CN113094503A - 一种基于多维数据聚类的社区安全监控方法和*** - Google Patents

一种基于多维数据聚类的社区安全监控方法和*** Download PDF

Info

Publication number
CN113094503A
CN113094503A CN202110309024.5A CN202110309024A CN113094503A CN 113094503 A CN113094503 A CN 113094503A CN 202110309024 A CN202110309024 A CN 202110309024A CN 113094503 A CN113094503 A CN 113094503A
Authority
CN
China
Prior art keywords
dimension
information
expansion
time
community
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.)
Pending
Application number
CN202110309024.5A
Other languages
English (en)
Inventor
不公告发明人
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.)
Chongqing Terminus Technology Co Ltd
Original Assignee
Chongqing Terminus Technology Co Ltd
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 Chongqing Terminus Technology Co Ltd filed Critical Chongqing Terminus Technology Co Ltd
Priority to CN202110309024.5A priority Critical patent/CN113094503A/zh
Publication of CN113094503A publication Critical patent/CN113094503A/zh
Pending legal-status Critical Current

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/387—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Educational Administration (AREA)
  • Library & Information Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Alarm Systems (AREA)

Abstract

本申请实施例提供一种基于多维数据聚类的社区安全监控方法和***。该方法包括：对各类社区安全事件进行分类，并按照不同的分类从人物、时间和地点三个主维度提取人物主维度信息、时间主维度信息和地点主维度信息；进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息；对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合；持续采集进入社区的人物信息、环境参数信息和时间信息；在符合至少一个维度标准时，发出安全事件预警。本申请通过多维数据聚类提高了社区安全监控的准确性和效率。

Description

一种基于多维数据聚类的社区安全监控方法和***
技术领域
本申请涉及多维数据聚类及社区安全监控领域，尤其涉及一种基于多维数据聚类的社区安全监控方法和***。
背景技术
社区安全是社会安全的最小单元，社区安全问题也是关系到普通民众切身利益的重要问题之一。社区安全问题多种多样，例如有盗抢事件、火灾事件、儿童走失事件、老人受伤事件等等。触发社区安全问题的因素也由于安全问题的多种多样而变得复杂，但是引起安全问题这些因素都有一定的规律可循，例如儿童走失事件一般都是由类似的犯罪分子在隐蔽的场所于人流稀少的时段进行的，又如火灾安全事件一般都是在火灾隐患容易发生的区域发生的，盗抢事件一般也是一些惯犯于特定时段在特定区域发生的……这给予人们一个启示：对社区中各个区域的人物、时间、地点等要素的各个属性数据进行多维度的聚类分析，可以预测出社区中安全问题发生的人物、时间、地点，继而对这些区域进行重点关注，可以提高社区安全监控的准确性，为社区安全问题的防患节约时间，将安全问题扼杀在萌芽状态。
另外，这一方法可以实现不同安全问题事件监控的统一处理，彻底抛弃了以往一类安全事件采用一种预测方法和***的方式，节省了人力和财力，也方便了社区管理人员的处理。
发明内容
有鉴于此，本申请的目的在于提出一种基于多维数据聚类的社区安全监控方法和***，提高社区安全监控的自动化水平，解决目前社区安全监控过程中智能化水平不高，人工参与依赖性过大等技术问题。
基于上述目的，本申请提出了一种基于多维数据聚类的社区安全监控方法，包括：
对各类社区安全事件进行分类，并按照不同的分类从人物、时间和地点三个主维度提取人物主维度信息、时间主维度信息和地点主维度信息；
对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息；
按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合；
根据所述多个维度组合，在社区中设置人物信息采集装置和环境采集装置，持续采集进入社区的人物信息、环境参数信息和时间信息；
在所述人物信息、环境参数信息和时间信息符合所述多个维度组合中至少一个维度标准时，发出安全事件预警。
在一些实施例中，所述方法还包括：
对社区发生的安全事件按照人物扩展维度、时间扩展维度和地点维度扩展进行数据分解，得到社区安全事件反馈数据集；
将所述社区安全事件反馈数据集推送至所述人物信息采集装置和所述环境采集装置；
在当前人物信息、时间信息和地点信息与所述社区安全事件反馈数据集的偏差在指定区间时，发出安全事件预警。
在一些实施例中，对各类社区安全事件进行分类，包括：
对各类安全事件的概念进行本体拓展，得到安全事件概念；
对社区安全事件记录进行短文本分析，根据所述安全事件概念，识别所述社区安全事件记录中的每个安全事件的类型。
在一些实施例中，对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，包括：
通过本体扩展的方法，对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展；
对各个安全事件的描述进行分词，抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息。
在一些实施例中，按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合，包括：
按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，得到每类安全事件的子空间；
在各类安全事件的子空间中，通过多维聚类算法得出各类安全事件的多个维度组合。
在一些实施例中，在所述人物信息、环境参数信息和时间信息符合所述多个维度组合中至少一个维度标准时，发出安全事件预警，包括：
为各个维度分别设置容错空间，当所述人物信息、环境参数信息和时间信息与对应的维度标准之间的距离在对应的容错空间内时，发出安全事件预警。
在一些实施例中，所述环境参数信息中的每一个元素通过以下公式计算：
Figure BDA0002988924040000031
其中，i为第i类安全事件，fi()为指定子空间中所述安全事件与对应维度标准之间距离的计算函数，P为所述人物信息的维度值，S为所述环境参数信息的维度值，T为所述时间信息的维度值。
基于上述目的，本申请还提出了一种基于多维数据聚类的社区安全监控***，包括：
构建模块，用于对各类社区安全事件进行分类，并按照不同的分类从人物、时间和地点三个主维度提取人物主维度信息、时间主维度信息和地点主维度信息；
扩展模块，用于对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息；
聚类模块，用于按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合；
采集模块，用于根据所述多个维度组合，在社区中设置人物信息采集装置和环境采集装置，持续采集进入社区的人物信息、环境参数信息和时间信息；
预警模块，用于在所述人物信息、环境参数信息和时间信息符合所述多个维度组合中至少一个维度标准时，发出安全事件预警。
在一些实施例中，所述***还包括：
分解模块，用于对社区发生的安全事件按照人物扩展维度、时间扩展维度和地点维度扩展进行数据分解，得到社区安全事件反馈数据集；
推送模块，用于将所述社区安全事件反馈数据集推送至所述人物信息采集装置和所述环境采集装置；
判断模块，用于在当前人物信息、时间信息和地点信息与所述社区安全事件反馈数据集的偏差在指定区间时，发出安全事件预警。
在一些实施例中，所述扩展模块，包括：
本体扩展单元，用于通过本体扩展的方法，对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展；
分词抽取单元，用于对各个安全事件的描述进行分词，抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息。
总的来说，本申请的优势及给用户带来的体验在于：能够通过多维数据聚类方法，自适应地对影响社区安全的各个维度进行概念拓展，综合各类影响社区安全的因素，更加准确地判断是否存在社区安全隐患，避免了人工干预，提高了社区安全事件预警的准确性和智能性。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1示出根据本发明实施例的基于多维数据聚类的社区安全监控方法的流程图。
图2示出根据本发明实施例的基于多维数据聚类的社区安全监控方法的流程图。
图3示出根据本发明实施例的基于多维数据聚类的社区安全监控***的构成图。
图4示出根据本发明实施例的基于多维数据聚类的社区安全监控***的构成图。
图5示出根据本发明实施例的扩展模块的构成图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
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。下面将参考附图并结合实施例来详细说明本申请。
图1示出根据本发明实施例的基于多维数据聚类的社区安全监控方法的流程图。如图1所示，该基于多维数据聚类的社区安全监控方法包括：
步骤S11、对各类社区安全事件进行分类，并按照不同的分类从人物、时间和地点三个主维度提取人物主维度信息、时间主维度信息和地点主维度信息。
具体来说，对于预测安全事件来说，时间、地点和人物是构成一个安全事件的基础维度。例如，行动可以的累犯一般会选择在凌晨对无人居住的房屋进行偷盗活动，累犯为人物，凌晨为时间，无人居住的房屋为地点。因此，可以以这三个维度为主维度，提取人物主维度信息、时间主维度信息和地点主维度信息。这些主维度信息涵盖了与人物、时间、地点相关的全部信息。
在一种实施方式中，对各类社区安全事件进行分类，包括：
对各类安全事件的概念进行本体拓展，得到安全事件概念；
对社区安全事件记录进行短文本分析，根据所述安全事件概念，识别所述社区安全事件记录中的每个安全事件的类型。
步骤S12、对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息。
具体来说，从本体认知领域看，三维空间的时间、地点和人物显然不能满足对安全事件预测的需求，为了提升预测的准确度，可以对这三个维度进行扩展，进一步得到人物扩展维度信息、时间扩展维度信息和地点维度扩展信息。例如，时间的维度可以拓展出农历时间、阳历时间等；地点可以拓展出公共区域、弱势群体区域、偏僻区域等；人物可以拓展出惯犯、陌生人等。
在一种实施方式中，对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，包括：
通过本体扩展的方法，对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展；
对各个安全事件的描述进行分词，抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息。
步骤S13、按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合。
具体来说，有了人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，就可以对目前掌握的社区安全事件进行统计分析，多维聚类算法是其中一个有效的方法，得到容易发生社区安全事件的各种可能组合，即不同分类安全事件的多个维度组合，以此来衡量未来发生的事件是否会触发社区安全事件。
在一种实施方式中，按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合，包括：
按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，得到每类安全事件的子空间；
在各类安全事件的子空间中，通过多维聚类算法得出各类安全事件的多个维度组合。
步骤S14、根据所述多个维度组合，在社区中设置人物信息采集装置和环境采集装置，持续采集进入社区的人物信息、环境参数信息和时间信息。
具体来说，人物信息采集装置和环境采集装置可以通过视听、味觉等多种传感器进行采集。
步骤S15、在所述人物信息、环境参数信息和时间信息符合所述多个维度组合中至少一个维度标准时，发出安全事件预警。
在一种实施方式中，在所述人物信息、环境参数信息和时间信息符合所述多个维度组合中至少一个维度标准时，发出安全事件预警，包括：
为各个维度分别设置容错空间，当所述人物信息、环境参数信息和时间信息与对应的维度标准之间的距离在对应的容错空间内时，发出安全事件预警。
在一种实施方式中，所述环境参数信息中的每一个元素通过以下公式计算：
Figure BDA0002988924040000071
其中，i为第i类安全事件，fi()为指定子空间中所述安全事件与对应维度标准之间距离的计算函数，P为所述人物信息的维度值，S为所述环境参数信息的维度值，T为所述时间信息的维度值。
图2示出根据本发明实施例的基于多维数据聚类的社区安全监控方法的流程图。如图2所示，该基于多维数据聚类的社区安全监控方法还包括：
步骤S16、对社区发生的安全事件按照人物扩展维度、时间扩展维度和地点维度扩展进行数据分解，得到社区安全事件反馈数据集。
具体来说，为了让整个社区安全预测的准确度更高，可以对新近发生的社区安全事件作为反馈数据，不断灌入多维数据聚类分析的过程中。
步骤S17、将所述社区安全事件反馈数据集推送至所述人物信息采集装置和所述环境采集装置。
具体来说，将采集到的反馈数据及时推送到人物信息采集装置和环境采集装置，从而更有针对性地进行采集和预测。
步骤S18、在当前人物信息、时间信息和地点信息与所述社区安全事件反馈数据集的偏差在指定区间时，发出安全事件预警。
具体来说，可以允许每个维度的信息存在一定的容忍区间，只要落在这个容忍区间的安全事件，就认为能够触发安全事件预警。
图3示出根据本发明实施例的基于多维数据聚类的社区安全监控***的构成图。如图3所示，该基于多维数据聚类的社区安全监控***整体可以分为：
构建模块31，用于对各类社区安全事件进行分类，并按照不同的分类从人物、时间和地点三个主维度提取人物主维度信息、时间主维度信息和地点主维度信息；
扩展模块32，用于对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息；
聚类模块33，用于按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合；
采集模块34，用于根据所述多个维度组合，在社区中设置人物信息采集装置和环境采集装置，持续采集进入社区的人物信息、环境参数信息和时间信息；
预警模块35，用于在所述人物信息、环境参数信息和时间信息符合所述多个维度组合中至少一个维度标准时，发出安全事件预警。
图4根据本发明实施例的基于多维数据聚类的社区安全监控***的构成图。如图4所示，该基于多维数据聚类的社区安全监控***整体还包括：
分解模块36，用于对社区发生的安全事件按照人物扩展维度、时间扩展维度和地点维度扩展进行数据分解，得到社区安全事件反馈数据集；
推送模块37，用于将所述社区安全事件反馈数据集推送至所述人物信息采集装置和所述环境采集装置；
判断模块38，用于在当前人物信息、时间信息和地点信息与所述社区安全事件反馈数据集的偏差在指定区间时，发出安全事件预警。
图5示出根据本发明实施例的扩展模块的构成图。如图5所示，该扩展模块32包括：
本体扩展单元321，用于通过本体扩展的方法，对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展；
分词抽取单元322，用于对各个安全事件的描述进行分词，抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息。
本申请实施例各***中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于多维数据聚类的社区安全监控方法，其特征在于，包括：
对各类社区安全事件进行分类，并按照不同的分类从人物、时间和地点三个主维度提取人物主维度信息、时间主维度信息和地点主维度信息；
对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息；
按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合；
根据所述多个维度组合，在社区中设置人物信息采集装置和环境采集装置，持续采集进入社区的人物信息、环境参数信息和时间信息；
在所述人物信息、环境参数信息和时间信息符合所述多个维度组合中至少一个维度标准时，发出安全事件预警。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对社区发生的安全事件按照人物扩展维度、时间扩展维度和地点维度扩展进行数据分解，得到社区安全事件反馈数据集；
将所述社区安全事件反馈数据集推送至所述人物信息采集装置和所述环境采集装置；
在当前人物信息、时间信息和地点信息与所述社区安全事件反馈数据集的偏差在指定区间时，发出安全事件预警。
3.根据权利要求1所述的方法，其特征在于，对各类社区安全事件进行分类，包括：
对各类安全事件的概念进行本体拓展，得到安全事件概念；
对社区安全事件记录进行短文本分析，根据所述安全事件概念，识别所述社区安全事件记录中的每个安全事件的类型。
4.根据权利要求1所述的方法，其特征在于，对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，包括：
通过本体扩展的方法，对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展；
对各个安全事件的描述进行分词，抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息。
5.根据权利要求1所述的方法，其特征在于，按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合，包括：
按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，得到每类安全事件的子空间；
在各类安全事件的子空间中，通过多维聚类算法得出各类安全事件的多个维度组合。
6.根据权利要求1所述的方法，其特征在于，在所述人物信息、环境参数信息和时间信息符合所述多个维度组合中至少一个维度标准时，发出安全事件预警，包括：
为各个维度分别设置容错空间，当所述人物信息、环境参数信息和时间信息与对应的维度标准之间的距离在对应的容错空间内时，发出安全事件预警。
7.根据权利要求6所述的方法，其特征在于，所述环境参数信息中的每一个元素通过以下公式计算：
Figure FDA0002988924030000021
其中，i为第i类安全事件，fi()为指定子空间中所述安全事件与对应维度标准之间距离的计算函数，P为所述人物信息的维度值，S为所述环境参数信息的维度值，T为所述时间信息的维度值。
8.一种基于多维数据聚类的社区安全监控***，其特征在于，包括：
构建模块，用于对各类社区安全事件进行分类，并按照不同的分类从人物、时间和地点三个主维度提取人物主维度信息、时间主维度信息和地点主维度信息；
扩展模块，用于对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展，并从各个安全事件中抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息；
聚类模块，用于按照所述人物扩展维度信息、时间扩展维度信息和地点维度扩展信息，对引起社区中各类安全事件的要素进行分解，通过多维聚类算法得出不同分类安全事件的多个维度组合；
采集模块，用于根据所述多个维度组合，在社区中设置人物信息采集装置和环境采集装置，持续采集进入社区的人物信息、环境参数信息和时间信息；
预警模块，用于在所述人物信息、环境参数信息和时间信息符合所述多个维度组合中至少一个维度标准时，发出安全事件预警。
9.根据权利要求8所述的***，其特征在于，所述***还包括：
分解模块，用于对社区发生的安全事件按照人物扩展维度、时间扩展维度和地点维度扩展进行数据分解，得到社区安全事件反馈数据集；
推送模块，用于将所述社区安全事件反馈数据集推送至所述人物信息采集装置和所述环境采集装置；
判断模块，用于在当前人物信息、时间信息和地点信息与所述社区安全事件反馈数据集的偏差在指定区间时，发出安全事件预警。
10.根据权利要求8所述的***，其特征在于，所述扩展模块，包括：
本体扩展单元，用于通过本体扩展的方法，对所述人物主维度信息、时间主维度信息和地点主维度信息进行维度扩展，得到人物扩展维度、时间扩展维度和地点维度扩展；
分词抽取单元，用于对各个安全事件的描述进行分词，抽取出对应的人物扩展维度信息、时间扩展维度信息和地点维度扩展信息。
CN202110309024.5A 2021-03-23 2021-03-23 一种基于多维数据聚类的社区安全监控方法和*** Pending CN113094503A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110309024.5A CN113094503A (zh) 2021-03-23 2021-03-23 一种基于多维数据聚类的社区安全监控方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110309024.5A CN113094503A (zh) 2021-03-23 2021-03-23 一种基于多维数据聚类的社区安全监控方法和***

Publications (1)

Publication Number Publication Date
CN113094503A true CN113094503A (zh) 2021-07-09

Family

ID=76669450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110309024.5A Pending CN113094503A (zh) 2021-03-23 2021-03-23 一种基于多维数据聚类的社区安全监控方法和***

Country Status (1)

Country Link
CN (1) CN113094503A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090289787A1 (en) * 2008-05-21 2009-11-26 International Business Machines Corporation Residential security cluster with associated alarm interconnects
CN107229712A (zh) * 2017-05-27 2017-10-03 中南大学 一种面向公共安全事件信息获取的时空聚类方法
CN108230183A (zh) * 2018-01-06 2018-06-29 浙江涵普电力科技有限公司 一种基于时标量测的电网设备多维度综合告警的处理方法
CN108320256A (zh) * 2017-12-08 2018-07-24 中国电子科技集团公司电子科学研究院 基于大数据的社会安全事件识别方法、设备及存储介质
CN109635995A (zh) * 2018-10-25 2019-04-16 中国电子科技集团公司电子科学研究院 一种基于多维数据的社会安全事件异常发现方法及装置
CN110047025A (zh) * 2019-03-11 2019-07-23 特斯联（北京）科技有限公司 一种基于大数据的社区安防规划方法和***
CN110766895A (zh) * 2019-09-17 2020-02-07 重庆特斯联智慧科技股份有限公司 基于目标轨迹分析的智慧社区异常报警***及方法
CN111260525A (zh) * 2020-01-16 2020-06-09 深圳市广道高新技术股份有限公司 社区安全态势感知和预警方法、***及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090289787A1 (en) * 2008-05-21 2009-11-26 International Business Machines Corporation Residential security cluster with associated alarm interconnects
CN107229712A (zh) * 2017-05-27 2017-10-03 中南大学 一种面向公共安全事件信息获取的时空聚类方法
CN108320256A (zh) * 2017-12-08 2018-07-24 中国电子科技集团公司电子科学研究院 基于大数据的社会安全事件识别方法、设备及存储介质
CN108230183A (zh) * 2018-01-06 2018-06-29 浙江涵普电力科技有限公司 一种基于时标量测的电网设备多维度综合告警的处理方法
CN109635995A (zh) * 2018-10-25 2019-04-16 中国电子科技集团公司电子科学研究院 一种基于多维数据的社会安全事件异常发现方法及装置
CN110047025A (zh) * 2019-03-11 2019-07-23 特斯联（北京）科技有限公司 一种基于大数据的社区安防规划方法和***
CN110766895A (zh) * 2019-09-17 2020-02-07 重庆特斯联智慧科技股份有限公司 基于目标轨迹分析的智慧社区异常报警***及方法
CN111260525A (zh) * 2020-01-16 2020-06-09 深圳市广道高新技术股份有限公司 社区安全态势感知和预警方法、***及存储介质

Similar Documents

Publication Publication Date Title
CN108027888B (zh) 使用上下文信号的局部异常检测
Li et al. An intelligent decision-support model using FSOM and rule extraction for crime prevention
US20220092881A1 (en) Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program
CN109033200B (zh) 事件抽取的方法、装置、设备及计算机可读介质
CN108320256A (zh) 基于大数据的社会安全事件识别方法、设备及存储介质
US20110077950A1 (en) Risk profiling system and method
Dagaeva et al. Big spatio‐temporal data mining for emergency management information systems
CN110263633B (zh) 基于时空关联的涉毒人员检测预警方法、***及存储介质
US20190164245A1 (en) Method for automatically linking associated incidents related to criminal activity
Bauman et al. Using social sensors for detecting emergency events: a case of power outages in the electrical utility industry
Taymouri et al. Business process variant analysis based on mutual fingerprints of event logs
Hu et al. Duronet: A dual-robust enhanced spatial-temporal learning network for urban crime prediction
CN110727805A (zh) 社区知识图谱构建方法及***
CN115984767A (zh) 一种基于监控画面实时分析的异常预警方法及***
CN116933252A (zh) 一种安全监测方法、装置、设备及介质
Prathap et al. Crime analysis and forecasting on spatio temporal news feed data—an indian context
Ateş et al. Big data, data mining, machine learning, and deep learning concepts in crime data
Alkhamees et al. Event detection from social network streams using frequent pattern mining with dynamic support values
Mahmoud et al. User activities outlier detection system using principal component analysis and fuzzy rule-based system
CN116865994A (zh) 一种基于大数据的网络数据安全预测方法
van ‘t Wout et al. Machine learning for policing: a case study on arrests in Chile
CN110543583A (zh) 信息处理方法及装置、图像设备及存储介质
Xi et al. Research on urban anti-terrorism intelligence perception system from the perspective of Internet of things application
Yin Crime Prediction Methods Based on Machine Learning: A Survey.
Khatun et al. Data mining technique to analyse and predict crime using crime categories and arrest records

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210709