智能监室分配方法及系统技术方案

本发明专利技术提出一种智能监室分配方法及系统，根据罪犯的特征为其分配监室，在分配监室舍之前,先对罪犯的健康信息、心理状况、个人信息、历史关押信息和案件信息等要素，进行调查集和分析,然后按照调查结果对罪犯进行匹配,将相似度较低的罪犯生分配到同一个监室，从而，降低因为监室分配不合理导致的监狱人心浮动，打架斗殴等恶性事件发生的几率，避免监狱管理的不稳定，提高监室安全稳定，降低监狱管理难度，减少监狱管理人员的任务量及工作压力。减少监狱管理人员的任务量及工作压力。

【技术实现步骤摘要】
智能监室分配方法及系统


[0001]本专利技术涉及监室分配领域，具体的说是一种智能监室分配方法及系统。

技术介绍

[0002]随着收押人员数量的逐年上升，监室资源也愈发紧张，监所对监室分配与管理的要求也在不断地提高。同时，随着社会信息化发展步伐的加快，监所的管理和分配工作也需要越来越全面、先进和高效。而且，收押人员的民族、案件类型、思想状态呈多样化、复杂化的趋势，对监室分配和管理的要求也在不断地提高。采用传统的手工模式进行管理，其效率低，易出错，利用现代信息技术来实现高校监室分配的智能化，不仅可以有效的降低分配的人力和时间成本，而且可以提高分配监室的质量和效率，更有益于加快智能化监所管理的步伐。
[0003]监狱是惩罚犯罪，维护国家安定团结的主要工具之一，也是收押罪犯的主要场所。监狱中罪犯的组成复杂、素质参差不齐。一些罪犯由于不堪劳作或者思想固执不愿改造，会利用一切可乘之机制造混乱，往往由于个别顽固分子的挑唆，使得监狱人心浮动，发生斗殴等恶性事件，使得监狱管理难度增加，还会造成监狱管理的不稳定，而且还会增加监狱管理人员的任务量及工作压力，提高了监狱管理成本。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出一种智能监室分配方法，包括如下步骤：
[0005]S1，为每个监室设定可容纳的人数，采集监室内每一名关押的罪犯特征；
[0006]所述监室是指监狱关押罪犯的房间；
[0007]所述特征包括A1、A2、A3、A4、A5、A6六个特征类别；
[0008]每一名罪犯都包括A1、A2、A3、A4、A4、A6六个特征值；
[0009]六个特征值组成一个特征向量【A1，A2，A3，A4，A5，A6】；
[0010]每一名在押罪犯还包括一个监室编号；
[0011]S2，对监室罪犯人数尚未达到可容纳的人数数量上限，且监室编号相同的监室内的每一名罪犯的每一个特征值与同监室编号的其他罪犯的同类别的每一个特征值进行比对，得到每一名罪犯的赋权值；
[0012]监室编号相同的罪犯，特征值相同的取0，不相同的取1，从而得到每一名罪犯的赋权值；
[0013]为每一个特征值赋予一个权重分数，设：
[0014]A1的权重分数为：X1，
[0015]A2的权重分数为：X2，
[0016]A3的权重分数为：X3，
[0017]A4的权重分数为：X4，
[0018]A5的权重分数为：X5，
[0019]A6的权重分数为X6。
[0020]进一步的，
[0021]A1的权重分数为：22％，
[0022]A2的权重分数为：21％，
[0023]A3的权重分数为：20％，
[0024]A4的权重分数为：19％，
[0025]A5的权重分数为：10％，
[0026]A6的权重分数为8％。
[0027]S3，将新收押罪犯的特征值，与每一名罪犯的赋权值进行权重转换；
[0028]若特征值为0，则权重转换后的特征值依然为0；
[0029]若特征值为1，则取该特征值所对应的权重分数作为转换后的特征值；
[0030]转换后的特征值组成一个新的特征向量【Y1，Y2，Y3，Y4，Y5， Y6】；
[0031]S4，对新的特征向量进行差异性放大，利用欧式距离公式，计算相似度，得到新收押的罪犯与同一监室编号下所有在押罪犯之间的相似度值d1‑
d
i
；
[0032]相似度计算公式：
[0033]S5,将得到相似度值求和之后除以同一监室编号下在押罪犯的数量，得到相似度平均值d
v
；
[0034][0035]S6，重复S4
‑
S5步骤，得到每一个监室的相似度平均值d
vi
；
[0036]S7，对所有监室的相似度平均值按照大小进行排序，值越大代表相似度越低，值越小代表相似度越高；按照相似度越高，在押罪犯越不能放在同一监室的原则，将相似度平均值最小的所对应的监室，作为新收押罪犯的推荐监室。
[0037]进一步的，步骤S7中还包括案件编号分析的步骤；若，新收录罪犯的案件编号与新收押罪犯的推荐监室中任意一名罪犯的案件编号相同，则放弃该新收押罪犯的推荐监室，重新按照步骤S1
‑
S7为新收押罪犯的推荐监室；或进行预警，由人工为新收押罪犯指定监室。
[0038]进一步的，步骤S1
‑
S7，按照以下分散原则体现相似度分值，且，按照以下原则为每一个特征值赋予的权重分数：
[0039](1)同案人员分析即A1分析：严禁将同案人员关押在同一个监室；
[0040](2)重大案件的监室分布即A3分析：案情重大的人员，尽量做到分开关押，防止在某一个监室里重案人员过多，造成管理上的难度；
[0041](3)监室内的户籍比例即A6分析：对同户籍、相同经常居住地、甚至相邻户籍的人员分开关押，防止造成在押人员抱团的情况；
[0042](4)案别情况分析：对监室内的在押人员进行案别分类，同类案别人员尽量分开关押；
[0043](5)历史同监室关押分析即A4：收集全省乃至全国历史关押的人员数据，进行分析比对，对有曾经在同监室关押过的在押人员分开关押；
[0044](6)监室人数分析：各监室人数分布尽量做到各个监室人员平均分配。
[0045]进一步的，步骤S1中的特征来自于罪犯的档案，罪犯的档案至少记录了罪犯的A1、A2、A3、A4、A5、A6地六个特征值；
[0046]为了增加精确性，特征值还包括：文化程度、健康状况信息、心理状况、个人信息、历史关押信息和案件信息从全息档案中补充；
[0047]进一步的，还包括数据挖掘的步骤：从罪犯的档案中采集罪犯的 A1、A2、A3、A4、A5、A66个特征值之外的特征信息，并将采集到的特征信息进行清洗和结构化处理，
[0048]采用nlp自然语言识别组件对特征信息进行实体识别，得到诸如历史疾病、心理状况、经济情况、教育情况等新的特征值N1‑
Ni；
[0049]nlp自然语言识别组件为现有技术，本专利技术仅是采用了该组件，并未对该组件进行创新，对于nlp自然语言识别组件的工作原理和工作方式，在此不再累述。
[0050]为了验证新的特征值是否适用于特征值的计算，对识别到的每一个新的特征值结合A1、A2、A3、A4、A5、罪A66个特征值重新组成一个新的特征向量【N1‑
N
i+6
】；
[0051]人工对新的特征向量内每一类特征值重新分配权重分数；
[0052]按照新的特征向量，对历史的新收押的罪犯按照步骤S1
‑
S5，重新计算，得到新特征向量的每一个监室的相似度平均值；
[0053]定义S1
‑
S5中6个特征值计算的得到的每一个监室的相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能监室分配方法，其特征在于包括如下步骤：S1，为每个监室设定可容纳的人数，采集监室内每一名关押的罪犯特征；所述监室是指监狱关押罪犯的房间；所述特征包括A1、A2、A3、A4、A5、A6六个特征类别；每一名罪犯都包括A1、A2、A3、A4、A5、A6六个特征值；六个特征值组成一个特征向量【A1，A2，A3，A4，A5，A6】；每一名在押罪犯还包括一个监室编号；S2，对监室罪犯人数尚未达到可容纳的人数数量上限，且监室编号相同的监室内的每一名罪犯的每一个特征值与同监室编号的其他罪犯的同类别的每一个特征值进行比对，得到每一名罪犯的赋权值；监室编号相同的罪犯，特征值相同的取0，不相同的取1，从而得到每一名罪犯的赋权值；为每一个特征值赋予一个权重分数，设：A1的权重分数为：X1，A2的权重分数为：X2，A3的权重分数为：X3，A4的权重分数为：X4，A5的权重分数为：X5，A6的权重分数为X6；S3，采集新收押罪犯的特征值，将新收押罪犯的特征值，与每一名罪犯的赋权值进行权重转换；若特征值为0，则权重转换后的特征值依然为0；若特征值为1，则取该特征值所对应的权重分数作为转换后的特征值；转换后的特征值组成一个新的特征向量【Y1，Y2，Y3，Y4，Y5，Y6】；S4，对新的特征向量进行差异性放大，利用欧式距离公式，计算相似度，得到新收押的罪犯与同一监室编号下所有在押罪犯之间的相似度值d1‑
d
i
；S5,将得到相似度值求和之后除以同一监室编号下在押罪犯的数量，得到监室的相似度平均值d
v
；S6，重复S4
‑
S5步骤，得到每一个监室的相似度平均值d
vi
；S7，对所有监室的相似度平均值d
vi
按照大小进行排序，值越大代表相似度越低，值越小代表相似度越高；按照相似度越高，在押罪犯越不能放在同一监室的原则，将相似度平均值最小的所对应的监室，作为新收押罪犯的推荐监室。2.根据权利要求1所述的智能监室分配方法，其特征在于：步骤S1中的特征来自于罪犯的档案；罪犯的档案至少记录了罪犯的A1...

【专利技术属性】
技术研发人员：吴伟，张嵘，张鲁宁，张勇，
申请(专利权)人：南京金盾公共安全技术研究院有限公司，
类型：发明
国别省市：