[发明专利]一种基于深度学习的安保巡检预测方法

说明书

一种基于深度学习的安保巡检预测方法，涉及安保巡检领域，主要包括获取巡检区域的地图信息，并将其存储在数据库中，用于明确安保的范围；在巡检区域上设置多个巡检点，每个巡检点附近设有对应的人流量监测点，将巡检点和人流量监测点关联对应起来；通过训练好的LSTM人流量模型获得各个巡检点单位时间内预测的人流量；根据各个巡检点单位时间内预测的人流量确定各个巡检点单位时间内的安保人员数；其有益效果为科学合理的安排安保力量，为区域内人们提供安全的环境和优质的安保服务。

技术领域

本发明涉及安保巡检领域，具体为一种基于深度学习的安保巡检预测方法。

背景技术

在小区或办公科技园内，为了应对突发事件，需要在各个巡逻点安排固定安保人员，但经常由于在某一区域内周期性的区域人员流动，造成安保人手暂时性的短缺，为此，各园区需要合理提前安排人员，以免出现服务不到位的情况。我国国内有多个机构或公司对此进行了研究，例如：公开号为CN111507574A，发明名称为：安保人员部署方法、装置、计算机设备和存储介质，其采用的技术方案为：获取对当前会展场地所采集的监测数据；会展场地包括多个会展区域；基于所述监测数据，获取在派遣页面上通过绘制操作产生的安保派遣指令；安保派遣指令包括需要增派安保人员的会展区域的区域标识以及待派遣安保人员的人员标识；根据安保派遣指令，确定待派遣的安保人员所对应的通信标识；基于通信标识将所述安保派遣指令下发至对应终端，以使与人员标识相对应的安保人员能够到达与区域标识相对应的会展区域。认为通过该种方式能够提升安保人员部署效率。

还有公开号为CN116016869A，一种基于人工智能以及物联网的校园安全监测系统，其包括终端设备、校园登记模块、采集处理模块、特征匹配模块、对比分析模块、云服务器、行为预测模块、告警反馈模块以及连接优化模块；本发明有效地提高了进出校人员行为监测准确性。

然而，在安保管理方面，虽然能收集部分大数据，对人流量进行分析，但如果数据采集不准确或统计方法不可靠，就会导致结果的偏差，从而影响安保人员布署出现不合理的情况，并且，如何充分合理的利用人员流量，节约管理成本也是迫在眉睫待解决的问题。

发明内容

本申请的目的在于提供一种基于深度学习的安保巡检预测方法，其主要通过深度学习模型对历史数据进行学习，能够更加准确地预测未来的人流量变化，从而更好地调整巡检点的安保人员数量，提高安保巡检效率，合理规划区域内人员设置的问题。

为了达到上述目的，本发明采用以下技术方案：

一种基于深度学习的安保巡检预测方法，其特征在于，所述方法的步骤如下：

S101,获取巡检区域的地图信息，并将其存储在数据库中，用于明确安保的范围；

S102,在巡检区域上设置多个巡检点，每个巡检点附近设有对应的人流量监测点，将巡检点和人流量监测点关联对应起来；

S103,通过训练好的LSTM人流量模型获得各个巡检点单位时间内预测的人流量；

S104,根据各个巡检点单位时间内预测的人流量确定各个巡检点单位时间内的安保人员数，各个巡检点单位时间内预测的人流量与各个巡检点单位时间内的安保人员数的关系如下公式：

；

其中，是第j个安保巡检点的单位时间内的安保人员数，的结果采用四舍五入取整，是第j个安保巡检点的单位时间内预测的人流量，是总的安保人员数，是单位时间内所有安保巡检点预测总的人流量，n是为在巡检区域内设置的安保巡检点的数量，1≤j≤n，j和n为自然数。

进一步，所述LSTM人流量模型的训练生成方法如下：

S201，数据收集，将区域内各人流量监测点内各单位时间内的人流量、时间特征数据和气候数据进行收集，并存入到数据库中；

S202，数据清洗和数据预处理，对空值、异常值和缺失值采用直接删除法对数据进行清洗；