(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 109472419 A
(43)申请公布日 2019.03.15
(21)申请号 CN201811372850.9
(22)申请日 2018.11.16
(71)申请人 中山大学
    地址 510275 广东省广州市新港西路135号
(72)发明人 任江涛 赖超杰
(74)专利代理机构 深圳市世纪恒程知识产权代理事务所
    代理人 胡海国
(51)Int.CI
     
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      基于时空的警情预测模型的建立方法、装置和存储介质
(57)摘要
      本发明公开了一种基于时空的警情预测模型的建立方法，所述基于时空的警情预测模型的建立方法包括以下步骤：获取多个目标警情文本，并确定各个所述目标警情文本中警情对应的目标犯罪地点；根据各个所述目标犯罪地点确定犯罪风险区域；根据所述犯罪风险区域对应的各个警情、所述警情的犯罪类型以及所述警情的犯罪时间点，建立所述犯罪风险区域对应的警情预测模型。本发明还公开一种基于时空的警情预测模型的建立装置和存储介质。本发明建立的警情预测模型的警情预测准确性较高。
法律状态
法律状态公告日
法律状态信息
法律状态
2019-04-09
实质审查的生效
实质审查的生效
2019-03-15
公开
公开
权 利 要 求 说 明 书
1.一种基于时空的警情预测模型的建立方法,其特征在于,所述基于时空的警情预测模型的建立方法包括以下步骤:
正则匹配一个或连续多个获取多个目标警情文本,并确定各个所述目标警情文本中警情对应的目标犯罪地点;
根据各个所述目标犯罪地点确定犯罪风险区域;
根据所述犯罪风险区域对应的各个警情、所述警情的犯罪类型以及所述警情的犯罪时间点,建立所述犯罪风险区域对应的警情预测模型。
2.如权利要求1所述的基于时空的警情预测模型的建立方法,其特征在于,所述确定各个所述目标警情文本中警情对应的目标犯罪地点的步骤包括:
采用第一地点提取算法以及第二地点提取算法,分别在各个所述目标警情文本提取犯罪地点,以得到所述第一地点提取算法对应的第一集合以及所述第二地点提取算法对应的第二集合;
根据所述第一集合以及所述第二集合中的各个犯罪地点,确定各个所述目标犯罪地点。
3.如权利要求2所述的基于时空的警情预测模型的建立方法,其特征在于,所述根据所述第一集合以及所述第二集合中的各个犯罪地点,确定各个所述目标犯罪地点的步骤包括:
对所述第一集合以及所述第二集合中的各个犯罪地点的名称进行规划化修正,以得到第一修正集合以及第二修正集合;
提取所述第一修正集合以及所述第二修正集合对应的并集,并将所述并集中的各个修正犯罪地点均确定为目标犯罪地点。
4.如权利要求2所述的基于时空的警情预测模型的建立方法,其特征在于,所述第一地点提取算法为正则匹配算法,所述第二地点提取算法为命名实体识别算法。
5.如权利要求1所述的基于时空的警情预测模型的建立方法,其特征在于,所述根据各个所述犯罪地点确定犯罪风险区域的步骤包括:
确定各个所述目标犯罪地点对应的经纬度;
根据各个经纬度对各个所述目标犯罪地点进行聚类以得到多个犯罪风险区域。
6.如权利要求5所述的基于时空的警情预测模型的建立方法,其特征在于,所述根据各个经纬度对各个所述目标犯罪地点进行聚类以得到多个犯罪风险区域的步骤包括:
确定目标经纬度范围;
将不处于所述目标经纬度范围的所述经纬度删除,以得到各个目标经纬度;
对各个所述目标经纬度对应的目标犯罪地点进行聚类,以得到多个犯罪风险区域。
7.如权利要求1-6任一项所述的基于时空的警情预测模型的建立方法,其特征在于,所述建立所述犯罪风险区域对应的警情预测模型的步骤之后,还包括:
在接收警情预测指令时,根据所述警情预测指令确定警情预测时间段以及警情类型;
输出各个所述警情类型在所述警情预测时间段中的数量,以及各个所述警情类型的犯罪风险等级。
8.如权利要求1-6任一项所述的基于时空的警情预测模型的建立方法,其特征在于,所述获取多个目标警情文本的步骤包括:
获取多个初始警情文本,并将各个所述初始警情文本依次作为当前警情文本;
在所述当前警情文本提取警情描述文本,并在所述警情描述文本中去除目标人物的私密信息,以得到所述当前警情文本对应的目标警情文本,其中,所述目标人物包括目击人、举报人及/或受害人。
9.一种基于时空的警情预测模型的建立装置,其特征在于,所述基于时空的警情预测模型的建立装置包括处理器、存储器和存储在所述存储器上并可在所述处理器上运行的基于时空的警情预测模型的建立程序,所述基于时空的警情预测模型的建立程序被所述处理器执行时实现如权利要求1-8任一项所述的基于时空的警情预测模型的建立方法的各个步骤。
10.一种存储介质,其特征在于,所述存储介质存储有基于时空的警情预测模型的建立程序,所述基于时空的警情预测模型的建立程序被所述处理器执行时实现如权利要求1-8任一项所述的基于时空的警情预测模型的建立方法的各个步骤。
说  明  书
<p>技术领域
本发明涉及大数据技术领域,尤其涉及一种基于时空的警情预测模型的建立方法、装置和存储介质。
背景技术
21世纪是属于城市的世纪,全球的城市化进程在不断推进。但与此同时,不断推进的城市化进程也给城市地区带来了巨大的经济和社会影响,并在城市管理问题上带来了若干个挑战。特别是,目前较大城市的犯罪率往往较高,犯罪率飙升正成为大城市地区最重要的社会问题之一。而与此同时,不断发展的信息技术使得公安部门能够获取越来越多的犯罪相关(警情)数据,如何设计一种有效便捷的方法,通过分析这些数据,挖掘犯罪数据背后的模式和趋势,以帮助警方更好地进行治安防控和预防犯罪,已成为一个非常值得研究的问题。
现有技术中,警情预测方法通过定义影响警情发生的因素,再根据决策树算法选出一个信息增益最大的因素作为主要因素,而后通过设置警情高发值为M,出信息增益值Η>Μ的因素下的历史警情数据的高发区域和高发时段,获得的结果集即为预测的警情高发区域和高发时段。但该方法的缺陷在于需要启发式地定义影响警情的因素,且对区域和时段分开预测,没有考虑它们之间的相互影响,从而导致警情预测的准确性较低。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。