[發明專利]一種勤務管控方法、裝置、系統及計算機可讀存儲介質

在審

• 申請號: 202010464725.1
• 申請日: 2020-05-27
• 公開（公告）號: CN111680897A
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 劉金廣;戴帥;褚昭明;閆星培;朱新宇;李金剛;朱建安;趙琳娜;成超鋒;于曉娟
• 申請（專利權）人: 公安部道路交通安全研究中心
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/10;G06Q50/26;G06K9/62
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 李博洋

本發明公開一種勤務管控方法、裝置、系統及計算機可讀存儲介質，該方法包括：將實時獲取的多種風險信息輸入到預先訓練好的風險研判模型，得到目標風險類型；當目標風險類型為前端設備單獨處理的風險類型時，根據目標風險類型和風險信息生成第一管控方案；根據第一管控方案對目標對象進行管控；當目標風險類型為前端和后端設備協同處理的風險類型時，根據目標風險類型和風險信息生成第二管控方案；根據第二管控方案對目標管控對象進行管控。該系統包括：信息采集設備，用于實時獲取目標管控區域的多種風險信息；處理器將傳輸模塊傳輸的多種風險信息輸入到預先訓練好的風險研判模型，得到目標風險類型，根據目標風險類型對目標管控對象進行管控。

技術領域

本發明涉及安保技術領域，具體涉及一種勤務管控方法、裝置、系統及計算機可讀存儲介質。

背景技術

大型活動安保至關重要，如何強化安保與交通的協同聯動、快速感知風險并進行及時管控，有效提升安保預警決策管控水平，切實提高安保管理效能，是社會各界一直關注的重要研究課題。故亟待提供一種勤務管控方法以便于提高勤務管控效能。

發明內容

因此，本發明要解決的技術問題在于克服現有技術中勤務管控效能不高的缺陷，從而提供一種勤務管控方法、裝置、系統及計算機可讀存儲介質。

根據第一方面，本發明實施例公開了一種勤務管控方法，應用于后端設備，所述后端設備與前端設備通信連接，包括如下步驟：實時獲取目標管控區域的多種風險信息；將所述多種風險信息輸入到預先訓練好的多個風險研判模型，得到目標風險類型，所述目標風險類型包括前端設備單獨處理的風險類型以及前端和后端設備協同處理的風險類型；根據所述目標風險類型和所述風險信息對所述目標管控對象進行管控。

可選地，通過如下步驟訓練所述多個風險研判模型：獲取訓練樣本數據；根據所述訓練樣本數據得到多個隨機訓練樣本集；根據每一個隨機訓練樣本集包含的特征，構建隨機特征訓練集，所述隨機特征訓練集包括多個特征及所述多個特征對應的樣本數據；根據所述隨機特征訓練集構建風險研判模型。

可選地，所述根據所述隨機特征訓練集構建風險研判模型，包括：計算所述隨機特征訓練集中每一種特征對應的基尼指數；將所述基尼指數最小的特征作為一個節點；在所述節點根據所述基尼指數最小的特征將所述隨機特征訓練集劃分為兩個子集；將所述兩個子集分別作為新的隨機特征訓練集，重復所述計算所述隨機特征訓練集中每一種特征對應的基尼指數，到所述在所述節點根據所述特征將所述隨機特征訓練集劃分為兩個子集的步驟，直到所述風險研判模型滿足預設條件。

可選地，所述計算所述隨機特征訓練集中每一種特征對應的基尼指數，包括：

其中，D表示隨機特征訓練集；Gini(D,A)表示經過特征A＝a分割后的隨機特征訓練集D的基尼指數；D₁表示根據特征A＝a時分割的第一類特征訓練子集；D₂表示根據特征A＝a時分割的第二類特征訓練子集；a為隨機特征訓練集中的任一具體特征；Gini(D₁)表示第一類特征訓練子集D₁的基尼指數；Gini(D₂)表示第二類特征訓練子集D₂的基尼指數。

可選地，將所述多種風險信息輸入到預先訓練好的多個風險研判模型，得到目標風險類型，包括：將所述多種風險信息輸入到預先訓練好的多個風險研判模型，得到多個風險類型；對所述多個風險類型進行目標處理，得到目標風險類型。

可選地，所述目標風險類型為前端設備單獨處理的風險類型，所述根據所述目標風險類型和所述風險信息對所述目標管控對象進行管控，包括：根據所述目標風險類型和所述風險信息生成第一管控方案；將所述第一管控方案發送到前端設備對所述目標對象進行管控，形成第一閉環。