一种危险预测方法及装置制造方法及图纸

本发明专利技术实施例提供了一种危险预测方法及装置，可以包括：获取用户的人体健康数据，位置对应的地理信息数据以及位置对应的外界环境数据；将人体健康数据，地理信息数据以及外界环境数据进行融合；通过关联分析，从融合后的数据中，提取人体健康数据，地理信息数据以及外界环境数据分别对应的特征信息；根据人体健康数据，地理信息数据以及外界环境数据分别对应的特征信息，通过潜在特征分析，确定用户在位置可能发生的危险事件。如此，能够提高危险预测的精准性。

A Method and Device for Hazard Prediction

【技术实现步骤摘要】
一种危险预测方法及装置
本专利技术涉及信息处理
，特别是涉及一种危险预测方法及装置。
技术介绍
随着人们生活质量的逐步提升，旅游逐渐成为人们休闲娱乐的方式之一。但是，在旅途过程中不可避免地会存在安全隐患，对用户的安全造成影响。为了降低用户在旅游过程中安全遭受到影响的可能，对用户可能遭受到的危险进行预测就显得十分重要。
技术实现思路
本专利技术实施例的目的在于提供一种危险预测方法及装置，以提高危险预测的精准性。具体技术方案如下：第一方面，本专利技术实施例提供了一种危险预测方法，包括：获取用户的人体健康数据，位置对应的地理信息数据以及所述位置对应的外界环境数据；将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合；通过关联分析，从融合后的数据中，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息；根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件。可选的，所述将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合，包括：通过多传感器有偏估计融合算法，将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合。可选的，所述通过多传感器有偏估计融合算法，将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合，包括：对所述人体健康数据，所述地理信息数据以及所述外界环境数据进行有偏估计，得到所述人体健康数据、所述地理信息数据、以及所述外界环境数据分别对应的有偏估计值；通过公式：将所述人体健康数据、所述地理信息数据、以及所述外界环境数据分别对应的有偏估计值进行融合，得到融合后的数据；其中，为融合后的数据，为有偏估计值，n为有偏估计值的个数。可选的，所述通过关联分析，从融合后的数据中，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，包括：通过词频-逆文本频率指数TF-IDF算法，从融合后的数据中挖掘贡献度满足预设贡献度条件的数据；通过对满足预设贡献度条件的数据进行关联分析，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息。可选的，所述根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件，包括：根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过非负矩阵分解算法，确定所述用户在所述位置可能发生的危险事件。可选的，所述根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过非负矩阵分解算法，确定所述用户在所述位置可能发生的危险事件，包括：根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，构造待分解非负矩阵；通过奇异值分解，对待分解非负矩阵进行初始化；通过所述非负矩阵分解算法，对初始化后的待分解非负矩阵进行分解，得到特征矩阵；根据所述特征矩阵，确定所述用户在所述位置可能发生的危险事件。可选的，所述危险事件包括直接危险事件；所述根据所述特征矩阵，确定所述用户在位置可能发生的危险事件，包括：当所述特征矩阵满足危险事件发生的条件时，将所述危险事件确定为所述用户在位置可能发生的直接危险事件。可选的，所述危险事件还包括关联危险事件；所述根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件，包括：确定所述直接危险事件与其他危险事件的相似度，所述其他危险事件是不同于所述直接危险事件的危险事件；根据所述直接危险事件与所述其他危险事件的相似度，从所述其他危险事件中确定出与所述其他直接事件相似的关联危险事件。可选的，在所述根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件之后，所述方法还包括：展示所述危险事件。第二方面，本专利技术实施例提供了一种危险预测装置，包括：获取模块，用于获取用户的人体健康数据，位置对应的地理信息数据以及所述位置对应的外界环境数据；融合模块，用于将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合；提取模块，用于通过关联分析，从融合后的数据中，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息；确定模块，用于根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件。第三方面，本专利技术实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面所述的方法步骤。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。本专利技术实施例提供的危险预测方法及装置，可以获取用户的人体健康数据，位置对应的地理信息数据以及位置对应的外界环境数据；将人体健康数据，地理信息数据以及外界环境数据进行融合；通过关联分析，从融合后的数据中，提取人体健康数据，地理信息数据以及外界环境数据分别对应的特征信息；根据人体健康数据，地理信息数据以及外界环境数据分别对应的特征信息，通过潜在特征分析，确定用户在位置可能发生的危险事件。本专利技术实施例中，可以通过用户的人体健康数据，位置对应的地理信息数据以及位置对应的外界环境数据，有针对性地确定不同用户在不同位置可能发生的危险事件。如此，能够提高危险预测的精准性，进而能够及时、有效地为用户提供安全指引，保障用户安全。当然，实施本专利技术的任一产品或方法必不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，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为本专利技术实施例提供的危险预测方法的流程图；图2为本专利技术实施例提供的具体实施例的流程示意图；图3为本专利技术实施例提供的危险预测装置的结构示意图；图4为本专利技术实施例提供的电子设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供的危险预测方法可以应用于电子设备。具体地，电子设备可以包括终端、服务器、处理器等等。一种可选的实施例中，本专利技术实施例提供的危险预测方法可以应用于智能终端体测器。本专利技术实施例提供了一种危险预测方法，如图1所示，包括：S101，获取用户的人体健康数据，位置对应的地理信息数据以及位置对应的外界本文档来自技高网...

【技术保护点】
1.一种危险预测方法，其特征在于，包括：获取用户的人体健康数据，位置对应的地理信息数据以及所述位置对应的外界环境数据；将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合；通过关联分析，从融合后的数据中，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息；根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件。

【技术特征摘要】
1.一种危险预测方法，其特征在于，包括：获取用户的人体健康数据，位置对应的地理信息数据以及所述位置对应的外界环境数据；将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合；通过关联分析，从融合后的数据中，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息；根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件。2.根据权利要求1所述的方法，其特征在于，所述将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合，包括：通过多传感器有偏估计融合算法，将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合。3.根据权利要求2所述的方法，其特征在于，所述通过多传感器有偏估计融合算法，将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合，包括：对所述人体健康数据，所述地理信息数据以及所述外界环境数据进行有偏估计，得到所述人体健康数据、所述地理信息数据、以及所述外界环境数据分别对应的有偏估计值；通过公式：将所述人体健康数据、所述地理信息数据、以及所述外界环境数据分别对应的有偏估计值进行融合，得到融合后的数据；其中，为融合后的数据，为有偏估计值，0≤Wi≤1，n为有偏估计值的个数。4.根据权利要求1所述的方法，其特征在于，所述通过关联分析，从融合后的数据中，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，包括：通过词频-逆文本频率指数TF-IDF算法，从融合后的数据中挖掘贡献度满足预设贡献度条件的数据；通过对满足预设贡献度条件的数据进行关联分析，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息。5.根据权利要求1所述的方法，其特征在于，所述根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件，包括：根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过非负矩阵分解算法，确定所述用户在所述位置可能发生的危险事件。6.根...

【专利技术属性】
技术研发人员：赵海英，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11