警情空间位置定位的方法及相关产品与流程

本发明涉及信息处理，具体而言，涉及一种警情空间位置定位的方法，和执行前述方法的电子设备和计算机可读存储介质。

背景技术：

1、随着城市的快速扩张以及城市人口的快速增长，给人类的生活带来了很多困惑，随之引发的交通拥挤、环境污染、治安混乱等一系列城市问题，影响了城市居民的生活质量，也使公共安全面临严峻挑战。因此，对于掌握社会治安形势的需求日益强烈，以及对各类警情的分析与研判工作成为辅助指挥决策的重要手段。

2、然而，从现阶段警情数据分析来看，30％左右的警情数据没有警情发生地坐标或坐标精度不高，导致在使用警情数据进行时空轨迹分析和时空聚合分析来辅助宏观决策时，存在数据缺失或数据不准确的情况。由此，影响时空分析与研判结果的正确性，无法真正实现对城市的网格化精细管理。

3、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明旨在解决现有的警情数据存在警情发生地地址不准确的问题。

2、为了解决上述技术问题，本发明的第一方面提出了一种警情空间位置定位的方法，包括：获取待处理的警情信息，其中所述警情信息包含警情发生地地址；对所述警情信息进行预处理，以得到预处理后的地址文本；利用预训练的多层级地址分词模型对所述地址文本进行处理；以及根据所述多层级地址分词模型的处理结果确定警情空间位置。

3、在一个实施例中，对所述警情信息进行预处理包括：从所述警情信息中解析出包含所述警情发生地地址的初始地址文本；以及依照预定义数据格式对所述初始地址文本进行调整，以得到所述预处理后的地址文本。

4、在一个实施例中，利用预训练的多层级地址分词模型对所述地址文本进行处理包括：对所述地址文本中警情发生地地址的每个单词进行bio标注；根据每个单词的bio标注提取用于描述所述地址文本类型的地址主体。

5、在一个实施例中，对所述地址文本中警情发生地地址中的每个单词进行bio标注包括：将所述地址文本中警情发生地地址的每个单词转换成对应的词向量；基于所述多层级地址分词模型对输入的词向量进行标签预测。

6、在一个实施例中，其中所述多层级地址分词模型包括双向长短期记忆神经网络模型和条件随机场模型，基于所述多层级地址分词模型对输入的词向量进行标签预测具体包括：基于所述双向长短期记忆神经网络模型对输入的词向量进行标签预测，以得到预测结果；基于所述条件随机场模型对所述预测结果进行过滤，以实现bio标注。

7、在一个实施例中，根据所述多层级地址分词模型的处理结果确定警情空间位置包括：根据提取到的地址主体确定候选地址集合；将待关联地址与所述候选地址集合中的地址进行精准匹配；若所述待关联地址与所述候选地址集合中的地址能够精准匹配，则将匹配到的地址的空间坐标赋予所述待关联地址，并确定其为所述警情空间位置；若所述待关联地址无法与所述候选地址集合中的地址精准匹配，则将所述候选地址集合中与所述待关联地址相似度最高的地址的空间坐标赋予所述待关联地址，并确定其为所述警情空间位置。

8、在一个实施例中，根据提取到的地址主体确定候选地址集合包括：对包含各层级地址语义的标准地址库按照地址层级和各层级语义建立倒排索引；依据所述地址文本的行政区域代码对所述标准地址库进行初步筛选；依据初筛后的标准地址库，对提取到的地址主体进行分层级倒排索引直至完成所有层级匹配，以得到所述候选地址集合。

9、在一个实施例中，所述方法还包括：在对提取到的地址主体进行分层级倒排索引过程中，响应于提取到的地址主体包括第一类主体，依据第一类主体对初筛的标准地址库再次执行空间筛选。

10、在一个实施例中，所述方法还包括：响应于提取到的地址主体包括第二类主体，根据所述第二类主体的数据以及空间拓扑分析技术确定所述警情空间位置。

11、在一个实施例中，所述多层级地址分词模型包括18层级地址分词模型，所述第二类主体包括所述18层级地址分词模型中第18分级对应的主体。

12、本发明的第二方面，提出了一种电子设备，包括：处理器；以及存储器，其存储有警情空间位置定位的计算机指令，当所述计算机指令由所述处理器运行时，使得所述电子设备执行根据本发明第一方面所述的方法。

13、本发明的第三方面，提出了一种计算机可读存储介质，其特征在于，包括警情空间位置定位的程序指令，当所述程序指令由处理器执行时，使得实现根据本发明的第一方面所述的方法。

14、通过上述技术方案，能够从复杂的警情信息中挖掘出警情发生地精确空间位置，以便基于精确控制位置进行时空轨迹分析和时空聚合分析来辅助宏观决策，从而有助于实现对城市的网格化精细管理，为城市的安全以及健康发展保驾护航。

技术特征：

1.一种警情空间位置定位的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，对所述警情信息进行预处理包括：

3.根据权利要求1所述的方法，其特征在于，利用预训练的多层级地址分词模型对所述地址文本进行处理包括：

4.根据权利要求3所述的方法，其特征在于，对所述地址文本中警情发生地地址中的每个单词进行bio标注包括：

5.根据权利要求4所述的方法，其特征在于，其中所述多层级地址分词模型包括双向长短期记忆神经网络模型和条件随机场模型，基于所述多层级地址分词模型对输入的词向量进行标签预测具体包括：

6.根据权利要求3所述的方法，其特征在于，根据所述多层级地址分词模型的处理结果确定警情空间位置包括：

7.根据权利要求6所述的方法，其特征在于，根据提取到的地址主体确定候选地址集合包括：

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，包括警情空间位置定位的程序指令，当所述程序指令由处理器执行时，使得实现根据权利要求1-8中任意一项所述的方法。

技术总结
本发明提供了一种警情空间位置定位的方法以及相关产品。其中，该方法包括：获取待处理的警情信息，其中所述警情信息包含警情发生地地址；对所述警情信息进行预处理，以得到预处理后的地址文本；利用预训练的多层级地址分词模型对所述地址文本进行处理；以及根据所述多层级地址分词模型的处理结果确定警情空间位置。通过本发明的技术方案，能够从复杂的警情信息中挖掘出警情发生地精确空间位置，以便基于精确控制位置进行时空轨迹分析和时空聚合分析来辅助宏观决策，从而有助于实现对城市的网格化精细管理，为城市的安全以及健康发展保驾护航。

技术研发人员：李春红,刘英峰,陈超,施战,陈万松,王腾,汪翔,何明
受保护的技术使用者：苏州市吴江区公安局
技术研发日：
技术公布日：2024/1/13