本發(fā)明屬于警務(wù)數(shù)據(jù)分析領(lǐng)域，尤其一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法。

背景技術(shù)：

1、通過接收、采集、提取警務(wù)源數(shù)據(jù)，并通過etl將源數(shù)據(jù)組裝成標(biāo)準(zhǔn)化元數(shù)據(jù)，并通過并行分發(fā)及提取的方式輸入至實(shí)戰(zhàn)區(qū)、評(píng)估區(qū)及ai模型訓(xùn)練區(qū)，形成‘三區(qū)’結(jié)果交織運(yùn)用，達(dá)到警務(wù)數(shù)據(jù)發(fā)揮最大效能的目標(biāo)。

2、從警務(wù)大數(shù)據(jù)輔助實(shí)戰(zhàn)需求出發(fā)，采用ai模型適配實(shí)戰(zhàn)應(yīng)用的開發(fā)部署方式。外部收集警務(wù)源數(shù)據(jù)，匯總到數(shù)據(jù)容器進(jìn)行統(tǒng)一管理，統(tǒng)一策略分發(fā)，構(gòu)建統(tǒng)一的數(shù)據(jù)特征提取、模型訓(xùn)練、結(jié)果集運(yùn)用平臺(tái)，建立從警務(wù)數(shù)據(jù)生成至組裝、提取、分發(fā)、訓(xùn)練及結(jié)構(gòu)化輸出一體化實(shí)戰(zhàn)運(yùn)行機(jī)制。

3、另外通過自配模型，支持結(jié)合實(shí)戰(zhàn)需求定制模型結(jié)果集，結(jié)合結(jié)果集流轉(zhuǎn)應(yīng)用機(jī)制，達(dá)到實(shí)時(shí)監(jiān)測、通報(bào)預(yù)警、快速處置、追蹤溯源的全流程閉環(huán)實(shí)戰(zhàn)管理需求，并將結(jié)果集應(yīng)用回流數(shù)據(jù)傳輸至模型訓(xùn)練區(qū)，進(jìn)行循環(huán)利用，迭代模型算法樣本庫，提成模型精準(zhǔn)率。

4、警務(wù)數(shù)據(jù)分析模型（分析模型類如表1所示）

5、 1.落腳點(diǎn)異常 分析警情關(guān)系人落腳點(diǎn)注冊(cè)情況 2.未成年人心理健康分析 分析未成年人心理健康指標(biāo)，輸出容易造成惡性事件的閾值 3.相關(guān)人預(yù)警 相關(guān)關(guān)注類人員涉事風(fēng)險(xiǎn)評(píng)估，輸出預(yù)警記錄 4.民轉(zhuǎn)刑風(fēng)險(xiǎn)評(píng)估 民轉(zhuǎn)刑類事件風(fēng)險(xiǎn)綜合評(píng)估，輸出風(fēng)險(xiǎn)閾值 5.未成年人行為異常分析 未成年人行為數(shù)據(jù)分析，提供標(biāo)簽化場景應(yīng)用，輸出預(yù)警綜合評(píng)判提醒

6、表1

7、1.數(shù)據(jù)孤島問題：不同部門或系統(tǒng)間存在數(shù)據(jù)孤島，導(dǎo)致數(shù)據(jù)難以共享和整合，影響警務(wù)工作的協(xié)同和效率。

8、2.數(shù)據(jù)質(zhì)量不一：警務(wù)數(shù)據(jù)的質(zhì)量參差不齊，可能存在錯(cuò)誤、遺漏或不完整的情況，降低了數(shù)據(jù)的可靠性和有效性。

9、3.信息過載：海量的警務(wù)數(shù)據(jù)可能導(dǎo)致信息過載，警務(wù)人員難以從中獲取有用信息，影響工作效率。

10、4.隱私和安全難題：警務(wù)數(shù)據(jù)涉及個(gè)人隱私和敏感信息，如何在數(shù)據(jù)使用和共享中平衡效率和隱私安全是一個(gè)挑戰(zhàn)。

11、5.技術(shù)落后：部分警務(wù)機(jī)構(gòu)可能缺乏先進(jìn)的技術(shù)設(shè)備和專業(yè)人員，導(dǎo)致數(shù)據(jù)管理和分析能力相對(duì)落后。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為了解決上述現(xiàn)有技術(shù)中存在的缺陷和不足，提供了一種可以通過自動(dòng)化技術(shù)實(shí)現(xiàn)對(duì)數(shù)據(jù)的監(jiān)測、分析、診斷和計(jì)算等操作，提高了數(shù)據(jù)利用的效率，可以通過分析歷史數(shù)據(jù)和行為模式，預(yù)測社會(huì)治理的潛在風(fēng)險(xiǎn)點(diǎn)，并提前進(jìn)行預(yù)警提醒，避免災(zāi)難事件的發(fā)生；可以通過分析模型結(jié)果集和觸發(fā)事件情況，自動(dòng)調(diào)整模型算法配置和優(yōu)化結(jié)果集輸出性能，提高系統(tǒng)健壯性和效率的基于數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法。

2、本發(fā)明解決其問題所采用的技術(shù)方案是：

3、一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，實(shí)現(xiàn)海量警務(wù)源數(shù)據(jù)通過數(shù)據(jù)容器接收、采集、提取，并進(jìn)行清洗、轉(zhuǎn)換、解耦、去重、轉(zhuǎn)格、校驗(yàn)，形成標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)；并將標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)通過分發(fā)程序、特征提取程序并行分發(fā)至實(shí)戰(zhàn)層、評(píng)估層及ai模型巡檢池，達(dá)到源數(shù)據(jù)發(fā)揮最大價(jià)值的目標(biāo)。

4、優(yōu)選地，所述警務(wù)源數(shù)據(jù)：面向?qū)ο蟮臄?shù)據(jù)源，由實(shí)戰(zhàn)需求及ai模型算法因子及特征庫決定。

5、優(yōu)選地，所述數(shù)據(jù)容器：通過接收、采集、提取多手段獲取警務(wù)源數(shù)據(jù)，并進(jìn)行etl處理后形成標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)。

6、優(yōu)選地，所述標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)：通過分發(fā)程序及ai模型特征提取程序?qū)?shù)據(jù)并行輸出。

7、優(yōu)選地，所述實(shí)戰(zhàn)區(qū)包括模型上架、模型結(jié)果集及業(yè)務(wù)應(yīng)用，業(yè)務(wù)應(yīng)用場景可根據(jù)需要配置。

8、優(yōu)選地，所述實(shí)戰(zhàn)區(qū)：并行接收數(shù)據(jù)容器的數(shù)據(jù)，結(jié)合ai模型實(shí)現(xiàn)模型結(jié)果秒級(jí)輸出，形成可實(shí)戰(zhàn)的結(jié)果集，配套業(yè)務(wù)應(yīng)用實(shí)現(xiàn)全閉環(huán)流轉(zhuǎn)；對(duì)于實(shí)戰(zhàn)不需要的模型，可進(jìn)行暫時(shí)封存操作，支持后期二次上架。

9、優(yōu)選地，所述評(píng)估區(qū)包括模型運(yùn)用、測試結(jié)果集及模型評(píng)估，評(píng)估結(jié)果通過的模型可上架至實(shí)戰(zhàn)區(qū)進(jìn)行實(shí)戰(zhàn)應(yīng)用。

10、優(yōu)選地，所述評(píng)估區(qū)：并行接收數(shù)據(jù)容器的數(shù)據(jù)，結(jié)合ai模型實(shí)現(xiàn)測試結(jié)果輸出，進(jìn)行模型評(píng)估，評(píng)估通過后，可上架至實(shí)戰(zhàn)區(qū)進(jìn)行實(shí)戰(zhàn)應(yīng)用，不通過的模型回滾至ai模型訓(xùn)練區(qū)，進(jìn)行二次訓(xùn)練。

11、優(yōu)選地，所述ai模型訓(xùn)練區(qū)：包括模型特征庫、算法因子、樣本庫、數(shù)據(jù)集及基礎(chǔ)支撐的模型結(jié)構(gòu)和計(jì)算資源組成，實(shí)現(xiàn)秒級(jí)提取標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)及模型庫輸出。

12、本發(fā)明可以通過自動(dòng)化技術(shù)實(shí)現(xiàn)對(duì)需要分析的警務(wù)源數(shù)據(jù)進(jìn)行組裝、特征提取、訓(xùn)練、輸出結(jié)果等操作，最大程度實(shí)現(xiàn)警務(wù)源數(shù)據(jù)的效能，并通過數(shù)據(jù)容器化并行輸入\輸出技術(shù)實(shí)現(xiàn)數(shù)據(jù)秒級(jí)分析，滿足警務(wù)實(shí)戰(zhàn)賦能的需求。

技術(shù)特征：

1.一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，其特征在于：實(shí)現(xiàn)海量警務(wù)源數(shù)據(jù)通過數(shù)據(jù)容器接收、采集、提取，并進(jìn)行清洗、轉(zhuǎn)換、解耦、去重、轉(zhuǎn)格、校驗(yàn)，形成標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)；并將標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)通過分發(fā)程序、特征提取程序并行分發(fā)至實(shí)戰(zhàn)層、評(píng)估層及ai模型巡檢池，達(dá)到源數(shù)據(jù)發(fā)揮最大價(jià)值的目標(biāo)。

2.根據(jù)權(quán)利要求1所述的一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，其特征在于：所述警務(wù)源數(shù)據(jù)：面向?qū)ο蟮臄?shù)據(jù)源，由實(shí)戰(zhàn)需求及ai模型算法因子及特征庫決定。

3.根據(jù)權(quán)利要求1所述的一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，其特征在于：所述數(shù)據(jù)容器：通過接收、采集、提取多手段獲取警務(wù)源數(shù)據(jù)，并進(jìn)行etl處理后形成標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，其特征在于：所述標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)：通過分發(fā)程序及ai模型特征提取程序?qū)?shù)據(jù)并行輸出。

5.根據(jù)權(quán)利要求1所述的一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，其特征在于：所述實(shí)戰(zhàn)區(qū)包括模型上架、模型結(jié)果集及業(yè)務(wù)應(yīng)用，業(yè)務(wù)應(yīng)用場景可根據(jù)需要配置。

6.根據(jù)權(quán)利要求5所述的一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，其特征在于：所述實(shí)戰(zhàn)區(qū)：并行接收數(shù)據(jù)容器的數(shù)據(jù)，結(jié)合ai模型實(shí)現(xiàn)模型結(jié)果秒級(jí)輸出，形成可實(shí)戰(zhàn)的結(jié)果集，配套業(yè)務(wù)應(yīng)用實(shí)現(xiàn)全閉環(huán)流轉(zhuǎn)；對(duì)于實(shí)戰(zhàn)不需要的模型，可進(jìn)行暫時(shí)封存操作，支持后期二次上架。

7.根據(jù)權(quán)利要求1所述的一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，其特征在于：所述評(píng)估區(qū)包括模型運(yùn)用、測試結(jié)果集及模型評(píng)估，評(píng)估結(jié)果通過的模型可上架至實(shí)戰(zhàn)區(qū)進(jìn)行實(shí)戰(zhàn)應(yīng)用。

8.根據(jù)權(quán)利要求7所述的一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，其特征在于：所述評(píng)估區(qū)：并行接收數(shù)據(jù)容器的數(shù)據(jù)，結(jié)合ai模型實(shí)現(xiàn)測試結(jié)果輸出，進(jìn)行模型評(píng)估，評(píng)估通過后，可上架至實(shí)戰(zhàn)區(qū)進(jìn)行實(shí)戰(zhàn)應(yīng)用，不通過的模型回滾至ai模型訓(xùn)練區(qū)，進(jìn)行二次訓(xùn)練。

9.根據(jù)權(quán)利要求1所述的一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與ai模型相結(jié)合的分析方法，其特征在于：所述ai模型訓(xùn)練區(qū)：包括模型特征庫、算法因子、樣本庫、數(shù)據(jù)集及基礎(chǔ)支撐的模型結(jié)構(gòu)和計(jì)算資源組成，實(shí)現(xiàn)秒級(jí)提取標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)及模型庫輸出。

技術(shù)總結(jié)
本發(fā)明公開了一種基于警務(wù)數(shù)據(jù)容器化并行吞吐與AI模型相結(jié)合的分析方法，實(shí)現(xiàn)海量警務(wù)源數(shù)據(jù)通過數(shù)據(jù)容器接收、采集、提取，并進(jìn)行清洗、轉(zhuǎn)換、解耦、去重、轉(zhuǎn)格、校驗(yàn)，形成標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)；將標(biāo)準(zhǔn)結(jié)構(gòu)元數(shù)據(jù)通過分發(fā)程序、特征提取程序并行分發(fā)至實(shí)戰(zhàn)層、評(píng)估層及AI模型訓(xùn)練區(qū)，達(dá)到源數(shù)據(jù)發(fā)揮最大價(jià)值的目標(biāo)；AI模型訓(xùn)練區(qū)由特征庫、樣本庫、算法因子、數(shù)據(jù)集、模型架構(gòu)及計(jì)算資源構(gòu)成；實(shí)戰(zhàn)區(qū)包括模型上架、模型結(jié)果集及業(yè)務(wù)應(yīng)用。本發(fā)明通過自動(dòng)化技術(shù)實(shí)現(xiàn)對(duì)需要分析的警務(wù)源數(shù)據(jù)進(jìn)行組裝、特征提取、訓(xùn)練、輸出結(jié)果操作，最大程度實(shí)現(xiàn)警務(wù)源數(shù)據(jù)的效能，通過數(shù)據(jù)容器化并行輸入\輸出技術(shù)實(shí)現(xiàn)數(shù)據(jù)秒級(jí)分析，滿足警務(wù)實(shí)戰(zhàn)賦能的需求。

技術(shù)研發(fā)人員：陳旭海,鄭曉潔
受保護(hù)的技術(shù)使用者：蘇州高盾科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9