一种防盗预判方法技术

本发明专利技术的实施例公开一种防盗预判方法，涉及领域计算机技术领域，能够解决现有的无人商店无法对被盗事件作出较为准确的预判的问题。所述防盗预判方法包括：获取历史被盗大数据信息；根据所述历史被盗大数据信息生成被盗特征数据。本发明专利技术能够根据历史被盗数据，生成被盗特征数据给后端，协助后端监控人员提前作出防盗措施。

A method of anti-theft prediction

【技术实现步骤摘要】
一种防盗预判方法
本专利技术涉及计算机
，尤其涉及一种防盗预判方法。
技术介绍
随着消费升级、人口结构变迁催生出的“便利”需求，便利店在中国正处于快速成长期。但近年来随着人员用工成本的逐年增加，房租成本的逐渐攀升，使得便利店的利润空间不断被挤压。同时，受劳动力成本和空间限制，一般便利店很难配备足够的服务人员，高峰排队现象普遍，顾客购物体验较差。而受限于教育水平和市场经验，店员往往无法对销售数据做有效分析，加上电商对流量的分流都是便利店绕不开的痛点。为解决上述问题，无人商店应运而生。无人商店由于无需雇佣收银员，降低了人力成本；此外，无人商店具有模式简单，容易大规模复制，付款快，能够减少顾客排队、付款等待时间等优势，成为了未来商店的发展方向。但是，由于无人商店内往往无人值守，因此，有些小偷会趁虚而入，如何根据被盗无人商店的数据，总结出小偷的偷盗行为特征提供给无人商店的后端监控人员，以便对可能发生的被盗事件做出预判，是目前无人商店技术中亟待解决的一大主要问题。
技术实现思路
有鉴于此，本专利技术实施例提供一种防盗预判本文档来自技高网...

【技术保护点】
1.一种防盗预判方法，其特征在于，包括：/n获取历史被盗大数据信息；/n根据所述历史被盗大数据信息生成被盗特征数据。/n

【技术特征摘要】
1.一种防盗预判方法，其特征在于，包括：
获取历史被盗大数据信息；
根据所述历史被盗大数据信息生成被盗特征数据。


2.根据权利要求1所述的防盗预判方法，其特征在于，所述根据所述历史被盗大数据信息生成被盗特征数据，包括：
根据所述历史被盗大数据信息，计算各无人商店在第一时间段内的各第二时间段对应的被盗权重；
将各无人商店在第一时间段内的各第二时间段对应的被盗权重由高到低排列；
按照排列结果顺序存储无人商店标识与第二时间段及被盗权重的对应关系集，作为被盗特征数据。


3.根据权利要求2所述的防盗预判方法，其特征在于，所述在按照排列结果顺序存储无人商店标识与第二时间段及被盗权重的对应关系集，作为被盗特征数据之后，还包括：
将被盗权重最高的前指定数量的被盗特征数据提供给后台监控人员。


4.根据权利要求2所述的防盗预判方法，其特征在于，所述历史被盗大数据信息包括：无人商店标识及对应的被盗时间、被盗次数；
所述根据所述历史被盗大数据信息，计算各无人商店在第一时间段内的各第二时间段对应的被盗权重，包括：
计算各无人商店在第一时间段内的各第二时间段内的被盗次数以及全部无人商店在第一时间段内的被盗总次数；
根据公式计算各无人商店在第一时间段内的各第二时间段对应的被盗次数权重；其中，xij、nij分别为第i个无人商店在第一时间段内的第j个第二时间段对应的被盗次数权重和被盗次数，i＝1,…,I，j＝1,…,J，I为被监控的无人商店总数，J为每个第一时间段内划分的第二时间段的数量，N为全部无人商店在第一时间段内的被盗总次数；
将各无人商店在第一时间段内的各第二时间段对应的被盗次数权重作为该无人商店在第一时间段内的各第二时间段对应的被盗权重。


5.根据权利要求2所述的防盗预判方法，其特征在于，所述历史被盗大数据信息包括：无人商店标识及对应的被盗时间、每次被盗金额；
所述根据所述历史被盗大数据信息，计算各无人商店在第一时间段内的各第二时间段对应的被盗权重，包括：
计算各无人商店在第一时间段内的各第二时间段内的被盗金额以及全部无人商店在第一时间段内的被盗总金额；
根据公式计算各无人商店在第一时间段内的各第二时间段对应的被盗金额权重；其中，yij、mij分别为第i个无人商店在第一时间段内的第j个第二时间段对应的被盗金额权重和...

【专利技术属性】
技术研发人员：陈子林，王良旗，
申请(专利权)人：缤果可为北京科技有限公司，
类型：发明
国别省市：北京;11