(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111609049.3 (22)申请日 2021.12.27 (71)申请人 北京通昊泰和科技有限公司 地址 102300 北京市门头沟区莲石湖西路 98号院5号楼70 3室G65 （智创空间） (72)发明人 梁世川　 (74)专利代理 机构 天津合正知识产权代理有限 公司 12229 代理人 吕琦 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06K 9/62(2022.01) (54)发明名称 城市社区案事 件动态风险预测方法及装置 (57)摘要 本发明实施例公开了一种城市社区案事件 动态风险预测方法及装置， 其中， 所述方法包括： 获取历史社区案数据， 从所述历史社区案数据中 提取特征数据， 所述特征数据包括： 事件 数据、 地 理数据、 人员数据、 经济数据和天气数据； 将所述 特征数据输入到社区案风险预测模型中进行训 练， 得到训练完成后的社区案风险预测模型； 采 集当前人员数据、 经济数据和天气数据， 将所述 人员数据、 经济数据和天气数据输入到训练完成 的社区案风险预测模型， 得到社区案事件动态风 险预测预测结果。 提高了社区案事件动态风险评 测的准确性。 从而为案件预防提供真正可行的评 估策略， 提高评估结果的指导 性。 权利要求书3页 说明书9页 附图1页 CN 114298399 A 2022.04.08 CN 114298399 A 1.一种城市社区案事 件动态风险预测方法， 其特 征在于， 包括: 获取历史社区案数据， 从所述历史社区案数据中提取特征数据， 所述特征数据包括： 事 件数据、 地理数据、 人员数据、 经济数据和天气数据； 将所述特征数据输入到社区案风险预测模型中进行训练， 得到训练完成后的社区案风 险预测模型； 采集当前人员数据、 经济数据和天气数据， 将所述人员数据、 经济数据和天气数据输入 到训练完成的社区案风险预测模型， 得到社区案事 件动态风险预测预测结果； 所述从所述历史社区案数据中提取 特征数据， 包括： 从所述历史社区案数据中提取地理数据； 所述从所述历史社区案数据中提取地理数 据， 包括： 将案件发生地点置换为经纬度， 置入根据地理社区图层获取的多边形社区边界图形 中； 使用城市社区规划图层， 城市商业网点分布图层和城市交通图层， 根据空间可达性， 计 算社区内部及周边娱乐 性营业场所 数量。 2.根据权利要求1所述的方法， 其特征在于， 所述从所述历史社区案数据中提取特征数 据， 包括： 从所述历史社区案数据中提取 人员数据； 所述从所述历史社区案数据中提取 人员数据， 包括： 获取社区人口， 计算18岁以下或65岁以上人员占比、 失业或无业人员占比、 高中文凭以 下人员占比、 住房拥挤 率和重点人位置； 所述计算重点人位置， 包括： 结合城市社区规划图层和城市交通图层， 根据空间可达性， 计算社区内部及周边重点 人数量。 3.根据权利要求2所述的方法， 其特征在于， 所述从所述历史社区案数据中提取特征数 据， 包括： 从所述历史社区案数据中提取 经济数据； 所述从所述历史社区案数据中提取 经济数据， 包括： 获取社区案发生时对应的平均房价， 人均收入， 人均支出 水平。 4.根据权利要求3所述的方法， 其特征在于， 所述从所述历史社区案数据中提取特征数 据， 包括： 从所述历史社区案数据中提取天气数据； 所述从所述历史社区案数据中提取天气数据， 包括： 获取社区案发生的时间， 温度， 湿度和风速； 并基于温度、 湿度和风速计算基于体感 温度的热应力特 征。 5.根据权利要求4所述的方法， 其特征在于， 所述基于温度、 湿度和风速计算基于体感 温度的热应力特 征， 包括： 通过如下 方式计算基于体感 温度的热应力特 征： DI_AT＝0.5TW+0.5AT 其中AT是体感 温度(℃)， TW是湿球温度(℃)；权　利　要　求　书 1/3 页 2 CN 114298399 A 2所述体感 温度通过如下 方式计算： AT＝1.07T+0.2e ‑0.65V‑2.7 其中AT为体感 温度(℃)， T为气温(℃)， e为水汽压(hPa)， ， V为 风速(m/sec)； 所述水汽压通过如下 方式计算： 其中RH为相对湿度(％)； 所述湿球温度通过如下 方式计算： 6.根据权利要求2所述的方法， 其特征在于， 所述空间可达性为步行或乘坐私家车， 地 铁， 公交车等交通工具从出发地到 达目的地所用时长 。 7.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于特征数据利用LSTM时序预测模型 得到发案数量时间自相关特 征。 8.根据权利要求5所述的方法， 其特 征在于， 所述特 征数据还包括： 安防数据； 从所述历史社区案数据中提取安防数据， 包括： 获取时间、 安防摄 像头位置和社区安保人员数量； 所述获取安防摄 像头位置包括： 使用安防摄 像头位置， 结合城市社区规划图层， 计算社区内安防摄 像头数量。 9.根据权利要求1所述的方法， 其特 征在于， 所述社区案风险预测模型， 包括： 针对会否发生案事件的预测和案事件发生数量较前一 时间节点增加或减少的预测： 采 用由Adab oost分类， K近邻分类， xgb oost分类， 决策树分类， 支持向量机分类， 逻辑回归， 随 机森林分类模型中的一种或几种组合而成的分类预测模型； 针对案事件发生数量的预测： 采用由Adaboost回归， K近邻回归， xgboost回归， 决策树 回归， 支持向量机回归， 随机森林回归 模型中的一种或几种组合而成的回归预测模型。 10.一种城市社区案事 件动态风险预测方法装置， 其特 征在于， 包括： 获取模块， 用于获取历史社区案数据， 从所述历史社区案数据中提取特征数据， 所述特 征数据包括： 事 件数据、 地理数据、 人员数据、 经济数据和天气数据； 训练模块， 用于将所述特征数据输入到社区案风险预测模型中进行训练， 得到训练完 成后的社区案风险预测模型； 预测模块， 用于采集当前人员数据、 经济数据和天气数据， 将所述人员数据、 经济数据 和天气数据输入到训练完成的社区案风险预测模型， 得到社区案事件动态风险预测预测结 果； 所述获取模块， 包括： 地理数据提取单元， 用于从所述历史社区案数据中提取地理数据； 所述从地理数据提 取单元， 包括： 置入子单元， 用于将案件发生地点置换为经纬度， 置入根据地理社区图层获取的多边 形社区边界图形中；权　利　要　求　书 2/3 页 3 CN 114298399 A 3