CN112800166B - 一种社区矫正对象活动轨迹监管预警方法、***及装置 - Google Patents

一种社区矫正对象活动轨迹监管预警方法、***及装置 Download PDF

Info

Publication number
CN112800166B
CN112800166B CN202110380829.9A CN202110380829A CN112800166B CN 112800166 B CN112800166 B CN 112800166B CN 202110380829 A CN202110380829 A CN 202110380829A CN 112800166 B CN112800166 B CN 112800166B
Authority
CN
China
Prior art keywords
activity
track
community correction
correction object
parameters
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.)
Active
Application number
CN202110380829.9A
Other languages
English (en)
Other versions
CN112800166A (zh
Inventor
陈冲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Judicial Police Vocational College
Original Assignee
Hunan Judicial Police Vocational College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Judicial Police Vocational College filed Critical Hunan Judicial Police Vocational College
Priority to CN202110380829.9A priority Critical patent/CN112800166B/zh
Publication of CN112800166A publication Critical patent/CN112800166A/zh
Application granted granted Critical
Publication of CN112800166B publication Critical patent/CN112800166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/60—Positioning; Navigation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Security & Cryptography (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Alarm Systems (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种社区矫正对象活动轨迹监管预警方法、***及装置，通过采集社区矫正对象的相关信息，形成多条预设活动轨迹，再通过北斗定位***获取社区矫正对象的实际活动轨迹，根据预设活动轨迹和实际活动轨迹的相似度；遍历社区矫正对象的实际活动轨迹中与汽车站、火车站、机场、高速入口等重合的位置参数以及对应的时间长度参数，计算特定场所标定系数；通过计算实际活动轨迹的变化趋势，得到虚拟轨迹线，计算实际活动轨迹终点与虚拟轨迹线和安全围栏的交点的距离，通过设定相应阈值，判断是否异常。本发明还公开了用于实现该方法的***及装置。通过本发明可***社区矫正对象的活动轨迹是否异常，且计算准确度高，计算简便。

Description

一种社区矫正对象活动轨迹监管预警方法、***及装置
技术领域
本发明涉及智能监测技术领域，具体涉及社区矫正对象活动轨迹监管预警方法、***及装置。
背景技术
在我国，社区矫正是指针对被判处管制、宣告缓刑、裁定假释、暂予监外执行的这四类犯罪行为较轻的罪犯所实施的非监禁性刑事执行活动，根据社区矫正对象的犯罪情况，社区矫正对象的可活动范围有所不同，根据《社区矫正法》第二十七条及《社区矫正实施办法》第二十六条的规定，社区矫正对象未经批准不得离开所居住市、县。凡是未经批准离开特定范围的行为均属违规行为。
随着社区矫正法的颁布实施，对加强社区矫正对象的监管提出了更高的要求，现有的技术中对于社区矫正对象的监管主要是通过北斗定位***进行定位，仅根据北斗定位***的位置信息，来监测社区矫正对象的位置，这种方式会因为导航信号传输迟滞，社区矫正对象超出限制区域活动一定时间后，监管者才能发现，因此，只能做到事后监管，不能根据活动轨迹事先预警，以提醒监管者，并且由于采集的定位数据信息量庞大，如不有针对性提取关键参数分步计算，还会导致计算复杂，运行效力低等问题。
此外，社区矫正对象有别于被实施监禁的人员或者其他相对封闭的环境的对象，社区矫正对象的活动范围非常大，因此，现有的针对监禁对象所采用的监管方法一般都采用红外传感器、摄像头、雷达等探测装置，然后再根据探测装置采集的信息，来监督被监禁对象。由于无法在大范围安装探测装置，因此这种方式或类似方式不能适用于社区矫正对象的监管。
发明内容
（1）要解决的技术问题
本发明的目的在于针对现有技术的不足，提供一种社区矫正对象活动轨迹监管预警方法、***及装置，有效的根据社区矫正对象的行为，提前预判社区矫正对象的活动轨迹是否存在异常，然后及时向监管者和社区矫正对象同时发送预警信息。
（2）技术方案
本发明提供了一种社区矫正对象活动轨迹监管预警方法，包括：
步骤1、构建矢量地图，在所述矢量地图中标记出特定场所的位置坐标；
步骤2、根据社区矫正对象的活动范围在所述矢量地图中设置安全围栏，得到区域地图；
步骤3、采集社区矫正对象的多维数据，导入所述区域地图中生成多条预设活动轨迹track（i）；其中i≥1;
步骤4、基于北斗定位***获取社区矫正对象的活动参数，所述活动参数包括：位置参数以及对应的时间长度参数，并根据位置参数生成实际活动轨迹；
步骤5、逐一计算实际活动轨迹与所述多条预设活动轨迹的相似度值D（i），求得最小相似度值Dmin，若Dmin小于相似度阈值，则认为活动轨迹正常，进入步骤4，若Dmin大于相似度阈值，则进入步骤6；
步骤6、遍历所述活动参数中的位置参数，提取与所述特定场所重合的位置点，再根据位置点对应的时间长度参数计算特定场所标定系数P，所述标定系数P是指当在所述位置点停留超过一定时间长度时取值为1，将各位置点的取值叠加所得到，若P大于特定场所标定阈值，则认为活动轨迹异常，进入步骤8；若P小于特定场所标定阈值，则进入步骤7。
步骤7、计算实际活动轨迹的变化趋势，得到实际活动轨迹终点到安全围栏的距离参数T，若T大于距离参数阈值，则认为活动轨迹正常，进入步骤4，若T小于距离阈值，则认为活动轨迹异常，进入步骤8；
步骤8、若判断活动轨迹为异常，则反馈预警信息至监管者与社区矫正对象。
进一步地，所述特定场所包括汽车站、火车站、机场、码头和高速入口，所述区域地图是指安全围栏范围内的矢量地图，主要包括市域地图、区县域地图。
进一步地，所述多维数据包括居住地、工作单位、出行方式，所述出行方式包括步行、公共交通、驾车，根据不同的出行方式得到多条预设活动轨迹。
进一步地，所述相似度计算方法采用Huasdorff距离算法。
进一步地，所述特定场所标定系数P按如下公式计算：
P=
Figure 408017DEST_PATH_IMAGE001
，
其中,Pk表示社区矫正对象的活动参数中与汽车站、火车站、机场、码头和高速入口重合的位置点，当有重合的位置点时，Pk取值为1，反之取值为0，Pk用5*5的对角阵表示；
hk表示社区矫正对象在重合的位置点上的停留的时间长度，其中，当在汽车站、火车站、机场、码头停留0-5分钟时，取值为0，当停留超过5分钟时取值为1；当在高速入口停留的时间长度为0-2分钟时，取值为0，超过2分钟时取值为1，hk用5*5的对角阵表示；所述特定场所标定阈值设置为1。
进一步地，计算实际活动轨迹的变化趋势，得到实际活动轨迹终点到安全围栏的距离参数T，具体为：根据实际活动轨迹，计算活动轨迹的变化趋势，沿变化趋势方向，得到一条与安全围栏相交的虚拟轨迹线，再根据实际活动轨迹的终点坐标以及虚拟轨迹线与安全围栏交点坐标，计算距离参数T，计算公式如下：
T=
Figure 179664DEST_PATH_IMAGE002
，
其中Tby表示虚拟轨迹线与安全围栏相交点b的y坐标值，Tbx表示虚拟轨迹线与安全围栏相交点b的x坐标值；Tay表示实际运动轨迹终点的y坐标值，Tax表示实际运动轨迹终点的x坐标值。
进一步地，求最小相似度值Dmin按如下公式计算，Dmin=min（D（i））。
本发明还公开了一种社区矫正对象活动轨迹监管预警***，包括，
地图模块，用于构建矢量地图，并在所述矢量地图中标记出特定场所的位置坐标；
安全围栏模块，用于根据社区矫正对象的活动范围，在所述矢量地图中划定边界，以得到不同区域地图；
信息采集模块，用于采集社区矫正对象的个人多维数据生成预设活动轨迹;
定位模块，用于基于北斗定位***获取社区矫正对象的活动参数，所述活动参数包括：位置参数以及时间长度参数，并根据位置参数生成实际活动轨迹；
相似度计算模块，用于逐一计算实际活动轨迹与所述多条预设活动轨迹的相似度，提取相似度最小值Dmin；
精确分析模块，用于遍历所述活动参数中的位置参数，得到与所述特定场所重合的位置点，再根据对应时间长度参数计算特定场所标定系数P，以及根据实际活动轨迹的变化趋势，计算轨迹终点到安全围栏的距离参数T；
信息通信模块，用于反馈预警信息至管理者与社区矫正对象。
本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现社区矫正对象活动轨迹监管预警方法的步骤。
（3）有益效果
本发明设置了预设活动轨迹，以此为判断基础，基于北斗定位***，获取社区矫正对象的活动参数，生成实际活动轨迹，首先用实际活动轨迹与预设活动轨迹对比进行判断，再根据活动参数中与特定场所的位置重合的位置点，结合对应的时间长度参数计算特定场所标定系数进行判断，最后通过分析实际活动轨迹的变化趋势，计算距离参数进行判断，以此可得到如下有益效果：
1. 根据社区矫正对象的行为，预先判断其活动轨迹是否异常，提前向监管者和社区矫正对象发出预警消息，解决因为导航信号迟延导致的监管不及时的问题。
2.根据计算的难易程度，采用先易后难的思路，先后计算活动轨迹的相似度、特定场所标定系数以及距离参数来判断活动轨迹是否异常，避免了全参数计算的复杂性，而且提高了计算的效率。
3.考虑了与特定场所重合的位置点对应的时间长度，将路过、等红绿灯等情形剔除，提高了预警的准确性。此外，还特别考虑了高速入口这个特定场所的特殊性，进一步提高了预警的准确性。
4.引入了实际活动轨迹变化趋势这个因素的考量，多维度地考虑社区矫正对象的行为，进一步提高了预警的准确性。
附图说明
图1是社区矫正对象活动轨迹监管预警方法流程图
图2是预设活动轨迹及安全围栏示意图
图3是Huasdorff距离算法计算相似度的示意图
图4是实际活动轨变化迹趋势分析示意图
图5是社区矫正对象监管预警***结构示意图
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例的详细描述和附图用于示例性地说明本发明的原理，但不能用来限制本发明的范围，即本发明不限于所描述的实施例。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参照附图并结合实施例来详细说明本申请。
根据相关法律法规的规定，被实施社区矫正的对象，一般只能在特定区域内活动，不能超出限制区域，在现实的生活中，有一部分社区矫正对象会有意或无意的超出限制区域。社区矫正对象超出限制区域活动主要包括两种情形，其一是主观上想要超出限制区域活动，其二是不经意的超出限制区域，比如比较常见的因为人情往来而超出限制区域去到别的城市。这些情形，均可以通过事先预判，然后再通过提醒，避免其逃离限制区域活动。
本发明公开的一种社区矫正对象活动轨迹监管预警方法，主要是通过分析社区矫正对象的活动参数，来对其进行监督管理，以实现提前预警的效果。如图1-4所示，具体包括如下步骤：
步骤1、构建矢量地图，在所述矢量地图中标记出特定场所的位置坐标。
长途大巴车、高铁、火车、飞机、轮渡等交通工具一般是跨区域出行的常用方式，因此，在对社区矫正对象进行监管时，汽车站、火车站、机场、码头应当作为重点关注的场所，如果社区矫正对象在上述场所频繁出入，或停留的时间过长，均应当引起监管这的高度重视。基于此，本发明将汽车站、火车站、机场、码头等场所列为特定场所，并在矢量地图中标记出位置坐标，以用于社区矫正对象活动轨迹分析。
此外，通过高速公路去往其他城市也是现在较为常见的出行方式，因此高速入口也应当作为特定场所之一，而这个因素往往会被忽略。本发明将高速入口列为特定场所之一，并在矢量地图中标记出位置坐标，从而使得监管预警结果的准确性更高。但是，高速入口与其他特定场所出行依然存在较大区别，在取值时需要却别对待，将在下面步骤中进行详细介绍。
步骤2、根据社区矫正对象的活动范围在所述矢量地图中设置安全围栏，得到区域地图。
具体来说，如图2所示，根据社区矫正对象的活动范围，在建立的矢量地图中划定边界，这个边界即安全围栏，安全围栏内的区域就是本发明所述的区域地图，社区矫正对象超过安全围栏就违反相关规定。确定安全围栏有两个方面的意义，一方面，是社区矫正对象监管预警的以及，也可以认为是整个方案的起点。另一方面，划定安全围栏之后，对于安全围栏之外的区域不予考虑，这样简化了计算的复杂性，提高了效率。
所述不同区域地图主要包括市域和区县域，其中，市域是指某个地级市范围，而区县域是指区或者县级范围。当然，也可根据需要扩展到省级范围。
步骤3、采集社区矫正对象的多维数据，导入所述区域地图中生成多条预设活动轨迹track（i）；其中i≥1。
社区矫正对象的多维数据包括居住地、工作单位，也可包括经常出入地，本发明在此不做限制，但更加重要的是本发明还要求采集社区矫正对象从居住地到工作单位或经常出入地的出行方式，比如步行、公共交通或驾车，从一个地点到达另一个地点，不同的出行方式会在区域地图上形成不同的活动轨迹。本发明采集出行方式的目的是为了得到社区矫正对象不同的日常活动轨迹，以此作为预设活动轨迹，用于与实际活动轨迹进行相似度分析，如图2所示，本发明给出了3条预设活动轨迹的示意图，这并不代表本发明只包括3条预设活动轨迹，实质是可有多条。
所述预设活动轨迹track（i）表示多条不同的预设活动轨迹，其中i的取值为大于或等于1的整数。
步骤4、基于北斗定位***获取社区矫正对象的活动参数，所述活动参数包括：位置参数以及对应的时间长度参数，并根据位置参数生成实际活动轨迹；
本发明中社区矫正对象的活动参数通过北斗定位***获取，
所述活动参数主要包括：位置参数和时间长度参数。其中位置参数是指通过北斗定位***获取的社区矫正对象的实时位置，而时间长度参数是指与位置参数对应的停留时间长度，上述参数以时间顺序存储。
根据北斗定位***获取的位置参数，生成实际活动轨迹，通过位置生成活动轨迹属于现有技术。生成实际活动轨迹的目的是为了方便与预设活动轨迹进行相似度计算，如果实际活动轨迹与其中一条预设活动轨迹高度相似，则认为社区矫正对象的活动轨迹正常，不需要预警提醒。
步骤5、逐一计算实际活动轨迹与所述多条预设活动轨迹的相似度值D（i），求得最小相似度值Dmin，若Dmin小于相似度阈值，则认为活动轨迹正常，进入步骤4，若Dmin大于相似度阈值，则进入步骤6；
Huasdorff距离算法是通过计算两条曲线之间的距离来计算两条曲线的相似度，两条曲线之间的最大距离就是Huasdorff距离值，Huasdorff距离值越大，说明两条曲线的相似度越低，Huasdorff距离值越小，则说明两条曲线的相似度越高。此外，Huasdorff距离算法还能够很好的适应两条曲线长度不一一对应的情形，我们获取的社区矫正对象的实际活动轨迹，其长度不一定与预设活动轨迹相一致，因此，采用Huasdorff距离算法也是最合适的方法之一。下面结合附图具体说明：
如图3所示，图3中虚线表示实际活动轨迹，实线表示预设活动轨迹，通过Huasdorff计算，得到实际活动轨迹与每一条预设活动轨迹的Huasdorff距离值，分别为：D（1）、D（2）、D（3），此处的预设活动轨迹可以是更多条。
得到的多个Huasdorff距离值后，并不能判断实际活动轨迹与预设活动轨迹的相似度是否超出预设范围。本发明规定，Huasdorff距离值最小值小于阈值时，认为实际活动轨迹正常，最小值大于阈值时，进入步骤6进行进一步判断。本发明通过采用Min（）函数，在所有Huasdorff距离值中求得最小值。本发明中所述的相似度阈值设定为1-2km。
通过判断活动轨迹的相似度，能够初步判断社区矫正对象的活动轨迹是否正常，当相似度小于阈值时，不需要遍历社区矫正对象的位置参数，这样就减少了计算的工作量。而仅当相似度大于阈值时，本发明认为社区矫正对象的实际活动轨迹存在较大异常的可能，需要进入骤6进行判断。
步骤6、遍历所述活动参数中的位置参数，提取与所述特定场所重合的位置点，再根据位置点对应的时间长度参数计算特定场所标定系数P，所述标定系数P是指当在所述位置点停留超过一定时间长度时取值为1，将各位置点的取值叠加所得到，若P大于特定场所标定阈值，则认为活动轨迹异常，进入步骤8；若P小于特定场所标定阈值，则进入步骤7。
具体的，本发明在采集社区矫正对象的多维数据时，没有采集特定场所的位置，因此，预设活动轨迹中不包括特定场所。因此，当实际活动轨迹与预设活动轨迹的Huasdorff距离值大于阈值时，首先考虑社区矫正对象是否出现在汽车站、火车站、机场、码头和高速入口等特定场所。
遍历社区矫正对象的位置参数，标记社区矫正对象的位置参数与特定场所重合的位置点参数，然后再提取重合的位置参数对应的时间长度参数，根据上述两个参数计算特定场所标定系数。根据位置参数与时间长度参数计算特定场所标定系数的依据是：当社区矫正对象出现在特定场所时，且停留的时间比较长，一般会认为他们有可能通过乘坐公共交通出行，离开安全围栏范围。
本发明中，认为社区矫正对象的位置在高速入口的情形与其他特定场所有较大区别，这是因为根据现实考虑，汽车站、火车站等特定场所均需要通过购票、检票、等待上车等流程，而高速入口具有及时性，进入高速路比较容易，其耗费的时间远小于其他方式。因此，在考虑时间参数时应当予以特殊的考虑，否则会导致错误预警，或预警不及时。
本发明所述特定场所标定系数P按如下公式计算：
P=
Figure 67985DEST_PATH_IMAGE003
，
其中,Pk表示活动参数中的位置参数与汽车站、火车站、机场、码头和高速入口重合的位置的取值，当社区矫正对象的位置与上述特定场所重合时，Pk取值为1，反之取值为0；
hk表示社区矫正对象在重合的位置上的停留的时间长度，当在汽车站、火车站、码头、机场停留的时间长度参数为0-5分钟时，取值为0（此时有可能是路过或者等红绿灯等情况），当超过5分钟时取值为1；Pk和hk均用5*5的对角阵表示。
当在高速入口停留的时间长度参数为0-2分钟时，取值为0，当超过2分钟时取值为1。通过对特定场所特殊考虑，避免遗漏高速入口停留2-5分钟的情形，提高了预警的准确性。
本发明中，还设置了特定场所标定阈值，所述阈值可以根据监管的需要进行设置，比如认为去过2个特定场所才提醒异常，本发明中，认为去过1个特定场所且停留一定时间就认为活动轨迹异常，需要发出预警消息，因此，本发明设定所述特定场所标定阈值为1。当计算的特定场所标定系数大于阈值时，认为活动轨迹异常，进入步骤8。当特定场所标定系数小于阈值时，进入步骤7。
步骤7、计算实际活动轨迹的变化趋势，得到实际活动轨迹终点到安全围栏的距离参数T，若T大于距离参数阈值，则认为活动轨迹正常，进入步骤4，若T小于距离阈值，则认为活动轨迹异常，进入步骤8。
当社区矫正对象的实际活动轨迹与预设活动轨迹的相似度不满足阈值要求，说明实际活动轨迹与预设活动轨迹差别较大，而特定场所标定系数也小于阈值时，还有一种可能就是社区矫正对象虽然未经过特定场所，但其已朝着某一个方向活动，逐渐靠近安全围栏，这也是常常被忽略的问题。此外，如果仅仅计算社区矫正对象与安全围栏的距离来预警，而不考虑活动轨迹反应的活动趋势，可能会造成社区矫正对象的居住地或者工作地在安全围栏附近而误判。因此，考虑活动轨迹的变化趋势是非常有必要的。
本发明给出了通过计算实际活动轨迹的变化趋势来判断活动轨迹是否异常的具体实施方式：
如图4所示，给出了本发明的实际活动轨迹变化趋势示意图。本发明首先计算实际活动轨迹的变化趋势，得到一条虚拟轨迹线，计算不规则曲线的变化趋势，可用通过现有技术完成，在次基础上，本发明进一步地，通过沿着虚拟轨迹线延伸，得到与安全围栏相交的交点b，由此，可以根据社区矫正对象的历史活动轨迹，判断其行径的方向，再沿着行径的方向，判断其与安全围栏的距离，这样更加科学合理，不至于误判。
接下来，按照如下公式计算实际活动轨迹的终点a到交点b的距离参数T：
T=
Figure 137441DEST_PATH_IMAGE004
，
其中Tby表示虚拟轨迹线与安全围栏相交点b的y坐标值，Tbx表示虚拟轨迹线与安全围栏相交点b的x坐标值；Tay表示实际运动轨迹终点的y坐标值，Tax表示实际运动轨迹终点的x坐标值。
当实际活动轨迹的终点到安全围栏的距离参数T小于一定范围时，则认为社区矫正对象继续活动即将靠近安全围栏，超出限制区域，应当向监管者发出预警消息，进入步骤8。当距离参数T大于一定范围时，说明社区矫正对象离安全围栏还有较远距离，属于安全状态，不需要向监管者发出预警消息，返回步骤4进行继续监督。距离阈值可以根据社区矫正对象的活动范围设定，也可设置成绝对距离，本发明在此不做具体限制。
步骤8、若判断活动轨迹为异常，则反馈预警信息至管理者与社区矫正对象。
具体的，当判断活动轨迹异常时，同时向监管者和社区矫正对象，一方面，监管者可以及时与社区矫正对象取得联系，提醒其遵守相关规定，有效的避免社区矫正对象有意或无意离开监管地，另一方面，社区矫正对象收到相关预警消息后，也能够有效的警示社区矫正对象主动遵守相关规定。
本发明还公开了一种用于实现监管预警方法的预警***100，包括，
地图模块110，用于构建矢量地图，并在所述矢量地图中标记出特定场所的位置坐标，所述特定场所包括：汽车站、火车站、机场、码头和高速入口。
安全围栏模块120，用于根据社区矫正对象的活动范围，在所述矢量地图中划定边界，确定安全围栏，得到区域地图，根据社区矫正对象的活动范围，区域地图包括市域和区县域。
信息采集模块130，用于采集社区矫正对象的个人多维数据，生成预设活动轨迹。
定位模块140，用于基于北斗定位***获取社区矫正对象的活动参数，所述活动参数包括：位置参数以及时间长度参数，并根据位置参数生成实际活动轨迹。
相似度计算模块150，用于逐一计算实际活动轨迹与所述多条预设活动轨迹的相似度，并将相似度结果进行取最小值处理，相似度具体的计算方法采用Huasdorff距离算法。
精确分析模块160，用于遍历所述活动参数中的位置参数，得到与所述特定场所重合的位置点，再根据对应时间长度参数计算特定场所标定系数P，以及根据实际活动轨迹的变化趋势，计算轨迹终点到安全围栏的距离参数T，并根据设定的特定场所标定阈值和距离阈值，来判断实际活动轨迹是否异常。
信息通信模块170，用于反馈预警信息至管理者与社区矫正对象。
本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现社区矫正对象活动轨迹监管预警方法的步骤。
以上所述，仅为本申请的具体实施方式，所属领域的技术对象可以清楚地了解到，为了描述的方便和简洁，上述描述的***、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术对象在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (8)

1.一种社区矫正对象活动轨迹监管预警方法，其特征在于：
步骤1、构建矢量地图，在所述矢量地图中标记出特定场所的位置坐标；
步骤2、根据社区矫正对象的活动范围在所述矢量地图中设置安全围栏，得到区域地图；
步骤3、采集社区矫正对象的多维数据，将所述多维数据导入所述区域地图中生成多条预设活动轨迹track（i）；其中i≥1;
步骤4、基于北斗定位***获取社区矫正对象的活动参数，所述活动参数包括：位置参数以及对应的时间长度参数，并根据位置参数生成实际活动轨迹；
步骤5、逐一计算实际活动轨迹与所述多条预设活动轨迹的相似度值D（i），求得最小相似度值Dmin，若Dmin小于相似度阈值，则认为活动轨迹正常，进入步骤4，若Dmin大于相似度阈值，则进入步骤6；
步骤6、遍历所述活动参数中的位置参数，提取与所述特定场所重合的位置点，再根据位置点对应的时间长度参数计算特定场所标定系数P，所述标定系数P是指当在所述位置点停留超过一定时间长度时取值为1，将各位置点的取值叠加所得到，若P大于特定场所标定阈值，则认为活动轨迹异常，进入步骤8；若P小于特定场所标定阈值，则进入步骤7；
步骤7、计算实际活动轨迹的变化趋势，得到实际活动轨迹终点到安全围栏的距离参数T，具体为：根据实际活动轨迹，计算活动轨迹的变化趋势，沿变化趋势方向，得到一条与安全围栏相交的虚拟轨迹线，再根据实际活动轨迹的终点坐标以及虚拟轨迹线与安全围栏交点坐标，计算距离参数T，计算公式如下：
T=
Figure 779833DEST_PATH_IMAGE001
，
其中Tby表示虚拟轨迹线与安全围栏相交点b的y坐标值，Tbx表示虚拟轨迹线与安全围栏相交点b的x坐标值；Tay表示实际运动轨迹终点的y坐标值，Tax表示实际运动轨迹终点的x坐标值;
若T大于距离参数阈值，则认为活动轨迹正常，进入步骤4，若T小于距离阈值，则认为活动轨迹异常，进入步骤8；
步骤8、若判断活动轨迹为异常，则反馈预警信息至监管者与社区矫正对象。
2.根据权利要求1所述的监管预警方法，其特征在于：所述特定场所包括汽车站、火车站、机场、码头和高速入口，所述区域地图是指安全围栏范围内的矢量地图，主要包括市域地图、区县域地图。
3.根据权利要求1所述的监管预警方法，其特征在于：所述多维数据包括居住地、工作单位、出行方式，所述出行方式包括步行、公共交通、驾车，根据不同的出行方式得到多条预设活动轨迹。
4.根据权利要求1所述的监管预警方法，其特征在于：所述相似度计算方法采用Huasdorff距离算法。
5.根据权利要求1或2或3或4所述的监管预警方法，其特征在于：所述特定场所标定系数P按如下公式计算：
P=
Figure 593068DEST_PATH_IMAGE002
，
其中,Pk表示社区矫正对象的活动参数中与汽车站、火车站、机场、码头和高速入口重合的位置点，当有重合的位置点时，Pk取值为1，反之取值为0，Pk用5*5的对角阵表示；
hk表示社区矫正对象在重合的位置点上的停留的时间长度，其中，当在汽车站、火车站、机场、码头停留0-5分钟时，取值为0，当停留超过5分钟时取值为1；当在高速入口停留的时间长度为0-2分钟时，取值为0，超过2分钟时取值为1，hk用5*5的对角阵表示；所述特定场所标定阈值设置为1。
6.根据权利要求1或2或3或4所述的监管预警方法，其特征在于：求最小相似度值Dmin按如下公式计算，Dmin=min（D（i））。
7.一种用于实现权利要求1-6任一项所述的监管预警方法的预警***，其特征在于：包括，
地图模块，用于构建矢量地图，并在所述矢量地图中标记出特定场所的位置坐标；
安全围栏模块，用于根据社区矫正对象的活动范围，在所述矢量地图中划定边界，以得到不同区域地图；
信息采集模块，用于采集社区矫正对象的个人多维数据，生成预设活动轨迹;
定位模块，用于基于北斗定位***获取社区矫正对象的活动参数，所述活动参数包括：位置参数以及时间长度参数，并根据位置参数生成实际活动轨迹；
相似度计算模块，用于逐一计算实际活动轨迹与所述多条预设活动轨迹的相似度，提取相似度最小值Dmin；
精确分析模块，用于遍历所述活动参数中的位置参数，得到与所述特定场所重合的位置点，再根据对应时间长度参数计算特定场所标定系数P，以及根据实际活动轨迹的变化趋势，计算轨迹终点到安全围栏的距离参数T；
信息通信模块，用于反馈预警信息至管理者与社区矫正对象。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
CN202110380829.9A 2021-04-09 2021-04-09 一种社区矫正对象活动轨迹监管预警方法、***及装置 Active CN112800166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110380829.9A CN112800166B (zh) 2021-04-09 2021-04-09 一种社区矫正对象活动轨迹监管预警方法、***及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110380829.9A CN112800166B (zh) 2021-04-09 2021-04-09 一种社区矫正对象活动轨迹监管预警方法、***及装置

Publications (2)

Publication Number Publication Date
CN112800166A CN112800166A (zh) 2021-05-14
CN112800166B true CN112800166B (zh) 2021-07-06

Family

ID=75816669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110380829.9A Active CN112800166B (zh) 2021-04-09 2021-04-09 一种社区矫正对象活动轨迹监管预警方法、***及装置

Country Status (1)

Country Link
CN (1) CN112800166B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688679B (zh) * 2021-07-22 2024-03-08 南京视察者智能科技有限公司 一种重点人员防控预警的方法
CN114326790A (zh) * 2021-12-06 2022-04-12 特金智能科技(上海)有限公司 无人机违规行为确定方法、装置、电子设备和存储介质
CN115641105B (zh) * 2022-12-01 2023-08-08 中网道科技集团股份有限公司 一种监控社区矫正对象请假外出的数据处理方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8990107B2 (en) * 2011-10-21 2015-03-24 Alohar Mobile Inc. Determining user stays of a user of a mobile device
CN106211073A (zh) * 2016-07-21 2016-12-07 宁波力芯科信息科技有限公司 一种基于地理位置安全指数的出行预测和报警方法
CN110232800A (zh) * 2019-07-01 2019-09-13 李瑶 一种监狱定位服务***

Also Published As

Publication number Publication date
CN112800166A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN112800166B (zh) 一种社区矫正对象活动轨迹监管预警方法、***及装置
US11990036B2 (en) Driver behavior monitoring
CN110136447A (zh) 行车变道检测及违法变道识别的方法
CN106448267B (zh) 基于车联网的道路交通事故链阻断***
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
EP3403219A1 (en) Driver behavior monitoring
CN110164132B (zh) 一种道路交通异常的检测方法及***
CN103150908B (zh) 一种基于视频的平均车速检测方法
CN108346316A (zh) 一种基于车道线检测的智能违章防控***
CN110428604A (zh) 一种基于gps轨迹数据和地图数据的出租车违规停车监测与预警方法
Wang et al. Operational design domain of autonomous vehicles at skewed intersection
CN106530714B (zh) 一种基于交通流数据的二次交通事故时间预测方法
CN107784832A (zh) 一种用于识别交通道路中的事故黑点的方法与设备
Anwari et al. Investigating surrogate safety measures at midblock pedestrian crossings using multivariate models with roadside camera data
CN106600950B (zh) 一种基于交通流数据的二次交通事故预测方法
CN115440071B (zh) 一种自动驾驶违规停车检测方法
CN104408942A (zh) 车辆智能测速装置与方法
Yang et al. Rapid analysis and detection algorithm and prevention countermeasures of urban traffic accidents under artificial intelligence
CN112382068B (zh) 基于bim与dnn的车站候车线跨越检测***
CN113128847A (zh) 一种基于激光雷达的出入口匝道实时风险预警***及方法
Alagarsamy et al. A Novel Machine Learning Technique for Predicting Road Accidents
Yu et al. Simulation-based safety analysis of diversion and confluence area in urban underground loop
Noh et al. Vision based pedestrian potential risk analysis based on automated behavior feature extraction for smart and safe city
Yao et al. Enhancement of Detection Functions of a 3D-Laser-Radar-Type Obstacle Detection System at a Level Crossing
CN117392876B (zh) 一种道路安全施工智能穿戴设备监控管理***

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