一种使用人工智能对游客出行风险实时侦测的方法

摘要

一种使用人工智能对游客出行风险实时侦测的方法，通过对游客出行过程中的行为轨迹分析，可以快速、有效地提取多个游客的行为特征，并根据行为特征，预测游客在出行过程中的风险概率。通道神经网络计算在多个时间维度上的周期性行为特征，并结合定位信息，把信息化为风险概率。能够以低训练成本的方式针对多游客，不同行为轨迹的数据序列构建出高精度、实时预测模型。由于向风险评估模型中引入时间维度和地理定位的选项作为额外输入，训练神经网络风险评估模型的时间步长度可大幅缩短，可以有效降低训练成本，同时提升预测精度。

权利要求

1.一种使用人工智能对游客出行风险实时侦测的方法，其特征在于，包括如下步骤：a)按固定时间间隔采集旅游团中N名游客的坐标位置，将得到的坐标位置上传服务器端，根据所有游客的坐标位置得到能够包含所有游客的圆形范围，该圆形范围的圆心坐标为Oi，将圆心坐标Oi上传服务器，t为将圆心坐标上报服务器时的时间戳，1≤i≤t，其中圆心Oi的坐标表示为(xmiddle,i＝t,ymiddle,i＝t)，x为经度值，y为纬度值，其中：xmax,i＝t为t时刻所有的游客的坐标集合中在经度上的最大值，xmin,i＝t为所有的游客的坐标集合中在经度上的最小值；

ymax,i＝t为t时刻所有的游客的坐标集合中在纬度上的最大值，ymin,i＝t为所有的游客的坐标集合中在纬度上的最小值；

b)N名游客中从出发开始一直到时刻t的坐标序列为[(xm,j＝1ym,j＝1),(xm,j＝2ym,j＝2),...(xm,j＝tym,j＝t)]，j为时间戳序号，1≤j≤t，m为任意游客，1≤m≤N，将每个游客的坐标序列上传至服务器；

c)通过公式∪O’i，m＝[O’1,m,O’2,m,...,O’,tm]计算去掉游客m后能够包含剩余游客的圆形范围的圆心坐标o’i,m集合，1≤m≤N，并将集合上传服务器；

d)服务器根据公式|Oi‑O’i,m|计算圆心坐标为Oi与去掉游客m后能够包含剩余游客的圆形范围的圆心坐标o’i,m差值的绝对值，|Oi‑O’i,m|的值越大表明游客m离团概率越大，当|Oi‑O’i,m|的值超过设定阈值后，服务器将报警信息发送给导游的手机；

步骤d)中通过公式 计算Oi,m，式中α为团队松散度，1≤α≤

99，Oi,m的值越大表明游客m单独离团的可能性越高， 为风险权值，当风险提示为无风险时， 当风险提示为四级风险时， 当风险提示为三级风险时， 当风险提示为二级风险时， 当风险提示为一级风险时，

说明书

一种使用人工智能对游客出行风险实时侦测的方法

技术领域

[0001] 本发明涉及信息技术的数据安全与防护技术领域，具体涉及一种使用人工智能对游客出行风险实时侦测的方法。

背景技术

[0002] 目前旅游行业的营业额以每年10％的速度在快速增长，在旅游业大发展的同时，对游客的出行风险的评估缺乏有效的手段。擅自离团，违规游览等问题，在出行中屡禁不
止。对于潜在存在高危行为的游客，能够及时的发现并采取预防措施，是最有效降低风险的
手段。

[0003] 通常，容易产生高风险行为的游客，都有以下行为：

[0004] 1，行动随意性较高

[0005] 2，经常离团单独行动。

[0006] 传统模式下，都依赖导游的个人工作经验，进行分辨、预警提示等，用来控制风险的产生。本发明希望通过人工智能技术，通过行为轨迹的分析，自动预警提示给导游和游
客，加强安全意识，防范风险的产生。

发明内容

[0007] 本发明为了克服以上技术的不足，提供了一种利用人工智能神经网络结合地理定位和网络通讯对游客可能产生风险行为发送预警信息的使用人工智能对游客出行风险实
时侦测的方法。

[0008] 本发明克服其技术问题所采用的技术方案是：

[0009] 一种使用人工智能对游客出行风险实时侦测的方法，包括如下步骤：

[0010] a)按固定时间间隔采集旅游团中N名游客的坐标位置，将得到的坐标位置上传服务器端，根据所有游客的坐标位置得到能够包含所有游客的圆形范围，该圆形范围的圆心
坐标为Oi，将圆心坐标Oi上传服务器，t为将圆心坐标上报服务器时的时间戳，1≤i≤t，其中
圆心Oi的坐标表示为(xmiddle,i＝t,ymiddle,i＝t)，x为经度值，y为纬度值，其中：

[0011] xmax,i＝t为t时刻所有的游客的坐标集合中在经度上的最大值，xmin,i＝t为所有的游客的坐标集合中在经度上的最小值；

[0012] ymax,i＝t为t时刻所有的游客的坐标集合中在纬度上的最大值，ymin,i＝t为所有的游客的坐标集合中在纬度上的最小值；

[0013] b)N名游客中从出发开始一直到时刻t的坐标序列为

[0014] [(xm,j＝1ym,j＝1),(xm,j＝2ym,j＝2),...(xm,j＝tym,j＝t)]，j为时间戳序号，1≤j≤t，m为任意游客，1≤m≤N，将每个游客的坐标序列上传至服务器；

[0015] c)通过公式∪O′i,m＝[O′1,m,O′2,m,...,O′,tm]计算去掉游客m后能够包含剩余游客的圆形范围的圆心坐标o′i,m集合，1≤m≤N，并将集合上传服务器；

[0016] d)服务器根据公式|Oi‑O′i,m|计算圆心坐标为Oi与去掉游客m后能够包含剩余游客的圆形范围的圆心坐标o′i,m差值的绝对值，|Oi‑O′i,m|的值越大表明游客m离团概率越大，
当|Oi‑O′i,m|的值超过设定阈值后，服务器将报警信息发送给导游的手机。

[0017] 进一步的，步骤d)中通过公式 计算Oi,m，式中α为团队松散度，1≤α≤99，Oi,m的值越大表明游客m单独离团的可能性越高， 为风险权值，其依据
国家旅游局令第41号《旅游安全管理办法》的第三章的风险提示取值，当风险提示为无风险
时， 当风险提示为四级风险时， 当风险提示为三级风险时， 当风险
提示为二级风险时， 当风险提示为一级风险时，

[0018] 本发明的有益效果是：通过对游客出行过程中的行为轨迹分析，可以快速、有效地提取多个游客的行为特征，并根据行为特征，预测游客在出行过程中的风险概率。通道神经
网络计算在多个时间维度(如年、月、星期和日)上的周期性行为特征，并结合定位信息，把
信息化为风险概率。能够以低训练成本的方式针对多游客，不同行为轨迹的数据序列构建
出高精度、实时预测模型。由于本方法向风险评估模型中引入时间维度和地理定位的选项
作为额外输入，训练神经网络风险评估模型的时间步长度可大幅缩短，可以有效降低训练
成本，同时提升预测精度。

具体实施方式

[0019] 下面对本发明做进一步说明。

[0020] 一种使用人工智能对游客出行风险实时侦测的方法，包括如下步骤：

[0021] a)按固定时间间隔采集旅游团中N名游客的坐标位置，将得到的坐标位置上传服务器端，根据所有游客的坐标位置得到能够包含所有游客的圆形范围，该圆形范围的圆心
坐标为Oi，将圆心坐标Oi上传服务器，t为将圆心坐标上报服务器时的时间戳，1≤i≤t，其中
圆心Oi的坐标表示为(xmiddle,i＝t,ymiddle,i＝t)，x为经度值，y为纬度值，纬度以赤道为分界线，
北为正方向；经度以本初子午线为分界线，向东为正方向。安装服务器环境的步骤为：安装
一台服务器ServerA，该服务器具有国际IP地址，能够被其他的互联网设备根据IP地址或者
域名访问到。开放特定的服务端口，能够响应客户端或者移动终端发送的消息请求。随后在
服务器上搭建服务软件，能够提供身份认证、线路登记、地理位置验证，搭建人工智能神经
网络系统运行所需的平台环境，包括Ubuntu18.0.4 64位操作系统，Python3等软件。其中：

[0022] xmax,i＝t为t时刻所有的游客的坐标集合中在经度上的最大值，xmin,i＝t为所有的游客的坐标集合中在经度上的最小值；

[0023] ymax,i＝t为t时刻所有的游客的坐标集合中在纬度上的最大值，ymin,i＝t为所有的游客的坐标集合中在纬度上的最小值；

[0024] b)N名游客中从出发开始一直到时刻t的坐标序列为

[0025] [(xm,j＝1ym,j＝1),(xm,j＝2ym,j＝2),...(xm,j＝tym,j＝t)]，j为时间戳序号，1≤j≤t，m为任意游客，1≤m≤N，将每个游客的坐标序列上传至服务器；

[0026] c)通过公式∪O′i,m＝[O′1,m,O′2,m,...,O′,tm]计算去掉游客m后能够包含剩余游客的圆形范围的圆心坐标o′i,m集合，1≤m≤N，并将集合上传服务器；

[0027] d)服务器根据公式|Oi‑O′i,m|计算圆心坐标为Oi与去掉游客m后能够包含剩余游客的圆形范围的圆心坐标o′i,m差值的绝对值，|Oi‑O′i,m|的值越大表明游客m距离旅游团其他
人员的距离越远，那么他独自离团的、发生风险的概率也就越大，当|Oi‑O′i,m|的值超过设
定阈值后，服务器将报警信息发送给导游的手机。

[0028] 通过对游客出行过程中的行为轨迹分析，可以快速、有效地提取多个游客的行为特征，并根据行为特征，预测游客在出行过程中的风险概率。通道神经网络计算在多个时间
维度(如年、月、星期和日)上的周期性行为特征，并结合定位信息，把信息化为风险概率。能
够以低训练成本的方式针对多游客，不同行为轨迹的数据序列构建出高精度、实时预测模
型。由于本方法向风险评估模型中引入时间维度和地理定位的选项作为额外输入，训练神
经网络风险评估模型的时间步长度可大幅缩短，可以有效降低训练成本，同时提升预测精
度。

[0029] 进一步的，步骤d)中通过公式 计算Oi,m，式中α为团队松散度，1≤α≤99，参数α设置的越大，意味着允许旅游团活动的半径就越大，也就越不容
易发生预警。设置的越小，意味着需要旅游团越紧凑，Oi,m的值越大表明游客m单独离团的可
能性越高， 为风险权值，其依据国家旅游局令第41号《旅游安全管理办法》的第三章的
风险提示取值，当风险提示为无风险时， 当风险提示为四级风险时， 当风
险提示为三级风险时， 当风险提示为二级风险时， 当风险提示为一级风
险时， 根据风险提示分级设置风险权值，参考啊游客的位置信息，得出精准的输
出结果值Oi,m，Oi,m值越大说明游客m单独离团发生风险的可能性越高。