[发明专利]一种基于时空多维因素预测警情的方法和系统

权利要求书

1.一种基于时空多维因素预测警情的方法，其特征在于，该方法包括：

步骤一、对历史警情特征大数据进行预处理，生成基于空间和时间的“视频”结构图像；

步骤二、对步骤一生成的“视频”结构图像进行基于时空多维因素的警情预测，得到预测结果。

2.根据权利要求1所述的一种基于时空多维因素预测警情的方法，其特征在于，所述步骤一具体包括：

步骤1.1获取警情相关历史数据，并从历史数据中提取最近N年的警情特征数据，所述警情特征数据包括案情数、警力数、天气指标、人口数、重点关注人员数、时间特征；

步骤1.2将所述N年的警情特征数据进行特征时序化和特征空间化处理，得到基于空间和时间的特征图像；

步骤1.2对所述特征图像进行标准化处理生成基于空间和时间的“视频”结构图像。

3.根据权利要求2所述的一种基于时空多维因素预测警情的方法，其特征在于，所述步骤1.2中，特征时序化处理具体为：将N年的警情特征数据按照预测时间间隔统计各个时段的警情特征，生成多个特征的时间序列；特征空间化处理具体为：根据警情区域的地理位置特征，将多个地区的警情特征映射到W*H的图像上，每个像素的位置代表一个管辖区，像素值大小表示该特征的值。

4.根据权利要求1-3任一项所述的一种基于时空多维因素预测警情的方法，其特征在于，所述步骤二具体包括：

步骤2.1采用三维卷积神经网络对所述“视频”结构图像在时空上进行特征提取，能够同时提取出空间和短期时间的关系特征图；

步骤2.2对单位卷积神经网络输出的特征图进行序列化操作，变成LSTM网络能够处理的数据格式，输入到LSTM网络中分析长期时间的时序特征；

步骤2.3对LSTM网络输出的特征图进行反标准化处理，得到整个警情区域案情发生的区域分布图。

5.根据权利要求4所述的一种基于时空多维因素预测警情的方法，其特征在于，所述步骤2.1中采用的三维卷积神经网络结构包括三个依次连接的卷积层，即卷积层处理后的图像直接输入到下一个卷积层，不做降采样的处理；其中，前两个卷积层的核函数采用3*3*3，最后一个卷积层的核函数采用1*1*1。

6.一种基于时空多维因素预测警情的系统，其特征在于，该系统包括：

预处理模块，用于对历史警情特征大数据进行预处理，生成基于空间和时间的“视频”结构图像；

警情预测模块，对所述预处理模块生成的“视频”结构图像进行基于时空多维因素的警情预测，得到预测结果。

7.根据权利要求6所述的一种基于时空多维因素预测警情的系统，其特征在于，所述预处理模块还包括：

警情特征提取模块，用于获取警情相关历史数据，并从历史数据中提取并输出最近N年的警情特征数据，所述警情特征数据包括案情数、警力数、天气指标、人口数、重点关注人员数、时间特征；

时空处理模块，接收警情特征提取模块输出的N年的警情特征数据，并对其进行特征时序化和特征空间化处理，得到并输出基于空间和时间的特征图像；

标准化处理模块，接收时空处理模块输出的特征图像并进行标准化处理生成基于空间和时间的“视频”结构图像。

8.根据权利要求7所述的一种基于时空多维因素预测警情的系统，其特征在于，所述特征时序化处理具体为：将N年的警情特征数据按照预测时间间隔统计各个时段的警情特征，生成多个特征的时间序列；所述特征空间化处理具体为：根据警情区域的地理位置特征，将多个地区的警情特征映射到W*H的图像上，每个像素的位置代表一个管辖区，像素值大小表示该特征的值。