[发明专利]一种旅客风险等级分类方法、装置、电子设备及存储介质

权利要求书

1.一种旅客风险等级分类方法，其特征在于，包括：

当提取任务线程被唤醒时，调用数据提取模块与源数据平台建立连接，提取待安检旅客的指标数据信息，所述指标数据信息为依据实际指标数据信息与旅客风险等级的相关性确定的，所述指标数据信息至少包括：所述待安检旅客的出生日期、性别、出行日期、年飞行次数、PNR旅客人数、舱位等级、行李数量和安检信息；

对所述待安检旅客的指标数据信息进行数据整合与处理，得到所述待安检旅客的指标数据信息对应的量化数值；

根据所述待安检旅客的指标数据信息对应的量化数值，利用PSO-BP神经网络模型确定所述待安检旅客的风险等级，所述PSO-BP神经网络模型用于划分旅客风险等级。

2.根据权利要求1所述的方法，其特征在于，还包括：

根据所述待安检旅客的风险等级，确定对所述待安检旅客的安检措施，以提高安检效率，并合理配置安检资源。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述待安检旅客的指标数据信息进行数据整合与处理，得到所述待安检旅客的指标数据信息对应的量化数值，具体为：

对所述待安检旅客的指标数据信息进行数据整合，得到整合后的指标数据；

对所述整合后的指标数据进行量化，得到所述待安检旅客的的指标数据信息对应的量化数值。

4.根据权利要求1所述的方法，其特征在于，所述PSO-BP神经网络模型的构建方法，包括：

构建初始PSO-BP神经网络模型；

获取训练数据样本集中的指标数据信息对所述初始PSO-BP神经网络模型进行训练及测试；

当测试结果满足预期目标时，则确定所述PSO-BP神经网络模型构建。

5.根据权利要求1所述的方法，其特征在于，所述初始PSO-BP神经网络模型的构建方法，包括：

构建BP神经网络模型，确定所述BP神经网络模型的输入层神经元个数、输出层神经元个数以及隐含层神经元个数；

初始化粒子群，对各参数进行设置，确定种群大小、最大迭代次数、粒子的初始位置、初始速度、惯性因子w的最大值和最小值、学习因子c1、学习因子c2、粒子位置随机初始化范围(a，b)以及粒子速度随机初始化范围(m，n)，并初始化每一个粒子的个体最优值pbest和全局最优值gbest；

确定适应度函数，将训练数据样本集中的指标数据信息作为输入，依据所述适应度函数计算每个粒子的适应度；

按照各粒子的适应度更新所述个体最优值pbest和所述全局最优值gbest，并更新粒子速度和粒子位置，优化所述粒子群；

确定个体最优值pbest和全局最优值gbest；

根据预设计算公式计算误差值，确定所述误差值是否达到误差目标值或是否达到最大迭代次数；

若是，则确定所述初始PSO-BP神经网络模型。

6.一种旅客风险等级分类装置，其特征在于，包括：

第一处理单元，用于当提取任务线程被唤醒时，调用数据提取模块与源数据平台建立连接，提取待安检旅客的指标数据信息，所述指标数据信息为依据实际指标数据信息与旅客风险等级的相关性确定的，所述指标数据信息至少包括：所述待安检旅客的出生日期、性别、出行日期、年飞行次数、PNR旅客人数、舱位等级、行李数量和安检信息；

第二处理单元，用于对所述待安检旅客的指标数据信息进行数据整合与处理，得到所述待安检旅客的指标数据信息对应的量化数值；

第三处理单元，用于根据所述待安检旅客的指标数据信息对应的量化数值，利用PSO-BP神经网络模型确定所述待安检旅客的风险等级，所述PSO-BP神经网络模型用于划分旅客风险等级。

7.根据权利要求6所述的装置，其特征在于，还包括：

第四处理单元，用于根据所述待安检旅客的风险等级，确定对所述待安检旅客的安检措施，以提高安检效率，并合理配置安检资源。