一种基于轨迹大数据的林区人为风险评估方法及系统与流程

本发明涉及风险评估，尤其涉及一种基于轨迹大数据的林区人为风险评估方法以及一种基于轨迹大数据的林区人为风险评估系统。

背景技术：

1、城市安全运行面临着各类严峻的挑战，日常行政检查监控难度也越来越大，现已成为各地稳定安全形势的难点和关键，如何利用现代化技术手段实现城市公共安全风险的高效、及时、准确预测是保障城市运行安全的研究前沿和热点。

2、城市运行过程中积累了大量的人员位置相关数据，涉及出行的人群、工具、出行起止点等信息，具有个体相关、覆盖全面等特性，这些数据对于分析城市人员的移动规律和出行画像具有良好的描述和分析能力。在城市运行安全管理中深入研究轨迹大数据分析算法，挖掘人流的时空聚集特征、场所与人员行为的关联特征，有助于实现城市重点区域安全风险的超前感知、动态辨识和实时预警。

3、对于森林火灾的风险管理问题，由于森林防火是一项涉及内容多、投入大且很难取得显著效果的艰巨任务，通常情况下人为因素是诱发森林火灾的主要因素。护林员巡逻防火工作量大、视频摄像头能监测到的范围较小，采用手机信令数据，分析进入林区后人的行为轨迹特征，可以提高森林防火中人为因素的防控能力。

4、对于城市林区而言，每天都会有大量的人员进进出出，这不仅导致数据量会很庞大，而且涉及到人员活动规律的信息数据又各种各样，不同的数据形式有着不同的采样精度，采样密度和覆盖范围，这种规模庞大而又形式多样的数据，为城市安全带来了巨大的挑战。

技术实现思路

1、针对上述问题，本发明提供了一种基于轨迹大数据的林区人为风险评估方法及系统，通过poi(point of interest，兴趣点)数据确定林区覆盖范围，并采集林区覆盖范围内的手机信令数据，从手机信令数据中提取人员的轨迹特征，分析用户进入森林的停留状态和运动状态，通过人流量变化和林区内人员轨迹分析对林区不同区域进行风险评估，进而对高风险区域进行风险治理，提高森林防火中人为因素的防控能力，实现城市重点区域安全风险的超前感知、动态辨识和实时预警。

2、为实现上述目的，本发明提供了一种基于轨迹大数据的林区人为风险评估方法，包括：

3、根据地图poi数据结合地图划分网格对林区覆盖范围进行提取；

4、按照时间段对所述林区覆盖范围内的手机信令数据进行采集；

5、根据采集到的手机信令数据进行统计，分析并提取得到基于时间序列的人员轨迹，并根据所述人员轨迹的特征对人员进行身份识别；

6、基于人员身份对所述林区覆盖范围分网格进行人流量变化和林区内人员轨迹路线分析；

7、根据人流量变化的预设变化值的比较结果或林区内人员轨迹路线的聚类结果与预设密度阈值的比较结果，确定对应网格区域的风险评估结果。

8、在上述技术方案中，优选地，所述根据地图poi数据结合地图划分网格对林区覆盖范围进行提取的具体过程包括：

9、对获取到的地图poi数据进行单元格划分，将林区覆盖区域和林区边界所占据的地图划分网格确定为林区覆盖范围。

10、在上述技术方案中，优选地，所述根据采集到的手机信令数据进行统计，分析并提取得到基于时间序列的人员轨迹，并根据所述人员轨迹的特征对人员进行身份识别，具体过程包括：

11、根据手机信令数据中的停留点标签，按照时间序列顺序进行连线，得到与所述手机信令数据对应的人员轨迹；

12、采用空间偏离度方法，计算所述人员轨迹的停留点与预设正常行为轨迹或标准模型之间的偏移距离；

13、确定偏移距离超出预设距离阈值的停留点为异常停留点，将所述异常停留点剔除，并重新连线形成新的人员轨迹；

14、根据所述人员轨迹在所述林区覆盖范围内是否符合人群轨迹、所述人员轨迹的分布时间特征以及所述人员轨迹相对林区边界的分布位置特征，将人员划分为居民、工作者或游客。

15、在上述技术方案中，优选地，所述基于人员身份对所述林区覆盖范围分网格进行人流量变化和林区内人员轨迹路线分析，根据人流量变化的预设变化值的比较结果或林区内人员轨迹路线的聚类结果与预设密度阈值的比较结果，确定对应网格区域的风险评估结果，具体过程包括：

16、针对所述林区覆盖范围内的各网格区域内所经人员轨迹的停留点进行疏密程度分析；

17、基于人员的居民身份、工作者身份和游客身份，分别分时间段确定各网格区域内的居住人数、工作人数和旅游人数；

18、将居住人数或工作人数远大于旅游人数的网格区域作为居住区域或工作区域，将旅游人数远大于居住人数或工作人数的网格区域作为游玩区域；

19、根据人员轨迹分析，将各网格区域中预设时间段内人流量变化超出预设比率的网格区域作为高风险区域，将低于预设比率的网格区域作为低风险区域；

20、通过dbscan(density-based spatial clustering of applications withnoise)聚类算法对所述人员轨迹进行聚类分析，采用多个网格区域内轨迹数量的平均值设置密度阈值，将聚类结果超出所述密度阈值的作为主干路线、将聚类结果低于所述密度阈值的作为偏离路线；

21、将所述主干路线所经的网格区域作为低风险区域，将所述偏离路线所经网格区域作为高风险区域。

22、在上述技术方案中，优选地，基于轨迹大数据的林区人为风险评估方法还包括：

23、针对进入高风险区域内的手机信令数据对应的手机号码发送安全风险提醒信息。

24、本发明还提出一种基于轨迹大数据的林区人为风险评估系统，应用如上述技术方案中任一项公开的基于轨迹大数据的林区人为风险评估方法，包括：

25、林区确定模块，用于根据地图poi数据结合地图划分网格对林区覆盖范围进行提取；

26、信令采集模块，用于按照时间段对所述林区覆盖范围内的手机信令数据进行采集；

27、身份识别模块，用于根据采集到的手机信令数据进行统计，分析并提取得到基于时间序列的人员轨迹，并根据所述人员轨迹的特征对人员进行身份识别；

28、路线分析模块，用于基于人员身份对所述林区覆盖范围分网格进行人流量变化和林区内人员轨迹路线分析；

29、风险评估模块，用于根据人流量变化的预设变化值的比较结果或林区内人员轨迹路线的聚类结果与预设密度阈值的比较结果，确定对应网格区域的风险评估结果。

30、在上述技术方案中，优选地，所述林区确定模块具体用于：

31、对获取到的地图poi数据进行单元格划分，将林区覆盖区域和林区边界所占据的地图划分网格确定为林区覆盖范围。

32、在上述技术方案中，优选地，所述身份识别模块具体用于：

33、根据手机信令数据中的停留点标签，按照时间序列顺序进行连线，得到与所述手机信令数据对应的人员轨迹；

34、采用空间偏离度方法，计算所述人员轨迹的停留点与预设正常行为轨迹或标准模型之间的偏移距离；

35、确定偏移距离超出预设距离阈值的停留点为异常停留点，将所述异常停留点剔除，并重新连线形成新的人员轨迹；

36、根据所述人员轨迹在所述林区覆盖范围内是否符合人群轨迹、所述人员轨迹的分布时间特征以及所述人员轨迹相对林区边界的分布位置特征，将人员划分为居民、工作者或游客。

37、在上述技术方案中，优选地，所述路线分析模块和所述风险评估模块具体用于：

38、针对所述林区覆盖范围内的各网格区域内所经人员轨迹的停留点进行疏密程度分析；

39、基于人员的居民身份、工作者身份和游客身份，分别分时间段确定各网格区域内的居住人数、工作人数和旅游人数；

40、将居住人数或工作人数远大于旅游人数的网格区域作为居住区域或工作区域，将旅游人数远大于居住人数或工作人数的网格区域作为游玩区域；

41、根据人员轨迹分析，将各网格区域中预设时间段内人流量变化超出预设比率的网格区域作为高风险区域，将低于预设比率的网格区域作为低风险区域；

42、通过dbscan聚类算法对所述人员轨迹进行聚类分析，采用多个网格区域内轨迹数量的平均值设置密度阈值，将聚类结果超出所述密度阈值的作为主干路线、将聚类结果低于所述密度阈值的作为偏离路线；

43、将所述主干路线所经的网格区域作为低风险区域，将所述偏离路线所经网格区域作为高风险区域。

44、在上述技术方案中，优选地，基于轨迹大数据的林区人为风险评估系统还包括风险提醒模块，用于针对进入高风险区域内的手机信令数据对应的手机号码发送安全风险提醒信息。

45、与现有技术相比，本发明的有益效果为：通过poi数据确定林区覆盖范围，并采集林区覆盖范围内的手机信令数据，从手机信令数据中提取人员的轨迹特征，分析用户进入森林的停留状态和运动状态，通过人流量变化和林区内人员轨迹分析对林区不同区域进行风险评估，进而对高风险区域进行风险治理，提高了森林防火中人为因素的防控能力，实现了城市重点区域安全风险的超前感知、动态辨识和实时预警。