[發明專利]警情發生區域的智能預警模型建立方法、裝置及存儲介質

在審

• 申請號: 201910972078.2
• 申請日: 2019-10-14
• 公開（公告）號: CN110929915A
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 李達;楊毅
• 申請（專利權）人: 武漢烽火眾智數字技術有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 代嬋

1.一種警情發生區域的智能預警模型建立方法，其特征在于，所述方法包括：

根據預設時間段，從數據庫中獲取用戶以及其所在的位置信息，并基于用戶及其對應的位置信息獲取人流量信息；

確定需要進行警情預警的目標區域；

獲取所述目標區域的歷史警情數據；

采用所述歷史警情數據和所述人流量信息對長短期記憶模型進行訓練，獲得目標函數，其中，所述目標函數用于根據待預測區域所對應的預測信息進行警情發生概率的計算，所述待預測信息包括：需要預測的時間、預測時間內的人流量均值以及預測時間內的影響因素。

2.如權利要求1所述的警情發生區域的智能預警模型建立方法，其特征在于，所述采用所述歷史警情數據和所述人流量信息對長短期記憶模型進行訓練，獲得目標函數的步驟，包括：

長短期記憶模型的隱藏層單元均采用長短時記憶單元，其中，每個長短時記憶單元包括：

輸入門，用于通過其狀態值，控制是否將新的警情信息加入到當前隱藏層節點；

遺忘門，用于通過其狀態值，控制是否保留當前隱藏層節點的歷史有效警情數據；

輸出門，用于通過其狀態值，控制是否將當前節點輸出值輸出給下一個隱藏層或者輸出層；

單元激活向量，用于下一時間步長獲得一個權值并連接到自身，拷貝自身狀態的真實值和累積的外部信號。

3.如權利要求2所述的警情發生區域的智能預警模型建立方法，其特征在于，所述輸入門的函數i_t具體表達為：

i_t＝σ(w_xix_t+w_hih_t-1+w_cic_t-1+b_i)

其中，σ為邏輯sigmoid函數，W_xi為輸入特征向量與輸入門之間的權重矩陣，W_hi為隱藏層單元與輸入門之間的權重矩陣，W_ci為單元激活向量與輸入門之間的權重矩陣，b_i為輸入門的偏差值，x_t為輸入參數，表示在采樣時刻t內的警情發生數量；

所述遺忘門的函數f_t具體表達為：

f_t＝σ(w_xfx_t+w_hfh_t-1+w_cfc_t-1+b_f)

其中，σ為邏輯sigmoid函數，W_xf為輸入特征向量與遺忘門之間的權重矩陣、W_hf為隱藏層單元與遺忘門之間的權重矩陣，W_cf為單元激活向量與遺忘門之間的權重矩陣，b_f代表遺忘門的偏差值，t表示采樣時刻；

所述輸出門的函數o_t具體表達為：

o_t＝σ(w_xox_t+w_hoh_t-1+w_coc_t-1+b_o)

其中，σ為邏輯sigmoid函數，W_xo為輸入特征向量與輸出門之間的權重矩陣、W_ho為隱藏層單元與輸出門之間的權重矩陣，W_co為單元激活向量與輸出門之間的權重矩陣，b_o為單元激活向量的偏差值，t，表示采樣時刻；

所述單元激活向量的函數c_t具體表達為：

c_t＝f_tc_t-1+i_ttanh(w_xcx_t+w_hch_t-1+b_c)

其中，f_t為遺忘門函數，W_xc為輸入特征向量與單元激活向量之間的權重矩陣，W_hc為隱藏層單元與單元激活向量之間的權重矩陣，b_c為輸出門的偏差值；

所述隱藏層的函數h_t具體表達為：

h_t＝o_ttanh(c_t)

其中，tanh為激活函數。