CN110457653A - 一种警情热点区域的确定方法及装置 - Google Patents
一种警情热点区域的确定方法及装置 Download PDFInfo
- Publication number
- CN110457653A CN110457653A CN201910695568.2A CN201910695568A CN110457653A CN 110457653 A CN110457653 A CN 110457653A CN 201910695568 A CN201910695568 A CN 201910695568A CN 110457653 A CN110457653 A CN 110457653A
- Authority
- CN
- China
- Prior art keywords
- grid
- road
- alert
- traffic
- network model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 32
- 238000013507 mapping Methods 0.000 claims description 7
- 230000002045 lasting effect Effects 0.000 claims 1
- 230000015654 memory Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种警情热点区域的确定方法及装置,该方法包括获取选定的交通区域,根据交通区域的道路集合,确定交通区域在直角坐标系中的道路网络模型,统计道路网络模型中每个网格在预设周期内的交通问题的个数,根据每个网格在预设周期内的交通问题的个数,确定密度阈值,根据密度阈值以及每个网格在预设周期内的交通问题的个数,从道路网络模型中确定出警情热点区域。通过将地图上的道路映射到直角坐标系中的道路网络模型上,再依据各个网格中的交通问题的数量来确定出警情热点区域,从而为高效的制定警务部署方案提供有力的数据支撑,提高了效率。
Description
技术领域
本发明实施例涉及交通技术领域,尤其涉及一种警情热点区域的确定方法及装置。
背景技术
交警警察勤务管理者进行勤务部署时,一般是由各级勤务管理者根据经验完成部署,岗位部署的位置、时间、人数等全凭个人感觉,并且实际中多数都会遇到警力总是不够用的窘境,所以最终形成的勤务部署方案几乎终年不会改变,因为无法准确评估现有的勤务部署是否科学高效,是否还有更好的在现有有限警力的基础上更高效的利用现有警力资源的勤务部署方案,以上这些都无从得知。
随着各个城市的交通压力越来越大,面临的交通问题也越来越复杂多变,现有传统勤务部署模式显然已经越来越难以应对目前的交通管理勤务需求,而且交通管理对象的多样化,带来了岗位类型和执勤模式的多样化,给勤务部署工作带来了更大的难度和复杂度,急需一种从整体上入手的科学分析手段,找出在现有有限警力的基础上最高效的勤务部署方案。
发明内容
本发明实施例提供一种警情热点区域的确定方法及装置,准确的确定出警情热点区域,从而为制定警务部署方案提供有利的数据保障。
本发明实施例提供的一种警情热点区域的确定方法,包括:
获取选定的交通区域;
根据所述交通区域的道路集合,确定所述交通区域在直角坐标系中的道路网络模型;
统计所述道路网络模型中每个网格在预设周期内的交通问题的个数,根据所述每个网格在预设周期内的交通问题的个数,确定密度阈值;
根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,从所述道路网络模型中确定出所述警情热点区域。
上述技术方案中,通过将地图上的道路映射到直角坐标系中的道路网络模型上,再依据各个网格中的交通问题的数量来确定出警情热点区域,从而为高效的制定警务部署方案提供有力的数据支撑,提高了效率。
可选的,所述根据所述交通区域的道路集合,确定所述交通区域在直角坐标系中的道路网络模型,包括:
针对所述交通区域的道路集合中的每条道路,确定与所述每条道路相交的道路集合;
根据所述与所述每条道路相交的道路集合以及每条道路与其他道路相交的方式,按照预设映射比例,将地图中的所述每条道路映射到所述直接坐标系中的预设单位的网格中,作为所述直角坐标系中的道路网络模型。
可选的,所述根据所述每个网格在预设周期内的交通问题的个数,确定密度阈值,包括:
将所述每个网格在预设周期内的交通问题的个数中最大的个数,确定为预设阈值的数量;
根据每个所述预设阈值以及所述每个网格在预设周期内的交通问题的个数,确定出每个所述预设阈值对应的所述道路网络模型中噪声网格的个数;
依据每个所述预设阈值和每个所述预设阈值对应的所述道路网络模型中噪声网格的个数,确定出噪声曲线;
将所述噪声曲线的最大值确定为所述密度阈值;
其中,所述噪声网络为稀疏网格且与稠密网格不相邻;所述稀疏网格为交通问题的个数小于预设阈值的网格,稠密网格为交通问题的个数不小于预设阈值的网格。
可选的,所述各根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,从所述道路网络模型中确定出所述警情热点区域,包括:
根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,确定出所述道路网络模型中的稀疏网格和稠密网格;
将稠密网格进行拼接,确定出所述警情热点区域。
可选的,在所述确定出所述警情热点区域之后,还包括:
根据所述警情热点区域中每个警力每个小时处理警情的数量、每个警情发生的持续时长组成的时段和交通问题的个数,为所述警情热点区域进行岗位部署。
第二方面,本发明实施例提供一种警情热点区域的确定装置,包括:
获取单元,用于获取选定的交通区域;
处理单元,用于根据所述交通区域的道路集合,确定所述交通区域在直角坐标系中的道路网络模型;统计所述道路网络模型中每个网格在预设周期内的交通问题的个数,根据所述每个网格在预设周期内的交通问题的个数,确定密度阈值;根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,从所述道路网络模型中确定出所述警情热点区域。
可选的,所述处理单元具体用于:
针对所述交通区域的道路集合中的每条道路,确定与所述每条道路相交的道路集合;
根据所述与所述每条道路相交的道路集合以及每条道路与其他道路相交的方式,按照预设映射比例,将地图中的所述每条道路映射到所述直接坐标系中的预设单位的网格中,作为所述直角坐标系中的道路网络模型。
可选的,所述处理单元具体用于:
将所述每个网格在预设周期内的交通问题的个数中最大的个数,确定为预设阈值的数量;
根据每个所述预设阈值以及所述每个网格在预设周期内的交通问题的个数,确定出每个所述预设阈值对应的所述道路网络模型中噪声网格的个数;
依据每个所述预设阈值和每个所述预设阈值对应的所述道路网络模型中噪声网格的个数,确定出噪声曲线;
将所述噪声曲线的最大值确定为所述密度阈值;
其中,所述噪声网络为稀疏网格且与稠密网格不相邻;所述稀疏网格为交通问题的个数小于预设阈值的网格,稠密网格为交通问题的个数不小于预设阈值的网格。
可选的,所述处理单元具体用于:
根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,确定出所述道路网络模型中的稀疏网格和稠密网格;
将稠密网格进行拼接,确定出所述警情热点区域。
可选的,所述处理单元具体用于:
在所述确定出所述警情热点区域之后,根据所述警情热点区域中每个警力每个小时处理警情的数量、每个警情发生的持续时长组成的时段和交通问题的个数,为所述警情热点区域进行岗位部署。
第三方面,本发明实施例还提供一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述警情热点区域的确定方法。
第四方面,本发明实施例还提供一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述警情热点区域的确定方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种***架构的示意图;
图2为本发明实施例提供的一种警情热点区域的确定方法的流程示意图;
图3为本发明实施例提供的一种道路交叉的示意图;
图4为本发明实施例提供的一种道路交叉的示意图;
图5为本发明实施例提供的一种道路交叉的示意图;
图6为本发明实施例提供的一种道路交叉的示意图;
图7为本发明实施例提供的一种地图上道路的示意图;
图8为本发明实施例提供的一种道路网络模型的示意图;
图9为本发明实施例提供的一种噪声曲线的示意图;
图10为本发明实施例提供的一种警情热点区域的确定装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示例性的示出了本发明实施例所适用的一种***架构,该***架构可以为服务器100,包括处理器110、通信接口120和存储器130。
其中,通信接口120用于与终端设备进行通信,收发该终端设备传输的信息,实现通信。
处理器110是服务器100的控制中心,利用各种接口和路线连接整个服务器100的各个部分,通过运行或执行存储在存储器130内的软件程序/或模块,以及调用存储在存储器130内的数据,执行服务器100的各种功能和处理数据。可选地,处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块,处理器110通过运行存储在存储器130的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据业务处理所创建的数据等。此外,存储器130可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是,上述图1所示的结构仅是一种示例,本发明实施例对此不做限定。
基于上述描述,图2示例性的示出了本发明实施例提供的一种警情热点区域的确定方法的流程,该流程可以由警情热点区域的确定装置执行,该装置可以位于如图1所示服务器100内,也可以是该服务器100。
如图2所示,该流程具体包括:
步骤201,获取选定的交通区域。
本发明实施例该选定的交通区域为工作人员通过终端设备选定的地图上的某一行政区域,其为待分析的区域,也就是待确定警情热点区域的交通区域。可以由工作人员自行选择,也可以是按照预设规则选择的交通区域。本发明实施例对此不作限定。
步骤202,根据所述交通区域的道路集合,确定所述交通区域在直角坐标系中的道路网络模型。
具体的,可以针对交通区域的道路集合中的每条道路,确定与所述每条道路相交的道路集合,然后根据所述与所述每条道路相交的道路集合以及每条道路与其他道路相交的方式,按照预设映射比例,将地图中的所述每条道路映射到所述直接坐标系中的预设单位的网格中,作为所述直角坐标系中的道路网络模型。
举例来说,假设地图中所有道路的集合为R={R1,R2,R3,…},其中道路Ri,i=1,2,…,n表示地图中某条道路。例如与道路Ri相交的道路集合可以表示为:
Ri={Ri1,Ri2,…,Rim|Ri1,Ri2,…,Rim∈R}。
本发明实施例中的道路网络模型为道路地图投影在平面直角坐标系中的道路网络模型。在XY坐标系中,道路之间的连接关系定义如下:
假设每一条道路Ri可以由垂直于X轴的线段Rix表示(即与Y轴平行),或者由垂直于Y轴的线段Riy表示(即与X轴平行),形式如下:
1)、垂直于X轴的线段Rix两端点的坐标分别为:(Xi1,Yi1)和(Xi1,Yi2),并且Yi1≠Yi2。
2)、垂直于Y轴的线段Riy两端点的坐标分别为:(Xi1,Yi1)和(Xi2,Yi1),并且Xi1≠Xi2。
其中,(Xi1,Yi1)表示一条道路的起点,(Xi1,Yi2)和(Xi2,Yi1)表示为某一条道路的终点。
确定出上述各道路的坐标后,就可以在平面直角坐标系中建立由每条道路Ri组成的道路网络模型,其需要依据的每条道路与其他道路相交的方式如下:
如图3所示,当且仅当两条不同的道路Ri和Rj相交于一点时,假设道路Ri表示为垂直于X轴的线段Rix,则道路Rj表示为与线段Rix相交且垂直于Y轴的线段Riy,反之亦然。
如图4所示,当且仅当三条不同的道路Ri,Rj,Rk相交于一点时,假设道路Ri表示为垂直于X轴的线段Rix,则道路Rj和Rk应当表示为与线段Rix相交于一点且垂直于Y轴的线段Rjy和Rky,反之亦然。
如图5所示,当且仅当三条不同的道路Ri,Rj,Rk相交于三点时,假设道路Ri表示为垂直于Y轴的线段Rix,则道路Rj表示为与线段Rix相交且垂直于X轴的线段Rjy,而道路Rk应当表示为与线段Rix相交于一点且垂直于X轴的线段Rkx和与线段Rjy相交于一点且垂直于Y轴的线段Rky,反之亦然。
如图6所示,当且仅当四条不同的道路Ri,Rj,Rk,Rl相交于一点时,假设道路Ri表示为垂直于X轴的线段Rix,则与道路Ri相邻的两条道路Rj和Rk应当表示为与线段Rix相交于一点且垂直于Y轴的线段Rjy和Rky,与道路Ri不相邻的道路Rl应当表示为与线段Rix相交于一点且垂直于X轴的线段Rlx,反之亦然。
此外,当且仅当n(n>4)条道路Rm1,Rm2,…,Rmn相交于一点时,假设道路Rm1表示为垂直于X轴的线段Rm1x,则与道路Rm1相邻的两条道路Rm2和Rm3应当表示为与线段Rm1x相交于一点且垂直于Y轴的线段Rm2y和Rm3y,与道路Rm1不相邻的任意一条道路Rmi应当表示为与线段Rm1x相交于一点且垂直于X轴的线段Rmix。而其他道路Rmj应当表示为与已知相邻线段垂直的线段。
依据上述方式,在进行道路映射时,首先设定单位长度映射比例a:b(道路实际长度为100米,在直角坐标系中长度为1厘米);其次依据单位长度画出网格;最后将地图上道路映射至直角坐标系的网格中。其中,图7为地图中选定区域的部分道路,图8为映射到直角坐标系中的网格中的道路网络模型。
步骤203,统计所述道路网络模型中每个网格在预设周期内的交通问题的个数,根据所述每个网格在预设周期内的交通问题的个数,确定密度阈值。
在得到道路网络模型之后,就可以统计每个网格在预设周期内的交通问题的个数,该预设周期可以依据经验设置,比如可以为早晚高峰、平峰、天、周、月等。交通问题可以分为警情、事故、违法等问题。统计道路网络模型中以XiYj为右上顶点的网格在选定周期内警情、事故、违法个数
为了得到合理的密度阈值,可以先将所述每个网格在预设周期内的交通问题的个数中最大的个数,确定为预设阈值的数量,然后根据每个所述预设阈值以及所述每个网格在预设周期内的交通问题的个数,确定出每个所述预设阈值对应的所述道路网络模型中噪声网格的个数,再依据每个所述预设阈值和每个所述预设阈值对应的所述道路网络模型中噪声网格的个数,确定出噪声曲线,即可将噪声曲线的最大值确定为所述密度阈值。其中,噪声网络为稀疏网格且与稠密网格不相邻;所述稀疏网格为交通问题的个数小于预设阈值的网格,稠密网格为交通问题的个数不小于预设阈值的网格。
具体的,为了得到合理的密度阈值Minpts,首先统计出道路网络模型中每个网格中警情等交通问题的个数然后分别统计出当预设密度阈值Minpts=0,1,2,…,n时,其中该道路网络模型中噪声对象的个数。
噪声对象满足以下两个条件:
1)、噪声对象所在的网格为稀疏网格;
2)、噪声对象所在的网格不与稠密的网格相邻。
当且仅当满足以上两个条件的数据对象称为噪声对象。在不同的预设密度阈值下,将获得不同数量的噪声数据。以预设密度阈值为横坐标,噪声对象个数noise为纵坐标,画出噪声曲线,如图9所示,取噪声曲线的最大值为密度阈值Minpts。
从图9可以看出,曲线在[0,7]内比较平缓,所对应的噪声对象个数noise也相对较小。当Minpts的取值从7增长到8时,曲线发生了急剧变化。故密度阈值取值为7比较合理。
步骤204,根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,从所述道路网络模型中确定出所述警情热点区域。
得到密度阈值之后,就可以根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,确定出所述道路网络模型中的稀疏网格和稠密网格,将稠密网格进行拼接,确定出所述警情热点区域。
进一步的,还可以根据所述警情热点区域中每个警力每个小时处理警情的数量、每个警情发生的持续时长组成的时段和交通问题的个数,为所述警情热点区域进行岗位部署。
其中,岗位部署与警情匹配的原理是依据警情热点区域通过计算已有岗位控制的区域覆盖问题区域的程度结合所覆盖区域警力的处理能力的满足程度。
具体的,可以依据下述公式(1)来确定警情热点区域中岗位匹配度,从而进行合理的岗位部署。
需要说明的是,单警处理能力为每个警力每小时处理警情数量。警情热点区域时段为每个警情发生的持续时长组成的时段(时间粒度:分钟)。实际所需警力=警情数量/单警处理能力(单位:警力/小时)。
上述实施例表明,获取选定的交通区域,根据交通区域的道路集合,确定交通区域在直角坐标系中的道路网络模型,统计道路网络模型中每个网格在预设周期内的交通问题的个数,根据每个网格在预设周期内的交通问题的个数,确定密度阈值,根据密度阈值以及每个网格在预设周期内的交通问题的个数,从道路网络模型中确定出警情热点区域。通过将地图上的道路映射到直角坐标系中的道路网络模型上,再依据各个网格中的交通问题的数量来确定出警情热点区域,从而为高效的制定警务部署方案提供有力的数据支撑,提高了效率。
本发明实施例通过对大量历史警情、事故或违法数据进行数据挖掘与统计分析,得到城市警情较集中出现的区域,一方面有助于交通管理者从全局角度对道路网络上的警情情况有一个整体的认识;另一方面有助于交通管理者合理部署警力。
本发明实施例识别的警情热点区域,再叠加现有的岗位部署,给出目前岗位部署与警力的匹配度,可为交通指挥管理者进行勤务部署优化提供辅助决策依据。
基于相同的技术构思,图10示例性的示出了本发明实施例提供的一种警情热点区域的确定装置的结构,该装置可以执行警情热点区域的确定流程,该装置可以位于图1所示的服务器100内,也可以是该服务器100。
如图10所示,该装置具体包括:
获取单元1001,用于获取选定的交通区域;
处理单元1002,用于根据所述交通区域的道路集合,确定所述交通区域在直角坐标系中的道路网络模型;统计所述道路网络模型中每个网格在预设周期内的交通问题的个数,根据所述每个网格在预设周期内的交通问题的个数,确定密度阈值;根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,从所述道路网络模型中确定出所述警情热点区域。
可选的,所述处理单元1002具体用于:
针对所述交通区域的道路集合中的每条道路,确定与所述每条道路相交的道路集合;
根据所述与所述每条道路相交的道路集合以及每条道路与其他道路相交的方式,按照预设映射比例,将地图中的所述每条道路映射到所述直接坐标系中的预设单位的网格中,作为所述直角坐标系中的道路网络模型。
可选的,所述处理单元1002具体用于:
将所述每个网格在预设周期内的交通问题的个数中最大的个数,确定为预设阈值的数量;
根据每个所述预设阈值以及所述每个网格在预设周期内的交通问题的个数,确定出每个所述预设阈值对应的所述道路网络模型中噪声网格的个数;
依据每个所述预设阈值和每个所述预设阈值对应的所述道路网络模型中噪声网格的个数,确定出噪声曲线;
将所述噪声曲线的最大值确定为所述密度阈值;
其中,所述噪声网络为稀疏网格且与稠密网格不相邻;所述稀疏网格为交通问题的个数小于预设阈值的网格,稠密网格为交通问题的个数不小于预设阈值的网格。
可选的,所述处理单元1002具体用于:
根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,确定出所述道路网络模型中的稀疏网格和稠密网格;
将稠密网格进行拼接,确定出所述警情热点区域。
可选的,所述处理单元1002具体用于:
在所述确定出所述警情热点区域之后,根据所述警情热点区域中每个警力每个小时处理警情的数量、每个警情发生的持续时长组成的时段和交通问题的个数,为所述警情热点区域进行岗位部署。
基于相同的技术构思,本发明实施例还提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述警情热点区域的确定方法。
基于相同的技术构思,本发明实施例还提供了一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述警情热点区域的确定方法。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种警情热点区域的确定方法,其特征在于,包括:
获取选定的交通区域;
根据所述交通区域的道路集合,确定所述交通区域在直角坐标系中的道路网络模型;
统计所述道路网络模型中每个网格在预设周期内的交通问题的个数,根据所述每个网格在预设周期内的交通问题的个数,确定密度阈值;
根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,从所述道路网络模型中确定出所述警情热点区域。
2.如权利要求1所述的方法,其特征在于,所述根据所述交通区域的道路集合,确定所述交通区域在直角坐标系中的道路网络模型,包括:
针对所述交通区域的道路集合中的每条道路,确定与所述每条道路相交的道路集合;
根据所述与所述每条道路相交的道路集合以及每条道路与其他道路相交的方式,按照预设映射比例,将地图中的所述每条道路映射到所述直接坐标系中的预设单位的网格中,作为所述直角坐标系中的道路网络模型。
3.如权利要求1所述的方法,其特征在于,所述根据所述每个网格在预设周期内的交通问题的个数,确定密度阈值,包括:
将所述每个网格在预设周期内的交通问题的个数中最大的个数,确定为预设阈值的数量;
根据每个所述预设阈值以及所述每个网格在预设周期内的交通问题的个数,确定出每个所述预设阈值对应的所述道路网络模型中噪声网格的个数;
依据每个所述预设阈值和每个所述预设阈值对应的所述道路网络模型中噪声网格的个数,确定出噪声曲线;
将所述噪声曲线的最大值确定为所述密度阈值;
其中,所述噪声网络为稀疏网格且与稠密网格不相邻;所述稀疏网格为交通问题的个数小于预设阈值的网格,稠密网格为交通问题的个数不小于预设阈值的网格。
4.如权利要求3所述的方法,其特征在于,所述各根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,从所述道路网络模型中确定出所述警情热点区域,包括:
根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,确定出所述道路网络模型中的稀疏网格和稠密网格;
将稠密网格进行拼接,确定出所述警情热点区域。
5.如权利要求1至4任一项所述的方法,其特征在于,在所述确定出所述警情热点区域之后,还包括:
根据所述警情热点区域中每个警力每个小时处理警情的数量、每个警情发生的持续时长组成的时段和交通问题的个数,为所述警情热点区域进行岗位部署。
6.一种警情热点区域的确定装置,其特征在于,包括:
获取单元,用于获取选定的交通区域;
处理单元,用于根据所述交通区域的道路集合,确定所述交通区域在直角坐标系中的道路网络模型;统计所述道路网络模型中每个网格在预设周期内的交通问题的个数,根据所述每个网格在预设周期内的交通问题的个数,确定密度阈值;根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,从所述道路网络模型中确定出所述警情热点区域。
7.如权利要求6所述的装置,其特征在于,所述处理单元具体用于:
针对所述交通区域的道路集合中的每条道路,确定与所述每条道路相交的道路集合;
根据所述与所述每条道路相交的道路集合以及每条道路与其他道路相交的方式,按照预设映射比例,将地图中的所述每条道路映射到所述直接坐标系中的预设单位的网格中,作为所述直角坐标系中的道路网络模型。
8.如权利要求6所述的装置,其特征在于,所述处理单元具体用于:
将所述每个网格在预设周期内的交通问题的个数中最大的个数,确定为预设阈值的数量;
根据每个所述预设阈值以及所述每个网格在预设周期内的交通问题的个数,确定出每个所述预设阈值对应的所述道路网络模型中噪声网格的个数;
依据每个所述预设阈值和每个所述预设阈值对应的所述道路网络模型中噪声网格的个数,确定出噪声曲线;
将所述噪声曲线的最大值确定为所述密度阈值;
其中,所述噪声网络为稀疏网格且与稠密网格不相邻;所述稀疏网格为交通问题的个数小于预设阈值的网格,稠密网格为交通问题的个数不小于预设阈值的网格。
9.如权利要求8所述的装置,其特征在于,所述处理单元具体用于:
根据所述密度阈值以及所述每个网格在预设周期内的交通问题的个数,确定出所述道路网络模型中的稀疏网格和稠密网格;
将稠密网格进行拼接,确定出所述警情热点区域。
10.如权利要求6至9任一项所述的装置,其特征在于,所述处理单元具体用于:
在所述确定出所述警情热点区域之后,根据所述警情热点区域中每个警力每个小时处理警情的数量、每个警情发生的持续时长组成的时段和交通问题的个数,为所述警情热点区域进行岗位部署。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910695568.2A CN110457653B (zh) | 2019-07-30 | 2019-07-30 | 一种警情热点区域的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910695568.2A CN110457653B (zh) | 2019-07-30 | 2019-07-30 | 一种警情热点区域的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110457653A true CN110457653A (zh) | 2019-11-15 |
CN110457653B CN110457653B (zh) | 2023-09-01 |
Family
ID=68484041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910695568.2A Active CN110457653B (zh) | 2019-07-30 | 2019-07-30 | 一种警情热点区域的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110457653B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797884A (zh) * | 2019-12-10 | 2020-10-20 | 青岛海信网络科技股份有限公司 | 一种基于聚类算法的快情报问题区域识别方法及装置 |
CN114220268A (zh) * | 2021-12-16 | 2022-03-22 | 济南市公安局交通警察支队 | 一种基于道路安全指数进行最优派警的方法及*** |
CN114819254A (zh) * | 2022-03-07 | 2022-07-29 | 迪爱斯信息技术股份有限公司 | 一种警力巡逻路线智能规划方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010129192A1 (en) * | 2009-05-04 | 2010-11-11 | Tele Atlas North America Inc. | Methods and systems for creating digital transportation networks |
CN107070961A (zh) * | 2016-09-30 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 基于地理位置数据的热点区域确定方法及装置 |
CN107844555A (zh) * | 2017-10-31 | 2018-03-27 | 陈菡 | 一种基于警用地理信息***的巡逻冰点确定方法 |
CN108012235A (zh) * | 2017-12-26 | 2018-05-08 | 青岛海信移动通信技术股份有限公司 | 一种基于热点组的定位方法和装置 |
WO2019061992A1 (zh) * | 2017-09-30 | 2019-04-04 | 平安科技(深圳)有限公司 | 查勘网格优化方法、电子设备及计算机可读存储介质 |
CN109615857A (zh) * | 2018-12-20 | 2019-04-12 | 首都师范大学 | 城市车载网中路边单元的部署和调度方法及装置 |
CN109829119A (zh) * | 2018-12-26 | 2019-05-31 | 成都熊谷油气科技有限公司 | 基于lbs大数据在智慧管网中的情报预警方法 |
CN109978215A (zh) * | 2017-12-28 | 2019-07-05 | 杭州橙鹰数据技术有限公司 | 巡防管理方法和装置 |
-
2019
- 2019-07-30 CN CN201910695568.2A patent/CN110457653B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010129192A1 (en) * | 2009-05-04 | 2010-11-11 | Tele Atlas North America Inc. | Methods and systems for creating digital transportation networks |
CN107070961A (zh) * | 2016-09-30 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 基于地理位置数据的热点区域确定方法及装置 |
WO2019061992A1 (zh) * | 2017-09-30 | 2019-04-04 | 平安科技(深圳)有限公司 | 查勘网格优化方法、电子设备及计算机可读存储介质 |
CN107844555A (zh) * | 2017-10-31 | 2018-03-27 | 陈菡 | 一种基于警用地理信息***的巡逻冰点确定方法 |
CN108012235A (zh) * | 2017-12-26 | 2018-05-08 | 青岛海信移动通信技术股份有限公司 | 一种基于热点组的定位方法和装置 |
CN109978215A (zh) * | 2017-12-28 | 2019-07-05 | 杭州橙鹰数据技术有限公司 | 巡防管理方法和装置 |
CN109615857A (zh) * | 2018-12-20 | 2019-04-12 | 首都师范大学 | 城市车载网中路边单元的部署和调度方法及装置 |
CN109829119A (zh) * | 2018-12-26 | 2019-05-31 | 成都熊谷油气科技有限公司 | 基于lbs大数据在智慧管网中的情报预警方法 |
Non-Patent Citations (4)
Title |
---|
MENG5488705: "警情热点研判***", 《网页在线公开:DOCIN.COM/P-580053311.HTML》 * |
MENG5488705: "警情热点研判***", 《网页在线公开:DOCIN.COM/P-580053311.HTML》, 13 January 2013 (2013-01-13), pages 1 * |
王鹤: "基于WebGIS的大连市交通事故多发点排查方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
王鹤: "基于WebGIS的大连市交通事故多发点排查方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 12, 15 December 2018 (2018-12-15), pages 034 - 487 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797884A (zh) * | 2019-12-10 | 2020-10-20 | 青岛海信网络科技股份有限公司 | 一种基于聚类算法的快情报问题区域识别方法及装置 |
CN114220268A (zh) * | 2021-12-16 | 2022-03-22 | 济南市公安局交通警察支队 | 一种基于道路安全指数进行最优派警的方法及*** |
CN114819254A (zh) * | 2022-03-07 | 2022-07-29 | 迪爱斯信息技术股份有限公司 | 一种警力巡逻路线智能规划方法及*** |
CN114819254B (zh) * | 2022-03-07 | 2024-07-23 | 迪爱斯信息技术股份有限公司 | 一种警力巡逻路线智能规划方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110457653B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110457653A (zh) | 一种警情热点区域的确定方法及装置 | |
CN106681996B (zh) | 确定地理范围内兴趣区域、兴趣点的方法和装置 | |
CN110726418A (zh) | 兴趣点区域确定方法、装置、设备及存储介质 | |
CN106488400B (zh) | 生成地理围栏的方法及装置 | |
CN104866500A (zh) | 图片分类展示方法和装置 | |
US20030074132A1 (en) | Polar coordinate-based isochrone generation | |
EP3719729A1 (en) | Location information processing method and apparatus | |
CN109933635A (zh) | 一种更新地图数据库的方法及装置 | |
CN106708837B (zh) | 兴趣点搜索方法、装置 | |
JP6992883B2 (ja) | モデル提供システム、方法およびプログラム | |
CN106611441B (zh) | 三维地图的处理方法和装置 | |
CN107679992A (zh) | 基于保单服务的区域划分方法、***、服务器和存储介质 | |
CN105468632B (zh) | 一种地理编码方法及装置 | |
CN108281012B (zh) | 交通流量数据的显示方法、装置、存储介质及电子装置 | |
CN110110950A (zh) | 生成配送路区的方法、装置及计算机可读存储介质 | |
CN112784002A (zh) | 一种虚拟场景生成方法、装置、设备和存储介质 | |
CN105227618A (zh) | 一种通信站点位置信息处理方法及*** | |
CN103069416A (zh) | 电子地图数据处理*** | |
CN112861972A (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
CN104808932A (zh) | 一种路线信息获取方法及终端 | |
CN110020925A (zh) | 订单处理方法、装置、设备及存储介质 | |
CN107704942A (zh) | 配送路径确定方法、装置和设备 | |
CN108304482A (zh) | 经纪人的识别方法及装置、电子设备和可读存储介质 | |
CN105096589A (zh) | 一种选取交通道路中代表性节点的方法、***及客户端 | |
CN106484845A (zh) | 基于电子地图的信息点区域确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |