CN113971512A - 一种交通警情处置中的警员实时调度方法及终端 - Google Patents

Abstract

本发明公开了一种交通警情处置中的警员实时调度方法及终端，步骤如下：获取警情辖区内的可调度警员信息；计算警员业务匹配参数；计算警员勤务匹配参数；计算警员地理位置匹配参数；通过所计算的三个参数计算各警员的可调度指数，可调度指数的值越大代表越推荐，通过对警员的可调度指数从大到小进行排序，选择可调度指数最大的警员出警。本发明的方法实现了利用可调度指数来描述交通指挥调度过程中警员的匹配程度，从而减少交通管理者的决策成本，同时也避免了在指挥调度过程中过度依赖基层操作人员个人经验的情况，进而提升了交通管理的智能化水平。

Description

一种交通警情处置中的警员实时调度方法及终端

技术领域

本发明属于智能交通技术领域，具体涉及一种交通警情处置中的警员实时调度方法及终 端。

背景技术

近年来，如何有效的利用现有的交通数据资源，提升交警指挥调度智能化的辅助决策水 平，成为了交通管理工作的一个研究重点。

目前，在交通警情处置过程中，警员的实时调度大都采用的是就近出警的原则或者依靠 人工进行处置，缺乏一个能够综合考虑多维度信息的科学调度方法来对人工进行辅助决策， 指挥调度中的信息化和智能化水平仍需提高。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种交通警情处置中的警员实时调 度方法及终端，其通过构建一个警员可调度指数的计算模型，从而反映一次指调过程中某一 时刻的警员匹配程度，而可调度指数最大的警员就是实时调度需要选择的最优警员；通过该 方法实现数据辅助决策，优化调度过程。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种交通警情处置中的警员实时调度方法，步骤如下：

1)获取警情辖区内的可调度警员信息；

2)计算警员业务匹配参数；

3)计算警员勤务匹配参数；

4)计算警员地理位置匹配参数；

5)通过所述步骤2)-4)中的三个参数计算各警员的可调度指数，可调度指数的值越大 代表越推荐，通过对警员的可调度指数从大到小进行排序，选择可调度指数最大的警员出警。

进一步地，所述步骤2)具体包括：警员业务匹配参数基于警员的标签库、警情的标签 库以及两者映射关系；构建警员的标签库，令警员的标签库集合为X＝{x₁，x₂，...，x_P}，警情 的标签库集合为Y＝{y₁，y₂，...，y_q}，对二者的标签库进行关联，映射对为X和Y的二元集合；

B_p，q代表由X和Y中元素组成的一个映射，B_p，q＝[0，1]，0和1代表第p个的警员的 标签和第q个警情的标签是否构建了映射关系，其中0为否，1为是；m_p，q代表该映射匹配 分，取值为0-100；令x为警员a的标签集合x∈X，y为警情的标签集合y∈X；

警员业务匹配参数bv的取值为：

bv＝∑m_p，q*B_p，q p∈x，q∈y。

进一步地，所述步骤3)具体包括：

获取警员a的勤务排班数据，所述勤务数据记录警员当天的执勤信息；其中，执勤的开 始时间为T^start和结束时间为T^end，警员最后一次执行的勤务任务为i，下一个排班为i+1， 对应的开始、结束时间则分别为

和

P_i表示第i个勤务是否正在执行，取值取P_i＝{0，1}，正在执行中则P_i＝1，否则P_i＝0， 令警员的勤务匹配参数为sv，sv的计算方法如下所示：

其中，Q表示勤务匹配参数的最大取值，t表示当前时间，时间计算单位为分钟。

进一步地，所述步骤4)具体包括：

基于警员的当前位置坐标[l₀，l₁]，以及警情的坐标[k₀，k₁]；采用半正矢公式(Haversine 公式)计算警员到达警情的直线距离S，公式如下：

其中，R为地球的平均半径6371.393km；经纬度坐标采用弧度形式，通过

得到 弧度坐标[l′₀，l′₁]，通过

得到警情的弧度坐标[k′₀，k′₁]；

警员地理位置匹配参数dv取值如下：

进一步地，所述步骤5)具体包括：

警员的可调度指数D_n的计算公式如下：

D_n＝50+bv+(1-L)*sv+L*dv

其中，L代表正在执勤的警员a是否能够获取到实时坐标，L＝{0,1}。

本发明还提供一种交通警情处置中的警员实时调度终端，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实 现所述交通警情处置中的警员实时调度方法。

本发明还提供一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时 实现所述交通警情处置中的警员实时调度方法。

本发明的有益效果：

本发明的方法实现了利用可调度指数来描述交通指挥调度过程中警员的匹配程度，从而 减少交通管理者的决策成本，同时也避免了在指挥调度过程中过度依赖基层操作人员个人经 验的情况，进而提升了交通管理的智能化水平。

附图说明

图1为本发明方法的流程图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实 施方式提及的内容并非对本发明的限定。

参照图1所示，本发明的一种交通警情处置中的警员实时调度方法，步骤如下：

1)获取警情辖区内的可调度警员信息；

在警情被指派具体的辖区单位后，获取辖区单位所有的外场警员信息。

2)计算警员业务匹配参数；

其中，所述步骤2)具体包括：警员业务匹配参数基于警员的标签库、警情的标签库以 及两者映射关系；构建警员的标签库，令警员的标签库集合为X＝{x₁，x₂，...，x_P}，警情的标 签库集合为Y＝{y₁，y₂，...，y_q}，对二者的标签库进行关联，映射对为X和Y的二元集合(例如： 可以建立一组映射为铁骑-快速路，其中铁骑是警员标签，快速路是警情标签)；

B_p，q代表由X和Y中元素组成的一个映射，B_p，q＝{0，1}，0和1代表第p的警员的标签和第q个警情的标签是否构建了映射关系，其中0为否，1为是；m_x,y代表该映射匹配分， 取值为0-100；令x为警员a的标签集合x∈X，y为警情的标签集合y∈Y；

警员业务匹配参数bv的取值为：

bv＝∑m_p，q*B_p，q p∈x，q∈y。

3)计算警员勤务匹配参数；

其中，所述步骤3)具体包括：

获取警员a的勤务排班数据，所述勤务数据记录警员当天的执勤信息；其中，执勤的开 始时间为T^start和结束时间为T^end，警员最后一次执行的勤务任务为i，下一个排班为i+1， 对应的开始、结束时间则分别为

和

P_i表示第i个勤务是否正在执行，取值取P_i＝{0，1}，正在执行中则P_i＝1，否则P_i＝0， 令警员的勤务匹配参数为sv，sv的计算方法如下所示：

其中，Q表示勤务匹配参数的最大取值，t表示当前时间，时间计算单位为分钟。

4)计算警员地理位置匹配参数；

其中，所述步骤4)具体包括：

基于警员的当前位置坐标[l₀，l₁]，以及警情坐标[k₀，k₁]；采用半正矢公式(Haversine 公式)计算警员到达警情的直线距离s，公式如下：

其中，R为地球的平均半径6371.393km；经纬度坐标采用弧度形式，通过

得到 弧度坐标[l′₀，l′₁]，通过

得到警情的弧度坐标[k′₀，k′₁]；

警员地理位置匹配参数dv取值如下：

5)通过所述步骤2)-4)中的三个参数计算各警员的可调度指数，可调度指数的值越大 代表越推荐，通过对警员的可调度指数从大到小进行排序，选择可调度指数最大的警员出警；

其中，所述步骤5)具体包括：

警员的可调度指数D_n的计算公式如下：

D_n＝50+bv+(1-L)*sv+L*dv

其中，L代表正在执勤的警员a是否能够获取到实时坐标，L＝{0,1}。

示例：

首先，假设Q＝20，当前警员和警情的标签映库有以下几组元素[铁骑-高架，铁骑-快速 路]，映射匹配分为20，当前警情具有标签为[快速路]，坐标为[118.75096416,32.059038878]，当前时刻为13：45，假设可调度的警员集合A如表1：

表1

以警员a3为例，通过步骤2)可以计算其业务匹配参数，由于存在铁骑和快速路的一组 映射，因此其业务匹配参数为20，然后通过步骤3)可以计算其勤务匹配参数，可得a1的勤 务匹配参数为20，最后计算步骤4)中的地理位置匹配参数为35.95，最终通过步骤5)可算 得警员a1的可调度指数为105.95，而警员a4的三个参数的取值都为0，因此可调度指数为 50。

同理，可算得警员a1,a2,a5的可调度指数，最终结果如表2所示：

表2

通过计算可调度指数，计算得出警员a3的可调度指数值最高，警员a4的可调度程度最 低，排序依次为a3-a2-a1-a5-a4，在派警时优先考虑警员a3。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技 术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改 进也应视为本发明的保护范围。

Claims (7)

1.一种交通警情处置中的警员实时调度方法，其特征在于，步骤如下：

1)获取警情辖区内的可调度警员信息；

2)计算警员业务匹配参数；

3)计算警员勤务匹配参数；

4)计算警员地理位置匹配参数；

5)通过所述步骤2)-4)中的三个参数计算各警员的可调度指数，可调度指数的值越大代表越推荐，通过对警员的可调度指数从大到小进行排序，选择可调度指数最大的警员出警。

2.根据权利要求1所述的交通警情处置中的警员实时调度方法，其特征在于，所述步骤2)具体包括：警员业务匹配参数基于警员的标签库、警情的标签库以及两者映射关系；构建警员的标签库，令警员的标签库集合为X＝{x₁，x₂，...，x_P}，警情的标签库集合为Y＝{y₁，y₂，...，y_q}，对二者的标签库进行关联，映射对为X和Y的二元集合；

B_p，q代表由X和Y中元素组成的一个映射，B_p，q＝{0，1}，0和1代表第p个的警员的标签和第q个警情的标签是否构建了映射关系，其中0为否，1为是；m_p，q代表该映射匹配分，取值为0-100；令x为警员a的标签集合x∈X，y为警情的标签集合y∈Y；

警员业务匹配bv参数的取值为：

bv＝∑m_p，q*B_p，q p∈x，q∈y。

3.根据权利要求2所述的交通警情处置中的警员实时调度方法，其特征在于，所述步骤3)具体包括：

获取警员a的勤务排班数据，所述勤务数据记录警员当天的执勤信息；其中，执勤的开始时间为T^start和结束时间为T^end，警员最后一次执行的勤务任务为i，下一个排班为i+1，对应的开始、结束时间则分别为

和

P_i表示第i个勤务是否正在执行，取值取P_i＝{0，1}，正在执行中则P_i＝1，否则P_i＝0，令警员的勤务匹配参数为sv，公式如下：

其中，Q表示勤务匹配参数的最大取值，t表示当前时间，时间计算单位为分钟。

4.根据权利要求3所述的交通警情处置中的警员实时调度方法，其特征在于，所述步骤4)具体包括：

基于警员的当前位置坐标[l₀，l₁]，以及警情的坐标[k₀，k₁]；采用半正矢公式计算警员到达警情的直线距离s，公式如下：

其中，R为地球的平均半径6371.393km；经纬度坐标采用弧度形式，通过

得到弧度坐标[l′₀，l′₁]，通过

得到警情的弧度坐标[k′₀，k′₁]；

警员地理位置匹配参数dv取值如下：

5.根据权利要求4所述的交通警情处置中的警员实时调度方法，其特征在于，所述步骤5)具体包括：

警员的可调度指数D_n的计算公式如下：

D_n＝50+bv+(1-L)*sv+L*dv

其中，L代表正在执勤的警员a是否能够获取到实时坐标，L＝{0，1}。

6.一种交通警情处置中的警员实时调度终端，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1-5中任意一项所述方法的步骤。

7.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5中任意一项所述方法的步骤。

Images