一种关注人员行为分析的方法技术

本发明专利技术涉及大数据分析技术领域，公开了一种关注人员行为分析的方法。包括：统计场所数据并提取特征值；统计人员数据并进行过滤清洗，获取人员的特征值；基于特征值采用分类算法，得到疑似犯罪人员的集合和场所集合；关注人员特征数据与场所特征数据进行碰撞分析，多维数据共振得到可能发生案情的人员和场所；同类标签数据产生共振特征积分叠加或者其他处理办法实现目标的实时动态积分，根据这个积分设定阈值，进行不同等级的阈值划分，生成不同预警级别的预警信息；并将预警情况推送给相关部门制定处理措施。上述方案解决了当前治安管理中关注人员的管理难题，结合多维数据，对关注人员的行为分析及时、高效和准确。

A Method Concerning Personnel Behavior Analysis

【技术实现步骤摘要】
一种关注人员行为分析的方法
本专利技术涉及大数据分析
，特别是一种关注人员行为分析的方法。
技术介绍
社会上每天有许多案件发生，抢劫、盗窃及赌博等案件频繁发生。目前，对于这些案件，还没有出色的预防和事前处理手段，基本都是案件发生之后，再来对案件进行处理和补救。随着社会经济的发展，人口流动数量和范围急剧增加，城市人口基数快速增长，社会案件发生的频次增长迅速，经常存在犯罪人员是惯犯的情况，案件发生日益频繁，作案手段越来越复杂，传统的事后补救和处理措施，对于社会来说是一种非常大的损失，而且增加相关工作人员的工作量，对于案件的预防和事前分析在社会治理中越来越重要。互联网、大数据及人工智能等技术的快速发展，为关注人员的行为分析提供变革和创新的契机。首先，现有的重点人员管控系统大多从单一数据源或者单一手段对重点人员的轨迹进行分析研判，很难准确掌握重点人员的行踪，并及时发现其异常行为。现有技术大多针对轨迹进行经验判断，信息获取来源单一，对关注人员的行为预测不准确，不能及时的发现和预防案情的发生。而且经常会造成误判和错判，影响治安管理在公众的形象。
技术实现思路
本专利技术所要解决的技术问题是：针对人员行为预测中存在的信息不丰富、预测不准确、处置不及时等问题，提供了一种关注人员行为分析的方法。本专利技术采用的技术方案如下：一种关注人员行为分析的方法，包括以下过程：步骤S1，对辖区内所有的场所进行统计，获取场所有关的基础数据，通过基础数据提取特征信息，对已知的场所样本贴上标签，用已有标签的场所来训练机器学习算法，为未知的场所贴标签和表示标签可信度的分值或者概率，每个场所有一个或者多个标签；步骤S2，获取银行系统、公安系统、交通系统、通讯系统中有案件记录人员的人员数据以及正常人的数据；步骤S3，对人员数据进行过滤和清理，去掉噪声，获取与案件人员或者案件场所相关的关键数据，再根据相关的关键数据针对每个关注人员提取特征值训练机器学习算法为没有标签的人员贴标签并有表示标签可信度的积分或者概率，每个人有一个或多个标签，并且有相应的标签积分；步骤S4，基于特征值采用分类算法，对关注人员进行分类，得到带标签(带积分)的人员集合；步骤S5，基于特征值采用分类算法，对辖区内的场所进行分类，得到带标签(带积分)场所集合；步骤S6，对目标人员的集合和场所集合进行匹配分析，如果银行系统的人员信息与犯罪场所集合中的场所有交易信息，或者公安系统的人员信息在犯罪场所集合中具有犯罪记录，或者交通系统的人员数据记录人员到过犯罪场所集合中的场所，或者通讯系统的人员信息有与犯罪场所集合中的场所有通话的记录，则关注人员和关注场所的标签数据产生共振，同类标签产生关联，通过算法对标签积分进行数据共振，共振积分叠加，设定异常的阈值条件，如果积分叠加后的积分到设定阈值触发预警，筛选出可能发生案情的关注人员和关注场所。对关注的人员与其当前所处环境进行数据碰撞，通过人物标签和场所标签以及环境标签，我们将关注人员的实时动向标签化，业务人员能更直观的了解当前监控的目标和其所处的环境情况，关注目标的特征标签与场景中的人、场所等产生数据共振。数据共振即相同标签的人积分产生关联，根据共振积分的大小得到一个人、事、物和场所的一个实时共振积分，这个积分可以作为目标是否可能有违法倾向的判断基础。进一步的，所述关注人员行为分析的方法还包括对可能发生案情的关注人员的行为概率进行分级的过程：相同类别的两个或多个标签形成数据共振，共振的积分进行叠加；根据产生共振的主体，预测可能的犯罪行为，结合当前时间或者空间属性，推断出可疑人员可能进行犯罪活动的时间与地点；并根据叠加后的积分对预测的犯罪活动的时间与地点进行概率打分，划分为不同的预警等级。进一步的，划分不同的预警等级方法为：在积分上下限范围内由低到高设置不同的积分阈值，将叠加后的积分规整到积分上下限范围，当规整后的积分大于不同的积分阈值，判断为不同的预警等级。进一步的，所述关注人员行为分析的方法还包括以下过程：根据对可疑人员划分的不同的预警等级，将该预警等级发送给相关工作系统，制定应对措施。进一步的，标签的确定采用分类或者聚类的机器学习模型，模型通过一定数量的正样本和负样本进行训练得到。分类算法采用SVM分类算法或者神经网络分类算法。进一步的，所述步骤S1中，针对每个场所提取特征信息的方法包括但是不限于如下方法：统计场所在特定时间内发生案情的次数，出现犯罪人员的次数，设置打分上下限，根据统计次数进行打分。进一步的，所述步骤S3中，过滤和清理的方法包括但是不限于如下方法：针对通讯系统的人员数据，包括通话双方电话、通话双方身份号、姓名通话时间、通话基站代码、通话时间长度；针对银行系统的人员数据包括交易双发姓名、交易金额、交易时间、交易的atm机或者银行网点位置和代码交易双方账号；针对公安系统数据包括涉案人员姓名、案件类型；针对交通系统只留下人员的轨迹数据进一步的，所述步骤S3中，提取特征值的方法包括但是不限于如下方法：统计与有犯罪记录的人员的通话次数，话单中有犯罪记录人员的数量，统计人员与涉案场所或者涉案人员的金额交易次数；统计人员的涉案次数，统计去过涉案场所的次数，基于统计值获取人员的特征信息，通过特征信息训练标签模型，对目标进行标签分类，并通过模型获取表示当前标签的可能性的概率值，以此值作为积分基础。与现有技术相比，采用上述技术方案的有益效果为：本专利技术结合大数据技术，解决了当前治安管理中关注人员的管理难题，结合多维数据，对关注人员的行为分析及时、高效和准确。针对特定关注人员和特定条件下的行为预测和分析，能有效的预防案件发生，高效的管控可疑人员，对治安管理和社会治理提供了技术保障。附图说明图1是本专利技术关注人员预测流程示意图。具体实施方式下面对本专利技术做进一步描述。下面以可疑的吸毒人员为例，对本专利技术的关注人员行为分析的方法。隐毒人员的抓获非常困难，吸毒剂量小的话几小时以后可能就代谢出体外从而不能从尿液或血液中检测出毒品指标。所以需要在吸毒人员组织吸毒或者正在吸毒时将其抓获。本专利技术公开了一套机器学习算法，可以推断一个人员是否为隐毒人员，在对隐毒人员进行监控，结合时间和空间属性，推断隐毒人员行为，根据推断预置处理方案，比如隐毒人员同涉毒人员同时或者先后出现在同一旅店时，可以采取临时排除等处理手段，对其进行盘查和处理。如图1所示：(1)基础数据采集：基础数据来源很多，目标可以产生的所有数据都可以是基础数据，本实施例采用的是通讯系统中的话单数据，银行系统中的金融账单数据，交通系统中的旅店住宿数据，互联网系统中网络采集网吧上网数据，以及还可以采集社会单位、信用征信等。(2)收集到基础数据后，对数据进行清洗，过滤无效数据和一些不需要的字段，针对不同的数据分类，比如在话单中，剔除一些与运营商有关的信息，sim卡类型，通话响铃次数等等。加入控制字段，比如话单导入时间，操作人员等，可疑只抽取通话主叫和被叫姓名，通话时间。其他基础数据清洗也类似，剔除不需要的字段，加入新的控制字段。(3)数据清理完毕以后，我们开始提取特征值。特征值的提取方法有很多，最常用的就是根据已有的吸毒人员进行特征分析，有针对的提取特征值。本专利技术同时对人员和场所进行特征值提取，特征值基于统计值，本文档来自技高网...

【技术保护点】
1.一种关注人员行为分析的方法，其特征在于，包括以下过程：步骤S1，对辖区内所有的场所进行统计，获取场所有关的基础数据，通过基础数据提取特征信息，对已知的场所样本贴上标签，用已有标签的场所来训练机器学习算法，为未知的场所贴标签和表示标签可信度的分值或者概率，每个场所有一个或者多个标签；步骤S2，获取银行系统、公安系统、交通系统、通讯系统中有案件记录人员的人员数据以及正常人的数据；步骤S3，对人员数据进行过滤和清理，去掉噪声，获取与案件人员或者案件场所相关的关键数据，再根据相关的关键数据针对每个关注人员提取特征值训练机器学习算法为没有标签的人员贴标签并有表示标签可信度的积分或者概率，每个人有一个或多个标签，并且有相应的标签积分；步骤S4，基于特征值采用分类算法，对关注人员进行分类，得到带标签的人员的集合；步骤S5，基于特征值采用分类算法，对辖区内的场所进行分类，得到带标签的场所集合；步骤S6，对目标人员的集合和场所集合进行匹配分析，如果银行系统的人员信息与犯罪场所集合中的场所有交易信息，或者公安系统的人员信息在犯罪场所集合中具有犯罪记录，或者交通系统的人员数据记录人员到过犯罪场所集合中的场所，或者通讯系统的人员信息有与犯罪场所集合中的场所有通话的记录，则关注人员和关注场所的标签数据产生共振，同类标签产生关联，通过算法对标签积分进行数据共振，共振积分叠加，设定异常的阈值条件，如果积分叠加后的积分到设定阈值触发预警，筛选出可能发生案情的关注人员和关注场所。...

【技术特征摘要】
1.一种关注人员行为分析的方法，其特征在于，包括以下过程：步骤S1，对辖区内所有的场所进行统计，获取场所有关的基础数据，通过基础数据提取特征信息，对已知的场所样本贴上标签，用已有标签的场所来训练机器学习算法，为未知的场所贴标签和表示标签可信度的分值或者概率，每个场所有一个或者多个标签；步骤S2，获取银行系统、公安系统、交通系统、通讯系统中有案件记录人员的人员数据以及正常人的数据；步骤S3，对人员数据进行过滤和清理，去掉噪声，获取与案件人员或者案件场所相关的关键数据，再根据相关的关键数据针对每个关注人员提取特征值训练机器学习算法为没有标签的人员贴标签并有表示标签可信度的积分或者概率，每个人有一个或多个标签，并且有相应的标签积分；步骤S4，基于特征值采用分类算法，对关注人员进行分类，得到带标签的人员的集合；步骤S5，基于特征值采用分类算法，对辖区内的场所进行分类，得到带标签的场所集合；步骤S6，对目标人员的集合和场所集合进行匹配分析，如果银行系统的人员信息与犯罪场所集合中的场所有交易信息，或者公安系统的人员信息在犯罪场所集合中具有犯罪记录，或者交通系统的人员数据记录人员到过犯罪场所集合中的场所，或者通讯系统的人员信息有与犯罪场所集合中的场所有通话的记录，则关注人员和关注场所的标签数据产生共振，同类标签产生关联，通过算法对标签积分进行数据共振，共振积分叠加，设定异常的阈值条件，如果积分叠加后的积分到设定阈值触发预警，筛选出可能发生案情的关注人员和关注场所。2.如权利要求1所述的关注人员行为分析的方法，其特征在于，所述关注人员行为分析的方法还包括对可能发生案情的关注人员的行为概率进行分级的过程：相同类别的两个或多个标签形成数据共振，共振的积分进行叠加；根据产生共振的主体，预测可能的犯罪行为，结合当前时间或者空间属性，推断出可疑人员可能进行犯罪活动的时间与地点；并根据叠加后的积分对预测的犯罪活动的时间与地...

【专利技术属性】
技术研发人员：李东旭，唐安琳，田经纬，邱吉刚，吴新勇，
申请(专利权)人：四川九洲电器集团有限责任公司，
类型：发明
国别省市：四川,51