CN103761449A

CN103761449A - 一种基于ahp的量化罪犯倾向性及危险度方法和系统

Info

Publication number: CN103761449A
Application number: CN201410057927.9A
Authority: CN
Inventors: 黄步添; 钱和良; 施政; 金晓东
Original assignee: HANGZHOU HUATING TECHNOLOGY Co Ltd
Current assignee: HANGZHOU HUATING TECHNOLOGY Co Ltd
Priority date: 2014-02-20
Filing date: 2014-02-20
Publication date: 2014-04-30
Anticipated expiration: 2034-02-20
Also published as: CN103761449B

Abstract

本发明涉及计算机信息系统中的大数据处理技术，具体涉及一种基于AHP的量化罪犯倾向性及危险度方法和系统，通过计算流量调度优化算法，实现业务数据的高效采集、抽取；并基于狱情分析器，采用AHP算法，对罪犯的倾向性及危险度进行量化并分级。本发明给出了一种量化罪犯倾向性及危险度的方法和系统，将监狱业务信息进行了有效的处理和利用，通过两两比较矩阵算法，避免由于一次失误导致排序遭到破坏，解决了难以量化罪犯倾向性及危险度的难题。

Description

一种基于AHP的量化罪犯倾向性及危险度方法和系统

技术领域

本发明涉及计算机信息系统中的大数据处理技术，具体涉及一种基于AHP的量化罪犯倾向性及危险度方法和系统。

背景技术

随着监狱信息化的发展，建设了包括罪犯狱政管理系统、刑法执行系统、生活卫生系统、亲情电话系统、会见管理系统、心理咨询系统等一大批罪犯管理业务系统；包括视频监控系统、门禁系统、报警系统、数字电网、外来车辆人员进出管理系统、应急指挥辅助决策系统等一大批安全防范系统。这些系统的建设为监狱狱情的收集、分析、研判提供了大量的、有效的基础性数据。但对这些系统产生的信息还没有进行有效的处理和分析，目前在监狱管理中只是提出罪犯分类的方法，提出了人身危险性的基本理论，根据刑期去对服刑人员做简单分类，在实际操作中很难对服刑人员的危险度进行评判。

发明内容

本发明目的提供一种基于AHP的量化罪犯倾向性及危险度方法与系统，通过计算流量调度优化算法，实现业务数据的高效采集、抽取；并基于狱情分析器，采用AHP算法，对罪犯的倾向性及危险度进行量化并分级。本发明提供的方案如下：

一种基于AHP的量化罪犯倾向性及危险度方法，包括以下步骤：

1）采集监狱服刑人员的档案信息，将其存入了数据中心；

2）将监狱各个业务系统，包括会见系统、亲情电话系统、一卡通系统、心理咨询系统、计分考核系统、狱侦管理系统、点名系统、仿真实训系统、综合评估系统与数据中心进行连接，将其产生的信息实时传入数据中心；

3）将数据中心的服刑人员信息根据改造信息、外部因素、监狱环境、个人状况、狱侦状况、反常信息进行分类存储；

4）调用数据中心中分类存储服刑人员信息，以罪犯倾向性及危险度为目标分别对服刑人员的年龄、学历、犯罪类型、余型、异常事件下对逃脱、行凶、自杀、破坏、其他构造各指标两两比较判断矩阵；

5）在单一准则下，采用1–9比例标度法对构造的两两比较判断矩阵进行综合分析，对各指标之间进行两两对比之后，得出服刑人员的罪犯倾向性及危险度，并采取措施加以防范。一种基于AHP的量化罪犯倾向性及危险度系统，包括数据采集服务器、数据中心、数据分析服务器、数据挖掘服务器、调度服务器和认证服务器，数据采集服务器分别与各监狱业务系统、数据中心、调度服务器和论证服务器相连，数据分析服务器分别与数据中心、数据挖掘服务器、调度服务器和认证服务器相连。

本发明的有益效果：

本发明给出了一种量化罪犯倾向性及危险度的方法和系统，将监狱业务信息进行了有效的处理和利用，通过两两比较矩阵算法，避免由于一次失误导致排序遭到破坏，解决了难以量化罪犯倾向性及危险度的难题。

附图说明

图1是一种基于AHP的量化罪犯倾向性及危险度方法示意图；

图2是罪犯倾向性及危险度两两比较判断矩阵构造示意图。

具体实施方式

下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：

如图1所示，一种基于AHP的量化罪犯倾向性及危险度方法，包括以下步骤：

1）采集监狱服刑人员的档案信息，将其存入了数据中心；

4）如图2所示，调用数据中心中分类存储服刑人员信息，以罪犯倾向性及危险度为目标分别对服刑人员的年龄、学历、犯罪类型、余型、异常事件下对逃脱、行凶、自杀、破坏、其他构造各指标两两比较判断矩阵：

A=(a_ij)_n×n

在单准则下分别构造，即在G下对c₁c₂c₃c₄c₅，构造A；分别在c₁c₂c₃c₄c₅下对A1A2A3A4A5构造A。

5）在单一准则下，采用1–9比例标度法对构造的两两比较判断矩阵进行综合分析，对各指标之间进行两两对比之后，得出服刑人员的罪犯倾向性及危险度，并采取措施加以防范。建立1–9比例标度表，如表1所示：

a_ij	描述
		1	表示u_i与u_j重量相同，或重要性相同
3	表示u_i比u_j稍重
		5	表示u_i比u_j明显重
7	表示u_i比u_j强烈重
		9	表示u_i比u_j极端重

表1

数2、4、6、8则为上述判断的中值。

两两比较两个元素的重要性，总是在某种准则（准则层比较是以总目标G为准则，方案层比较，分别以准则层中各元素为准则）下进行的。对n个物体，两两比较其重要性得判断矩阵A=(a_ij)_n×n，显然a_ij满足：

a_ij>0，

a_ii=1

共计

个判断，所以A是正的互反矩阵，且对角线上元素为1，这样的n阶矩阵可表示为上三角或下三角矩阵。但A的元素a_ij通常不具有传递性，即

a_ij·a_jk≠a_ik

这是由事物的复杂性和人的认识的局限性造成的。

如果a_ij·a_jk=a_ik成立，则称A是一致性矩阵。从判断矩阵A出发到导出元素在某种准则C下按重要性大小的排序，矩阵A的一致性起着至关重要的作用。

根据特征向量及各维度权重得出倾向性结果

设第1层各准则维度相对于总目标的排序权重向量为：

a^{1} = {(a_{1}^{1}, a_{2}^{1}, \cdot \cdot \cdot, a_{m}^{1})}^{T}

（本例中m=5）

第2层在第一层j准则维度下的排序向量为：

b_{j}^{2} = (b_{1_{j}}^{2}, b_{2_{j}}^{2}, \cdot \cdot \cdot b_{n_{j}}^{2})

(j=1,2,…,m)（本例中n=5）

令

(m=5)，则第2层n(n=5)个倾向结果相对于总目标的组合权重向量为：

a²=B²·a¹

最后得到倾向结论在总目标G下的排序向量。

本发明还提供了一种基于AHP的量化罪犯倾向性及危险度系统，包括数据采集服务器、数据中心、数据分析服务器、数据挖掘服务器、调度服务器和认证服务器，数据采集服务器分别与各监狱业务系统、数据中心、调度服务器和论证服务器相连，数据分析服务器分别与数据中心、数据挖掘服务器、调度服务器和认证服务器相连。

以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims

1.一种基于AHP的量化罪犯倾向性及危险度方法，其特征在于包括以下步骤：

1）采集监狱服刑人员的档案信息，将其存入了数据中心；

2）将监狱各个业务系统与数据中心进行连接，将其产生的信息实时传入数据中心；

5）在单一准则下，采用1–9比例标度法对构造的两两比较判断矩阵进行综合分析，对各指标之间进行两两对比之后，得出服刑人员的罪犯倾向性及危险度，并采取措施加以防范。

2.根据权利要求1所述的一种基于AHP的量化罪犯倾向性及危险度方法，其特征在于，步骤2）所述的监狱各个业务信息系统包括会见系统、亲情电话系统、一卡通系统、心理咨询系统、计分考核系统、狱侦管理系统、点名系统、仿真实训系统、综合评估系统。

3.一种基于AHP的量化罪犯倾向性及危险度系统，其特征在于包括数据采集服务器、数据中心、数据分析服务器、数据挖掘服务器、调度服务器和认证服务器，数据采集服务器分别与各监狱业务系统、数据中心、调度服务器和论证服务器相连，数据分析服务器分别与数据中心、数据挖掘服务器、调度服务器和认证服务器相连。