[发明专利]一种基于大数据的城市社区安全预测方法

权利要求书

1.一种基于大数据的城市社区安全预测方法，其特征在于，包括挖掘城市数据集之间的潜在关系，融合所述潜在关系去预测城市动态生活的相关方面，包括周边功能区域的影响、犯罪事件的影响和相关因素的影响；

将上述周边功能区域、犯罪事件和相关因素的影响通过每个部分相应的神经网络输出相应影响的概率向量，将这些概率向量通过连接层进行连接，并输入多层感知机，分析这些不同源的影响对城市社区安全的综合评价，在多层感知机的最后，加入一个激活函数来激活此层，计算出城市社区安全的预测结果，方便对后期安全等级划分的工作；

所述方法的具体步骤包括：

S1、根据城市的主干道和人们的动态生活规律，对需要预测的城市进行栅格化处理，将城市划分为若干个栅格，并对城市的每个栅格进行区域编号；

S2、在S1划分的栅格里，把城市社区所在的栅格标记为预测目标区域，并对收集到的数据进行预处理，处理成实验所需要的数据类型格式；将预处理后的数据分别映射到对应的栅格中；所述收集到的数据包括城市异常数据、人类活动数据、兴趣点数据及犯罪数据；

S3、根据兴趣点类型的不同，将每个栅格里的兴趣点统计信息组成长度相同的向量，把每个栅格的区域编号进行one-hot编码，将编码后的结果通入嵌入网络学习，生成维度较低的向量；

在此学习过程中，兴趣点向量作为约束条件制约one-hot编码在嵌入网络里的学习，以预测目标区域为中心形成包含两层栅格的方形区域，将方形区域中每个栅格学习的低维向量全部组装起来，形成图片像素矩阵的格式，其中图片大小为方形区域长和宽边长上所包含栅格的个数，图片的深度为区域学习到低维向量的维度，图片的每个像素点值为低维向量元素的数值，将上述图片像素矩阵传入卷积神经网络学习出周边功能区域对目标区域环境安全的影响；

S4、将城市社区所在的栅格为中心形成外围包含一层栅格的方形区域，将该方形区域作为预测区域，统计出该预测区域的不同时刻不同类型的犯罪事件形成犯罪事件矩阵；将犯罪事件矩阵输入犯罪事件预测器中，输出下一时刻不同类型犯罪事件发生的概率向量；

S5、将社区所在区域发生的异常事件进行统计，形成异常事件向量，把人类活动数据的轨迹映射到相应的城市区域里，计算出目标区域人流的流入和流出向量，把异常事件向量和人流的流入流出向量输入连接层进行连接，然后把连接后的输出向量通过两层全连接层输出区域异常事件发生的概率向量，将多个时刻的异常事件概率向量形成异常事件矩阵并输入异常事件预测器，经过学习输出下一时刻异常事件发生的概率向量；

S6、将周边区域功能影响的向量、犯罪事件预测概率的向量和异常事件预测概率的向量进行连接形成一个综合影响向量，把综合影响向量传入多层感知机学习三者的影响对整个预测区域的综合评估，计算出该社区所在区域的环境安全。

2.根据权利要求1所述的基于大数据的城市社区安全预测方法，其特征在于，所述S2中收集的数据包括城市异常数据、人类活动数据、兴趣点数据及犯罪数据；

其中城市异常数据记录异常发生的时间、地点和异常类型；

人类活动数据包括城市出租车和共享单车的GPS轨迹；

兴趣点数据记录城市在每个区域里不同兴趣点的统计个数；

犯罪数据记录不同区域不同类型犯罪统计的次数。

3.根据权利要求1所述的基于大数据的城市社区安全预测方法，其特征在于，所述S4中的犯罪事件矩阵，其中每行表示预测区域某一时刻的不同犯罪类型统计信息向量，每列表示预测区域同一犯罪类型的不同时刻统计信息向量。

4.根据权利要求1所述的基于大数据的城市社区安全预测方法，其特征在于，所述S4中的犯罪事件预测器由若干个卷积长短时间记忆单元构成，任一所述记忆单元的输入为预测器中前一记忆单元隐藏状态的输出和该记忆单元外部信息的输入，外部信息的输入为记忆单元对应时刻的犯罪事件不同类型的信息向量。