CN111369107A - 一种物体风险预警方法、管理终端及存储介质 - Google Patents
一种物体风险预警方法、管理终端及存储介质 Download PDFInfo
- Publication number
- CN111369107A CN111369107A CN202010098941.9A CN202010098941A CN111369107A CN 111369107 A CN111369107 A CN 111369107A CN 202010098941 A CN202010098941 A CN 202010098941A CN 111369107 A CN111369107 A CN 111369107A
- Authority
- CN
- China
- Prior art keywords
- risk
- factors
- sample
- target
- analysis
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012502 risk assessment Methods 0.000 claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 22
- 238000004140 cleaning Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000012986 modification Methods 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010276 construction Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000003607 modifier Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物体风险预警方法、管理终端及计算机可存储介质，其中，物体风险预警方法包括：实时收集风险目标的风险因素，所述风险因素包括场景因素和所述风险目标的固有因素，所述固有因素表示所述风险目标的固有属性、根据按照预设的规则构建的指标对所述风险因素进行数据清理，以匹配所述指标对应的数据值、使用基于至少一个风险样本构建的风险分析模型分析所述指标对应的数据值，以使得当所述风险分析模型根据所述指标对应的数据值判断出所述风险目标存在风险时，输出风险提示。本发明能够基于大数据分析技术对风险物品进行分析，以判断风险物品是否存在风险，进而为用户提供风险预警，保障用户的人身安全。
Description
技术领域
本申请实施例涉及计算机大数据技术领域，特别是涉及一种物体风险预警方法、管理终端及计算机可读存储介质。
背景技术
随着社会的发展，人民的生活水平普遍提高，但是，人民面临的风险也越来越高，例如，走在马路上，行人可能被马路的路灯砸中，进而丧失生命。因此，有必要对生活中的一些风险物体进行预警，降低人民的生命财产受损的概率。
发明内容
为了解决上述问题，本发明提供了一种物体风险预警方法，所述方法包括：
实时收集风险目标的风险因素，所述风险因素包括场景因素和所述风险目标的固有因素，所述固有因素表示所述风险目标的固有属性；
根据预设指标对所述风险因素进行数据清理，以匹配所述指标对应的数据值，所述指标按照预设的规则构建生成；
使用基于至少一个风险样本构建的风险分析模型分析所述指标对应的数据值，以使得当所述风险分析模型根据所述指标对应的数据值判断出所述风险目标存在风险时，输出风险提示。
作为一个可选的实施例，所述风险分析模型的构建，包括：
收集多个同类型风险样本的风险因素并生成样本训练集，其中，风险因素包括固有因素和场景因素；
设定所述样本训练集中每个样本的指标并为每个样本的指标关联权重，所述权重用于评估所述指标导致所述样本发生风险的概率；
根据关联权重后的样本训练集构建初代模型；
使用所述样本训练集对应的样本测试集作为所述初代模型的输入；
通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告，其中，分析报告包括每个所述测试样本发生风险的概率；
根据分析报告修正所述初代模型，直至所述初代模型输出的评估结果符合预设风险值。
作为一个可选的实施例，根据预设指标对所述风险因素进行数据清理包括对所述风险因素进行数据预处理,其中，数据预处理包括以下步骤：
使用矩阵数据分析算法分析所述风险目标的风险因素并生成所述风险因素对应的数据分析矩阵，其中，所述数据分析矩阵中包括精确度信息向量和效率信息向量。
作为一个可选的实施例，通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告，包括：
将每个样本的每个风险因素对应的数值划分为若干区间，并统计每个区间对应的风险发生概率；
根据对每个区间的权重和每个区间对应的风险发生概率，统计每个风险因素对应的风险发生概率；
根据每个风险因素的权重和每个风险因素对应的风险发生概率统计每个样本的风险发生概率；根据每个样本的风险发生概率生成分析报告。
作为一个可选的实施例，实时收集风险目标的风险因素，包括：
按照预设的时间轴采集所述风险目标的场景因素，其中，所述预设的时间轴包括至少两个时间点、且其中一个时间点作为风险目标的基准点。
作为一个可选的实施例，所述方法还包括：
将所述基准点采集的场景因素中每个风险因素对应的风险发生概率与其他时间点采集的场景因素的每个风险因素对应的风险发生概率做比较，若两个数值之间的绝对差大于预设阈值时，则生成风险因素修改提示，所述修改提示用于修正所述风险分析模型。
作为一个可选的实施例，在输出风险提示之后，所述方法还包括：
根据所述风险目标所在地理位置信息确定与所述风险目标对应的人员的联系信息，其中，所述联系信息包括QQ号码、微信号码、邮箱、手机号码中的至少一种。
本发明第二方面提供了一种管理终端，该管理终端包括：
收集单元，用于实时收集风险目标的风险因素，所述风险因素包括场景因素和所述风险目标的固有因素，所述固有因素表示所述风险目标的固有属性；
数据清洗单元，用于在所述收集单元实时收集风险目标的风险因素之后，根据按照预设的规则构建的指标对所述风险因素进行数据清理，以匹配所述指标对应的数据值；
分析单元，用于在所述数据清洗单元根据按照预设的规则构建的指标对所述风险因素进行数据清理之后，使用基于至少一个风险样本构建的风险分析模型分析所述指标对应的数据值；
输出单元，用于当所述分析单元分析出所述风险目标存在风险时，输出风险提示。
作为一种可选的实施方式，所述管理终端还包括构建单元，其中：
所述构建单元，收集多个同类型相同的风险样本的风险因素并生成经样本训练集，其中，风险因素包括固有因素和场景因素；
设定所述样本训练集中每个样本的指标并为每个样本的指标关联权重，所述权重用于评估所述指标导致所述样本发生风险的概率；
根据关联权重后的样本训练集构建初代模型；
使用所述样本训练集对应的样本测试集作为所述初代模型的输入；
通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告，其中，分析报告包括每个所述测试样本发生风险的概率；
根据分析报告修正所述初代模型，直至所述初代模型输出的评估结果符合预设风险值。
作为一种可选的实施方式，所述分析单元使用基于至少一个风险样本构建的风险分析模型分析所述指标对应的数据值的具体方式包括步骤：
使用矩阵数据分析算法分析所述风险目标的风险因素并生成所述风险因素对应的数据分析矩阵，其中，所述数据分析矩阵中包括精确度信息向量和效率信息向量。
作为一种可选的实施方式，所述构建单元通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告的具体方式，包括步骤：
将每个样本的每个风险因素对应的数值划分为若干区间，并统计每个区间对应的风险发生概率；
根据对每个区间的权重和每个区域的风险发生概率，统计每个风险因素对应的风险发生概率；
根据每个风险因素的权重和每个风险因素对应的风险发生概率统计每个样本的风险发生概率；
根据每个样本的风险发生概率生成分析报告。
作为一种可选的实施方式，收集单元实时收集风险目标的风险因素的具体方式，包括步骤：
按照预设的时间轴采集所述风险目标的场景因素，其中，所述预设的时间轴包括至少两个时间点、且其中一个时间点作为风险目标的基准点。
作为一种可选的实施方式，所述管理终端还包括比较单元、生成单元，其中：
比较单元，用于将所述基准点采集的场景因素中每个风险因素对应的风险发生概率与其他时间点采集的场景因素的每个风险因素对应的风险发生概率做比较；
生成单元，用于在比较单元比较出所述基准点采集的场景因素中每个风险因素对应的风险发生概率与其他时间点采集的场景因素的每个风险因素对应的风险发生概率之间的绝对差大于预设阈值时，生成风险因素修改提示，以使得专业风险修改人员根据修改提示修正所述风险分析模型。
作为一种可选的实施方式，所述管理终端还包括确定单元，其中：
所述确定单元，用于根据所述风险目标所在地理位置信息确定所述风险目标可能波及的人员的联系信息，其中，所述联系信息包括QQ号码、微信号码、邮箱、手机号码中的至少一种。
本发明第三方面提供了一种管理终端，该管理终端包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面所述的一种物体风险预警方法。
本发明第四方面公开一种计算机可存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面所述的一种物体风险预警方法。
与现有技术相比，本发明的有益效果为：
本发明能够基于大数据分析技术对风险物品进行分析，以判断风险物品是否存在风险，进而为用户提供风险预警，保障用户的人身安全。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是本发明实施例一公开的一种物体风险预警方法的流程示意图；
图2是本发明实施例二公开的一种管理终端的结构示意图；
图3是本发明实施例三公开的一种管理终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
下面将结合具体的实施例方式对本发明进行详细说明。
实施例一
请参阅图1，图1是本发明实施例一提供的一种物体风险预警方法的流程示意图，其中，该方法包括如下步骤：
101、实时收集风险目标的风险因素，所述风险因素包括场景因素和所述风险目标的固有因素，所述固有因素表示所述风险目标的固有属性；
102、根据按照预设的规则构建的指标对所述风险因素进行数据清理，以匹配所述指标对应的数据值；
103、使用基于至少一个风险样本构建的风险分析模型分析所述指标对应的数据值，以使得当所述风险分析模型根据所述指标对应的数据值判断出所述风险目标存在风险时，输出风险提示。可以是将风险预警发送给各通信终端，以使该通信终端的民众及时避险。
在本发明中，风险目标可以是路灯，也可以是建筑，以下，以建筑为例进行说明。通常，有些建筑容易倒塌，进而造成人员伤亡，特别是老建筑容易倒塌，这时候，通过本发明，可以先收集目标建筑的风险因素，其中，风险因素中的固有因素可以包括该目标建筑的形状(如长方体，圆柱体)、目标建筑的地基的深度、目标建筑的建造年代、目标建筑的管道设置、目标建筑的现居住人数、目标建筑的建材使用记录、目标建筑的层数、目标建筑的墙体厚度等因素。另一方面，风险因素中的场景因素包括土地质量因素、周围建筑物的数量、周围的高速路数量或立交桥的数量等。
接着，专业评估人员可以设置建筑倒塌的指标，其中，该指标可以是目标建筑的墙体厚度、目标建筑的建造年代、目标建筑的地基的深度、目标建筑的形状、土地质量等中的至少一种。然后，管理终端收集多个建筑样本，并根据该指标对收集到的建筑样本进行数据清洗，进而去掉建筑风险因素中无用的因素并优化这些因素的数据结构，便于分析该风险因素。
再接着，使用基于至少一个风险样本构建建筑倒塌分析样本，并接收目标建筑的风险因素，其中，该目标建筑表示需要预测倒塌风险的建筑。然后，使用建筑倒塌分析样本分析该目标建筑发生倒塌的概率。
作为一种可选的实施方式，所述风险分析模型的构建，包括：
收集多个同类型同风险样本的风险因素并生成经样本训练集，其中，风险因素包括固有因素和场景因素；
设定所述样本训练集中每个样本的指标并为每个样本的指标关联权重，所述权重用于评估所述指标导致所述样本发生风险的概率；
根据关联权重后的样本训练集构建初代模型；
使用所述样本训练集对应的样本测试集作为所述初代模型的输入；
通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告，其中，分析报告包括每个所述测试样本发生风险的概率；
根据分析报告修正所述初代模型，直至所述初代模型输出的评估结果符合预设风险值。具体的，所述初代模型包括分析参数，所述分析参数可以包括在本发明实施例中，风险分析模型可以包括分析参数，该分析参数可以是包括迭代次数、伽马数值、学习速率、最大深度、交叉验证中的一种或多种。
作为一种可选的实施方式，所述方法还包括：
使用矩阵数据分析算法分析所述风险目标的风险因素并生成所述风险因素对应的数据分析矩阵，其中，所述数据分析矩阵中包括精确度信息向量和效率信息向量。
本实施例提供的方法，通过将风险物体入库训练的方式，找到风险物体在风险情况和正常情况下的差异点，基于该差异点生成风险物体的评估结果。
作为一种可选的实施方式，通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告，包括：
将每个样本的每个风险因素对应的数值划分为若干区间，并统计每个区间对应的风险发生概率；
根据对每个区间的权重和每个区域的风险发生概率，统计每个风险因素对应的风险发生概率；
根据每个风险因素的权重和每个风险因素对应的风险发生概率统计每个样本的风险发生概率；
根据每个样本的风险发生概率生成分析报告。
通过将风险因素划分区间，结合各区间对应的风险发生概率和权重能够更准确的得到每个风险因素对应的风险发生概率。
作为一种可选的实施方式，实时收集风险目标的风险因素，包括：
按照预设的时间轴采集所述风险目标的场景因素，其中，所述预设的时间轴包括至少两个时间点、且其中一个时间点作为风险目标的基准点。进一步地，将所述基准点采集的场景因素中每个风险因素对应的风险发生概率与其他时间点采集的场景因素的每个风险因素对应的风险发生概率做比较，若两个数值之间的绝对差大于预设阈值时，则生成风险因素修改提示，以使得专业风险修改人员根据修改提示修正所述风险分析模型。
采用包含多个时间点的时间轴采集场景因素，能够利用变化较快的场景因素修正风险分析模型，提高预测风险的准确性。
作为一种可选的实施方式，为了便于民众或机构更加直观地了解到风险目标的风险情况，本发明实施例的方法还可以包括以下步骤：
根据风险报告和预设的风险预览界面生成规则生成风险预览界面，其中，风险预览界面包括风险目标的风险等级和风险波及范围、风险持续时间。优选的，风险等级可以包括三个的等级，即“高、中、低”，且在分析预览界面中，每个风险等级用不同的颜色表示，例如，高等级用红色表示，中等级用黄色表示，低等级用蓝色表示。其中，风险等级的高低是按照风险目标发生风险的概率范围来划分。
具体地，风险波及范围可以是根据风险目标的形状、大小及分风险目标所处的地形因素来确定，例如，如果风险目标是一栋高100米的建筑，那么该建筑倒塌所波及的范围是以该建筑为中心直径为500米的范围。
作为一种可选的实施方式，在输出风险提示之后，所述方法还包括：根据所述风险目标所在地理位置信息以及风险波及范围确定所述风险目标可能波及的人员的联系信息，由此把风险预警发送给可能波及人员的通信终端。其中，所述联系信息包括QQ号码、微信号码、邮箱、手机号码中的至少一种。其中，可能波及的人员包括风险目标所在地理位置的波及范围以内的人员，更进一步，还包括长期经过所述风险目标所在地理位置的波及范围的人员，以及可能路过该波及范围的人员。长期经过的人员，可以是基于各种地理位置服务信息的软件来收集，例如，百度地图、相机等都有获取人员的地理位置信息的功能，并以输出风险的当前时刻之前一段时间内的经过次数来判定是否是长期经过人员。对于可能路过该位置的人员，则以基于各种地理位置服务信息的软件获取的当前时刻的人员的地理位置信息与所述风险目标所在地理位置的距离来判定，如果距离小于设定的阈值则判定为可能经过该位置。向获得的联系信息发送风险预警。
本发明实施例的物体风险预警方法，能够基于大数据分析技术对风险物品进行分析，以判断风险物品是否存在风险，进而向通信终端提供风险预警，保障用户的人身安全。
实施例二
请参阅图2，图2是本发明实施例二提供的一种管理终端的结构示意图。如图2所示，该管理终端可以包括：
收集单元201，用于实时收集风险目标的风险因素，所述风险因素包括场景因素和所述风险目标的固有因素，所述固有因素表示所述风险目标的固有属性；
数据清洗单元202，用于在所述收集单元201实时收集风险目标的风险因素之后，根据按照预设的规则构建的指标对所述风险因素进行数据清理，以匹配所述指标对应的数据值；
分析单元203，用于在所述数据清洗单元202根据按照预设的规则构建的指标对所述风险因素进行数据清理之后，使用基于至少一个风险样本构建的风险分析模型分析所述指标对应的数据值；
输出单元204，用于当所述分析单元203分析出所述风险目标存在风险时，输出风险提示。
作为一种可选的实施方式，所述管理终端还包括构建单元，其中：
所述构建单元，收集多个同类型相同的风险样本的风险因素并生成经样本训练集，其中，风险因素包括固有因素和场景因素；
设定所述样本训练集中每个样本的指标并为每个样本的指标关联权重，所述权重用于评估所述指标导致所述样本发生风险的概率；
根据关联权重后的样本训练集构建初代模型；
使用所述样本训练集对应的样本测试集作为所述初代模型的输入；
通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告，其中，分析报告包括每个所述测试样本发生风险的概率；
根据分析报告修正所述初代模型，直至所述初代模型输出的评估结果符合预设风险值。
作为一种可选的实施方式，所述分析单元使用基于至少一个风险样本构建的风险分析模型分析所述指标对应的数据值的具体方式包括步骤：
使用矩阵数据分析算法分析所述风险目标的风险因素并生成所述风险因素对应的数据分析矩阵，其中，所述数据分析矩阵中包括精确度信息向量和效率信息向量。
作为一种可选的实施方式，所述构建单元通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告的具体方式，包括步骤：
将每个样本的每个风险因素对应的数值划分为若干区间，并统计每个区间对应的风险发生概率；
根据对每个区间的权重和每个区域的风险发生概率，统计每个风险因素对应的风险发生概率；
根据每个风险因素的权重和每个风险因素对应的风险发生概率统计每个样本的风险发生概率；
根据每个样本的风险发生概率生成分析报告。
作为一种可选的实施方式，收集单元实时收集风险目标的风险因素的具体方式，包括步骤：
按照预设的时间轴采集所述风险目标的场景因素，其中，所述预设的时间轴包括至少两个时间点、且其中一个时间点作为风险目标的基准点。
作为一种可选的实施方式，所述管理终端还包括比较单元、生成单元，其中：
比较单元，用于将所述基准点采集的场景因素中每个风险因素对应的风险发生概率与其他时间点采集的场景因素的每个风险因素对应的风险发生概率做比较；
生成单元，用于在比较单元比较出所述基准点采集的场景因素中每个风险因素对应的风险发生概率与其他时间点采集的场景因素的每个风险因素对应的风险发生概率之间的绝对差大于预设阈值时，生成风险因素修改提示，以使得专业风险修改人员根据修改提示修正所述风险分析模型。
作为一种可选的实施方式，所述管理终端还包括确定单元，其中：
所述确定单元，用于根据所述风险目标所在地理位置信息确定所述风险目标可能波及的人员的联系信息，其中，所述联系信息包括QQ号码、微信号码、邮箱、手机号码中的至少一种。
作为一种可选的实施方式，为了便于民众或机构更加直观地了解到风险目标的风险情况，本发明实施例的管理终端还可以包括展示单元，其中：
所述展示单元，用于根据风险报告和预设的风险预览界面生成规则生成风险预览界面，其中，风险预览界面包括风险目标的风险等级和风险波及范围、风险持续时间。优选的，风险等级可以包括三个的等级，即“高、中、低”，且在分析预览界面中，每个风险等级用不同的颜色表示，例如，高等级用红色表示，中等级用黄色表示，低等级用蓝色表示。
具体地，风险波及范围可以是根据风险目标的形状、大小及分风险目标所处的地形因素来确定，例如，如果风险目标是一栋高100米的建筑，那么该建筑倒塌所波及的范围是以该建筑为中心直径为500米的范围。本发明实施例的管理终端通过执行物体风险预警方法，能够基于大数据分析技术对风险物品进行分析，以判断风风险物品是否存在风险，进而为用户提供风险预警，保障用户的人身安全。
实施例三
请参阅图3，图3是本发明实施例三提供的一种管理终端的结构示意图。如图3所示，该管理终端可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，执行本发明实施例一所描述的物体风险预警方法中的步骤。
本发明实施例的管理终端通过执行物体风险预警方法，能够基于大数据分析技术对风险物品进行分析，以判断风风险物品是否存在风险，进而为用户提供风险预警，保障用户的人身安全。
实施例四
本发明实施例四提供的一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的物体风险预警方法中的步骤。
本发明实施例的计算机可读存储介质通过执行物体风险预警方法，能够基于大数据分析技术对风险物品进行分析，以判断风风险物品是否存在风险，进而为用户提供风险预警，保障用户的人身安全。
实施例五
本发明实施例五提供的一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的物体风险预警方法中的步骤。
本发明实施例的计算机程序产品通过执行物体风险预警方法，能够基于大数据分析技术对风险物品进行分析，以判断风风险物品是否存在风险，进而为用户提供风险预警，保障用户的人身安全。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的单元如果以软件功能单元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器中。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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、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。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种物体风险预警方法，其特征在于，所述方法包括：
实时收集风险目标的风险因素，所述风险因素包括场景因素和所述风险目标的固有因素，所述固有因素表示所述风险目标的固有属性；
根据预设指标对所述风险因素进行数据清理，以匹配所述指标对应的数据值，所述指标按照预设的规则构建生成；
使用基于至少一个风险样本构建的风险分析模型分析所述指标对应的数据值，以使得当所述风险分析模型根据所述指标对应的数据值判断出所述风险目标存在风险时，输出风险提示。
2.如权利要求1所述的方法，其特征在于，所述风险分析模型的构建，包括：
收集多个同类型风险样本的风险因素并生成样本训练集，其中，风险因素包括固有因素和场景因素；
设定所述样本训练集中每个样本的指标并为每个样本的指标关联权重，所述权重用于评估所述指标导致所述样本发生风险的概率；
根据关联权重后的样本训练集构建初代模型；
使用所述样本训练集对应的样本测试集作为所述初代模型的输入；
通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告，其中，分析报告包括每个所述测试样本发生风险的概率；
根据分析报告修正所述初代模型，直至所述初代模型输出的评估结果符合预设风险值。
3.如权利要求1所述的方法，其特征在于，根据预设指标对所述风险因素进行数据清理包括对所述风险因素进行数据预处理,其中，数据预处理包括以下步骤：
使用矩阵数据分析算法分析所述风险目标的风险因素并生成所述风险因素对应的数据分析矩阵，其中，所述数据分析矩阵中包括精确度信息向量和效率信息向量。
4.如权利要求2所述的方法，其特征在于，通过所述初代模型分析所述样本测试集中的每个样本并生成分析报告，包括：
将每个样本的每个风险因素对应的数值划分为若干区间，并统计每个区间对应的风险发生概率；
根据对每个区间的权重和每个区间对应的风险发生概率，统计每个风险因素对应的风险发生概率；
根据每个风险因素的权重和每个风险因素对应的风险发生概率统计每个样本的风险发生概率；根据每个样本的风险发生概率生成分析报告。
5.如权利要求1所述的方法，其特征在于，实时收集风险目标的风险因素，包括：
按照预设的时间轴采集所述风险目标的场景因素，其中，所述预设的时间轴包括至少两个时间点、且其中一个时间点作为风险目标的基准点。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
将所述基准点采集的场景因素中每个风险因素对应的风险发生概率与其他时间点采集的场景因素的每个风险因素对应的风险发生概率做比较，若两个数值之间的绝对差大于预设阈值时，则生成风险因素修改提示，所述修改提示用于修正所述风险分析模型。
7.如权利要求1所述的方法，其特征在于，在输出风险提示之后，所述方法还包括：
根据所述风险目标所在地理位置信息确定与所述风险目标对应的人员的联系信息，其中，所述联系信息包括QQ号码、微信号码、邮箱、手机号码中的至少一种。
8.一种管理终端，其特征在于，所述管理终端包括：
收集单元，用于实时收集风险目标的风险因素，所述风险因素包括场景因素和所述风险目标的固有因素，所述固有因素表示所述风险目标的固有属性；
数据清洗单元，用于在所述收集单元实时收集风险目标的风险因素之后，根据按照预设的规则构建的指标对所述风险因素进行数据清理，以匹配所述指标对应的数据值；
分析单元，用于在所述数据清洗单元根据按照预设的规则构建的指标对所述风险因素进行数据清理之后，使用基于至少一个风险样本构建的风险分析模型分析所述指标对应的数据值；
输出单元，用于当所述分析单元分析出所述风险目标存在风险时，输出风险提示。
9.一种管理终端，其特征在于，所述管理终端包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的物体风险预警方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的物体风险预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010098941.9A CN111369107A (zh) | 2020-02-18 | 2020-02-18 | 一种物体风险预警方法、管理终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010098941.9A CN111369107A (zh) | 2020-02-18 | 2020-02-18 | 一种物体风险预警方法、管理终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111369107A true CN111369107A (zh) | 2020-07-03 |
Family
ID=71204268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010098941.9A Pending CN111369107A (zh) | 2020-02-18 | 2020-02-18 | 一种物体风险预警方法、管理终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369107A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114429308A (zh) * | 2022-02-08 | 2022-05-03 | 河南鑫安利安全科技股份有限公司 | 一种基于大数据的企业安全风险评估方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007249474A (ja) * | 2006-03-15 | 2007-09-27 | Nec Corp | 家屋倒壊予知方法およびシステム |
| CN104657822A (zh) * | 2015-02-06 | 2015-05-27 | 海南电网有限责任公司 | 一种基于风险评估结果的电力系统灾害预警分级方法及系统 |
| CN105930957A (zh) * | 2016-04-12 | 2016-09-07 | 国网江苏省电力公司电力科学研究院 | 一种用于电能表自动化检定线的风险预警方法 |
| KR20180122491A (ko) * | 2017-04-28 | 2018-11-13 | 서울대학교산학협력단 | 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템 |
| CN108876184A (zh) * | 2018-06-29 | 2018-11-23 | 中车建设工程有限公司 | 一种高速铁路隧道运营期的安全风险评价及预警方法 |
| CN109598288A (zh) * | 2018-11-12 | 2019-04-09 | 南京林业大学 | 一种危险化学品运输驾驶员人为因素风险评估方法及系统 |
| CN109784735A (zh) * | 2019-01-21 | 2019-05-21 | 中国计量大学 | 基于层次-模糊法对电梯安全防护系统的评估方法 |
| CN109840183A (zh) * | 2018-12-05 | 2019-06-04 | 平安科技（深圳）有限公司 | 数据中心分级预警方法、装置及存储介质 |
-
2020
- 2020-02-18 CN CN202010098941.9A patent/CN111369107A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007249474A (ja) * | 2006-03-15 | 2007-09-27 | Nec Corp | 家屋倒壊予知方法およびシステム |
| CN104657822A (zh) * | 2015-02-06 | 2015-05-27 | 海南电网有限责任公司 | 一种基于风险评估结果的电力系统灾害预警分级方法及系统 |
| CN105930957A (zh) * | 2016-04-12 | 2016-09-07 | 国网江苏省电力公司电力科学研究院 | 一种用于电能表自动化检定线的风险预警方法 |
| KR20180122491A (ko) * | 2017-04-28 | 2018-11-13 | 서울대학교산학협력단 | 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템 |
| CN108876184A (zh) * | 2018-06-29 | 2018-11-23 | 中车建设工程有限公司 | 一种高速铁路隧道运营期的安全风险评价及预警方法 |
| CN109598288A (zh) * | 2018-11-12 | 2019-04-09 | 南京林业大学 | 一种危险化学品运输驾驶员人为因素风险评估方法及系统 |
| CN109840183A (zh) * | 2018-12-05 | 2019-06-04 | 平安科技（深圳）有限公司 | 数据中心分级预警方法、装置及存储介质 |
| CN109784735A (zh) * | 2019-01-21 | 2019-05-21 | 中国计量大学 | 基于层次-模糊法对电梯安全防护系统的评估方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114429308A (zh) * | 2022-02-08 | 2022-05-03 | 河南鑫安利安全科技股份有限公司 | 一种基于大数据的企业安全风险评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107566358A (zh) | 一种风险预警提示方法、装置、介质及设备 | |
| CN114170513B (zh) | 一种草地贪夜蛾的虫情监测方法、系统及存储介质 | |
| CN110956412B (zh) | 基于实景模型的洪灾动态评估方法、装置、介质和设备 | |
| CN113159482A (zh) | 一种用于评估信息安全风险的方法及系统 | |
| CN103996006A (zh) | 一种信息系统安全风险评估的方法和装置 | |
| CN112632354A (zh) | 一种imsi和人脸深度拟合方法、装置、设备及系统 | |
| CN114782897A (zh) | 基于机器视觉及深度学习的危险行为检测方法及系统 | |
| CN111696203A (zh) | 一种紧急事件分级推送方法、系统、装置和存储介质 | |
| CN111274710B (zh) | 一种基于游戏的核应急疏散出口选择行为模型的构建方法 | |
| CN111125290B (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
| CN114331206B (zh) | 点位选址方法、装置、电子设备及可读存储介质 | |
| CN111369107A (zh) | 一种物体风险预警方法、管理终端及存储介质 | |
| CN111428653A (zh) | 行人拥挤状态判断方法、装置、服务器及存储介质 | |
| CN109995549B (zh) | 一种评估流量价值的方法及装置 | |
| CN116761185A (zh) | 一种基于信令预测日活跃用户的方法、系统及介质 | |
| CN117420263A (zh) | 工业园区的温室气体的布点监测方法、装置、设备及介质 | |
| CN111126720A (zh) | 养殖场风险预测方法、装置、设备及存储介质 | |
| CN113673870B (zh) | 一种企业数据分析方法及相关组件 | |
| CN114978474A (zh) | 一种用户聊天风险等级自动处置方法及系统 | |
| CN112085636B (zh) | 一种城市功能性收缩分析方法、装置及存储介质 | |
| CN105046081A (zh) | 消防地点的抽样检查方法及装置 | |
| CN114519834A (zh) | 一种高层火灾隐患预警方法、装置及应用 | |
| CN116843891A (zh) | 图形轮廓检测方法、装置、存储介质、设备及程序产品 | |
| CN113298438A (zh) | 区域风险等级的评估方法、装置、计算机设备及存储介质 | |
| CN114091906A (zh) | 安全态势分析方法和装置、电子设备、计算机可读介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40032022 Country of ref document: HK |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |