[發明專利]一種目標的運動范圍預測方法及裝置

在審

• 申請號: 201710114160.2
• 申請日: 2017-02-28
• 公開（公告）號: CN106897800A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 劉力;王忠林;呂品高
• 申請（專利權）人: 東方網力科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/00
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 朱文杰

技術領域

本發明涉及機器學習技術領域，具體而言，涉及一種目標的運動范圍預測方法及裝置。

背景技術

現今犯罪目標的反偵查意識逐年增強，面對警方的嚴密布控，嫌疑人在任何有風吹草動的情況下，第一時間均會選擇望風而逃。面臨犯罪目標的逃離，警方需要第一時間(如20分鐘內)準確的劃定嫌疑人逃跑范圍，在范圍內大量布控，對犯罪目標實施抓捕。

相關技術中提供了一種基于社會科學的目標逃跑范圍預測方法，該方法主要利用專家在社會學、心理學等方面的相關經驗，綜合考慮路網、天氣、時間等多個現場環境因素，以及犯罪目標的犯罪心理形成和犯罪行為發生的規律，預測與劃定犯罪目標可能逃跑的范圍。

發明人在研究中發現，基于社會科學的目標逃跑范圍預測方法主要以專家經驗為主，由于無法較好的綜合評估各種影響逃跑范圍的因素，導致范圍預測的準確度較低，而較低準確率的范圍預測將導致后續浪費更多的人力物力去圍捕犯罪目標。

發明內容

有鑒于此，本發明的目的在于提供一種目標的運動范圍預測方法及裝置，利用機器學習技術實現對目標的運動范圍預測，預測準確度較高，且省時省力，實用性較佳。

第一方面，本發明實施例提供了一種目標的運動范圍預測方法，所述方法包括：

獲取設置在實際區域內可供目標選擇的各個路徑的環境屬性信息和第一路徑長度信息；

利用粒子群方法對根據所述環境屬性信息和所述第一路徑長度信息構建的多元線性回歸函數進行迭代求解，得到每個路徑對應的第二路徑長度信息，所述多元線性回歸函數的自變量為所述環境屬性信息，所述多元線性回歸函數的因變量為所述第一路徑長度信息；

根據各個所述第二路徑長度信息、所述目標的運動起點位置和運動總時間，確定所述目標對應的各個運動終點位置，所述運動總時間為所述目標由所述運動起點位置運動到所述運動終點位置所占用的時間；

根據各個所述運動終點位置得到所述目標的運動預測范圍。

結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，所述利用粒子群方法對根據所述環境屬性信息和所述第一路徑長度信息構建的多元線性回歸函數進行迭代求解之前，還包括：

根據有效關聯規則對所述環境屬性信息進行約簡，得到約簡后的環境屬性信息，所述有效關聯規則是提升度符合預設閾值的由所述環境屬性信息推導出所述第一路徑長度信息的關聯規則。

結合第一方面，本發明實施例提供了第一方面的第二種可能的實施方式，其中，所述利用粒子群方法對根據所述環境屬性信息和所述第一路徑長度信息構建的多元線性回歸函數進行迭代求解，得到每個路徑對應的第二路徑長度信息，包括：

對所述粒子群方法中的所有粒子均進行初始化，并確定所有所述粒子的適應度函數，所述適應度函數為所述多元線性回歸函數中的目標函數，每個所述粒子均為所述多元線性回歸函數中的一個回歸參數；

根據所述適應度函數更新所述粒子的速度和位置；

對更新的所述速度和位置進行多次迭代處理，得到對應于所述適應度函數的最優解；

基于所述最優解得到對應的最優回歸參數，所述最優回歸參數為所有所述回歸參數中的一個；

將所述最優回歸參數和所述路徑的所述環境屬性信息均代入所述多元線性回歸函數，得到所述路徑對應的第二路徑長度信息。

結合第一方面的第二種可能的實施方式，本發明實施例提供了第一方面的第三種可能的實施方式，其中，所述根據所述適應度函數更新所述粒子的速度和位置，包括：

根據所述適應度函數計算對應的哨兵函數，并根據所述哨兵函數計算得到所述粒子的哨兵值，所述哨兵函數由所述適應度函數、適應度平均值和規范化函數確定，所述規范化函數由所述適應度函數和最大適應度值確定；

判斷所述哨兵值是否符合預設閾值，若否，根據慣性權重和學習因子更新所述粒子的速度和位置，所述慣性權重由所述哨兵值、預設最小慣性權重和預設最大慣性權重確定，所述學習因子由所述哨兵值、預設起始學習因子和預設結束學習因子確定。

結合第一方面的第二種可能的實施方式，本發明實施例提供了第一方面的第四種可能的實施方式，其中，所述對更新的所述速度和位置進行多次迭代處理，得到對應于所述適應度函數的最優解，包括：

利用禁忌搜索方法在當前次迭代得到的全局最優解的預設范圍內搜索新解；