[发明专利]一种基于大数据的城市社区安全预测方法

说明书

本发明公开了一种基于大数据的城市社区安全预测方法，涉及大数据中的城市计算和数据融合领域，技术方案为，包括挖掘城市数据集之间的潜在关系和融合它们去动态地预测城市生活的相关方面，将各个因素的影响通过相应的神经网络输出其向量表示，并通过连接层进行连接、输入多层感知机，分析这些不同源的影响对城市社区安全的综合评价，计算出城市社区安全的预测结果。本发明的有益效果是：本发明基于大数据的城市社区安全预测方法利用了静态统计信息、时间序列信息和神经网络融合的思想，挖掘出各类数据之间存在的潜在联系，并分析这些联系的共性进行城市社区安全的预测。

技术领域

本发明涉及大数据中的城市计算和数据融合领域，特别涉及一种基于大数据的城市社区安全预测方法。

背景技术

随着城市化的快速发展，城市面临越来越多的挑战，如环境恶化、交通拥堵和环境安全等。由于安全和日常生活相关，人们非常关心自己所居住环境的安全问题。环境安全和很多因素有关，且与各个因素之间存在潜在的关系。

目前，安全预测已经成为机器学习和深度学习热门的研究课题之一。在现有的研究当中，更多是针对人口统计数据经过机器学习预测城市安全和犯罪数据通过循环神经网络进行下一时刻犯罪的预测。但对于实际情况下的城市社区安全研究，现有的研究方法很难满足预测准确性的需求。

在大数据时代，人们可以收集来自传感器、企业平台和政府机构公开的城市数据集，例如城市异常数据、人类活动数据、兴趣点数据和犯罪数据。通过数据处理和数据挖掘，找出这些数据集如何动态地反映城市的生活规律和数据集之间存在怎样的潜在联系去影响城市社区安全。然而，如何融合这些数据集去预测城市社区安全，已经成为一项亟待解决的关键技术问题。

发明内容

本发明针对如何融合多源数据集去预测城市社区安全的问题，提供了一种基于大数据的城市社区安全预测方法，该方法充分利用城市产生的各类数据，探究各类数据之间存在的潜在联系，并利用潜在的联系去准确预测城市社区所在区域的环境安全。

针对上述技术问题，本发明提供一种基于大数据的城市社区安全预测方法，其技术方案为：挖掘城市数据集之间的潜在关系，融合所述潜在关系去预测城市动态生活的相关方面，包括周边功能区域的影响、犯罪事件的影响和相关因素的影响；

将上述周边功能区域、犯罪事件和相关因素的影响通过每个部分相应的神经网络输出相应影响的概率向量，将这些概率向量通过连接层进行连接，并输入多层感知机，分析这些不同源的影响对城市社区安全的综合评价，在多层感知机的最后，加入一个激活函数来激活此层，此方法选用sigmoid激活函数进行激活，计算出城市社区安全的预测结果，使输出的预测结果在0～1之间，方便对后期安全等级划分的工作。

本方法具体步骤为：

S1、根据城市的主干道和人们的动态生活规律，对需要预测的城市进行栅格化处理，将城市划分为若干个栅格，并对城市的每个栅格进行区域编号。

S2、在划分的栅格里，把城市社区所在的栅格标记为预测目标区域，并对收集到的数据进行预处理，处理成实验所需要的数据类型格式，其中城市异常数据记录异常发生的时间、地点和异常类型，人类活动数据包括城市出租车和共享单车的GPS轨迹，兴趣点数据记录城市在每个区域里不同兴趣点的统计个数，犯罪数据记录不同区域不同类型犯罪统计的次数；将预处理后的数据分别映射到对应的栅格中。