一种基于AI热度预测的公共人口疏导调度方法和系统技术方案

本申请实施例提供的一种基于AI热度预测的公共人口疏导调度方法，包括：从公共数据源获取与当前驱动事件相关联的内容数据，根据内容数据统计与当前驱动事件对应的多个量化指标；根据内容数据确定当前驱动事件的热度的影响系数；对多个量化指标分别进行归一化处理；确定当前驱动事件的热度向量的正影响维度和负影响维度和附加维度，并整合为当前驱动事件的热度向量，利用预先训练好的神经网络模型对热度向量进行分析，确定当前驱动事件对应的人员聚集程度；根据人员聚集程度执行相应的公共人口疏导调度。本申请能够对由驱动事件导致的公共场所的人员聚集的发生以及聚集的程度进行预测。

A method and system of public population dispatch based on AI heat forecast

【技术实现步骤摘要】
一种基于AI热度预测的公共人口疏导调度方法和系统
本申请涉及公共人口疏导调度
，尤其涉及一种基于AI热度预测的公共人口疏导调度方法和系统。
技术介绍
公共人口疏导，就是当某个公共场所有可能呈现人员聚集的时候，采用限流、分流、开放备用场所和备用道路、增派警力等方式进行疏导调度，避免发生拥挤踩踏、人员大规模滞留等事件。公共场所呈现人员聚集往往是由某种驱动事件导致的，比如举办体育比赛或者演唱会、某个明星见面会、某商场大力度促销、观看升旗、迎接跨年夜等传统习俗。这些驱动事件有的需要组织者向公安机关或者管理部门备案，但是有很多驱动事件没有备案的要求，或者是并没有组织者而属于群体性自发的行为，导致公安机关或者管理部门未及时掌握该驱动事件。另外有的驱动事件虽然公安机关或管理部门能够获知，但是其热度则难以提前预知，例如某明星举办粉丝见面会，备案信息填写安排粉丝入场500人，但是实际上由于该明星的号召力现场周边可能聚集数千甚至上万的粉丝，这使得公安机关或者管理部门难以完全提前预测人员聚集的发生或者预测其规模，从而难以提前进行疏导调度预案。
技术实现思路
有鉴于此，本申请的目的在于提出一种基于AI热度预测的公共人口疏导调度方法和系统，来解决现有技术中由驱动事件导致的公共场所的人员聚集的发生以及聚集的程度难以提前预测，从而影响对聚集人员进行疏导调度的技术问题。基于上述目的，在本申请的第一个方面，提出了一种基于AI热度预测的公共人口疏导调度方法，包括：从公共数据源获取与当前驱动事件相关联的内容数据，根据所述内容数据统计与所述当前驱动事件对应的多个量化指标；根据所述内容数据确定所述当前驱动事件的热度的影响系数，所述影响系数包括正影响系数和负影响系数；对所述多个量化指标分别进行归一化处理，将所述多个量化指标量化为同一数量级的指标数据；根据所述影响系数和所述指标数据确定所述当前驱动事件的热度向量的正影响维度和负影响维度；根据所述当前驱动事件的周围环境信息和位置信息确定所述当前驱动事件的热度向量的附加维度；将所述正影响维度、所述负影响维度和所述附加维度整合为所述当前驱动事件的热度向量，利用预先训练好的神经网络模型对所述热度向量进行分析，确定所述当前驱动事件对应的人员聚集程度；根据所述人员聚集程度执行相应的公共人口疏导调度。在一些实施例中，所述公共数据源包括：微博服务器、搜索引擎服务器、论坛服务器和网页服务器中的一种或多种；所述从公共数据源获取与所述当前驱动事件相关联的内容数据，包括：在所述内容数据中基于关键词查找包括与所述当前驱动事件的相关联的关键词的内容数据作为有效内容数据，统计相应的微博转发量和/或引擎搜索量和/或论坛发帖量和/或网页浏览量作为量化指标。在一些实施例中，所述根据所述内容数据确定所述当前驱动事件的热度的影响系数，包括：统计所述内容数据中的包括正影响词的内容数据的数量和包括负影响词的内容数据的数量，根据包括正影响词的内容数据在全部内容数据中的占比确定所述当前驱动事件的正影响系数，根据包括负影响词的内容数据在全部内容数据中的占比确定所述当前驱动事件的负影响系数。在一些实施例中，还包括：预先建立正影响词词库和负影响词词库，所述正影响词词库包括生活用语和网络用语中常见的正面评价词，所述负影响词词库包括生活用语和网络用语中常见的负面评价词。在一些实施例中，所述统计所述内容数据中的包括正影响词的内容数据的数量和包括负影响词的内容数据的数量，包括：所述统计所述内容数据中的包括所述正影响词词库中的正影响词在内的内容数据的数量和包括所述负影响词词库中的负影响词在内的内容数据的数量。在一些实施例中，所述根据所述影响系数和所述指标数据确定所述当前驱动事件的热度向量的正影响维度和负影响维度，包括：将数量化后的所述内容数据中的包括所述正影响词词库中的正影响词在内的内容数据的数量与所述正影响系的乘积确定为所述当前驱动事件的热度向量的正影响维度，将数量化后的所述内容数据中的包括所述负影响词词库中的负影响词在内的内容数据的数量与所述负影响系的乘积确定为所述当前驱动事件的热度向量的负影响维度。在一些实施例中，所述根据所述当前驱动事件的周围环境的天气和所述当前驱动事件的位置信息确定所述当前驱动事件的热度向量的附加维度，包括：根据预先设定的映射规则将所述当前驱动事件的周围环境的天气映射为对应的数值，作为所述当前驱动事件的热度向量的天气维度；根据预先设定的映射规则将所述当前驱动事件的位置坐标到预先设定的参照坐标之间的距离映射为对应的数值，作为所述当前驱动事件的热度向量的位置维度。基于上述目的，在本申请的第二个方面，还提出了一种基于AI热度预测的公共人口疏导调度系统，包括：内容数据获取模块，用于从公共数据源获取与当前驱动事件相关联的内容数据，根据所述内容数据统计与所述当前驱动事件对应的多个量化指标；影响系数确定模块，用于根据所述内容数据确定所述当前驱动事件的热度的影响系数，所述影响系数包括正影响系数和负影响系数；归一化处理模块，用于对所述多个量化指标分别进行归一化处理，将所述多个量化指标量化为同一数量级的指标数据；影响维度确定模块，用于根据所述影响系数和所述指标数据确定所述当前驱动事件的热度向量的正影响维度和负影响维度；附加维度确定模块，用于根据所述当前驱动事件的周围环境信息和位置信息确定所述当前驱动事件的热度向量的附加维度；热度向量分析模块，用于将所述正影响维度、所述负影响维度和所述附加维度整合为所述当前驱动事件的热度向量，利用预先训练好的神经网络模型对所述热度向量进行分析，确定所述当前驱动事件对应的人员聚集程度；疏导调度模块，用于根据所述人员聚集程度执行相应的公共人口疏导调度。在一些实施例中，所述影响系数确定模块，具体用于：统计所述内容数据中的包括正影响词的内容数据的数量和包括负影响词的内容数据的数量，根据包括正影响词的内容数据在全部内容数据中的占比确定所述当前驱动事件的正影响系数，根据包括负影响词的内容数据在全部内容数据中的占比确定所述当前驱动事件的负影响系数。在一些实施例中，还包括：存储模块，用于对预先建立的正影响词词库和负影响词词库进行存储。本申请实施例提供的一种基于AI热度预测的公共人口疏导调度方法和系统，其中方法包括：从公共数据源获取与当前驱动事件相关联的内容数据，根据所述内容数据统计与所述当前驱动事件对应的多个量化指标；根据所述内容数据确定所述当前驱动事件的热度的影响系数，所述影响系数包括正影响系数和负影响系数；对所述多个量化指标分别进行归一化处理，将所述多个量化指标量化为同一数量级的指标数据；根据所述影响系数和所述指标数据确定所述当前驱动事件的热度向量的正影响维度和负影响维度；根据所述当前驱动事件的周围环境信息和位置信息确定所述当前驱动事件的热度向量的附加维度；将所述正本文档来自技高网...

【技术保护点】
1.一种基于AI热度预测的公共人口疏导调度方法，其特征在于，包括：/n从公共数据源获取与当前驱动事件相关联的内容数据，根据所述内容数据统计与所述当前驱动事件对应的多个量化指标；/n根据所述内容数据确定所述当前驱动事件的热度的影响系数，所述影响系数包括正影响系数和负影响系数；/n对所述多个量化指标分别进行归一化处理，将所述多个量化指标量化为同一数量级的指标数据；/n根据所述影响系数和所述指标数据确定所述当前驱动事件的热度向量的正影响维度和负影响维度；/n根据所述当前驱动事件的周围环境信息和位置信息确定所述当前驱动事件的热度向量的附加维度；/n将所述正影响维度、所述负影响维度和所述附加维度整合为所述当前驱动事件的热度向量，利用预先训练好的神经网络模型对所述热度向量进行分析，确定所述当前驱动事件对应的人员聚集程度；/n根据所述人员聚集程度执行相应的公共人口疏导调度。/n

【技术特征摘要】
1.一种基于AI热度预测的公共人口疏导调度方法，其特征在于，包括：
从公共数据源获取与当前驱动事件相关联的内容数据，根据所述内容数据统计与所述当前驱动事件对应的多个量化指标；
根据所述内容数据确定所述当前驱动事件的热度的影响系数，所述影响系数包括正影响系数和负影响系数；
对所述多个量化指标分别进行归一化处理，将所述多个量化指标量化为同一数量级的指标数据；
根据所述影响系数和所述指标数据确定所述当前驱动事件的热度向量的正影响维度和负影响维度；
根据所述当前驱动事件的周围环境信息和位置信息确定所述当前驱动事件的热度向量的附加维度；
将所述正影响维度、所述负影响维度和所述附加维度整合为所述当前驱动事件的热度向量，利用预先训练好的神经网络模型对所述热度向量进行分析，确定所述当前驱动事件对应的人员聚集程度；
根据所述人员聚集程度执行相应的公共人口疏导调度。


2.根据权利要求1所述的方法，其特征在于，所述公共数据源包括：
微博服务器、搜索引擎服务器、论坛服务器和网页服务器中的一种或多种；
所述从公共数据源获取与所述当前驱动事件相关联的内容数据，包括：
在所述内容数据中基于关键词查找包括与所述当前驱动事件的相关联的关键词的内容数据作为有效内容数据，统计相应的微博转发量和/或引擎搜索量和/或论坛发帖量和/或网页浏览量作为量化指标。


3.根据权利要求2所述的方法，其特征在于，所述根据所述内容数据确定所述当前驱动事件的热度的影响系数，包括：
统计所述内容数据中的包括正影响词的内容数据的数量和包括负影响词的内容数据的数量，根据包括正影响词的内容数据在全部内容数据中的占比确定所述当前驱动事件的正影响系数，根据包括负影响词的内容数据在全部内容数据中的占比确定所述当前驱动事件的负影响系数。


4.根据权利要求3所述的方法，其特征在于，还包括：
预先建立正影响词词库和负影响词词库，所述正影响词词库包括生活用语和网络用语中常见的正面评价词，所述负影响词词库包括生活用语和网络用语中常见的负面评价词。


5.根据权利要求4所述的方法，其特征在于，所述统计所述内容数据中的包括正影响词的内容数据的数量和包括负影响词的内容数据的数量，包括：
所述统计所述内容数据中的包括所述正影响词词库中的正影响词在内的内容数据的数量和包括所述负影响词词库中的负影响词在内的内容数据的数量。


6.根据权利要求5所述的方法，其特征在于，所述根据所述影响系数和所述指标数据确定所述当前驱动事件的热度向...

【专利技术属性】
技术研发人员：鲍敏，
申请(专利权)人：特斯联北京科技有限公司，光控特斯联上海信息科技有限公司，
类型：发明
国别省市：北京;11