（市）实时数据查询需要。

二是各区县（市）基层治理数据中心（库）数据向市域治理数据中心共享数据。

依托现有市综合信息指挥平台数据上行通道，实现各区县（市）基层治理数据中心（库）数据上传，并由市综合信息指挥平台推送至市域治理数据中心前置机。

篇幅有限，无法完全展示，喜欢资料可转发+评论，私信了解更多信息。