一种基于深度学算法的社区治安巡逻路径优化设计方法

摘要

本发明公开了一种基于深度学算法的社区治安巡逻路径优化设计方法，属于安防技术领域，采用Hadoop数据库和利用深度学系统对社区治安巡逻特征数据进行分析，能够解决社区治安巡逻路径的规划问题，提高社区治安巡逻的效率。

主权项

一种基于深度学习算法的社区治安巡逻路径优化设计方法，其特征在于：包括如下步骤：步骤1：首先为社区巡逻人员配备带有NFC读写器的手机和数个NFC标签卡，所述每个NFC标签卡中均存储有唯一的位置信息，带有NFC读写器的手机读取任意一个NFC标签卡中的位置信息并生成人员位置信息；步骤2：利用多台个人计算机组建Hadoop数据库系统构架并构建Hadoop数据库，并将社区治安巡逻特征数据输入Hadoop数据库，所述社区治安巡逻特征数据包括社区治安巡逻面积、巡逻时间和社区治安事件发生的频率；步骤3：利用Hadoop开源软件和深度学习算法构建深度学习系统，利用深度学习系统对社区治安巡逻特征数据进行分析，生成社区巡逻特征参数；所述深度学习算法包括在Hadoop数据库中建立数个深度自动编码器、隐含层和反向传播神经网络BP，每一个深度自动编码器均包括编码器和解码器；所述编码器采用如下关系式进行编码：h＝f(x)＝S_f(Wx+b_j)；其中，x为社区治安巡逻面积和巡逻时间所构成的特征向量，W为输入向量的权值，b_j表示第j个神经元的阈值，h是得到的隐含层向量；所述解码器采用如下关系式进行解码:y＝g(h)＝S_g(Wh+b_h)；其中，h为隐含层向量，所述h为隐含层向量作为解码器的输入量，W为对应的权值向量，b_h为阈值，S_g是解码器的激活函数；所述深度学习算法还包括对深度自动编码器进行训练，所述对深度自动编码器的训练过程是在训练样本集D上寻找参数W，b_j，b_h构成的最小化重构误差，重构误差的表达式为:J＝∑_x∈DL(x,g(f(x)))；其中，x为所述重构误差的表达式的输入，g(f(x))为所述重构误差的表达式的解码器输出，L是重构误差函数；所述对深度自动编码器进行训练的步骤如下：步骤A：输入用作训练的社区巡逻面积、巡逻时间，无监督训练出第一个自编码器；步骤B：以第一个自编码器的输出作为下一个自编码器的输入，训练出第二个自编码器；步骤C:重复步骤B，直到完成预设数量隐含层的训练为止；步骤D：以社区治安事件发生的频率数据为输出，在最后一个隐含层上增加一个反向传播神经网络预测模型，实现对所述预测网络模型的权重微调；步骤4：利用深度学习算法，对社区巡逻特征参数进行评价，从中获取社区巡逻模型，所述获取社区巡逻模型的步骤如下：步骤E：根据社区情况，列举巡逻路径和巡逻时间；步骤F：在Hadoop数据库构造巡逻面积和巡逻时间，并将巡逻面积和巡逻时间作为输入数据输入深度学习系统，深度学习系统根据输入数据预测案件发生频率；步骤G：判断案件发生频率是否是最小值：是，则执行步骤H；否，则执行步骤E；步骤H：获得社区巡逻模型；步骤5：根据社区巡逻模型优化社区治安巡逻面积以及巡逻时间，生成最佳巡逻路径和最佳巡逻时间表；人机界面终端通过SQL接口或JDBC/ODBC接口在Hadoop数据库中调取最佳巡逻路径和最佳巡逻时间表，用户通过人机界面终端查询最佳巡逻路径和最佳巡逻时间表，并在最佳巡逻路径上每隔一个巡逻单位的距离就放置一个NFC标签卡；用户根据最佳巡逻时间表分配社区巡逻人员进行巡逻；社区巡逻人员携带带有NFC读写器的手机经过任意一个NFC标签卡时，带有NFC读写器的手机读取NFC标签卡中的位置信息并生成人员位置信息；同时带有NFC读写器的手机生成人员信息和巡逻时间；所述带有NFC读写器的手机实时将所采集到的人员位置信息、人员信息和巡逻时间通过互联网发送给Hadoop数据库，Hadoop数据库对人员位置信息、人员信息和巡逻时间进行处理和存储；步骤6：人机界面终端通过SQL接口或JDBC/ODBC接口在Hadoop数据库中调取人员位置信息、人员信息和巡逻时间，实现对社区巡逻人员的实时监管和信息查询。