1.本公开的实施例涉及计算机
技术领域：
：，具体涉及治安管理综合信息系统和可视化展示方法。
背景技术：
：：2.治安管理综合信息系统作为机关信息化管理和工作开展的重要系统，在保证社会治安方面起着非常重要的作用。对于治安管理信息的数据处理，通常采用的方式为：通过人工审核、多部门独立分析的方式来对治安管理信息的主要数据处理方式，除此之外，还调用简单基础级业务数据来进行数据分析。3.然而，发明人发现，当采用上述方式，经常会存在如下技术问题：第一，数据处理周期较长、数据关联共享较弱、目标人员使用便捷性差、可视化能力不足。4.第二，对于目标人员的轨迹伴随分析的准确性较低，只考虑了轨迹信息的空间信息。5.第三，对于群体性事件的关联分析的准确性较低，不能准确对聚集点进行预测。6.该
背景技术：
：部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。技术实现要素：7.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。8.本公开的一些实施例提出了治安管理综合信息系统，来解决以上
背景技术：
：部分提到的技术问题中的一项或多项。9.第一方面，本公开的一些实施例提供了一种治安管理综合信息系统，包括：业务研判服务器集群、业务关联检索模型构建服务器集群、目标对象关系模型构建服务器集群、数据可视化查询服务器集群和可视化展示服务器集群，其中：上述业务研判服务器集群分别与上述业务关联检索模型构建服务器集群、上述目标对象关系模型构建服务器集群通信连接，其中，上述业务研判服务器集群被配置成：对治安管理数据进行研判分析；上述业务关联检索模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接，其中，上述业务关联检索模型构建服务器集群被配置成：对治安管理数据进行关联检索模型的构建，以及为上述数据可视化查询服务器集群和上述可视化展示服务器集群提供关联检索数据；上述目标对象关系模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接，其中，上述目标对象关系模型构建服务器集群被配置成：对上述治安管理数据进行关系网络模型的构建，以及为上述数据可视化查询服务器集群和上述可视化展示服务器集群提供关系数据；上述数据可视化查询服务器集群被配置成：根据上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群发送的关联检索数据和关系数据，以及对上述关联检索数据和上述关系数据进行可视化综合查询结果展示；上述可视化展示服务器集群被配置成：根据上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群发送的关联检索数据和关系数据，以及对上述关联检索数据和上述关系数据进行可视化展示。10.第二方面，本公开的一些实施例提供了一种治安管理综合信息系统的可视化展示方法，应用于第一方面描述的治安管理综合信息系统，包括：获取针对多个数据源的治安管理数据；通过上述数据源管理服务器，对上述治安管理数据进行要素提取，得到专项业务数据库；通过上述业务研判服务器集群，对上述专项业务数据库进行研判分析，得到研判结果；通过上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群，对研判结果进行统计分析，得到统计分析结果；通过上述数据可视化查询服务器集群和上述可视化展示服务器集群，对上述统计分析结果进行可视化查询和统计展示。11.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。12.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。13.本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的治安管理综合信息系统可以实现信息资源的集中管理，达到信息分析展示能力的高度融合，实现基础服务的高度共享，提升治安管理研判处置效率。具体来说，造成相关的治安研判处置效率较低的原因在于：对治安管理数据的处理周期较长、治安管理数据之间的关联共享较弱、民众使用便捷性差、对治安管理数据的可视化展示不足。基于此，本公开的一些实施例的治安管理综合信息系统，包括：业务研判服务器集群、业务关联检索模型构建服务器集群、目标对象关系模型构建服务器集群、数据可视化查询服务器集群和可视化展示服务器集群，其中：上述业务研判服务器集群分别与上述业务关联检索模型构建服务器集群、上述目标对象关系模型构建服务器集群通信连接，其中，上述业务研判服务器集群被配置成：对治安管理数据进行研判分析。在这里，通过业务研判服务器集群对治安管理数据进行基础数据处理和各个治安管理数据之间的关联检索，便于后续对处理后的数据进行模型建立分析，挖掘更深层次的关联关系。上述业务关联检索模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接，其中，上述业务关联检索模型构建服务器集群被配置成：对治安管理数据进行关联检索模型的构建，以及为上述数据可视化查询服务器集群和上述可视化展示服务器集群提供关联检索数据。上述目标对象关系模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接，其中，上述目标对象关系模型构建服务器集群被配置成：对上述治安管理数据进行关系网络模型的构建，以及为上述数据可视化查询服务器集群和上述可视化展示服务器集群提供关系数据。在这里，通过具体业务情况，对处理后的治安管理数据进行模型的构造与训练，挖掘各个治安管理数据之间更深层次的关联关系，提升治安管理研判处理效率和便民服务的精准度。上述数据可视化查询服务器集群被配置成：根据上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群发送的关联检索数据和关系数据，以及对上述关联检索数据和上述关系数据进行可视化综合查询结果展示。上述可视化展示服务器集群被配置成：根据上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群发送的关联检索数据和关系数据，以及对上述关联检索数据和上述关系数据进行可视化展示。在这里，通过对业务研判服务器集群、业务关联检索模型构建服务器集群和目标对象关系模型构建服务器集群得到的分析结果进行可视化展示，便于满足目标人员对治安信息交互的需求。由此可得，该治安管理综合信息系统可以实现信息资源的集中管理，达到信息分析展示能力的高度融合，实现基础服务的高度共享，提升治安管理研判处置效率。附图说明14.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。15.图1是根据本公开的治安管理综合信息系统的一些实施例的结构示意图；图2是根据本公开的治安管理综合信息系统的可视化展示方法的一些实施例的流程图；图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。具体实施方式16.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。17.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。18.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、服务器或单元进行区分，并非用于限定这些装置、服务器或单元所执行的功能的顺序或者相互依存关系。19.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。20.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。21.下面将参考附图并结合实施例来详细说明本公开。22.参考图1，示出了根据本公开的治安管理综合信息系统的一些实施例的结构示意图。如图1所示，本公开提供的治安管理综合信息系统可以包括：业务研判服务器集群1、业务关联检索模型构建服务器集群2、目标对象关系模型构建服务器集群3、数据可视化查询服务器集群4和可视化展示服务器集群5。23.在一些实施例中，上述业务研判服务器集群1分别与上述业务关联检索模型构建服务器集群2和目标对象关系模型构建服务器集群3通信连接。这里，上述业务研判服务器集群1分别与上述业务关联检索模型构建服务器集群2和上述目标对象关系模型构建服务器集群3通信连接的方式不作限定。例如，上述业务研判服务器集群1分别与上述业务关联检索模型构建服务器集群2和上述目标对象关系模型构建服务器集群3通信连接的方式可以是通过具体的api（applicationprogramminginterface，应用程序编程接口）接口进行通信连接。上述业务研判服务器集群1可以被配置成采用分析算法，对治安管理数据进行研判分析。其中，上述治安管理数据可以是来自多个数据源有关社会治安防控数据的数据。例如，上述治安管理数据可以包括：人口信息数据、各种警种管辖地区位置信息数据、城市规划信息数据、车辆信息数据、金融数据、视频监控数据、电信运营数据、房产数据、网络购物信息数据、网页浏览数据等等。上述分析算法可以是关联规则算法。实践中，上述业务关联检索模型构建服务器集群可以是利用关联规则，关联业务场景对上述治安管理数据进行关联分析的服务器集群。其中，上述业务关联检索模型可以是机器学习模型。机器学习模型可以包括但不限于：基于规则的关联分析模型、基于大数据的关联分析模型。例如，上述业务关联检索模型构建服务器集群可以包括：数据源管理服务器、数据分析管理服务器、指标计算模型构建服务器、主题分析模型构建服务器和专题分析模型构建服务器。例如，对于在目标景点治安专项的业务场景中，上述业务关联检索模型可以是统计目标人员、目标物品、告警次数，以及与上一时期的同比。其中，告警次数可以是相关人员向具体告警点进行告警的次数、向布控车辆进行告警的告警次数和向警务人员进行告警的告警次数的和。相关人员可以是目标景点游玩人员、目标景点工作人员等。24.在一些实施例中，上述业务关联检索模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接。这里，上述业务关联检索模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接的方式不作限定。例如，上述业务关联检索模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接的方式可以是通过具体的api接口进行通信连接。上述业务关联检索模型构建服务器集群被配置成：对治安管理数据进行关联检索模型的构建，以及为上述数据可视化查询服务器集群和上述可视化展示服务器集群提供分析结果。例如，上述业务关联检索模型构建服务器集群可以是通过治安管理数据之间的关联关系构建关联关系的服务器集群。实践中，上述执行主体可以首先，根据文本信息构建案件知识图谱。其次，对上述案件知识图谱构建的节点集合数据进行随机游走采样，获取多个序列数据。再次，利用词转化向量算法，对多个上述序列数据进行模型训练，获取更新的目标模型。其中，目标模型可以是通过输入层将多个序列数据中的词转换成向量的表示形式，得到词向量，隐层计算输入层输出的词向量的累加和，得到一个总的向量，总的向量与输出层的霍夫曼树的每一个非叶子节点相连接，根据语义关系和上下文关系对总的向量构建霍夫曼树，通过能量函数对霍夫曼树进行概率计算得到的模型。然后，获取目标文本信息，并通过上述目标模型分析上述目标文本信息，以构建待检索知识图谱。其中，目标文本信息可以是从上述治安管理数据中获取的案件信息对应的文本信息。根据上述待检索知识图谱在上述案件知识图谱中检索，以获取与上述待检索知识图谱关联的案件信息。最后，根据上述案件信息的第一相似度和第二相似度，获取输出的案件信息的模型。25.在一些实施例中，上述目标对象关系模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接。这里，上述目标对象关系模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接的方式不作限定。例如，上述目标对象关系模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接的方式可以是通过具体的api接口进行通信连接。上述目标对象关系模型构建服务器集群被配置成：对上述治安管理数据进行关系网络模型的构建，以及为上述可视化展示服务器集群和上述数据可视化查询服务器集群提供分析结果。实践中，上述目标对象关系模型构建服务器集群可以是通过对目标对象的不同方面的数据进行关联检索，生成的目标对象关系网络的构建服务器集群。其中，不同方面的数据可以包括以下至少一项：与目标对象有关联的案件、人员、场所、群体事件。例如，目标对象关系模型构建服务器集群可以是对与目标对象有关联的案件、人员、场所、群体事件、时空关系、行为轨迹进行关联检索，生成的与目标对象有关联的案件、人员、场所、群体事件、时空关系、行为轨迹之间的拓扑关系的服务器集群。上述目标对象关系模型构建服务器集群可以包括：目标人员关系网络模型构建服务器、案件信息关系网络模型构建服务器、目标场所关系网络模型构建服务器、群体性事件关系网络模型构建服务器、时空分析关系网络模型构建服务器、轨迹分析网络模型构建服务器。26.在一些实施例中，上述数据可视化查询服务器集群被配置成：根据上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群发送的统计分析结果，以及对统计分析结果进行可视化综合查询结果展示。其中，上述统计分析结果可以是各个案件、人员和警情的关联检索结果。上述统计分析结果也可以是各个目标人员、目标场所、案件信息等的关系网络的分析结果。警情可以是发生犯罪事件或者接到告警信息后，相应派出所派出警察进行社会治安维护的现象。实践中。上述执行主体可以通过接收到的查询人员的查询请求，将查询结果以图形可视化的方式进行展示。其中，上述查询请求可以是对某个具体的场所名称的查询请求。查询结果可以是以上述场所名称为中心，以其他与上述场所名称相关的案件信息、场所信息和人员信息组成的拓扑关系网络。27.在一些实施例中，上述可视化展示服务器集群被配置成：根据上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群发送的统计分析结果，以及对统计分析结果进行可视化展示。其中，上述分析结果可以是各个案件、人员和警情等的关联检索结果，上述分析结果也可以是各个目标人员、目标场所、案件信息等的关系网络的分析结果。实践中，利用可视化工具或者可视化方法，对上述分析结果进行可视化展示。其中，可视化工具可以是tableau。可视化方法可以是e-charts图表。28.可选地，上述业务研判服务器集群，包括：数据源管理服务器、数据分析管理服务器、指标计算模型构建服务器、主题分析模型构建服务器和专题分析模型构建服务器。29.在一些实施例中，上述数据源管理服务器被配置成：通过对不同数据源的治安管理数据进行处理和关键词数据的提取，得到专项业务数据库。其中，上述不同数据源的治安管理数据可以是来自不同区域、不同部门的存储的治安管理数据。上述专项业务数据库可以是针对不同人员创建的专项业务数据库。例如，专项业务数据库可以是针对社区矫正人员创建的关联治安数据库表和司法数据表的业务数据库。其中，社区矫正人员可以是罪行较轻、主观恶意较小、社会危害性不大的罪犯或者经过监管改造，有悔改表现和不致再危害社会的人员。关键词数据可以包括以下至少一项：反恐、抢劫和入室盗窃。对治安管理数据进行处理可以是对治安管理数据进行去噪、清洗、统一数据格式。30.在一些实施例中，上述数据分析管理服务器与上述数据源管理服务器通信连接。这里，上述数据分析管理服务器与上述数据源管理服务器通信连接的方式不作限定。例如，上述数据分析管理服务器与上述数据源管理服务器通信连接的方式可以是通过具体的api接口进行通信连接。上述数据分析管理服务器被配置成：对上述数据源管理服务器发送的上述专项业务数据库中的治安管理业务场景数据库中的多个数据表进行统计分析。其中，上述治安管理业务场景数据库可以是对治安管理数据按照业务场景进行存储的数据库。实践中，数据分析管理服务器可以通过关联信息，确定与关联信息对应的多个表的平均值、累计总和。其中，关联关系可以是人员的身份证号。31.在一些实施例中，上述专题分析模型构建服务器与上述数据源管理服务器通信连接。这里，上述专题分析模型构建服务器与上述数据源管理服务器通信连接的方式不作限定。例如，上述专题分析模型构建服务器与上述数据源管理服务器通信连接的方式可以是通过具体的api接口进行通信连接。上述专题分析模型构建服务器被配置成：对上述数据源管理服务器发送的上述专项业务数据库中的专项治安勤务数据中的多个数据表进行统计分析。实践中，上述专题分析模型构建服务器可以是通过对专项治安勤务和专题治安事件，对告警总数总量及进行同比分析，布控车告警总量及同比分析，布控人告警总量及同比分析，目标区域周边派出所布控车、布控人分析，目标区域周边派出所告警时段分析的服务器。其中，上述专项业务数据库真中的专项治安勤务数据可以包括以下至少一项：警务人员对目标区域进行巡查派遣的警务人员信息、警务人员数量和巡查时间段。32.在一些实施例中，上述主题分析模型构建服务器与上述数据源管理服务器通信连接。这里，上述主题分析模型构建服务器与上述数据源管理服务器通信连接的方式不作限定。例如，上述主题分析模型构建服务器与上述数据源管理服务器通信连接的方式可以是通过具体的api接口进行通信连接。上述主题分析模型构建服务器被配置成：对上述数据源管理服务器发送的上述专项业务数据库中的警情数据进行统计分析。实践中，上述主题分析模型构建服务器通过对治安管理数据中的警情数据总量及同比分析、目标警情数据占比、总量、同比分析，警情报警时段本周与上周趋势分析，各派出所警情数据正向排名或者倒序排名的前5名本周与上周趋势分析的服务器。主题分析模型构建服务器能够较好的支撑日常治安管理数据需求。其中，目标警情数据可以是日常警情事件。日常警情可以包括以下至少一项：打架、斗殴、举报和群体事件。33.在一些实施例中，上述指标计算模型构建服务器与上述数据源管理服务器通信连接。这里，上述指标计算模型构建服务器与上述数据源管理服务器通信连接的方式不作限定。例如，上述专题分析模型构建服务器与上述数据源管理服务器通信连接的方式可以是通过具体的api接口进行通信连接。上述指标计算模型构建服务器被配置成：对上述数据源管理服务器发送的上述专项业务中的目标人、目标场所和目标物品进行统计分析。实践中，上述指标计算模型构建服务器通过对治安管理中的数据信息，提供目标人总量及同比分析、目标人占比、总量、同比分析，目标场所总量及分布分析，并建立各派出所安全检查重要物品正序或者倒序次数排名的服务器。其中，目标人员可以是指有危害国家安全或者社会治安嫌疑，由公安机关重点管理的人员。例如，上述目标人员可以是从事间谍活动的人员。目标场所可以是人员比较密集的场所。例如，目标场所可以是娱乐场所和服务场所。目标物品可以是具有一定危险性质的物品。例如，目标物品可以是管制刀具。34.可选地，上述业务关联检索模型构建服务器集群，包括：案件信息关联检索模型构建服务器、人员信息关联检索模型构建服务器、警情信息关联检索模型构建服务器。35.在一些实施例中，上述案件信息关联检索模型构建服务器被配置成：通过提取上述专项业务数据库中执法办案类型及性质关键词，对关键词进行模型训练，得到分析结果。其中，执法办案类型可以是治安事件执法办案类型或者群访执法办案类型。性质关键词可以包括以下至少一项：刑事、民事和行政。例如，上述案件信息关联检索模型构建服务器可以是利用关键词抽取模型，对案件信息的关键词进行训练，得到同一类案件信息的关键词集合。然后，对得到的关键词集合进行可视化展示。最后，将与上述同一类案件的关键词集合的相似度大于等于0.85的关键词对应的案件信息，确定为同一类案件信息，以及对于相似度大于等于0.85的案件信息的处理过程也按照上述案件信息的处理过程进行处理的模型构建服务器。其中，关键词抽取模型可以是基于掩码的无监督关键词提取（mderank）模型。对关键词集合进行可视化展示可以是以字典的形式进行展示。36.在一些实施例中，上述人员信息关联检索模型构建服务器被配置成：通过提取上述专项业务数据库中涉及治安管理类型的案件关键词，对关键词进行模型训练，得到分析结果。其中，上述人员信息关联检索构建服务器可以是利用关键词抽取模型，对与目标人员有关联的治安管理事件的关键词集合进行训练，得到与目标人员对应的治安管理事件的关键词集合，以及对关键词集合进行可视化展示的模型构建服务器。其中，关键词抽取模型可以是基于掩码的无监督关键词提取（mderank）模型。对关键词集合进行可视化展示可以是以字典的形式进行展示。上述涉及治安管理类型的案件可以是违反治安管理行为构成的案件。例如，治安管理类型的案件可以是扰乱公共秩序的行为的案件。37.在一些实施例中，上述警情信息关联检索模型构建服务器被配置成：通过提取上述专项业务数据库中涉及警情描述关键词，根据警情关键词进行模型训练，得到与警情信息相关的关键词集。其中，上述警情信息关联检索模型构建服务器通过提取上述专项业务数据库中涉及警情描述关键词，将上述警情关键词输入至上述警情信息关联检索模型，得到不同警情信息对应的警情关键词集合，以及对关键词集合进行可视化展示的模型构建服务器。其中，上述警情信息关联检索模型可以是基于掩码的无监督关键词提取（mderank）模型。上述警情描述关键词可以是对警情案件进行关键词提取得到的关键词。例如，警情描述关键词可以包括以下至少一项：报警、求助和投诉。38.可选地，上述目标对象关系模型构建服务器集群，包括：目标人员关系网络模型构建服务器、案件信息关系网络模型构建服务器、目标场所关系网络模型构建服务器、群体性事件关系网络模型构建服务器、时空分析关系网络模型构建服务器、轨迹分析网络模型构建服务器。39.在一些实施例中，上述目标人员关系网络模型构建服务器被配置成：通过个人信息查询生成目标人员关系分析结果，以及根据上述目标人员关系分析结果，查看关联案件、关联场所的信息。其中，上述目标人员关系网络模型构建服务器可以是以目标人员为主节点，通过关联查询与上述目标人员有关联的人员信息、案件信息、场所信息为其他节点构建的关系抽取模型构建服务器。目标人员关系网络模型可以是机器学习模型。机器学习模型可以是关系抽取模型。40.在一些实施例中，上述案件信息关系网络模型构建服务器被配置成：通过案件信息查询生成案件信息关系分析结果，以及根据上述案件信息关系分析结果，查看与上述案件信息相关联的目标人员和目标场所的数据信息。其中，上述案件信息关系网络模型构建服务器可以是以目标案件信息为主节点，通过关联查询与上述目标案件信息有关联的目标人员、目标场所为其他节点构建的关系抽取构建服务器。上述目标案件信息可以是抢劫案件信息。案件信息关系网络模型可以是机器学习模型。机器学习模型可以是关系抽取模型。41.在一些实施例中，上述目标场所关系网络模型构建服务器被配置成：通过目标场所信息查询生成目标场所关系分析结果，以及根据上述目标场所关系分析结果，查看与上述目标场所相关联的目标人员的信息。其中，支持数据源表查询项生成目标场所分析结果。上述目标场所关系网络模型构建服务器可以是以目标场所为中心节点，通过关联查询与上述目标场所有关联的场所信息、目标人员信息为其他节点构建的知识图谱的关系抽取构建服务器。目标场所关系网络模型可以是机器学习模型。机器学习模型可以是关系抽取模型。42.在一些实施例中，上述群体性事件关系网络模型构建服务器被配置成：通过个人信息查询生成群体性事件关系分析结果，以及根据上述群体性事件关系分析结果，查看与上述目标群体性事件相关联的目标人员和关联群体组织的信息。其中，上述群体性事件关系分析结果支持数据源表查询项生成群体性事件分析结果。上述群体性事件关系网络模型构建服务器可以是以群体性事件为中心节点，通过关联查询与群体性事件有关联的目标人员、群体组织为其他节点构建的知识图谱的关系网络模型服务器。群体性事件关系网络模型可以是机器学习模型。机器学习模型可以是关系抽取模型。上述群体性事件关系分析结果可以是通过个人信息中的身份证号，查询个人信息对应的人员参与过的群体性事件。群体性事件可以是由多个人员参与的对社会秩序和社会稳定造成重大负面影响的各种事件。例如，群体性事件可以是游行示威事件。43.在一些实施例中，上述时空分析关系网络模型构建服务器被配置成：通过对治安管控的场所、案件信息查询生成时空分析关系结果，以及根据上述时空分析关系结果，查看相关联的案件信息和目标人员的信息。其中，上述时空分析关系结果支持数据源表查询项生成时空分析关系分析结果。实践中，上述时空分析关系网络模型构建服务器可以是通过对治安管控的场所、案件信息的时间信息和空间信息的数据碰撞与关联检索处理，得到与治安管控的场所和案件信息相关联的关联案件和相关人员，并将分析结果以可视化的拓扑图进行展示的构建服务器。44.在一些实施例中，上述轨迹分析网络模型构建服务器被配置成：通过构建个人信息查询生成轨迹分析结果。其中，上述轨迹分析结果支持数据源表查询项生成轨迹分析结果。实践中，上述轨迹分析网络模型构建服务器可以通过个人信息关联多个治安管理数据表，得到在一定时间内目标人员的行动轨迹，以及将上述行动轨迹在地图上进行展示的模型构建服务器。其中，一定时间可以是5天。多个治安管理数据表可以包括以下至少一项：目标人员的消费信息、车辆信息、通信信息、案件信息。上述轨迹分析网络模型构建服务器也可以构建多人轨迹，其中，多人轨迹可以采用知识图谱向量图的方式进行呈现。45.可选地，上述数据可视化查询服务器集群，包括：统一报表管理服务器、综合查询管理服务器、统计分析管理服务器和统计结果展现服务器。46.在一些实施例中，上述统一报表管理服务器被配置成：通过创建固定报表或者灵活报表，将上述创建固定报表或者灵活报表发送到各级组织部门，以供上述各级组织部门进行填报。其中，固定报表是可以依照治安部门内部要求的报表格式创建的报表。灵活报表是可通过动态需求进行自动创建的报表。灵活报表在自动创建后，上述执行主体可以依据需要定时向各个部门进行发送、并收集各个部门进行填写上报的灵活报表的内容。上述执行主体也可以指定发送多个不同部门，并收集多个部门进行填写上报的灵活报表的内容。47.在一些实施例中，上述综合查询管理服务器被配置成：通过统一接口，对上述不同数据源的治安管理数据、上述业务研判服务器集群发送的研判分析结果、上述业务关联检索模型构建服务器集群发送的分析结果和上述目标对象关系模型构建服务器集群发送的分析结果提供查询结果展示。查询结果展示可以是对分析结果进行环比、常量比、阈值、颜色阈值、多维度设置等统计数据。实践中，上述综合查询管理服务器可以通过内部数据总线获取治安管理数据，关联多个数据表，对上述多个数据表进行交集、并集、补集进行关联查询。上述综合查询管理服务器可以创建查询模板。其中，上述查询模板可以是通过选择需要查询的字段和展示的字段，生成查询模板的模板。上述执行主体还可以对模板进行分类管理。48.在一些实施例中，上述统计分析管理服务器被配置成：通过统一接口，对上述不同数据源的治安管理数据、上述业务研判服务器集群发送的研判分析结果、上述业务关联检索模型构建服务器集群发送的分析结果和上述目标对象关系模型构建服务器集群发送的分析结果进行多维度统计分析。实践中，上述统计分析管理服务器可以通过查询单表、多表关联查询，实现查询信息的多维度关联，提供查询目标的多数据源支持。同时，统计分析管理服务器可以对治安管理数据和数据表包括的数据进行求和、求平均值分析，提高数据处理效率。统计分析管理服务器也可以是对治安管理数据和数据表包括的数据、依据具体情况进行相应的自定义计算求解。49.在一些实施例中，上述统计结果展现服务器被配置成：通过统一接口，对上述不同数据源的治安管理数据、上述业务研判服务器集群发送的研判分析结果、上述业务关联检索模型构建服务器集群发送的分析结果和上述目标对象关系模型构建服务器集群发送的分析结果进行可视化统计结果展示。其中，可视化统计结果可以通过饼图、柱状图等多种图表形式进行展示。50.可选地，上述可视化展示服务器集群，包括：数据内容管理服务器和可视化内容服务器。51.在一些实施例中，上述数据内容管理服务器被配置成：支持向数据中心调取数据表，以及对调取的数据表进行可视化内容展示。52.在一些实施例中，上述可视化内容服务器被配置成：对可视化模板进行管理。其中，对上述可视化模板进行管理包括：对可视化模板进行增加、删除、查询和修改。上述可视化内容服务器也可以对通过api接口接入的视频进行检测，对异常事件的数据和视频进行双重可视化，以便提醒相关警务人员进行相应的应对措施。53.本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的治安管理综合信息系统可以实现信息资源的集中管理，达到信息分析展示能力的高度融合，实现基础服务的高度共享，提升治安管理研判处置效率。具体来说，造成相关的治安研判处置效率较低的原因在于：对治安管理数据的处理周期较长、治安管理数据之间的关联共享较弱、民众使用便捷性差、对治安管理数据的可视化展示不足。基于此，本公开的一些实施例的治安管理综合信息系统，包括：业务研判服务器集群、业务关联检索模型构建服务器集群、目标对象关系模型构建服务器集群、数据可视化查询服务器集群和可视化展示服务器集群，其中：上述业务研判服务器集群分别与上述业务关联检索模型构建服务器集群、上述目标对象关系模型构建服务器集群通信连接，其中，上述业务研判服务器集群被配置成：对治安管理数据进行研判分析。在这里，通过业务研判服务器集群对治安管理数据进行基础数据处理和各个治安管理数据之间的关联检索，便于后续对处理后的数据进行模型建立分析，挖掘更深层次的关联关系。上述业务关联检索模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接，其中，上述业务关联检索模型构建服务器集群被配置成：对治安管理数据进行关联检索模型的构建，以及为上述数据可视化查询服务器集群和上述可视化展示服务器集群提供关联检索数据。上述目标对象关系模型构建服务器集群分别与上述数据可视化查询服务器集群、上述可视化展示服务器集群通信连接，其中，上述目标对象关系模型构建服务器集群被配置成：对上述治安管理数据进行关系网络模型的构建，以及为上述数据可视化查询服务器集群和上述可视化展示服务器集群提供关系数据。在这里，通过具体业务情况，对处理后的治安管理数据进行模型的构造与训练，挖掘各个治安管理数据之间更深层次的关联关系，提升治安管理研判处理效率和便民服务的精准度。上述数据可视化查询服务器集群被配置成：根据上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群发送的关联检索数据和关系数据，以及对上述关联检索数据和上述关系数据进行可视化综合查询结果展示。上述可视化展示服务器集群被配置成：根据上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群发送的关联检索数据和关系数据，以及对上述关联检索数据和上述关系数据进行可视化展示。在这里，通过对业务研判服务器集群、业务关联检索模型构建服务器集群和目标对象关系模型构建服务器集群得到的分析结果进行可视化展示，便于满足目标人员对治安信息交互的需求。由此可得，该治安管理综合信息系统可以实现信息资源的集中管理，达到信息分析展示能力的高度融合，实现基础服务的高度共享，提升治安管理研判处置效率。54.继续参考图2，示出了根据本公开的治安管理综合信息系统的可视化展示方法的一些实施例的流程200。该可视化展示方法，包括以下步骤：步骤201，获取针对多个数据源的治安管理数据。55.在一些实施例中，上述可视化展示方法的执行主体（例如，图1所示的治安管理综合信息系统）可以通过有线连接方式或者无线连接方式来获取针对多个数据源的治安管理数据。其中，上述多个数据源的治安管理数据可以是收集了多个位于不同区域、不同部门的治安管理数据。不同部门可以包括：刑警部门、交警部门、禁毒部门等。56.作为示例，上述执行主体可以通过采用采集源点间适配器同步能力和统一自动化调配调度，实现采集功能的灵活部署，完成对多个数据源的治安管理数据的获取。57.步骤202，通过数据源管理服务器，对治安管理数据进行要素提取，得到专项业务数据库。58.在一些实施例中，上述执行主体可以通过上述数据源管理服务器，对上述治安管理数据进行要素提取，得到专项业务数据库。其中，上述专项业务数据库可以是针对不同人员得到的专项业务数据库。59.作为示例，上述执行主体可以针对社区矫正人员创建的关联治安数据库表和司法数据表的业务数据库进行关键词要素提取，得到专项业务数据库。60.步骤203，通过业务研判服务器集群，对专项业务数据库进行研判分析，得到研判结果。61.在一些实施例中，上述执行主体可以通过上述业务研判服务器集群，对上述专项业务数据库进行研判分析，得到研判结果。其中，上述业务研判服务器集群，包括：数据源管理服务器、数据分析管理服务器、指标计算模型构建服务器、主题分析模型构建服务器和专题分析模型构建服务器。62.作为示例，上述执行主体可以采用统计分析算法，对目标人、目标场所、目标物品进行统计分析，得到统计分析结果。采用预测模型，对群体性事件动态管控和态势、风险隐患进行预测，得到预测结果，以便对群体性事件和可能出现的风险隐患有全面性把握，及时采取相应的措施。其中，预测模型可以是xgboost(extremegradientboosting)模型。63.步骤204，通过业务关联检索模型构建服务器集群和目标对象关系模型构建服务器集群，对研判结果进行统计分析，得到统计分析结果。64.在一些实施例中，上述执行主体可以通过业务关联检索模型构建服务器集群和目标对象关系模型构建服务器集群，对研判结果进行统计分析，得到统计分析结果。其中，上述业务关联检索模型构建服务器集群，包括：案件信息关联检索模型构建服务器、人员信息关联检索模型构建服务器、警情信息关联检索模型构建服务器。上述目标对象关系模型构建服务器集群，包括：目标人员关系网络模型构建服务器、案件信息关系网络模型构建服务器、目标场所关系网络模型构建服务器、群体性事件关系网络模型构建服务器、时空分析关系网络模型构建服务器、轨迹分析网络模型构建服务器。65.作为示例，上述执行主体可以通过关联检索算法，对治安管理数据中的案件信息进行关联检索，得到与案件信息相关联的人员信息和警情信息，构建关联知识图谱，以便警务人员对案件信息有更加全面的了解。上述执行主体还可以首先，利用关键词提取模型，对目标警情信息数据进行关键字提取，得到目标警情信息对应的目标关键词集合。其次，通过目标计算关键词集合中各个目标关键词与历史警情信息的关键词集合的相似度，确定目标警情信息的案件分类信息和警情处理流程。其中，关键词提取模型可以是基于掩码的无监督关键词提取（mderank）模型。66.在一些实施例的一些可选的实现方式中，上述通过上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群，对分析结果进行建模分析，得到建模分析结果，可以包括：第一步，获取上述目标人员在预设时间间隔内的第一轨迹信息。其中，上述第一轨迹信息包括多个第一轨迹点，第一轨迹点包括：第一时间点和上述目标人员在上述第一时间点所处的位置信息。上述预设时间间隔可以是十分钟、十五分钟或者是任意其他合适时间间隔。67.作为示例，上述执行主体可以通过关联目标人员的相关数据信息，提取上述目标人员的位置信息和与位置信息相对应的时间信息，得到上述目标人员的轨迹信息。其中，相关数据信息可以是目标人员的消费信息、花费账单信息、银行卡信息等。68.第二步，获取多个待检测人员在上述时间间隔内的第二轨迹信息。上述第二轨迹信息包括多个第二轨迹点，第二轨迹点包括：第二时间点和上述目标人员在上述第二时间点所处的位置信息。上述预设时间间隔可以是十分钟、十五分钟或者是任意其他合适时间间隔。上述多个待检测人员可以是与目标人员在多个场合多次出现的人员。69.第三步，根据上述第一轨迹信息对应的多个第一时间点和上述第二轨迹信息对应的多个第二时间点，确定上述目标人员和上述多个待检测人员对应的时间距离矩阵。其中，上述时间距离矩阵可以包括第一轨迹信息和第二轨迹信息之间的多个时间距离。时间距离可以是第一时间点与第二时间点之间的时间差。70.作为示例，针对上述第一轨迹信息中的每个第一轨迹点，分别计算上述第一轨迹点中的第一时间点与上述第二轨迹信息对应的多个第二时间点之间的时间距离，获得各个第一轨迹点对应的多个时间距离。通过多个时间距离构建时间距离矩阵。例如，第一轨迹信息中具有m个第一时间点，第二轨迹信息中具有n个第二时间点，则时间距离矩阵的大小为m行，n列。其中，第i行第j列的元素可以是第i个第一时间点与第j个第二时间点之前的时间距离。71.第四步，根据上述第一轨迹信息对应的多个第一时间点和上述第二轨迹信息对应的多个位置信息，确定上述目标人员和上述多个待检测人员对应的空间距离矩阵。上述空间距离矩阵可以包括第一轨迹信息和第二轨迹信息之间的多个空间距离。空间距离可以是第一轨迹点中的位置信息和第二轨迹信息对应的多个位置信息之间的距离差值。72.作为示例，针对上述第一轨迹信息中的每个第一轨迹点，分别计算上述第一轨迹点中的第一位置信息与上述第二轨迹信息对应的多个第二位置信息之间的空间距离，获得各个第一轨迹点对应的多个空间距离。通过多个空间距离构建空间距离矩阵。例如，第一轨迹信息中具有m个第一位置信息，第二轨迹信息中具有n个第二位置信息，则空间距离矩阵的大小为m行，n列。其中，第i行第j列的元素可以是第i个第一位置信息与第j个第二位置信息之前的空间距离。73.第五步，通过赋予上述时间距离矩阵第一权重和赋予上述空间距离矩阵第二权重，确定时间轨迹矩阵。其中，上述第一权重和第二权重的和为1。在此不对第一权重和第二权重具体要求，可以依据实际应用场景确定。例如，不要求在时间上的一致性，可以将时间距离矩阵对应的第一权重设置为0。相应地，空间距离矩阵对应的第二权重设置为1。74.作为示例，上述执行主体可以首先，对上述时间距离矩阵和空间距离矩阵进行归一化处理，得到归一化处理后的时间距离矩阵和空间距离矩阵。然后，对上述归一化处理后的时间距离矩阵和空间距离矩阵进行加权合并，得到时间轨迹矩阵。75.第六步，根据上述时间轨迹矩阵，确定上述第一轨迹信息和第二轨迹信息之间的相似度。其中，上述相似度可以是第一轨迹信息和上述第二轨迹信息之间的时间和空间的距离度量。76.作为示例，上述执行主体可以首先，针对时间轨迹矩阵中的目标行，确定目标行的第一目标值。其中，上述第一目标值可以是目标行中数值最小的数。然后，确定上述第一目标值在时间轨迹矩阵中所处的目标行，以及在时间轨迹矩阵中目标行的下一行号中，确定行号大于目标行号的行中的第二目标值。其中，上述第二目标值可以是行号大于目标行号的行中的数值最小的数。上述执行主体也可以是针对时间轨迹矩阵中的目标列。77.第七步，将上述相似度与预设伴随相似度进行对比，得到对比结果。其中，上述预设伴随相似度可以是0.85。78.第八步，响应于确定上述对比结果为上述相似度大于等于预设伴随相似度，将上述待检测人员确定为伴随人员。79.第九步，将上述伴随人员的数据信息发送至客户端，以供警务人员对上述伴随人员进行监控。80.上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了
背景技术：
：提及的技术问题二“对于目标人员的轨迹伴随分析的准确性较低，只考虑了轨迹信息的空间信息。”。导致目标人员的轨迹伴随分析的准确性较低的因素往往如下：对于目标人员的轨迹信息的伴随分析只考虑到了空间因素。如果解决了上述因素，就能达到提高目标人员的轨迹伴随分析的准确性。为了达到这一效果，通过上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群，对分析结果进行建模分析，得到建模分析结果，执行处理步骤：获取上述目标人员在预设时间间隔内的第一轨迹信息，其中，上述第一轨迹信息包括多个第一轨迹点，第一轨迹点包括：第一时间点和上述目标人员在上述第一时间点所处的位置信息；获取多个待检测人员在上述时间间隔内的第二轨迹信息，上述第二轨迹信息包括多个第二轨迹点，第二轨迹点包括：第二时间点和上述目标人员在上述第二时间点所处的位置信息；根据上述第一轨迹信息对应的多个第一时间点和上述第二轨迹信息对应的多个第二时间点，确定上述目标人员和上述多个待检测人员对应的时间距离矩阵；根据上述第一轨迹信息对应的多个第一时间点和上述第二轨迹信息对应的多个位置信息，确定上述目标人员和上述多个待检测人员对应的空间距离矩阵；通过赋予上述时间距离矩阵第一权重和赋予上述空间距离矩阵第二权重，确定时间轨迹矩阵；根据上述时间轨迹矩阵，确定上述第一轨迹信息和第二轨迹信息之间的相似度；将上述相似度与预设伴随相似度进行对比，得到对比结果；响应于确定上述对比结果为上述相似度大于等于预设伴随相似度，将上述待检测人员确定为伴随人员；将上述伴随人员的数据信息发送至客户端，以供警务人员对上述伴随人员进行监控。由此可得，通过构造两条轨迹信息的时间距离矩阵和空间距离矩阵，从时间和空间两个方面度量轨迹信息的相似度，从而可以更加准确地确定伴随人员，有效解决了对于目标人员的轨迹伴随分析的准确性较低的问题，并且计算方法简单，也避免了对计算资源的浪费。81.可选地，上述通过上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群，对分析结果进行建模分析，得到建模分析结果，可以包括：第一步，获取上述专项业务数据库中的目标人员数据库的数据信息。其中，上述数据信息可以包括但不限于一下至少一项：姓名、身份证号、人脸数据图像、所在地、户籍地、目标人员类型。82.第二步，根据目标人员的数据信息，得到上述目标人员的轨迹信息，其中，上述轨迹信息包括：上述目标人员涉及的案件信息、上述目标人员的消费行为和上述目标人员所去过的场所信息。83.作为示例，上述执行主体可以首先，通过目标人员的身份证号，关联多个数据库表，得到以目标人员身份证号为主键的新的数据表。其中，新的数据表包括的字段有：身份证号、时间信息、场所信息、消费信息、相关人员信息、相关案件信息。然后，通过新的数据表中的字段信息，绘制目标人员的轨迹信息。84.第三步，通过目标人员的数据信息，从上述专项业务数据库中查询出与上述目标人员有案件关联或者亲属关联的多件案件和多位关联人员。85.第四步，响应于确定上述多位关联人员与其他目标人员有关联，目标递归查询与上述其他目标人员有案件关联和场所关联的其他多位关联人员。86.第五步，对上述目标人员的数据信息进行相似度综合分析，得到上述目标人员与上述多位关联人员、上述其他多位关联人员的人员关系集合。87.第六步，以上述目标人员的数据信息为条件，对上述人员关系集合进行去重处理，得到与上述目标人员相关联的关联人员。88.第七步，根据关联人员的数据信息，从上述专项数据库中查询出与上述关联人员相关联的轨迹信息。89.作为示例，上述执行主体可以首先，通过关联人员的身份证号，关联多个数据库表，得到以关联人员身份证号为主键的新的数据表。其中，新的数据表包括的字段有：身份证号、时间信息、场所信息、消费信息、相关人员信息、相关案件信息。然后，通过新的数据表中的字段信息，绘制目标人员的轨迹信息。90.第八步，通过上述多位关联人员的数据信息、场所信息和案件信息，创建出以上述目标人员为中心的人员关系模型、案件信息模型和场所模型。91.第九步，根据上述人员关系模型、案件信息模型和场所模型，以及目标人员的轨迹信息进行安全指数综合数据分析，得到安全指数综合数据分析结果。92.作为示例，上述执行主体可以首先，通过赋予人员关系模型第一权重，赋予案件信息模型第二权重，赋予场所信息模型第三权重，赋予目标人员轨迹信息第四权重。然后，通过加权计算得到安全指数综合数据分析结果。93.第十步，根据上述安全指数综合数据分析结果对上述目标人员、多位关联人员和上述其他多位关联人员设置预警值。其中，上述预警值可以是3。例如，如果一个关联人员同时关联到至少3个目标人员、目标场所和案件信息，就对上述关联人员进行预警。94.作为示例，上述执行主体可以对大于等于安全指数综合数据分析结果的人员设置预警值。其中，上述安全指数综合数据分析结果可以是0.8。95.第十一步，对超出上述预警值的人员进行预警，以及提醒相关警局对上述超出上述预警值的人员进行监控。96.可选地，上述通过上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群，对分析结果进行建模分析，得到建模分析结果，可以包括：第一步，获取上述目标人员的时空信息数据。其中，上述时空信息数据可以是目标人员的时间信息数据和空间信息数据。97.第二步，根据上述目标人员的时空数据，确定上述目标人员的当前轨迹数据，其中，上述当前轨迹数据中包括至少一个轨迹点。98.作为示例，上述执行主体可以通过关联目标人员的相关数据信息，提取上述目标人员的位置信息和与位置信息相对应的时间信息，得到上述目标人员的轨迹信息。其中，相关数据信息可以是目标人员的消费信息、花费账单信息、银行卡信息等。99.第三步，根据上述目标人员的历史时空数据，确定上述目标人员的历史轨迹数据。100.作为示例，实现方式与第二步的实现方式一样，在此不再赘述。101.第四步，对于上述目标人员，将上述当前轨迹数据与上述目标人员的历史轨迹数据进行相似度对比，得到相似度对比结果。102.第五步，根据上述相似度对比结果，确定上述目标人员的当前轨迹数据是否为异常轨迹数据。103.作为示例，上述执行主体可以首先，分别确定上述目标人员的当前轨迹数据与历史轨迹数据中的每天轨迹数据的相似度。然后，将大于等于第一阈值的相似度的数量作为相似天数。最后，响应于确定相似天数小于等于第二阈值，确定目标人员的当前轨迹数据为异常轨迹数据。104.第六步，响应于确定当前轨迹数据是异常轨迹数据，确定上述当前轨迹数据中的至少一个异常轨迹点是否为聚集点，其中，上述聚集点是通过以下步骤得到的：子步骤1，将上述至少一个异常轨迹点确定为待预测聚集点集合。105.子步骤2，对于上述待预测聚集点集合中的每个待预测聚集点，执行以下确定步骤：第一子步骤，待预测数据集中涉及的至少一个人员信息，确定涉及的至少一个人员中每个人员对应的权重，其中，上述人员信息包括：上述人员历史参与群体事件的频率和上述人员历史参与群体事件的累计次数。106.第二子步骤，根据上述权重，确定上述待聚集点为聚集点的概率。107.第三子步骤，响应于确定上述概率大于等于预设阈值，确定上述待预测聚集点为聚集点。108.第七步，响应于确定上述至少一个异常轨迹点中包括聚集点，根据上述聚集点的位置信息发出预警提示信息，以供警务人员对上述聚集点进行监控。其中，上述预警提示信息包括：聚集点的位置信息和参与聚集的人员信息。109.上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了
背景技术：
：提及的技术问题三“对于群体性事件的关联分析的准确性较低，不能准确对聚集点进行预测。”。导致群体性事件的关联分析的准确性较低的因素往往如下：治安管理数据的数据量巨大，数据处理周期长，以及对于数据关联共享的能力较弱。如果解决了上述因素，就能达到提高对于群体性事件的关联分析的准确性。为了达到这一效果，通过上述业务关联检索模型构建服务器集群和上述目标对象关系模型构建服务器集群，对分析结果进行建模分析，得到建模分析结果，执行处理步骤：获取上述目标人员的时空信息数据；根据上述目标人员的时空数据，确定上述目标人员的当前轨迹数据，其中，上述当前轨迹数据中包括至少一个轨迹点；根据上述目标人员的历史时空数据，确定上述目标人员的历史轨迹数据；对于上述目标人员，将上述当前轨迹数据与上述目标人员的历史轨迹数据进行相似度对比，得到相似度对比结果；根据上述相似度对比结果，确定上述目标人员的当前轨迹数据是否为异常轨迹数据。响应于确定当前轨迹数据是异常轨迹数据，确定上述当前轨迹数据中的至少一个异常轨迹点是否为聚集点，其中，上述聚集点是通过以下步骤得到的：将上述至少一个异常轨迹点确定为待预测聚集点集合；对于上述待预测聚集点集合中的每个待预测聚集点，执行以下确定步骤：待预测数据集中涉及的至少一个人员信息，确定涉及的至少一个人员中每个人员对应的权重，其中，上述人员信息包括：上述人员历史参与群体事件的频率和上述人员历史参与群体事件的累计次数；根据上述权重，确定上述待聚集点为聚集点的概率；响应于确定上述概率大于等于预设阈值，确定上述待预测聚集点为聚集点。在这里，由于在确定得到的异常轨迹数据中的最新轨迹点是否为聚集点时，充分利用了目标人员的属性信息，从而大大减少了对聚集点的错误判断，提高了聚集点判断的准确性。响应于确定上述至少一个异常轨迹点中包括聚集点，根据上述聚集点的位置信息发出预警提示信息，以供警务人员对上述聚集点进行监控。110.步骤205，通过数据可视化查询服务器集群和可视化展示服务器集群，对统计分析结果进行可视化查询和统计展示。111.在一些实施例中，上述执行主体可以通过数据可视化查询服务器集群和可视化展示服务器集群，对统计分析结果进行可视化查询和统计展示。其中，上述数据可视化查询服务器集群可以为其他服务器集群提供通用的可视化综合查询基础服务，用户可以根据具体查询需求，在可视化界面中自定义选择查询条件，对治安管理数据信息进行综合查询。其中，查询可以包括：精确查询、模糊查询和组织查询多元化查询方式，以及查询结果以图表方式进行展示。上述数据可视化查询服务器集群，包括：统一报表管理服务器、综合查询管理服务器、统计分析管理服务器和统计结果展现服务器。上述可视化展示服务器集群依据多数据源的治安管理数据，建立信息碰撞比对、深度挖掘和智能研判等多种可视化工具，实现人员轨迹分析、背景审查、目标人员身份信息核实。上述可视化展示服务器集群采用引擎组件，建立综合查询、统计分析，建立对目标人、目标场所、目标物品、群体性事件的动态管控、风险隐患评估的治安专题研判分析的可视化展示。上述可视化展示服务器集群，包括：数据内容管理服务器和可视化内容服务器。112.作为示例，上述执行主体可以通过对统计分析结果进行可视化图表展示，以及对查询的结果进行可视化图表展示，以便查询人员可以对查询的治安管理数据有更加直观的理解。113.下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如，电子设备）300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。114.如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（rom）302中的程序或者从存储装置308加载到随机访问存储器（ram）303中的程序而执行各种适当的动作和处理。在ram303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom302以及ram303通过总线304彼此相连。输入/输出（i/o）接口305也连接至总线304。115.通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。116.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。117.需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。118.在一些实施方式中，客户端、服务器可以利用诸如http（hypertexttransferprotocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，adhoc端对端网络），以及任何当前已知或未来研发的网络。119.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取针对多个数据源的治安管理数据；通过上述数据源管理服务器，对上述治安管理数据进行要素提取，得到专项业务数据库；通过上述业务研判服务器集群，对上述专项业务数据库进行分析，得到分析结果；通过上述业务关联检索模型构建服务器集群和上述目标对象关系构建服务器集群，对分析结果进行建模分析，得到统计分析结果；对上述统计分析结果进行可视化查询和统计展示。120.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（lan）或广域网（wan）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。121.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个服务器、程序段、或代码的一部分，该服务器、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。122.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、提取单元、分析单元、模型构建单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取针对多个数据源的治安管理数据的单元”。123.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。124.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。当前第1页12当前第1页12