[发明专利]一种基于大数据的事件可解决率分析的方法

说明书

一种基于大数据的事件可解决率分析的方法，包括：建立历史事件数据库；基于历史事件大数据库，获取事件分类的第一特征；基于历史事件大数据，获取影响事件解决的第二特征，并根据事件解决的第二特征建立解决率计算模型；获取新发事件线索信息，并对获取的线索进行有效性判定；计算当前时间与事件发生时间的时间间隔；根据历史事件库数据，计算同事件分类的平均解决率；根据解决率计算模型，计算当前事件的可解决率。本发明通过新发事件可解决率分析可为相关部门工作提供参考，更合理的利用资源，提高事件解决效率。

技术领域

本发明涉及的是大数据分析领域，特别涉及一种基于大数据的事件可解决率分析的方法。

背景技术

由于事件急剧增加，相关部门资源日益紧张的同时，缺乏对历史事件的深度分析挖掘，对新发事件的判断不够准确，导致相关资源不能合理分配和利用，极大的影响事件解决效率。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于大数据的事件可解决率分析的方法。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

一种基于大数据的事件可解决率分析的方法，包括：

S100.建立历史事件数据库；

S200.基于历史事件大数据库，获取事件分类的第一特征；

S300.基于历史事件大数据，获取影响事件解决的第二特征，并根据事件解决的第二特征建立解决率计算模型；

S400.获取新发事件线索信息，并对获取的线索进行有效性判定；

S500.计算当前时间与事件发生时间的时间间隔；

S600.根据历史事件库数据，计算同事件分类的平均解决率；

S700.根据解决率计计算模型，计算当前事件的可解决率。

进一步地，S100中，建立历史事件数据库，至少包括事件基本信息、事件线索信息。

进一步地，S200中，获取事件分类的第一特征，至少包括：包括事件发生地、事件类型；通过事件发生地和事件类型对事件进行归。

进一步地，S300中，获取影响事件解决的第二特征，至少包括：指纹线索、DNA线索、脚印等体态特征、周边视频和周边人脸数据；通过影响事件解决的第二特征，建立新发事件可解决率计算模型。

进一步地，S400中，对获取的线索进行有效性判定，具体为：判断是否有有效指纹线索、是否有相关体态特征、周边是否有有效视频和周边是否有有效人脸数据。

进一步地，解决率计算模型建立的方法为：

假设存在第一线索可解决率为X，存在第二线索可解决率为Y，周边覆盖关键视频镜头可解决率为Z，周边覆盖关键人脸设备可解决率为P，现场有脚印或其他痕迹可以推断性别、数量、形态的线索可解决率为Q，案发时间间隔每天下降概率M，间隔时间为N天；则该事件初始可解决率T为：

T＝(1-(1-X)*(1-Y)*(1-Z)*(1-P)*(1-Q))-MN

其中，若某个关键线索不存在，则相关参数不计入公式计算即可。

进一步地，获取同事件分类的平均解决率S，则事件最终可解决率K为：当同事件分类的平均解决率大于60％时，事件最终可解决率K＝T+(1-T)*(1-S)；当同事件分类的平均解决率小于等于60％时，事件最终可解决率K＝T-(1-T)*(1-S)。

进一步地，还包括S800：随着事件解决进展对S300的参数进行调整，动态计算事件的可解决率。