一种基于大数据的人员风险防控方法及装置制造方法及图纸

本发明专利技术公开了一种基于大数据的人员风险防控方法及装置，该方法包括：步骤1，采集城市事件数据，构建人员防控等级分类模型，对风险人员进行分类；步骤2，基于高风险人员的出行数据，分析每个高风险人员的出行规律，标记出每个高风险人员的异动行为；步骤3，基于风险人员的事件数据，构建人员风险防控模型；步骤4，基于出行数据和异动行为，对初步人员风险防控模型进行优化；通过对人员风险预测，帮助工作人员提前预知风险人员可能做出的风险事件，提高工作效率，大大减少防控工作中耗费的人力物力，减轻工作人员的负担。减轻工作人员的负担。

【技术实现步骤摘要】
一种基于大数据的人员风险防控方法及装置


[0001]本专利技术涉及大数据与社会治理研究领域，具体涉及一种基于大数据的人员风险防控方法及装置。

技术介绍

[0002]随着社会人口的不断增长和法律制度的不断完善，对于一些重点人员的管控方式不能和以往一样简单粗暴，需要更加精细的人员防控。然而，传统人员防控预警主要依靠人工来进行，随着社会人口的逐渐增加，传统人员防控预警严重依赖人工来进行，需要花费大量人力物力去进行背景调查，需要相关工作人员熟悉不同人员的详细情况，费时费力。同时，需要依赖评估人员的背景知识和行业经验，需要相关工作人员熟悉不同重点人员的详细情况。可能存在由于相关工作人员的疏忽，导致管控不到位的情况出现。随着大数据和人工智能技术的发展，智能风控技术开始得到越来越多的重视和应用。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提供了一种基于大数据的人员风险防控方法及装置，通过对人员风险预测，帮助工作人员提前预知风险人员可能做出的风险事件，提高工作效率，大大减少防控工作中耗费的人力物力，减轻工作人员的负担。技术方案如下：
[0004]第一方面，本专利技术提供了一种基于大数据的人员风险防控方法，该方法包括如下步骤：
[0005]步骤1，采集城市事件数据，所述事件数据包括信访系统登记记录，调解平台调解事件，大联动社会治理平台汇报事件，构建人员防控等级分类模型，基于事件数据训练得到人员防控等级分类模型，对风险人员进行分类。
[0006]通过采集的事件数据，将给定比例的风险人员名单作为正例，基于LR模型得到每个人员的风险概率，按照概率值将风险人员分为高风险人员、中风险人员、低风险人员、无风险人员；通过决策树算法训练人员防控等级分类模型，从训练好的模型中得到人员防控等级分类规则，利用人员防控等级分类规则，将所有风险人员分为高风险人员、中风险人员、低风险人员和无风险人员四类。
[0007]步骤2，基于高风险人员的出行数据，分析每个高风险人员的出行规律，标记出每个高风险人员的异动行为。
[0008]针对每个高风险人员，通过多个点位的摄像头采集该人员的出行数据，通过人脸识别模型，分析该人员出行数据，得到该人员在一天内各个时间段的出行规律，设定该人员在一天各个时间段的常规外出时长阈值，当高风险人员出门后未在摄像头中出现的时长超过设定的常规外出时长阈值，则判定为久出未归的异动行为。
[0009]步骤3，基于风险人员的事件数据，构建人员风险防控模型；
[0010]通过采集每个风险人员的事件数据，将该事件数据特征用向量x＝(x1,x2,
…
,xn)表示，称为风险特征向量，利用LR模型训练出人员风险防控模型，训练得到特征的权重向量
w＝(w1,w2,
…
,wn)；根据模型分析目的，给权重向量w的各个分量乘以一定的倍数，得到调整后的权重向量w
’
，所述倍数可以人为设定，也可以通过模型自动生成，根据权重向量w
’
，输出每个风险人员的做出风险事件的风险概率值，即风险得分score：
[0011][0012]其中x指某个风险人员在最近一段时间内的风险特征向量，p(y＝1|x)指特征向量是x的条件下，风险人员做出风险事件的概率。
[0013]根据风险事件的类型，按照上述方法，得到不同风险事件模型，按照设定好的权重比例，得到初步人员风险防控模型。
[0014]步骤4，基于步骤2高风险人员的出行数据和异动行为，对步骤3得到的初步人员风险防控模型进行优化。
[0015]针对高风险人员，基于该人员在做出风险事件之前一段时间内摄像头采集到的异动行为数据，通过训练得到近期异动行为对人员做出风险事件的影响模型。
[0016]模型输入：高风险人员最近一段时间内异动行为数据。
[0017]模型输出：风险人员的异动行为风险得分。
[0018]针对每件风险事件发生前风险人员最近的一次出行数据，通过训练得到风险事件发生前风险人员的行为特征模型。
[0019]模型输入：风险人员最近一次出行数据；
[0020]模型输出：风险人员的最近出行特征风险得分；
[0021]基于初步人员风险防控模型，分别对近期异动行为对人员做出风险事件的影响模型和风险事件发生前风险人员的行为特征模型赋予权重，得到最终的人员风险防控模型。
[0022]根据最终的人员风险防控模型，定期对所有风险人员进行预测，当输出的风险人员得分超过设定的风险阈值时进行预警；对于高风险人员，当监测到异动行为时，即刻调用最终的人员风险防控模型进行预测，当输出的风险人员得分超过风险阈值时进行预警。
[0023]优选的，步骤1得到人员防控等级分类规则之后还包括：对得到的分类规则进行审核调整，得到最终的分类规则。
[0024]优选的，步骤2还包括：将常规居家时长纳入判断标准，设定各个时间段的常规居家时长阈值，当高风险人员归来后未在摄像头中出现的时长超过设定的常规居家时长阈值，则判定为长时隐匿的异动行为。
[0025]优选的，步骤2所述多个点位的摄像头，是指对应高风险人员生活区域每个关键出口设置的两个摄像头，其中一个摄像头对准出口，另一摄像头对准入口。
[0026]优选的，步骤3所述不同风险事件模型包括过激风险事件模型和极端风险事件模型；
[0027]优选的，所述风险阈值根据社会环境需求进行调整。
[0028]进一步的，还包括步骤5，模型迭代优化，设定固定模型训练时间，将每天更新新的事件数据和出行数据加入模型重新训练，提高模型的准确率。
[0029]第二方面，本专利技术提供了一种基于大数据的人员风险防控装置，其特征在于，该装置可以实现所有可能的实现方式中任一项所述的一种基于大数据的人员风险防控方法。
[0030]与现有技术相比，上述技术方案中的一个技术方案具有如下有益效果：通过对人
员风险预测，帮助工作人员提前预知风险人员可能做出的风险事件，提高工作效率，节约人力物力；通过训练得到预测人员行为的风险防控模型；通过添加基于人员过去出行数据的人员的历史出行规律分析，使得模型预测更加精准；有效避免了风险人员躲藏导致的常规方法的准确率不足。通过24小时不间断的监控，及时有效的发现风险人员的异常行为，防止因为相关工作人员的疏忽导致风险事件的发生。
具体实施方式
[0031]为了阐明本专利技术的技术方案和工作原理，下面将对本公开实施方式做进一步的详细描述。上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
[0032]本申请的说明书和权利要求书中的术语“步骤1”、“步骤2”、“步骤3”等类似描述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描述的那些以外的顺序实施。
[0033]第一方面：本公开实施例提供了一种基于大数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的人员风险防控方法，其特征在于，该方法包括如下步骤：步骤1，采集城市事件数据，所述事件数据包括信访系统登记记录，调解平台调解事件，大联动社会治理平台汇报事件，构建人员防控等级分类模型，基于事件数据训练得到人员防控等级分类模型，对风险人员进行分类；通过采集的事件数据，将给定比例的风险人员名单作为正例，基于LR模型得到每个人员的风险概率，按照概率值将风险人员分为高风险人员、中风险人员、低风险人员、无风险人员；通过决策树算法训练人员防控等级分类模型，从训练好的模型中得到人员防控等级分类规则，利用人员防控等级分类规则，将所有风险人员分为高风险人员、中风险人员、低风险人员和无风险人员四类；步骤2，基于高风险人员的出行数据，分析每个高风险人员的出行规律，标记出每个高风险人员的异动行为；针对每个高风险人员，通过多个点位的摄像头采集该人员的出行数据，通过人脸识别模型，分析该人员出行数据，得到该人员在一天内各个时间段的出行规律，设定该人员在一天各个时间段的常规外出时长阈值，当高风险人员出门后未在摄像头中出现的时长超过设定的常规外出时长阈值，则判定为久出未归的异动行为；步骤3，基于风险人员的事件数据，构建人员风险防控模型；通过采集每个风险人员的事件数据，将该事件数据特征用向量x＝(x1,x2,
…
,xn)表示，称为风险特征向量，利用LR模型训练出人员风险防控模型，训练得到特征的权重向量w＝(w1,w2,
…
,wn)；根据模型分析目的，给权重向量w的各个分量乘以一定的倍数，得到调整后的权重向量w
’
，所述倍数可以人为设定，也可以通过模型自动生成，根据权重向量w
’
，输出每个风险人员的做出风险事件的风险概率值，即风险得分score：其中x指某个风险人员在最近一段时间内的风险特征向量，p(y＝1|x)指特征向量是x的条件下，风险人员做出风险事件的概率；根据风险事件的类型，按照上述方法，得到不同风险事件模型，按照设定好的权重比例，得到初步人员风险防控模型；步骤4，基于步骤2高风险人员的出行数据和异动行为，对步骤3得到的初步人员风险防控模型进行优化；针对高风险人员，基于该人员在做出风险事件之前一段时间内摄像头采集到的异动行为...

【专利技术属性】
技术研发人员：陈鹏，周金明，
申请(专利权)人：南京视察者智能科技有限公司，
类型：发明
国别省市：