学区划分方法、学区划分装置以及电子设备与流程

本申请实施例涉及云技术的云教育，并且更具体地，涉及学区划分方法、学区划分装置以及电子设备。

背景技术：

1、传统的学区划分方法主要采用运筹学线性规划方法，即依据学校、居民点以及道路网络等信息构建出学区划分模型，以实现对学区的划分。通常情况下，每一个学区可以包括一到若干所公立学校，小的学区可能只设有一所小学，大的学区可能设有几所小学或中学，设有多所学校的学区，学生以邻近区域就近入学为原则，选择就读学校。但是，考虑到生育政策会带来生育率的增加，进而会使得学龄人口规模发生的变动；此外，随着城镇化发展，更多的随迁子女随着父母进入一城市以及二线城市，使得某些学区无法容纳越来越多的适龄儿童。

2、此外，采用就近入学的原则选择就读学校时，仅考虑到了居民点到学校的距离，存在部分学校入学困难以及需要选择就读学校等问题。此外，传统的学区划分方法也很难保证教育均衡发展。例如，学校的学位供给有可能会发生失衡。

技术实现思路

1、本申请提供了一种学区划分方法、学区划分装置以及电子设备，不仅能够降低学校的入学难度，还能够保证教育的均衡发展。

2、第一方面，本申请提供了一种学区划分方法，包括：

3、获取通过学习得到的学位预测模型；

4、通过对m个小区中的每一个小区的原始数据进行特征构建，得到该每一个小区的特征向量；m为大于0的整数；

5、将该每一个小区的特征向量输入到该学位预测模型，得到该每一个小区的学位需求数；

6、获取n个学校中每一个学校的学位供给数；n为大于0的整数；

7、将该每一个小区的学位需求数和该每一个学校的学位供给数输入到学区划分模型，得到用于表示将该m个小区划分到该n个学校的学区划分结果。

8、第二方面，本申请提供了一种学区划分装置，包括：

9、第一获取单元，用于获取通过学习得到的学位预测模型；

10、构建单元，用于通过对m个小区中的每一个小区的原始数据进行特征构建，得到该每一个小区的特征向量；m为大于0的整数；

11、预测单元，用于将该每一个小区的特征向量输入到该学位预测模型，得到该每一个小区的学位需求数；

12、第二获取单元，用于获取n个学校中每一个学校的学位供给数；n为大于0的整数；

13、划分单元，用于将该每一个小区的学位需求数和该每一个学校的学位供给数输入到学区划分模型，得到用于表示将该m个小区划分到该n个学校的学区划分结果。

14、第三方面，本申请提供了一种电子设备，包括：

15、处理器，适于实现计算机指令；以及，

16、计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令适于由处理器加载并执行上述第一方面的方法。

17、第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，该计算机指令被计算机设备的处理器读取并执行时，使得计算机设备执行上述第一方面的方法。

18、第五方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面的方法。

19、本申请实施例中，先通过学位预测模型得到每一个小区的学位需求数，再基于每一个小区的学位需求数和每一个学校的学位供给数，利用学区划分模型，得到用于表示将该m个小区划分到该n个学校的学区划分结果，一方面，在得到学区划分结果的过程中，通过引入每一个小区的学区需求数和每一个学校的学位供给数，有利于学区划分模型通过对学位供需关系进行分析，得到满足供需平衡的学区划分结果，进而，不仅能够均衡学校的学生资源，进而降低了学校的入学难度，还能够避免学校的供给发生失衡，进而保证了教育的均衡发展。另一方面，将学区划分结果设计为用于表示将该m个小区划分到该n个学校的结果，还能够避免选择就读学校的问题，进一步保证了教育的均衡发展。

20、此外，本申请的方案还能够帮助教育部门和区域管理者进行长期的教育政策的规划以及短期资源投入的管理，进而，能够降低教育部门和区域管理者的工作难度。

技术特征：

1.一种学区划分方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述每一个小区的学位需求数和所述每一个学校的学位供给数输入到学区划分模型，得到用于表示将所述m个小区划分到所述n个学校的学区划分结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述利用所述学位预测模型中的目标函数，计算所述第i个小区分别在所述至少一个学区划分模式下的至少一个损失值，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述xij和所述第i个小区相对所述第j个学校的到校距离，确定所述至少一个学位划分模式中的当前学区划分模式的损失值，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述xij和以下信息确定所述当前学区划分模式的损失值，包括：

6.根据权利要求2所述的方法，其特征在于，所述确定所述n个学校中的第j个学校是否为所述m个小区中的第i个小区的备选学校，包括：

7.根据权利要求6所述的方法，其特征在于，所述目标函数的第一约束条件为：所述第i个小区被划分到的学校的数量小于或等于预设阈值。

8.根据权利要求6所述的方法，其特征在于，所述目标函数的第二约束条件为：已划分到所述第j个学校的所有小区的学位需求数与所述第i个小区的学位需求数的和，小于或等于所述第j个学校的学位供给数与所述第j个学校的松弛因子阈值的和。

9.根据权利要求6所述的方法，其特征在于，所述目标函数的第三约束条件为：已划分到所述第j个学校的所有小区的学位需求数与所述第i个小区的学位需求数的和，小于或等于所述第j个学校的学位供给数与所述第j个学校的就学率阈值；其中，所述就学率阈值根据所述第j个学校的学校等于确定。

10.根据权利要求1至9中任一项所述的方法，其特征在于，所述获取n个学校中每一个学校的学位供给数，包括：

11.根据权利要求1至9中任一项所述的方法，其特征在于，所述学位预测模型为长短期记忆lstm网络，所述每一个小区的原始数据包括当前时刻下的以下信息的至少一项：人口流动数据、出生率、随迁人口数、入学率；所述每一个小区的特征向量的每一个维度用于表示所述每一个小区的原始数据中的一项信息。

12.一种学区划分装置，其特征在于，包括：

13.一种电子设备，其特征在于，包括：

14.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1至11中任一项所述的方法。

技术总结
本申请提供了一种学区划分方法、学区划分装置以及电子设备，该方法涉及云技术的云教育技术领域，该方法包括：获取通过学习得到的学位预测模型；通过对m个小区中的每一个小区的原始数据进行特征构建，得到该每一个小区的特征向量；m为大于0的整数；将该每一个小区的特征向量输入到该学位预测模型，得到该每一个小区的学位需求数；获取n个学校中每一个学校的学位供给数；n为大于0的整数；将该每一个小区的学位需求数和该每一个学校的学位供给数输入到学区划分模型，得到用于表示将该m个小区划分到该n个学校的学区划分结果。本申请提供的方法不仅能够降低学校的入学难度，还能够保证教育的均衡发展。

技术研发人员：吴嫒博,刘萌,孙朝旭,蔡晓凤,卢鑫鑫,叶礼伟,李果,杨晖,覃伟枫,滕达
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/15