(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210939491.0 (22)申请日 2022.08.05 (71)申请人 航天神舟智慧系统技 术有限公司 地址 100000 北京市海淀区中关村南大街 31号14号楼413 (72)发明人 赵坤　代清淳　胡旭梁　宣梦君　 (74)专利代理 机构 北京一枝笔知识产权代理事 务所(普通 合伙) 11791 专利代理师 张庆瑞 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基层治理中场所的整体安全指数评估 方法及装置 (57)摘要 本发明公开了一种基层治理中场所的整体 安全指数评估方法， 属于场所安全分析技术领 域， 通过专家建立安全检查表法， 规范网格员各 个风险类型的检查范围； 通过层次分析法， 自动 对不同安全风险分类检查项的计分， 进行权重优 化， 综合场所相关的人、 事、 地、 物、 组织等信息， 得出各种场所更科学的整体安全风险排名。 本发 明还提供了一种基层治理中场所的整体安全指 数评估装置， 该装置设计了包括学习园地、 考试 管理、 安全风险预警、 场所类别管理、 安全风险配 置、 评估分析等功能， 实现基层社会治理中从培 训、 检查、 评估、 处置的安全风险闭环管理。 本发 明作用效果显著， 适于广泛推广。 权利要求书3页 说明书9页 附图1页 CN 115375113 A 2022.11.22 CN 115375113 A 1.一种基层治理中场所的整体安全指数评估方法， 其特 征在于， 包括： 步骤1、 结合现有的基层治理综合信息系统， 建立安全检查表法， 规范各个风险类型的 检查范围； 步骤2、 根据场所相关因素的信息构建前馈网络图谱， 得到精确的场所风险的综合评估 值， 其中所述场所相关因素的信息包括人、 事、 地、 物、 组织的信息； 步骤3、 通过层次分析法建立BP神经网络， 自动对不同安全风险分类检查项的计分进行 权重优化， 通过BP神经网络算法并综合场所相关因素的信息， 得出各种场所 的整体安全风 险评分、 排名。 2.根据权利要求1所述的一种基层治理中场所的整体安全指数评估方法， 其特征在于， 所述步骤2的具体步骤 包括： 步骤2.1、 根据场所相关因素的信息， 得到场所第一相关节点网络和事件第二相关节点 网络， 选择相关函数得出当前场所第一相关节点网络和事件第二相关节点网络的所有节点 特征， 计算出当前场所相关风险的总和E； 步骤2.2、 根据当前场所相关风险的总和， 按照风险分类， 通过德尔菲法进行风险评分， 得到场所相关风险总和的风险值R＝(R1， R2， ...， Rn)， n为风险分类数目， Ri为各类风险的分 类计分值； 步骤2.3、 按照安全检查表法对场所的日常巡查产生的网格治理事件， 按照风险分类进 行风险评分， 得到网格治理事件的风险值r＝(r1， r2， ...， rn)， n为风险分类数目， ri为各类 治理事件风险评分值。 3.根据权利要求2所述的一种基层治理中场所的整体安全指数评估方法， 其特征在于， 所述步骤3具体步骤 包括： 步骤3.1、 通过层次分析法， 建立BP神经网络， 所述BP神经网络包括输入层、 隐藏层和输 出层； 步骤3.2、 根据调整函数对BP神经网络进行训练， 得到训练后的BP网络模型； 步骤3.3、 将场所的相 关数据带入训练后的BP网络模型， 得到场所的各类风 险评估值， 汇总∑Oc， 按数值进行排名， 得出此地区场所的基层治理场所安全指 数排名， 其中所述场所 的相关数据包括场所的基本信息、 各类风险的分类 计分Ri、 各类治理事 件风险评分ri。 4.根据权利要求3所述的一种基层治理中场所的整体安全指数评估方法， 其特征在于， 所述步骤2.1具体步骤 包括： 步骤2.1.1、 根据相关因素的信息， 以场所为中心， 构建场所相 关的前馈网络图谱E＝G (N， e)， 得到场所第一相关节 点网络， 其中， E为场所所有相关风险的总和， N为去除事件后场 所相关因素的集 合， e为场所相关的事 件， 不包含基层治理中的网格治理事 件； 步骤2.1.2、 场所第一相关节点网络中的第一相关节点入网后的特征表示为Ni＝f(xi， xco[i]， Nne[i]， xne[i])， 其中， 节点i的特征用xi表示， xco[i]表示与节点i相关的负向事件集合， Nne[i]表示i的相邻节点的入网后特征， xne[i]表示i的相邻节点的特征， ne[ i]表示节点i的邻 居节点集合， co[i]表示节点 i相关正向关系的集 合； 步骤2.1.3、 将第一相关节点的正相关节点入网， 正相关节点入网构成事件第二相关节 点网络， 正相关节点入网后的特征均为Ni＝f(xi， xco[i]， Nne[i]， xne[i])， 节点在前馈网络中输 出的特征表示为： Oi＝g(Ni， xi)， 其中， Oi表示节点i的输出， 节点i的特征用xi表示， Ni表示节权　利　要　求　书 1/3 页 2 CN 115375113 A 2点i的入网后特 征； 步骤2.1.4、 根据专家意见和当前社会环境、 系统数据， 对节点i的每一个前馈节点使用 du， 并将得到的值求和来作为节点i的状态， du的实现方式为： du(xi， x(i， u)， Nu， xu)＝Ai,uxu+ x(i,u)， 其中Ai,u是当前场所与节点u的关系特征矩阵， x(i,u)表示节点i及其相邻正相关节点 的负向事件风险汇总， 得到相关函数的特征为 其中， Ni表示 节点i的输出， 节点i的特征用xi表示， x(i,u)表示节点i及其相邻正相关节点的负向事件集 合， Nu表示i的相邻节点u的入网后特征， xu表示i的相邻节点u的特征， ne[i]表示节点i的邻 居节点集合； 步骤2.1.5、 得出当前场所相关的第一、 二节点网络的所有节点特征， 计算出当前场所 相关风险的总和E＝G(N， e)＝∑Ni+e。 5.根据权利要求4所述的一种基层治理中场所的整体安全指数评估方法， 其特征在于， 所述步骤3.1的具体步骤 包括： 步骤3.1.1、 设BP神经网络的输入层有n个节点， 隐层有q个节点， 输出层有m个节点， 表示BP神经网络隐含层中第j个神经 元的阈值， 表示BP神经网络 输出层中第g个神经 元的 阙值， vij表示BP神经网络输入层和隐含层节点之间的连接权值， wjg表示BP神经网络隐含层 和输出层节点之间的连接 权值； 步骤3.1.2、 筛选近段时间当前地区有相关案件记录、 行政处罚记录或刑事记录的场所 作为样本， 场所时间段内的案件 金额、 处罚金额、 刑事处罚等统一折算成对应风险类型的经 济损失作为输出层的期望 输出值， 输出层有m＝ i个节点； 步骤3.1.3、 以场所的基本信息、 各类风险的分类计分Ri、 各类治理事件风险评分ri作为 输入层节点， 输入层有n＝2i+2个节点， 隐层有q个节点， 将训练样本数据归一化后输入网 络， 建立BP神经网络 。 6.根据权利要求5所述的一种基层治理中场所的整体安全指数评估方法， 其特征在于， 所述步骤3.2的具体步骤 包括： 步骤3.2.1、 确定隐层节点个数， 使用经验公式 确定隐层节点个数， 其 中， n为输入层节点数目， m为输出层节点数目， a为1 ‑10之间的调解常数； 步骤3.2.2、 选择函数tanh作 为隐层神经元的激活函数和输出层神经元的激活函数， 即 激活函数 步骤3.2.3、 初始化BP神经网络各权值和阈值， 计算BP神经网络各层的输出， 对于隐含 层第j个节点的输出 有： 其中， 为隐含层第j个节点 的输入， 为输入层第i个节点的输出； 步骤3.2.4、 对于 输出层第g个节点的输出 有：权　利　要　求　书 2/3 页 3 CN 115375113 A 3