一种出行用户分类方法和系统与流程

本发明涉及数据处理，特别是涉及一种出行用户分类方法和系统。

背景技术：

1、目前，民航安检领域出现了基于数据智能分析的差异化处理模式。例如，中国专利申请cn120105064b公开了一种机场安检数据智能分析方法及系统，其通过获取多源安检数据（包括行李扫描图像、行为监控视频、身份验证数据等），进行多模态数据清洗、危险特征提取与空间特征提取，生成安检特性序列数据；进而通过行为突变检测和跨模态特征关联，评估突变行为威胁级别和跨模态威胁级别，以辅助安检决策。

2、然而，上述现有技术方案仍存在以下技术问题：

3、第一，该方案主要关注行李物品的威胁识别和行为的异常检测，其输出结果为“威胁等级”和“危险数据”，用于辅助安检人员决策，而非对旅客个体进行差异化的通行通道分类。该方案未能建立面向旅客风险等级的多级加权评分体系，无法实现将旅客动态分流至不同安检强度通道（如快速通道、标准通道、加强通道）的技术效果。

4、第二，该方案在进行行为分析时，对旅客的时空轨迹数据处理较为简单（如通过突变检测标记异常停留、逆行等），未引入分段动态聚类比对模型，即未考虑旅客距航班起飞的时间间隔对轨迹正常范围的动态影响，也未建立不同时间段对应不同聚类半径阈值的自适应校准机制。因此，该方案对轨迹异常的判断容易产生较高的误报率或漏报率。

5、第三，该方案未引入面部表情识别作为轨迹偏离阈值的动态修正因子，亦未设置分级快速退出机制和并行计算优化架构，难以满足机场实时性要求的同时实现精细化的旅客分类。

6、因此，如何融合多源实时探测数据与历史数据，构建面向旅客个体差异化的动态分类机制，并引入分段轨迹聚类校准与表情修正系数以实现对快速安检用户的二次动态验证，是本领域亟待解决的技术问题。

技术实现思路

1、针对上述技术问题，本发明采用的技术方案为：

2、根据本发明第一方面，提供了一种出行用户分类方法，包括：

3、获取目标用户的预安检多源实时探测数据、历史数据以及时空轨迹数据。

4、基于所述预安检多源实时探测数据，生成所述目标用户的预安检多维数据集。

5、将所述预安检多维数据集及所述历史数据输入至多级加权计算模型，计算所述目标用户的融合特征值。

6、根据所述融合特征值，确定所述目标用户对应的初始处理通道等级，所述初始处理通道等级包括对应于所述融合特征值大于或等于第一阈值的第一处理通道等级。

7、当所述初始处理通道等级为所述第一处理通道等级时，基于所述目标用户的时空轨迹数据对所述初始处理通道等级进行调整，并将调整后的处理通道等级作为所述目标用户的分类结果。

8、根据本发明第二方面，提供了一种出行用户分类系统，包括：

9、一个或多个处理器；

10、存储器，用于存储一个或多个程序；

11、当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面所述的出行用户分类方法。

12、本发明通过构建“先准入、后校准”的两阶段分层分类架构：第一阶段，基于预安检多源实时探测数据与历史数据进行多级加权融合，计算目标用户的融合特征值，将融合特征值大于或等于第一阈值的用户初筛至第一处理通道等级，实现基于静态与准静态特征的低异常用户快速分流；第二阶段，针对已分配至第一处理通道等级的用户，调用其连续时空轨迹数据进行动态轨迹校准，通过分段聚类比对与特征空间偏离程度的量化映射，将轨迹段聚合异常等级转换为通道升级指令，形成“准入-监测-反馈-调整”的闭环控制回路。

13、本发明克服了传统差异化安检中基于单次评分与通道等级静态绑定所导致的实时行为突变无法自适应响应的技术缺陷，实现了安检检查强度与高维时空行为特征的非线性匹配，在保障通行效率的同时构建了基于实时轨迹的后验异常补偿机制。应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

1.一种出行用户分类方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述多级加权计算模型包括基于所述预安检多维数据集构建的第一特征层、基于用户身份与行为特征数据构建的第二特征层、基于历史风险特征数据构建的第三特征层、基于历史出行特征数据构建的第四特征层以及基于时间与航班属性构建的第五特征层；各特征层及层内二级特征分别设有权重值和量化规则，其中，当任一预设的异常特征被触发时，判定所述目标用户属于异常类别，并停止后续计算。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标用户的时空轨迹数据对所述初始处理通道等级进行调整，具体包括：

4.根据权利要求3所述的方法，其特征在于，不同聚类模型对应不同的时间信息范围，且与预期事件时间间隔越短的轨迹段所对应的聚类模型的聚类半径阈值越小。

5.根据权利要求3所述的方法，其特征在于，所述偏离程度为所述轨迹特征向量与所述最近的第一类轨迹聚类簇之间的特征距离与所述最近的第一类轨迹聚类簇的聚类半径的比值；

6.根据权利要求5所述的方法，其特征在于，所述第一预设阈值、所述第二预设阈值及所述第三预设阈值中至少一者为动态阈值；

7.根据权利要求1所述的方法，其特征在于，所述根据融合特征值确定初始处理通道等级包括：

8.根据权利要求5所述的方法，其特征在于，所述根据比对结果调整所述初始处理通道等级，具体包括：

9.根据权利要求3所述的方法，其特征在于，将所述时空轨迹数据划分为多个轨迹段所依据的时间分段规则中，不同轨迹段的时长不同，且轨迹段对应的距离预期事件时间的时间间隔越长，该轨迹段的时长越长。

10.一种出行用户分类系统，其特征在于，包括：