CN113254733B - 基于大数据平台的信息分析方法、***及存储介质 - Google Patents
基于大数据平台的信息分析方法、***及存储介质 Download PDFInfo
- Publication number
- CN113254733B CN113254733B CN202011570132.XA CN202011570132A CN113254733B CN 113254733 B CN113254733 B CN 113254733B CN 202011570132 A CN202011570132 A CN 202011570132A CN 113254733 B CN113254733 B CN 113254733B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- information
- new
- abnormal information
- preset
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 376
- 230000002265 prevention Effects 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 11
- 230000002093 peripheral effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于大数据平台的信息分析方法、***及存储介质,其属于大数据分析的领域,其中方法包括获取当前用户发送的新异常信息,并将新异常信息记录在异常信息数据库中;在异常信息数据库中,根据新异常信息,筛选出第一异常信息;计算第一异常信息的个数,生成第一异常个数,第一异常个数与第一异常信息的个数相等;根据新异常信息生成可能异常情况列表;根据预设的态势分析模型,计算可能异常情况列表中每个可能异常信息的可能系数;判断各可能系数是否超过预设的第一阈值;若某一可能系数超过预设的第一阈值,生成第一防控指令反馈给用户。本申请具有提前对异常情况发生进行预测的效果。
Description
技术领域
本申请涉及大数据分析的领域,尤其是涉及一种基于大数据平台的信息分析方法、***及存储介质。
背景技术
近年来,大数据、云计算等信息技术发展,在各行各业的应用越来越广泛,使得人们的生活更为便捷,同时也推动了医疗和公共安全的发展。在社会公共安全方面,大数据平台的设立,有助于更好地维护社会安全稳定。
现在,工作人员处理异常情况的依据是来自群众的电话。每次接到电话之后,会经过人工的初步筛选,然后向负责对应区域的工作人员传达去处理的指令,并将本次处理的具体信息记录下来。
上述的相关技术存在以下缺陷:对数据平台中数据的利用不够充分,工作人员只能被动地前往目标地点,在接到电话之后,无论工作人员的响应速度有多快,实际的异常情况已经产生。
发明内容
为了充分利用数据,减小安全问题,维护社会安定,本申请提供一种基于大数据平台的信息分析方法、***及存储介质。
第一方面,本申请提供一种基于大数据平台的信息分析方法,采用如下的技术方案:
一种基于大数据平台的信息分析方法,包括获取当前用户发送的新异常信息,并将所述新异常信息记录在异常信息数据库中,所述新异常信息包括新异常类型和新发生地区;
根据所述新异常信息,从异常信息数据库中筛选出第一异常信息,所述第一异常信息包括第一异常类型、第一发生时间和第一发生地区,所述第一发生时间在预设的时间段内,所述第一异常类型与所述新异常类型相同,所述第一发生地区与所述新发生地区相同;
计算所述第一异常信息的个数,生成第一异常个数,所述第一异常个数与第一异常信息的个数相等;
根据新异常信息生成可能异常情况列表,可能异常情况列表由若干可能异常信息组成,每一条可能异常信息包括可能发生地区,所述可能发生地区包括新发生地区;
将第一异常个数带入预设的态势分析模型,计算可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数;
判断各所述可能系数是否超过预设的第一阈值;
若某一可能系数超过预设的第一阈值,生成包括所述可能系数对应的可能异常信息的第一防控指令并反馈给用户。
通过采用上述技术方案,根据预设的态势分析模型计算可能发生地区中各异常情况可能发生的程度,充分利用已有数据,以已发生的异常情况为依据,可对各类异常情况发生的可能性进行预示,为工作人员提供决策依据,工作人员可加强对各异常情况的警惕和巡逻,减小可能出现的安全问题。
可选的,所述可能发生地区还包括周边地区;
所述周边地区根据所述新发生地区以及预设的地区分布图所获得,所述周边地区为在地区分布图中与所述新发生地区接壤的地区。
通过采用上述技术方案,不仅可对此次异常情况的发生地区进行可能性预测,还可对靠近此次发生地区的周边地区进行预测,提高了对数据的利用程度,扩大了预测范围;对每个地区来说,依靠多个因素所产生的可能性结果更为准确。
可选的,所述可能异常信息包括可能异常类型,所述可能异常类型属于不同的异常情况大类;
所述判断各所述可能系数是否超过预设的第一阈值具体包括:
获取所述可能系数对应的可能异常类型;
判断所述可能异常类型所属的异常情况大类,并获取所述异常情况大类对应预设的第一参考阈值;
将所述第一参考阈值定义为当前的第一阈值,将所述第一阈值与所述可能系数进行对比。
通过采用上述技术方案,根据各异常类型对社会的危害程度,将其归入不同的异常情况大类中,并且赋予不同的阈值,使得工作人员可以在有限的人员和精力的前提下,优先处理情形严重的异常类型,最大程度地减小可能产生的社会危害。
可选的,所述计算所述第一异常信息的个数,生成第一异常个数之后还包括:
判断所述第一异常个数是否超过预设的第二阈值;
若所述第一异常个数超过预设的第二阈值,获取所述第一异常个数对应的第一异常信息;
生成第二防控指令反馈给用户,所述第二防控指令包括第一异常信息。
通过采用上述技术方案,对该异常信息的发生地区的异常情况进行统计,将该地异常情况发生较为严重的异常信息反馈给工作人员查看,便于工作人员在时间和人数有限的情况下,采取防控措施。
可选的,所述判断所述第一异常个数是否超过预设的第二阈值之后还包括:
若所述第一异常个数超过预设的第二阈值,从异常信息数据库中筛选得到第二异常信息,所述第二异常信息包括第二异常类型、第二发生地区和第二发生时间,所述第二发生地区与可能发生地区相同,所述第二异常类型与可能异常类型相同,第二发生时间在预设的时间内;
计算生成各第二发生地区的各第二异常类型的第二异常信息的个数,生成第二异常个数信息;
根据所述第一异常个数和所述第二异常个数信息,计算第一异常信息和第二异常信息之间的相关系数信息;
根据所述相关系数信息,替换所述态势分析模型中预设的相关系数信息,更新所述态势分析模型。
通过采用上述技术方案,各个地区的异常情况会随着时间不断地变化,因此根据每个发送地区的不同的异常类型的次数,不断对态势分析模型进行更新,使得模型能够随着实际情况发生变化,提高模型的准确性。
可选的,所述新异常信息包括新相关人员籍贯;
所述在异常信息数据库中,根据所述新异常信息,筛选出第一异常信息,计算所述第一异常信息的个数,生成第一异常个数之后还包括:
根据所述新异常信息,从第一异常信息中筛选得到第三异常信息,所述第三异常信息包括与新相关人员籍贯相同的第三相关人员籍贯;
计算所述第三异常信息的个数,生成第三异常个数,所述第三异常个数与所述第三异常信息的个数相等;
判断所述第三异常个数是否超过预设的第三阈值;
若所述第三异常个数超过预设的第三阈值,生成第三防控指令并反馈给用户,所述第三防控指令包括第三相关人员籍贯。
通过采用上述技术方案,从相关人员的角度进行防控,尽早识别出区域性异常情况,从而便于工作人员进行处理,在造成安全危险之前,及时止损。
可选的,所述生成第三防控指令并反馈给用户之后还包括:
通过人员数据库,获取具有与所述第三相关人员籍贯相同籍贯的已记录人员信息;通过交通监控等方式,获取位于所述新发生地区的活动人员信息;
将所述已记录人员信息与所述活动人员信息进行比对,生成重合人员信息,并生成第四防控指令反馈给用户,所述第四防控指令包括重合人员信息。
通过采用上述技术方案,对已记录人员进行重点防控,进一步缩小管控范围,减小工作人员的工作负担,提高防控的工作效率。
第二方面,本申请提供一种基于大数据平台的信息分析***,采用如下的技术方案:
一种基于大数据平台的信息分析***,包括:
获取记录模块,用于获取当前用户发送的新异常信息,并将所述新异常信息记录在异常信息数据库中,所述新异常信息包括新异常类型和新发生地区;
第一异常信息处理模块,用于根据所述新异常信息,从异常信息数据库中筛选出第一异常信息,所述第一异常信息包括第一异常类型、第一发生时间和第一发生地区,所述第一发生时间在预设的时间段内,所述第一异常类型与所述新异常类型相同,所述第一发生地区与所述新发生地区相同;计算所述第一异常信息的个数,生成第一异常个数,所述第一异常个数与第一异常信息的个数相等;
可能异常处理模块,用于根据新异常信息生成可能异常情况列表,可能异常情况列表由若干可能异常信息组成,每一条可能异常信息包括可能发生地区,所述可能发生地区包括新发生地区;将第一异常个数带入预设的态势分析模型,计算可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数;
第一判断生成模块,用于判断各所述可能系数是否超过预设的第一阈值;若某一可能系数超过预设的第一阈值,生成包括所述可能系数对应的可能异常信息的第一防控指令并反馈给用户。
通过采用上述技术方案,能够由已知的数据为基础,对相关地区的各类异常情况的发生概率进行预测,防患于未然,减小发生的社会危害。
第三方面,本申请提供一种智能终端,采用如下的技术方案:
一种智能终端,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如上述任一种方法的计算机程序。
通过采用上述技术方案,能够向工作人员反馈某一时间段内,很有可能发生的异常信息,以此作为工作人员的决策依据。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括存储有能够被处理器加载并执行如上述任一种方法的计算机程序。
通过采用上述技术方案,能够存储相应的程序,实现对异常情况进行预测的效果。
综上所述,本申请包括以下至少一种有益技术效果:
1.根据已知的各地区的各异常类型的发生次数,来评估此次异常情况之后,其他异常情况的可能性,便于工作人员进行决策,防患于未然;
2.对多个同一籍贯的相关人员进行重点布控,并且对其中的已记录人员进行交叉对比,显示重点,在有限的人数和时间的情况下,最大可能地减小可能产生的社会危害。
附图说明
图1是本申请实施例的用于生成第一防控指令、第二防控指令和更新态势模型的流程示意图;
图2是本申请实施例的用于生成第三防控指令和第四防控指令的流程示意图;
图3是本申请实施例的基于大数据平台的信息分析***的结构框图。
附图标记说明:1、获取记录模块;2、第一防控指令生成模块;21、第一异常信息处理模块;22、可能异常处理模块;23、第一判断生成模块;3、第二防控指令生成模块;4、第三防控指令生成模块;5、第四防控指令生成模块;6、态势分析模型更新模块。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
本申请实施例公开一种基于大数据平台的信息分析方法。参照图1,基于大数据平台的信息分析方法包括:
S100:获取当前用户发送的新异常信息,并将新异常信息记录在异常信息数据库中。
其中,新异常信息包括新异常类型和新发生地区。城市预先以社区为单位被划分为若干地区,新发生地区是指该新异常情况所发生的地理位置所在的某一地区,异常类型为该新异常情况的种类,例如盗窃、诈骗等。异常信息数据库为记录该城市内所有发生过的异常信息的数据库。
具体的,在新异常情况发生之后,工作人员将新异常情况发生的地点和类型发送给***,***接收到上述信息并将其按照预先的格式,记录在异常信息数据库中。
S200:根据新异常信息,从异常信息数据库中筛选出第一异常信息,生成第一异常个数。
第一异常信息包括第一异常类型、第一发生时间和第一发生地区,其中,第一异常类型与新异常信息的异常类型相同,第一发生地区与新发生地区也相同,而第一发生时间与新异常信息发送的时间不同。具体的,用户发送新异常信息的时间为具体到日的时间,而第一发生时间是指该第一异常情况发生的时间在时间段L内的时间,时间段L可为以新异常信息发送的时间为基准的近一周内、近两周内、近一个月内等等。
具体的,本步骤包括:根据获得的新异常信息中的新异常类型、新发生地区以及新异常信息发送的时间,在异常信息数据库内筛选出符合条件的异常信息并将其定义为第一异常信息,并计算得到的第一异常信息的个数,同时将该个数定义为第一异常个数。
S300:根据新异常信息和预设的地区分布图,生成可能异常情况列表。
其中,可能异常情况列表由若干条可能异常信息组成,每一条可能异常信息均包括一个可能发生地区以及该可能发生地区所对应的可能异常类型。具体的,可能异常情况列表中的多个可能发生地区包括新发生地区以及与新发生地区对应的周边地区,而每个可能发生地区所对应的可能异常类型均包括所有的异常类型。需要说明的是,与新发生地区对应的周边地区指的是在预设的地区分布图中与新发生地区接壤的地区。
S400:根据预设的态势分析模型,计算可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数。
其中,态势分析模型为第一异常类型与每条可能异常信息之间的基于预设的相关系数X的公式。这里需要说明的是,第一发生地区的第一异常类型与各可能发生地区的各可能异常类型之间均设有一个相关系数X。将S200中计算获取的第一异常个数与预设的各相关系数X对应相乘,即可计算得到可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数。
举例来说,第一异常类型为A,第一发生地区为I,第一异常次数为y,可能异常情况列表内的某一可能异常信息的可能异常类型为B,该条可能异常信息所对应的可能发生地区为II,上述第一异常信息与该可能异常类型B之间的相关系数为x,则将第一异常次数与该相关系数相乘得到xy,xy即为可能异常类型B在可能发生地区为II的地区内发生的可能系数。
S500:判断各可能系数是否超过预设的第一阈值。
具体的,在预设中,每个可能异常类型均被归入对应到的异常情况大类中,每个异常情况大类具有不同的第一参考阈值。通过遍历查询,依次判断每个可能系数对应的可能异常类型所属的异常情况大类,获取对应异常情况大类的第一参考阈值,将该第一参考阈值定义为当前的第一阈值N1,其中N1≥0;然后将该第一阈值N1与当前的可能系数的大小进行比较。若当前的可能系数超过预设的第一阈值N1,跳转至S600,若当前的可能系数不超过预设的第一阈值N1,则无响应。
S600:生成第一防控指令并将其反馈给用户。
其中,第一防控指令包括上述可能系数对应的可能发生地区和可能异常类型,将可能发生地区和可能异常类型均反馈给用户,供用户进行决策。
参照图1,在S200中生成第一异常个数之后还包括:
S11:判断第一异常个数是否超过预设的第二阈值。
具体的,***预设有第二阈值N2,N2≥0,将第一异常个数与第二阈值N2进行大小的比较,若第一异常个数大于第二阈值N2,同时进入S111和S112。若第一异常个数小于等于第二阈值N2,则不响应。
S111:生成针对第一异常信息的第二防控指令反馈给用户。
其中,第二防控指令包括满足条件的第一异常信息的第一发生地区和第一异常类型,将第一发生地区和第一异常类型均反馈给工作人员,从而便于工作人员加强针对此种异常情况的防控。
S112:根据S300中生成的可能异常情况列表,从异常信息数据库中筛选得到第二异常信息,并生成第二异常个数信息。
其中,第二异常信息包括第二发生地区、第二异常类型和第二发生时间。第二发生地区与S300中生成的可能异常信息中的可能发生地区相同,第二异常类型与S300中生成的可能异常信息中的可能异常类型相同,第二发生时间与S200中预设的时间段L相同。根据以上条件,从异常信息数据库中筛选生成第二异常信息,计算生成各第二发生地区的各第二异常类型的第二异常信息的个数,从而生成第二异常个数信息,第二异常个数信息描述了预设的每个第二发生地区的每个第二异常类型在时间段L内的发生次数。
S122:根据第二异常个数信息,生成相关系数信息。
具体的,依次用第二异常个数信息中的第二异常个数,除以S200中计算获取的第一异常个数,生成对应的相关系数,最终生成相关系数信息。相关系数信息中的相关系数,与第一异常类型信息和第二异常信息相对应,描述了每发生一次第一异常情况时,对应第二异常情况发生的可能程度。
S132:根据相关系数信息,对态势分析模型进行更新。
具体的,将S122中计算得到的相关系数信息与态势分析模型中对应的预设相关系数信息进行比较,将S122中的相关系数与S400中预设的相关系数进行对应相减,得到差值,若某一差值大于预设的额定偏差量M,将该差值对应的S122中的相关系数代替态势分析模型中预设的相关系数,即,将该相关系数作为新的态势分析模型中预设的相关系数,从而更新态势分析模型。
参照图2,在S200中筛选出第一异常信息之后,方法还包括:
S21:根据新异常信息,从第一异常信息中筛选得到第三异常信息,生成第三异常个数。
其中,新异常信息还包括新相关人员籍贯,第一异常信息包括第一相关人员籍贯,第三异常信息包括第三相关人员籍贯。具体的,将第一相关人员籍贯与新相关人员籍贯进行对比,生成对比结果,将对比结果相同的第一异常信息定义为第三异常信息,即,所有第三异常信息的第三相关人员籍贯均相同且与新相关人员籍贯一致。得到所有的第三异常信息后,计算所有第三异常信息的个数并将该个数定义为第三异常个数。
S22:判断第三异常个数是否超过预设的第三阈值。
具体的,***预设有第三阈值N3,N3≥0,将第三异常个数与第三阈值N3进行比较。若第三异常个数超过预设的第三阈值N3,跳转至S23,若第三异常个数不超过预设的第三阈值N3,则***无响应。
S23:生成第三防控指令并反馈给用户。
其中,第三防控指令包括第三异常信息的第三相关人员籍贯;将第三相关人员籍贯反馈给工作人员后,便于工作人员对该籍贯的人员进行重点防控。
S24:获取已记录人员信息和活动人员信息。
具体的,本***与人员数据库联网,获取人员数据库中与异常情况相关的已记录人员信息;通过道路交通监控等方式,可实时监控流入该发生地区的活动人员,获取活动人员信息,需要说明的是,这里获取的已记录人员所对应的籍贯是与步骤S23中第三相关人员籍贯相同的。
S25:根据已记录人员信息和活动人员信息,生成重合人员信息。
具体的,将已记录人员信息和活动人员信息进行交叉对比,获得已记录人员和活动人员的交集,然后将交集中的人员定义为重合人员,并生成重合人员信息,重合人员信息包括人员的姓名、住址、联系方式等。
S26:根据重合人员信息,生成第四防控指令并反馈给用户。
其中,第四防控指令包括重合人员信息,将第四防控指令反馈给工作人员后,有助于工作人员可根据重合人员信息采取防控措施。
实施原理:在某一异常情况发生之后,根据该异常情况发生的发生地区和异常类型,统计与该异常情况同一类,且发生在预设时间内的异常信息数据库中的异常情况数量,将该异常情况数量代入预设的态势分析模型中,计算与该异常情况相关的各个可能异常情况的可能系数,对各个可能系数进行循环判断,当可能系数超过第一阈值时,用户接受到针对可能异常情况的第一防控指令。
基于上述方法,本申请实施例还公开一种基于大数据平台的信息分析***,参照图3,基于大数据平台的信息分析***包括获取记录模块1、第一防控指令生成模块2、第一异常信息处理模块21、可能异常处理模块22、第一判断生成模块23、第二防控指令生成模块3、第三防控指令生成模块4、第四防控指令生成模块5、态势分析模型更新模块6。
获取记录模块1,用于获取用户发送的新异常信息,并且将获取到的新异常情况记录在异常信息数据库中。
第一防控指令生成模块2,用于根据新异常信息,在数据库中筛选得到第一异常信息,将第一异常信息代入到预设的态势分析模型中,生成各可能系数,并根据可能系数与第一阈值的大小判断生成第一防控指令。第一防控指令生成模块2包括第一异常信息处理模块21、可能异常处理模块22、第一判断生成模块23。
第一异常信息处理模块21,用于从异常信息数据库中筛选与新异常信息发生地相同且同类的第一异常信息,并生成第一异常信息个数。
可能异常处理模块22,用于生成可能异常情况列表,可能异常情况列表由若干条可能异常信息组成,可能异常信息包括的可能发生地区与新发生地区相同,或为新发生地区的相关地区,将新发生地区带入地区分布图可得相关地区,可能异常类型为所有的异常类型。
第一判断生成模块23,用于循环判断各可能系数是否超过预设的第一阈值,若超过第一阈值,则生成第一防控指令反馈给用户,第一防控指令包括该可能系数对应的可能异常信息。
第二防控指令生成模块3,用于判断第一异常个数是否超过第二阈值,若超过第二阈值,则生成第二防控指令反馈给用户,第二防控指令包括第一异常信息。
第三防控指令生成模块4,用于根据新异常信息,从第一异常信息中筛选得到第三异常信息,生成第三异常个数,若第三异常个数超过预设的第三阈值,则生成第三防控指令。
第四防控指令生成模块5,用于在生成第三防控指令之后,获取已记录人员信息和活动人员信息,将上述两者的交集定义为重合人员信息,并根据重合人员信息,生成第四防控指令反馈给用户。
态势分析模型更新模块6,用于在第一异常个数超过第二阈值时,根据第一异常个数和第二异常个数信息,计算出相关系数信息,并且将相关系数信息与态势分析模型中预设的相关系数信息进行对比,满足偏差条件时,用计算得到的相关系数信息代替预设的相关系数信息,实现更新。
本申请实施例还公开一种智能终端,智能终端包括存储器和处理器,存储器上存储有能够被处理器加载并执行如上述方法的计算机程序。
本申请实施例还公开一种计算机可读存储介质,其存储有能够被处理器加载并执行如上述方法的计算机程序,该计算机可读存储介质例如包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本申请的技术方案,而非对申请的保护范围进行限制。显然,所描述的实施例仅仅是本申请部分实施例,而不是全部实施例。基于这些实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请所要保护的范围。
Claims (6)
1.一种基于大数据平台的信息分析方法,其特征在于,包括:
获取当前用户发送的新异常信息,并将所述新异常信息记录在异常信息数据库中,所述新异常信息包括新异常类型和新发生地区;
根据所述新异常信息,从异常信息数据库中筛选出第一异常信息,所述第一异常信息包括第一异常类型、第一发生时间和第一发生地区,所述第一发生时间在预设的时间段内,所述第一异常类型与所述新异常类型相同,所述第一发生地区与所述新发生地区相同;
计算所述第一异常信息的个数,生成第一异常个数,所述第一异常个数与第一异常信息的个数相等;
根据新异常信息生成可能异常情况列表,所述可能异常情况列表由若干可能异常信息组成,每一条可能异常信息包括可能发生地区,所述可能发生地区包括新发生地区;
将所述第一异常个数代入预设的态势分析模型,计算所述可能异常情况列表中每一条所述可能异常信息内的每个可能异常类型发生的可能系数;
判断各所述可能系数是否超过预设的第一阈值;
若某一可能系数超过预设的第一阈值,生成包括与所述可能系数对应的可能异常信息的第一防控指令并反馈给用户;
所述可能发生地区还包括周边地区;
所述周边地区根据所述新发生地区以及预设的地区分布图所获得,所述周边地区为在地区分布图中与所述新发生地区接壤的地区;
所述可能异常信息包括可能异常类型,所述可能异常类型属于不同的异常情况大类;
所述判断各所述可能系数是否超过预设的第一阈值具体包括:
获取所述可能系数对应的可能异常类型;
判断所述可能异常类型所属的异常情况大类,并获取所述异常情况大类对应预设的第一参考阈值;
将所述第一参考阈值定义为当前的第一阈值,将所述第一阈值与所述可能系数进行对比;
所述计算所述第一异常信息的个数,生成第一异常个数之后还包括:
判断所述第一异常个数是否超过预设的第二阈值;
若所述第一异常个数超过预设的第二阈值,获取所述第一异常个数对应的第一异常信息;
生成第二防控指令并将其反馈给用户,所述第二防控指令包括第一异常信息;
所述判断所述第一异常个数是否超过预设的第二阈值之后还包括:
若所述第一异常个数超过预设的第二阈值,从异常信息数据库中筛选得到第二异常信息,所述第二异常信息包括第二异常类型、第二发生地区和第二发生时间,所述第二发生地区与可能发生地区相同,所述第二异常类型与可能异常类型相同,第二发生时间在预设的时间内;
计算生成各第二发生地区的各第二异常类型的第二异常信息的个数,生成第二异常个数信息;
根据所述第一异常个数和所述第二异常个数信息,计算得到第一异常信息和第二异常信息之间的相关系数信息;
根据所述相关系数信息,替换所述态势分析模型中预设的相关系数信息,更新所述态势分析模型。
2.根据权利要求1所述的基于大数据平台的信息分析方法,其特征在于,所述新异常信息包括新相关人员籍贯;
所述在异常信息数据库中,根据所述新异常信息,筛选出第一异常信息,计算所述第一异常信息的个数,生成第一异常个数之后还包括:
根据所述新异常信息,从第一异常信息中筛选得到第三异常信息,所述第三异常信息包括与新相关人员籍贯相同的第三相关人员籍贯;
计算所述第三异常信息的个数,生成第三异常个数,所述第三异常个数与所述第三异常信息的个数相等;
判断所述第三异常个数是否超过预设的第三阈值;
若所述第三异常个数超过预设的第三阈值,生成第三防控指令并反馈给用户,所述第三防控指令包括第三相关人员籍贯。
3.根据权利要求2所述的基于大数据平台的信息分析方法,其特征在于,所述生成第三防控指令并反馈给用户之后还包括:
通过人员数据库,获取具有与所述第三相关人员籍贯相同籍贯的已记录人员信息;通过交通监控等方式,获取位于所述新发生地区的活动人员信息;
将所述已记录人员信息与所述活动人员信息进行比对,生成重合人员信息,且生成第四防控指令并将其反馈给用户,所述第四防控指令包括重合人员信息。
4.一种基于大数据平台的信息分析***,其特征在于,包括,
获取记录模块(1),用于获取当前用户发送的新异常信息,并将所述新异常信息记录在异常信息数据库中,所述新异常信息包括新异常类型和新发生地区;
第一异常信息处理模块(21),用于根据所述新异常信息,从异常信息数据库中筛选出第一异常信息,所述第一异常信息包括第一异常类型、第一发生时间和第一发生地区,所述第一发生时间在预设的时间段内,所述第一异常类型与所述新异常类型相同,所述第一发生地区与所述新发生地区相同;计算所述第一异常信息的个数,生成第一异常个数,所述第一异常个数与第一异常信息的个数相等;
可能异常处理模块(22),用于根据新异常信息生成可能异常情况列表,可能异常情况列表由若干可能异常信息组成,每一条可能异常信息包括可能发生地区,所述可能发生地区包括新发生地区;所述可能发生地区还包括周边地区;所述周边地区根据所述新发生地区以及预设的地区分布图所获得,所述周边地区为在地区分布图中与所述新发生地区接壤的地区;将第一异常个数代 入预设的态势分析模型,计算可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数;
第一判断生成模块(23),用于判断各所述可能系数是否超过预设的第一阈值;若某一可能系数超过预设的第一阈值,生成包括与所述可能系数对应的可能异常信息的第一防控指令将其并反馈给用户;
可能系数判断模块,用于判断各所述可能系数是否超过预设的第一阈值具体包括:获取所述可能系数对应的可能异常类型;判断所述可能异常类型所属的异常情况大类,并获取所述异常情况大类对应预设的第一参考阈值;将所述第一参考阈值定义为当前的第一阈值,将所述第一阈值与所述可能系数进行对比;可能异常信息包括可能异常类型,所述可能异常类型属于不同的异常情况大类;
第二防控指令生成模块(3),用于计算所述第一异常信息的个数,生成第一异常个数之后还包括:判断所述第一异常个数是否超过预设的第二阈值;若所述第一异常个数超过预设的第二阈值,获取所述第一异常个数对应的第一异常信息;生成第二防控指令并将其反馈给用户,所述第二防控指令包括第一异常信息;
态势分析模型更新模块(6),用于在第一异常个数超过第二阈值时,从异常信息数据库中筛选得到第二异常信息,所述第二异常信息包括第二异常类型、第二发生地区和第二发生时间,所述第二发生地区与可能发生地区相同,所述第二异常类型与可能异常类型相同,第二发生时间在预设的时间内;计算生成各第二发生地区的各第二异常类型的第二异常信息的个数,生成第二异常个数信息;根据所述第一异常个数和所述第二异常个数信息,计算得到第一异常信息和第二异常信息之间的相关系数信息;根据所述相关系数信息,替换所述态势分析模型中预设的相关系数信息,更新所述态势分析模型。
5.一种智能终端,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至3中任一种方法的计算机程序。
6.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至3中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011570132.XA CN113254733B (zh) | 2020-12-26 | 2020-12-26 | 基于大数据平台的信息分析方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011570132.XA CN113254733B (zh) | 2020-12-26 | 2020-12-26 | 基于大数据平台的信息分析方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113254733A CN113254733A (zh) | 2021-08-13 |
CN113254733B true CN113254733B (zh) | 2023-04-18 |
Family
ID=77180650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011570132.XA Active CN113254733B (zh) | 2020-12-26 | 2020-12-26 | 基于大数据平台的信息分析方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113254733B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116957634B (zh) * | 2023-09-19 | 2023-11-21 | 贵昌集团有限公司 | 用于电子商务平台的信息智能采集处理方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845723B (zh) * | 2017-02-06 | 2020-12-29 | 安徽新华博信息技术股份有限公司 | 一种刑事案件的发生的预测方法 |
CN108010373B (zh) * | 2017-09-15 | 2019-04-09 | 路特迩科技(杭州)有限公司 | 基于泊位状态信息的泊位服务与管理***及方法 |
CN111832334A (zh) * | 2019-04-15 | 2020-10-27 | 普天信息技术有限公司 | 人员数据库建立方法、装置、电子设备和可读存储介质 |
CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
CN110908344A (zh) * | 2019-10-17 | 2020-03-24 | 神华信息技术有限公司 | 监控分站、方法及*** |
CN111833561B (zh) * | 2019-11-20 | 2021-11-09 | 杭州四方博瑞科技股份有限公司 | 围墙周界异常情况判定方法及其*** |
CN111241149B (zh) * | 2019-12-13 | 2023-02-28 | 北京明智和术科技有限公司 | 一种人员异常判定方法、装置、电子设备及存储介质 |
CN111177714B (zh) * | 2019-12-19 | 2022-07-08 | 未鲲(上海)科技服务有限公司 | 异常行为检测方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-26 CN CN202011570132.XA patent/CN113254733B/zh active Active
Non-Patent Citations (1)
Title |
---|
孔维熙等.卷烟工厂生产异常信息分析及推送***.计算机***应用.2017,第26卷(第05期),第279-283页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113254733A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113765881A (zh) | 异常网络安全行为的检测方法、装置、电子设备及存储介质 | |
CN111722058A (zh) | 基于知识图谱的电力信息***故障检测方法、装置及介质 | |
CN108537243B (zh) | 一种违规告警方法及装置 | |
CN114997607A (zh) | 一种基于工程检测数据的异常评估预警方法及*** | |
CN114742477A (zh) | 企业订单数据处理方法、装置、设备及存储介质 | |
CN113254733B (zh) | 基于大数据平台的信息分析方法、***及存储介质 | |
CN108418703B (zh) | 一种基于实时事件侦测的预警方法及*** | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、***和介质 | |
CN111310803A (zh) | 环境数据处理方法和装置 | |
CN112991130A (zh) | 基于人工智能的城市治理事件处理方法及装置 | |
KR20230124327A (ko) | 폐기물 배출 및 처리의 모니터링을 위한 방법 및 시스템 | |
CN115688110A (zh) | 金融物联网平台设备预警方法及装置 | |
CN110928859A (zh) | 模型监控方法、装置、计算机设备和存储介质 | |
CN117421692B (zh) | 垃圾投放站的垃圾违规投放识别方法、装置、设备 | |
CN114154915A (zh) | 一种用于电力设备风险管控的数据处理方法及装置 | |
CN113673870A (zh) | 一种企业数据分析方法及相关组件 | |
CN116610821B (zh) | 一种基于知识图谱的企业风险分析方法、***和存储介质 | |
CN117035374A (zh) | 一种应对突发事件的兵力协同调度方法、***及介质 | |
CN116246463A (zh) | 一种基于实时大数据的交通拥堵预警方法及*** | |
CN115001940A (zh) | 一种基于人工智能的关联性安全态势分析方法 | |
CN114386745A (zh) | 一种pms变电设备数据核查识别方法及*** | |
CN113379184A (zh) | 巡查周期动态调控方法、***以及存储介质 | |
CN117445403B (zh) | 基于电流预测的3d打印故障监测方法及*** | |
CN118070294B (zh) | 基于多维数据的安全运维大数据处理*** | |
CN118396388A (zh) | 一种企业信息科技管理预警平台和预警方法 |
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 |