CN110019285A - 一种警情识别分派方法及电子设备 - Google Patents

Abstract

本发明公开了一种警情识别分派方法及电子设备，通过采用人工智能、大数据分析及机器学习技术，实现警情分派的智能化，减少中间环节，缩短响应时间，提高警务系统的快速反应能力，有效减少了人工处理环节，大大减轻了各接警单位的工作量；同时，能够直接并高效地利用现有警务数据库的资源，有效整合现有的警务数据，可以方便地进行快速而广泛的推广应用，最大化地提高工作效率。

Description

一种警情识别分派方法及电子设备

技术领域

本发明涉及警务平台技术领域，特别是指一种警情识别分派方法及电子设备。

背景技术

警务平台作为警务系统的中枢，对警务系统的协调、分派和统筹指挥具有至关重要的作用，作为直接沟通群众和各级警务单位的桥梁，警务平台的反应时间和处置效率对警务单位的出警速度和出警准确率有着举足轻重的影响。

如图1所示，为现有技术警务平台接处警流程示意图，现有技术中接处警流程包括：

第一步，群众拨打110或119报警电话；

第二步，一级接警单位例如市公安局指挥中心的接警员登记群众描述的报警地址和报警内容等，生成一条警情，由各地的接处警系统存入数据库；

第三步，由接警员人工判断报警地址所属的二级接警单位，例如某公安分局，将警情分派至所述二级接警单位；

第四步，由二级接警单位的接警员判断是否接受警情，如果不接受则退回上级重新分派，如接受则进入第五步；

第五步，二级接警单位的接警员根据报警地址判断所属的三级管辖单位，例如某派出所，将警情分派至所述三级接警单位；

第六步，由三级接警单位的接警员判断是否接受警情，如果不接受则退回上级重新分派，如接受则进入第七步；

第七步，三级接警单位接受警情，前往现场处置。

可以看出在现有技术中，警务平台的警情识别及接警单位的分派仍采用人工识别及人工分派，利用现有技术进行三级警务系统的接处警工作时，由于人工操作的限制，至少需要经过两名接警员的处置，不能直接分配到接警单位，处置环节长且效率低，增加了从接警到出警的处置时间。同时，人工识别及人工分派存在大量难以避免的缺陷，例如：人工记忆识别地址并手工分派警情需要耗费大量的人力及时间，且一个接警员从开始到完全熟悉整个辖区的地址并能够进行高效分配的过程需要一年乃至更长时间，大大降低了警务平台的处置效率；此外，如果采用构建地址库(标准词表)确定警情的接警单位这一方式，由于报警信息来自不同的报警人，且报警时的情形往往较为急迫，使得警务平台收到的报警信息千差万别，往往存在大量的同义词、同音词、同形词及错别字，为了能够准确识别报警地址并实现准确的警情分派，这个标准词表必须全面而强大，要包含同义词、同音词、同形词和包含错别字的词组，同时还必须包含不断加入的新的地址并及时更新。然而，这个词表包含的内容必然是海量的，仅仅一个市区的词表中包含的记录就可达数亿条，构建并更新这样的词表将耗费大量的人力物力，利用人工构建基本是不可行的；同时，不同地区的词表没有可复制性，每一地区需要建立单独的词表，使得这样的标准词表无法大量推广应用。

发明内容

有鉴于此，本发明的目的在于提出一种警情识别分派方法及电子设备，能够智能分析报警地址及接警单位并快速进行处警分派，代替人工识别地址及人工分配警情，有效提高警务平台的工作效率。

基于上述目的本发明提供的一种警情识别分派方法，包括：

接收报警信息，记录所述报警信息；所述报警信息包括报警类型、报警地址及报警内容；

加载警情数据，所述警情数据包括历史报警信息和所述历史报警信息的接警单位，所述历史报警信息包括历史报警信息、历史报警地址及历史报警内容；

匹配所述报警信息与所述警情数据，生成高相关度接警单位列表；

将所述报警信息分派至所述高相关度接警单位列表中相关度最高的接警单位，并将所述相关度最高的接警单位从所述高相关度接警单位列表中移除；

检测所述相关度最高的接警单位的反馈信息，若所述反馈信息为是，则分派成功；若所述反馈信息为否，则重新分派。

可选地，所述匹配所述报警信息与所述警情数据包括：

计算当前报警地址与警情数据相似度；

生成高相似度警情列表；

根据所述高相似度警情列表，生成高相关接警单位列表。

可选地，所述的警情识别分派方法还包括：

储存分派结果为否的错误记录，所述错误记录包括该次分派中的报警信息、加载的警情数据、生成的高相似度警情列表及高相关接警单位列表；以及，

根据所述错误记录，利用深度学习及神经网络技术，修正所述生成高相关接警单位列表的方法，和/或修正所述生成高相似度的警情列表的方法，和/或修正计算当前地址与警情数据相似度的方法；和/或，

在警情成功分派或人工手动分派后，将所述警情的报警信息和分派结果作为新的警情数据存入数据库。

可选地，所述确认并记录报警信息包括：

利用语音识别将报警人的报警电话中提供的地址直接识别为所述报警地址，和/或，由报警人提供报警地址周边三个以上的地标地址，利用三点定位获得所述报警地址。

可选地，所述加载警情数据还包括：

根据所述报警类型，加载与所述报警类型一致的警情数据；所述警情数据提前加载至内存数据库，并实时更新。

可选地，所述重新分派包括：

检测当前收到的所述反馈信息为否的次数，若收到否的次数超过错误次数阈值，则终止分派，转为人工手动分派；若收到否的次数未超过所述错误次数阈值，则将所述报警信息分派至所述高相关度接警单位列表中相关度最高的接警单位，并将所述相关度最高的接警单位从所述高相关度接警单位列表中移除。

可选地，所述计算当前报警地址与警情数据相似度包括：采用文本相似度算法，计算所述报警地址与各所述历史报警地址间的相似度值。

可选地，所述生成高相似度警情列表包括：

选取所述相似度值高于第一阈值的所述警情数据，并按照相似度值从高到低的顺序排列，得到所述高相似度警情列表；和/或，

仅保留所述相似度值排序为前第一数量的警情数据，得到所述高相似度警情列表。

可选地，所述生成高相关接警单位列表包括：

将所述高相似度警情列表中属于某一接警单位的所有警情数据的相似度相加，作为该接警单位的相关度；选取所有所述相关度高于预设的第二阈值的接警单位，并按照相关度从高到低的顺序排列，得到所述高相关度接警单位列表；或

采用决策树算法，对所述高相似度警情列表进行决策处理，得到各接警单位推荐度表；仅保留所述接警单位推荐度为前第二数量的接警单位，并按照所述接警单位推荐度由高到低的顺序排列，得到所述高相关度接警单位列表。

本发明的另一方面，还提供一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。

从上面所述可以看出，本发明提供的一种警情识别分派方法，通过采用人工智能、大数据分析及机器学习技术，实现警情分派的智能化；同时，最大限度地压缩指挥层级，将三级接警模式转变为二级接警模式，甚至实现警情从一级接警单位到基层民警的一站直达，减少中间环节，缩短响应时间，提高警务系统的快速反应能力；此外，由于有效减少了人工处理环节，使得接警员不再需要人工记忆地址，大大减轻了各接警单位的工作量；最后，能够直接并高效地利用现有警务数据库的资源，有效整合现有的警务数据，利用并完善标准地址库及同义词表，使得本发明提供的一种警情识别分派方法能够直接整合接入现有的警务系统，可以方便地进行快速而广泛的推广应用，最大化地提高工作效率。

附图说明

图1为现有技术警务平台接处警流程示意图；

图2为本发明一种实施例一种警情识别分派方法流程示意图；

图3为本发明另一种实施例一种警情识别分派方法流程示意图；

图4为本发明再一种实施例一种警情识别分派方法流程示意图；

图5为本发明实施例电子设备结构示意图；

图6为本发明实施例装置的硬件结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

如图2所示，为本发明一种实施例一种警情识别分派方法流程示意图。本发明一种实施例提供的一种警情识别分派方法包括：

步骤101.确认并记录报警信息：接收报警信息，记录所述报警信息；所述报警信息包括报警类型、报警地址及报警内容，所述报警类型可以为火警、匪警或其他报警信息类别；

步骤102.加载警情数据：根据所述报警类型，调取警情数据，并加载与所述报警类型一致的警情数据；所述警情数据包括历史报警信息和所述历史报警信息的接警单位，所述历史报警信息包括历史报警类型、历史报警地址及历史报警内容，所述警情数据的类型为所述历史报警类型；

步骤103.匹配所述报警信息与所述警情数据，生成高相关度接警单位列表；

可选地，所述匹配所述报警信息与所述警情数据包括：

步骤1031.计算当前报警地址与警情数据相似度：逐一计算所述报警地址与各所述加载的警情数据中的所述历史报警地址间的相似度值；所述相似度值定义在0至1之间，其中0代表所述报警地址与所述历史报警地址完全不同，1代表所述报警地址与所述历史报警地址完全相同；所述相似度值越高，则所述报警地址与所述历史报警地址的相似度越高；

步骤1032.生成高相似度警情列表：根据所述相似度值，将所述加载的警情数据按照所述相似度值从高到低的顺序进行排列，生成高相似度警情列表；

步骤1033.生成高相关接警单位列表：根据所述高相似度警情列表，计算各接警单位相关度，并生成高相关度接警单位列表，所述高相关度接警单位列表包含各接警单位的单位编号、单位名称、推荐顺序或推荐级别，以及其它相关信息。

步骤104.分派警情：将报警信息分派至所述高相关度接警单位列表中相关度最高的接警单位，并将所述相关度最高的接警单位从所述高相关度接警单位列表中移除。

步骤105.检验分派结果：所述相关度最高的接警单位接收到所述报警信息后，判断所述报警信息是否属于所述相关度最高的接警单位管辖，并发出反馈信息。通过检测所述反馈信息，检验报警信息分派结果：若所述报警信息属于所述相关度最高的接警单位管辖，即所述反馈信息为是，则代表所述相关度最高的接警单位接受分派，由所述相关度最高的接警单位处警，报警信息成功分派；若所述报警信息不属于所述相关度最高的接警单位管辖，即所述反馈信息为否，则代表所述相关度最高的接警单位不接受分派，执行重新分派；

可选地，所述重新分派包括：

步骤1051.判断错误次数是否超过阈值：检测当前收到的反馈信息为否的次数，即错误分派的次数，若所述收到的反馈信息为否的次数超过预设的错误次数阈值，则终止自动识别分派，转为人工手动分派；若所述收到的反馈信息为否的次数未超过预设的错误次数阈值，则执行步骤104。

从上面所述可以看出，本发明实施例提供的一种警情识别分派方法，通过采用人工智能、大数据分析及机器学习技术，实现警情分派的智能化；同时，最大限度地压缩指挥层级，将三级接警模式转变为二级接警模式，甚至实现警情从一级接警单位到基层民警的一站直达，减少中间环节，缩短响应时间，提高警务系统的快速反应能力；此外，由于有效减少了人工处理环节，使得接警员不再需要人工记忆地址，大大减轻了各接警单位的工作量；最后，能够直接并高效地利用现有警务数据库的资源，有效整合现有的警务数据，使得本发明提供的一种警情识别分派方法能够直接整合接入现有的警务系统，可以方便地进行快速而广泛的推广应用，最大化地提高工作效率。

如图3所示，为本发明另一种实施例一种警情识别分派方法流程示意图；本发明另一种实施例提供的一种警情识别分派方法包括:

步骤201.确认并记录报警信息：接收报警信息，所述报警信息来自报警人的报警电话，包括所述报警类型、报警地址及报警内容，利用语音识别识别所述报警类型、报警地址和报警内容，以文字和/或录音的形式记录所述报警信息；

所述报警地址的识别方式实施为：利用语音识别将报警人的报警电话中提供的地址直接识别为所述报警地址，和/或，由报警人提供报警地址周边3个以上的地标地址，利用三点定位获得所述报警地址。通过利用语音识别的技术，实现报警信息的自动获取和快速识别接收，减少人工干预，提高工作效率。

步骤202.加载警情数据：根据所述报警类型，调取警情数据，并加载与所述报警类型一致的警情数据；所述警情数据包括历史报警信息和所述历史报警信息的接警单位，所述历史报警信息包括所述历史报警类型、历史报警地址及历史报警内容，所述警情数据的类型为所述历史报警类型；

所述警情数据提前加载至内存数据库，提高所述警情数据的调用速度；对已加载至所述内存数据库中的警情数据实时更新，确保所述内存数据库中的警情数据的准确性和实时性；

步骤203.计算当前报警地址与警情数据相似度：逐一计算所述报警地址与各所述加载的警情数据中的所述历史报警地址间的相似度值；所述相似度值定义在0至1之间，其中0代表所述报警地址与所述历史报警地址完全不同，1代表所述报警地址与所述历史报警地址完全相同；所述相似度值越高，则所述报警地址与所述历史报警地址的相似度越高；

所述计算当前报警地址与警情数据相似度具体实施为：采用文本相似度算法，计算所述报警地址与各所述历史报警地址间的相似度值，所述文本相似度算法可以为余弦相似度算法、编辑距离算法、SimHash算法、欧氏距离算法，或其它文本相似度算法；

具体地，采用IKAnalyzer，NLPIR汉语分词系统或者其他分词系统对所述报警地址及所述历史报警地址进行分词，满足文本相似度计算的需要；

步骤204.生成高相似度警情列表：根据所述相似度值，将所述加载的警情数据按照所述相似度值从高到低的顺序进行排列，生成高相似度警情列表；

所述高相似度警情列表的生成过程实施为：选取所述相似度值高于预设的第一阈值的所述警情数据，并按照相似度值从高到低的顺序排列，得到所述高相似度警情列表；

步骤205.生成高相关接警单位列表：根据所述高相似度警情列表，计算各接警单位相关度，并生成高相关度接警单位列表，所述高相关度接警单位列表包含各接警单位的单位编号、单位名称、推荐顺序或推荐级别，以及其它相关信息；

具体地，所述生成高相关接警单位列表的方法实施为：将所述高相似度警情列表中属于某一接警单位的所有警情数据的相似度相加，作为该接警单位的相关度；选取所有相关度高于预设的第二阈值的接警单位，并按照相关度从高到低的顺序排列，得到所述高相关度接警单位列表；

步骤206.分派警情：将报警信息分派至所述高相关度接警单位列表中相关度最高的接警单位，并将所述相关度最高的接警单位从所述高相关度接警单位列表中移除；

步骤207.检验分派结果：所述相关度最高的接警单位接收到所述报警信息后，判断所述报警信息是否属于所述相关度最高的接警单位管辖，并发出反馈信息。通过检测所述反馈信息，检验报警信息分派结果：若所述报警信息属于所述相关度最高的接警单位管辖，即所述反馈信息为是，则代表所述相关度最高的接警单位接受分派，由所述相关度最高的接警单位处警，警情成功分派，并执行步骤209；若所述报警信息不属于所述相关度最高的接警单位管辖，即所述反馈信息为否，则代表所述相关度最高的接警单位不接受警情分派，执行步骤208；

步骤208.判断错误次数是否超过阈值：检测当前收到的反馈信息为否的次数，即错误分派的次数，同时执行步骤210，若所述收到的反馈信息为否的次数超过预设的错误次数阈值，则终止自动识别分派，转为人工手动分派，并在人工手动分派完成后执行步骤209；若所述收到的反馈信息为否的次数未超过预设的错误次数阈值，则执行步骤206；

步骤209.存储分派记录：在警情成功分派或人工手动分派后，将所述警情的报警信息和分派结果作为新的警情数据存入数据库，实现对所述警情数据的更新和自动记录；

可选地，将所述警情的报警信息、分派结果以及分派过程中生成的未经修改的所述高相似度警情列表和高相关接警单位列表共同作为新的警情数据存入数据库，使得每一条分派记录都能够被有效调用和查询，分派过程能够被追溯，方便算法的修正和优化；

步骤210.存储错误记录：储存分派结果为否的错误记录，所述错误记录包括该次分派中的报警信息、加载的警情数据、生成的高相似度警情列表及高相关接警单位列表，使得一次错误分派中每一个环节都被记录，能够被追溯并修正；

步骤211.算法优化：根据所述错误记录，利用深度学习及神经网络技术，如LSTM(Long Short-Term Memory，长短期记忆网络)等，修正所述生成高相关接警单位列表的方法，和/或所述生成高相似度的警情列表的方法，和/或计算当前地址与警情数据相似度的方法，从而实现所述一种警情识别分派方法的自我完善，进一步提高分派的准确率。

从上面所述可以看出，本发明实施例提供的一种警情识别分派方法，通过采用人工智能、大数据分析及机器学习技术，实现警情分派的智能化；最大限度地压缩指挥层级，将三级接警模式转变为二级接警模式，甚至实现警情从一级接警单位到基层民警的一站直达，减少中间环节，缩短响应时间，提高警务系统的快速反应能力；此外，由于有效减少了人工处理环节，使得接警员不再需要人工记忆地址，大大减轻了各接警单位的工作量；最后，能够直接并高效地利用现有警务数据库的资源，有效整合现有的警务数据，使得本发明提供的一种警情识别分派方法能够直接整合接入现有的警务系统，可以方便地进行快速而广泛的推广应用，最大化地提高工作效率。同时，能够将分派记录有效保存，实现对警务数据库的动态更新，并且能利用错误分派的记录及时进行自我修正，进一步提高分派准确度。

如图4所示，为本发明再一种实施例一种警情识别分派方法流程示意图；本发明再一种实施例提供的一种警情识别分派方法包括：

步骤301.确认并记录报警信息：接收报警信息，所述报警信息包括所述报警类型、报警地址及报警内容，记录所述报警信息；

可选地，将所述报警地址与标准地址库及同义词表比对并进行标准化处理，从而将所述报警地址标准化，减少后续步骤中的工作量；

步骤302.加载警情数据：根据所述报警类型，调取警情数据，并加载与所述报警类型一致的警情数据；所述警情数据包括历史报警信息和所述历史报警信息的接警单位，所述历史报警信息包括所述历史报警类型、历史报警地址及历史报警内容，所述警情数据的类型为所述历史报警类型；

步骤303.计算当前报警地址与警情数据相似度：逐一计算所述报警地址与各所述加载的警情数据中的所述历史报警地址间的相似度值；所述相似度值一般定义在0至1之间，其中0代表所述报警地址与所述历史报警地址完全不同，1代表所述报警地址与所述历史报警地址完全相同；所述相似度值越高，则所述报警地址与所述历史报警地址的相似度越高；

由于所述警情数据的数量庞大，单独将所述报警地址与所述历史报警地址一一比对将显著增加处理时间，因此采用大数据并行处理的方式时限所述报警地址与所述历史报警地址的相似度至计算，提高数据处理效率；

步骤304.生成高相似度警情列表：根据所述相似度值，将所述加载的警情数据按照所述相似度值从高到低的顺序进行排列，生成高相似度警情列表；

具体地，仅保留所述相似度值排序为前第一数量的警情数据，得到所述高相似度警情列表；所述第一数量可根据实际需求自由设置调整；

步骤305.生成高相关接警单位列表：根据所述高相似度警情列表，生成高相关度接警单位列表，所述高相关度接警单位列表包含各接警单位的单位编号、单位名称、推荐顺序或推荐级别，以及其它相关信息；

具体地，所述生成高相关接警单位列表的方法实施为：采用决策树算法，对所述高相似度警情列表进行决策处理，得到各接警单位推荐度表；仅保留所述接警单位推荐度为前第二数量的接警单位，并按照所述接警单位推荐度由高到低的顺序排列，得到所述高相关度接警单位列表；所述第二数量可根据实际需求自由设置调整；

可选地，采用支持向量机算法或其他机器学习方法对所述高相似度警情列表进行处理，得到所述高相关度接警单位列表；

步骤306.分派警情：将警情分派至所述高相关度接警单位列表中推荐度最高的接警单位，并将所述推荐度最高的接警单位从所述高相关度接警单位列表中移除；

步骤307.检验分派结果：所述推荐度最高的接警单位接收到所述警情后，判断所述警情是否属于所述推荐度最高的接警单位管辖，并发出反馈信息。通过检测所述反馈信息，检验警情分派结果：若所述警情属于所述推荐度最高的接警单位管辖，即所述反馈信息为是，则代表所述推荐度最高的接警单位接收警情分派，由所述推荐度最高的接警单位处警，警情成功分派；若所述警情不属于所述推荐度最高的接警单位管辖，即所述反馈信息为否，则代表所述推荐度最高的接警单位不接受警情分派，执行步骤308；

步骤308.判断错误次数是否超过阈值：检测当前收到的反馈信息为否的次数，若所述收到的反馈信息为否的次数超过预设的错误次数阈值，则终止自动识别分派，转为人工手动分派；若所述收到的反馈信息为否的次数未超过预设的错误次数阈值，则执行步骤306。

从上面所述可以看出，本发明实施例提供的一种警情识别分派方法，通过采用人工智能、大数据分析及机器学习技术，实现警情分派的智能化；同时，最大限度地压缩指挥层级，将三级接警模式转变为二级接警模式，甚至实现警情从一级接警单位到基层民警的一站直达，减少中间环节，缩短响应时间，提高警务系统的快速反应能力；此外，由于有效减少了人工处理环节，使得接警员不再需要人工记忆地址，大大减轻了各接警单位的工作量；最后，能够直接并高效地利用现有警务数据库的资源，有效整合现有的警务数据，利用并完善标准地址库及同义词表，使得本发明提供的一种警情识别分派方法能够直接整合接入现有的警务系统，可以方便地进行快速而广泛的推广应用，最大化地提高工作效率。

本发明的另一方面，还提供用于执行所述一种警情识别分派方法的电子设备，如图5所示，为本发明实施例提供的电子设备结构示意图；所述电子设备包括：

警情识别匹配模块401，用于接收所述报警信息，对所述报警信息进行识别和匹配；从内存数据库404中调取所述警情信息，并将所述报警信息和所述警情信息发送至相似度计算模块408；之后，接收相似度计算模块408生成的所述高相似度警情列表，并发送至接警单位计算模块402；

相似度计算模块408，用于利用文本相似度算法逐一计算所述报警地址与各所述历史报警地址间的相似度值，并生成所述高相似度警情列表；

分词模块409，用于对所述报警地址和所述历史报警地址进行分词处理，使得处理后的结果满足文本相似度计算的需要；

接警单位计算模块402，用于根据所述高相似度警情列表，生成所述高相关接警单位列表；

警情分派模块407，用于根据所述高相关接警单位列表执行警情分派；

反馈控制模块406，用于检验分派结果，接收来自接警单位的反馈信息，存储错误分派记录，并判断错误分派的次数是否超过预设的错误次数阈值：若超过所述错误次数阈值，终止自动分派，转为人工手动分派；若未超过所述错误次数阈值，则控制警情分派模块407重新分派警情；

修正模块403，根据所述错误分派记录，利用深度学习及神经网络技术，修正接警单位计算模块402中的生成高相关接警单位列表的方法；

内存数据库404，从警务平台中加载近几年相应的警情数据，用于警情识别匹配模块401进行相似度计算，目的是提高运行速度。

可选地，内存数据库404根据警情识别匹配模块401识别出的所述报警信息的类别，从警务平台数据库中加载相同类别的警情数据，提高运行速度；

警情动态更新模块405，用于当警务系统数据库中出现警情数据变化时，对内存数据库404中加载的警情数据进行实时更新，确保所述警情数据的有效性和准确性。

可选地，本发明实施例提供的电子设备还包括记录储存模块，用于在警情成功分派或人工手动分派后，将所述警情的报警信息和分派结果作为新的警情数据存入警务平台数据库，实现对所述警情数据的更新和自动记录；

从上面所述可以看出，本发明实施例提供的电子设备通过采用人工智能、大数据分析及机器学习技术，实现智能化警情分派；最大限度地压缩指挥层级，将三级接警模式转变为二级接警模式，甚至实现警情从一级接警单位到基层民警的一站直达，减少中间环节，缩短响应时间，提高警务系统的快速反应能力；此外，由于有效减少了人工处理环节，使得接警员不再需要人工记忆地址，大大减轻了各接警单位的工作量；最后，能够直接并高效地利用现有警务数据库的资源，有效整合现有的警务数据，使得本发明提供的电子设备能够直接整合接入现有的警务系统，可以方便地进行快速而广泛的推广应用，最大化地提高工作效率。同时，能够将分派记录有效保存，实现对警务数据库的动态更新，并且能利用错误分派的记录及时进行自我修正，进一步提高分派准确度。

采用本发明提供的一种警情识别分派方法及电子设备，以南京市公安局建邺分局最近三年的近750000条警情为警务平台数据库，进行警情自动识别分派，报警信息与接警单位的匹配准确率达97％以上，单次处理的响应时间在步骤1000ms内，可以看出本发明提供的一种警情识别分派方法及电子设备分派准确率高，分派速度快，大大提高了警务系统的快速反应能力；随着分派过程中算法的进一步优化，分派准确率最终可达99％以上，同时，将不同区域或不同类型的警务平台数据库整合，非但不会降低本发明的处理效率，反而能够使得本发明的算法进一步优化，大大提高本发明对不同类型及不同区域报警信息的处理效率及准确率。

基于上述目的，本发明实施例的第三个方面，提出了一种执行所述警情识别分派方法的装置的一个实施例。如图6所示，为本发明提供的执行所述警情识别分派方法的装置的一个实施例的硬件结构示意图。

如图6所示，所述装置包括：

一个或多个处理器501以及存储器502，图6中以一个处理器501为例。

所述执行所述警情识别分派方法的装置还可以包括：输入装置503和输出装置504。

处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图6中以通过总线连接为例。

存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的所述警情识别分派方法对应的程序指令/模块(例如，附图5所示的警情识别匹配模块401、接警单位计算模块402、修正模块403、内存数据库404、警情动态更新模块405、反馈控制模块406、警情分派模块408和分词模块409)。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的警情识别分派方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据警情识别分派装置的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至会员用户行为监控装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置503可接收输入的数字或字符信息，以及产生与警情识别分派装置的用户设置以及功能控制有关的键信号输入。输出装置504可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器502中，当被所述一个或者多个处理器501执行时，执行上述任意方法实施例中的警情识别分派方法。所述执行所述警情识别分派方法的装置的实施例，其技术效果与前述任意方法实施例相同或者类似。

所属领域的普通技术人员应当理解：以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种警情识别分派方法，其特征在于，包括：

接收报警信息，记录所述报警信息；所述报警信息包括报警类型、报警地址及报警内容；

加载警情数据，所述警情数据包括历史报警信息和所述历史报警信息的接警单位，所述历史报警信息包括历史报警信息、历史报警地址及历史报警内容；

匹配所述报警信息与所述警情数据，生成高相关度接警单位列表；

将所述报警信息分派至所述高相关度接警单位列表中相关度最高的接警单位，并将所述相关度最高的接警单位从所述高相关度接警单位列表中移除；

检测所述相关度最高的接警单位的反馈信息，若所述反馈信息为是，则分派成功；若所述反馈信息为否，则重新分派。

2.根据权利要求1所述的警情识别分派方法，其特征在于，所述匹配所述报警信息与所述警情数据包括：

计算当前报警地址与警情数据相似度；

生成高相似度警情列表；

根据所述高相似度警情列表，生成高相关接警单位列表。

3.根据权利要求1所述的警情识别分派方法，其特征在于，还包括：

储存分派结果为否的错误记录，所述错误记录包括该次分派中的报警信息、加载的警情数据、生成的高相似度警情列表及高相关接警单位列表；以及，

根据所述错误记录，利用深度学习及神经网络技术，修正所述生成高相关接警单位列表的方法，和/或修正所述生成高相似度的警情列表的方法，和/或修正计算当前地址与警情数据相似度的方法；和/或，

在警情成功分派或人工手动分派后，将所述警情的报警信息和分派结果作为新的警情数据存入数据库。

4.根据权利要求1所述的警情识别分派方法，其特征在于，所述确认并记录报警信息包括：

利用语音识别将报警人的报警电话中提供的地址直接识别为所述报警地址，和/或，由报警人提供报警地址周边三个以上的地标地址，利用三点定位获得所述报警地址。

5.根据权利要求1所述的一种警情识别分派方法，其特征在于，所述加载警情数据还包括：

根据所述报警类型，加载与所述报警类型一致的警情数据；所述警情数据提前加载至内存数据库，并实时更新。

6.根据权利要求1所述的一种警情识别分派方法，其特征在于，所述重新分派包括：

检测当前收到的所述反馈信息为否的次数，若收到否的次数超过错误次数阈值，则终止分派，转为人工手动分派；若收到否的次数未超过所述错误次数阈值，则将所述报警信息分派至所述高相关度接警单位列表中相关度最高的接警单位，并将所述相关度最高的接警单位从所述高相关度接警单位列表中移除。

7.根据权利要求2所述的一种警情识别分派方法，其特征在于，所述计算当前报警地址与警情数据相似度包括：采用文本相似度算法，计算所述报警地址与各所述历史报警地址间的相似度值。

8.根据权利要求2所述的一种警情识别分派方法，其特征在于，所述生成高相似度警情列表包括：

选取所述相似度值高于第一阈值的所述警情数据，并按照相似度值从高到低的顺序排列，得到所述高相似度警情列表；和/或，

仅保留所述相似度值排序为前第一数量的警情数据，得到所述高相似度警情列表。

9.根据权利要求2所述的一种警情识别分派方法，其特征在于，所述生成高相关接警单位列表包括：

将所述高相似度警情列表中属于某一接警单位的所有警情数据的相似度相加，作为该接警单位的相关度；选取所有所述相关度高于预设的第二阈值的接警单位，并按照相关度从高到低的顺序排列，得到所述高相关度接警单位列表；或

采用决策树算法，对所述高相似度警情列表进行决策处理，得到各接警单位推荐度表；仅保留所述接警单位推荐度为前第二数量的接警单位，并按照所述接警单位推荐度由高到低的顺序排列，得到所述高相关度接警单位列表。

步骤10.一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-9任意一项所述的方法。