[发明专利]一种基于强化学习的高原山地旅游安全风险预警方法

权利要求书

1.一种基于强化学习的高原山地旅游安全风险预警方法，其特征在于：包括下列步骤：

步骤S1：将旅游景区历史时间周期内的旅游数据集存储在数据记忆库中，根据数据记忆库建立初始化的旅游风险预警指示函数Q和风险目标函数T，旅游风险预警指示函数Q和风险目标函数T采用强化学习算法；

步骤S2：根据数据记忆库中旅游风险评估因子序列，结合选中的历史时间周期内旅游数据集得到训练后的旅游风险预警指示函数Q和风险目标函数T，其中，旅游风险评估因子序列为数据记忆库中按照自然因素风险程度大小的组成的序列，所述步骤S2中，旅游风险预警指示函数Q和风险目标函数T的训练方法包括下列步骤：

步骤S21：根据比例因子m选定预警值，将t时刻下选定的预警值作为输入，其中，旅游风险预警指示函数Q在第一概率下生成第一预警值，根据数据记忆库中历史数据在第二概率下随机生成第二预警值，第一概率/第二概率=m，执行步骤S22；

步骤S22：t时刻选自历史时间周期内，将旅游风险预警指示函数Q计算得到的预警值存储为历史数据，执行步骤S23；

步骤S23：将连续时刻的多个的预警值进行训练，为时刻t下的旅游风险评估因子，为时刻t+1下的旅游风险评估因子，截取一段连续序列的旅游风险评估因子代入到目标函数中，连续时刻的初始时刻为t₀，目标函数y为选取n个时刻的预警值计算该连续时刻的奖励集合，训练时的各公式为

式中，为时刻t的预警值，为时刻t的奖励值，当输入多个预警值时，得到多个风险目标函数T，函数即为在多个风险目标函数T中选择最大的风险目标函数T值，为时间折扣因子，均为自由参数且通过梯度下降法求得，通过旅游风险预警指示函数Q计算时刻t下的预警值，所述风险目标函数T通过数据记忆库优化旅游风险预警指示函数Q；

步骤S24：判断旅游风险评估因子的所有序列是否训练完成，若训练完成，则执行步骤S3，若训练未完成，则执行步骤S21；

步骤S3：结合输入的时间参数，训练后的旅游风险预警指示函数Q得到该时间参数下的预警动作，并根据预警动作得到旅游景区的风险评估等级结果。

2.根据权利要求1所述的一种基于强化学习的高原山地旅游安全风险预警方法，其特征在于：所述步骤S21中，比例因子m＞1。

3.根据权利要求2所述的一种基于强化学习的高原山地旅游安全风险预警方法，其特征在于：所述步骤S23中，通过输入将来时刻x1，在按照时间排列的旅游风险评估因子序列中，选取最接近该将来时刻x1的旅游风险评估因子S _x1，进而通过训练完成的旅游风险预警指示函数Q得到预测的预警值。

4.根据权利要求3所述的一种基于强化学习的高原山地旅游安全风险预警方法，其特征在于：所述步骤S3中，根据预测的预警值，匹配对应的预警动作，预警动作包括调动应急处理资源和临时关闭景区。

5.根据权利要求1~4中任一项所述的一种基于强化学习的高原山地旅游安全风险预警方法用于景区安防规划的用途。

6.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有一个或多个计算机程序，所述一个或多个计算机程序被一个或多个处理器执行时实现如权利要求1~4任一项所述的一种基于强化学习的高原山地旅游安全风险预警方法。

7.一种基于强化学习的高原山地旅游安全风险预警的装置，其特征在于，包括：一个或多个处理器；

计算机可读存储介质，其存储有一个或多个计算机程序；一个或多个计算机程序被一个或多个处理器执行时实现如权利要求1~4任一项所述的一种基于强化学习的高原山地旅游安全风险预警方法。

8.一种基于强化学习的高原山地旅游安全风险预警系统，包括：采集端、处理端和显示端，所述采集端用于采集旅游景区的自然环境历史数据、社会因素数据、旅游安全管理数据和游客个体的数据；

所述处理端包含主控制器；

显示端用于显示旅游景区的旅游风险等级评估结果；

主控制器中存储有一个或多个计算机程序，所述一个或多个所述计算机程序被其具有的一个或多个处理器执行时实现如权利要求1~4中任一项所述的一种基于强化学习的高原山地旅游安全风险预警方法。