CN115525803B - 处警方法、系统、车载设备及计算机可读存储介质 - Google Patents
处警方法、系统、车载设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115525803B CN115525803B CN202211134931.1A CN202211134931A CN115525803B CN 115525803 B CN115525803 B CN 115525803B CN 202211134931 A CN202211134931 A CN 202211134931A CN 115525803 B CN115525803 B CN 115525803B
- Authority
- CN
- China
- Prior art keywords
- information
- alarm
- real
- alarm information
- time
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title description 7
- 238000012545 processing Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000010845 search algorithm Methods 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明公开了一种处警方法、系统、车载设备及计算机可读存储介质,涉及安防技术领域。所述处警方法包括以下步骤:获取下发的实时警情信息;根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息;对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息。本发明提高了警务人员的处警效率。
Description
技术领域
本发明涉及安防技术领域,尤其涉及一种处警方法、系统、车载设备及可读存储介质。
背景技术
人们在生活或工作等场所,可能会遭遇突发状况或产生纠纷,需要进行报警进行解决。而接警中心在接到报警电话后,生成并下发对应的警情信息,警务人员再进行处警操作。但是在日常生活中,而有些情况下,同一事件可能通过一两次调解依旧无法顺利解决,再过一段时间后又会产生冲突。而接警中心对于警情信息的派发通常是采用就近原则,即将警情信息派发至离警情位置较近的警务人员。因此,导致处理同一事件后续情况的警务人员与之前的警务人员并不相同,警务人员则需要花费较长事件询问报警人,以确定以往纠纷内容,了解具体警情,从而降低了警务人员的处警效率。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种处警方法,旨在解决处理同一事件后续情况的警务人员与之前的警务人员不同,降低了警务人员的处警效率的技术问题。
为实现上述目的,本发明提供一种处警方法,所述处警方法包括:
获取下发的实时警情信息;
根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息;
对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息。
可选地,所述警情特征包括警情发生地址和警情类型,所述根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息的步骤,包括:
根据所述实时警情信息的警情类型,从所述预设数据库中筛选出与所述警情类型对应的初选历史处警信息,其中所述初选历史处警信息还包括历史警情位置;
根据所述警情发生地址,确定所述初选历史处警信息中所述历史警情位置在所述警情发生位置的预设范围内的第一候选历史处警信息,并将所述第一候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。
可选地,所述警情特征还包括警情涉及人员,所述初选历史处警信息还包括历史涉及人员,所述根据所述实时警情信息的警情类型,从所述预设数据库中筛选出与所述警情类型对应的初选历史处警信息的步骤之后,还包括:
根据所述警情涉及人员,确定所述初选历史处警信息中的历史涉及人员包含所述警情涉及人员的第二候选历史处警信息,并将所述第二候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。
可选地,所述对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息的步骤,包括:
基于预设数量的检索算法,计算各所述候选历史处警信息与所述实时警情信息的匹配率;
根据各所述检索算法的预设权值,对各所述候选历史处警信息的匹配率进行加权平均,得到各所述候选历史处警信息的相似度;
将所述相似度超过预设相似度阈值的候选历史处警信息作为与所述实时警情信息关联的目标处警信息。
可选地,所述检索算法包括:卷积神经网络算法、编辑距离短文本相似算法、词频逆向文件频率算法、词向量算法、循环神经网络算法。
可选地,所述将所述相似度超过预设相似度阈值的候选历史处警信息作为与所述实时警情信息关联的目标处警信息的步骤之后,包括:
当接收到对于所述目标处警信息的关联指令时,将所述关联指令对应的目标处警信息作为所述实时警情信息的关联处警信息;
获取实时警情信息的处警记录信息,并建立所述处警记录信息和所述关联处警信息的关联信息。
可选地,所述当接收到对于所述目标处警信息的关联指令时,将所述关联指令对应的目标处警信息作为所述实时警情信息的关联处警信息的步骤之前,还包括:
当接收到对于所述目标处警信息的查看指令时,确定所述查看指令对应的目标处警信息作为指定处警信息;
若所述指定处警信息存在关联信息,则确定所述指定处警信息对应的各关联处警信息,并根据所述关联信息中各所述关联处警信息的关联时间,将各所述关联处警信息按序排列显示。
此外,为实现上述目的,本发明还提供一种处警系统,所述处警系统包括:
获取模块,用于获取下发的实时警情信息;
匹配模块,用于根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息;
筛选模块,用于对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选与所述实时警情信息关联的历史处警信息。
此外,为实现上述目的,本发明还提供一种车载设备,所述车载设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上任一项所述的处警方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有处警程序,所述处警程序被处理器执行时实现如上任一项所述的处警方法的步骤。
本发明提出了一种处警方法,通过获取下发的实时警情信息,然后根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息,从而初步筛选出与所述实时警情信息相关的历史处警信息。然后再对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息,从而确定与所述实时警情信息对应的警情事件相关的目标处警信息,警务人员可以通过与所述实时警情信息关联的目标处警信息快速了解所述实时警情信息对应的实时警情的前因后果,提高提警务人员的处警效率。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本发明处警方法第一实施例的流程示意图;
图3为本发明处警方法第二实施例的流程示意图;
图4为本发明实施例方案涉及的处警系统的示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
人们在生活或工作等场所,可能会遭遇突发状况或产生纠纷,需要进行报警进行解决。而接警中心在接到报警电话后,生成并下发对应的警情信息,警务人员再进行处警操作。但是在日常生活中,而有些情况下,同一事件可能通过一两次调解依旧无法顺利解决,再过一段时间后又会产生冲突。而接警中心对于警情信息的派发通常是采用就近原则,即将警情信息派发至离警情位置较近的警务人员。因此,可能导致处理同一事件后续情况的警务人员与之前的警务人员并不相同,警务人员则需要花费较长事件询问报警人,以确定以往纠纷内容,了解具体警情,从而降低了警务人员的处警效率。
本发明提出了一种处警方法,通过获取下发的实时警情信息,然后根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息,从而初步筛选出与所述实时警情信息相关的历史处警信息。然后再对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息,从而确定与所述实时警情信息对应的警情事件相关的目标处警信息,警务人员可以通过与所述实时警情信息关联的目标处警信息快速了解所述实时警情信息对应的实时警情的前因后果,提高提警务人员的处警效率。
如图1所示,图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
如图1所示,所述车载设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的设备结构并不构成对所述车载设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及处警应用程序。
在图1所示的设备中,处理器1001可以用于调用存储器1005中存储的处警应用程序,并执行如下各实施例中处警方法的操作。
参照图2,图2为本发明处警方法第一实施例的流程示意图。
本发明第一实施例提供一种处警方法,所述处警方法包括以下步骤:
步骤S100,获取下发的实时警情信息;
在一些实施例中,本发明处警方法的执行主体为可以是安装在警用车辆上的集成式或可拆卸式车载设备。当然,可以理解的是,该执行主体也可以是移动终端设备、服务器等设备,本发明实施例对此不做限定。
接警中心在接到报警电话后,则生成对应的实时警情信息。所述实时警情信息可以包括警情涉及人员(如报警人)、警情发生地址、警情描述、报警人电话等信息。然后报警中心根据预设的分配规则(例如,就近分配至空闲的警务人员),将该实时警情信息下发至对应的警务人员。当警务人员乘坐车辆的车载终端接收到报警中心下发的实时警情信息时,可以直接在车载终端的显示屏上显示所述实时警情信息,或将所述实时警情信息发送至警务人员的移动终端设备,以供警务人员查看所述实时警情信息。
步骤S200,根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息;
实时警情信息的警情特征可以包括警情涉及人员、警情发生地址和警情类型。可以理解的,所述警情特征可以是通过在所述实时警情信息中已标注的,也可以是通过预设的特征提取规则从所述实时警情信息中提取出来的。然后再根据所述实时警情信息的警情特征,对预设数据库存储的历史处警信息进行匹配,将具有与所述警情特征相同特征的历史处警信息作为与所述警情特征匹配的候选历史处警信息。其中,所述历史处警信息为已处理警情的记录信息,例如已处理警情的历史涉及人员、历史发生地址和历史警情类型、处理经过、处理结果、历史警务人员等。
本实施例通过根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息,从而实现对预设数据库中大量的历史处警信息进行筛选,获得与所述警情特征匹配的候选历史处警信息,进而减轻后续对所述实时警情信息和各所述候选历史处警信息进行相似度计算的工作量,提高对于目标处警信息的获取效率。
在另一实施例中,所述警情特征包括警情发生地址和警情类型,步骤S200包括:
步骤S210,根据所述实时警情信息的警情类型,从所述预设数据库中筛选出与所述警情类型对应的初选历史处警信息,其中所述初选历史处警信息还包括历史警情位置;
步骤S211,根据所述警情发生地址,确定所述初选历史处警信息中所述历史警情位置在所述警情发生位置的预设范围内的第一候选历史处警信息,并将所述第一候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。
在某些情况下,可能存在报警人身份并不相同,但是针对的是同一事件的情况。例如,噪音扰民,居民A在第一天报警,警务人员处警后。暂时停歇了两天,再次开始出现了,此时居民B再次报警,此时虽然报警人不同,对于接警中心而言也是另一警情,但实际上是针对同一事件的延续。因此,所述警情特征可以包括警情发生地址和警情类型,所述警情类型为对于警情的分类,例如纠纷类、暴力类、求助类、投诉类、其他类等,可以理解的是所述警情类型可以根据具体需求进行划分。本实施例通过所述实时警情信息的警情类型,从所述预设数据库中快速筛选出与所述警情类型对应的初选历史处警信息。所述初选历史处警信息包括历史警情位置,通过将所述警情发生地址与各初选历史处警信息的历史警情位置进行对比,确定所述初选历史处警信息中历史警情位置在所述警情发生位置的预设范围内的第一候选历史处警信息,并将所述第一候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。其中所述预设范围可以是以所述警情发生为中心预设距离(500m、1km)内的区域,也可以是所述警情发生位置所处的小区及与该小区接壤的其他小区的区域,所述预设范围的形状与大小可以根据具体需求进行选取,本实施例对此不作限制。从而本实施例可以快速筛选出与所述实时警情信息在出现在同一区域内、同一类型的候选历史处警信息,避免由于报警人不同而导致匹配的历史处警信息被遗漏。本领域技术人员可以理解的是,本实施例对于步骤S210和步骤S211的执行顺序并不做限制,即可以先执行步骤S210再执行S211,也可以先执行步骤S211再执行步骤S210。当然,对于执行步骤的描述需要进行适应性调整,如;根据所述警情发生地址,确定预设数据库中历史警情位置在所述警情发生位置的预设范围内的初选历史处警信息;根据所述实时警情信息的警情类型,从所述初选历史处警信息中筛选出与所述警情类型对应的第一候选历史处警信息,并将所述第一候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。
在另一实施例中,所述警情特征还包括警情涉及人员,所述初选历史处警信息还包括历史涉及人员,步骤S210之后还包括以下步骤:
步骤S212,根据所述警情发生地址,确定所述初选历史处警信息中的历史涉及人员包含所述警情涉及人员的第二候选历史处警信息,并将所述第二候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。
所述警情特征还包括警情涉及人员,其中所述警情涉及人员至少包括报警人,当然还可以包括报警人提及的相关人员,例如产生冲突的对象。所述初选历史处警信息还包括历史涉及人员,在获得初选历史处警信息后,通过将所述警情涉及人员与各初选历史处警信息的历史涉及人员进行对比,确定所述初选历史处警信息中历史涉及人员包含所述警情涉及人员的第一候选历史处警信息,并将所述第一候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。其中所述历史涉及人员包含所述警情涉及人员,可以是包含任一历史涉及人员,也可以是包含全部的警情涉及人员。从而本实施例可以快速筛选出与所述实时警情信息在出现在同一类型涉及所述实时警情信息的警情涉及人员的候选历史处警信息。本领域技术人员可以理解的是,本实施例中,步骤S211和步骤S211的执行顺序不分先后,也可以同时执行。
步骤S300,对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息。
所述候选历史处警信息可以包括上述第一候选历史处警信息和/或第二候选历史处警信息。然后通过预设的检索算法对所示实时警情信息和各所述候选历史处警信息进行相似度计算,获得各个候选历史处警信息与所述实时警情信息的相似度,然后可以将所述相似度超过预设阈值的候选历史处警信息作为与所述实时警情信息关联的目标处警信息,当然也可以将所述相似度的排行在前预设名次(如前五名、前十名、前二十名等)内的候选历史处警信息作为与所述实时警情信息关联的目标处警信息。从而可以将各所述目标处警信息按照相似度的由高到低的顺序进行排序并显示,以供警务人员进行查看。
其中,关于相似度计算的过程,采用的所述检索算法包括:卷积神经网络算法、编辑距离短文本相似算法、词频逆向文件频率算法、词向量算法、循环神经网络算法。以所述检索算法为词频逆向文件频率算法为例,对所述实时警情信息和各个候选历史处警信息中的关于警情描述内容的文本进行词语拆分,以将所述实时警情信息和各个候选历史处警信息对应的多个词语;然后根据拆分后的多个词语分别计算所述实时警情信息和各个候选历史处警信息的词频和逆向文件频率;根据实时警情信息的词频和逆向文件频率得到实时警情信息的词频-逆向文件频率向量,及根据各个候选历史处警信息的词频和逆向文件频率得到各个候选历史处警信息的词频-逆向文件频率向量;计算实时警情信息的词频-逆向文件频率向量与各个候选历史处警信息的词频-逆向文件频率向量对应的余弦相似度,以得到所述实时警情信息和各所述候选历史处警信息的相似度。
进一步地,在另一实施例中,步骤S300还包括以下步骤:
步骤S310,基于预设数量的检索算法,计算各所述候选历史处警信息与所述实时警情信息的匹配率;
步骤S320,根据各所述检索算法的预设权值,对各所述候选历史处警信息的匹配率进行加权平均,得到各所述候选历史处警信息的相似度;
步骤S330,将所述相似度超过预设相似度阈值的候选历史处警信息作为与所述实时警情信息关联的目标处警信息。
具体地,所述预设数量的检索算法为两种或两种以上的检索算法。基于预设数量的检索算法,计算各所述候选历史处警信息与所述实时警情信息的匹配率,从而获得各所述候选历史处警信息在各检索算法下的匹配率,即每一个候选历史处警信息获得与所述检索算法的预设数量一致的匹配率,例如预设数量的检索算法为两种检索算法,则每一个候选历史处警信息均会获得两个与所述检索算法对应的匹配率。
然后再根据各所述检索算法的预设权值,对各所述候选历史处警信息的匹配率进行加权平均,得到各所述候选历史处警信息的相似度。为更好理解本实施例,举例如下:当前,某一候选历史处警信息通过两个检索算法计算后,得到的匹配率分别为0.8和0.7,对应的检索算法的预设权值分别为0.9与0.8获取两个检索算法的预设权值。那么,根据各所述检索算法的预设权值,对各所述候选历史处警信息的匹配率进行加权平均,加权结果为(0.8*0.9+0.7*0.8)/2=0.64,最终得到该候选历史处警信息的相似度为0.64。其中,各个检索算法的预设权值对应的具体数值是事先根据实际情况设置。本实施例中通过上述计算流程依次计算出各所述候选历史处警信息的相似度。最终,将所述相似度超过预设相似度阈值(例如0.5、0.6、0.7等)的候选历史处警信息作为与所述实时警情信息关联的目标处警信息。
本实施例中,通过基于两种及两种以上的检索算法所述实时警情信息和各所述候选历史处警信息的相似度进行计算,相较于单一算法而言更加全面,从而提高了获得的相似度的准确性。
进一步地,步骤S300对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息的步骤之后可以包括:
步骤A10,获取所述目标处警信息中历史警务人员的当前工作状态和当前位置;
步骤A20,当所述当前工作状态为空闲状态,且所述当前位置与所述实时警情信息中的警情发生地址的实时距离低于预设距离阈值时,将所述实时警情信息和所述目标处警信息发送至所述历史警务人员;
步骤A30,当所述当前工作状态不为空闲状态,或所述当前位置与所述实时警情信息中的警情发生地址的实时距离不低于预设距离阈值时,确定与所述警情发生地址最近的空闲警务人员,并将所述实时警情信息和所述目标处警信息发送至所述空闲警务人员。
具体地,所述当前工作状态可以包括处警状态(即正在处理警情)和空闲状态(即未在处理警情)。可以理解的是,警务人员通常会携带警务终端,因此可以通过与所述目标处警信息中历史警务人员所携带的警务终端进行通信,确定所述历史警务人员的当前工作状态和当前位置。其中所述历史警务人员为在所述目标处警信息中处理了所述目标处警信息对应目标历史警情的警务人员。当所述当前工作状态为空闲状态,且所述当前位置与所述实时警情信息中的警情发生地址的实时距离低于预设距离阈值时,说明曾经处理了所述目标处警信息对应目标历史警情的警务人员(即历史警务人员)当前未在处理警情,且距离所述实时警情信息中的警情发生地址较近,则将所述实时警情信息和所述目标处警信息发送至所述历史警务人员,以使历史警务人员处理所述实时警情信息对应的实时警情,从而由于历史警务人员曾经处理了与所述实时警情信息关联的目标处警信息中的目标历史警情,因此可以有效提高对于所述实时警情的处理效率。可以理解的是,若是存在两个及两个以上的历史警务人员,且各所述历史警务人员的当前工作状态为空闲状态,所述各历史警务人员的当前位置与所述实时警情信息中的警情发生地址的实时距离低于预设距离阈值,则将所述实时警情信息发送至各所述历史警务人员中所述实时距离最小的历史警务人员。以减小历史处警人员前往所述实时警情信息中的警情发生地址的时间,提高处警效率。当所述当前工作状态不为空闲状态,或所述当前位置与所述实时警情信息中的警情发生地址的实时距离不低于预设距离阈值时,说明历史警务人员当前正在处理警情,或距离所述实时警情信息中的警情发生地址较远,难以及时处理所述实时警情信息对应的实时警情,则可以获取以所述警情发生地址为中心的预设范围内警务人员的当前位置,从而确定与所述警情发生地址最近的空闲警务人员,并将所述实时警情信息和所述目标处警信息发送至所述空闲警务人员。从而空闲警务人员也可以通过阅读所述目标处警信息和所述实时警情信息,快速了解所述实时警情信息对应的实时警情的前因后果,提高提警务人员的处警效率。
在本发明第一实施例中,通过获取下发的实时警情信息,然后根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息,从而初步筛选出与所述实时警情信息相关的历史处警信息。然后再对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息,从而确定与所述实时警情信息对应的警情事件相关的目标处警信息,警务人员可以通过与所述实时警情信息关联的目标处警信息快速了解所述实时警情信息对应的实时警情的前因后果,提高提警务人员的处警效率。
进一步地,参照图3,本发明第二实施例提供一种处警方法,基于上述图2所示的实施例,步骤S300之后包括以下步骤:
步骤S400,当接收到对于所述目标处警信息的关联指令时,将所述关联指令对应的目标处警信息作为所述实时警情信息的关联处警信息;
步骤S410,获取实时警情信息的处警记录信息,并建立所述处警记录信息和所述关联处警信息的关联信息。
具体地,警务人员确认各所述目标处警信息中某一目标处警信息与所述实时警情信息存在关联时,则通过向车载终端发送对应的关联指令。当车载终端接收到对于所述目标处警信息的关联指令时,确定所述关联指令对应的目标处警信息,并将该目标处警信息作为所述实时警情信息的关联处警信息。然后,获取实时警情信息的处警记录信息,其中所述处警记录信息为警务人员对所述实时警情信息对应的警情完成处理后,生成对应的处警记录信息,所述处警记录信息可以包括警情描述、处理经过、处理结果等信息。然后再建立所述处警记录信息和所述关联处警信息的关联信息,其中所述关联信息可以包括所述处警记录信息和所述关联处警信息的识别信息(如警情编号)和所述处警记录信息与关联处警信息的关联时间。
本实施例中,通过当接收到对于所述目标处警信息的关联指令时,将所述关联指令对应的目标处警信息作为所述实时警情信息的关联处警信息,并在警务人员对所述实时警情信息处警完毕后,获取实时警情信息的处警记录信息,并建立所述处警记录信息和所述关联处警信息的关联信息,从而可以将存在关联的处警信息建立相应的关联信息,以使在获得与所述实时警情信息关联的目标处警信息后,还可以获得各目标处警信息对应的关联处警信息,从而使得警务人员可以获得的历史处警信息更加完善,提高了警务人员的处警效率。
进一步地,步骤S400之前,还包括以下步骤:
步骤S420,当接收到对于所述目标处警信息的查看指令时,确定所述查看指令对应的目标处警信息作为指定处警信息;
步骤S421,若所述指定处警信息存在关联信息,则确定所述指定处警信息对应的各关联处警信息,并根据所述关联信息中各所述关联处警信息的关联时间,将各所述关联处警信息按序排列显示。
在筛选出与所述实时警情信息关联的目标处警信息,则可以在所述车载设备上显示所述目标处警信息以供警务人员查看。当警务人员认为各所述目标处警信息中某一目标处警信息与所述实时警情信息存在关联时,则可以向所述车载设备下发对应的查看指令,以查看该目标处警信息。从而当车载设备接收到对于所述目标处警信息的查看指令时,确定所述查看指令对应的目标处警信息作为指定处警信息。然后通过判断所述指定处警信息是否存在关联信息,以确定所述指定处警信息是否存在对应的关联处警信息。若所述指定处警信息存在关联信息,则可以根据所述关联信息确定所述指定处警信息对应的各关联处警信息,并根据所述关联信息中各所述关联处警信息的关联时间,将各所述关联处警信息按序排列显示。从而警务人员可以直观地了解所述实时警情信息对应的历史发展情况,进一步提高警务人员对于所述实时警情对应事件的了解,提高警务人员的处警效率。
参照图4,图4为本发明实施例方案涉及的处警系统的示意图。
如图4所示,本发明一实施例提供了一种处警系统,所述处警系统包括:
获取模块10,用于获取下发的实时警情信息;
匹配模块20,用于根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息;
筛选模块30,用于对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选与所述实时警情信息关联的历史处警信息。
更进一步地,匹配模块20,还用于
根据所述实时警情信息的警情类型,从所述预设数据库中筛选出与所述警情类型对应的初选历史处警信息,其中所述初选历史处警信息还包括历史警情位置;
根据所述警情发生地址,确定所述初选历史处警信息中所述历史警情位置在所述警情发生位置的预设范围内的第一候选历史处警信息,并将所述第一候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。
更进一步地,匹配模块20,还用于
根据所述警情涉及人员,确定所述初选历史处警信息中的历史涉及人员包含所述警情涉及人员的第二候选历史处警信息,并将所述第二候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。
更进一步地,筛选模块30,还用于
基于预设数量的检索算法,计算各所述候选历史处警信息与所述实时警情信息的匹配率;
根据各所述检索算法的预设权值,对各所述候选历史处警信息的匹配率进行加权平均,得到各所述候选历史处警信息的相似度;
将所述相似度超过预设相似度阈值的候选历史处警信息作为与所述实时警情信息关联的目标处警信息。
更进一步地,所述检索算法包括:卷积神经网络算法、编辑距离短文本相似算法、词频逆向文件频率算法、词向量算法、循环神经网络算法。
更进一步地,所述处警系统还包括:关联模块40,用于
当接收到对于所述目标处警信息的关联指令时,将所述关联指令对应的目标处警信息作为所述实时警情信息的关联处警信息;
获取实时警情信息的处警记录信息,并建立所述处警记录信息和所述关联处警信息的关联信息。
更进一步地,关联模块40,还用于
当接收到对于所述目标处警信息的查看指令时,确定所述查看指令对应的目标处警信息作为指定处警信息;
若所述指定处警信息存在关联信息,则确定所述指定处警信息对应的各关联处警信息,并根据所述关联信息中各所述关联处警信息的关联时间,将各所述关联处警信息按序排列显示。
此外,本发明实施例还提出一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的处警方法中的操作,具体步骤此处不再过多赘述。
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/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序;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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中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。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,车辆,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种处警方法,其特征在于,所述处警方法包括以下步骤:
获取下发的实时警情信息;
根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息;
对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息;
将所述相似度超过预设相似度阈值的候选历史处警信息作为与所述实时警情信息关联的目标处警信息;
获取所述目标处警信息中历史警务人员的当前工作状态和当前位置,其中所述历史警务人员为在所述目标处警信息中处理了所述目标处警信息对应目标历史警情的警务人员;
当所述当前工作状态为空闲状态,且所述当前位置与所述实时警情信息中的警情发生地址的实时距离低于预设距离阈值时,将所述实时警情信息和所述目标处警信息发送至所述历史警务人员;
若是存在两个及两个以上的历史警务人员,且各所述历史警务人员的当前工作状态为空闲状态,所述各历史警务人员的当前位置与所述实时警情信息中的警情发生地址的实时距离低于预设距离阈值,则将所述实时警情信息发送至各所述历史警务人员中所述实时距离最小的历史警务人员;
所述将所述相似度超过预设相似度阈值的候选历史处警信息作为与所述实时警情信息关联的目标处警信息的步骤之后,包括:
当接收到对于所述目标处警信息的关联指令时,将所述关联指令对应的目标处警信息作为所述实时警情信息的关联处警信息;
获取实时警情信息的处警记录信息,并建立所述处警记录信息和所述关联处警信息的关联信息;
所述当接收到对于所述目标处警信息的关联指令时,将所述关联指令对应的目标处警信息作为所述实时警情信息的关联处警信息的步骤之前,还包括:
当接收到对于所述目标处警信息的查看指令时,确定所述查看指令对应的目标处警信息作为指定处警信息;
若所述指定处警信息存在关联信息,则确定所述指定处警信息对应的各关联处警信息,并根据所述关联信息中各所述关联处警信息的关联时间,将各所述关联处警信息按序排列显示。
2.如权利要求1所述的处警方法,其特征在于,所述警情特征包括警情发生地址和警情类型,所述根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息的步骤,包括:
根据所述实时警情信息的警情类型,从所述预设数据库中筛选出与所述警情类型对应的初选历史处警信息,其中所述初选历史处警信息还包括历史警情位置;
根据所述警情发生地址,确定所述初选历史处警信息中所述历史警情位置在所述警情发生位置的预设范围内的第一候选历史处警信息,并将所述第一候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。
3.如权利要求2所述的处警方法,其特征在于,所述警情特征还包括警情涉及人员,所述初选历史处警信息还包括历史涉及人员,所述根据所述实时警情信息的警情类型,从所述预设数据库中筛选出与所述警情类型对应的初选历史处警信息的步骤之后,还包括:
根据所述警情涉及人员,确定所述初选历史处警信息中的历史涉及人员包含所述警情涉及人员的第二候选历史处警信息,并将所述第二候选历史处警信息作为与所述警情特征匹配的候选历史处警信息。
4.如权利要求3所述的处警方法,其特征在于,所述对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选出与所述实时警情信息关联的目标处警信息的步骤,包括:
基于预设数量的检索算法,计算各所述候选历史处警信息与所述实时警情信息的匹配率;
根据各所述检索算法的预设权值,对各所述候选历史处警信息的匹配率进行加权平均,得到各所述候选历史处警信息的相似度;
将所述相似度超过预设相似度阈值的候选历史处警信息作为与所述实时警情信息关联的目标处警信息。
5.如权利要求4所述的处警方法,其特征在于,所述检索算法包括:卷积神经网络算法、编辑距离短文本相似算法、词频逆向文件频率算法、词向量算法、循环神经网络算法。
6.一种处警系统,其特征在于,所述处警系统包括:
获取模块,用于获取下发的实时警情信息;
匹配模块,用于根据所述实时警情信息的警情特征,确定预设数据库中与所述警情特征匹配的候选历史处警信息;
筛选模块,用于对所述实时警情信息和各所述候选历史处警信息进行相似度计算,根据计算结果筛选与所述实时警情信息关联的目标处警信息;
将所述相似度超过预设相似度阈值的候选历史处警信息作为与所述实时警情信息关联的目标处警信息;
所述处警系统还用于:
获取所述目标处警信息中历史警务人员的当前工作状态和当前位置,其中所述历史警务人员为在所述目标处警信息中处理了所述目标处警信息对应目标历史警情的警务人员;
当所述当前工作状态为空闲状态,且所述当前位置与所述实时警情信息中的警情发生地址的实时距离低于预设距离阈值时,将所述实时警情信息和所述目标处警信息发送至所述历史警务人员;
若是存在两个及两个以上的历史警务人员,且各所述历史警务人员的当前工作状态为空闲状态,所述各历史警务人员的当前位置与所述实时警情信息中的警情发生地址的实时距离低于预设距离阈值,则将所述实时警情信息发送至各所述历史警务人员中所述实时距离最小的历史警务人员;
所述处警系统还包括:关联模块,用于:
当接收到对于所述目标处警信息的关联指令时,将所述关联指令对应的目标处警信息作为所述实时警情信息的关联处警信息;
获取实时警情信息的处警记录信息,并建立所述处警记录信息和所述关联处警信息的关联信息;
关联模块,还用于:
当接收到对于所述目标处警信息的查看指令时,确定所述查看指令对应的目标处警信息作为指定处警信息;
若所述指定处警信息存在关联信息,则确定所述指定处警信息对应的各关联处警信息,并根据所述关联信息中各所述关联处警信息的关联时间,将各所述关联处警信息按序排列显示。
7.一种车载设备,其特征在于,所述车载设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的处警方法的步骤。
8.一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上存储有处警程序,所述处警程序被处理器执行时实现如权利要求1至5中任一项所述的处警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211134931.1A CN115525803B (zh) | 2022-09-16 | 2022-09-16 | 处警方法、系统、车载设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211134931.1A CN115525803B (zh) | 2022-09-16 | 2022-09-16 | 处警方法、系统、车载设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115525803A CN115525803A (zh) | 2022-12-27 |
CN115525803B true CN115525803B (zh) | 2024-02-23 |
Family
ID=84696851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211134931.1A Active CN115525803B (zh) | 2022-09-16 | 2022-09-16 | 处警方法、系统、车载设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115525803B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355324A (zh) * | 2016-08-30 | 2017-01-25 | 长威信息科技发展股份有限公司 | 一种警情信息快速反馈方法及系统 |
CN106372154A (zh) * | 2016-08-30 | 2017-02-01 | 长威信息科技发展股份有限公司 | 一种快速导航辅助指挥的方法及系统 |
CN106408164A (zh) * | 2016-08-30 | 2017-02-15 | 长威信息科技发展股份有限公司 | 一种警力资源调度方法及系统 |
CN107944758A (zh) * | 2017-12-15 | 2018-04-20 | 武汉虹信技术服务有限责任公司 | 一种智能警情处理方法及系统 |
CN110532292A (zh) * | 2019-08-20 | 2019-12-03 | 深圳追一科技有限公司 | 警情串并方法、装置、设备及存储介质 |
CN110837601A (zh) * | 2019-10-25 | 2020-02-25 | 杭州叙简科技股份有限公司 | 一种警情的自动分类与预测方法 |
CN111046119A (zh) * | 2019-11-25 | 2020-04-21 | 武汉烽火众智数字技术有限责任公司 | 一种公安接出警方法及系统 |
CN111382779A (zh) * | 2019-12-31 | 2020-07-07 | 清华大学 | 警情相似度识别方法、装置及设备 |
CN111680186A (zh) * | 2020-06-04 | 2020-09-18 | 深圳市华德安科技有限公司 | 数据关联方法、装置、设备及可读存储介质 |
WO2020215894A1 (zh) * | 2019-04-25 | 2020-10-29 | 深圳前海微众银行股份有限公司 | 一种告警方法、装置及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040186739A1 (en) * | 2002-11-01 | 2004-09-23 | David Bolles | Customer configurable system and method for alarm system and monitoring service |
US20100211192A1 (en) * | 2009-02-17 | 2010-08-19 | Honeywell International Inc. | Apparatus and method for automated analysis of alarm data to support alarm rationalization |
CN109905270B (zh) * | 2018-03-29 | 2021-09-14 | 华为技术有限公司 | 定位根因告警的方法、装置和计算机可读存储介质 |
-
2022
- 2022-09-16 CN CN202211134931.1A patent/CN115525803B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355324A (zh) * | 2016-08-30 | 2017-01-25 | 长威信息科技发展股份有限公司 | 一种警情信息快速反馈方法及系统 |
CN106372154A (zh) * | 2016-08-30 | 2017-02-01 | 长威信息科技发展股份有限公司 | 一种快速导航辅助指挥的方法及系统 |
CN106408164A (zh) * | 2016-08-30 | 2017-02-15 | 长威信息科技发展股份有限公司 | 一种警力资源调度方法及系统 |
CN107944758A (zh) * | 2017-12-15 | 2018-04-20 | 武汉虹信技术服务有限责任公司 | 一种智能警情处理方法及系统 |
WO2020215894A1 (zh) * | 2019-04-25 | 2020-10-29 | 深圳前海微众银行股份有限公司 | 一种告警方法、装置及系统 |
CN110532292A (zh) * | 2019-08-20 | 2019-12-03 | 深圳追一科技有限公司 | 警情串并方法、装置、设备及存储介质 |
CN110837601A (zh) * | 2019-10-25 | 2020-02-25 | 杭州叙简科技股份有限公司 | 一种警情的自动分类与预测方法 |
CN111046119A (zh) * | 2019-11-25 | 2020-04-21 | 武汉烽火众智数字技术有限责任公司 | 一种公安接出警方法及系统 |
CN111382779A (zh) * | 2019-12-31 | 2020-07-07 | 清华大学 | 警情相似度识别方法、装置及设备 |
WO2021136455A1 (zh) * | 2019-12-31 | 2021-07-08 | 清华大学 | 警情相似度识别方法、装置及设备 |
CN111680186A (zh) * | 2020-06-04 | 2020-09-18 | 深圳市华德安科技有限公司 | 数据关联方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115525803A (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598885B (zh) | 监控系统及其报警方法 | |
CN107566358B (zh) | 一种风险预警提示方法、装置、介质及设备 | |
CN110782625A (zh) | 乘车安全报警方法、装置、电子设备及存储介质 | |
CN110493476B (zh) | 一种检测方法、装置、服务器及存储介质 | |
CN113850665B (zh) | 基于物流金融知识图谱的防控欺诈方法和系统 | |
CN112329688B (zh) | 一种公共场合用智能风险管控系统 | |
CN112634580A (zh) | 社区警情处理方法、服务器、执行终端及系统 | |
CN111651664B (zh) | 基于事故位置点的事故车辆定位方法、装置、存储介质及电子设备 | |
CN113610247A (zh) | 货运车辆的故障求助方法、装置、存储介质及终端 | |
CN110557466A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN116933252A (zh) | 一种安全监测方法、装置、设备及介质 | |
CN115525803B (zh) | 处警方法、系统、车载设备及计算机可读存储介质 | |
CN111524614B (zh) | 一种疫情信息通知系统 | |
US20220194404A1 (en) | Method and system for warning drivers in orders with high risk | |
CN113673870B (zh) | 一种企业数据分析方法及相关组件 | |
CN111080012A (zh) | 人员危险度预测方法、装置、电子设备和可读存储介质 | |
CN115329347A (zh) | 基于车联网漏洞数据的预测方法、设备和存储介质 | |
CN111553826B (zh) | 智慧城市数据处理方法 | |
CN110852517B (zh) | 非正常行为预警方法、装置、数据处理设备及存储介质 | |
CN110782061A (zh) | 一种恶性事件的预测方法及系统 | |
CN113435753A (zh) | 高危行业中企业风险判定方法、装置、设备及介质 | |
CN111372197B (zh) | 预警方法及相关装置 | |
CN113343699A (zh) | 日志安全风险的监测方法、装置、电子设备及介质 | |
CN112465331A (zh) | 乘车安全控制方法、模型训练方法、装置、设备及介质 | |
CN110751567A (zh) | 车辆信息处理方法、装置、计算机设备和存储介质 |
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 |