[发明专利]基于时空的警情预测模型的建立方法、装置和存储介质

说明书

本发明公开了一种基于时空的警情预测模型的建立方法，所述基于时空的警情预测模型的建立方法包括以下步骤：获取多个目标警情文本，并确定各个所述目标警情文本中警情对应的目标犯罪地点；根据各个所述目标犯罪地点确定犯罪风险区域；根据所述犯罪风险区域对应的各个警情、所述警情的犯罪类型以及所述警情的犯罪时间点，建立所述犯罪风险区域对应的警情预测模型。本发明还公开一种基于时空的警情预测模型的建立装置和存储介质。本发明建立的警情预测模型的警情预测准确性较高。

技术领域

本发明涉及大数据技术领域，尤其涉及一种基于时空的警情预测模型的建立方法、装置和存储介质。

背景技术

21世纪是属于城市的世纪，全球的城市化进程在不断推进。但与此同时，不断推进的城市化进程也给城市地区带来了巨大的经济和社会影响，并在城市管理问题上带来了若干个挑战。特别是，目前较大城市的犯罪率往往较高，犯罪率飙升正成为大城市地区最重要的社会问题之一。而与此同时，不断发展的信息技术使得公安部门能够获取越来越多的犯罪相关(警情)数据，如何设计一种有效便捷的方法，通过分析这些数据，挖掘犯罪数据背后的模式和趋势，以帮助警方更好地进行治安防控和预防犯罪，已成为一个非常值得研究的问题。

现有技术中，警情预测方法通过定义影响警情发生的因素，再根据决策树算法选出一个信息增益最大的因素作为主要因素，而后通过设置警情高发值为M，找出信息增益值ΗΜ的因素下的历史警情数据的高发区域和高发时段，获得的结果集即为预测的警情高发区域和高发时段。但该方法的缺陷在于需要启发式地定义影响警情的因素，且对区域和时段分开预测，没有考虑它们之间的相互影响，从而导致警情预测的准确性较低。

发明内容

本发明的主要目的在于提供一种基于时空的警情预测模型的建立方法、装置和存储介质，旨在解决警情预测的准确性较低的问题。

为实现上述目的，本发明提供的一种基于时空的警情预测模型的建立方法，所述基于时空的警情预测模型的建立方法包括以下步骤：

获取多个目标警情文本，并确定各个所述目标警情文本中警情对应的目标犯罪地点；

根据各个所述目标犯罪地点确定犯罪风险区域；

根据所述犯罪风险区域对应的各个警情、所述警情的犯罪类型以及所述警情的犯罪时间点，建立所述犯罪风险区域对应的警情预测模型。

在一实施例中，所述确定各个所述目标警情文本中警情对应的目标犯罪地点的步骤包括：

采用第一地点提取算法以及第二地点提取算法，分别在各个所述目标警情文本提取犯罪地点，以得到所述第一地点提取算法对应的第一集合以及所述第二地点提取算法对应的第二集合；

根据所述第一集合以及所述第二集合中的各个犯罪地点，确定各个所述目标犯罪地点。

在一实施例中，所述根据所述第一集合以及所述第二集合中的各个犯罪地点，确定各个所述目标犯罪地点的步骤包括：

对所述第一集合以及所述第二集合中的各个犯罪地点的名称进行规划化修正，以得到第一修正集合以及第二修正集合；

提取所述第一修正集合以及所述第二修正集合对应的并集，并将所述并集中的各个修正犯罪地点均确定为目标犯罪地点。

在一实施例中，所述第一地点提取算法为正则匹配算法，所述第二地点提取算法为命名实体识别算法。

在一实施例中，所述根据各个所述犯罪地点确定犯罪风险区域的步骤包括：

确定各个所述目标犯罪地点对应的经纬度；

根据各个经纬度对各个所述目标犯罪地点进行聚类以得到多个犯罪风险区域。

在一实施例中，所述根据各个经纬度对各个所述目标犯罪地点进行聚类以得到多个犯罪风险区域的步骤包括：