一种基于指静脉数据的建筑工地舆情监测方法与流程

技术领域：

本发明属于指静脉技术领域，尤其涉及一种基于指静脉数据的建筑工地舆情监测方法。

背景技术：
：

建筑行业在我国发展中体量巨大，具有项目规模大，涉及劳务人员多的特点。这为有效进行人员管理带来了巨大的挑战。目前，建筑用工管理主要依赖于管理人员的个人能力和素养，需要大量人工参与，特别是其中舆情监测的部分，更需要管理人员具有高超的沟通交流能力。信息管理系统能够显著提高工作效率。然而由于建筑工地用工流动性强，工地环境嘈杂，对建筑工地进行信息化管理的可行性较差。更进一步，要进行智能化地进行舆情监控更为困难。这使得建筑工地的舆情预警长期处于程度很低的阶段。

技术实现要素：
：

针对上述问题，本发明要解决的技术问题是提供一种基于指静脉数据的建筑工地舆情监测方法。

本发明的一种基于指静脉数据的建筑工地舆情监测方法，包括以下步骤：

a.在建筑工地部署劳务用工系统，其中包含指静脉数据采集子系统；

b.通过静脉数据采集子系统收集劳务人员每天的指静脉打卡记录，连续收集>=10天，进行特征提取；

c.将进行特征提取后获得的数据作为训练数据，建立指静脉数据的统计模型，通过多元高斯模型描述用户行为，通过式ⅰ构造出用户正常行为概率分布函数n(x)：

（式ⅰ），

其中，x为一个数据样本，d为数据样本的维度，均值向量，协方差矩阵，xi为第i维随机变量，xj为第j维随机变量；

d.针对用户正常行为概率分布函数n(x)，通过式ⅱ计算其正常区间：dm(x)<3，其中dm(x)的计算如式（ⅱ），

（式ⅱ）；

e.当dm(x)>3时，用户行为样本落入异常区间，表示该用户行为异常，若任意一天内异常用户达到20人，则进行预警；

f.若用户行为异常数量不足20人，则判断为无异常情况，该天的数据作为用户正常数据扩增到步骤c所述的训练数据中，并更新n(x)。

优选的，所述步骤b中特征提取的数据包括初次指静脉信息，打卡人年龄，打卡人籍贯，今日打卡时间，今日打卡次数。

优选的，所述步骤f中当训练数据>100天时，抛弃最旧的一天数据。

本发明有益效果：本发明通过对建筑工地指静脉的打卡记录进行无监督学习，建立用户行为模型，一次进行异常判定。当有异常事件发生时，能够及时通过信息系统进行预警，不仅弥补了现有预测技术需要监督数据的缺点，也提高了预警的实时性，能够形成更加及时的响应机制。

附图说明：

为了易于说明，本发明由下述的具体实施及附图作以详细描述。

图1是样本多元高斯分布样例图（图为2元高斯分布情形）；

图2是高斯分布等高线图（图为2元高斯分布情形）；

图3异常行为检测等高线分布图。

具体实施方式：

为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本发明。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1-3所示，本实施例的一种基于指静脉数据的建筑工地舆情监测方法，包括以下步骤：

a.在建筑工地部署劳务用工系统，其中包含指静脉数据采集子系统；

b.通过静脉数据采集子系统收集劳务人员每天的指静脉打卡记录，连续收集>=10天，进行特征提取；

c.将进行特征提取后获得的数据作为训练数据，建立指静脉数据的统计模型，通过多元高斯模型描述用户行为，通过式ⅰ构造出用户正常行为概率分布函数n(x)：

（式ⅰ），

其中，x为一个数据样本，d为数据样本的维度，均值向量，协方差矩阵，xi为第i维随机变量，xj为第j维随机变量；

d.针对用户正常行为概率分布函数n(x)，通过式ⅱ计算其正常区间：dm(x)<3，其中dm(x)的计算如式（ⅱ），

（式ⅱ）；

e.当dm(x)>3时，用户行为样本落入异常区间，表示该用户行为异常，若任意一天内异常用户达到20人，则进行预警；

f.若用户行为异常数量不足20人，则判断为无异常情况，该天的数据作为用户正常数据扩增到步骤c所述的训练数据中，并更新n(x)。

具体地，步骤b中特征提取的数据包括初次指静脉信息，打卡人年龄，打卡人籍贯，今日打卡时间，今日打卡次数。步骤f中当训练数据>100天时，抛弃最旧的一天数据。

下面通过实施例进一步说明，本实施例的一种基于指静脉数据的建筑工地舆情监测方法，包括以下步骤：

步骤1：在某工地部署指静脉大数据劳务用工系统。

步骤2：收集劳务人员每天的所有指静脉打卡记录，连续收集>=10天，得到具备本工地特性的数据记录。

步骤3：将数据记录构建为训练样本集，每个样本包含：初次指静脉信息，打卡人年龄，打卡人籍贯，今日打卡时间，今日打卡次数。利用公式计算协方差矩阵，利用公式计算均值向量。构造出正常数据的分布n(x)：。

步骤4：对于接下来一天的数据，提取特征构造样本点，根据n(x)，找出三倍均值向量偏离三倍sigma以外的点。

步骤5：对于用户行为异常进行判定，异常用户达到20人，进行预警。

步骤6：对于无事件发生的一天，重新计算协方差矩阵和均值向量，并更新分布n(x)。

本发明通过对建筑工地指静脉的打卡记录进行无监督学习，建立用户行为模型，一次进行异常判定。当有异常事件发生时，能够及时通过信息系统进行预警，不仅弥补了现有预测技术需要监督数据的缺点，也提高了预警的实时性，能够形成更加及时的响应机制。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。