[发明专利]一种基于风险预测的优化警力配置的方法

权利要求书

1.一种基于风险预测的优化警力配置的方法，其特征在于，包括以下步骤：

对社区犯罪数据集进行预处理：将社区犯罪数据集中的数据格式整理为符合社区风险预测模型输入的数据条；每条数据包括时间节点，社区名，犯罪类型，每种犯罪类型的发生次数；所述社区风险预测模型采用深度学习模型搭建；其中，一个时间节点为24h；

将预处理后的社区犯罪数据集中的数据输入至社区风险预测模型中，输出每个社区历史的每种犯罪类型的预测值，其中，所述预测值为每种犯罪类型每个时间节点的发生数；

计算所述预测值和除所述预测值以外影响社区风险情况指标的权重，通过所述权重计算得到所有社区的预测风险情况排名，其中，除所述预测值以外影响社区风险情况的指标包括社区居民是否有前科、社区收入水平、受教育程度、流动人口数、社区物业水平；

按照所述所有社区的预测风险情况排名分配警务资源：对风险较高的社区集中优势警力资源。

2.如权利要求1所述的一种基于风险预测的优化警力配置的方法，其特征在于，所述社区风险预测模型的损失函数为均方误差损失函数，所述社区风险预测模型的优化器为Adam优化器。

3.如权利要求1所述的一种基于风险预测的优化警力配置的方法，其特征在于，所述深度学习模型为LSTM模型。

4.如权利要求1所述的一种基于风险预测的优化警力配置的方法，其特征在于，计算所述权重的方法还包括：将所述预测值和除所述预测值以外影响社区风险情况指标结合公共安全专业人士的先验知识后计算各项指标的权重，所述公共安全专业人士的先验知识为公共安全专业人士对影响社区风险情况指标的重要度判定。

5.如权利要求1所述一种基于风险预测的优化警力配置的方法，其特征在于，

通过所述权重计算得到所有社区的预测风险情况排名的计算方法为层次分析法。

6.如权利要求1所述一种基于风险预测的优化警力配置的方法，其特征在于，所述社区社区犯罪数据集通过公安部门、法院裁判文书获取。