CN113420722A - 一种机场安全管理平台的突发事件联动方法及*** - Google Patents
一种机场安全管理平台的突发事件联动方法及*** Download PDFInfo
- Publication number
- CN113420722A CN113420722A CN202110824778.4A CN202110824778A CN113420722A CN 113420722 A CN113420722 A CN 113420722A CN 202110824778 A CN202110824778 A CN 202110824778A CN 113420722 A CN113420722 A CN 113420722A
- Authority
- CN
- China
- Prior art keywords
- information
- linkage
- event
- obtaining
- airport
- 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 77
- 238000007726 management method Methods 0.000 claims abstract description 38
- 238000012806 monitoring device Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 230000007246 mechanism Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 26
- 230000000694 effects Effects 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 238000003062 neural network model Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 102000005877 Peptide Initiation Factors Human genes 0.000 description 1
- 108010044843 Peptide Initiation Factors Proteins 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种机场安全管理平台的突发事件联动方法及***,其中,所述方法包括:通过所述机场监控装置,获得第一视频信息;根据所述第一视频信息,获得第一事件的发生位置信息;对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息;对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息;获得第一联动范围;将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案。解决了现有技术突发事件应急管理预案滞后,联动处理效率低下,导致机场安全管理能力水平较低的技术问题。
Description
技术领域
本发明涉及安全管理领域,尤其涉及一种机场安全管理平台的突发事件联动方法及***。
背景技术
机场作为整个民航领域的保障主体,需要在确保绝对安全的前提下,提供方便快捷的运输服务,管理压力巨大。由于行业的特殊性,机场发生的突发事件,引发因素也更为错综复杂,面对国内外安全形势,提升机场突发事件的应急能力,是保障机场健康快速发展的关键。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术机场突发事件应急管理预案滞后,联动处理效率低下,导致机场安全管理能力水平较低的技术问题。
发明内容
本申请实施例通过提供一种机场安全管理平台的突发事件联动方法及***,解决了现有技术突发事件应急管理预案滞后,联动处理效率低下,导致机场安全管理能力水平较低的技术问题,达到通过事件的特殊性进行路径、设备的实时联动,提高机场突发事件处理效率,还可进行多个视频画面的融合,形成立体监控,可对突发事件进行实时的细节捕获,完成突发事件处理,从而增强机场安全管理能力水平的技术效果。
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的。
第一方面,本申请实施例提供了一种机场安全管理平台的突发事件联动方法,所述方法包括:通过所述机场监控装置,获得第一视频信息;根据所述第一视频信息,获得第一事件的发生位置信息;对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息;对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息;获得第一联动范围;将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案。
另一方面,本申请还提供了一种机场安全管理平台的突发事件联动***,所述***包括:第一获得单元,所述第一获得单元用于通过机场监控装置,获得第一视频信息;第二获得单元,所述第二获得单元用于根据所述第一视频信息,获得第一事件的发生位置信息;第三获得单元,所述第三获得单元用于对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息;第四获得单元,所述第四获得单元用于对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息;第五获得单元,所述第五获得单元用于获得第一联动范围;第六获得单元,所述第六获得单元用于将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案。
第三方面,本发明实施例提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过所述机场监控装置,获得第一视频信息;根据所述第一视频信息,获得第一事件的发生位置信息;对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息;对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息;获得第一联动范围;将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案。进而达到通过事件的特殊性进行路径、设备的实时联动,提高机场突发事件处理效率,还可进行多个视频画面的融合,形成立体监控,可对突发事件进行实时的细节捕获,完成突发事件处理,从而增强机场安全管理能力水平的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种机场安全管理平台的突发事件联动方法的流程示意图;
图2为本申请实施例一种机场安全管理平台的突发事件联动方法中获得第一事件的特征信息的流程示意图;
图3为本申请实施例一种机场安全管理平台的突发事件联动方法中获得特征信息的权重信息的流程示意图;
图4为本申请实施例一种机场安全管理平台的突发事件联动方法中获得类别信息的权重信息的流程示意图;
图5为本申请实施例一种机场安全管理平台的突发事件联动方法中获得第一联动范围的流程示意图;
图6为本申请实施例一种机场安全管理平台的突发事件联动方法中获得第一联动规划方案的流程示意图;
图7为本申请实施例一种机场安全管理平台的突发事件联动方法中获得第一视频信息的流程示意图;
图8为本申请实施例一种机场安全管理平台的突发事件联动***的结构示意图;
图9为本申请实施例所提供的一种用于执行控制输出数据的方法的电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150和用户接口1160。
具体实施方式
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的***、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行***、装置、器件使用或与其结合使用。
申请概述
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本发明实施例中的附图对本发明实施例进行描述。
实施例一
如图1所示,本申请实施例提供了一种机场安全管理平台的突发事件联动方法,其中,所述方法包括:
步骤S100:通过所述机场监控装置,获得第一视频信息;
如图7所示,进一步而言,其中,所述通过所述机场监控装置,获得第一视频信息,本申请实施例步骤S100还包括:
步骤S110:通过第一机场监控装置,获得第一参考视频信息;
步骤S120:对所述第一参考视频信息进行分析,获得第一参考位置信息;
步骤S130:获得预定范围;
步骤S140:根据所述预定范围,获得第二机场监控装置和第三机场监控装置,其中,所述第二机场监控装置和第三机场监控装置在所述预定范围之内;
步骤S150:根据所述第二机场监控装置获得第二参考视频信息;
步骤S160:根据所述第三机场监控装置获得第三参考视频信息;
步骤S170:对所述第一参考视频信息,所述第二参考视频信息和所述第三参考视频信息进行特征融合,获得第一视频信息。
具体而言,通过机场监控装置对突发事件的参考视频信息进行分析,获得事件发生的参考位置信息。所述预定范围为通过实时的突发事件地点,设置以事件为圆心的半径范围,并根据所述预定范围,获得第二机场监控装置和第三机场监控装置,其中,所述第二机场监控装置和第三机场监控装置在所述预定范围之内,即根据事件的发生范围进行监控设备的实时联动。通过所述第二机场监控装置获得第二参考视频信息,通过所述第三机场监控装置获得第三参考视频信息,对所述第一参考视频信息,所述第二参考视频信息和所述第三参考视频信息进行特征融合,获得所述第一视频信息。即进行多个视频画面的融合,形成立体监控,达到对突发事件进行实时的细节捕获,进而完成突发事件处理的技术效果。
步骤S200:根据所述第一视频信息,获得第一事件的发生位置信息;
具体而言,通过所述第一视频信息即对突发事件的立体监控视频信息,准确的对事件的发生位置进行确定,对事件发生位置的快速确定是为后续突发事件的联动处理奠定了基础。
步骤S300:对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息;
如图2所示,进一步而言,其中,所述对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息,本申请实施例步骤S300还包括:
步骤S310:对所述第一视频信息的每一帧按照预定尺寸进行网格划分;
步骤S320:获得第一预定卷积核;
步骤S330:按照所述第一预定卷积核对所述网格划分后的所述第一视频信息的每一帧进行遍历卷积计算,获得第一卷积计算结果;
步骤S340:根据所述第一卷积计算结果,获得符合预定卷积数值范围的卷积计算结果;
步骤S350:将符合预定卷积数值范围的卷积计算结果作为得所述第一事件的特征信息。
具体而言,对所述第一视频信息的每一帧按照预定尺寸进行网格划分,获得预定卷积核,卷积核就是图像处理时,给定输入图像,输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素,其中权值由一个函数定义,这个函数称为卷积核。卷积神经网络是一种具有局部连接、权值共享等特点的深层前馈神经网络,在图像和视频分析领域,比如图像分类、目标检测、图像分割等各种视觉任务上取得了显著的效果,是目前应用最广泛的模型之一。卷积神经网络,从字面上包括两个部分:卷积+神经网络。其中,卷积就是特征提取器,而神经网络,可以看作分类器。训练一个卷积神经网络,就是同时训练了特征提取器(卷积)和后面的分类器(神经网络)。按照所述第一预定卷积核对所述网格划分后的所述第一视频信息的每一帧进行遍历卷积计算,可获得对应的卷积计算结果。根据所述第一卷积计算结果,获得符合预定卷积数值范围的卷积计算结果,即卷积计算结果中符合预设事件特征的卷积计算结果范围。并将符合预定卷积数值范围的卷积计算结果作为得所述第一事件的特征信息,达到通过卷积神经网络的方式对突发事件的特征进行计算分析,以用于后续对事件的权重分析结果更加准确的技术效果。
步骤S400:对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息;
如图3所示,进一步而言,其中,对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息,本申请实施例步骤S400还包括:
步骤S410:分别获得每个所述特征信息的类别信息;
步骤S420:按照层次分析法对所述类别信息,获得所述类别信息的权重信息;
步骤S430:将所述类别信息的权重信息作为所述特征信息的权重信息。
具体而言,突发事件的每个特征分属不同的类别,不同类别特征具有不同的权重即突发事件类别的重要程度。分别获得每个所述特征信息的类别信息,按照层次分析法对所述类别信息进行分析,获得所述类别信息的权重信息。层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。将所述类别信息的权重信息作为所述特征信息的权重信息,即权重最大者也是所述事件特征的最优特征方案。达到通过层次分析法对突发事件特征进行分析确定,快速实用量化处理目标问题,结果简洁明确易为评价处理的技术效果。
步骤S500:获得第一联动范围;
如图5所示,进一步而言,其中,所述获得第一联动范围,本申请实施例步骤S500还包括:
步骤S510:根据所述第一事件的所述特征信息,获得所述第一事件的严重等级;
步骤S520:获得预定联动机制;
步骤S530:根据所述第一事件的严重等级,按照所述预定联动机制,确定所述第一联动范围。
具体而言,所述第一事件的严重等级为突发事件的严重程度,根据所述事件的所述特征确定,如机场携带违禁物品为中等严重程度,机场发生恐怖袭击事件则为高等严重程度。所述预定联动机制为机场应对突发事件的应急保障工作联动机制,即对事件分工协作、分级负责、整合资源、协调联动,保证机场安全,平稳运行。根据所述第一事件的严重等级,按照所述预定联动机制,确定所述第一联动范围。事件的不同严重程度具有不同的联动范围,如当突发事件的严重程度等级较高时,所述联动范围也较大,可能需要机场和地方政府进行联动。达到通过事件的严重等级确定机场联动范围,应急资源互联互通,加强机场联动应急能力,从而保障机场安全运行的技术效果。
步骤S600:将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案。
如图6所示,进一步而言,其中,所述将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案,本申请实施例步骤S600还包括:
步骤S610:根据历史数据进行训练,构建事件联动规划模型;
步骤S620:将所述权重信息和所述第一联动范围输入所述事件联动规划模型,获得第一输出信息,所述第一输出信息包括所述第一联动规划方案。
具体而言,所述事件联动规划模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络装置,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习装置。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks,ANN),是对人类大脑装置的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述权重信息和所述第一联动范围输入神经网络模型,则输出所述第一联动规划方案。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述权重信息、所述第一联动范围和用来标识第一联动规划方案的标识信息,将所述权重信息和所述第一联动范围输入到神经网络模型中,根据用来标识第一联动规划方案的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的第一输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而使得输出的第一联动规划方案信息更加合理、准确,进而达到通过结合事件发生特征确定联动处理方案,有针对性的对突发事件进行联动规划处理,从而保障机场安全运行的技术效果。
如图4所示,进一步而言,其中,所述按照层次分析法对所述类别信息,获得所述类别信息的权重信息,本申请实施例步骤S420还包括:
步骤S421:获得第一层次模型;
步骤S422:根据所述层次分析法设定调查表;
步骤S423:根据所述调查表将所述类别信息输入所述第一层次模型进行群决策,获得所述类别信息的权重信息。
具体而言,所述第一层次模型是用树形结构表示实体之间联系的模型,层次模型有且只有一个结点没有双亲结点,这个结点称为根结点;根以外的其他结点有且只有一个双亲结点,具有任何一个给定的记录值只能按其层次路径查看,没有一个子女记录值能够脱离双亲记录值而独立存在的特征。通过所述层次分析法设定调查表,即根据问题的性质和要达到的总目标,将问题分解为不同的组成因素。根据所述调查表将所述类别信息输入所述第一层次模型进行群决策,获得所述类别信息的权重信息,即按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合,形成一个多层次的分析结构模型,从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。达到定量简洁的对类别信息进行权重确定,进而清晰明确处理目标问题的技术效果。
进一步而言,本申请实施例还包括:
步骤S710:根据所述第一事件的特征信息,生成第一特征数据集;
步骤S720:对所述第一特征数据集进行中心化处理,获得第二特征数据集;
步骤S730:获得所述第二特征数据集的第一协方差矩阵;
步骤S740:对所述第一协方差矩阵进行运算,获得所述第一协方差矩阵的第一特征值和第一特征向量;
步骤S750:将所述第一特征数据集投影到所述第一特征向量,获得第一降维数据集,所述第一降维数据集为所述第一特征数据集降维之后的特征数据集。
具体而言,对机场突发事件所提取到的特征数据进行数值化处理,并构建特征数据集矩阵,获得所述第一特征数据集。继而对所述第一特征数据集中的各特征数据进行中心化处理,即去均值,首先求解所述第一特征数据集中各特征的平均值,然后对于所有的样本,每一个特征都减去自身的均值,继而获得新的特征值,由新的特征值构成所述第二特征数据集,所述第二特征数据集为一数据矩阵。通过协方差公式:
对所述第二特征数据集进行运算,获得所述第二特征数据集的第一协方差矩阵。其中,为所述第二特征数据集中的特征数据;为该特征数据的平均值;M为所述第二特征数据集中的样本数据总量。继而通过矩阵运算,求出所述第一协方差矩阵的特征值及特征向量,且每一特征值对应一个特征向量。在求出的所述第一特征向量中,选取最大的前K个特征值及其对应的特征向量,并将所述第一特征数据集中的原始特征投影到所选取的特征向量之上,得到降维之后的所述第一特征数据集。通过主成分分析法对数据库中的特征数据进行降维处理,在保证信息量的前提下,剔除冗余数据,使得数据库中特征数据的样本量减小,且降维后信息量损失最小,从而加快训练模型对于数据的运算速度。
综上所述,本申请实施例所提供的一种机场安全管理平台的突发事件联动方法及***具有如下技术效果:
由于采用了通过所述机场监控装置,获得第一视频信息;根据所述第一视频信息,获得第一事件的发生位置信息;对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息;对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息;获得第一联动范围;将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案。进而达到通过事件的特殊性进行路径、设备的实时联动,提高机场突发事件处理效率,还可进行多个视频画面的融合,形成立体监控,可对突发事件进行实时的细节捕获,完成突发事件处理,从而增强机场安全管理能力水平的技术效果。
实施例二
基于与前述实施例中一种机场安全管理平台的突发事件联动方法同样发明构思,本发明还提供了一种机场安全管理平台的突发事件联动***,如图8所示,所述***包括:
第一获得单元11,所述第一获得单元11用于通过机场监控装置,获得第一视频信息;
第二获得单元12,所述第二获得单元12用于根据所述第一视频信息,获得第一事件的发生位置信息;
第三获得单元13,所述第三获得单元13用于对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息;
第四获得单元14,所述第四获得单元14用于对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息;
第五获得单元15,所述第五获得单元15用于获得第一联动范围;
第六获得单元16,所述第六获得单元16用于将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案。
进一步的,所述***还包括:
第一划分单元,所述第一划分单元用于对所述第一视频信息的每一帧按照预定尺寸进行网格划分;
第七获得单元,所述第七获得单元用于获得第一预定卷积核;
第八获得单元,所述第八获得单元用于按照所述第一预定卷积核对所述网格划分后的所述第一视频信息的每一帧进行遍历卷积计算,获得第一卷积计算结果;
第九获得单元,所述第九获得单元用于根据所述第一卷积计算结果,获得符合预定卷积数值范围的卷积计算结果;
第一特征单元,所述第一特征单元用于将符合预定卷积数值范围的卷积计算结果作为得所述第一事件的特征信息。
进一步的,所述***还包括:
第十获得单元,所述第十获得单元用于分别获得每个所述特征信息的类别信息;
第十一获得单元,所述第十一获得单元用于按照层次分析法对所述类别信息,获得所述类别信息的权重信息;
第二特征单元,所述第二特征单元用于将所述类别信息的权重信息作为所述特征信息的权重信息。
进一步的,所述***还包括:
第十二获得单元,所述第十二获得单元用于获得第一层次模型;
第一设定单元,所述第一设定单元用于根据所述层次分析法设定调查表;
第十三获得单元,所述第十三获得单元用于根据所述调查表将所述类别信息输入所述第一层次模型进行群决策,获得所述类别信息的权重信息。
进一步的,所述***还包括:
第十四获得单元,所述第十四获得单元用于根据所述第一事件的所述特征信息,获得所述第一事件的严重等级;
第十五获得单元,所述第十五获得单元用于获得预定联动机制;
第一确定单元,所述第一确定单元用于根据所述第一事件的严重等级,按照所述预定联动机制,确定所述第一联动范围。
进一步的,所述***还包括:
第一构建单元,所述第一构建单元用于根据历史数据进行训练,构建事件联动规划模型;
第十六获得单元,所述第十六获得单元用于将所述权重信息和所述第一联动范围输入所述事件联动规划模型,获得第一输出信息,所述第一输出信息包括所述第一联动规划方案。
进一步的,所述***还包括:
第十七获得单元,所述第十七获得单元用于通过第一机场监控装置,获得第一参考视频信息;
第十八获得单元,所述第十八获得单元用于对所述第一参考视频信息进行分析,获得第一参考位置信息;
第十九获得单元,所述第十九获得单元用于获得预定范围;
第二十获得单元,所述第二十获得单元用于根据所述预定范围,获得第二机场监控装置和第三机场监控装置,其中,所述第二机场监控装置和第三机场监控装置在所述预定范围之内;
第二十一获得单元,所述第二十一获得单元用于根据所述第二机场监控装置获得第二参考视频信息;
第二十二获得单元,所述第二十二获得单元用于根据所述第三机场监控装置获得第三参考视频信息;
第二十三获得单元,所述第二十三获得单元用于对所述第一参考视频信息,所述第二参考视频信息和所述第三参考视频信息进行特征融合,获得第一视频信息。
前述图1实施例一中的一种机场安全管理平台的突发事件联动方法的各种变化方式和具体实例同样适用于本实施例的一种机场安全管理平台的突发事件联动***,通过前述对一种机场安全管理平台的突发事件联动方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种机场安全管理平台的突发事件联动***的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本发明实施例还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图9所示,本发明实施例还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、***总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、***部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如***设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机***的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信***、码分多址***、全球微波互联接入***、通用分组无线业务***、宽带码分多址***、长期演进***、LTE频分双工***、LTE时分双工***、先进长期演进***、通用移动通信***、增强移动宽带***、海量机器类通信***、超可靠低时延通信***等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作***1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作***1151包含各种***程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机***可执行指令。
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例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实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种机场安全管理平台的突发事件联动方法,其中,所述方法应用于一机场安全管理平台的突发事件联动***,所述***与机场监控装置通讯连接,所述方法包括:
通过所述机场监控装置,获得第一视频信息;
根据所述第一视频信息,获得第一事件的发生位置信息;
对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息;
对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息;
获得第一联动范围;
将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案。
2.如权利要求1所述的方法,其中,所述对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息,包括:
对所述第一视频信息的每一帧按照预定尺寸进行网格划分;
获得第一预定卷积核;
按照所述第一预定卷积核对所述网格划分后的所述第一视频信息的每一帧进行遍历卷积计算,获得第一卷积计算结果;
根据所述第一卷积计算结果,获得符合预定卷积数值范围的卷积计算结果;
将符合预定卷积数值范围的卷积计算结果作为得所述第一事件的特征信息。
3.如权利要求1所述的方法,其中,所述对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息,包括:
分别获得每个所述特征信息的类别信息;
按照层次分析法对所述类别信息,获得所述类别信息的权重信息;
将所述类别信息的权重信息作为所述特征信息的权重信息。
4.如权利要求3所述的方法,其中,所述按照层次分析法对所述类别信息,获得所述类别信息的权重信息,包括:
获得第一层次模型;
根据所述层次分析法设定调查表;
根据所述调查表将所述类别信息输入所述第一层次模型进行群决策,获得所述类别信息的权重信息。
5.如权利要求1所述的方法,其中,所述获得第一联动范围,包括:
根据所述第一事件的所述特征信息,获得所述第一事件的严重等级;
获得预定联动机制;
根据所述第一事件的严重等级,按照所述预定联动机制,确定所述第一联动范围。
6.如权利要求1所述的方法,其中,所述将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案,包括:
根据历史数据进行训练,构建事件联动规划模型;
将所述权重信息和所述第一联动范围输入所述事件联动规划模型,获得第一输出信息,所述第一输出信息包括所述第一联动规划方案。
7.如权利要求1所述的方法,其中,所述通过所述机场监控装置,获得第一视频信息,包括:
通过第一机场监控装置,获得第一参考视频信息;
对所述第一参考视频信息进行分析,获得第一参考位置信息;
获得预定范围;
根据所述预定范围,获得第二机场监控装置和第三机场监控装置,其中,所述第二机场监控装置和第三机场监控装置在所述预定范围之内;
根据所述第二机场监控装置获得第二参考视频信息;
根据所述第三机场监控装置获得第三参考视频信息;
对所述第一参考视频信息,所述第二参考视频信息和所述第三参考视频信息进行特征融合,获得第一视频信息。
8.一种机场安全管理平台的突发事件联动***,其中,所述***包括:
第一获得单元,所述第一获得单元用于通过机场监控装置,获得第一视频信息;
第二获得单元,所述第二获得单元用于根据所述第一视频信息,获得第一事件的发生位置信息;
第三获得单元,所述第三获得单元用于对所述第一视频信息进行卷积核特征采集,获得所述第一事件的特征信息;
第四获得单元,所述第四获得单元用于对所述第一事件的特征信息进行权重分析,获得所述特征信息的权重信息;
第五获得单元,所述第五获得单元用于获得第一联动范围;
第六获得单元,所述第六获得单元用于将所述权重信息和所述第一联动范围输入事件联动规划模型,获得第一联动规划方案。
9.一种机场安全管理平台的突发事件联动***,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的控制输出数据的方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的控制输出数据的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110824778.4A CN113420722B (zh) | 2021-07-21 | 2021-07-21 | 一种机场安全管理平台的突发事件联动方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110824778.4A CN113420722B (zh) | 2021-07-21 | 2021-07-21 | 一种机场安全管理平台的突发事件联动方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113420722A true CN113420722A (zh) | 2021-09-21 |
CN113420722B CN113420722B (zh) | 2023-02-17 |
Family
ID=77721883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110824778.4A Active CN113420722B (zh) | 2021-07-21 | 2021-07-21 | 一种机场安全管理平台的突发事件联动方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113420722B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114372723A (zh) * | 2022-01-13 | 2022-04-19 | 深圳联合水产发展有限公司 | 一种鱼肉制品安全生产方法及*** |
CN116894613A (zh) * | 2023-09-11 | 2023-10-17 | 中国民航科学技术研究院 | 一种应用于机场的可视化管理***及方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103795978A (zh) * | 2014-01-15 | 2014-05-14 | 浙江宇视科技有限公司 | 一种多画面智能识别方法及其装置 |
CN106960269A (zh) * | 2017-02-24 | 2017-07-18 | 浙江鹏信信息科技股份有限公司 | 基于层次分析法的安全应急处置方法及*** |
CN109040696A (zh) * | 2018-09-04 | 2018-12-18 | 江苏跃鑫科技有限公司 | 一种视频监控方法 |
CN109242209A (zh) * | 2018-10-12 | 2019-01-18 | 北京交通大学 | 基于K-means聚类的铁路突发事件分级预警方法 |
WO2019179024A1 (zh) * | 2018-03-20 | 2019-09-26 | 平安科技(深圳)有限公司 | 机场跑道智能监控方法、应用服务器及计算机存储介质 |
CN110826429A (zh) * | 2019-10-22 | 2020-02-21 | 北京邮电大学 | 一种基于景区视频的旅游突发事件自动监测的方法及*** |
CN111048207A (zh) * | 2019-12-27 | 2020-04-21 | 四川九八村信息科技有限公司 | 一种供血浆者评价方法及*** |
CN111401161A (zh) * | 2020-03-04 | 2020-07-10 | 青岛海信网络科技股份有限公司 | 基于智能视频分析算法实现行为识别的智慧建筑管控*** |
CN111507539A (zh) * | 2020-04-26 | 2020-08-07 | 山东省地质环境监测总站(山东省地质灾害防治技术指导中心) | 一种基于层次分析法的泥石流危险等级评价方法及*** |
CN111583067A (zh) * | 2020-03-31 | 2020-08-25 | 西南交通大学 | 一种城市地下大空间施工安全预警与应急决策方法及*** |
CN112053085A (zh) * | 2020-09-16 | 2020-12-08 | 四川大学 | 一种基于数字孪生的机场场面运行管理***及方法 |
CN112163732A (zh) * | 2020-08-27 | 2021-01-01 | 北京市安全生产科学技术研究院 | 典型商业区风险预警体系构建及预警分级分类方法及装置 |
WO2021008032A1 (zh) * | 2019-07-18 | 2021-01-21 | 平安科技(深圳)有限公司 | 监控视频处理方法、装置、计算机设备和存储介质 |
CN112258367A (zh) * | 2020-11-13 | 2021-01-22 | 珠海大横琴科技发展有限公司 | 一种监控处理方法和装置 |
-
2021
- 2021-07-21 CN CN202110824778.4A patent/CN113420722B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103795978A (zh) * | 2014-01-15 | 2014-05-14 | 浙江宇视科技有限公司 | 一种多画面智能识别方法及其装置 |
CN106960269A (zh) * | 2017-02-24 | 2017-07-18 | 浙江鹏信信息科技股份有限公司 | 基于层次分析法的安全应急处置方法及*** |
WO2019179024A1 (zh) * | 2018-03-20 | 2019-09-26 | 平安科技(深圳)有限公司 | 机场跑道智能监控方法、应用服务器及计算机存储介质 |
CN109040696A (zh) * | 2018-09-04 | 2018-12-18 | 江苏跃鑫科技有限公司 | 一种视频监控方法 |
CN109242209A (zh) * | 2018-10-12 | 2019-01-18 | 北京交通大学 | 基于K-means聚类的铁路突发事件分级预警方法 |
WO2021008032A1 (zh) * | 2019-07-18 | 2021-01-21 | 平安科技(深圳)有限公司 | 监控视频处理方法、装置、计算机设备和存储介质 |
CN110826429A (zh) * | 2019-10-22 | 2020-02-21 | 北京邮电大学 | 一种基于景区视频的旅游突发事件自动监测的方法及*** |
CN111048207A (zh) * | 2019-12-27 | 2020-04-21 | 四川九八村信息科技有限公司 | 一种供血浆者评价方法及*** |
CN111401161A (zh) * | 2020-03-04 | 2020-07-10 | 青岛海信网络科技股份有限公司 | 基于智能视频分析算法实现行为识别的智慧建筑管控*** |
CN111583067A (zh) * | 2020-03-31 | 2020-08-25 | 西南交通大学 | 一种城市地下大空间施工安全预警与应急决策方法及*** |
CN111507539A (zh) * | 2020-04-26 | 2020-08-07 | 山东省地质环境监测总站(山东省地质灾害防治技术指导中心) | 一种基于层次分析法的泥石流危险等级评价方法及*** |
CN112163732A (zh) * | 2020-08-27 | 2021-01-01 | 北京市安全生产科学技术研究院 | 典型商业区风险预警体系构建及预警分级分类方法及装置 |
CN112053085A (zh) * | 2020-09-16 | 2020-12-08 | 四川大学 | 一种基于数字孪生的机场场面运行管理***及方法 |
CN112258367A (zh) * | 2020-11-13 | 2021-01-22 | 珠海大横琴科技发展有限公司 | 一种监控处理方法和装置 |
Non-Patent Citations (1)
Title |
---|
王廷银等: "基于北斗RDSS的核辐射监测应急通讯方法", 《计算机***应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114372723A (zh) * | 2022-01-13 | 2022-04-19 | 深圳联合水产发展有限公司 | 一种鱼肉制品安全生产方法及*** |
CN114372723B (zh) * | 2022-01-13 | 2023-01-06 | 深圳联合水产发展有限公司 | 一种鱼肉制品安全生产方法及*** |
CN116894613A (zh) * | 2023-09-11 | 2023-10-17 | 中国民航科学技术研究院 | 一种应用于机场的可视化管理***及方法 |
CN116894613B (zh) * | 2023-09-11 | 2023-11-28 | 中国民航科学技术研究院 | 一种应用于机场的可视化管理***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113420722B (zh) | 2023-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | A network traffic forecasting method based on SA optimized ARIMA–BP neural network | |
AU2018101946A4 (en) | Geographical multivariate flow data spatio-temporal autocorrelation analysis method based on cellular automaton | |
CN113420722B (zh) | 一种机场安全管理平台的突发事件联动方法及*** | |
CN113067653B (zh) | 一种频谱感知方法、装置、电子设备及介质 | |
Fanaee-T et al. | Event detection from traffic tensors: A hybrid model | |
CN112231592A (zh) | 基于图的网络社团发现方法、装置、设备以及存储介质 | |
KR20220027830A (ko) | 양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기 | |
CN112910710A (zh) | 网络流量时空预测方法、装置、计算机设备和存储介质 | |
CN113379059B (zh) | 用于量子数据分类的模型训练方法以及量子数据分类方法 | |
CN111537884A (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
CN116489038A (zh) | 网络流量的预测方法、装置、设备和介质 | |
CN112766402A (zh) | 算法选择方法、装置和电子设备 | |
CN113421174A (zh) | 一种基于大数据的知识产权价值评估参考方法及*** | |
CN114781532A (zh) | 机器学习模型的评估方法、装置、计算机设备及介质 | |
Dong | Application of Big Data Mining Technology in Blockchain Computing | |
CN117633592A (zh) | 一种新能源电站智能监盘*** | |
CN117095541A (zh) | 时空特征融合交通流预测方法、装置、设备及存储介质 | |
Zhang et al. | RSVRs based on feature extraction: a novel method for prediction of construction projects’ costs | |
KR20190109194A (ko) | 불확정성을 모델링할 수 있는 뉴럴네트워크 학습 장치 및 방법 | |
CN112836936B (zh) | 面向电力传感网络感知层规划的风险因素筛选方法及*** | |
CN117236599B (zh) | 基于多元化算力融合的供电服务提升方法及*** | |
CN116155835B (zh) | 一种基于排队论的云资源服务质量评估方法及*** | |
CN116049673A (zh) | 金融业务数据样本生成方法及装置 | |
Pasquadibisceglie et al. | Enhancing Next Activity Prediction with Adversarial Training of Vision Transformers | |
CN117829419A (zh) | 基于数字孪生电网的数据处理方法、终端设备及存储介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230707 Address after: 2800 Wanyuan Road, Minhang District, Shanghai 201100 Patentee after: SHANGHAI YUNSAI ZHILIAN INFORMATION TECHNOLOGY Co.,Ltd. Address before: Room 513, floor 5, No. 2016, Yishan Road, Minhang District, Shanghai 201103 Patentee before: SHANGHAI SAGA ELECTRONICS TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |