[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

说明书

本发明涉及预测旅游风险领域，具体是一种基于强化学习的高原山地旅游安全风险预警方法，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；步骤S2：根据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；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，并得到旅游景区的风险评估等级结果，风险评估等级对景区建设规划以及个人旅游规划、旅游安全管理均有重要的参考意义。

技术领域

本发明涉及旅游风险预测技术领域，具体是一种基于强化学习的高原山地旅游安全风险预警方法。

背景技术

一些大型高原山地景区因景观多样、地貌复杂、气候多变、人迹罕至，是旅游者、极限运动爱好者向往的胜地，仅仅依靠天气预报是不够准确的。但是，受突发高原病威胁和其他复杂意外的突变环境影响，高血压、心脏病患者出现突发状况甚至猝死的现象屡见不鲜，迷路失踪更是对高原遇险游客雪上加霜。受技术层面限制，当前高原山地景区管理部门对遇险人员的搜救难度极大，成本很高而成功率很低。

在旅游安全预警手段方面，有必要提出一种能够在旅游安全事故发生之前尽可能预测到安全风险出现的可能性并发出预警的信号指令的方法，同时该方法能根据险情的动态发展调整风险评估的结果，给予分类分等级的预警提示。

本申请通过对现有技术的综合分析，得出旅游安全需要考虑的环境因素有（1）自然因素，包括气温、风力以及地震、暴雨、山体滑坡、崩塌、泥石流、山洪、雪崩等。（2）社会因素，包括突发军事管制、流行病等突发公共卫生事件（如新冠疫情在中高风险等级区域的传播）。（3）游客状态与个体行为，包括游客年龄、健康情况、突发意外事故（如受伤、突发疾病）等。（4）旅游安全管理因素，包括景区承载游客数量、医疗设施、通讯及应急处理能力等。以上因素都可以通过一定量化指标转化为离散或连续变量作为强化学习模型中的环境状态。部分环境状态为离散值，如景区所在地是处在何种新冠疫情等级；也有部分环境状态用连续值表示，如当日气温、降水量等。

强化学习模型一般是Agent（智能体）选择一个动作用于环境，环境接受该动作后状态发生变化，同时产生一个强化信号(奖或惩)反馈给Agent，Agent根据强化信号和环境当前状态再选择下一个动作，选择的原则是使受到正强化(奖)的概率增大。选择的动作不仅影响立即强化值，而且影响环境下一时刻的状态及最终的强化值。

基于上述思考，现有技术要解决的难点包括但不限于：（1）如何有效的确定奖励函数以及时间折扣因子，即如何对灾害可能产生的损失和错误决策带来的损失进行量化。（2）对环境进行描述，即需要模型来描述环境的状态转移概率矩阵，特别是智能体作出决策后对环境状态的改变。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于强化学习的高原山地旅游安全风险预警方法，本发明采取实际数据（如实际造成的生命财产损失）和专家打分（通过灾害等级量化）相结合的方式，对于不同的景区，有不同状态转移概率，本发明提出需要一定量的数据来驱动模型。

本发明的目的是通过以下技术方案来实现的：一种基于强化学习的高原山地旅游安全风险预警方法，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；

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。

优选的，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：