基于多维度时空特征的重点旅客通行习惯分析方法及系统与流程

本发明涉及智能监管与数据分析，特别涉及一种基于多维度时空特征的重点旅客通行习惯分析方法及系统。

背景技术：

1、在口岸旅客管理中，重点旅客是指因多次违规、查获违禁物品或其他风险行为而被列入重点监控名单的旅客。对重点旅客的通行行为进行持续跟踪和分析，是口岸风险防控的重要环节。通过对重点旅客通行数据的深度挖掘，可以发现其通行规律和异常模式，为精准布控和查验提供决策依据。

2、现有技术在分析重点旅客通行习惯时，存在以下技术问题：

3、现有技术主要关注旅客的通关频次，例如统计旅客在一定时间内的出入境次数，缺乏对通行时间分布、口岸分布、班次分布等多维度时空特征的综合统计。不同旅客的通行习惯可能体现在不同的维度上，有的旅客偏好特定时段通行，有的旅客集中在特定口岸活动，有的旅客则与特定班次存在关联，单一维度的统计无法全面捕捉上述差异化的行为模式。

4、此外，口岸旅检工作实行班次轮换制度，不同班次的监管资源配置和查验力度存在差异；部分重点旅客可能利用班次交接或特定班次的监管薄弱环节进行通关，而现有技术未能将旅客通行时间与科室排班表数据进行关联分析，无法识别重点旅客是否在特定班次类型下存在集中通行现象。

技术实现思路

1、本发明的目的在于提出一种基于多维度时空特征的重点旅客通行习惯分析方法及系统，至少解决背景技术中提出的问题之一。

2、为实现上述目的，本发明采用以下技术方案：

3、本发明第一方面提出一种基于多维度时空特征的重点旅客通行习惯分析方法，包括以下步骤：

4、获取重点旅客的通行记录、查验记录和查获记录；

5、获取各口岸旅检科室的排班表数据；

6、接收用户设置的分析参数，所述分析参数包括统计日期区间、统计时间段、口岸、班次、重点旅客类型和集中度阈值；

7、根据所述分析参数，从时间维度、口岸维度和班次维度对所述重点旅客的通行数据进行多维交叉统计，获得通行数据分布统计结果；

8、将所述查验记录和所述查获记录与通行数据进行关联分析，识别违规旅客的通行规律；

9、根据所述集中度阈值识别集中度高的重点旅客及其集中的时间范围，生成集中度分析报表并输出。

10、进一步的改进在于，所述从时间维度、口岸维度和班次维度对所述重点旅客的通行数据进行多维交叉统计的具体方法包括：

11、按小时、日、周、月维度分别统计各重点旅客的通行次数，获得时间维度分布数据；

12、统计各重点旅客在各口岸的通行次数及占比，获得口岸维度分布数据；

13、根据所述排班表数据将各重点旅客的通行时间匹配至对应的班次，统计各重点旅客在各班次类型下的通行次数及占比，获得班次维度分布数据。

14、进一步的改进在于，所述根据所述排班表数据将各重点旅客的通行时间匹配至对应的班次的具体方法包括：

15、对于每条通行记录中的通行时间，在所述排班表数据中查找该时间所属的班次；

16、当所述通行时间落入某班次的开始时间与结束时间之间时，将该通行记录标记为该班次类型；

17、当所述通行时间落入交接班时段时，同时标记交接班标识。

18、进一步的改进在于，将所述查验记录和所述查获记录与通行数据进行关联分析，识别违规旅客的通行规律的具体方法包括：

19、将各重点旅客的查验记录与通行记录按旅客标识和时间顺序进行关联，生成包含通行时间和查验结果的时间序列；

20、基于所述时间序列统计各重点旅客的查验次数、查获次数及缉私移送次数；

21、基于统计得到的所述查验次数、查获次数及缉私移送次数，识别查验结果异常的重点旅客在时间维度、口岸维度和班次维度上的通行分布特征，将所述通行分布特征作为违规旅客的通行规律。

22、进一步的改进在于，所述集中度阈值包括时间区间和频次阈值；所述根据所述集中度阈值识别集中度高的重点旅客及其集中的时间范围的具体方法包括：根据所述通行数据分布统计结果，统计各重点旅客在所述时间区间内的通行频次；当重点旅客在所述时间区间内的通行频次达到或超过所述频次阈值时，将该重点旅客识别为集中度高的重点旅客，并记录该重点旅客集中通行的时间范围。

23、进一步的改进在于，所述集中度阈值还包括占比阈值；所述根据所述集中度阈值识别集中度高的重点旅客及其集中的时间范围的具体方法还包括：统计各重点旅客在所述时间区间内的通行频次占其全部通行频次的比例，当所述比例达到或超过所述占比阈值时，将该重点旅客识别为集中度高的重点旅客。

24、进一步的改进在于，所述方法还包括：当识别出集中度高的重点旅客时，生成集中度预警提示并推送至监管端；所述集中度预警提示至少包括旅客标识、集中通行的时间范围及集中度指标值。

25、进一步的改进在于，所述方法还包括：根据所述通行数据分布统计结果和所述违规旅客的通行规律，生成各重点旅客的通行习惯画像；所述通行习惯画像至少包括通行时段偏好、口岸偏好、班次偏好及查验结果关联特征。

26、进一步的改进在于，所述方法还包括：根据所述通行习惯画像计算各重点旅客的风险评分；所述风险评分根据通行频次异常度、时段集中度、班次集中度、查验异常率及查获记录中的至少三个维度加权计算；当所述风险评分超过预设风险阈值时，将对应的重点旅客标记为高风险旅客。

27、本发明第二方面提出一种基于多维度时空特征的重点旅客通行习惯分析方法，包括：

28、数据获取模块，用于获取重点旅客的通行记录、查验记录和查获记录，以及获取各口岸旅检科室的排班表数据；

29、参数配置模块，用于接收用户设置的分析参数，所述分析参数包括统计日期区间、统计时间段、口岸、班次、重点旅客类型和集中度阈值；

30、统计模块，用于根据所述分析参数，从时间维度、口岸维度和班次维度对所述重点旅客的通行数据进行多维交叉统计，获得通行数据分布统计结果；

31、关联分析模块，用于将所述查验记录和所述查获记录与通行数据进行关联分析，识别违规旅客的通行规律；

32、集中度分析模块，用于根据所述集中度阈值识别集中度高的重点旅客及其集中的时间范围，生成集中度分析报表并输出。

33、本发明的有益效果为：

34、本发明通过接收用户设置的分析参数，从时间维度、口岸维度和班次维度对重点旅客的通行数据进行多维交叉统计，实现了对重点旅客通行习惯的全方位分析，解决了现有技术分析维度单一、无法全面捕捉旅客差异化行为模式的技术问题。

35、本发明通过获取各口岸旅检科室的排班表数据，将重点旅客的通行时间匹配至对应的班次，获得各重点旅客在各班次类型下的通行分布，实现了通行行为与勤务安排的关联分析，能够识别重点旅客是否在特定班次类型下存在集中通行现象，解决了现有技术无法发现利用勤务规律逃避监管行为的技术问题。

36、本发明通过将查验记录和查获记录与通行数据进行关联分析，自动识别违规旅客在时间维度、口岸维度和班次维度上的通行分布特征，挖掘违规旅客的通行规律，解决了通行记录与查验记录缺乏关联分析、无法从历史查验数据中提取风险特征的技术问题。