【技术实现步骤摘要】
本专利技术涉及模式分析，尤其涉及一种基于多轨迹条件分析的聚集行为识别方法。
技术介绍
1、城市治理的最后一公里在社区，为优化社区治理工作，提出了精细化治理的新模式，其将社区管理辖区按照一定的标准划分成单元网格，通过对单元网格内相关治理指标的统计与分析，实现逐层监督，优化管理。其中，人口的集聚特征、迁移特征等数据是社区需要分析的重要治理指标，其可为社会治理决策提供参考信息。
2、目前，社区内人口数据的统计已实现信息化管理，但由于缺乏地理信息相关数据及技术辅助，大多数基层网格的划分和变更还停留在纸质文件上，对社区内人口数据的分析缺少空间策略分析及可视化预警，难以直观反应相关区域内人口治理指标随时间和空间变化，无法达到精细化治理，影响上层决策。
3、如今，随着科技的进步和社会的发展，人们对于综治基层方面的需求越来越高。在实际生活中，需要对重点人员的聚集行为进行重点关注。但是对这些重点人员的重点关注，会耗费大量的人力。传统的聚集行为识别方法通常只采用少数的轨迹数据进行分析，无法全面判断聚集行为的性质。
技术实现思路
1、本专利技术针对现有技术中存在的技术问题，提供一种基于多轨迹条件分析的聚集行为识别方法，基于多轨迹组合且基于不同时间窗口判断聚集装置可以通过综合多个时间窗口内的轨迹数据，能够准确识别不同类型的聚集行为。
2、根据本专利技术的第一方面，提供了一种基于多轨迹条件分析的聚集行为识别方法，包括：
3、步骤1，采集各个重点人员的各种类型的
4、步骤2，设置单轨迹聚集行为条件，包括：聚集区域的类型、相邻人员间隔时长的最高阈值和聚集人数的最低阈值；
5、步骤3，基于所述单轨迹聚集行为条件中的聚集区域的类型对应的所述轨迹信息确定满足所述单轨迹聚集行为条件的单轨迹聚集行为。
6、在上述技术方案的基础上，本专利技术还可以作出如下改进。
7、可选的，所述步骤1包括：
8、步骤101，通过消息队列的方式从上个节点获取重点人员的各种类型的轨迹信息；
9、步骤102，对所述轨迹信息进行数据处理，包括：数据去重和过滤无效数据；
10、步骤103，根据有效位置字段对所述轨迹信息进行分组。
11、可选的，所述各种类型的轨迹信息来自与各种设定类型的区域关联的数据，包括：上网数据、旅馆住宿数据、火车购票数据、汽车购票数据、飞机购票数据以及人脸预警。
12、可选的，所述步骤3包括：
13、步骤301，基于所述聚集行为条件中的聚集区域的类型确定对应的所述轨迹信息；
14、步骤302，基于所述轨迹信息构建重点人员和该类型的聚集区域的表关联；
15、步骤303，基于所述聚集行为条件设置聚集算子，基于所述聚集算子和所述表关联输出包含所有满足条件的单轨迹聚集行为的列表。
16、可选的，所述识别方法还包括：
17、步骤4，设置多轨迹聚集行为条件，基于各个所述单轨迹聚集行为确定满足所述多轨迹聚集行为条件的多轨迹聚集行为。
18、可选的，所述多轨迹聚集行为条件包括：聚集人数的最低阈值、满足条件的所述单轨迹聚集行为的数量的最低阈值和单轨迹间隔时长最高阈值。
19、可选的，所述步骤4包括：
20、步骤401，计算并标记步骤3中得到的各个所述单轨迹聚集行为的聚集时间，确定并缓存满足所述多轨迹聚集行为条件中的单轨迹间隔时长最高阈值的各个所述单轨迹聚集行为；
21、步骤402，计算缓存中各个所述单轨迹聚集行为的笛卡尔积的结果，依次遍历每个结果，根据现有轨迹种类的个数m和所述多轨迹聚集行为条件中的数量的最低阈值n，得到个多轨迹聚集行为的排列组合；
22、步骤403，对所述排列组合依次遍历求交集，交集结果的个数如果大于等于所述多轨迹聚集行为条件中的聚集人数的最低阈值时，则输出所述多轨迹聚集行为条件的结果。
23、根据本专利技术的第二方面，提供一种基于多轨迹条件分析的聚集行为识别系统，包括：轨迹信息采集模块、单轨迹聚集行为条件模块和判定单元；
24、所述轨迹信息采集模块，用于采集各个重点人员的各种类型的轨迹信息；
25、所述单轨迹聚集行为条件模块，用于设置单轨迹聚集行为条件，包括：聚集区域的类型、相邻人员间隔时长的最高阈值和聚集人数的最低阈值；
26、所述判定单元，用于基于所述单轨迹聚集行为条件中的聚集区域的类型对应的所述轨迹信息确定满足所述单轨迹聚集行为条件的单轨迹聚集行为。
27、根据本专利技术的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现基于多轨迹条件分析的聚集行为识别方法的步骤。
28、根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现基于多轨迹条件分析的聚集行为识别方法的步骤。
29、本专利技术提供的一种基于多轨迹条件分析的聚集行为识别方法、系统、电子设备及存储介质，先对单个轨迹的数据进行处理，得到单个轨迹的列表数据，在对得到的多个轨迹的列表数据进行聚集和分析，其有益效果包括：
30、1，高度准确性：通过多轨迹条件分析，该处理装置能够对重点人聚集情况进行精确的识别和定位。它可以利用多个轨迹数据源，综合考虑多个因素，从而提供更准确的结果，避免误报或漏报。
31、2，实时监测：该装置能够实时收集和分析轨迹数据，以快速检测重点人员聚集的发生。这样，相关部门或安全人员可以实时了解并采取适当的措施，以保障公共安全和秩序。
32、基于多轨迹条件分析的处理装置能够迅速发出警报或通知，以便及时采取行动。它具备高度的反应速度，使得应急响应团队能够快速到达现场并处理聚集事件，最大程度地减少潜在风险和损失。
33、3，快速响应：基于多轨迹条件分析的处理装置能够迅速发出警报或通知，以便及时采取行动。它具备高度的反应速度，使得应急响应团队能够快速到达现场并处理聚集事件，最大程度地减少潜在风险和损失。
34、此外，本装置更侧重于公安这个细分行业，可以根据实际情况调整参数得到更加准确的结果，除了缓存依赖于redis之外，没有其他第三方依赖组件，比较轻量级，一般服务器资源即可，成本也比较低。
本文档来自技高网...【技术保护点】
1.一种基于多轨迹条件分析的聚集行为识别方法，其特征在于，所述识别方法包括：
2.根据权利要求1所述的识别方法，其特征在于，所述步骤1包括：
3.根据权利要求1或2所述的识别方法，其特征在于，所述各种类型的轨迹信息来自与各种设定类型的区域关联的数据，包括：上网数据、旅馆住宿数据、火车购票数据、汽车购票数据、飞机购票数据以及人脸预警。
4.根据权利要求1所述的识别方法，其特征在于，所述步骤3包括：
5.根据权利要求1所述的识别方法，其特征在于，所述识别方法还包括：
6.根据权利要求1所述的识别方法，其特征在于，所述多轨迹聚集行为条件包括：聚集人数的最低阈值、满足条件的所述单轨迹聚集行为的数量的最低阈值和单轨迹间隔时长最高阈值。
7.根据权利要求6所述的识别方法，其特征在于，所述步骤4包括：
8.一种基于多轨迹条件分析的聚集行为识别系统，其特征在于，所述识别系统包括：轨迹信息采集模块、单轨迹聚集行为条件模块和判定单元；
9.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存
10.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-7任一项所述的基于多轨迹条件分析的聚集行为识别方法的步骤。
...【技术特征摘要】
1.一种基于多轨迹条件分析的聚集行为识别方法，其特征在于，所述识别方法包括：
2.根据权利要求1所述的识别方法，其特征在于，所述步骤1包括：
3.根据权利要求1或2所述的识别方法，其特征在于，所述各种类型的轨迹信息来自与各种设定类型的区域关联的数据，包括：上网数据、旅馆住宿数据、火车购票数据、汽车购票数据、飞机购票数据以及人脸预警。
4.根据权利要求1所述的识别方法，其特征在于，所述步骤3包括：
5.根据权利要求1所述的识别方法，其特征在于，所述识别方法还包括：
6.根据权利要求1所述的识别方法，其特征在于，所述多轨迹聚集行为条件包括：聚集人数的最低阈值、满足条件的所述单轨迹聚集行...
【专利技术属性】
技术研发人员：王亚其，谭军胜，
申请(专利权)人：武汉中科通达高新技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。