本文提出了一種突發(fā)人流聚集區(qū)域智能識(shí)別與預(yù)警的方法,采用神經(jīng)網(wǎng)絡(luò)算法對(duì)小區(qū)未來用戶數(shù)進(jìn)行預(yù)測(cè),依靠K-Means聚類算法和阿波羅尼奧斯定理確定小區(qū)的基準(zhǔn)值,并通過線性回歸算法對(duì)預(yù)測(cè)值和基準(zhǔn)值進(jìn)行對(duì)比,確定預(yù)警小區(qū)并根據(jù)預(yù)警小區(qū)的經(jīng)緯度,構(gòu)建Delaunay三角網(wǎng),確定預(yù)警小區(qū)基站的覆蓋區(qū)域,結(jié)合鄰區(qū)關(guān)系和經(jīng)緯度信息對(duì)周邊站點(diǎn)匯聚,并借助網(wǎng)絡(luò)爬蟲技術(shù)獲取基站的覆蓋邊界,輸出預(yù)警區(qū)域。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 現(xiàn)有技術(shù)缺陷與預(yù)警現(xiàn)狀
2 基于AI的突發(fā)人流聚集區(qū)域識(shí)別與預(yù)警方法
    2.1 數(shù)據(jù)采集
    2.2 預(yù)測(cè)值和基準(zhǔn)值輸出
    2.3 預(yù)警小區(qū)識(shí)別
    2.4 預(yù)警區(qū)域獲取
3 實(shí)踐效果
4 結(jié)束語



本文編號(hào)：3775798