滞留点确定方法和滞留点确定装置制造方法及图纸

本发明专利技术实施例提供的滞留点确定方法和滞留点确定装置，涉及滞留点确定技术领域。所述滞留点确定方法用于对犯罪嫌疑人的滞留点进行确定，该方法包括：根据犯罪嫌疑人当前的案件信息确定至少一个滞留点，并计算每个滞留点对应的人员藏匿指标，根据各所述滞留点和对应的人员藏匿指标生成判别数据集；基于预设的深度学习模型和所述判别数据集在所述至少一个滞留点中确定至少一个目标滞留点，其中，所述深度学习模型基于历史案件信息训练生成。通过上述方法，可以提高搜捕犯罪嫌疑人的效率。

Method for determining detention point and device for determining detention point

【技术实现步骤摘要】
滞留点确定方法和滞留点确定装置
本专利技术涉及滞留点确定
，具体而言，涉及一种滞留点确定方法和滞留点确定装置。
技术介绍
警方在搜捕犯罪嫌疑人时需要推测犯罪嫌疑人的滞留点。但是，经专利技术人研究发现，在现有技术中，由于滞留点种类繁多，凭借警察的经验，在短时间内推测出嫌疑人可能滞留的地点的方法容易出现错误，从而存在着搜捕犯罪嫌疑人的效率低的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种滞留点确定方法和滞留点确定装置，以改善现有技术中存在的问题。为实现上述目的，本专利技术实施例采用如下技术方案：一种滞留点确定方法，用于对犯罪嫌疑人的滞留点进行确定，该方法包括：根据犯罪嫌疑人当前的案件信息确定至少一个滞留点，并计算每个滞留点对应的人员藏匿指标，根据各所述滞留点和对应的人员藏匿指标生成判别数据集；基于预设的深度学习模型和所述判别数据集在所述至少一个滞留点中确定至少一个目标滞留点，其中，所述深度学习模型基于历史案件信息训练生成。在本专利技术实施例较佳的选择中，所述历史案件信息包括第一滞留点信息和第二滞留点信息，该方法还包括训练所述深度学习模型的步骤，该步骤包括：通过一生成器模型对随机噪声信号进行处理得到对应的随机噪声向量，并通过一判别器模型将所述随机噪声向量与所述第一滞留点信息进行比较，以得到比较结果；根据所述比较结果调整所述生成器模型和判别器模型的参数，并基于调整后的生成器模型对所述随机噪声信号进行处理，以得到新的随机噪声向量，以使所述判别器模型将所述新的随机噪声向量和所述第一滞留点信息进行比较得到的比较结果为预设值；通过所述新的随机噪声向量和所述第一滞留点信息得到新的第一滞留点信息；根据所述新的第一滞留点信息和所述第二滞留点信息生成新的历史案件信息，并基于该新的历史案件信息进行训练得到一深度学习模型。在本专利技术实施例较佳的选择中，所述人员藏匿指标包括藏匿价值，所述计算每个滞留点对应的人员藏匿指标的步骤包括：获取该滞留点的藏匿价值信息，其中，该藏匿价值信息包括区域流动人口、区域总人口、区域外来人口占比、区域摄像头覆盖比率、区域内便利店数量及区域面积；根据所述藏匿价值信息和第一公式计算该滞留点的藏匿价值。在本专利技术实施例较佳的选择中，所述第一公式包括：其中，e表示藏匿价值，min表示区域流动人口，m表示区域总人口，w表示区域外来人口占比，Pc表示区域摄像头覆盖比率，ms表示区域内便利店数量，S表示区域面积，Num表示历史案件中犯罪嫌疑人藏匿点的数量，Nums表示与该滞留点所在区域相同的藏匿点数量，th表示历史案件中犯罪嫌疑人在藏匿点中的藏匿平均时长，n表示区域内熟人数量，表示犯罪嫌疑人与第i个人的历史交互次数，表示犯罪嫌疑人与第i个人在预设时长内的交互次数。在本专利技术实施例较佳的选择中，所述人员藏匿指标包括便利程度，所述计算每个滞留点对应的人员藏匿指标的步骤包括：获取该滞留点的便利程度信息，其中，该便利程度信息包括公交车的便利程度和其他方式的便利程度；根据所述便利程度信息和第二公式计算该滞留点的便利程度。在本专利技术实施例较佳的选择中，所述第二公式包括：Carea＝CBus+Cother；其中，CBus表示公交车的便利程度，n表示该滞留点预设范围内公交车站点数，Numi表示站点i中公交车线路数量，tj表示公交车j的发车间隔时间，Titrain表示站点i到达火车站的时间，Tibus表示站点i到达长途汽车站的时间，Tiplane表示站点i到达机场的时间；Cother表示其他方式的便利程度，nbike表示该滞留点预设范围内日均公共自行车数量，ntaxi表示该滞留点预设范围内日均空闲出租车数量，nl表示与该滞留点相连的大型道路的数量，nm表示与该滞留点相连的中型道路的数量，ns表示与该滞留点相连的小型道路的数量，tout表示自驾车从该滞留点驶离的平均时间，ttaxi表示呼叫出租车平均花费的时间；Carea表示该滞留点各种交通方式的便利程度。在本专利技术实施例较佳的选择中，所述人员藏匿指标包括藏匿成本，所述计算每个滞留点对应的人员藏匿指标的步骤包括：获取该滞留点的藏匿成本信息，其中，该藏匿成本信息包括房屋空置率、犯罪嫌疑人存款及区域日均藏匿成本；根据所述藏匿成本信息和第三公式计算该滞留点的藏匿成本。在本专利技术实施例较佳的选择中，所述第三公式包括：其中，Y表示藏匿成本，E表示房屋空置率，G表示犯罪嫌疑人存款，d表示区域日均藏匿成本。本专利技术实施例还提供了一种滞留点确定装置，用于对犯罪嫌疑人的滞留点进行确定，该装置包括：判别数据集生成模块，用于根据犯罪嫌疑人当前的案件信息确定至少一个滞留点，并计算每个滞留点对应的人员藏匿指标，根据各所述滞留点和对应的人员藏匿指标生成判别数据集；目标滞留点确定模块，用于基于预设的深度学习模型和所述判别数据集在所述至少一个滞留点中确定至少一个目标滞留点，其中，所述深度学习模型基于历史案件信息训练生成。在本专利技术实施例较佳的选择中，所述历史案件信息包括第一滞留点信息和第二滞留点信息，该装置还包括用于训练所述深度学习模型的深度学习模型训练模块，该模块包括：比较单元，用于通过一生成器模型对随机噪声信号进行处理得到对应的随机噪声向量，并通过一判别器模型将所述随机噪声向量与所述第一滞留点信息进行比较，以得到比较结果；噪声向量生成单元，用于根据所述比较结果调整所述生成器模型和判别器模型的参数，并基于调整后的生成器模型对所述随机噪声信号进行处理，以得到新的随机噪声向量，以使所述判别器模型将所述新的随机噪声向量和所述第一滞留点信息进行比较得到的比较结果为预设值；滞留点信息生成单元，用于通过所述新的随机噪声向量和所述第一滞留点信息得到新的第一滞留点信息；深度学习模型训练单元，用于根据所述新的第一滞留点信息和所述第二滞留点信息生成新的历史案件信息，并基于该新的历史案件信息进行训练得到一深度学习模型。本专利技术实施例提供的滞留点确定方法和滞留点确定装置，可以根据犯罪嫌疑人当前的案件信息确认各滞留点和对应的人员藏匿指标生成判别数据集，并根据预设的深度学习模型和所述判别数据集确定至少一个目标滞留点，以提高搜捕犯罪嫌疑人的效率。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明图1为本专利技术实施例提供的电子设备的结构方框图。图2为本专利技术实施例提供的滞留点确定方法的流程示意图。图3为图2中的步骤S110的流程示意图。图4为图3中的步骤S110的另一流程示意图。图5为图3中的步骤S110的另一流程示意图。图6为本专利技术实施例提供的滞留点确定方法的另一流程示意图。图7为本专利技术实施例提供的滞留点确定装置的结构方框图。图8为本专利技术实施例提供的滞留点确定装置的另一结构方框图。图标：10-电子设备；12-存储器；14-处理器；100-滞留点确定装置；110-判别数据集生成模块；120-目标滞留点确定模块；130-深度学习模型训练模块；131-比较单元；132-噪声向量生成单元；133-滞留点信息生成单元；134-深度学习模型训练单元。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只是本发本文档来自技高网...

【技术保护点】
1.一种滞留点确定方法，其特征在于，用于对犯罪嫌疑人的滞留点进行确定，该方法包括：根据犯罪嫌疑人当前的案件信息确定至少一个滞留点，并计算每个滞留点对应的人员藏匿指标，根据各所述滞留点和对应的人员藏匿指标生成判别数据集；基于预设的深度学习模型和所述判别数据集在所述至少一个滞留点中确定至少一个目标滞留点，其中，所述深度学习模型基于历史案件信息训练生成。

【技术特征摘要】
1.一种滞留点确定方法，其特征在于，用于对犯罪嫌疑人的滞留点进行确定，该方法包括：根据犯罪嫌疑人当前的案件信息确定至少一个滞留点，并计算每个滞留点对应的人员藏匿指标，根据各所述滞留点和对应的人员藏匿指标生成判别数据集；基于预设的深度学习模型和所述判别数据集在所述至少一个滞留点中确定至少一个目标滞留点，其中，所述深度学习模型基于历史案件信息训练生成。2.根据权利要求1所述的滞留点确定方法，其特征在于，所述历史案件信息包括第一滞留点信息和第二滞留点信息，该方法还包括训练所述深度学习模型的步骤，该步骤包括：通过一生成器模型对随机噪声信号进行处理得到对应的随机噪声向量，并通过一判别器模型将所述随机噪声向量与所述第一滞留点信息进行比较，以得到比较结果；根据所述比较结果调整所述生成器模型和判别器模型的参数，并基于调整后的生成器模型对所述随机噪声信号进行处理，以得到新的随机噪声向量，以使所述判别器模型将所述新的随机噪声向量和所述第一滞留点信息进行比较得到的比较结果为预设值；通过所述新的随机噪声向量和所述第一滞留点信息得到新的第一滞留点信息；根据所述新的第一滞留点信息和所述第二滞留点信息生成新的历史案件信息，并基于该新的历史案件信息进行训练得到一深度学习模型。3.根据权利要求1或2所述的滞留点确定方法，其特征在于，所述人员藏匿指标包括藏匿价值，所述计算每个滞留点对应的人员藏匿指标的步骤包括：获取该滞留点的藏匿价值信息，其中，该藏匿价值信息包括区域流动人口、区域总人口、区域外来人口占比、区域摄像头覆盖比率、区域内便利店数量及区域面积；根据所述藏匿价值信息和第一公式计算该滞留点的藏匿价值。4.根据权利要求3所述的滞留点确定方法，其特征在于，所述第一公式包括：其中，e表示藏匿价值，min表示区域流动人口，m表示区域总人口，w表示区域外来人口占比，Pc表示区域摄像头覆盖比率，ms表示区域内便利店数量，S表示区域面积，Num表示历史案件中犯罪嫌疑人藏匿点的数量，Nums表示与该滞留点所在区域相同的藏匿点数量，th表示历史案件中犯罪嫌疑人在藏匿点中的藏匿平均时长，n表示区域内熟人数量，nih表示犯罪嫌疑人与第i个人的历史交互次数，nij表示犯罪嫌疑人与第i个人在预设时长内的交互次数。5.根据权利要求1或2所述的滞留点确定方法，其特征在于，所述人员藏匿指标包括便利程度，所述计算每个滞留点对应的人员藏匿指标的步骤包括：获取该滞留点的便利程度信息，其中，该便利程度信息包括公交车的便利程度和其他方式的便利程度；根据所述便利程度信息和第二公式计算该滞留点的便利程度。6.根据权利要求5所述的滞留点确定方法，其特征在于，所述第二公式包括：Carea＝CBus+Cother；其中，CBus表示公...

【专利技术属性】
技术研发人员：沈贝伦，沈俊青，李冰，盛丽兰，陆韵，黄刚，张宇杰，夏逢鑫，
申请(专利权)人：杭州中奥科技有限公司，
类型：发明
国别省市：浙江,33