CN110020223A - 行为数据分析方法及装置 - Google Patents

行为数据分析方法及装置 Download PDF

Info

Publication number
CN110020223A
CN110020223A CN201711430700.4A CN201711430700A CN110020223A CN 110020223 A CN110020223 A CN 110020223A CN 201711430700 A CN201711430700 A CN 201711430700A CN 110020223 A CN110020223 A CN 110020223A
Authority
CN
China
Prior art keywords
poi
preselected
target line
index
behavior
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711430700.4A
Other languages
English (en)
Other versions
CN110020223B (zh
Inventor
刘财响
吴朝晖
刘富
黄新洲
单远达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Yushi Intelligent Technology Co.,Ltd.
Original Assignee
Zhejiang Uniview Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201711430700.4A priority Critical patent/CN110020223B/zh
Publication of CN110020223A publication Critical patent/CN110020223A/zh
Application granted granted Critical
Publication of CN110020223B publication Critical patent/CN110020223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明实施例提供了一种行为数据分析方法及装置。其中，所述方法包括通过获取与用户输入的分析时段信息对应的多个行为数据，再从所述多个行为数据中筛选出对应的多个第一数据，再从多个所述第一数据中提取出所述目标行为人在每一个所述预先选定POI的出现次数。再基于所述预先选定POI、对应的预设第一权重及所述目标行为人在对应的所述预先选定POI出现次数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。本方案通过自动生成在分析时段信息内于预先选定POI出现过的行为人对应的嫌疑指数，以便协助快速确定具有嫌疑的行为人，进而辅助提高案件侦破效率，有效的节约了警力资源。

Description

行为数据分析方法及装置
技术领域
本发明涉及公共安全技术领域，具体而言，涉及一种行为数据分析方法及装置。
背景技术
近年来，侵财类案件的高发低破，成为影响群众安全感、满意度的主要因素。此类案件多为流窜作案，案发量高，仅依靠经验丰富的公安民警一一侦破显然效率低下，且费时费力。
目前，亟待研发一种方法来自动分析并推选出具有嫌疑的人员，以辅助公安民警对侵财类案件的侦破。
发明内容
本发明的目的在于提供一种行为数据分析方法及装置，用以改善上述问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种行为数据分析方法，应用于与行为数据库通信连接的服务器，所述方法包括：接收用户输入的分析时段信息；从行为数据库获取多个行为数据，每一所述行为数据均包括行为人标签、行为地标签及在所述分析时段信息中对应的时刻标签；从所述多个行为数据中筛选出对应的所述行为人标签为目标行为人，且对应的所述行为地标签属于预先选定POI的多个第一数据；根据多个所述第一数据提取出所述目标行为人在每一个所述预先选定POI的出现次数；基于所述预先选定POI、对应的预设第一权重及所述目标行为人在对应的所述预先选定POI出现次数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
第二方面，本发明实施例提供了一种行为数据分析装置，应用于分别与行为数据库、人口信息服务器通信连接的服务器，所述装置包括：接收模块，用于接收用户输入的分析时段信息；第一获取模块，用于从行为数据库获取多个行为数据，每一所述行为数据均包括行为人标签、行为地标签及在所述分析时段信息中对应的时刻标签；第一获取模块，还用于从所述人口信息服务器获取所述目标行为人的档案信息；第一筛选模块，用于从所述多个行为数据中筛选出对应的所述行为人标签为目标行为人，且对应的所述行为地标签属于预先选定POI的多个第一数据；第一提取模块，用于根据多个所述第一数据提取出所述目标行为人在每一个所述预先选定POI的出现次数；第二获取模块，用于基于所述预先选定POI、对应的预设第一权重及所述目标行为人在对应的所述预先选定POI出现次数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
与现有技术相比，本发明实施例提供了一种行为数据分析方法，通过获取与用户输入的分析时段信息对应的多个行为数据，再从所述多个行为数据中筛选出对应的多个第一数据，再从多个所述第一数据中提取出所述目标行为人在每一个所述预先选定POI的出现次数。再基于所述预先选定POI、对应的预设第一权重及所述目标行为人在对应的所述预先选定POI出现次数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。从而自动生成在分析时段信息内于预先选定POI出现过的行为人对应的嫌疑指数，有效地提高案件侦破效率，无需人工监守，节约人力物力。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的应用环境示意图。
图2为图1中示出的服务器的结构示意图。
图3为本发明第一实施例提供的一种行为数据分析方法的步骤流程图。
图4为本发明第二实施例提供的一种行为数据分析方法的步骤流程图。
图5为本发明第三实施例提供的一种行为数据分析方法的步骤流程图。
图6为本发明实施例提供的一种普通人员途径速度曲线示例图。
图7为本发明实施例提供的一种普通嫌疑人员速度曲线示例图。
图8为本发明实施例提供的一种中度嫌疑人员速度曲线示例图。
图9为本发明实施例提供的一种高度嫌疑人员速度曲线示例图。
图10为本发明实施例提供的一种行为数据分析装置的示意图。
图11为图10中第二获取模块的功能子模块示意图。
图标：100-服务器；111-存储器；112-处理器；113-通信单元；200-行为数据库；300-人口信息服务器；400-行为数据分析装置；401-接收模块；402-第一获取模块；403-第一筛选模块；404-第一提取模块；405-第二获取模块；4051-调整子模块；4052-获取子模块；406-第二筛选模块；407-第二提取模块；408-确定模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明下述各实施例如无特别说明均可应用于如图1所示的环境中，如图1所示，服务器100分别与行为数据库200及人口信息服务器300通信连接。
上述行为数据库200用于存储行为数据，所述行为数据可以是记录一行为人在一行为地出现的时刻。行为数据可以包括行为人标签、行为地标签及时刻标签。所述行为数据可以根据设置于公共区域的MAC采集器、RFID电动车采集器、电子眼等采集的数据生成。例如，当一MAC采集器采集到一手机MAC信息时，则根据采集到该手机MAC信息对应的机主信息作为行为人标签、采集到的时刻作为时刻标签，该MAC采集器的安装位置作为行为地标签生成行为数据，并发送至所述行为数据库200进行存储。
请参照图2，是上述服务器100的方框示意图。所述服务器100包括行为数据分析装置400、存储器111、处理器112及通信单元113。
所述存储器111、处理器112以及通信单元113各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述行为数据分析装置400包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器111中或固化在所述服务器100的操作系统(Operating System，OS)中的软件功能模块。所述处理器112用于执行所述存储器111中存储的可执行模块，例如行为数据分析装置400所包括的软件功能模块及计算机程序等。
其中，所述存储器111可以是，但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。其中，存储器111用于存储程序或者数据。所述通信单元113用于通过所述网络建立所述服务器100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。
应当理解的是，图2所示的结构仅为服务器100的结构示意图，所述服务器100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
第一实施例
请参考图3，图3为本发明较佳实施例提供的一种行为数据分析方法的流程图。应用于图1上述服务器100。上述行为数据分析方法包括以下步骤：
步骤S101，接收用户输入的分析时段信息。
在本发明实施例中，响应用户操作，接收用户输入的分析时间段信息。上述分析时间段信息包括起始时间及终止时间。例如，分析时间段信息可以是1月1日至1月30日。
步骤S102，从行为数据库200获取多个行为数据，每一所述行为数据均包括行为人标签、行为地标签及在所述分析时段信息中对应的时刻标签。
在本发明实施例中，向行为数据库200请求获取分析时段信息对应时间段内的行为数据。需要说明的是，上述对应的行为数据的时刻标签属于分析时段信息对应的时间段。
步骤S103，从所述多个行为数据中筛选出对应的所述行为人标签为目标行为人，且对应的所述行为地标签属于预先选定POI的多个第一数据。
上述地理信息兴趣点(Point of Interest，POI)可以是一栋房子、一个商铺、一个邮筒、一个公交站等。上述预先选定POI可以包括预先选定的多个案件高发POI及多个销赃POI。案件高发POI可以根据历史案件数据获取。例如，案件高发POI可以包括火车站、公交站台、商场等。销赃POI可以设定为二手销售市场，也可以根据历史侦破案件的销赃情况确定销赃POI。例如，销赃POI可以包括二手市场、机修厂、二手交易市场等。用户还可以直接输入位置信息以设立预先选定POI，并对设定的POI进行类型设定，即可以设定为案件高发POI，也可以设定为销赃POI。需要说明的是，上述预先选定POI均可以随时变更、修改或删除。每一个预先选定POI均对应设置一预设第一权重。优选地，案件高发POI的预设第一权重大于销赃POI的预设第一权重。作为一种实施方式，案件高发POI的预设第一权重均设置为30，销赃POI的预设第一权重均设置为10。
在本发明实施例中，依次将获取的行为数据中出现的每一个行为人作为目标行为人。依次从多个行为数据中筛选出对应的所述行为人标签为目标行为人的行为数据后，再从筛选出的行为数据中获取对应的所述行为地标签属于预先选定POI的多个行为数据作为第一数据。对应的行为地标签属于预先选定POI可以是行为地标签对应的位置与任意一个预先选定POI对应的位置之间的距离满足预设距离阈值。例如，一公交站台为预先选定POI，预设距离阈值为5m，则目标行为人的行为地标签对应的位置与该公交站台对应的位置之间距离小于5m的行为数据均为第一数据。
步骤S104，根据多个所述第一数据提取出所述目标行为人在每一个所述预先选定POI的出现次数。
在本发明实施例中，根据第一数据中每一个数据对应的时刻标签及行为地标签，按照时间先后对每个第一数据对应的行为地标签所属的预先选定POI进行排列，以生成该分析时段信息的轨迹点分布图。根据上述轨迹点分布图，提取出分析时段信息对应的所述目标行为人在每一个所述预先选定POI的出现次数。作为一种实施方式，可以通过检测上述轨迹点分布图中相邻的两个相同的预先选定POI之间是否存在其他的POI，若存在，则将该预先选定POI对应的出现次数加一。
在本发明其他实施方式中，获取目标行为人在预先选定POI的出现次数的方式还可以是：
(1)响应用户操作将所述分析时段信息划分为多个分析时间片段。具体地，可以响应用户操作获取用户确定的周期单位，再按照上述周期单位将所述分析时段信息对应的时间段划分为多个等长的分析时间片段。例如，用户通过操作确定周期单位为1天，则将分析时段信息所对应的时间段划分为多个连续的且以1天为时长的分析时间片段。
(2)分别将属于每一个分析时间片段的第一数据中每一个数据对应的时刻标签及行为地标签，按照时间先后对每个第一数据对应的行为地标签所属的预先选定POI进行排列，以生成该分析时间片段的轨迹点分布图。根据上述轨迹点分布图提取出每一个分析时间片段内，目标行为人在每一个所述预先选定POI的出现次数。
步骤S105，基于所述预先选定POI、对应的预设第一权重及所述目标行为人在对应的所述预先选定POI出现次数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
在本发明实施例中，可以是根据预先选定POI、对应的预设第一权重及所述目标行为人在每个预先选定POI的出现次数，计算所述目标行为人对应的行为积分。根据所述行为积分，生成所述目标行为人在所述分析时段信息对应的嫌疑指数。
在本发明实施例中，计算行为积分的方式可以是：
根据预先选定POI、对应的预设第一权重及所述目标行为人在每个预先选定POI的出现次数，利用公式：
P＝(a*P1+b*P2+c*P3+...+n*Pn)，
获取所述目标行为人对应的所述行为积分。其中，P为所述目标行为人对应的所述行为积分；P1、P2、P3.....Pn为不同的预先选定POI的预设第一权重；a、b、c.....n分别为目标行为人在P1、P2、P3.....Pn对应的预先选定POI的出现次数。
在其他实施例中，计算行为积分，并根据所述行为积分，生成所述目标行为人在所述分析时段信息对应的嫌疑指数的方式还可以是：
根据预先选定POI、对应的预设第一权重及在每个分析时间片段中所述目标行为人在每个预先选定POI对应的出现次数，获取所述目标行为人在每个分析时间片段对应的所述行为积分。根据每个分析时间片段对应的所述行为积分获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
第二实施例
为了提高计算出的嫌疑指数的准确性，在第一实施例的基础上，如图4所示，该行为数据分析方法还可以包括以下步骤：
步骤S201，从所述人口信息服务器300获取所述目标行为人的档案信息。
上述档案信息可以包括驻地信息及背景信息。可选地，驻地信息可以是常驻地址，例如，居住地址、工作地址等。作为一种实施方式，背景信息的类型可以分为具有侵犯财产罪案底、暂住人员、具有敲诈勒索案底、普通居民及具有其他恶劣前科案底。每一类背景信息均预设一第二权重。可以根据其背景信息对社会的威胁程度设置，例如，具有侵犯财产罪案底对应的第二权重可以是5，暂住人员对应的第二权重可以是2，具有敲诈勒索案底对应的第二权重可以是4，普通居民对应的第二权重可以是1，具有其他恶劣前科案底对应的第二权重可以是3。
步骤S202，基于所述预先选定POI、对应的预设第一权重、驻地信息及所述目标行为人在对应的所述预先选定POI出现次数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
在本发明实施例中，可以先根据所述档案信息中的驻地信息对所述预先选定POI进行调整。可选地，可以判断所述预先选定POI中是否存在与所述驻地信息对应的目标POI，若存在将所述目标POI从所述预先选定POI中删除。需要说明的是，目标POI对应的位置与所述驻地信息对应的位置需要满足预定条件。上述满足预定条件可以是满足距离条件。以排除对生活或工作在预先选定POI附近的普通居民误判。通过调整可以获得针对于目标行为人的预先选定POI。
根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，获取所述目标行为人对应的所述嫌疑指数。可选地，可以通过根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，计算所述目标行为人对应的行为积分。作为一种实施方式可以利用公式：
P＝(a*P1+b*P2+c*P3+...+n*Pn)，
获取所述目标行为人对应的所述行为积分。其中，P为所述目标行为人对应的所述行为积分；P1、P2、P3.....Pn为调整后的、不同的预先选定POI的预设第一权重；a、b、c.....n分别为目标行为人在P1、P2、P3.....Pn对应的预先选定POI的出现次数。
根据所述行为积分及所述档案信息的背景信息对应的预设的第二权重，生成所述目标行为人在所述分析时段信息对应的嫌疑指数。
在其他实施例中，还可以是根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个分析时间片段内与每个所述调整后的预先选定POI的出现次数，分别计算目标行为人在每个分析时间片段对应的行为积分，再根据每个分析时间片段对应的行为积分，计算在所述分析时段信息对应的嫌疑指数。
第三实施例
为了进一步排除对途径人员的误判，在第二实施例的基础上，如图5所示，所述行为数据分析方法还可以包括：
步骤S301，从所述第一数据中筛选出对应的行为地标签属于所述调整后的预先选定POI的第二数据。
在本发明实施例中，可以是将第一数据中行为地标签不属于调整后的预先选定POI的行为数据删除，以获得第二数据。第二数据也包括多个行为数据，且对应的行为数据的行为地标签属于至少一个调整后的预先选定POI。
步骤S302，根据所述第二数据，提取每一个所述案件高发POI对应的第一速度曲线及每一个所述销赃POI对应的第二速度曲线。
在本发明实施例中，根据第二数据中每一个行为数据对应的行为地标签及时刻标签，利用公式：
绘制每一个调整后的预先选定POI对应的速度曲线，其中，Vj→j+1代表将第二数据中属于同一预先选定POI的行为数据按照对应的时刻标签排列后，从第j个行为数据对应的行为地标签到第j+1个行为数据对应的行为地标签之间的速度；Wj+1代表第j+1个行为数据对应的行为地标签；Wj代表第j个行为数据对应的行为地标签；Wj+1-Wj代表第j+1个行为数据对应的行为地标签与第j个行为数据对应的行为地标签之间的距离；Tj+1-Tj代表第j+1个行为数据对应的时刻标签与第j个行为数据对应的时刻标签之间的时间间隔。需要说明的是，属于案件高发POI的速度曲线为第一速度曲线，属于销赃POI的速度曲线为第二速度曲线。
步骤S303，根据所述第一速度曲线及第二速度曲线，确定所述目标行为人的轨迹指数。
在本发明实施例中，上述轨迹指数包括一级轨迹指数、二级轨迹指数、三级轨迹指数及四级轨迹指数。作为一种实施方式，一级轨迹指数对应的目标行为人为普通人员途经速度曲线，对应值为0；二级轨迹指数对应的目标行为人为普通嫌疑人员速度曲线，对应值为1；三级轨迹指数对应的目标行为人为中度嫌疑人员速度曲线，对应值为2；四级轨迹指数对应的目标行为人为高度嫌疑人员速度曲线，对应值为3。
确定所述目标行为人的轨迹指数的方式包括：判断所述第一速度曲线、第二速度曲线中是否包括停留曲线部分。上述停留曲线是指速度曲线中超过预定时间长度的区间内速度持续接近于0的曲线。具体地，如图6，当所述第一速度曲线均不包括停留曲线，且所述第二速度曲线均不包括停留曲线，则确定对应的所述轨迹指数为所述一级轨迹指数。如图7，当至少一条所述第二速度曲线包括停留曲线，且所述第一速度曲线均不包括停留曲线，则确定对应的所述轨迹指数为所述二级轨迹指数。如图8，当至少一条所述第一速度曲线包括停留曲线，且所述第二速度曲线均不包括停留曲线，则确定对应的所述轨迹指数为所述三级轨迹指数。如图9，当至少一条所述第一速度曲线包括停留曲线，且至少一条所述第二速度曲线包括停留曲线，则确定对应的所述轨迹指数为所述四级轨迹指数。
步骤S304，根据所述目标行为人对应的所述行为积分、轨迹指数及所述档案信息的背景信息对应的预设的第二权重，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
作为一种实施方式，可以根据所述目标行为人在分析时段信息的所述行为积分及对应的轨迹指数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
作为另一种实施方式，根据所述目标行为人在分析时段信息的所述行为积分、目标行为人对应的第二权重及对应的轨迹指数，利用公式：
X＝(a*P1+b*P2+c*P3+...+n*Pn)*X1*X2,
计算该分析时段信息对应的嫌疑指数。其中，X代表分析时段信息对应的嫌疑指数；P1、P2、P3.....Pn为调整后的、不同的预先选定POI的预设第一权重；a、b、c.....n分别为在分析时段信息对应的时段内目标行为人在P1、P2、P3.....Pn对应的预先选定POI的出现次数；X1为目标行为人在该分析时段信息中对应的轨迹指数；X2为目标行为人对应的第二权重。
在其他实施例中，还可以计算每个所述分析时间片段的第二数据获取对应的轨迹指数。具体地，从第二数据中筛选出时刻标签属于分析时间片段的行为数据，以获取每个分析时间片段对应的轨迹指数，再利用公式：
Yi＝(a*P1+b*P2+c*P3+...+n*Pn)*X1*X2,
计算每个分析时间片段对应的嫌疑指数。其中，Yi代表第i个分析时间片段对应的嫌疑指数；P1、P2、P3.....Pn为调整后的、不同的预先选定POI的预设第一权重；a、b、c.....n分别为目标行为人在P1、P2、P3.....Pn对应的预先选定POI的出现次数；X1为目标行为人在该分析时间片段中对应的轨迹指数；X2为目标行为人对应的第二权重。
再根据目标行为人在每个分析时间片段的对应的嫌疑指数，利用公式：
计算所述目标行为人在所述分析时段信息对应的嫌疑指数。其中，Y代表所述目标行为人在所述分析时段信息对应的嫌疑指数，Yi代表第i个分析时间片段对应的嫌疑指数，n代表分析时间片段的总个数。
在本实施例中，根据出现的每一个目标行为人的嫌疑指数协助公安民警圈定重点关注对象。解决了流动性强、案发量高的侵犯财产权的犯罪行为难以一一侦破的现状，可以有效的解决警力消耗高等问题。
图10示出了与上述方法相对应的一种行为数据分析装置400，下述装置中的细节方案可以参照上述方法来实现，所述装置应用于分别与行为数据库200、人口信息服务器300通信连接的服务器100。该行为数据分析装置400包括：
接收模块401，用于接收用户输入的分析时段信息。
第一获取模块402，用于从行为数据库200获取多个行为数据，每一所述行为数据均包括行为人标签、行为地标签及在所述分析时段信息中对应的时刻标签；及还用于从所述人口信息服务器300获取所述目标行为人的档案信息。
第一筛选模块403，用于从所述多个行为数据中筛选出对应的所述行为人标签为目标行为人，且对应的所述行为地标签属于预先选定POI的多个第一数据。
第一提取模块404，用于根据多个所述第一数据提取出所述目标行为人在每一个所述预先选定POI的出现次数。
第二获取模块405，用于基于所述预先选定POI、对应的预设第一权重及所述目标行为人在对应的所述预先选定POI出现次数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
优选地，如图11所示，第二获取模块405包括：
调整子模块4051，用于根据所述档案信息中的驻地信息对所述预先选定POI进行调整；
获取子模块4052，用于根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，获取所述目标行为人对应的所述嫌疑指数。
第二筛选模块406，用于从所述第一数据中筛选出对应的行为地标签属于所述调整后的预先选定POI的第二数据；
第二提取模块407，用于根据所述第二数据，提取每一个所述案件高发POI对应的第一速度曲线及每一个所述销赃POI对应的第二速度曲线；
确定模块408，用于根据所述第一速度曲线及第二速度曲线，确定所述目标行为人的轨迹指数。
优选地，获取子模块4052还用于：
根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，计算所述目标行为人对应的行为积分。根据所述行为积分及对应的所述轨迹指数，生成所述目标行为人在所述分析时段信息对应的嫌疑指数。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
综上所述，本发明提供的一种行为数据分析方法及装置。其中，所述方法应用于与行为数据库通信连接的服务器，包括接收用户输入的分析时段信息；响应用户操作将所述分析时段信息划分为多个分析时间片段；依次从行为数据库获取每个分析时间片段对应的多个行为数据，每一所述行为数据均包括行为人标签、行为地标签及在所述分析时间片段中对应的时刻标签；从所述多个行为数据中筛选出对应的所述行为人标签为目标行为人，且对应的所述行为地标签属于预先选定POI的多个第一数据；将多个所述第一数据在所述分析时间片段内按照时间先后进行排列，提取出所述目标行为人在每一个所述预先选定POI的出现次数；基于所述预先选定POI、对应的预设第一权重及所述目标行为人在对应的所述预先选定POI出现次数，计算得到所述目标行为人在所述分析时间片段的行为积分；根据所述目标行为人在每一个所述分析时间片段对应的所述行为积分，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。从而自动生成在分析时段信息内于预先选定POI出现过的行为人对应的嫌疑指数，有效地提高案件侦破效率，无需人工监守，节约人力物力。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种行为数据分析方法，其特征在于，应用于与行为数据库通信连接的服务器，所述方法包括：
接收用户输入的分析时段信息；
从行为数据库获取多个行为数据，每一所述行为数据均包括行为人标签、行为地标签及在所述分析时段信息中对应的时刻标签；
从所述多个行为数据中筛选出对应的所述行为人标签为目标行为人，且对应的所述行为地标签属于预先选定POI的多个第一数据；
根据多个所述第一数据提取出所述目标行为人在每一个所述预先选定POI的出现次数；
基于所述预先选定POI、对应的预设第一权重及所述目标行为人在对应的所述预先选定POI出现次数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
2.如权利要求1所述的方法，其特征在于，所述服务器还与人口信息服务器通信连接，所述方法还包括：从所述人口信息服务器获取所述目标行为人的档案信息；所述获取所述目标行为人在所述分析时段信息对应的嫌疑指数的步骤包括：
根据所述档案信息中的驻地信息对所述预先选定POI进行调整；
根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，获取所述目标行为人对应的所述嫌疑指数。
3.如权利要求2所述的方法，其特征在于，所述根据所述档案信息中的驻地信息对所述预先选定POI进行调整的步骤包括：
判断所述预先选定POI中是否存在与所述驻地信息对应的目标POI；
若存在将所述目标POI从所述预先选定POI中删除。
4.如权利要求3所述的方法，其特征在于，所述调整后的预先选定POI包括案件高发POI及销赃POI，
所述方法还包括：从所述第一数据中筛选出对应的行为地标签属于所述调整后的预先选定POI的第二数据；根据所述第二数据，提取每一个所述案件高发POI对应的第一速度曲线及每一个所述销赃POI对应的第二速度曲线；根据所述第一速度曲线及第二速度曲线，确定所述目标行为人的轨迹指数；
所述根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，获取所述目标行为人对应的所述嫌疑指数的步骤包括：
根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，计算所述目标行为人对应的行为积分；根据所述行为积分及对应的所述轨迹指数，生成所述目标行为人在所述分析时段信息对应的嫌疑指数。
5.如权利要求4所述的方法，其特征在于，所述轨迹指数包括一级轨迹指数、二级轨迹指数、三级轨迹指数及四级轨迹指数；所述根据所述第一速度曲线及第二速度曲线，确定所述目标行为人的轨迹指数的步骤包括：
当所述第一速度曲线均不包括停留曲线，且所述第二速度曲线均不包括停留曲线，则确定对应的所述轨迹指数为所述一级轨迹指数；
当至少一条所述第二速度曲线包括停留曲线，且所述第一速度曲线均不包括停留曲线，则确定对应的所述轨迹指数为所述二级轨迹指数；
当至少一条所述第一速度曲线包括停留曲线，且所述第二速度曲线均不包括停留曲线，则确定对应的所述轨迹指数为所述三级轨迹指数；
当至少一条所述第一速度曲线包括停留曲线，且至少一条所述第二速度曲线包括停留曲线，则确定对应的所述轨迹指数为所述四级轨迹指数。
6.如权利要求4所述的方法，其特征在于，所述根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，获取所述目标行为人对应的所述嫌疑指数还包括：
根据所述目标行为人对应的所述行为积分、轨迹指数及所述档案信息的背景信息对应的预设的第二权重，获取所述目标行为人在所述分析时段信息对应的嫌疑指数。
7.一种行为数据分析装置，其特征在于，应用于分别与行为数据库、人口信息服务器通信连接的服务器，所述装置包括：
接收模块，用于接收用户输入的分析时段信息；
第一获取模块，用于从行为数据库获取多个行为数据，每一所述行为数据均包括行为人标签、行为地标签及在所述分析时段信息中对应的时刻标签；
第一筛选模块，用于从所述多个行为数据中筛选出对应的所述行为人标签为目标行为人，且对应的所述行为地标签属于预先选定POI的多个第一数据；
第一提取模块，用于根据多个所述第一数据提取出所述目标行为人在每一个所述预先选定POI的出现次数；
第二获取模块，用于基于所述预先选定POI、对应的预设第一权重及所述目标行为人在对应的所述预先选定POI出现次数，获取所述目标行为人在所述分析时段信息对应的嫌疑指数；
第一获取模块，还用于从所述人口信息服务器获取所述目标行为人的档案信息。
8.如权利要求7所述的装置，其特征在于，所述第二获取模块包括：
调整子模块，用于根据所述档案信息中的驻地信息对所述预先选定POI进行调整；
获取子模块，用于根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，获取所述目标行为人对应的所述嫌疑指数。
9.如权利要求8所述的装置，其特征在于，所述调整后的预先选定POI包括案件高发POI及销赃POI，所述装置还包括：
第二筛选模块，用于从所述第一数据中筛选出对应的行为地标签属于所述调整后的预先选定POI的第二数据；
第二提取模块，用于根据所述第二数据，提取每一个所述案件高发POI对应的第一速度曲线及每一个所述销赃POI对应的第二速度曲线；
确定模块，用于根据所述第一速度曲线及第二速度曲线，确定所述目标行为人的轨迹指数。
10.如权利要求9所述的装置，其特征在于，所述获取子模块还用于：
根据调整后的预先选定POI、对应的预设第一权重及所述目标行为人在每个所述调整后的预先选定POI的出现次数，计算所述目标行为人对应的行为积分；
根据所述行为积分及对应的所述轨迹指数，生成所述目标行为人在所述分析时段信息对应的嫌疑指数。
CN201711430700.4A 2017-12-26 2017-12-26 行为数据分析方法及装置 Active CN110020223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711430700.4A CN110020223B (zh) 2017-12-26 2017-12-26 行为数据分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711430700.4A CN110020223B (zh) 2017-12-26 2017-12-26 行为数据分析方法及装置

Publications (2)

Publication Number Publication Date
CN110020223A true CN110020223A (zh) 2019-07-16
CN110020223B CN110020223B (zh) 2021-04-20

Family

ID=67186972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711430700.4A Active CN110020223B (zh) 2017-12-26 2017-12-26 行为数据分析方法及装置

Country Status (1)

Country Link
CN (1) CN110020223B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021063011A1 (zh) * 2019-09-30 2021-04-08 深圳市商汤科技有限公司 行为分析方法、装置、电子设备、存储介质和计算机程序

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070285258A1 (en) * 2006-06-13 2007-12-13 Hartman Kevin L Device for Tethering a Person Wirelessly with a Cellular Telephone
CN102113037A (zh) * 2008-05-15 2011-06-29 佳明瑞士有限责任公司 交通数据质量
CN102819578A (zh) * 2012-07-24 2012-12-12 武汉大千信息技术有限公司 视频侦查嫌疑目标分析系统及方法
CN103575270A (zh) * 2012-08-08 2014-02-12 泰为信息科技公司 具有收集机制的导航系统及其操作方法
CN104156669A (zh) * 2014-08-11 2014-11-19 南京龙联信息技术有限公司 一种计算机信息取证系统
CN104866500A (zh) * 2014-02-25 2015-08-26 腾讯科技（深圳）有限公司 图片分类展示方法和装置
CN105069130A (zh) * 2015-08-14 2015-11-18 安徽新华博信息技术股份有限公司 一种嫌疑对象预测方法
CN105260795A (zh) * 2015-10-13 2016-01-20 广西师范学院 一种基于条件随机场的重点人员位置时空预测方法
CN105404890A (zh) * 2015-10-13 2016-03-16 广西师范学院 一种顾及轨迹时空语义的犯罪团伙判别方法
CN105656644A (zh) * 2014-11-12 2016-06-08 阿里巴巴集团控股有限公司 计算机系统中帐号重要性的评估方法及其系统
US20160371968A1 (en) * 2015-06-16 2016-12-22 Muath Khalid ALMANSOUR System, method, and apparatus for incident reporting
CN106603327A (zh) * 2016-11-29 2017-04-26 上海亿账通互联网科技有限公司 行为数据分析方法及装置
CN106789292A (zh) * 2016-12-29 2017-05-31 东方网力科技股份有限公司 一种异常行为监控方法和装置
CN107086922A (zh) * 2016-02-15 2017-08-22 中国移动通信集团福建有限公司 一种用户行为识别方法和装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070285258A1 (en) * 2006-06-13 2007-12-13 Hartman Kevin L Device for Tethering a Person Wirelessly with a Cellular Telephone
CN102113037A (zh) * 2008-05-15 2011-06-29 佳明瑞士有限责任公司 交通数据质量
CN102819578A (zh) * 2012-07-24 2012-12-12 武汉大千信息技术有限公司 视频侦查嫌疑目标分析系统及方法
CN103575270A (zh) * 2012-08-08 2014-02-12 泰为信息科技公司 具有收集机制的导航系统及其操作方法
CN104866500A (zh) * 2014-02-25 2015-08-26 腾讯科技（深圳）有限公司 图片分类展示方法和装置
CN104156669A (zh) * 2014-08-11 2014-11-19 南京龙联信息技术有限公司 一种计算机信息取证系统
CN105656644A (zh) * 2014-11-12 2016-06-08 阿里巴巴集团控股有限公司 计算机系统中帐号重要性的评估方法及其系统
US20160371968A1 (en) * 2015-06-16 2016-12-22 Muath Khalid ALMANSOUR System, method, and apparatus for incident reporting
CN105069130A (zh) * 2015-08-14 2015-11-18 安徽新华博信息技术股份有限公司 一种嫌疑对象预测方法
CN105260795A (zh) * 2015-10-13 2016-01-20 广西师范学院 一种基于条件随机场的重点人员位置时空预测方法
CN105404890A (zh) * 2015-10-13 2016-03-16 广西师范学院 一种顾及轨迹时空语义的犯罪团伙判别方法
CN107086922A (zh) * 2016-02-15 2017-08-22 中国移动通信集团福建有限公司 一种用户行为识别方法和装置
CN106603327A (zh) * 2016-11-29 2017-04-26 上海亿账通互联网科技有限公司 行为数据分析方法及装置
CN106789292A (zh) * 2016-12-29 2017-05-31 东方网力科技股份有限公司 一种异常行为监控方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈鹏等: "北京市长安街沿线的扒窃案件高发区分析及防控对策", 《地理科学进展》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021063011A1 (zh) * 2019-09-30 2021-04-08 深圳市商汤科技有限公司 行为分析方法、装置、电子设备、存储介质和计算机程序

Also Published As

Publication number Publication date
CN110020223B (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
Cesario et al. Forecasting crimes using autoregressive models
Joshi et al. Crime analysis using K-means clustering
CN106650273B (zh) 一种行为预测方法和装置
CN109615572B (zh) 基于大数据的人员亲密度分析的方法及系统
CN106022296B (zh) 一种基于车辆热点区域的概率聚合的套牌车检测方法
CN106127363A (zh) 一种用户信用评估方法和装置
US20160328814A1 (en) Systems and Methods for Identifying Entities Using Geographical and Social Mapping
CN105631427A (zh) 可疑人员检测方法与系统
CN112132233A (zh) 一种基于有效影响因子的服刑人员危险行为预测方法及系统
CN111930868A (zh) 一种基于多维数据采集的大数据行为轨迹分析方法
WO2014150987A1 (en) Systems and methods for identifying entites using geographical and social mapping
CN109118119A (zh) 风控模型生成方法及装置
CN103077250B (zh) 一种网页内容抓取方法及装置
CN103177436B (zh) 物件追踪的方法、系统
CN107292249A (zh) 一种基于结构化分段网络的时间动作检测方法
CN112463859B (zh) 基于大数据和业务分析的用户数据处理方法及服务器
CN109615573A (zh) 基于大数据的外地人员流窜作案分析方法及系统
CN107993444A (zh) 基于卡口过车大数据分析的嫌疑车认定方法
CN109634820A (zh) 一种云端移动端协同的故障预警方法、相关设备及系统
CN107944371A (zh) 一种基于数据挖掘的公安视频监控图像处理方法
Kocher et al. Forecasting of crime events applying risk terrain modeling
CN110334232A (zh) 档案应用方法及装置、存储介质
CN110020223A (zh) 行为数据分析方法及装置
Sakhare et al. Classification of criminal data using J48-Decision Tree algorithm
CN111400424B (zh) 基于gis的人员异常聚集自动识别方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220328

Address after: 250101 floor 3b, building A2-5, Hanyu Jingu, high tech Zone, Jinan City, Shandong Province

Patentee after: Jinan Yushi Intelligent Technology Co.,Ltd.

Address before: 310000 1-11 / F, South Block, building 10, No. 88, Jiangling Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee before: ZHEJIANG UNIVIEW TECHNOLOGIES Co.,Ltd.

TR01 Transfer of patent right