CN113254733A - 基于大数据平台的信息分析方法、系统及存储介质 - Google Patents

Abstract

本申请涉及一种基于大数据平台的信息分析方法、系统及存储介质，其属于大数据分析的领域，其中方法包括获取当前用户发送的新异常信息，并将新异常信息记录在异常信息数据库中；在异常信息数据库中，根据新异常信息，筛选出第一异常信息；计算第一异常信息的个数，生成第一异常个数，第一异常个数与第一异常信息的个数相等；根据新异常信息生成可能异常情况列表；根据预设的态势分析模型，计算可能异常情况列表中每个可能异常信息的可能系数；判断各可能系数是否超过预设的第一阈值；若某一可能系数超过预设的第一阈值，生成第一防控指令反馈给用户。本申请具有提前对异常情况发生进行预测的效果。

Description

基于大数据平台的信息分析方法、系统及存储介质

技术领域

本申请涉及大数据分析的领域，尤其是涉及一种基于大数据平台的信息分析方法、系统及存储介质。

背景技术

近年来，大数据、云计算等信息技术发展，在各行各业的应用越来越广泛，使得人们的生活更为便捷，同时也推动了医疗和公共安全的发展。在社会公共安全方面，大数据平台的设立，有助于更好地维护社会安全稳定。

现在，工作人员处理异常情况的依据是来自群众的电话。每次接到电话之后，会经过人工的初步筛选，然后向负责对应区域的工作人员传达去处理的指令，并将本次处理的具体信息记录下来。

上述的相关技术存在以下缺陷：对数据平台中数据的利用不够充分，工作人员只能被动地前往目标地点，在接到电话之后，无论工作人员的响应速度有多快，实际的异常情况已经产生。

发明内容

为了充分利用数据，减小安全问题，维护社会安定，本申请提供一种基于大数据平台的信息分析方法、系统及存储介质。

第一方面，本申请提供一种基于大数据平台的信息分析方法，采用如下的技术方案：

一种基于大数据平台的信息分析方法，包括获取当前用户发送的新异常信息，并将所述新异常信息记录在异常信息数据库中，所述新异常信息包括新异常类型和新发生地区；

根据所述新异常信息，从异常信息数据库中筛选出第一异常信息，所述第一异常信息包括第一异常类型、第一发生时间和第一发生地区，所述第一发生时间在预设的时间段内，所述第一异常类型与所述新异常类型相同，所述第一发生地区与所述新发生地区相同；

计算所述第一异常信息的个数，生成第一异常个数，所述第一异常个数与第一异常信息的个数相等；

根据新异常信息生成可能异常情况列表，可能异常情况列表由若干可能异常信息组成，每一条可能异常信息包括可能发生地区，所述可能发生地区包括新发生地区；

将第一异常个数带入预设的态势分析模型，计算可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数；

判断各所述可能系数是否超过预设的第一阈值；

若某一可能系数超过预设的第一阈值，生成包括所述可能系数对应的可能异常信息的第一防控指令并反馈给用户。

通过采用上述技术方案，根据预设的态势分析模型计算可能发生地区中各异常情况可能发生的程度，充分利用已有数据，以已发生的异常情况为依据，可对各类异常情况发生的可能性进行预示，为工作人员提供决策依据，工作人员可加强对各异常情况的警惕和巡逻，减小可能出现的安全问题。

可选的，所述可能发生地区还包括周边地区；

所述周边地区根据所述新发生地区以及预设的地区分布图所获得，所述周边地区为在地区分布图中与所述新发生地区接壤的地区。

通过采用上述技术方案，不仅可对此次异常情况的发生地区进行可能性预测，还可对靠近此次发生地区的周边地区进行预测，提高了对数据的利用程度，扩大了预测范围；对每个地区来说，依靠多个因素所产生的可能性结果更为准确。

可选的，所述可能异常信息包括可能异常类型，所述可能异常类型属于不同的异常情况大类；

所述判断各所述可能系数是否超过预设的第一阈值具体包括：

获取所述可能系数对应的可能异常类型；

判断所述可能异常类型所属的异常情况大类，并获取所述异常情况大类对应预设的第一参考阈值；

将所述第一参考阈值定义为当前的第一阈值，将所述第一阈值与所述可能系数进行对比。

通过采用上述技术方案，根据各异常类型对社会的危害程度，将其归入不同的异常情况大类中，并且赋予不同的阈值，使得工作人员可以在有限的人员和精力的前提下，优先处理情形严重的异常类型，最大程度地减小可能产生的社会危害。

可选的，所述计算所述第一异常信息的个数，生成第一异常个数之后还包括：

判断所述第一异常个数是否超过预设的第二阈值；

若所述第一异常个数超过预设的第二阈值，获取所述第一异常个数对应的第一异常信息；

生成第二防控指令反馈给用户，所述第二防控指令包括第一异常信息。

通过采用上述技术方案，对该异常信息的发生地区的异常情况进行统计，将该地异常情况发生较为严重的异常信息反馈给工作人员查看，便于工作人员在时间和人数有限的情况下，采取防控措施。

可选的，所述判断所述第一异常个数是否超过预设的第二阈值之后还包括：

若所述第一异常个数超过预设的第二阈值，从异常信息数据库中筛选得到第二异常信息，所述第二异常信息包括第二异常类型、第二发生地区和第二发生时间，所述第二发生地区与可能发生地区相同，所述第二异常类型与可能异常类型相同，第二发生时间在预设的时间内；

计算生成各第二发生地区的各第二异常类型的第二异常信息的个数，生成第二异常个数信息；

根据所述第一异常个数和所述第二异常个数信息，计算第一异常信息和第二异常信息之间的相关系数信息；

根据所述相关系数信息，替换所述态势分析模型中预设的相关系数信息，更新所述态势分析模型。

通过采用上述技术方案，各个地区的异常情况会随着时间不断地变化，因此根据每个发送地区的不同的异常类型的次数，不断对态势分析模型进行更新，使得模型能够随着实际情况发生变化，提高模型的准确性。

可选的，所述新异常信息包括新相关人员籍贯；

所述在异常信息数据库中，根据所述新异常信息，筛选出第一异常信息，计算所述第一异常信息的个数，生成第一异常个数之后还包括：

根据所述新异常信息，从第一异常信息中筛选得到第三异常信息，所述第三异常信息包括与新相关人员籍贯相同的第三相关人员籍贯；

计算所述第三异常信息的个数，生成第三异常个数，所述第三异常个数与所述第三异常信息的个数相等；

判断所述第三异常个数是否超过预设的第三阈值；

若所述第三异常个数超过预设的第三阈值，生成第三防控指令并反馈给用户，所述第三防控指令包括第三相关人员籍贯。

通过采用上述技术方案，从相关人员的角度进行防控，尽早识别出区域性异常情况，从而便于工作人员进行处理，在造成安全危险之前，及时止损。

可选的，所述生成第三防控指令并反馈给用户之后还包括：

通过人员数据库，获取具有与所述第三相关人员籍贯相同籍贯的已记录人员信息；通过交通监控等方式，获取位于所述新发生地区的活动人员信息；

将所述已记录人员信息与所述活动人员信息进行比对，生成重合人员信息，并生成第四防控指令反馈给用户，所述第四防控指令包括重合人员信息。

通过采用上述技术方案，对已记录人员进行重点防控，进一步缩小管控范围，减小工作人员的工作负担，提高防控的工作效率。

第二方面，本申请提供一种基于大数据平台的信息分析系统，采用如下的技术方案：

一种基于大数据平台的信息分析系统，包括：

获取记录模块，用于获取当前用户发送的新异常信息，并将所述新异常信息记录在异常信息数据库中，所述新异常信息包括新异常类型和新发生地区；

第一异常信息处理模块，用于根据所述新异常信息，从异常信息数据库中筛选出第一异常信息，所述第一异常信息包括第一异常类型、第一发生时间和第一发生地区，所述第一发生时间在预设的时间段内，所述第一异常类型与所述新异常类型相同，所述第一发生地区与所述新发生地区相同；计算所述第一异常信息的个数，生成第一异常个数，所述第一异常个数与第一异常信息的个数相等；

可能异常处理模块，用于根据新异常信息生成可能异常情况列表，可能异常情况列表由若干可能异常信息组成，每一条可能异常信息包括可能发生地区，所述可能发生地区包括新发生地区；将第一异常个数带入预设的态势分析模型，计算可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数；

第一判断生成模块，用于判断各所述可能系数是否超过预设的第一阈值；若某一可能系数超过预设的第一阈值，生成包括所述可能系数对应的可能异常信息的第一防控指令并反馈给用户。

通过采用上述技术方案，能够由已知的数据为基础，对相关地区的各类异常情况的发生概率进行预测，防患于未然，减小发生的社会危害。

第三方面，本申请提供一种智能终端，采用如下的技术方案：

一种智能终端，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上述任一种方法的计算机程序。

通过采用上述技术方案，能够向工作人员反馈某一时间段内，很有可能发生的异常信息，以此作为工作人员的决策依据。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，包括存储有能够被处理器加载并执行如上述任一种方法的计算机程序。

通过采用上述技术方案，能够存储相应的程序，实现对异常情况进行预测的效果。

综上所述，本申请包括以下至少一种有益技术效果：

1.根据已知的各地区的各异常类型的发生次数，来评估此次异常情况之后，其他异常情况的可能性，便于工作人员进行决策，防患于未然；

2.对多个同一籍贯的相关人员进行重点布控，并且对其中的已记录人员进行交叉对比，显示重点，在有限的人数和时间的情况下，最大可能地减小可能产生的社会危害。

附图说明

图1是本申请实施例的用于生成第一防控指令、第二防控指令和更新态势模型的流程示意图；

图2是本申请实施例的用于生成第三防控指令和第四防控指令的流程示意图；

图3是本申请实施例的基于大数据平台的信息分析系统的结构框图。

附图标记说明：1、获取记录模块；2、第一防控指令生成模块；21、第一异常信息处理模块；22、可能异常处理模块；23、第一判断生成模块；3、第二防控指令生成模块；4、第三防控指令生成模块；5、第四防控指令生成模块；6、态势分析模型更新模块。

具体实施方式

以下结合附图1-3对本申请作进一步详细说明。

本申请实施例公开一种基于大数据平台的信息分析方法。参照图1，基于大数据平台的信息分析方法包括：

S100：获取当前用户发送的新异常信息，并将新异常信息记录在异常信息数据库中。

其中，新异常信息包括新异常类型和新发生地区。城市预先以社区为单位被划分为若干地区，新发生地区是指该新异常情况所发生的地理位置所在的某一地区，异常类型为该新异常情况的种类，例如盗窃、诈骗等。异常信息数据库为记录该城市内所有发生过的异常信息的数据库。

具体的，在新异常情况发生之后，工作人员将新异常情况发生的地点和类型发送给系统，系统接收到上述信息并将其按照预先的格式，记录在异常信息数据库中。

S200：根据新异常信息，从异常信息数据库中筛选出第一异常信息，生成第一异常个数。

第一异常信息包括第一异常类型、第一发生时间和第一发生地区，其中，第一异常类型与新异常信息的异常类型相同，第一发生地区与新发生地区也相同，而第一发生时间与新异常信息发送的时间不同。具体的，用户发送新异常信息的时间为具体到日的时间，而第一发生时间是指该第一异常情况发生的时间在时间段L内的时间，时间段L可为以新异常信息发送的时间为基准的近一周内、近两周内、近一个月内等等。

具体的，本步骤包括：根据获得的新异常信息中的新异常类型、新发生地区以及新异常信息发送的时间，在异常信息数据库内筛选出符合条件的异常信息并将其定义为第一异常信息，并计算得到的第一异常信息的个数，同时将该个数定义为第一异常个数。

S300：根据新异常信息和预设的地区分布图，生成可能异常情况列表。

其中，可能异常情况列表由若干条可能异常信息组成，每一条可能异常信息均包括一个可能发生地区以及该可能发生地区所对应的可能异常类型。具体的，可能异常情况列表中的多个可能发生地区包括新发生地区以及与新发生地区对应的周边地区，而每个可能发生地区所对应的可能异常类型均包括所有的异常类型。需要说明的是，与新发生地区对应的周边地区指的是在预设的地区分布图中与新发生地区接壤的地区。

S400：根据预设的态势分析模型，计算可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数。

其中，态势分析模型为第一异常类型与每条可能异常信息之间的基于预设的相关系数X的公式。这里需要说明的是，第一发生地区的第一异常类型与各可能发生地区的各可能异常类型之间均设有一个相关系数X。将S200中计算获取的第一异常个数与预设的各相关系数X对应相乘，即可计算得到可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数。

举例来说，第一异常类型为A，第一发生地区为I，第一异常次数为y，可能异常情况列表内的某一可能异常信息的可能异常类型为B，该条可能异常信息所对应的可能发生地区为II，上述第一异常信息与该可能异常类型B之间的相关系数为x，则将第一异常次数与该相关系数相乘得到xy，xy即为可能异常类型B在可能发生地区为II的地区内发生的可能系数。

S500：判断各可能系数是否超过预设的第一阈值。

具体的，在预设中，每个可能异常类型均被归入对应到的异常情况大类中，每个异常情况大类具有不同的第一参考阈值。通过遍历查询，依次判断每个可能系数对应的可能异常类型所属的异常情况大类，获取对应异常情况大类的第一参考阈值，将该第一参考阈值定义为当前的第一阈值N1，其中N1≥0；然后将该第一阈值N1与当前的可能系数的大小进行比较。若当前的可能系数超过预设的第一阈值N1，跳转至S600，若当前的可能系数不超过预设的第一阈值N1，则无响应。

S600：生成第一防控指令并将其反馈给用户。

其中，第一防控指令包括上述可能系数对应的可能发生地区和可能异常类型，将可能发生地区和可能异常类型均反馈给用户，供用户进行决策。

参照图1，在S200中生成第一异常个数之后还包括：

S11：判断第一异常个数是否超过预设的第二阈值。

具体的，系统预设有第二阈值N2，N2≥0，将第一异常个数与第二阈值N2进行大小的比较，若第一异常个数大于第二阈值N2，同时进入S111和S112。若第一异常个数小于等于第二阈值N2，则不响应。

S111：生成针对第一异常信息的第二防控指令反馈给用户。

其中，第二防控指令包括满足条件的第一异常信息的第一发生地区和第一异常类型，将第一发生地区和第一异常类型均反馈给工作人员，从而便于工作人员加强针对此种异常情况的防控。

S112：根据S300中生成的可能异常情况列表，从异常信息数据库中筛选得到第二异常信息，并生成第二异常个数信息。

其中，第二异常信息包括第二发生地区、第二异常类型和第二发生时间。第二发生地区与S300中生成的可能异常信息中的可能发生地区相同，第二异常类型与S300中生成的可能异常信息中的可能异常类型相同，第二发生时间与S200中预设的时间段L相同。根据以上条件，从异常信息数据库中筛选生成第二异常信息，计算生成各第二发生地区的各第二异常类型的第二异常信息的个数，从而生成第二异常个数信息，第二异常个数信息描述了预设的每个第二发生地区的每个第二异常类型在时间段L内的发生次数。

S122：根据第二异常个数信息，生成相关系数信息。

具体的，依次用第二异常个数信息中的第二异常个数，除以S200中计算获取的第一异常个数，生成对应的相关系数，最终生成相关系数信息。相关系数信息中的相关系数，与第一异常类型信息和第二异常信息相对应，描述了每发生一次第一异常情况时，对应第二异常情况发生的可能程度。

S132：根据相关系数信息，对态势分析模型进行更新。

具体的，将S122中计算得到的相关系数信息与态势分析模型中对应的预设相关系数信息进行比较，将S122中的相关系数与S400中预设的相关系数进行对应相减，得到差值，若某一差值大于预设的额定偏差量M，将该差值对应的S122中的相关系数代替态势分析模型中预设的相关系数，即，将该相关系数作为新的态势分析模型中预设的相关系数，从而更新态势分析模型。

参照图2，在S200中筛选出第一异常信息之后，方法还包括：

S21：根据新异常信息，从第一异常信息中筛选得到第三异常信息，生成第三异常个数。

其中，新异常信息还包括新相关人员籍贯，第一异常信息包括第一相关人员籍贯，第三异常信息包括第三相关人员籍贯。具体的，将第一相关人员籍贯与新相关人员籍贯进行对比，生成对比结果，将对比结果相同的第一异常信息定义为第三异常信息，即，所有第三异常信息的第三相关人员籍贯均相同且与新相关人员籍贯一致。得到所有的第三异常信息后，计算所有第三异常信息的个数并将该个数定义为第三异常个数。

S22：判断第三异常个数是否超过预设的第三阈值。

具体的，系统预设有第三阈值N3，N3≥0，将第三异常个数与第三阈值N3进行比较。若第三异常个数超过预设的第三阈值N3，跳转至S23，若第三异常个数不超过预设的第三阈值N3，则系统无响应。

S23：生成第三防控指令并反馈给用户。

其中，第三防控指令包括第三异常信息的第三相关人员籍贯；将第三相关人员籍贯反馈给工作人员后，便于工作人员对该籍贯的人员进行重点防控。

S24：获取已记录人员信息和活动人员信息。

具体的，本系统与人员数据库联网，获取人员数据库中与异常情况相关的已记录人员信息；通过道路交通监控等方式，可实时监控流入该发生地区的活动人员，获取活动人员信息，需要说明的是，这里获取的已记录人员所对应的籍贯是与步骤S23中第三相关人员籍贯相同的。

S25：根据已记录人员信息和活动人员信息，生成重合人员信息。

具体的，将已记录人员信息和活动人员信息进行交叉对比，获得已记录人员和活动人员的交集，然后将交集中的人员定义为重合人员，并生成重合人员信息，重合人员信息包括人员的姓名、住址、联系方式等。

S26：根据重合人员信息，生成第四防控指令并反馈给用户。

其中，第四防控指令包括重合人员信息，将第四防控指令反馈给工作人员后，有助于工作人员可根据重合人员信息采取防控措施。

实施原理：在某一异常情况发生之后，根据该异常情况发生的发生地区和异常类型，统计与该异常情况同一类，且发生在预设时间内的异常信息数据库中的异常情况数量，将该异常情况数量代入预设的态势分析模型中，计算与该异常情况相关的各个可能异常情况的可能系数，对各个可能系数进行循环判断，当可能系数超过第一阈值时，用户接受到针对可能异常情况的第一防控指令。

基于上述方法，本申请实施例还公开一种基于大数据平台的信息分析系统，参照图3，基于大数据平台的信息分析系统包括获取记录模块1、第一防控指令生成模块2、第一异常信息处理模块21、可能异常处理模块22、第一判断生成模块23、第二防控指令生成模块3、第三防控指令生成模块4、第四防控指令生成模块5、态势分析模型更新模块6。

获取记录模块1，用于获取用户发送的新异常信息，并且将获取到的新异常情况记录在异常信息数据库中。

第一防控指令生成模块2，用于根据新异常信息，在数据库中筛选得到第一异常信息，将第一异常信息代入到预设的态势分析模型中，生成各可能系数，并根据可能系数与第一阈值的大小判断生成第一防控指令。第一防控指令生成模块2包括第一异常信息处理模块21、可能异常处理模块22、第一判断生成模块23。

第一异常信息处理模块21，用于从异常信息数据库中筛选与新异常信息发生地相同且同类的第一异常信息，并生成第一异常信息个数。

可能异常处理模块22，用于生成可能异常情况列表，可能异常情况列表由若干条可能异常信息组成，可能异常信息包括的可能发生地区与新发生地区相同，或为新发生地区的相关地区，将新发生地区带入地区分布图可得相关地区，可能异常类型为所有的异常类型。

第一判断生成模块23，用于循环判断各可能系数是否超过预设的第一阈值，若超过第一阈值，则生成第一防控指令反馈给用户，第一防控指令包括该可能系数对应的可能异常信息。

第二防控指令生成模块3，用于判断第一异常个数是否超过第二阈值，若超过第二阈值，则生成第二防控指令反馈给用户，第二防控指令包括第一异常信息。

第三防控指令生成模块4，用于根据新异常信息，从第一异常信息中筛选得到第三异常信息，生成第三异常个数，若第三异常个数超过预设的第三阈值，则生成第三防控指令。

第四防控指令生成模块5，用于在生成第三防控指令之后，获取已记录人员信息和活动人员信息，将上述两者的交集定义为重合人员信息，并根据重合人员信息，生成第四防控指令反馈给用户。

态势分析模型更新模块6，用于在第一异常个数超过第二阈值时，根据第一异常个数和第二异常个数信息，计算出相关系数信息，并且将相关系数信息与态势分析模型中预设的相关系数信息进行对比，满足偏差条件时，用计算得到的相关系数信息代替预设的相关系数信息，实现更新。

本申请实施例还公开一种智能终端，智能终端包括存储器和处理器，存储器上存储有能够被处理器加载并执行如上述方法的计算机程序。

本申请实施例还公开一种计算机可读存储介质，其存储有能够被处理器加载并执行如上述方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上实施例仅用以说明本申请的技术方案，而非对申请的保护范围进行限制。显然，所描述的实施例仅仅是本申请部分实施例，而不是全部实施例。基于这些实施例，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，都属于本申请所要保护的范围。

Claims (10)

1.一种基于大数据平台的信息分析方法，其特征在于，包括：

获取当前用户发送的新异常信息，并将所述新异常信息记录在异常信息数据库中，所述新异常信息包括新异常类型和新发生地区；

根据所述新异常信息，从异常信息数据库中筛选出第一异常信息，所述第一异常信息包括第一异常类型、第一发生时间和第一发生地区，所述第一发生时间在预设的时间段内，所述第一异常类型与所述新异常类型相同，所述第一发生地区与所述新发生地区相同；

计算所述第一异常信息的个数，生成第一异常个数，所述第一异常个数与第一异常信息的个数相等；

根据新异常信息生成可能异常情况列表，所述可能异常情况列表由若干可能异常信息组成，每一条可能异常信息包括可能发生地区，所述可能发生地区包括新发生地区；

将所述第一异常个数代入预设的态势分析模型，计算所述可能异常情况列表中每一条所述可能异常信息内的每个可能异常类型发生的可能系数；

判断各所述可能系数是否超过预设的第一阈值；

若某一可能系数超过预设的第一阈值，生成包括与所述可能系数对应的可能异常信息的第一防控指令并反馈给用户。

2.根据权利要求1所述的基于大数据平台的信息分析方法，其特征在于，所述可能发生地区还包括周边地区；

所述周边地区根据所述新发生地区以及预设的地区分布图所获得，所述周边地区为在地区分布图中与所述新发生地区接壤的地区。

3.根据权利要求2所述的基于大数据平台的信息分析方法，其特征在于，所述可能异常信息包括可能异常类型，所述可能异常类型属于不同的异常情况大类；

所述判断各所述可能系数是否超过预设的第一阈值具体包括：

获取所述可能系数对应的可能异常类型；

判断所述可能异常类型所属的异常情况大类，并获取所述异常情况大类对应预设的第一参考阈值；

将所述第一参考阈值定义为当前的第一阈值，将所述第一阈值与所述可能系数进行对比。

4.根据权利要求3所述的基于大数据平台的信息分析方法，其特征在于，所述计算所述第一异常信息的个数，生成第一异常个数之后还包括：

判断所述第一异常个数是否超过预设的第二阈值；

若所述第一异常个数超过预设的第二阈值，获取所述第一异常个数对应的第一异常信息；

生成第二防控指令并将其反馈给用户，所述第二防控指令包括第一异常信息。

5.根据权利要求4所述的基于大数据平台的信息分析方法，其特征在于，所述判断所述第一异常个数是否超过预设的第二阈值之后还包括：

若所述第一异常个数超过预设的第二阈值，从异常信息数据库中筛选得到第二异常信息，所述第二异常信息包括第二异常类型、第二发生地区和第二发生时间，所述第二发生地区与可能发生地区相同，所述第二异常类型与可能异常类型相同，第二发生时间在预设的时间内；

计算生成各第二发生地区的各第二异常类型的第二异常信息的个数，生成第二异常个数信息；

根据所述第一异常个数和所述第二异常个数信息，计算得到第一异常信息和第二异常信息之间的相关系数信息；

根据所述相关系数信息，替换所述态势分析模型中预设的相关系数信息，更新所述态势分析模型。

6.根据权利要求1所述的基于大数据平台的信息分析方法，其特征在于，所述新异常信息包括新相关人员籍贯；

所述在异常信息数据库中，根据所述新异常信息，筛选出第一异常信息，计算所述第一异常信息的个数，生成第一异常个数之后还包括：

根据所述新异常信息，从第一异常信息中筛选得到第三异常信息，所述第三异常信息包括与新相关人员籍贯相同的第三相关人员籍贯；

计算所述第三异常信息的个数，生成第三异常个数，所述第三异常个数与所述第三异常信息的个数相等；

判断所述第三异常个数是否超过预设的第三阈值；

若所述第三异常个数超过预设的第三阈值，生成第三防控指令并反馈给用户，所述第三防控指令包括第三相关人员籍贯。

7.根据权利要求6所述的基于大数据平台的信息分析方法，其特征在于，所述生成第三防控指令并反馈给用户之后还包括：

通过人员数据库，获取具有与所述第三相关人员籍贯相同籍贯的已记录人员信息；通过交通监控等方式，获取位于所述新发生地区的活动人员信息；

将所述已记录人员信息与所述活动人员信息进行比对，生成重合人员信息，且生成第四防控指令并将其反馈给用户，所述第四防控指令包括重合人员信息。

8.一种基于大数据平台的信息分析系统，其特征在于，包括，

获取记录模块（1），用于获取当前用户发送的新异常信息，并将所述新异常信息记录在异常信息数据库中，所述新异常信息包括新异常类型和新发生地区；

第一异常信息处理模块（21），用于根据所述新异常信息，从异常信息数据库中筛选出第一异常信息，所述第一异常信息包括第一异常类型、第一发生时间和第一发生地区，所述第一发生时间在预设的时间段内，所述第一异常类型与所述新异常类型相同，所述第一发生地区与所述新发生地区相同；计算所述第一异常信息的个数，生成第一异常个数，所述第一异常个数与第一异常信息的个数相等；

可能异常处理模块（22），用于根据新异常信息生成可能异常情况列表，可能异常情况列表由若干可能异常信息组成，每一条可能异常信息包括可能发生地区，所述可能发生地区包括新发生地区；将第一异常个数带入预设的态势分析模型，计算可能异常情况列表中每一条可能异常信息内的每个可能异常类型发生的可能系数；

第一判断生成模块（23），用于判断各所述可能系数是否超过预设的第一阈值；若某一可能系数超过预设的第一阈值，生成包括与所述可能系数对应的可能异常信息的第一防控指令将其并反馈给用户。

9.一种智能终端，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。

10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。

Images