城市社区特定人行为链动态识别与预测评估方法及系统技术方案

本发明专利技术公开了一种城市社区特定人行为链动态识别与预测评估方法及系统，属于应用信息技术领域。方法包括：步骤一、利用多智能体仿真技术对城市社区特定人的日常活动进行仿真；步骤二、基于步骤一的仿真结果，建立城市社区特定人在不同行为模式下的行为链库；步骤三、利用物联网传感设备获取特定人的轨迹数据，进行轨迹标定和序列化建模，建立行为链；步骤四、根据行为链间的时空相似性，在行为链库中搜索相似的完整行为链，并进行更新，优化搜索结果，以实现城市社区特定人行为链动态识别与预测评估。系统用于实现上述方法。本发明专利技术为社区治安管理部门的特定人管控工作提供技术支持。对特定人的行为链进行动态识别和预测评估。

【技术实现步骤摘要】
城市社区特定人行为链动态识别与预测评估方法及系统
本专利技术具体涉及一种城市社区特定人行为链动态识别与预测评估方法及系统，属于应用信息

技术介绍
当前关于特定人轨迹的研究，其前提是通过各种传感器对特定人行为轨迹数据进行采集，并对其行为轨迹进行异常性分析，但是存在两方面的问题：(1)行为链不连续：实际应用过程中，很难获得特定人的高密度、时空连续的轨迹数据，因此特定人的行为链是高度稀疏、不连续的；(2)行为链滞后：即使检测到特定人少数的轨迹点，但是经过身份识别、数据传输等过程后，警务部门的响应始终落后于特定人的时空轨迹。
技术实现思路
因此，本专利技术目的是提供一种城市社区特定人行为链动态识别与预测评估方法及系统，为社区治安管理部门的特定人管控工作提供技术支持。对特定人的行为链进行动态识别和预测评估。具体的，本专利技术提供的城市社区特定人行为链动态识别与预测评估方法，步骤如下：步骤一基于多智能体仿真技术对城市社区特定人的日常活动进行模拟，设置仿真场景，仿真主体，智能体的行为规则；步骤二建立城市社区特定人行为链库，通过对特定人的日常活动进行仿真，得到的不同行为模式下的行为链集合；步骤三城市社区特定人动态轨迹标定，包括动态轨迹标定与序列化建模，将实时、连续的定位信息反向地理编码，转换为地址或地名描述，并基于此建立动态行为链；步骤四城市社区特定人行为链动态识别与预测评估；根据行为链间的时空相似性，利用观测的局部行为链在行为链库中搜索匹配相似的完整行为链，并通过对观测到的局部行为链进行更新，优化在行为链库中的搜索匹配结果，以实现城市社区特定人行为链动态识别与预测评估；具体地：设行为模式库BPL＝(bp1,bp2,…,bpj,…,bpm)，行为链库BCL＝(bc1,bc2,…,bci,…,bcn)，每一个完整的bci对应于一个bpj，设观测到的局部行为链为observed_bc＝{person_name:[ob1,ob2,…,obl]},其长度为l，与观测的局部行为链进行对比的完整行为链为bci＝{person_name:[b1,b2,…,bk,]},其长度为k，则observed_bc与bci的空间相似性定义为：其中LCS(observed_bc，bci)表示求observed_bc和bci的最长公共子序列，len(LCS(observed_bc，bcii))代表求最长公共子序列的长度。LCS是一种开源的动态规划算法，利用递归的方式进行求解，设X＝(x1,x2,…,xi)和Y＝(y1,y2,…,yj)分别为两个序列，其长度分别为i和j，则其最大公共子序列的长度C[I,j]计算如下：时间相似性的定义式为如公式三所示：TS＝w1*Holiday+w2*Day_of_week+w3*Hour_of_day公式三其中三种时间特征分别为“是否节假日”(Holiday)、“星期”(DayofWeek)和“一天内的时段”(HourofDay)，当两条行为链在某一个特征一致时，则该特征的得分为1，否则为0，w1,w2和w3是特征变量的权重，代表三种时间特征的重要程度，w1,w2和w3的加和为1，以此保证时间相似性的值域为[0,1]；定义了行为链间的时空加权相似性，定义式为：STS＝w4*SS+w5*TS公式四其中w4,w5是空间相似性和时间相似性的权重，其加和为1；根据轨迹间的时空热点相似性，在行为链库中匹配出与观测的局部行为链observed_bc最相似的一个完整行为链bci，两者的时空相似性为STSi，则观测行为链observed_bc对应的行为模式为bpj，置信度为STSi。另一方面，本专利技术还公开了实现上述方法的系统，所述系统包括包括基于多智能体仿真的城市社区特定人日常活动模拟模块、城市社区特定人行为链库、城市社区特定人动态轨迹标定模块、城市社区特定人行为链动态识别与预测评估模块。所述基于多智能体仿真的城市社区特定人日常活动模拟模块用于模拟特定人在城市社区中的日常活动轨迹；所述城市社区特定人行为链库用于构建城市社区特定人在不同行为模式下的行为链，行为链包括特定人的身份属性和若干子行为，每个子行为包括地点名称、地点类型、活动开始时间、结束时间、伴随的物品和同行的人员等属性；城市社区特定人动态轨迹标定模块用于获取城市社区特定人真实观测的轨迹数据，并建立观测的局部行为链；城市社区特定人行为链动态识别与预测评估模块用于行为链间的时空加权相似性，并在行为链库中匹配出与观测的局部行为链相似的完整行为链，以及对应的行为模式。本专利技术的有益效果：本专利技术提供一种城市社区特定人行为链动态识别与预测评估方法及系统，为社区治安管理部门的特定人管控工作提供技术支持，获得特定人的高密度、时空连续的轨迹数据，行为链连续，行为链提供及时，方便警务部门第一时间作出响应。附图说明图1为城市社区特定人行为链动态识别与预测评估系统工作流程示意图。图2为城市社区特定人行为链库结构示意图。具体实施方式下面结合附图对本专利技术的具体实施方式进行说明：实施例1为了对特定人的行为链进行动态识别和预测评估，本专利技术制定了以下技术方案：城市社区特定人行为链动态识别与预测评估系统包括四个模块：1.基于多智能体仿真的城市社区特定人日常活动模拟模块，2.城市社区特定人行为链库，3.城市社区特定人动态轨迹标定模块，4.城市社区特定人行为链动态识别与预测评估模块。本专利技术首先基于多智能体仿真技术对城市社区特定人的日常活动进行模拟，并记录其行为轨迹；然后建立了特定人在不同行为模式下的行为连库；接着基于真实观测数据对特定人的动态轨迹进行标定，观测得到特定人的局部行为链；最后利用局部行为链在行为链库中搜索相似的完整行为链，并通过对观测到的局部行为链进行更新，优化在行为链库中的搜索结果，以实现城市社区特定人行为链动态识别与预测评估。1.基于多智能体仿真的城市社区特定人日常活动模拟模块基于多智能体仿真技术对城市社区特定人的日常活动进行模拟，需设置仿真场景，仿真主体，智能体的行为规则。(1)仿真场景：选取典型的城市社区为仿真场景。社区中包含交通路口、车站、居民小区、经营场所、娱乐场所、企事业单位、政府机关、学校、加油站、公园等类型的场所。(2)仿真主体类型：设置特定人、保卫力量和犯罪目标三种类型的智能体。其中特定人的类型为城市社区中常见的特定人。保卫力量分为静态的监控摄像头和可移动的警务人员、保安。犯罪目标分为静态的场所和移动的行人。(3)活动规则：智能体的活动规则分为：宏观的行为模式，微观的随机性行为以及对环境的应激反应行为。具体地：宏观的行为模式包括“上班”，“下班”，“购物”等。对环境的应激反应：例如城市社区特定人的行为模式为异常的模式，当其附近存在警察、保安、监控摄像头等保卫力量时，则特定人会进行躲避。2.城市社区特定人行本文档来自技高网...

【技术保护点】
1.一种城市社区特定人行为链动态识别与预测评估方法，其特征在于，所述方法包括：/n步骤一基于多智能体仿真技术对城市社区特定人的日常活动进行模拟，设置仿真场景，仿真主体，智能体的行为规则；/n步骤二建立城市社区特定人行为链库，通过对特定人的日常活动进行仿真，得到的不同行为模式下的行为链集合；/n步骤三城市社区特定人动态轨迹标定，包括动态轨迹标定与序列化建模，将实时、连续的定位信息反向地理编码，转换为地址或地名描述，并基于此建立动态行为链；/n步骤四城市社区特定人行为链动态识别与预测评估；/n根据行为链间的时空相似性，利用观测的局部行为链在行为链库中搜索匹配相似的完整行为链，并通过对观测到的局部行为链进行更新，优化在行为链库中的搜索匹配结果，以实现城市社区特定人行为链动态识别与预测评估；/n具体地：/n设行为模式库BPL＝(bp

【技术特征摘要】
1.一种城市社区特定人行为链动态识别与预测评估方法，其特征在于，所述方法包括：
步骤一基于多智能体仿真技术对城市社区特定人的日常活动进行模拟，设置仿真场景，仿真主体，智能体的行为规则；
步骤二建立城市社区特定人行为链库，通过对特定人的日常活动进行仿真，得到的不同行为模式下的行为链集合；
步骤三城市社区特定人动态轨迹标定，包括动态轨迹标定与序列化建模，将实时、连续的定位信息反向地理编码，转换为地址或地名描述，并基于此建立动态行为链；
步骤四城市社区特定人行为链动态识别与预测评估；
根据行为链间的时空相似性，利用观测的局部行为链在行为链库中搜索匹配相似的完整行为链，并通过对观测到的局部行为链进行更新，优化在行为链库中的搜索匹配结果，以实现城市社区特定人行为链动态识别与预测评估；
具体地：
设行为模式库BPL＝(bp1,bp2,…,bpj,…,bpm)，行为链库BCL＝(bc1,bc2,…,bci,…,bcn)，每一个完整的bci对应于一个bpj，设观测到的局部行为链为observed_bc＝{person_name:[ob1,ob2,…,obl]},其长度为l，与观测的局部行为链进行对比的完整行为链为bci＝{person_name:[b1,b2,…,bk,]},其长度为k，则observed_bc与bci的空间相似性定义为：



其中LCS(observed_bc，bci)表示求observed_bc和bci的最长公共子序列，len(LCS(observed_bc，bci))代表求最长公共子序列的长度，LCS是一种开源的动态规划算法，利用递归的方式进行求解，设X＝(x1,x2,…,xi)和Y＝(y1,y2,…,yj)分别为两个序列，其长度分别为i和j，则其最大公共子序列的长度C[I,j]计算如下：



时间相似性的定义式为如公式三所示：
TS＝w1*Holiday+w2*Day_of_week+w3*Hour_of_day公式三
其中w1,w2和w3是特征变量的权重，代表三种时间特征的重要程度，w1,w2和w3的加和为1，以此保证时间相似性的值域为[0,1]；
定义了行为链间的时空加权相似性，定义式为：
STS＝w4*SS+w5*TS公式四
其中w4,w5是空间相似性和时间相似性的权重，其加和为1；根据轨迹间的时空热点相似性，在行为链库中匹配出与观测的局部行为链observed_bc最相似的一个完整行为链bci，两者的时空相似性为STSi，则观测行为链observed_bc对应的行为模式为bpj，置信度为STSi。


2.如权利要求1所述的城市社区特定人行为链动态识别与预测评估方法，其特征在于，所述方法步骤一中仿真场景选取典型的城市社区为仿真场景，社区中包含交通路口、车站、居民小区、经营场所、娱乐场所、企事业单位、政府机关、学校、加油站、公园等类型的场所；仿真主体类型为设置特定人、保卫力量和犯罪目标三种类型的智能体，其中特定人的类型为城市社区中常见的特定人，保卫力量分为静态的监控摄像头和可移动的警务人员、保安，犯罪目标分为静态的场所和移动的行人。


3.如权利要求2所述的城市社区特定人行为链动态识别与预测评估方法，其特征在于，所述方法步骤一中活动规则具体包括：宏观的行为模式，微观的随机性行为以及对环境的应激反应行为。


4.如权利要求1所述的城市社区特定人行为链动态识别与预测评估方法，其特征在于，所述方法步骤二中行为模式库中存在m种行为模式，行为链库中存在n个完整的行为链，设行为模式库BPL＝(bp1,bp2,…,bpj,…,bpm)，设行为链库BCL＝(bc1,bc2,…,bci,…,...

【专利技术属性】
技术研发人员：胡啸峰，吴建松，沈兵，原帅琪，
申请(专利权)人：中国人民公安大学，中国矿业大学北京，
类型：发明
国别省市：北京;11