CN107944727A - 一种基于历史安全度模型的警力调度融合方法 - Google Patents

Abstract

本发明涉及一种基于历史安全度模型的警力调度融合方法，该方法的处理过程是，首先构建基于历史数据的安全度模型，通过对数据筛选和清洗，进一步通过模糊评价法对案事件进行量化，将历史出警数据量化为区域安全度，初步构建区域安全度模型；然后进行原始警力部署模拟测试，将原始警力部署的安全度模型和基于历史数据的安全度模型进行融合，并进行决策模型框架分析；最后找出最佳派警方案，实现区域的整体平衡性和警力资源的优化配置。

Description

一种基于历史安全度模型的警力调度融合方法

技术领域

本发明涉及一种基于历史安全度模型的警力调度融合方法。

背景技术

信息时代的到来，给警务工作带来了机遇，同时也带来了严峻的挑战。公安部门对信息技术的需求越来越大，特别是在维护公共秩序和打击犯罪分子等活动中。针对目前接警以后派警效率低以及警情分析难等存在的问题，利用信息化方式进行警力的合理调度和精准投放有限资源，可实现迅速派警和警力资源的优化配置并增强警务热点分析能力等，从而提高警务工作的效率，因此，现有技术存在巨大的缺陷和空白，需要改进。

发明内容

本发明的目的在于在决策和调度方面为相关部门提供支撑，提高公安部门的工作效率，提供一种基于历史安全度模型的警力调度融合方法。

如图1所示，为了实现上述目的，本发明包括如下过程：

步骤1：使用高精度测绘地图，构建自定义的基于带权连通图非Web GIS专用系统，利用克里金插值法来反应安全度数据的内在度，构建基于历史数据的安全度模型；

如图2所示；定义原始警力部署模型 （1）

其中，x,y分别代表警力部署地点的经度和纬度；count是警员数量；type是警力影响力;

定义type=(r,value) （2）

其中r代表作用半径，value代表影响力大小，例如，警车>特种警察>一般警察>辅警，每个警种面对紧急情况的反应速度、时间和作用覆盖区域是不一样的，

如图3，图4，图5所示；结合基于带权网络表达的GIS系统综合进行考虑，其中非常重要的一个因素是现实中警力一般部署在“道路”上（近似看作实际中道路两侧），不允许处于该网络节点以及节点连线以外的地方，因此假定所有道路的宽度为rw=10，即平均道路宽度约为10m，在后续考虑决策调度时，将其作为网络节点边（即道路）的宽度使用，将上述因素作为权重考虑代入安全度模型中，就可以得到当前区域内模拟的警力“正安全度”分布，上述图例较好的表达了该区域内的警力分布情况，图中浅色区域表达安全度较高也即警力较为充足，深色区域警力相对薄弱。从图3可以看到，在（480，720）和（960，480）两处附近存在两个正安全度高峰区域，该区域是样本城市两座警局所在地，能够以较大影响力对周边区域产生“正向”影响。区域边缘由于远离警局（特别是右侧区域），其安全度相比较而言有较大的降低趋势。

步骤2：将原始警力部署的安全度模型和基于历史数据的安全度模型进行融合，并进行了联合安全度分析；公众安全度主观感受主要来源于负面的如案事件的产生，而以警察为代表的公共安全单位则对公众产生正向的安全感，因此需要将正负两类安全感融合起来才能正确反映出区域内的安全度变化。假设来源于案事件的负向安全度集合为neg，源于警力部署的安全度集合为cop，如不考虑其它因素的情况下，区域内的整体安全度SEC两集合可进行直接融合：

（3）

将两组数据融合起来，可得当前区域整体安全度分布情况图6，图7，图8所示，区域内的整体安全度分布情况，整体安全度是较好的，此时区域内平均安全度均值约为5.061，属于较好水平；

步骤3：如图9所示，对融合的数据进行决策模型框架分析，根据决策算法找出最佳派警方案，实现区域的整体平衡性和警力资源的优化配置；首先对融合的数据进行抽象分析，无论是警力还是案事件都可以看作是一种“资源”，其中警力属于“正”资源，而案事件属于“负”资源，因此可以将问题转换为特定条件下的资源分配问题，从而简化其实现过程。设p事件发生概率，I为案事件发生的数量，ε表示单位时间内发生案事件的次数，则有：

（4）

设区域内部署警力点，配置警力为，则N表示总警力。假设当前警力已经达到平衡，地点发生了案事件，且需要单位的警力支援，则H表示在单位时间内案事件发生地集合—此时警力的派遣就是资源调度时的直接成本因素。

设表示由警力部署位置n派往案发地h的警力数量，由于此时在区域内（即可能的派遣路径上）还可能存在案事件，因此设F表示潜在的案事件集合。

此外，定义表示由n警力点前往案件位置时的最小决策成本，而表示所有决策方案中的最小决策成本。

则可将警力决策模型中的决策成本集合Cost表述为下式：

（5）

其中为直接成本，为机会成本；在其中搜寻最小决策成本 即可得到“决策成本优先的决策模型”。由于本文将区域安全度平衡作为重要指标考虑，因此需要计算所有决策对区域安全度的影响，即：

（6）

表示执行后区域的平均平衡度，因此就是此时使得区域安全度均值最高（最安全）的决策过程。

整个算法的实现可以分解三个步骤：

（1）建立警力资源部署矩阵

（7）

（2）确定第一个警力的派遣方案

此时的直接成本为：

（8）

因为此时n警力点已经派出了警力，因此将包含n在内的“剩余”警力当作后续可用警力，其机会成本为：

（9）

此时目标函数：

（10）

（3）剩余警力的派遣

当步骤2）派遣了第一个警力后，迭代执行步骤2）完成剩余警力的分派，即可得到最终派遣方案。

本发明的优异效果如下：构建基于历史数据的安全度模型，通过对数据筛选和清洗，得到能为系统所用的数据，并进一步通过模糊评价法对案事件进行量化，并配合安全度量化模型，将历史出警数据量化为区域安全度，深入研究对比反距离加权法和克里金插值算法，并选择克里金插值法初步构建区域安全度模型；紧接着为了真实的反映区域内的安全度实际情况，进行了原始警力部署模拟测试，将原始警力部署的安全度模型和基于历史数据的安全度模型进行融合，并进行了联合安全度分析；最后找出最佳派警方案。利用信息化方式进行警力的合理调度和警情的分析，能够实现迅速派警和警力资源的优化配置并增强警务热点分析能力等，从而提高公安部门的工作效率以便更好的为人民群众服务。

附图说明

图1为本发明的结构图；图2为模拟原始警力部署散点图；图3为区域内模拟警力部署图；图4为区域内模拟警力部署等高线图；图5为区域安全度分布三维曲面图；图6为数据融合区域内模拟警力部署图；图7为数据融合区域内模拟警力部署等高线图；图8为数据融合区域安全度分布三维曲面图；图9为决策调度框架流程图。

具体实施方式

参照图1，本发明的具体过程包括：

步骤1：使用高精度测绘地图，构建自定义的基于带权连通图非Web GIS专用系统，利用克里金插值法来反应安全度数据的内在度，构建基于历史数据的安全度模型；

如图2所示；定义原始警力部署模型 （1）

其中，x,y分别代表警力部署地点的经度和纬度；count是警员数量；type是警力影响力;

定义type=(r,value) （2）

其中r代表作用半径，value代表影响力大小，例如，警车>特种警察>一般警察>辅警，每个警种面对紧急情况的反应速度、时间和作用覆盖区域是不一样的；

如图3，图4，图5所示：

结合基于带权网络表达的GIS系统综合进行考虑，其中非常重要的一个因素是现实中警力一般部署在“道路”上（近似看作实际中道路两侧），不允许处于该网络节点以及节点连线以外的地方，因此假定所有道路的宽度为rw=10，即平均道路宽度约为10m，在后续考虑决策调度时，将其作为网络节点边（即道路）的宽度使用，将上述因素作为权重考虑代入安全度模型中，就可以得到当前区域内模拟的警力“正安全度”分布，上述图例较好的表达了该区域内的警力分布情况，图中浅色区域表达安全度较高也即警力较为充足，深色区域警力相对薄弱。从图3可以看到，在（480，720）和（960，480）两处附近存在两个正安全度高峰区域，该区域是样本城市两座警局所在地，能够以较大影响力对周边区域产生“正向”影响。区域边缘由于远离警局（特别是右侧区域），其安全度相比较而言有较大的降低趋势。

步骤2：将原始警力部署的安全度模型和基于历史数据的安全度模型进行融合，并进行了联合安全度分析；公众安全度主观感受主要来源于负面的如案事件的产生，而以警察为代表的公共安全单位则对公众产生正向的安全感，因此需要将正负两类安全感融合起来才能正确反映出区域内的安全度变化。假设来源于案事件的负向安全度集合为neg，源于警力部署的安全度集合为cop，如不考虑其它因素的情况下，区域内的整体安全度SEC两集合可进行直接融合：

（3）

将两组数据融合起来，可得当前区域整体安全度分布情况图6，图7，图8所示，区域内的整体安全度分布情况，整体安全度是较好的，此时区域内平均安全度均值约为5.061，属于较好水平；

步骤3：如图9所示，对融合的数据进行决策模型框架分析，根据决策算法找出最佳派警方案，实现区域的整体平衡性和警力资源的优化配置；首先对融合的数据进行抽象分析，无论是警力还是案事件都可以看作是一种“资源”，其中警力属于“正”资源，而案事件属于“负”资源，因此可以将问题转换为特定条件下的资源分配问题，从而简化其实现过程。设p事件发生概率，I为案事件发生的数量，ε表示单位时间内发生案事件的次数，则有：

（4）

设区域内部署警力点，配置警力为，则N表示总警力。假设当前警力已经达到平衡，地点发生了案事件，且需要单位的警力支援，则H表示在单位时间内案事件发生地集合—此时警力的派遣就是资源调度时的直接成本因素。

设表示由警力部署位置n派往案发地h的警力数量，由于此时在区域内（即可能的派遣路径上）还可能存在案事件，因此设F表示潜在的案事件集合。

此外，定义表示由n警力点前往案件位置时的最小决策成本，而表示所有决策方案中的最小决策成本。

则可将警力决策模型中的决策成本集合Cost表述为下式：

（5）

其中为直接成本，为机会成本；在其中搜寻最小决策成本 即可得到“决策成本优先的决策模型”。由于本文将区域安全度平衡作为重要指标考虑，因此需要计算所有决策对区域安全度的影响，即：

（6）

表示执行后区域的平均平衡度，因此就是此时使得区域安全度均值最高（最安全）的决策过程。

整个算法的实现可以分解三个步骤：

（1）建立警力资源部署矩阵

（7）

（2）确定第一个警力的派遣方案

此时的直接成本为：

（8）

因为此时n警力点已经派出了警力，因此将包含n在内的“剩余”警力当作后续可用警力，其机会成本为：

（9）

此时目标函数：

（10）

（3）剩余警力的派遣

当步骤2）派遣了第一个警力后，迭代执行步骤2）完成剩余警力的分派，即可得到最终派遣方案。

最后说明的是，以上所述仅为本发明的较佳实例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改，等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于历史安全度模型的警力调度融合方法，包括如下过程：

步骤1：使用高精度测绘地图，构建自定义的基于带权连通图非Web GIS专用系统，利用克里金插值法来反应安全度数据的内在度，构建基于历史数据的安全度模型；

定义原始警力部署模型<math display = 'block'> <mrow> <mi>OSEC</mi> <mo>=</mo> <mo stretchy='false'>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>count</mi> <mo>,</mo> <mi>type</mi> <mo stretchy='false'>)</mo> </mrow> </math> （1）

其中，x,y分别代表警力部署地点的经度和纬度；count是警员数量；type是警力影响力；

定义type=(r,value) （2）

其中r代表作用半径，value代表影响力大小，例如，警车>特种警察>一般警察>辅警，每个警种面对紧急情况的反应速度、时间和作用覆盖区域是不一样的；

步骤2：将原始警力部署的安全度模型和基于历史数据的安全度模型进行融合，并进行了联合安全度分析；公众安全度主观感受主要来源于负面的如案事件的产生，而以警察为代表的公共安全单位则对公众产生正向的安全感，因此需要将正负两类安全感融合起来才能正确反映出区域内的安全度变化；假设来源于案事件的负向安全度集合为neg，源于警力部署的安全度集合为cop，如不考虑其它因素的情况下，区域内的整体安全度SEC两集合可进行直接融合：

<math display = 'block'> <mrow> <mi>SEC</mi> <mo>=</mo> <mi>neg</mi> <mo>+</mo> <mn>0.761</mn> <mo>&amp;times;</mo> <mi>cop</mi> </mrow> </math> （3）

步骤3：对融合的数据进行决策模型框架分析，根据决策算法找出最佳派警方案，实现区域的整体平衡性和警力资源的优化配置；首先对融合的数据进行抽象分析，无论是警力还是案事件都可以看作是一种“资源”，其中警力属于“正”资源，而案事件属于“负”资源，因此可以将问题转换为特定条件下的资源分配问题，从而简化其实现过程；设p事件发生概率，I为案事件发生的数量，ε表示单位时间内发生案事件的次数，则有：

（4）

设区域内部署警力点，配置警力为，则N表示总警力；假设当前警力已经达到平衡，地点发生了案事件，且需要单位的警力支援，则H表示在单位时间内案事件发生地集合—此时警力的派遣就是资源调度时的直接成本因素；设表示由警力部署位置n派往案发地h的警力数量，由于此时在区域内（即可能的派遣路径上）还可能存在案事件，因此设F表示潜在的案事件集合；定义表示由n警力点前往案件位置时的最小决策成本，而表示所有决策方案中的最小决策成本；则可将警力决策模型中的决策成本集合Cost表述为下式：

（5）

其中为直接成本，为机会成本；在其中搜寻最小决策成本 即可得到“决策成本优先的决策模型”；将区域安全度平衡作为重要指标考虑，计算所有决策对区域安全度的影响，即：

（6）

表示执行后区域的平均平衡度，因此就是此时使得区域安全度均值最高（最安全）的决策过程。

2.根据权利1所述一种基于历史安全度模型的警力调度融合方法，其特征在于，可以分解三个步骤：

（1）建立警力资源部署矩阵

（7）

（2）确定第一个警力的派遣方案

此时的直接成本为：

（8）

因为此时n警力点已经派出了警力，因此将包含n在内的“剩余”警力当作后续可用警力，其机会成本为：

（9）

此时目标函数：

（10）

（3）剩余警力的派遣

当步骤2）派遣了第一个警力后，迭代执行步骤2）完成剩余警力的分派，即可得到最终派遣方案。