[发明专利]警情态势预测和预警方法及其系统

权利要求书

1.一种警情态势预测和预警方法，其特征在于，包括：

一、对预测时间段内的特定警情的数量进行预测，所述预测时间段由预设的预测起始日期以及预测天数构成：

(111)统计在所述预测起始日期之前发生的所述特定警情，得到所述特定警情的时序序列数据：发生所述特定警情的日期以及所述特定警情在该日期的发生数量；

(112)采用季节性自回归移动平均模型SARIMA，对所述时序序列数据进行统计分析，得到所述特定警情的趋势、分布，根据分析结果确定趋势参数以及季节性参数，所述趋势参数包括趋势自回归阶数p、趋势差分阶数d以及趋势移动平均阶数q，所述季节性参数包括季节性自回归阶数P、季节性差分阶数D、季节性移动平均阶数Q以及季节趋势参数s；

(113)根据所述趋势参数以及季节性参数构建所述特定警情的数量预测模型：SARIMA(p,d,q)x(P,D,Q,s)，通过所述特定警情的时序序列数据训练该数量预测模型使其拟合时序序列数据；

(114)将所述预测天数输入所述数量预测模型，得到所述预测时间段内预测结果；

二、对特定警情进行预警：

(121)在电子地图上将辖区划分为n*n米的网格区域，设定由小到大三个粒度的区域：网格、派出所辖区以及分局辖区，n为450-550米；

(122)在所述三个粒度上，构建每一个区域在历史每一天的时空特征：

122a、根据实名轨迹数据库以及前科人员数据库，构建当前区域内的活动特征，所述活动特征包括当天前n1/n2/n3/n4天在当前区域内的旅店内的总活动人数/男性人数/前科人员数以及前n1/n2/n3/n4天在当前区域内的网吧内的总活动人数/男性人数/前科人员数；

122b、根据警情数据库，构建当前区域内所述特定警情的警情特征，所述警情特征包括当天前n1/n2/n3/n4天在当前区域内的所述特定警情的警情数量；

122c、从所述在电子地图中获取当前区域内的兴趣点属性特征；

122d、根据一标三实数据库构建当前区域内的区域属性特征；

122e、从互联网获取天气数据构建当天当前区域内的天气特征；

(123)对每一个所述区域的历史每一天设置标签，判断包含当天的后N天的所述特定警情的数量是否大于当天的前N天的数量且不为0，则所述当天的标签为1，否则为0；

(124)根据警情数据库，统计所述特定警情在每一个网格的历史日平均警情数量，得到历史日平均警情数量高于90％的警情高发网格；

(125)在所述三个粒度上，通过每一个区域的所述时空特征以及对应的标签构建第一特征集以及标签集，并通过所述第一特征集以及标签集训练神经网络模型，取中间层的输出作为第二特征集，并保存中间层模型；

(126)在所述三个粒度上，通过所述第二特征集以及标签集训练提升树模型；

(127)根据步骤122a-步骤122e构建每一个警情高发网格在预警当前日期的时空特征，将该时空特征输入提升树模型，得到每一个警情高发网格在当前日期的后N天的所述特定警情的数量是否大于前N天的数量的概率，根据所述概率进行预警；

其中，所述预测天数为1-7，n1<n2<n3<n4，N为1-10。