CN117474330A - 考虑用户画像的多灾害差异化预警信息生成方法及设备 - Google Patents
考虑用户画像的多灾害差异化预警信息生成方法及设备 Download PDFInfo
- Publication number
- CN117474330A CN117474330A CN202311433232.1A CN202311433232A CN117474330A CN 117474330 A CN117474330 A CN 117474330A CN 202311433232 A CN202311433232 A CN 202311433232A CN 117474330 A CN117474330 A CN 117474330A
- Authority
- CN
- China
- Prior art keywords
- information
- disaster
- user
- early warning
- portrait data
- 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 63
- 230000004069 differentiation Effects 0.000 title claims description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000011282 treatment Methods 0.000 claims description 38
- 238000003860 storage Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 36
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 230000002265 prevention Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000007123 defense Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003287 bathing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 230000003245 working effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q50/265—Personal security, identity or safety
Abstract
本申请提供一种考虑用户画像的多灾害差异化预警信息生成方法及设备，该方法获取灾害风险信息的相关信息，其中，灾害风险信息包括历史灾害信息和灾害监测信息；获取用户信息，根据用户信息建立用户特征画像数据；根据灾害风险信息的相关信息和用户特征画像数据，生成针对目标用户的灾害预警提示信息，并确定灾害预警提示信息的发送方式和发送时间；根据发送方式和发送时间，向目标用户的终端设备发送灾害预警提示信息，提高了灾害信息预警处理的灵活性，实现了更加精准的预警提示。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种考虑用户画像的多灾害差异化预警信息生成方法及设备。
背景技术
通常，预警是指在灾害或灾难以及其他需要提防的危险发生之前，根据以往的总结的规律或观测得到的可能性前兆，向相关部门发出紧急信号，报告危险情况，以避免危害在不知情或准备不足的情况下发生，从而最大程度的减轻危害所造成的损失的行为。
目前，当监测或预测到灾害信息时，将灾害信息发布至相关部门，相关部分再直接发送灾害信息的整体状况及预报信息等至用户，向所有用户统一发送相同的灾害信息。
然而，现有技术的灾害信息预警处理方法灵活性差。
发明内容
本申请提供一种考虑用户画像的多灾害差异化预警信息生成方法及设备，以解决现有技术的灾害信息预警处理方法灵活性差的技术问题。
第一方面，本申请提供考虑用户画像的多灾害差异化预警信息生成方法，包括：
获取灾害风险信息的相关信息，其中，所述灾害风险信息包括历史灾害信息和灾害监测信息；
获取用户信息，根据所述用户信息建立用户特征画像数据；
根据所述灾害风险信息的相关信息和所述用户特征画像数据，生成针对目标用户的灾害预警提示信息，并确定所述灾害预警提示信息的发送方式和发送时间；
根据所述发送方式和发送时间，向所述目标用户的终端设备发送所述灾害预警提示信息。
本申请实施例提供一种能够基于用户特征发送灾害预警信息的方法，结合灾害的历史灾害信息和灾害监测信息的相关情况，通过大数据等方式构建用户特征画像数据，进行用户差异化分类，通过灾害的历史灾害信息和灾害监测信息的相关情况以及用户特征画像数据，针对不同的用户确定定制化的灾害预警提示信息，改变目前以灾害强度为主的预警信息内容，建立以用户为中心的预警信息库，为灾害预警提供更加丰富和定制化的信息内容，提高了灾害信息预警处理的灵活性，实现了更加精准的预警提示。
可选地，所述根据所述用户信息建立用户特征画像数据，包括：
根据所述用户信息，建立位置信息画像数据，并根据所述用户信息，建立用户特征分类画像数据。
这里，本申请实施例基于用户信息分别建立位置信息画像数据和用户特征分类画像数据，通过位置信息画像数据能够准备根据用户的位置预测灾害，通过用户特征分类画像数据能够基于用户的特征为用户确定定制化的灾害风险提示内容和灾害风险提示方式，进一步地提高了灾害信息预警处理的准确性和灵活性，提高了用户体验。
可选地，所述根据所述用户信息，建立位置信息画像数据，包括：
根据所述用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息；
根据所述当前位置信息和预设时间段内的移动趋势信息，建立位置信息画像数据。
其中，本申请实施例能够通过用户信息来确定用户的当前位置信息，并预测用户在预设时间段内的移动趋势信息，从而根据用户的当前位置信息和预设时间段内的移动趋势信息准确进行灾害风险预测，进一步地提高了灾害信息预警处理的准确性，能够有效预测并提示用户灾害风险。
可选地，所述根据所述用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息，包括：
对所述用户信息进行聚类处理，确定用户的当前位置信息和预设时间段内的移动趋势信息。
这里，本申请实施例能够通过聚类算法准确确定用户的空间特征，聚类的目标是进行概括并揭示空间和非空间属性之间的关系，从而对用户的灾害风险情况进行准确预测，进一步地提高了灾害风险预测处理的准确性。
可选地，所述根据所述灾害风险信息的相关信息和所述用户特征画像数据，生成针对目标用户的灾害预警提示信息，包括：
根据所述灾害风险信息的相关信息和所述位置信息画像数据，确定目标用户；
根据所述位置信息画像数据和所述用户特征分类画像数据，生成针对目标用户的灾害预警提示信息。
这里，本申请实施例可以基于用户的位置信息画像数据以及灾害风险信息的相关信息，确定存在灾害风险的目标用户，再结合用户的其他特征生成针对目标用户的灾害预警提示信息，有针对性地为用户生成定制化的灾害风险预警，进一步地提高了灾害风险预测处理的灵活性，提高了用户体验。
可选地，所述生成针对目标用户的灾害预警提示信息，包括：
生成针对目标用户的预警灾害信息的详细信息；
根据所述详细信息和所述目标用户的用户特征画像数据，生成针对所述预警灾害信息的应急处置信息；
根据所述预警灾害信息的详细信息和所述应急处置信息，生成灾害预警提示信息。
这里，本申请实施例还为用户提供应急处置信息，为用户提供了规避风险的方式，提高了用户体验。
可选地，所述确定所述灾害预警提示信息的发送方式和发送时间，包括：
根据所述灾害风险信息的相关信息和所述用户特征分类画像数据，确定所述灾害预警提示信息的发送方式和发送时间。
这里，本申请实施例基于用户特征分类画像数据为用户确定灾害预警提示信息的发送方式和发送时间，实现了灾害风险预警的灵活性及准确性。
可选地，所述相关信息包括灾害类型、灾害强度大小、灾害影响范围、灾害持续时间和避险处置方式中的至少一种。
第二方面，本申请实施例提供了一种考虑用户画像的多灾害差异化预警信息生成装置，包括：
第一获取模块，用于获取灾害风险信息的相关信息，其中，所述灾害风险信息包括历史灾害信息和灾害监测信息；
第二获取模块，用于获取用户信息，根据所述用户信息建立用户特征画像数据；
第一处理模块，用于根据所述灾害风险信息的相关信息和所述用户特征画像数据，生成针对目标用户的灾害预警提示信息，并确定所述灾害预警提示信息的发送方式和发送时间；
第二处理模块，用于根据所述发送方式和发送时间，向所述目标用户的终端设备发送所述灾害预警提示信息。
可选地，所述第二获取模块具体用于：
根据所述用户信息，建立位置信息画像数据，并根据所述用户信息，建立用户特征分类画像数据。
可选地，所述第二获取模块还具体用于：
根据所述用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息；
根据所述当前位置信息和预设时间段内的移动趋势信息，建立位置信息画像数据。
可选地，所述第二获取模块还具体用于：
所述根据所述用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息，包括：
对所述用户信息进行聚类处理，确定用户的当前位置信息和预设时间段内的移动趋势信息。
可选地，所述第一处理模块具体用于：根据所述灾害风险信息的相关信息和所述位置信息画像数据，确定目标用户；根据所述位置信息画像数据和所述用户特征分类画像数据，生成针对目标用户的灾害预警提示信息。
可选地，所述第一获取模块还具体用于：生成针对目标用户的预警灾害信息的详细信息；根据所述详细信息和所述目标用户的用户特征画像数据，生成针对所述预警灾害信息的应急处置信息；
根据所述预警灾害信息的详细信息和所述应急处置信息，生成灾害预警提示信息。
可选地，所述第一处理模块还具体用于：
根据所述灾害风险信息的相关信息和所述用户特征分类画像数据，确定所述灾害预警提示信息的发送方式和发送时间。
可选地，所述相关信息包括灾害类型、灾害强度大小、灾害影响范围、灾害持续时间和避险处置方式中的至少一种。
第三方面，本申请提供一种考虑用户画像的多灾害差异化预警信息生成设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的考虑用户画像的多灾害差异化预警信息生成方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的考虑用户画像的多灾害差异化预警信息生成方法。
第五方面，本申请提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上第一方面以及第一方面各种可能的设计所述的考虑用户画像的多灾害差异化预警信息生成方法。
本申请提供的考虑用户画像的多灾害差异化预警信息生成方法及设备，其中该方法结合灾害的历史灾害信息和灾害监测信息的相关情况，通过大数据等方式构建用户特征画像数据，进行用户差异化分类，通过灾害的历史灾害信息和灾害监测信息的相关情况以及用户特征画像数据，针对不同的用户确定定制化的灾害预警提示信息，改变目前以灾害强度为主的预警信息内容，建立以用户为中心的预警信息库，为灾害预警提供更加丰富和定制化的信息内容，提高了灾害信息预警处理的灵活性，实现了更加精准的预警提示。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种考虑用户画像的多灾害差异化预警信息生成系统架构示意图；
图2为本申请实施例提供的一种考虑用户画像的多灾害差异化预警信息生成方法的流程示意图；
图3为本申请实施例提供的一种基于层次聚类的用户空间位置分区示例图；
图4为本申请实施例提供的一种用户特征标签的系列属性示意图；
图5为本申请实施例提供的一种灾害预警信息结构化生成维度示意图；
图6为本申请实施例提供的一种考虑用户画像的多灾害差异化预警信息生成装置的结构示意图；
图7为本申请实施例提供的一种考虑用户画像的多灾害差异化预警信息生成设备的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
借助电视、电台、报纸、电话、网络以及手机短信、电子显示屏等多种信息传播手段分发的各种灾害预警信息和预警信号，在突发事件应急响应发挥了重要的灾害保障作用，例如天气预警频道等，可以实时查看各类突发事件和气象灾害等预警信息。以台风为例，有效预警能够极大减少了台风造成的影响。目前，当监测或预测到灾害信息时，将灾害信息发布至相关部门，相关部分再直接发送灾害信息的整体状况及预报信息等至用户，向所有用户统一发送相同的灾害信息。
相关技术中，预警信息多主要以灾害强度为主，较少涉及对普通群众面对即将来临的灾害进行避险处置和减灾防御的建议，对可能遭受不同灾害强度的公众避险指引性有待补充和提高；预警信息内容无差别，缺乏对不同接收用户特点及其关注内容差异的考量，无法满足不同用户的特定需求，用户关注度和重视程度普遍不高。因此，现有技术存在灾害信息预警处理方法灵活性差的技术问题。
为了解决上述技术问题，本申请实施例提供了一种考虑用户画像的多灾害差异化预警信息生成方法及设备，该方法结合灾害的历史灾害信息和灾害监测信息的相关情况，通过大数据等方式构建用户特征画像数据，进行用户差异化分类，通过灾害的历史灾害信息和灾害监测信息的相关情况以及用户特征画像数据，针对不同的用户确定定制化的灾害预警提示信息，改变目前以灾害强度为主的预警信息内容，建立以用户为中心的预警信息库，为灾害预警提供更加丰富和定制化的信息内容。
可选地，本申请实施例提供的方法，结合灾害强度及其影响范围空间分布，通过大数据等方式构建用户画像模型，进行用户差异化分类，构建耦合灾害类型、灾害强度、用户特征和避险处置等多要素的预警信息，并形成灾害预警信息知识图谱，有助于实现靶向传播、“千人千面”的定制化灾害预警。
可选地，本申请实施例提供的方法，结合灾害强度及其影响范围空间分布，通过大数据等方式构建用户画像模型，将用户画像细分为空间位置和属性特征，进行用户差异化分类，构建耦合灾害类型、灾害强度、用户特征和避险处置的预警信息库，实现靶向传播、千人千面的告警。
可选地，本申请实施例生成的灾害预警信息主要包括：预警信息来源、预警时间、灾害类型、预警信号等级(灾害强度)、预警时长(灾害持续时间)、预警区域位置(灾害影响范围)、考虑用户特征的避险处置建议等内容。通过本申请实施例的考虑用户画像的多灾害差异化预警信息生成方法，突破了目前“千篇一律”的预警信息，解决未有效考虑用户差异性需求和个人的人身安全、财产安全灾害避险处置等问题，可提升灾害预警信息的内容丰富度，提高灾害预警信息的实用性和靶向性，增加用户对预警信息的关注和重视程度。
可选地，本申请实施例基于历史数据以及实时数据来预测未来数据，基于时间变化实现未来时间的数据预测。
可选地，本申请实施例能够建立灾害风险和数据数据库，包括灾害类型判别、灾害强度大小、灾害影响范围和持续时间以及灾害处置等数据。
可选地，本申请实施例能够建立用户特征画像模型，其中包括用户标签特征(用户特征画像数据)，主要包括位置场所(位置信息画像数据)以及特征分类(用户特征分类画像数据)。
可选地，本申请实施例结合上述灾害风险和数据数据库以及用户特征画像模型的数据，能够生成灾害预警信息，灾害预警信息可包括灾害类型、实时与预测的强度、影响范围、持续时间和结合用户画像特点匹配响应的灾害避险处置建议等。
可选地，结合上述灾害风险和数据数据库以及用户特征画像模型的数据，能够生成灾害预警信息主要包括以下步骤：
首先，获取多灾种灾害风险信息，包含灾害类型、灾害强度大小、灾害影响范围和持续时间，以及相关的避险处置；
其次，对用户标签进行特征画像分析，将构建用户位置场所预测和特征分类模型；
然后，考虑灾害风险和用户特征属性随时间变化，对灾害风险进行实时和预测评估，对用户当前和后续移动进行分析和预测评估；
最后，结合灾害风险、避险处置、用户特征画像和时间变化等要素，结构化自动生成包含灾害类型、实时与预测灾害强度、影响范围、持续时间和考虑用户画像特点的灾害避险处置建议等综合内容的灾害预警信息，并构建灾害预警信息知识图谱库，服务于灾害预警靶向精准发布。
可选的，图1为本申请实施例提供的一种考虑用户画像的多灾害差异化预警信息生成系统架构示意图。在图1中，上述架构包括数据采集设备101、处理设备102和显示设备103中至少一种。
可以理解的是，本申请实施例示意的结构并不构成对考虑用户画像的多灾害差异化预警信息生成系统架构的具体限定。在本申请另一些可行的实施方式中，上述架构可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置，具体可根据实际应用场景确定，在此不做限制。图1所示的部件可以以硬件，软件，或软件与硬件的组合实现。
在具体实现过程中，数据采集设备101可以包括输入/输出接口，也可以包括通信接口，数据采集设备101可以通过输入/输出接口或者是通信接口与处理设备连接。
处理设备102可以结合灾害的历史灾害信息和灾害监测信息的相关情况，通过大数据等方式构建用户特征画像数据，进行用户差异化分类，通过灾害的历史灾害信息和灾害监测信息的相关情况以及用户特征画像数据，针对不同的用户确定定制化的灾害预警提示信息，改变目前以灾害强度为主的预警信息内容，建立以用户为中心的预警信息库，为灾害预警提供更加丰富和定制化的信息内容。
显示设备103还可以是触摸显示屏或者终端设备的屏幕，用于在显示的上述内容的同时接收用户指令，以实现与用户的交互。
应理解，上述处理设备可以通过处理器读取存储器中的指令并执行指令的方式实现，也可以通过芯片电路实现。
另外，本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图2为本申请实施例提供的一种考虑用户画像的多灾害差异化预警信息生成方法的流程示意图，本申请实施例可以应用于图1中的处理设备102，具体执行主体可以根据实际应用场景确定。如图2所示，该方法包括如下步骤：
S201：获取灾害风险信息的相关信息。
其中，灾害风险信息包括历史灾害信息和灾害监测信息。
可选地，相关信息包括灾害类型、灾害强度大小、灾害影响范围、灾害持续时间和避险处置方式中的至少一种。
可选地，灾害发生位置、强度大小和影响范围可以有以下三种方式获取：
第一种，基于布设灾害监测设备获取灾害的位置、强度和影响范围等，比如通过气象预警雷达、海洋资源卫星检测台风发源和路径，利用气象观测站、气象探测无人机、激光雷达、云高仪等设备监测台风强度和范围；或者利用遥感卫星、无人机和地面高清摄像头等红外和可见光波段监测、识别森林草原的火情；或者通过地震监测仪(如强震动仪)、激光位移计等监测地震的位置、震级和破坏强度等。该方法多用于需要在秒级、分钟级别的快速预警，比如地震、森林火灾等，需要利用监测设备及时获取灾害风险信息，以便及时紧急处置。以地震为例，可以在地震活动性比较活跃地区布设大量地震监测仪器，构建地震监测台网，从而建立可以实时进行地震预警的系统。
第二种，通过气象、地震、地质等部门实时公开的灾害数据获取，比如通过公开的网站获取台风、强对流、地质灾害、森林火灾、渍涝等气象灾害风险信息。该方法多用于小时级别或者天(24小时)级别的灾害预警，比如暴雨、台风、冰雹强对流等灾害。以台风为例，从公开的天气查询网站可实时获取台风名称、具体时间、中心位置、最大风速、最大风速、气旋强度、中心气压等，以及7级、10级、12级台风风圈半径等台风灾害信息。
第三种，基于数值模拟或模型计算的灾害风险信息，比如通过全球模式、区域模式或者工程参数化模型计算的台风、降雨、高温、低温等气象灾害信息，或者基于观测数据再进行数值模拟、模型计算的灾害信息(如由于地震或暴雨导致滑坡、泥石流的风险)。该方法由于需要进行大量计算，多用于小时级别或者天数级别的灾害预警，比如台风、暴雨、干旱和地质灾害等。以某一历史台风为例，基于台风路径观测和预测路径数据，构建参数化台风风场模型，对影响范围内台风风力的强度进行计算，得出全路径过程中各场点遭受的最大风速进行空间展布，可以计算台风影响范围内任意一点的台风风速大小、遭受影响的持续时间，用来做后续灾害风险预警的数据基础。
可选地，可以基于灾害发生位置、强度大小、影响范围和持续时间，结合气象部门的相关预警信号规定，给出预警等级，并针对不同预警等级给出防御措施和避险处置，该防御措施和避险处置可以以表格的形式预先存储在数据库中，部分灾种的预警规定和部分避险处置建议如下：
灾害类别为台风，预警级别为蓝色，规定标准为24小时内可能或者已经受热带气旋影响，沿海或者陆地平均风力达6级以上，或者阵风8级以上并可能持续。防御措施和避险处置：1.1.进入台风戒备状态，居民及时了解台风最新消息和防御通知，避免前往室外人口密集场所和沿海区域；1.2.有关单位、物业服务企业和个人加固门窗和临时搭建物，安置室外搁置物和悬挂物；1.3.建设单位、施工单位采取加固措施，加强在建工地设施、机械设备的安全防护；1.4.港口和水上设施、船舶经营管理单位立即全面启动防台风预案，采取防台风措施或者做好防台风准备，海上作业人员适时撤离；1.5.相关部门按照预案，及时组织高空、户外作业人员做好防御工作。
灾害类别为台风，预警级别为黄色，规定标准为24小时内可能或者已经受热带气旋影响，沿海或者陆地平均风力达8级以上，或者阵风10级以上并可能持续。防御措施和避险处置：2.1.进入台风防御状态，避险场所开放，居民留在安全场所暂避；2.2.托儿所、幼儿园和中小学停课，未启程上学的学生不必到校上课，上学、放学途中的学生就近到安全场所暂避或者在安全情况下回家，学校妥善安置在校(含校车上、寄宿)学生，在确保安全的情况下安排学生离校回家，具体按照教育部门指引执行；2.3.用人单位根据工作地点、工作性质、防灾避灾需要等情况安排工作人员推迟上班、提前下班或者停工，并为在岗以及滞留单位的工作人员提供必要的避险措施；2.4.停止大型户外活动，单位和个人(特殊行业除外)立即停止高空、户外作业，处于海边、危房、简易工棚等可能发生危险区域的人员撤离；2.5.港口和水上设施、船舶经营管理单位全面落实防台风预案，采取防台风措施，做好应急准备，回港避风船舶不得擅自离港，海上避风船舶应当落实防御措施，海上作业人员立即撤离；2.6.滨海浴场、景区、公园、游乐场发出警示信息，适时关闭相关区域、停止营业，组织人员避险；2.7.相关应急处置部门和抢险单位加强值班，实时关注灾情，落实应对措施。
灾害类别为台风，预警级别为橙色，规定标准为12小时内可能或者已经受热带气旋影响，沿海或者陆地平均风力达10级以上，或者阵风12级以上并可能持续。防御措施和避险处置：3.1.进入台风紧急防御状态，避险场所开放，居民留在室内或者到安全场所避风，密切关注台风最新消息和防御通知；3.2.托儿所、幼儿园和中小学停课，未启程上学的学生不必到校上课，上学、放学途中的学生就近到安全场所暂避或者在安全情况下回家，学校妥善安置在校(含校车上、寄宿)学生，在确保安全的情况下安排学生离校回家，具体按照教育部门指引执行；3.3.用人单位根据工作地点、工作性质、防灾避灾需要等情况安排工作人员推迟上班、提前下班或者停工，并为在岗以及滞留单位的工作人员提供必要的避险措施；3.4.停止大型活动，立即疏散人员，处于海边、危房、简易工棚等可能发生危险区域的人员撤离；3.5.港口和水上设施、船舶经营管理单位全面落实防台风预案，采取有效防台风措施，随时准备采取应急行动；3.6.滨海浴场、景区、公园、游乐场立即停止营业，组织人员避险；3.7.供水、供电、供气、通讯等部门密切关注基础设施受损情况，做好保障工作；3.8.机场、轨道交通、高速公路、港口码头等经营管理单位按照行业规定迅速采取措施，保障交通安全；3.9.相关应急处置部门和抢险单位密切监视灾情，做好应急抢险救灾工作。
灾害类别为台风，预警级别为红色，规定标准为6小时内可能或者已经受热带气旋影响，沿海或者陆地平均风力达12级以上，或者阵风达14级以上并可能持续。防御措施和避险处置：4.1.进入台风特别紧急防御状态，避险场所开放，居民确保留在安全场所；4.2.托儿所、幼儿园和中小学停课，未启程上学的学生不必到校上课，上学、放学途中的学生就近到安全场所暂避或者在安全情况下回家，学校妥善安置在校(含校车上、寄宿)学生，在确保安全的情况下安排学生离校回家，具体按照教育部门指引执行；4.3.用人单位(特殊行业除外)适时停工，并为滞留人员提供安全的避风场所；4.4.机场、轨道交通、高速公路、港口码头等经营管理单位按照行业规定采取交通安全管制措施；4.5.港口和水上设施、船舶经营管理单位全面落实防台风预案，采取有效防台风措施，随时准备采取应急行动；4.6.台风中心经过时风力会减小或者静止一段时间，保持戒备，以防强风突然再袭。
本申请实施例对具体的处置方式不做具体的限制，可以根据实际情况确定。
可选地，可以基于历史避险处置方式生成应对风险的避险处置方式发送至用户。
可选地，可以结合上述的灾害预警级别和防御措施，再根据用户的所在空间位置和具体特征分类，生成更有针对性的灾害避险处置建议。
S202：获取用户信息，根据用户信息建立用户特征画像数据。
可选地，根据通信运营商、网购电商平台、手机应用程序等获取用户信息，构建个人用户的一系列标签数据集，进而对用户特征画像进行精准画像，以便为“千人千面”的灾害预警信息生成提供支撑。
可选地，根据用户信息建立用户特征画像数据，包括：
根据用户信息，建立位置信息画像数据，并根据用户信息，建立用户特征分类画像数据。
这里，本申请实施例基于用户信息分别建立位置信息画像数据和用户特征分类画像数据，通过位置信息画像数据能够准备根据用户的位置预测灾害，通过用户特征分类画像数据能够基于用户的特征为用户确定定制化的灾害风险提示内容和灾害风险提示方式，进一步地提高了灾害信息预警处理的准确性和灵活性，提高了用户体验。
可选地，根据用户信息，建立位置信息画像数据，包括：
根据用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息；
根据当前位置信息和预设时间段内的移动趋势信息，建立位置信息画像数据。
其中，本申请实施例能够通过用户信息来确定用户的当前位置信息，并预测用户在预设时间段内的移动趋势信息，从而根据用户的当前位置信息和预设时间段内的移动趋势信息准确进行灾害风险预测，进一步地提高了灾害信息预警处理的准确性，能够有效预测并提示用户灾害风险。
可选地，根据用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息，包括：
对用户信息进行聚类处理，确定用户的当前位置信息和预设时间段内的移动趋势信息。
这里，本申请实施例能够通过聚类算法准确确定用户的空间特征，聚类的目标是进行概括并揭示空间和非空间属性之间的关系，从而对用户的灾害风险情况进行准确预测，进一步地提高了灾害风险预测处理的准确性。
在一种可能的实现方式中，通过用户空间位置聚类和预测确定位置信息画像数据：
用户空间位置直接决定了遭受灾害的影响程度，是本申请实施例中预警信息生成的重要因素，如越靠近暴雨中心遭受的降雨强度越大、可能发生的洪涝危险性也越大，需要根据灾害影响程度对用户避险处置进行指导建议，其重点就需要由从财产安全到人身安全进行侧重考虑。
因此，首先要确定用户位置信息，包括当前时刻的实时位置，以及预测用户后续一段时间内可能移动的位置。这样结合灾害目前实时监测和未来预测的强度、影响范围，进行更加精细、准确的预警。而由于手机通信信号的定位特点，个人的位置信息通常是成簇、离散分布的，并且带有时间戳信息，因此先对用户位置进行聚类、研判，并结合时间要素，进行空间位置移动预测。
地理空间聚类是将一组空间对象分组为称为“聚类”的组的方法。簇内的对象表现出高度的相似性，而簇之间则尽可能地不同。聚类的目标是进行概括并揭示空间和非空间属性之间的关系。空间聚类可以分为以下五种主要类型：分区聚类、层次聚类、模糊聚类、基于密度的聚类、基于模型的聚类。
本申请实施例以层次聚类算法为例，并加上位置时间戳的影响，对单个用户空间位置进行分区和预测。通过该算法可以将用户位置进行聚类分区，再结合每个位置上的时间戳信息进行修正，并进一步分析得到该用户在不同分区的状态情况。算法逻辑和实现过程如下：
(1)(初始化)把每个样本位置点归为一类，如在地图上的点P1(x1，y1))和在地图上的点P2(x2，y2)为两个类，计算每两个类之间的欧氏距离D，也就是样本与样本之间的相似度；
(2)寻找各个类之间最近的两个类，把他们归为一类(这样类的总数就少了一个)，并将类型之间时间相近的赋予更大的归类权重；
(3)重新计算新生成的这个类与各个旧类之间的相似度；
(4)重复(2)和(3)直到所有样本点都归为一类，结束。
示范性地，图3为本申请实施例提供的一种基于层次聚类的用户空间位置分区示例图，如图3所示，A为工作日9-17点之间密度最高的区域，可以判定为用户的工作地点；B区为每日20-次日6点间密度最高的区域，可判定为用户的居住地点；C区为工作日6-9点和18-20点密度最高的区域，可判定为用户通勤路线。
在一种可能的实现方式中，用户属性特征分类，可以根据能获取的信息丰富程度，采用以下两种方法进行确定。
第一种，基于完整信息的明确分类方法。
根据用户提供的准确信息，将用户特征具体划分为以下类型，主要包含基础属性、地域属性、经济能力、身份职业、出行状态五个方面。其中“基础属性”、“经济能力”主要用来判别用户处置应对灾害的能力情况，“地域属性”和“出行状态”主要用来判别台风灾害来临时用户的位置信息和可能移动情况，“身份信息”主要用来判别用户接受预警信息的发送频次和提早时间。
可选地，基础属性可以包括性别和年龄中的至少一种。
可选地，地域属性可以包括手机号归属省份、手机号归属地市、身份证归属省份、身份证归属地市、身份证归属区、是否本地人、工作地省份、工作地地市、工作地区、居住地省份、居住地地市、居住地区中的至少一种。
可选地，经济能力可以包括五险一金/社保人群、居住小区单价(元/平方米)、居住小区同城等级、是否有私家车中的至少一种。
可选地，出行状态可以包括居家、工作、购物场所、旅游景区、休闲场所、差旅情况中的至少一种。
可选地，身份职业可以包括高中生、高校老师、网约车司机、外卖骑手、货运司机、汽车销售、房产中介、快递员、医生、白领、公务员中的至少一种。
第二种，基于多源数据的智能分类方法。
根据通信运营商、网购电商平台、应用程序等多来源数据，获取用户的特征标签数据，主要分为地理位置、通信属性和兴趣爱好等三大类，各类在细分为多种信息，具体二级分类的标签如下图所示，其中二级分类还有未展开的表情，单个人用户总共约有210个字段属性，示范性地，图4为本申请实施例提供的一种用户特征标签的系列属性示意图。然后根据用户的特征标签数据，采用如随机森林、主成分分析等方法，将多维度的用户特征信息降为分类属性。
采用以上方法，即可得到用户的位置信息，以及通过用户特征一系列的标签分析得到的五类关键信息，主要包含基础属性、地域属性、经济能力、身份职业、出行状态五个方面。其中“基础属性”、“经济能力”主要用来判别用户处置应对灾害的能力情况，“地域属性”和“出行状态”主要用来判别台风灾害来临时用户的位置信息和可能移动情况，“身份信息”主要用来判别用户接受预警信息的发送频次和提早时间。
S203：根据灾害风险信息的相关信息和用户特征画像数据，生成针对目标用户的灾害预警提示信息，并确定灾害预警提示信息的发送方式和发送时间。
可选地，根据灾害风险信息的相关信息和用户特征画像数据，生成针对目标用户的灾害预警提示信息，包括：
根据灾害风险信息的相关信息和位置信息画像数据，确定目标用户；
根据位置信息画像数据和用户特征分类画像数据，生成针对目标用户的灾害预警提示信息。
这里，本申请实施例可以基于用户的位置信息画像数据以及灾害风险信息的相关信息，确定存在灾害风险的目标用户，再结合用户的其他特征生成针对目标用户的灾害预警提示信息，有针对性地为用户生成定制化的灾害风险预警，进一步地提高了灾害风险预测处理的灵活性，提高了用户体验。
可选地，生成针对目标用户的灾害预警提示信息，包括：
生成针对目标用户的预警灾害信息的详细信息；
根据详细信息和目标用户的用户特征画像数据，生成针对预警灾害信息的应急处置信息；
根据预警灾害信息的详细信息和应急处置信息，生成灾害预警提示信息。
这里，本申请实施例还为用户提供应急处置信息，为用户提供了规避风险的方式，提高了用户体验。
可选地，确定灾害预警提示信息的发送方式和发送时间，包括：
根据灾害风险信息的相关信息和用户特征分类画像数据，确定灾害预警提示信息的发送方式和发送时间。
这里，本申请实施例基于用户特征分类画像数据为用户确定灾害预警提示信息的发送方式和发送时间，实现了灾害风险预警的灵活性及准确性。
在一种可能的实现方式中，图5为本申请实施例提供的一种灾害预警信息结构化生成维度示意图，基于上述示意图。预警信息结构化智能生成方式如下：
预警内容应当包括自然灾害类别、预警级别、起始时间、可能影响范围、警示事项、需要采取的措施和发布单位、发布时间等。
提供的灾害预警信息主要包括：预警信息来源、预警时间、灾害类型、预警信号等级(灾害强度)、预警时长(灾害持续时间)、预警区域位置(灾害影响范围)、考虑用户特征的避险处置建议等内容。
根据以上台风强度、用户位置和特征信息，本申请实施例可生产结构化的台风预警信息，核心内容主要包括如下部分：
发布信息：包括发布时间和发布单位，信息发布的机构一般为气象部门、应急管理部门等。
台风信息：包括强度(风速等级、降雨等级)、预计到达时间、持续时间、影响范围等。
结合用户特征的台风避险和应急处置内容：包括用户所在位置的台风影响严重程度，出行风险，人身安全防护和财产安全防护等建议。
S204：根据发送方式和发送时间，向目标用户的终端设备发送灾害预警提示信息。
本申请实施例提供一种能够基于用户特征发送灾害预警信息的方法，结合灾害的历史灾害信息和灾害监测信息的相关情况，通过大数据等方式构建用户特征画像数据，进行用户差异化分类，通过灾害的历史灾害信息和灾害监测信息的相关情况以及用户特征画像数据，针对不同的用户确定定制化的灾害预警提示信息，改变目前以灾害强度为主的预警信息内容，建立以用户为中心的预警信息库，为灾害预警提供更加丰富和定制化的信息内容，提高了灾害信息预警处理的灵活性，实现了更加精准的预警提示。
图6为本申请实施例提供的一种考虑用户画像的多灾害差异化预警信息生成装置的结构示意图，如图6所示，本申请实施例的装置包括：第一获取模块601、第二获取模块602、第一处理模块603和第二处理模块604。这里的考虑用户画像的多灾害差异化预警信息生成装置可以是服务器或者终端设备、服务器或者终端设备的处理设备或处理器等，或者是实现服务器或者终端设备的功能的芯片或者集成电路。这里需要说明的是，第一获取模块601、第二获取模块602、第一处理模块603和第二处理模块604的划分只是一种逻辑功能的划分，物理上两者可以是集成的，也可以是独立的。
其中，第一获取模块，用于获取灾害风险信息的相关信息，其中，灾害风险信息包括历史灾害信息和灾害监测信息；
第二获取模块，用于获取用户信息，根据用户信息建立用户特征画像数据；
第一处理模块，用于根据灾害风险信息的相关信息和用户特征画像数据，生成针对目标用户的灾害预警提示信息，并确定灾害预警提示信息的发送方式和发送时间；
第二处理模块，用于根据发送方式和发送时间，向目标用户的终端设备发送灾害预警提示信息。
可选地，第二获取模块具体用于：
根据用户信息，建立位置信息画像数据，并根据用户信息，建立用户特征分类画像数据。
可选地，第二获取模块还具体用于：
根据用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息；
根据当前位置信息和预设时间段内的移动趋势信息，建立位置信息画像数据。
可选地，第二获取模块还具体用于：
根据用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息，包括：
对用户信息进行聚类处理，确定用户的当前位置信息和预设时间段内的移动趋势信息。
可选地，第一处理模块具体用于：
根据灾害风险信息的相关信息和位置信息画像数据，确定目标用户；
根据位置信息画像数据和用户特征分类画像数据，生成针对目标用户的灾害预警提示信息。
可选地，第一获取模块还具体用于：
生成针对目标用户的预警灾害信息的详细信息；
根据详细信息和目标用户的用户特征画像数据，生成针对预警灾害信息的应急处置信息；
根据预警灾害信息的详细信息和应急处置信息，生成灾害预警提示信息。
可选地，第一处理模块还具体用于：
根据灾害风险信息的相关信息和用户特征分类画像数据，确定灾害预警提示信息的发送方式和发送时间。
可选地，相关信息包括灾害类型、灾害强度大小、灾害影响范围、灾害持续时间和避险处置方式中的至少一种。
参考图7，其示出了适于用来实现本公开实施例的考虑用户画像的多灾害差异化预警信息生成设备700的结构示意图，该考虑用户画像的多灾害差异化预警信息生成设备700可以为终端设备或服务器。其中，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑(Portable Android Device，简称PAD)、便携式多媒体播放器(Portable Media Player，简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的考虑用户画像的多灾害差异化预警信息生成设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，考虑用户画像的多灾害差异化预警信息生成设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(Read OnlyMemory，简称ROM)702中的程序或者从存储装置708加载到随机访问存储器(Random AccessMemory，简称RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有考虑用户画像的多灾害差异化预警信息生成设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(Liquid CrystalDisplay，简称LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许考虑用户画像的多灾害差异化预警信息生成设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的考虑用户画像的多灾害差异化预警信息生成设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述考虑用户画像的多灾害差异化预警信息生成设备中所包含的；也可以是单独存在，而未装配入该考虑用户画像的多灾害差异化预警信息生成设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该考虑用户画像的多灾害差异化预警信息生成设备执行时，使得该考虑用户画像的多灾害差异化预警信息生成设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network，简称LAN)或广域网(Wide Area Network，简称WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种考虑用户画像的多灾害差异化预警信息生成方法，其特征在于，包括：
获取灾害风险信息的相关信息，其中，所述灾害风险信息包括历史灾害信息和灾害监测信息；
获取用户信息，根据所述用户信息建立用户特征画像数据；
根据所述灾害风险信息的相关信息和所述用户特征画像数据，生成针对目标用户的灾害预警提示信息，并确定所述灾害预警提示信息的发送方式和发送时间；
根据所述发送方式和发送时间，向所述目标用户的终端设备发送所述灾害预警提示信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述用户信息建立用户特征画像数据，包括：
根据所述用户信息，建立位置信息画像数据，并根据所述用户信息，建立用户特征分类画像数据。
3.根据权利要求2所述的方法，其特征在于，所述根据所述用户信息，建立位置信息画像数据，包括：
根据所述用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息；
根据所述当前位置信息和预设时间段内的移动趋势信息，建立位置信息画像数据。
4.根据权利要求3所述的方法，其特征在于，所述根据所述用户信息，确定用户的当前位置信息和预设时间段内的移动趋势信息，包括：
对所述用户信息进行聚类处理，确定用户的当前位置信息和预设时间段内的移动趋势信息。
5.根据权利要求2所述的方法，其特征在于，所述根据所述灾害风险信息的相关信息和所述用户特征画像数据，生成针对目标用户的灾害预警提示信息，包括：
根据所述灾害风险信息的相关信息和所述位置信息画像数据，确定目标用户；
根据所述位置信息画像数据和所述用户特征分类画像数据，生成针对目标用户的灾害预警提示信息。
6.根据权利要求5所述的方法，其特征在于，所述生成针对目标用户的灾害预警提示信息，包括：
生成针对目标用户的预警灾害信息的详细信息；
根据所述详细信息和所述目标用户的用户特征画像数据，生成针对所述预警灾害信息的应急处置信息；
根据所述预警灾害信息的详细信息和所述应急处置信息，生成灾害预警提示信息。
7.根据权利要求2所述的方法，其特征在于，所述确定所述灾害预警提示信息的发送方式和发送时间，包括：
根据所述灾害风险信息的相关信息和所述用户特征分类画像数据，确定所述灾害预警提示信息的发送方式和发送时间。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述相关信息包括灾害类型、灾害强度大小、灾害影响范围、灾害持续时间和避险处置方式中的至少一种。
9.一种考虑用户画像的多灾害差异化预警信息生成设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8中任一项所述的考虑用户画像的多灾害差异化预警信息生成方法。
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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至8中任一项所述的考虑用户画像的多灾害差异化预警信息生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311433232.1A CN117474330A (zh) | 2023-10-31 | 2023-10-31 | 考虑用户画像的多灾害差异化预警信息生成方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311433232.1A CN117474330A (zh) | 2023-10-31 | 2023-10-31 | 考虑用户画像的多灾害差异化预警信息生成方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117474330A true CN117474330A (zh) | 2024-01-30 |
Family
ID=89626927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311433232.1A Pending CN117474330A (zh) | 2023-10-31 | 2023-10-31 | 考虑用户画像的多灾害差异化预警信息生成方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117474330A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117729060A (zh) * | 2024-02-07 | 2024-03-19 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种预警信息群发决策方法和装置 |
-
2023
- 2023-10-31 CN CN202311433232.1A patent/CN117474330A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117729060A (zh) * | 2024-02-07 | 2024-03-19 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种预警信息群发决策方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108428341A (zh) | 一种基于人机融合的交通应急管理调度方法及系统 | |
| US20090286505A1 (en) | Comprehensive tsunami alert system via mobile devices | |
| Del Negro et al. | Living at the edge of an active volcano: Risk from lava flows on Mt. Etna | |
| CN117474330A (zh) | 考虑用户画像的多灾害差异化预警信息生成方法及设备 | |
| CN110633726A (zh) | 一种房源识别方法、装置、存储介质及电子设备 | |
| US20230015261A1 (en) | Data processing systems and methods for providing relocation alerts | |
| CN113554540A (zh) | 一种海上危化品突发事故应急处理方法和系统 | |
| Tomsen et al. | Evacuation planning in the Auckland Volcanic Field, New Zealand: a spatio-temporal approach for emergency management and transportation network decisions | |
| Zhao et al. | Developing transportation response strategies for wildfire evacuations via an empirically supported traffic simulation of Berkeley, California | |
| JP5160391B2 (ja) | 地震配信システム | |
| Wood et al. | Influence of demand and capacity in transportation simulations of short-notice, distant-tsunami evacuations | |
| CN113886513A (zh) | 一种输电线路外力破坏事件可视化分析方法及系统 | |
| Wang et al. | Traffic Risk Assessment Based on Warning Data | |
| CN111080226A (zh) | 城市公共安全态势展示方法、装置、存储介质及电子设备 | |
| Allen | Case study: Using crime data and open source data to design a police patrol area | |
| Hong et al. | Using 3D WebGIS to support the disaster simulation, management and analysis–examples of tsunami and flood | |
| Fries et al. | Evaluation of different contraflow strategies for hurricane evacuation in Charleston, South Carolina | |
| KR102591591B1 (ko) | 교통 정보 센터의 보안 관리 방법 및 그를 위한 장치 | |
| CN115658795B (zh) | 一种支持多场景评价的海事业务数据指标管理方法与系统 | |
| Leidner et al. | Smart Cities | |
| Koch et al. | An incident management preparedness and coordination toolkit | |
| Wang et al. | Are people equally exposed to seismic and climate-change-induced hazards? Evidence from the San Francisco Bay Area | |
| Itani et al. | Introducing the pattern of life (PoL) concept for maritime traffic | |
| Olusina et al. | Journey to Crime Using Dijkstra's Algorithm | |
| Sekimoto et al. | Utilization of Geospatial Information in Daily Life: Expression and Analysis of Dynamic Life Activity |
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 |