CN111028471A - 一种使用神经网络技术防范游客接近高风险区域的方法 - Google Patents

Abstract

一种使用神经网络技术防范游客接近高风险区域的方法，通过对游客出行过程中的行为轨迹分析，快速、准确地提取游客的行为特征，并根据行为特征，预测游客将来可能途径轨迹中的风险点。通过神经网络计算在多个时间维度（如时、分、秒）上的周期性行为特征，并结合定位信息，把信息化为风险概率。能够以低训练成本的方式针对多游客，多景点，不同行为轨迹的数据序列构建出高精度、实时预测模型。由于本方法向风险评估模型中引入时间维度和地理定位的选项作为额外输入，训练神经网络风险评估模型的时间步长度可大幅缩短，可以有效降低训练成本，同时提升预测精度。

Description

一种使用神经网络技术防范游客接近高风险区域的方法

技术领域

本发明涉及信息技术的数据安全与防护技术领域，具体涉及一种使用神经网络技术防范游客接近高风险区域的方法。

背景技术

目前旅游行业的营业额以每年10％的速度在快速增长，在旅游业大发展的同时，游客出行的事故问题也在不断发生。大多数情况是由于游客对游览的景区潜在的风险不够了解。如果能够借助技术手段，对游客进行实时的预警提醒，并告知导游和景区采取有针对性的措施，则是最有效降低事故风险的手段。

通常事故发生的时候，都有以下的情况：

1，环境因素：悬崖、海边、河边或湖泊、陡峭的山路等

2，游客擅自的行为

1，超时段行为：夜间行路，脱离团队单独行动等。

传统模式下，都依赖导游的个人工作经验，进行分辨、预警提示等，用来控制风险的产生。但是这种方式严重依赖导游的个人主观因素，不能很好的控制风险的产生。

发明内容

本发明为了克服以上技术的不足，提供了一种结合游客的地理定位信息及行动轨迹，及时对接近高危景点区域的游客发送预警信息，降低高风险行为的产生的使用神经网络技术防范游客接近高风险区域的方法。

本发明克服其技术问题所采用的技术方案是：

一种使用神经网络技术防范游客接近高风险区域的方法，包括如下步骤：

a)按固定时间间隔采集旅游团中N名游客的坐标位置，将得到的坐标位置上传服务器端，根据所有游客的坐标位置得到能够包含所有游客的圆形范围，该圆形范围的圆心坐标为O_i，将圆心坐标O_i上传服务器，t为将圆心坐标上报服务器时的时间戳，1≤i≤t，其中圆心O_i的坐标表示为(x_middle,i＝t,y_middle,i＝t)，x为经度值，y为纬度值，其中：

x_max,i＝t为t时刻所有的游客的坐标集合中在经度上的最大值，x_min,i＝t为所有的游客的坐标集合中在经度上的最小值；

y_max,i＝t为t时刻所有的游客的坐标集合中在纬度上的最大值，y_min,i＝t为所有的游客的坐标集合中在纬度上的最小值；

b)N名游客中从出发开始一直到时刻t的坐标序列为[(x_m,j＝1y_m,j＝1),(x_{m,j＝ 2}y_m,j＝2),...(x_m,j＝ty_m,j＝t)]，j为时间戳序号，1≤j≤t，m为任意游客，1≤m≤N，将每个游客的坐标序列上传至服务器；

c)建立景区高危景点坐标D_n＝(x_n,y_n,r_n)，其中x为经度值，y为纬度值，r为预警半径信息，将景区内的n个高危景点构成的高危坐标集合D＝{D₁,D₂,D₃,...,D_n}＝{(x₁,y₁,r₁),(x₂,y₂,r₂),(x₃,y₃,r₃),...,(x_n,y_n,r_n)}上传至服务器；

d)将游客m的连续两次的坐标位置(x_m,1,y_m,1)和(x_m,2,y_m,2)，当(x_m,2≠x_m,1)时，通过公式y＝kx+b计算得到由坐标位置(x_m,1,y_m,1)和(x_m,2,y_m,2)在横坐标为经度值x、纵坐标为纬度值y中构成的斜线，式中

e)将景区高危景点的预警半径r_n构成的圆形区域的圆心坐标定义为(r_n,x,r_n,y)，建立公式

如果公式有解则表明游客保持现有行程将进入预警区域，服务器将报警信息发送给导游的手机。

进一步的，还包括在步骤e)之后执行如下步骤：

f-1)当游客m移动至新的位置时，其坐标定义为(x_m,3,y_m,3)，通过公式

计算调整后的斜率k_new，式中k₀为步骤d)中的k，通过公式

计算调整后的斜率b_new，式中b₀为步骤d)中的b，通过公式y＝k_newx+b_new计算得到在横坐标为经度值x、纵坐标为纬度值y中构成的新的斜线；

f-2)建立公式

如果公式有解则通过公式

计算游客m到达危险区域的时间t_m，式中

x_m,t为t时刻的游客m经度值，y_m,t为t时刻的游客m的纬度值，

式中T为以小时为单位的时间间隔次数，T＞0，x_i为时刻为i时的经度值，y_i为时刻为i时的纬度值，时间t_m的值越小表明游客m越接近高风险区域。

本发明的有益效果是：通过对游客出行过程中的行为轨迹分析，快速、准确地提取游客的行为特征，并根据行为特征，预测游客将来可能途径轨迹中的风险点。通过神经网络计算在多个时间维度(如时、分、秒)上的周期性行为特征，并结合定位信息，把信息化为风险概率。能够以低训练成本的方式针对多游客，多景点，不同行为轨迹的数据序列构建出高精度、实时预测模型。由于本方法向风险评估模型中引入时间维度和地理定位的选项作为额外输入，训练神经网络风险评估模型的时间步长度可大幅缩短，可以有效降低训练成本，同时提升预测精度。

附图说明

图1为本发明的游客线路将会进入风险区域的示意图；

图2为本发明的游客线路不会进入风险区域的示意图；

图3为本发明的调整权重后的示意图；

具体实施方式

下面结合对本发明做进一步说明。

一种使用神经网络技术防范游客接近高风险区域的方法，包括如下步骤：

a)按固定时间间隔采集旅游团中N名游客的坐标位置，将得到的坐标位置上传服务器端，根据所有游客的坐标位置得到能够包含所有游客的圆形范围，该圆形范围的圆心坐标为O_i，将圆心坐标O_i上传服务器，t为将圆心坐标上报服务器时的时间戳，1≤i≤t，其中圆心O_i的坐标表示为(x_middle,i＝t,y_middle,i＝t)，x为经度值，y为纬度值，坐标信息包含时间戳和经纬度信息。纬度以赤道为分界线，北为正方向；经度以本初子午线为分界线，向东为正方向；针对特定的时刻t，所有的游客的坐标集合中，存在经度上的最小值和最大值，其中：

x_max,i＝t为t时刻所有的游客的坐标集合中在经度上的最大值，x_min,i＝t为所有的游客的坐标集合中在经度上的最小值；

y_max,i＝t为t时刻所有的游客的坐标集合中在纬度上的最大值，y_min,i＝t为所有的游客的坐标集合中在纬度上的最小值。

b)N名游客中从出发开始一直到时刻t的坐标序列为[(x_m,j＝1y_m,j＝1),(x_{m,j＝ 2}y_m,j＝2),...(x_m,j＝ty_m,j＝t)]，j为时间戳序号，1≤j≤t，m为任意游客，1≤m≤N，将每个游客的坐标序列上传至服务器。

c)建立景区高危景点坐标D_n＝(x_n,y_n,r_n)，其中x为经度值，y为纬度值，r为预警半径信息，将景区内的n个高危景点构成的高危坐标集合

D＝{D₁,D₂,D₃,...,D_n}＝{(x₁,y₁,r₁),(x₂,y₂,r₂),(x₃,y₃,r₃),...,(x_n,y_n,r_n)}

上传至服务器。当距离景点坐标距离小于r_n设置的值时，触发预警机制。当r_n＝0时表示该景点没有风险。

d)将游客m的连续两次的坐标位置(x_m,1,y_m,1)和(x_m,2,y_m,2)，当(x_m,2≠x_m,1)时，通过公式y＝kx+b计算得到由坐标位置(x_m,1,y_m,1)和(x_m,2,y_m,2)在横坐标为经度值x、纵坐标为纬度值y中构成的斜线，式中

e)将景区高危景点的预警半径r_n构成的圆形区域的圆心坐标定义为(r_n,x,r_n,y)，建立公式

如附图1所示，如果公式有解则表明游客保持现有行程将进入预警区域，服务器将报警信息发送给导游的手机。如果公式

无解，则如附图2所示，说明游客m按照当前方向，不会进入预警区域。

通过对游客出行过程中的行为轨迹分析，快速、准确地提取游客的行为特征，并根据行为特征，预测游客将来可能途径轨迹中的风险点。通过神经网络计算在多个时间维度(如时、分、秒)上的周期性行为特征，并结合定位信息，把信息化为风险概率。能够以低训练成本的方式针对多游客，多景点，不同行为轨迹的数据序列构建出高精度、实时预测模型。由于本方法向风险评估模型中引入时间维度和地理定位的选项作为额外输入，训练神经网络风险评估模型的时间步长度可大幅缩短，可以有效降低训练成本，同时提升预测精度。

具体的安装服务器环境的步骤为：安装一台服务器ServerA，该服务器具有国际IP地址，能够被其他的互联网设备根据IP地址或者域名访问到。开放特定的服务端口，能够响应客户端或者移动终端发送的消息请求。随后在服务器上搭建服务软件，能够提供身份认证、线路登记、地理位置验证，搭建人工智能神经网络系统运行所需的平台环境，包括Ubuntu18.0.4 64位操作系统，Python3等软件。

因为游客的行进路线可能不是一条直线，因此需要借助神经网络技术，参考游客m提交的最新坐标，对公式中的参数k和b，进行纠正和调整。进一步的，还包括在步骤e)之后执行如下步骤：

f-1)当游客m移动至新的位置时，其坐标定义为(x_m,3,y_m,3)，通过公式

计算调整后的斜率k_new，式中k₀为步骤d)中的k，通过公式

计算调整后的斜率b_new，式中b₀为步骤d)中的b，通过公式y＝k_newx+b_new计算得到在横坐标为经度值x、纵坐标为纬度值y中构成如附图3所示的新的斜线；

f-2)建立公式

如果公式有解则通过公式

计算游客m到达危险区域的时间t_m，式中

x_m,t为t时刻的游客m经度值，y_m,t为t时刻的游客m的纬度值，

式中T为以小时为单位的时间间隔次数，T＞0，x_i为时刻为i时的经度值，y_i为时刻为i时的纬度值，时间t_m的值越小表明游客m越接近高风险区域。时间t_m的值越大则说明游客m距离有危险景点的距离越远，到达该景点的时间越长，发生风险的可能性越小。

Claims (2)

1.一种使用神经网络技术防范游客接近高风险区域的方法，其特征在于，包括如下步骤：

a)按固定时间间隔采集旅游团中N名游客的坐标位置，将得到的坐标位置上传服务器端，根据所有游客的坐标位置得到能够包含所有游客的圆形范围，该圆形范围的圆心坐标为O_i，将圆心坐标O_i上传服务器，t为将圆心坐标上报服务器时的时间戳，1≤i≤t，其中圆心O_i的坐标表示为(x_middle,i＝t,y_middle,i＝t)，

x为经度值，y为纬度值，其中：

x_max,i＝t为t时刻所有的游客的坐标集合中在经度上的最大值，x_min,i＝t为所有的游客的坐标集合中在经度上的最小值；

y_max,i＝t为t时刻所有的游客的坐标集合中在纬度上的最大值，y_min,i＝t为所有的游客的坐标集合中在纬度上的最小值；

b)N名游客中从出发开始一直到时刻t的坐标序列为[(x_m,j＝1y_m,j＝1),(x_m,j＝2y_m,j＝2),...(x_m,j＝ty_m,j＝t)]，j为时间戳序号，1≤j≤t，m为任意游客，1≤m≤N，将每个游客的坐标序列上传至服务器；

c)建立景区高危景点坐标D_n＝(x_n,y_n,r_n)，其中x为经度值，y为纬度值，r为预警半径信息，将景区内的n个高危景点构成的高危坐标集合D＝{D₁,D₂,D₃,...,D_n}＝{(x₁,y₁,r₁),(x₂,y₂,r₂),(x₃,y₃,r₃),...,(x_n,y_n,r_n)}上传至服务器；

d)将游客m的连续两次的坐标位置(x_m,1,y_m,1)和(x_m,2,y_m,2)，当(x_m,2≠x_m,1)时，通过公式y＝kx+b计算得到由坐标位置(x_m,1,y_m,1)和(x_m,2,y_m,2)在横坐标为经度值x、纵坐标为纬度值y中构成的斜线，式中

e)将景区高危景点的预警半径r_n构成的圆形区域的圆心坐标定义为(r_n,x,r_n,y)，建立公式

如果公式有解则表明游客保持现有行程将进入预警区域，服务器将报警信息发送给导游的手机。

2.根据权利要求1所述的使用神经网络技术防范游客接近高风险区域的方法，其特征在于，还包括在步骤e)之后执行如下步骤：

f-1)当游客m移动至新的位置时，其坐标定义为(x_m,3,y_m,3)，通过公式

计算调整后的斜率k_new，式中k₀为步骤d)中的k，通过公式

计算调整后的斜率b_new，式中b₀为步骤d)中的b，通过公式y＝k_newx+b_new计算得到在横坐标为经度值x、纵坐标为纬度值y中构成的新的斜线；

f-2)建立公式

如果公式有解则通过公式

计算游客m到达危险区域的时间t_m，式中

x_m,t为t时刻的游客m经度值，y_m,t为t时刻的游客m的纬度值，

式中T为以小时为单位的时间间隔次数，T＞0，x_i为时刻为i时的经度值，y_i为时刻为i时的纬度值，时间t_m的值越小表明游客m越接近高风险区域。

Images