[发明专利]一种基于多元数据的警力配置算法

摘要

本发明公开了一种基于多元数据的警力配置算法，步骤为：收集多元数据如：手机信令收据、天气情况数据、出租车浮动数据、施工数据等；将收集的数据记录方便使用；将收集的出租车浮动数据运用K‑means，提取出不同的区域；将各个区域内的其他多元数据进行重构，手机信令数据、天气情况数据、施工数据都组为矩阵形式；将各个区域内重构的数据进行两次卷积的操作提取出不同特征的特征图；将特征图进行组合，组合乘全局特征图作为输入将全局特征图作为输入，放进CNN模型中进行预测；得出该区域的警力配置预测，并将所有区域警力配置预测出。相比于一般数学模型，对多元数据的组合来提高预测精度；运用距离最短的K‑means算法可以很好的适用与警力配置问题。

主权项

1.一种基于多元数据的警力配置算法，其特征在于：其步骤为：(1)采集出租车浮动数据、天气数据、施工数据、手机信令数据、各类事故发生概率等数据；(2)对出租车浮动数据经行K‑means聚类方法，以此作为不同的警力配置区域ε₁,ε₂,ε₃,……,ε_i；(3)将天气数据数字化，：晴天：1；阴天：2；雨天：3；……；(4)记录不同区域ε₁,ε₂,ε₃,………,ε_i的各个出租车浮动点的天气数据、施工数据、手机信令数据、各类事故发生概率，并记录各区域数据点数δ₁,δ₂,δ₃,……,δ_i；(5)将各个区域天气数据、施工数据、手机信令数据、各类事故发生概率都重构为n*m形式(n*m大小为该区域数据点数δ)，记此时天气数据为t、施工数据s、手机信令数据m、各类事故发生概率p；(6)对各个区域t，s，m，p都进行两次卷积得到特征图t_feature，s_feature，m_feature，p_feature；(7)将得到的特征图重新组合为全局特征图all_feature，以此图作为输入信号运用CNN模型进行数据的预测，得到该区域的警力配置预测；(8)将所有区域都运用如上方式，得到所有区域的警力配置预测。