[發明專利]基于大數據技術的安防領域重大事件預警方法

在審

• 申請號: 201811326978.1
• 申請日: 2018-11-08
• 公開（公告）號: CN111161519A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 陳瑞
• 申請（專利權）人: 北京航天長峰科技工業集團有限公司
• 主分類號: G08B31/00
• 分類號: G08B31/00;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于大數據技術的安防領域重大事件預警方法，通過對大規模重大事件相關資源信息進行數據整合、數據關聯，通過靈活建模工具、可視化分析手段，建立事件預警模型，獲取有價值的重大事件預警信息，從而為相關部門提供更加快速、有效的情報信息，為政府決策提供有效的數據支撐。

技術領域

本發明涉及機器學習及大數據分析技術領域，具體涉及一種基于大數據技術的安防領域重大事件預警方法。

背景技術

公共安全情報信息視線中的重大事件是指危害國家安全和穩定的政治事件、暴力恐怖事件、群體性事件和綜合性事件。頻發的重大事件牽制了各級職能部門的大量精力，對各級政府管理構成巨大壓力。網絡環境下，面對海量數據，且這些信息分散在多個業務系統中，只有將它們收集匯總，進行綜合分析計算，才能夠為重大事件預警提供更有價值的信息。

發明內容

本發明的目的在于基于大數據分析技術，提供一種基于大數據技術的安防領域重大事件預警方法，挖掘在數據背后隱藏深層次的價值數據，為不同領域政府部門在應對突發事件、重大事件預警預測、敏感人員布控等工作提供技術支撐。

本發明的技術方案如下：

基于大數據技術的安防領域重大事件預警方法，其特征在于包括：

(1)事件數據存儲：運用分布式結構存儲機制和執行機制，對存儲海量的、各類復雜數據類型的結構化數據和非結構化數據進行存儲；

(2)數據分析比對處理：深度卷積神經網絡、自動編碼器、遞歸神經網絡及深度信念網絡的深度學習技術，對存儲整合后的數據進行分析比對處理；

(3)分析模型配置：根據不同的業務需求，制定適當分析模型，包括前端圖表分析、綜合關聯展示、關聯擴展分析、時間序列分析、空間分析平臺，為用戶提供一個可靈活配置的業務模型的分析平臺；

(4)可視化分析：通過對關注對象的擴展，確定關注對象的關聯信息及關聯關系，通過各種分析功能及算法，對實體信息及關聯線索進行進一步分析，挖掘出其隱藏其間的對象間的深層信息；

(5)事件預警防范：通過多因素疊加事件模型自動分析服務生成事件預警信息，對事件進行跟蹤、監測并結合人工研判，從而對事件進行有效處置，對未發生事件或事件苗頭進行有效防范。

本發明運用先進的大數據、深度學習等技術，對大規模重大事件相關資源信息進行數據整合、數據關聯，通過靈活建模工具、可視化分析等手段，建立事件預警模型，獲取有價值的重大事件預警信息，從而為相關部門提供更加快速、有效的情報信息，為政府決策提供有效的數據支撐。

具體實施方式

本發明具體實施過程包括以下步驟：

(1)事件數據存儲：事件預警防范系統數據存儲及數據分析重要組成部分，主要工作包括：一是存儲海量的、各類復雜數據類型的結構化數據和非結構化數據。二是運用分布式結構存儲機制和執行機制，對存儲整合后的數據進行分析比對處理。

(2)深度學習技術應用：深度學習技術研究與實踐至關重要，本文提供深度卷積神經網絡、自動編碼器、遞歸神經網絡及深度信念網絡等不同類型的深度學習技術，高效運用這類技術，并加以成功運用，能夠更好的幫助用戶理解數據之間的關系。

(3)分析模型配置：在重大事件預警防范過程，通過窮舉涉及重大事件業務模型是不現實的，但是在面對異常復雜環境下，能夠根據瞬息萬變的業務需求靈活制定分析模型具有現實意義，分析模型配置能夠為用戶提供一個可靈活配置的業務模型的分析平臺。系統提供前端圖表分析、綜合關聯展示、關聯擴展分析、時間序列分析、空間分析等不同類型的可視化分析方法。