[发明专利]警情发生区域的智能预警模型建立方法、装置及存储介质

权利要求书

1.一种警情发生区域的智能预警模型建立方法，其特征在于，所述方法包括：

根据预设时间段，从数据库中获取用户以及其所在的位置信息，并基于用户及其对应的位置信息获取人流量信息；

确定需要进行警情预警的目标区域；

获取所述目标区域的历史警情数据；

采用所述历史警情数据和所述人流量信息对长短期记忆模型进行训练，获得目标函数，其中，所述目标函数用于根据待预测区域所对应的预测信息进行警情发生概率的计算，所述待预测信息包括：需要预测的时间、预测时间内的人流量均值以及预测时间内的影响因素。

2.如权利要求1所述的警情发生区域的智能预警模型建立方法，其特征在于，所述采用所述历史警情数据和所述人流量信息对长短期记忆模型进行训练，获得目标函数的步骤，包括：

长短期记忆模型的隐藏层单元均采用长短时记忆单元，其中，每个长短时记忆单元包括：

输入门，用于通过其状态值，控制是否将新的警情信息加入到当前隐藏层节点；

遗忘门，用于通过其状态值，控制是否保留当前隐藏层节点的历史有效警情数据；

输出门，用于通过其状态值，控制是否将当前节点输出值输出给下一个隐藏层或者输出层；

单元激活向量，用于下一时间步长获得一个权值并连接到自身，拷贝自身状态的真实值和累积的外部信号。

3.如权利要求2所述的警情发生区域的智能预警模型建立方法，其特征在于，所述输入门的函数i_t具体表达为：

i_t＝σ(w_xix_t+w_hih_t-1+w_cic_t-1+b_i)

其中，σ为逻辑sigmoid函数，W_xi为输入特征向量与输入门之间的权重矩阵，W_hi为隐藏层单元与输入门之间的权重矩阵，W_ci为单元激活向量与输入门之间的权重矩阵，b_i为输入门的偏差值，x_t为输入参数，表示在采样时刻t内的警情发生数量；

所述遗忘门的函数f_t具体表达为：

f_t＝σ(w_xfx_t+w_hfh_t-1+w_cfc_t-1+b_f)

其中，σ为逻辑sigmoid函数，W_xf为输入特征向量与遗忘门之间的权重矩阵、W_hf为隐藏层单元与遗忘门之间的权重矩阵，W_cf为单元激活向量与遗忘门之间的权重矩阵，b_f代表遗忘门的偏差值，t表示采样时刻；

所述输出门的函数o_t具体表达为：

o_t＝σ(w_xox_t+w_hoh_t-1+w_coc_t-1+b_o)

其中，σ为逻辑sigmoid函数，W_xo为输入特征向量与输出门之间的权重矩阵、W_ho为隐藏层单元与输出门之间的权重矩阵，W_co为单元激活向量与输出门之间的权重矩阵，b_o为单元激活向量的偏差值，t，表示采样时刻；

所述单元激活向量的函数c_t具体表达为：

c_t＝f_tc_t-1+i_ttanh(w_xcx_t+w_hch_t-1+b_c)

其中，f_t为遗忘门函数，W_xc为输入特征向量与单元激活向量之间的权重矩阵，W_hc为隐藏层单元与单元激活向量之间的权重矩阵，b_c为输出门的偏差值；

所述隐藏层的函数h_t具体表达为：

h_t＝o_ttanh(c_t)

其中，tanh为激活函数。