[发明专利]警情态势预测和预警方法及其系统

说明书

一种警情态势预测和预警方法，包括：一、对预测时间段内的特定警情的数量进行预测；二、对特定警情进行预警。本发明采用一切可用数据，包括实名轨迹数据、一标三实数据、警情数据、前科数据，互联网爬取的数据，如天气、区域建筑(商业)信息等，手动标注数据，如城中村数据等，并且采用多个模型进行预测和预警，同时，针对不同的警情训练独立的预测模型以及预警模型，此外，在预警时除却基本的分局和派出所辖区维度，再将空间划分为网格，进行更细粒度预警，基于现有数据，分别从时间和空间维度构造上百个可用特征，充分描述区域的空间固定属性和时间相关属性，使得预测和预警的结果更加精确和客观。

技术领域

本发明属于警情态势分析技术领域，尤其涉及一种警情态势预测和预警方法及其系统。

背景技术

目前的警情态势预测和预警是基于历史警情进行时间和空间维度的统计分析，其中时间维度会考虑同环比，空间维度会考虑分局和派出所辖区，目前的方法只考虑了历史因素，根据历史统计信息来人为地推测未来的警情态势，受研判人员主观影响较大，无法充分利用其它现有数据，并结合空间和当前时间因素进行客观的未来预判。

发明内容

基于此，针对上述技术问题，提供一种警情态势预测和预警方法及其系统。

为解决上述技术问题，本发明采用如下技术方案：

一种警情态势预测和预警方法，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；