本發(fā)明涉及智慧社區(qū)，尤其涉及一種基于數(shù)據(jù)互聯(lián)的智慧社區(qū)智能安防監(jiān)測管理方法。

背景技術(shù)：

1、在智慧社區(qū)的安防監(jiān)測管理中，如何基于海量監(jiān)控數(shù)據(jù)和環(huán)境數(shù)據(jù)，優(yōu)化安保巡防路線，是一個亟待解決的技術(shù)難題。目前，大多數(shù)社區(qū)的巡防路線規(guī)劃依賴于人工經(jīng)驗，缺乏數(shù)據(jù)支撐和科學(xué)依據(jù)，導(dǎo)致巡防效率低下，風(fēng)險防范能力不足。巡防路線優(yōu)化需要綜合考慮社區(qū)道路網(wǎng)絡(luò)結(jié)構(gòu)、建筑分布、重點防范區(qū)域、人流量變化等多重因素，并能夠根據(jù)實時監(jiān)測數(shù)據(jù)動態(tài)調(diào)整。傳統(tǒng)的路徑規(guī)劃算法難以滿足如此復(fù)雜多變的約束條件。同時，海量的監(jiān)控視頻數(shù)據(jù)、環(huán)境傳感數(shù)據(jù)如何高效融合分析，從中準(zhǔn)確識別風(fēng)險因素，也對算法性能提出了很高要求。如何在兼顧實時性的同時，最大化利用有限的安保力量，合理分配巡防資源，實現(xiàn)全時空覆蓋下的動態(tài)巡防路線規(guī)劃，是一個技術(shù)挑戰(zhàn)。這需要在數(shù)據(jù)采集、存儲、計算、分析、可視化等各個環(huán)節(jié)進(jìn)行優(yōu)化，并開發(fā)智能算法，充分挖掘數(shù)據(jù)價值，增強(qiáng)路線規(guī)劃的靈活性和適應(yīng)性，才能切實提升社區(qū)安防管理水平。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服上述一種或多種現(xiàn)有的技術(shù)問題，提供一種基于數(shù)據(jù)互聯(lián)的智慧社區(qū)智能安防監(jiān)測管理方法。

2、為實現(xiàn)上述目的，本發(fā)明提供的一種基于數(shù)據(jù)互聯(lián)的智慧社區(qū)智能安防監(jiān)測管理方法，包括：

3、獲取社區(qū)內(nèi)道路、建筑和設(shè)施的實時監(jiān)測數(shù)據(jù)，針對監(jiān)測數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和數(shù)據(jù)融合，得到預(yù)處理后的監(jiān)測數(shù)據(jù)集合，并將監(jiān)測數(shù)據(jù)集合存儲至數(shù)據(jù)庫中；

4、從數(shù)據(jù)庫中讀取預(yù)處理后的監(jiān)測數(shù)據(jù)集合，提取與社區(qū)安防巡防相關(guān)的特征參數(shù)，所述特征參數(shù)包括道路長度、道路寬度、建筑物高度和建筑物密度，基于特征參數(shù)構(gòu)建社區(qū)安防巡防環(huán)境模型；

5、根據(jù)述社區(qū)安防巡防環(huán)境模型，采用圖論算法對社區(qū)道路網(wǎng)絡(luò)進(jìn)行建模，得到社區(qū)道路網(wǎng)絡(luò)拓?fù)鋱D，基于拓?fù)鋱D構(gòu)建社區(qū)安防巡防路線優(yōu)化模型，社區(qū)安防巡防路線優(yōu)化模型的目標(biāo)函數(shù)為最小化巡防總路程，約束條件包括每條道路至少巡防一次和重點區(qū)域加強(qiáng)巡防；

6、針對社區(qū)安防巡防路線優(yōu)化模型，采用蟻群算法進(jìn)行求解，得到若干條候選最優(yōu)巡防路線，并根據(jù)歷史巡防數(shù)據(jù)對候選最優(yōu)巡防路線進(jìn)行評估，選取綜合評估指標(biāo)最優(yōu)的巡防路線作為最佳巡防路線；

7、獲取社區(qū)內(nèi)不同時段的人流量數(shù)據(jù)和治安事件數(shù)據(jù)，采用聚類算法對人流量數(shù)據(jù)和治安事件數(shù)據(jù)進(jìn)行聚類分析，得到不同時段的治安風(fēng)險等級，若治安風(fēng)險等級為高風(fēng)險，則增加相應(yīng)時段的巡防頻次，若治安風(fēng)險等級為低風(fēng)險，則減少相應(yīng)時段的巡防頻次；

8、將最佳巡防路線、動態(tài)優(yōu)化后的巡防頻次以及未來一段時間內(nèi)的巡防計劃信息進(jìn)行可視化展示，生成社區(qū)安防巡防智能決策報告，并將智能決策報告推送至社區(qū)安防管理人員終端。

9、根據(jù)本發(fā)明的一個方面，獲取社區(qū)內(nèi)道路、建筑和設(shè)施的實時監(jiān)測數(shù)據(jù)，針對獲取的原始監(jiān)測數(shù)據(jù)，對監(jiān)測數(shù)據(jù)進(jìn)行去噪和異常值處理，得到清洗后的監(jiān)測數(shù)據(jù)；

10、根據(jù)預(yù)先建立的數(shù)據(jù)融合規(guī)則，將清洗后的監(jiān)測數(shù)據(jù)進(jìn)行關(guān)聯(lián)融合，得到融合后的監(jiān)測數(shù)據(jù)集合，其中數(shù)據(jù)融合規(guī)則包括時間對齊和空間對齊；

11、針對融合后的監(jiān)測數(shù)據(jù)集合，進(jìn)行特征提取，得到監(jiān)測數(shù)據(jù)的特征向量，并將特征向量存儲至數(shù)據(jù)庫中；

12、根據(jù)預(yù)設(shè)的數(shù)據(jù)質(zhì)量評估指標(biāo)，對特征提取后的監(jiān)測數(shù)據(jù)集合進(jìn)行質(zhì)量評估，若評估結(jié)果滿足預(yù)設(shè)閾值，則將該監(jiān)測數(shù)據(jù)集合標(biāo)記為可用數(shù)據(jù)并存儲至數(shù)據(jù)庫中；

13、通過數(shù)據(jù)可視化技術(shù)，將數(shù)據(jù)庫中的可用監(jiān)測數(shù)據(jù)集合進(jìn)行可視化展示，生成社區(qū)內(nèi)道路、建筑和設(shè)施的實時監(jiān)測數(shù)據(jù)可視化界面；

14、對數(shù)據(jù)庫中的歷史監(jiān)測數(shù)據(jù)進(jìn)行學(xué)習(xí)，優(yōu)化數(shù)據(jù)融合規(guī)則和特征提取算法；

15、根據(jù)社區(qū)管理的實際需求，將預(yù)處理后的監(jiān)測數(shù)據(jù)集合與其他業(yè)務(wù)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，對監(jiān)測數(shù)據(jù)進(jìn)行挖掘。

16、根據(jù)本發(fā)明的一個方面，從預(yù)處理后的監(jiān)測數(shù)據(jù)集合中獲取原始數(shù)據(jù)，對原始數(shù)據(jù)進(jìn)行清洗和標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化的監(jiān)測數(shù)據(jù)；

17、針對標(biāo)準(zhǔn)化的監(jiān)測數(shù)據(jù)，提取與社區(qū)安防巡防相關(guān)的特征參數(shù)，包括道路長度、道路寬度、建筑物高度和建筑物密度參數(shù)；

18、根據(jù)獲取的道路長度和道路寬度特征參數(shù)，采用聚類算法對社區(qū)道路進(jìn)行分類，得到不同類型的道路，包括主干道、次干道和支路；

19、根據(jù)建筑物高度和建筑物密度特征參數(shù)，采用密度聚類算法對社區(qū)建筑進(jìn)行分類，得到不同類型的建筑區(qū)域，包括高層建筑區(qū)、多層建筑區(qū)和低層建筑區(qū)；

20、將社區(qū)道路分類結(jié)果和建筑區(qū)域分類結(jié)果進(jìn)行疊加分析，得到不同區(qū)域的安防巡防環(huán)境特征，并構(gòu)建社區(qū)安防巡防環(huán)境模型；

21、針對社區(qū)安防巡防環(huán)境模型，采用強(qiáng)化學(xué)習(xí)算法進(jìn)行路徑規(guī)劃，得到最優(yōu)的安防巡防路線，最大化各區(qū)域的巡防覆蓋率和巡防效率。

22、根據(jù)本發(fā)明的一個方面，根據(jù)社區(qū)安防巡防環(huán)境模型，獲取社區(qū)道路網(wǎng)絡(luò)數(shù)據(jù)，包括道路節(jié)點和道路連接關(guān)系信息；

23、采用圖論算法對社區(qū)道路網(wǎng)絡(luò)進(jìn)行建模，將道路節(jié)點作為圖的節(jié)點，道路連接關(guān)系作為圖的邊，構(gòu)建社區(qū)道路網(wǎng)絡(luò)拓?fù)鋱D；

24、在社區(qū)道路網(wǎng)絡(luò)拓?fù)鋱D的基礎(chǔ)上，構(gòu)建社區(qū)安防巡防路線優(yōu)化模型，設(shè)定目標(biāo)函數(shù)為最小化巡防總路程；

25、設(shè)定社區(qū)安防巡防路線優(yōu)化模型的約束條件，包括每條道路至少巡防一次，重點區(qū)域加強(qiáng)巡防和巡防路線形成閉環(huán)，得到最優(yōu)巡防路線方案；

26、根據(jù)最優(yōu)巡防路線方案，在社區(qū)道路網(wǎng)絡(luò)拓?fù)鋱D上標(biāo)注巡防路線，生成社區(qū)安防巡防路線圖；

27、將社區(qū)安防巡防路線圖發(fā)送至巡防人員移動終端，指導(dǎo)巡防人員按照最優(yōu)路線開展社區(qū)安防巡防工作。

28、根據(jù)本發(fā)明的一個方面，采用蟻群算法對社區(qū)安防巡防路線優(yōu)化模型進(jìn)行求解，設(shè)置算法的相關(guān)參數(shù)，包括信息素濃度和螞蟻數(shù)量，獲得多條候選最優(yōu)巡防路線；

29、從歷史巡防數(shù)據(jù)中提取巡防事件發(fā)生的時間、地點和類型，對候選最優(yōu)巡防路線的有效性和可行性進(jìn)行評估；

30、構(gòu)建綜合評估指標(biāo)體系，包括巡防覆蓋率、響應(yīng)時間和路線長度，對候選路線進(jìn)行量化評分；

31、根據(jù)綜合評估指標(biāo)體系，對各候選路線的評估結(jié)果進(jìn)行比較，選擇得分最高的路線作為最佳巡防路線；

32、將最佳巡防路線應(yīng)用于實際的社區(qū)安防工作中，并持續(xù)收集新的巡防數(shù)據(jù)，從而對社區(qū)安防巡防路線優(yōu)化模型和算法進(jìn)行迭代更新；

33、定期評估最佳巡防路線的實際應(yīng)用效果，根據(jù)評估結(jié)果對路線進(jìn)行動態(tài)調(diào)整。

34、根據(jù)本發(fā)明的一個方面，獲取社區(qū)內(nèi)不同時段的人流量數(shù)據(jù)和治安事件數(shù)據(jù)，針對獲取的數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗和數(shù)據(jù)歸一化，得到標(biāo)準(zhǔn)化的數(shù)據(jù)集合；

35、根據(jù)預(yù)處理后的數(shù)據(jù)集合，采用k-means聚類算法對不同時段的人流量數(shù)據(jù)和治安事件數(shù)據(jù)進(jìn)行聚類分析，通過計算各聚類中心點與數(shù)據(jù)點之間的距離，將數(shù)據(jù)點劃分到距離最近的聚類中，得到不同時段的聚類結(jié)果；

36、針對聚類結(jié)果，計算每個聚類內(nèi)部的數(shù)據(jù)分布情況，包括治安事件發(fā)生頻率和事件嚴(yán)重程度，通過加權(quán)平均的方式得到每個聚類的治安風(fēng)險值；

37、根據(jù)治安風(fēng)險值，采用預(yù)設(shè)的風(fēng)險等級劃分標(biāo)準(zhǔn)，判斷每個時段聚類的治安風(fēng)險等級，若風(fēng)險值超過預(yù)設(shè)的高風(fēng)險閾值，則將該時段的風(fēng)險等級標(biāo)記為高風(fēng)險，若風(fēng)險值低于預(yù)設(shè)的低風(fēng)險閾值，則將該時段的風(fēng)險等級標(biāo)記為低風(fēng)險，其余情況標(biāo)記為中風(fēng)險；

38、獲取社區(qū)現(xiàn)有的巡防頻次設(shè)置，針對風(fēng)險等級為高風(fēng)險的時段，將巡防頻次提高至預(yù)設(shè)的高風(fēng)險巡防頻次，針對風(fēng)險等級為低風(fēng)險的時段，將巡防頻次降低至預(yù)設(shè)的低風(fēng)險巡防頻次，針對風(fēng)險等級為中風(fēng)險的時段，維持原有巡防頻次不變；

39、將調(diào)整后的各時段巡防頻次設(shè)置同步到社區(qū)巡防系統(tǒng)，通過巡防管理模塊控制各時段的巡防任務(wù)分配和執(zhí)行；

40、持續(xù)獲取最新的人流量和治安事件數(shù)據(jù)，定期重復(fù)聚類分析和風(fēng)險評估流程，根據(jù)社區(qū)治安形勢的變化動態(tài)更新巡防頻次設(shè)置。

41、根據(jù)本發(fā)明的一個方面，根據(jù)社區(qū)安防管理人員終端推送的歷史巡防數(shù)據(jù)，通過聚類算法對巡防路線進(jìn)行優(yōu)化，得到覆蓋社區(qū)各區(qū)域的最佳巡防路線；

42、采用時間序列預(yù)測算法，結(jié)合當(dāng)前巡防頻次和未來一段時間的社區(qū)人流量變化趨勢，動態(tài)調(diào)整各時間段的巡防頻次；

43、基于最佳巡防路線和優(yōu)化后的巡防頻次，生成未來一段時間內(nèi)的巡防計劃；

44、將巡防路線、頻次和計劃信息整合，生成社區(qū)安防巡防智能決策報告，報告內(nèi)容包括各項數(shù)據(jù)的可視化展示和輔助決策建議；

45、通過社區(qū)安防管理系統(tǒng)，將智能決策報告推送至社區(qū)安防管理人員終端，管理人員根據(jù)智能決策報告提供的信息和建議，優(yōu)化調(diào)整社區(qū)安防巡防策略；

46、統(tǒng)持續(xù)收集社區(qū)安防管理人員的反饋意見，通過自然語言處理技術(shù)進(jìn)行分析，從而改進(jìn)智能決策算法。

47、為實現(xiàn)上述目的，本發(fā)明提供一種基于數(shù)據(jù)互聯(lián)的智慧社區(qū)智能安防監(jiān)測管理系統(tǒng)，包括：

48、檢測數(shù)據(jù)獲取模塊：獲取社區(qū)內(nèi)道路、建筑和設(shè)施的實時監(jiān)測數(shù)據(jù)，針對監(jiān)測數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和數(shù)據(jù)融合，得到預(yù)處理后的監(jiān)測數(shù)據(jù)集合，并將監(jiān)測數(shù)據(jù)集合存儲至數(shù)據(jù)庫中；

49、社區(qū)安防巡防環(huán)境模型構(gòu)建模塊：從數(shù)據(jù)庫中讀取預(yù)處理后的監(jiān)測數(shù)據(jù)集合，提取與社區(qū)安防巡防相關(guān)的特征參數(shù)，所述特征參數(shù)包括道路長度、道路寬度、建筑物高度和建筑物密度，基于特征參數(shù)構(gòu)建社區(qū)安防巡防環(huán)境模型；

50、社區(qū)安防巡防路線優(yōu)化模型構(gòu)建模塊：根據(jù)述社區(qū)安防巡防環(huán)境模型，采用圖論算法對社區(qū)道路網(wǎng)絡(luò)進(jìn)行建模，得到社區(qū)道路網(wǎng)絡(luò)拓?fù)鋱D，基于拓?fù)鋱D構(gòu)建社區(qū)安防巡防路線優(yōu)化模型，社區(qū)安防巡防路線優(yōu)化模型的目標(biāo)函數(shù)為最小化巡防總路程，約束條件包括每條道路至少巡防一次和重點區(qū)域加強(qiáng)巡防；

51、巡防路線生成模塊：針對社區(qū)安防巡防路線優(yōu)化模型，采用蟻群算法進(jìn)行求解，得到若干條候選最優(yōu)巡防路線，并根據(jù)歷史巡防數(shù)據(jù)對候選最優(yōu)巡防路線進(jìn)行評估，選取綜合評估指標(biāo)最優(yōu)的巡防路線作為最佳巡防路線；

52、巡防頻次優(yōu)化模塊:獲取社區(qū)內(nèi)不同時段的人流量數(shù)據(jù)和治安事件數(shù)據(jù)，采用聚類算法對人流量數(shù)據(jù)和治安事件數(shù)據(jù)進(jìn)行聚類分析，得到不同時段的治安風(fēng)險等級，若治安風(fēng)險等級為高風(fēng)險，則增加相應(yīng)時段的巡防頻次，若治安風(fēng)險等級為低風(fēng)險，則減少相應(yīng)時段的巡防頻次；

53、決策報告生成模塊：將最佳巡防路線、動態(tài)優(yōu)化后的巡防頻次以及未來一段時間內(nèi)的巡防計劃信息進(jìn)行可視化展示，生成社區(qū)安防巡防智能決策報告，并將智能決策報告推送至社區(qū)安防管理人員終端。

54、為實現(xiàn)上述目的，本發(fā)明提供一種電子設(shè)備，包括處理器、存儲器及存儲在存儲器上并可在處理器上運行的計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述針對一種基于數(shù)據(jù)互聯(lián)的智慧社區(qū)智能安防監(jiān)測管理方法。

55、為實現(xiàn)上述目的，本發(fā)明提供一種計算機(jī)可讀存儲介質(zhì)，計算機(jī)可讀存儲介質(zhì)上存儲計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述針對一種基于數(shù)據(jù)互聯(lián)的智慧社區(qū)智能安防監(jiān)測管理方法。

56、基于此，本發(fā)明的有益效果在于：該方法通過獲取社區(qū)實時監(jiān)測數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理和特征提取，構(gòu)建社區(qū)安防巡防環(huán)境模型?；谠撃Ｐ?，利用圖論算法建立道路網(wǎng)絡(luò)拓?fù)鋱D，并構(gòu)建巡防路線優(yōu)化模型。采用蟻群算法求解該模型，得到候選最優(yōu)巡防路線，并結(jié)合歷史數(shù)據(jù)評估選出最佳路線。同時，對不同時段的人流量和治安事件數(shù)據(jù)進(jìn)行聚類分析，動態(tài)調(diào)整巡防頻次。最后，將優(yōu)化后的巡防路線、頻次等信息可視化，生成智能決策報告，實現(xiàn)了社區(qū)安防巡防的智能化和精細(xì)化管理，提高了巡防效率和安全防控水平，為社區(qū)安防管理提供了有力的決策支持。