[发明专利]一种多维信息感知处理方法

权利要求书

1.一种多维信息感知处理方法，包括多维数据采集、多维数据联合处理和处理后数据应用，其特征在于：所述多维数据采集包括卡口过车数据、wifi探针探测数据、多维感知门采集数据、人脸设备拍摄人脸数据、rfid记录数据、电子围栏采集数据等，汇集110警情、警力，网吧，案件信息，人口数据，宾馆住宿，智能警务亭，智慧社区等数据；多维数据联合处理包括空间聚类分析和关系图谱分析；处理后数据应用包括：人像预警、伴随人员分析、落脚点分析、徘徊车辆分析、时空交叉分析、同行分析、昼伏夜出分析、人流分析、隐匿车辆分析、作息规律分析、套牌车辆分析、布控预警分析、被害人关系分析、犯罪模式分析。

2.如权利要求1所述的多维信息感知处理方法，其特征在于：

所述卡口过车数据通过卡口过车时拍摄数据实时传输平台，平台使用流计算方式将当前实时拍摄的记录和历史拍摄到的记录累加形成当前总的采集数量，最终以总采集量和当天采集量写入数据库，形成卡口过车按卡口分类的当天采集量和累计采集量列表；

所述Wifi探针探测数据通过采集数据实时传输到平台，平台使用流计算方式将当前探针实时采集到的记录和历史采集到的记录累加形成当前总的采集数量，最终以总采集量和当天采集量写入数据库，形成wifi探针按探针mac地址分类的当天采集量和累计采集量列表；

所述人脸设备拍摄人脸数据通过人脸设备拍摄到人脸后实时传输到平台，平台使用流计算方式将当前实时拍摄的记录和历史拍摄到的记录累加形成当前总的拍摄数量，最终以总数量和当天拍摄量写入数据库，形成以人脸拍摄设备点位按当天采集量和累计采集量分类列表；

所述rfid记录数据通过城市中安装的rfid采集设备，当安装rfid标签的车辆经过rfid采集设备后采集设备采集到信息，包括车牌，编号，所有人，注册日期，实时发送到平台，平台通过流计算方式把实时接收到的数据和历史接收数据累加，形成以rfid采集设备点位按当天采集量和累计采集量分类列表；

所述多维感知门采集数据包括三类数据：身份证、电子设备mac、人脸照片；行人经过感知门需要刷身份证，同时设备自动采集人员随身携带的手机，pad等电子设备的mac地址及设备内安装软件的虚拟身份，拍摄人脸照片；三类数据实时传输到平台，平台通过流计算把三类数据按设备mac地址进行分类统计，计算出当日采集量和累计采集量。

3.如权利要求1所述的多维信息感知处理方法，其特征在于：

所述空间聚类分析中把空间距离的通用基本表达式称为闵可夫斯基(Minkowski)距离；

闵可夫斯基(Minkowski)距离,该基本表达式的p阶，p>0，形式如下：

其中，为向量z的p范数；

在以下表达式中对空间类别使用K-Means分类算法，空间距离测算采用欧式距离Dis₂，包括如下步骤：

步骤1、数据簇的数目K∈N；随机初始化K个均值向量μ₁，…，μ_k∈R^d；

步骤2、将每个x∈D划分到簇argmin_jDis₂(x，μ_j)；

步骤3、遍历1到K的所有簇，将x∈D划分到对应的簇，得到D_j；

步骤4、计算向量

重复计算步骤1-4，直到μ₁，…，μ_k不再变化，认为算法收敛完成。

4.如权利要求1所述的多维信息感知处理方法，其特征在于：

所述关系图谱分析首先计算关系网络里各对象的关系远近，也就是社交网络里的路径长度采用直接叠加路径集合的方式，按照指数衰减长度来计算更短的路径；加权分值计算如下：

其中是从x到y的所有长度路径的集合，并且β＞0是预测变量的参数；

接下来计算两个节点类会链接到相似邻居的范围，也就是计算相似度区间；表达式如下：

假设计算得到score(x，y)在相似度similarity(x，y)之下，接下来可以计算每个节点的评分：

计算网络中所有边的得分，并删除得分最低的边的部分。