应急大数据时空关联性分析

2023-06-15 历史故事版权反馈

【摘要】：社会安全事件分析也是时空关联性分析广泛应用的领域。闫密巧等提出了一种基于聚类的时空关联规则的公交犯罪挖掘算法，针对某市一个区的110报警数据库中的大量业务信息进行分析。叶文菁、吴升文则引入加权时空关联规则进行挖掘分析，试图找出公交扒窃的案发时空规律与时空犯罪模式。

时空关联性分析是研究空间对象随时间的变化规律，反映时空数据在时间和空间上的关联性。时空关联规则挖掘作为时空关联性分析的主要方法之一，虽然相较于风险评估和时空分析，国内外学者对其的研究与应用相对较少，但也取得了不少进展，并有了新的发展趋势。

时空关联性分析在交通领域取得了许多成果。Verhein F等(2006)提出一种在交通高峰区域进行属性约减的时空关联规则算法STAR(Spatio-Temporal Association Rules)，并将关联规则扩展到时空领域。岳慧颖(2004)提出时空数据挖掘(SKDM)算法，先按空间位置生成项目-地址对，再综合时间因素发现带有时空约束的关联规则。方青等(2012)运用基于经典频集算法对交通事故数据进行了关联规则数据挖掘，挖掘出一系列有用的潜在规则，计算结果与实际情况相符合。所得出的高速公路事故的发生规则，可为交通事故预警提供参考，从而协助管理者在预警管理过程中采取更有针对性的措施，降低交通事故率，改善交通安全环境。夏英等(2011)在SKDM算法的基础上，提出了一种时空关联规则算法STApriori，该算法同时考虑了时间的有效性和空间的关联性。通过实验对比分析证明了该算法的正确性和有效性，将该算法应用于交通拥堵的趋势分析与预测，分析造成后续拥堵的原因，预测初始拥堵会造成的交通事故等影响。谭星(2018)研究城市主干路交通状态评价与关联规则挖掘，为交通管理决策和信息服务提供了理论依据。

社会安全事件分析也是时空关联性分析广泛应用的领域。夏泽龙等(2017)以2015年南京市中心城区火灾案件数据作为研究对象，对研究区域的火灾数据在不同的时空尺度上进行了时空规律分析，探索出南京市中心城区火灾事件时空分布特点。闫密巧等(2017)提出了一种基于聚类的时空关联规则的公交犯罪挖掘算法，针对某市一个区的110报警数据库中的大量业务信息进行分析。叶文菁、吴升文(2014)则引入加权时空关联规则进行挖掘分析，试图找出公交扒窃的案发时空规律与时空犯罪模式。

时空关联性分析在传染病等公共卫生事件分析与预警中的应用也是学者研究的重点。王鲁茜(2011)对引起伤寒、霍乱等急性消化道传染病流行的众多相关因素进行分析，明确危险因素和采取的防治措施，从时空的角度分析地理环境因素的影响及各种因素间的相互关系。周忠玉等(2010)为了更好地了解我国心脑血管疾病、呼吸系统疾病等与天气之间的关系，利用1988—2008年我国相关疾病的医学气象研究成果，结合相对应的气象资料进行综合研究，得出变温变压值较大的季节通常是高血压疾病发病率较高的季节等重要结论。Kurane I等(2009)研究气候变化与人体健康之间的关联关系，包括造成患有心血管疾病和呼吸道疾病的人死亡率的增加等直接影响，以及对传染病的间接影响。

在社会信息化技术的快速发展和国内国际公共安全应急体系不断完善的前提下，人工智能技术的发展促进了突发事件决策向智能化、自动化方向发展。利用机器学习、自然语言处理等技术智能化构建灾害数据库；通过案例推理、强化学习、模拟推演等手段提升应急决策的能力，实现灾前演练、制定预案，灾中动态研判，灾后复盘，是未来的发展方向。

应急大数据时空关联性分析

相关推荐