一种基于人工智能技术的智慧警务方法及系统

专利主权项内容

1.一种基于人工智能技术的智慧警务方法，其特征在于，包括：获取历史事故数据，对所述历史事故数据进行预处理，并根据时空分析规则将经过预处理的历史事故数据进行分组，生成时空网格，将所述时空网格通过地理信息系统映射至地图中并生成时空热力图，根据所述时空热力图，结合趋势分析算法确定时空分析结果；根据所述时空分析结果，构建时空特征集合，遍历所述时空特征集合，通过统计每个时空特征的频次，将所述时空特征根据所述时空特征的频次顺序插入频繁模式树，根据所述频繁模式树确定时空关联规则；基于所述时空关联规则对预设的事故概率预测模型进行初始化，根据所述历史事故数据提取历史特征信息，将所述历史特征信息输入至所述事故概率预测模型中的循环神经网络模块和随机树模块中，得到所述循环神经网络模块对应的第一预测输出和所述随机树模块对应的第二预测输出，根据权重分配算法为所述第一预测输出和所述第二预测输出分配对应的权重，计算得到预测事故概率；所述获取历史事故数据，对所述历史事故数据进行预处理，并根据时空分析规则将经过预处理的历史事故数据进行分组，生成时空网格，将所述时空网格通过地理信息系统映射至地图中并生成时空热力图包括：从交通数据库中获取历史事故数据，对所述历史事故数据进行补全缺失值和处理异常值，得到修正数据，将所述修正数据按照时间和地点进行分组，即将时间分为三小时的时段，将空间按照交叉路口分为不同区域，形成时空网格；根据所述时空网格，通过ArcGIS软件在地图上创建图层并绘制网格单元，根据历史事故数据确定每个网格单元内发生的事故数量，根据所述事故数量为每个网格单元选择代表事件数量和密度的颜色，并创建用于解释颜色和事故数量之间关系的图例，最终得到时空热力图；所述根据所述时空热力图，结合趋势分析算法确定时空分析结果包括：根据所述时空热力图，根据不同时间段和地点的事故数量绘制原始数据的时间序列图表，根据所述时间序列图表，通过趋势分析算法拟合时间序列数据，得到趋势模型；根据所述趋势模型中参数的取值，确定发生交通事故的趋势，若所述趋势模型中的参数为正数，则发生交通事故的概率增加，若所述趋势模型中的参数为负数，则发生交通事故的概率减小，若为0，则发生交通事故的概率不变，对所述时空热力图中的每个网格单元进行分析，最终得到时空分析结果；确定所述第二预测输出，根据权重分配算法为所述第一预测输出和所述第二预测输出分配对应的权重，计算得到预测事故概率包括：基于所述时空关联规则，初始化预设的事故概率预测模型，提取所述历史事故数据中的历史特征信息，将所述历史特征信息输入至所述事故概率预测模型中，记为第一输入；根据所述第一输入，结合随机树模块，将所述第一输入加入至所述随机树模块的初始节点，根据所述初始节点的初始判断规则判断所述第一输入的传递方向，若符合所述初始判断规则，则将所述第一输入向左子节点传递，否则向右子节点传递；根据每个节点对应的判断规则和分割操作，将所述第一输入在所述随机树模块中进行传递，直至达到最终节点，得到所述第二预测输出；根据所述第二预测输出和预先得到的第一预测输出，根据权重分配算法结合预设的所述时空关联规则，为所述第一预测输出和所述第二预测输出分配对应的第一预测权重和第二预测权重，通过加权计算，得到预测事故概率；所述根据所述时空分析结果，构建时空特征集合，遍历所述时空特征集合，通过统计每个时空特征的频次，将所述时空特征根据所述时空特征的频次顺序插入频繁模式树，根据所述频繁模式树确定时空关联规则包括：提取所述时空分析结果中的事故发生时间，位置和该位置发生交通事故的概率，并将非数值类型数据转化为数值型，得到时空特征集合；遍历所述时空特征集合，统计每个特征项出现的频次，根据所述频次构建项头表；遍历所述项头表，对于每个特征项，根据出现的频次从大到小将所述特征项插入至预设的频繁模式树中，遍历所述频繁模式树的每个元素，找到以这个元素结尾的路径，并将这一路径上的全部元素组合形成频繁项集；根据所述频繁项集，对于每个频繁项，寻找以这一频繁项为结尾的路径，形成条件模式基；对于每个频繁项，重复寻找对应的条件模式基，直至无法构建新的频繁模式树，根据所述频繁项和条件模式基，组合得到初始关联规则，计算所述初始关联规则对应的初始置信度，将所述初始置信度与预设的置信度阈值进行比较，删除初始置信度小于所述置信度阈值对应的初始关联规则，将保留的初始关联规则记为时空关联规则；所述遍历所述频繁模式树的每个元素，找到以这个元素结尾的路径，并将这一路径上的全部元素组合形成频繁项集包括：初始化一个空集合，记为频繁项集集合，对于所述频繁模式树中包含的每个元素，访问以当前频繁项为结尾的路径，即访问条件模式基；对于每个路径，提取每个路径上的全部元素，加入至所述频繁项集集合中，并继续挖掘新的频繁项集；对于挖掘到的新的频繁项集，若包含多个元素，则将其作为新的条件模式基，继续挖掘新的频繁项集，若只包含一个元素，则停止挖掘，直至无法找到新的条件模式基。