1.本发明涉及公安安保技术领域，具体涉及一种基于熵值法的人员流动社会治安评估方法，用于对辖区内的治安管理提供决策依据。
背景技术：
2.社会治安问题一直以来都是政府重点关注问题，而辖区内的人口的行为更是社会稳定的直接决定因素，因此作为社会治安的最基础核心数据，充分分析挖掘人口的流动信息、人口相关的案事件信息、网络舆情信息等内在要素，实时了解辖区内人口信息、大规模人口聚集信息、网络舆情煽动信息，为社会治理、维稳研判工作提供重要指标依据，预警社会治安事件，可提前有效充分防止群众参与到大规模群体性事件甚至暴力恐怖事件中。
技术实现要素：
3.本发明的目的是基于辖区内流动人口治安管理需求，提供一种人员流动社会治安评估方法，系统利用熵值法分析评估不同分析元对社会治安的影响，辅助决策者建立更优的工作策略，提前部署预防大规模案事件的发生。
4.本发明的技术方案如下：
5.一种基于熵值法的人员流动社会治安评估方法，其特征在于，包括以下步骤：
6.(1)分析元建模：
7.针对大范围人员流动对社会治安的影响，提取以下分析元：涉及流动人口与本地居民纠纷案事件数量增加、人员聚集区域治安刑事案件数量增加、区域流动人口的来源分布及群体特征、不同区域人群跨区域向某地聚集规模变大、跨地区跨行业的串联活动参与人数增加，并分别赋予一定权重w；
8.(2)归一化：
9.采用阈值法对数据进行归一化处理，用研判分析元结果值与阈值的比作为指标规范化值；研判分析元结果有正向性和负向性两种，即影响程度与分析元结果正相关和负相关；
10.当影响程度与分析元结果正相关时，其规范化值计算方法为：
[0011][0012]
当影响程度与分析元结果负相关时，其规范化值计算方法为：
[0013][0014]
其中：x为研判分析元结果的当前值，x
max
和x
min
为该研判分析元分析结果时间序列的最大值和最小值，y为最终规范化结果；
[0015]
(:3)数据预处理：
[0016]
基于流动人口信息、可疑人员监控信息、治安刑事案件信息、民事纠纷案件信息、
非法宗教活动信息、人员聚集事件信息、宾馆住宿信息、网吧上网信息、道路卡口信息、民航铁路信息、危安刑释解教人员信息、重点关注人员信息、企业用工信息数据，进行抽取、清洗，建立标准化数据信息库；关联各项研判分析元与数据信息库中相关元素信息；对各分析元数据进行归一化处理；
[0017]
(4)计算熵值：
[0018]
设主题发生前研判分析元i的结果为s0，主题发生后研判分析元结果为s1。
[0019]
当为正相关时，熵值：
[0020][0021]
当为负相关时，熵值：
[0022][0023]
主题影响程度为各研判分析元计算结果熵值的加权平均值：
[0024][0025]
式中δh
i
为分析元i影响熵值，w
i
为分析元i的权重，n为分析元的个数，d为主题的最终影响值；在系统运行初期，设置分析元权重w为经验值。
[0026]
本发明通过综合分析人口流动原因、目的、来源地、目的地、人口结构、人口异常动态、规模性人口聚集等案事件信息，利用信息论中熵的概念去描述分析何种信息对社会治安的影响更大，继而协助工作人员在研判时可更趋于关注该类信息的人群，辅助调度部署工作更加智能有效。熵值法作为更客观的赋权方法，相对主观赋权具有更高可信度和精确度。
具体实施方式
[0027]
熵作为热力学的一个物理概念，是体系混乱度(或无序度)的量度。熵越大说明系统越混乱，携带的信息越少，熵越小说明系统越有序，携带的信息越多。信息熵则借鉴了热力学中熵的概念，用于描述平均而言事件信息量大小。所以数学上，信息熵其实是事件所包含的信息量的期望。即：
[0028]
信息熵＝∑每种可能事件的概率*每种可能事件包含的信息量。
[0029]
每种可能事件的概率p的计算方法参考概率论。
[0030]
每种可能事件包含的信息量的计算采用不确定性函数f：
[0031]
f＝log(1/p)＝-logp
[0032]
式中：p为每种可能事件计算的概率。
[0033]
采用这个函数f，一方面保证了信息量是概率p的单调递降函数；另一方面保证了两个独立事件所产生的不确定性应等于各自不确定性之和，即可加性。
[0034]
综合可得信息熵的数学表达式如下：
[0035][0036]
式中：h是熵，u可以理解为所有可能的事件集合，有n种取值：u1,
…
,ui,
…
,un，对应概率为：p1,
…
,pi,
…
,pn，对数的底一般取2。
[0037]
根据信息熵的定义，对于某项分析元，可以用熵值来描述主题对单个分析元的影响程度，熵值越大，标明主题对分析元的影响程度越大。
[0038]
本发明利用信息论中熵的概念去描述分析何种信息对社会治安的影响更大，继而协助工作人员在研判时可更趋于关注该类信息的人群，辅助调度部署工作更加智能有效。具体实施方式如下：
[0039]
(1)分析元建模：
[0040]
针对大范围人员流动对社会治安的影响，提取分析元如下：
[0041]
序号研判分析元权重p1涉及流动人口与本地居民纠纷案事件数量增加w1p2人员聚集区域治安刑事案件数量增加w2p3区域流动人口的来源分布及群体特征w3p4不同区域人群跨区域向某地聚集规模变大w4p5跨地区跨行业的串联活动参与人数增加w5
[0042]
(2)归一化：
[0043]
各分析元的计算结果量纲是不同的，其结果数据之间可能会存在较大差异，直接将其用于影响评估会使得最终结果不确定，从而失去建模意义，因此需要对分析元的结果数据进行归一化处理。
[0044]
本模型采用阈值法对数据进行归一化处理，用研判分析元结果值与阈值的比作为指标规范化值。依据本主题中研判分析元结果的实际意义，研判分析元结果有正向性和负向性两种，即影响程度与分析元结果正相关和负相关。
[0045]
当影响程度与分析元结果正相关时，其规范化值计算方法为：
[0046][0047]
当影响程度与分析元结果负相关时，其规范化值计算方法为：
[0048][0049]
其中：x为研判分析元结果的当前值，x
max
和x
min
为该研判分析元分析结果时间序列的最大值和最小值，y为最终规范化结果。
[0050]
(:3)数据预处理：
[0051]
基于流动人口信息、可疑人员监控信息、治安刑事案件信息、民事纠纷案件信息、非法宗教活动信息、人员聚集事件信息、宾馆住宿信息、网吧上网信息、道路卡口信息、民航铁路信息、危安刑释解教人员信息、重点关注人员信息、企业用工信息等数据进行抽取、清洗、标准化数据信息库；
[0052]
关联各项研判分析元(涉及流动人口与本地居民纠纷案事件数量增加、人员聚集
区域治安刑事案件数量增加、区域流动人口的来源分布及群体特征、不同区域人群跨区域向某地聚集规模变大、跨地区跨行业的串联活动参与人数增加)与数据信息库中相关元素信息；
[0053]
对个分析元数据进行归一化处理。
[0054]
(4)计算熵值：
[0055]
设主题发生前研判分析元i的结果为s0，主题发生后研判分析元结果为s1。
[0056]
当为正相关时，熵值：
[0057][0058]
当为负相关时，熵值：
[0059][0060]
因此主题影响程度为各研判分析元计算结果熵值的加权平均值：
[0061][0062]
式中δh
i
为分析元i影响熵值，w
i
为分析元i的权重，n为分析元的个数，d为主题的最终影响值。在系统运行初期，设置分析元权重w为经验值。