CN104834972A - 一种基于证据理论的小区安防状态评估方法 - Google Patents

Abstract

一种基于证据理论的小区安防状态评估方法，包括以下步骤：1)将小区的安防系统划分为多个子系统，根据国家住宅小区安全防范系统通用技术要求确定每个子系统的评价指标，建立小区安防系统评估HHM模型；2)利用层次分析法，确定各层指标的权重；3)生成定量指标和定性指标的基本概率指派函数(BPA)；4)利用加权融合方法对生成的BPA函数进行融合，分析得到最终的评估结果。本发明提供一种利用率高和信息可信度高、融合结果准确度高的基于证据理论的小区安防状态评估方法。

Description

一种基于证据理论的小区安防状态评估方法

技术领域

本发明涉及证据理论的应用，具体涉及一种基于证据理论的小区安防状态评估方法。

背景技术

近些年来，随着我国经济的快速发展，人们的生活水平相比以前有了很大的提高，城镇居民生活条件的改善尤为明显，越来越多的居民走进了小区。对一个住宅区而言，居民的安全是最为重要的。由于进出人员多、进出车辆货物多，为保证居民的人身及财产安全，小区都配备相应的安全防范系统，包括电视监控、周界报警、可视对讲、电子巡更、广播音响、联网报警中心、车辆出入管理系统等，做到人防、技防、物防相结合。但是对于多数小区的安防系统都存在一定的问题，如果能对小区的安防状态做出评估，并对存在的问题及时改善，就可以给居民一个更舒适、更安全的居住环境。因此小区安防状态评估问题成为一个热点。

现有技术中,数据融合作为一种数据处理方法，其基本思想是综合利用系统各个方面的数据，最大限度地抽取有关对象或环境的有效信息，以达到更准确、更全面地认识观测对象和环境的目的。由于数据融合综合利用了系统各方面的信息，所以能够有效地客服单方面信息的局限性和不确定性，得到关于对象或环境的全面、准确的认识和描述。

证据理论是一种不精确推理理论，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力。证据理论还给出了多源信息的组合规则，即Dempster组合规则.它综合了来自多传感器的基本信度分配，得到一个新的信度分配作为输出。

发明内容

有鉴于此，本发明的目的在于提供一种基于证据理论的小区安防状态评估方法，该方法采用主要涉及了小区安防状态评估模型的建立、各级权重的计算、BPA的生成和最终证据的融合计算过程。各级权重的计算主要通过AHP方法得到；BPA的生成分为两类：一类是定量指标BPA的生成，另一类是定性指标BPA的生成；最终的融合计算运用了加权融合算法。 该方法大大提高了安防状态评估结果的准确性和可靠性。

为达到上述目的，本发明提供如下技术方案：

一种基于证据理论的小区安防状态评估方法，其特征是所述方法包括下述步骤：步骤一：将小区的安防系统划分为多个子系统，根据国家住宅小区安全防范系统通用技术要求确定每个子系统的评价指标，建立小区安防系统评估HHM模型；步骤二：利用层次分析法，确定各层指标的权重；步骤三：生成定量指标和定性指标的基本概率指派函数(BPA)；步骤四：利用加权融合方法对生成的BPA函数进行融合，分析得到最终的评估结果。

进一步，在步骤一中具体包括以下步骤：11：将小区的安防系统划分为多个子系统；12：根据国家住宅小区安全防范系统通用技术要求确定每个子系统的评价指标；13：建立小区安防系统评估HHM模型；

进一步，在步骤二中具体包括以下步骤：21：确定一级指标的权重，具体过程是：(1)建立层次结构模型；(2)根据评值的相对重要性比例标度，构造两两判断矩阵；(3)利用专家知识对一级指标进行相对重要性比较，得到一级指标的判断矩阵；(4)计算权重并做一致性检验；(5)得到一级指标权重；22：根据建立一级指标的步骤过程，确定二级指标的权重；

进一步，在步骤三中具体包括以下步骤：1：划分小区安防系统的安全等级，分别用a，b，c，d表示，构成辨识框架，即θ＝{a,b,c,d}，32：根据安全等级的划分，确定对应于四个等级的基本概率指派函数，分别表示为m(a)、m(b)、m(c)、m(d)；33：利用小区安防历史数据得到定量指标的安全等级区间，根据待评估数据所在的等级区间，得到定量指标的BPA；34：根据专家知识，得到定性指标的BPA；

进一步，在步骤四中具体包括以下步骤：41：利用各级指标的权重和BPA函数，得到指标的加权BPA函数；42：利用Dempster组合规则对得到的加权BPA函数进行融合，减小定量指标与定性指标冲突对融合结果造成的影响，得到最终BPA函数；43：根据最终BPA函数确定主焦元，得到小区安防评估结果。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为基于证据理论的小区安防状态评估方法的流程图；

图2为小区安防系统评估HHM模型图；

图3为一级指标层次结构图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1为本发明所述方法的流程图，本方法包括以下步骤：

S1：将小区的安防系统划分为多个子系统，根据国家住宅小区安全防范系统通用技术要求确定每个子系统的评价指标，建立小区安防系统评估HHM模型，具体步骤如下：

S11：将小区的安防系统划分为多个子系统；

S12：根据国家住宅小区安全防范系统通用技术要求确定每个子系统的评价指标；

S13：建立小区安防系统评估HHM模型，如图2所示；

S2：利用层次分析法，确定各层指标的权重，具体步骤如下：

S21：确定一级指标的权重，具体过程是：

(1)建立层次结构模型，一级指标层次结构图如图3所示；

(2)将描述评值的相对重要性比例标度表示出来，如表1所示，然后构造两两判断矩阵；

表1评价值相对重要性比例标度表

(3)利用专家知识对一级指标进行相对重要性比较，得到一级指标的判断矩阵；

(4)计算权重并做一致性检验；

(5)得到一级指标权重；

S22：根据建立一级指标的步骤过程，确定二级指标的权重；

S3：生成定量指标和定性指标的基本概率指派函数(BPA)，具体步骤如下：

S31：划分小区安防系统的安全等级，分别用a，b，c，d表示，构成辨识框架，即θ＝{a,b,c,d}；

S32：根据安全等级的划分，确定对应于四个等级的基本概率指派函数，分别表示为m(a)、m(b)、m(c)、m(d)，它们的对应关系如表2所示：

表2安全等级与BPA焦元对应关系表

S33：利用小区安防历史数据得到定量指标的安全等级区间，根据待评估数据所在的等级区间，得到定量指标的BPA，具体过程是：

(1)收集小区历史数据，分别求出指标数据的最大值max、最小值min，偏差Δ等。

Δ＝max-min    (1)

(2)将偏差分为六等分

P＝Δ/6    (2)

(3)在前两步的基础上，将指标的三个安全等级界限定为min+p、min+3p、min+5p，三个等级界限界定了4个安全等级区间，数据落在某个特定的区间，就表示对该区间对应的安全等级的支持，并规定其BPA函数值为1；

S34：根据专家知识，得到定性指标的BPA，具体过程是：

(1)安防相关领域的专家、小区居民和物业管理人员等针对某小区的指标填写安防状态评估表，并给出确信度η，其中η∈[0，1]，表示该评估的可信度；

(2)根据得到的评估值及其确信度的值，按以下方法生成BPA函数：

m(i)＝η,(i＝a,b,c,d)    (3)

$m\left(j\right)=\frac{1}{n}\×(1-\mathrm{\η}),(j\∩i\≠\mathrm{\φ},n=\mathrm{1,2})---\left(4\right)$

S4：利用加权融合方法对生成的BPA函数进行融合，分析得到最终的评估结果，具体步骤如下：

S41：利用步骤一得到的二级指标的权重系数，按以下公式计算得到二级指标的加权BPA函数：

$\left(A_j\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i{m}_i\left(A_j\right),j=\mathrm{1,2},.....m---\left(5\right)$

S42：利用Dempster组合规则对加权后的BPA函数进行融合，得到二级指标加权融合后的BPA函数，融合公式为：

$m\left(S\right)=\frac{\underset{A_i\∩B_j\∩C_{k...}=S}{\mathrm{\Σ}}m\left(A_i\right)m\left(B_j\right)\left(c_k\right)...}{1-k},$ 其中，冲突系数： $K=\underset{A_i\∩B_j\∩C_{k...}=\mathrm{\φ}}{\mathrm{\Σ}}m\left(A_i\right)m\left(B_j\right)m\left(C_k\right)...---\left(6\right)$

S43：得到的BPA函数即为一级指标的BPA函数，利用一级指标的权重系数，可得到整个小区安防系统评估的加权BPA函数；

S44：利用Dempster组合规则进行融合，得到最终的BPA函数；

S45：根据得到的BPA函数，确定主焦元，得到小区安防状态评估结果；

以上方法可以得到小区安防状态的最终评估结果。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和 细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (5)

1.一种基于证据理论的小区安防状态评估方法，其特征在于，包括以下步骤：

步骤一：将小区的安防系统划分为多个子系统，根据国家住宅小区安全防范系统通用技术要求确定每个子系统的评价指标，建立小区安防系统评估HHM模型；

步骤二：利用层次分析法，确定各层指标的权重；

步骤三：生成定量指标和定性指标的基本概率指派函数(BPA)；

步骤四：利用加权融合方法对生成的BPA函数进行融合，分析得到最终的评估结果。

2.根据权利要求1所述的一种基于证据理论的小区安防状态评估方法，其特征是所述步骤1具体包括以下步骤：11：将小区的安防系统划分为多个子系统；12：根据国家住宅小区安全防范系统通用技术要求确定每个子系统的评价指标；13：建立小区安防系统评估HHM模型。

3.根据权利要求1所述的一种基于证据理论的小区安防状态评估方法，其特征是所述步骤2具体包括以下步骤：21：确定一级指标的权重，具体过程是：(1)建立层次结构模型；(2)根据评值的相对重要性比例标度，构造两两判断矩阵；(3)利用专家知识对一级指标进行相对重要性比较，得到一级指标的判断矩阵；(4)计算权重并做一致性检验；(5)得到一级指标权重；22：根据建立一级指标的步骤过程，确定二级指标的权重。

4.根据权利要求1所述的一种基于证据理论的小区安防状态评估方法，其特征是所述步骤3具体包括以下步骤：31：划分小区安防系统的安全等级，分别用a，b，c，d表示，构成辨识框架，即θ＝{a,b,c,d}；32：根据安全等级的划分，确定对应于四个等级的基本概率指派函数，分别表示为m(a)、m(b)、m(c)、m(d)；33：利用小区安防历史数据得到定量指标的安全等级区间，根据待评估数据所在的等级区间，得到定量指标的BPA；34：根据专家知识，得到定性指标的BPA。

5.根据权利要求1所述的一种基于证据理论的小区安防状态评估方法，其特征是所述步骤4具体包括以下步骤：41：利用各级指标的权重和BPA函数，得到指标的加权BPA函数；42：利用Dempster组合规则对得到的加权BPA函数进行融合，减小定量指标与定性指标冲突对融合结果造成的影响，得到最终BPA函数；43：根据最终BPA函数确定主焦元，得到小区安防评估结果。