本发明涉及物联网及安防监控，更具体的说，本发明涉及一种公共场所安全事件的感知与决策方法及系统。
背景技术：
1、公共安全事件是指在公共场所发生的，可能或已经对人们的生命财产安全、公共健康和社会秩序造成影响的各类意外或故意的安全事故。这些事件通常包括但不限于以下几个方面：
2、事故灾难：如火灾、爆炸、建筑物坍塌等由于技术故障、操作失误或管理不善等原因引发的安全事故。
3、自然灾害：如地震、洪水、台风等自然因素导致的灾害性事件，这些事件可能对公共场所造成严重损害，威胁到在场人员的安全。
4、社会安全事件：包括恐怖袭击、暴力冲突、群体性事件等由社会因素引起的安全问题，这类事件可能导致人员伤亡和社会秩序混乱。
5、因此，公共场所安全一直是保护人们的生命财产安全、公共健康和社会秩序的头等大事，在当今时代，公共场所通常是范围较大的，活动往往发生在多个区域，使用传统的监控视频方案无法满足对公共场所安全进行感知和全面检测的需求，以导致公共安全得不到保障。
技术实现思路
1、为了克服现有技术的不足，本发明提供一种公共场所安全事件的感知与决策方法及系统，解决了当前因无法对公共场所安全进行感知和全面监测而导致公共安全无法得到保障的问题，从而提高了公共场所的安全性和稳定性。
2、本发明解决其技术问题所采用的技术方案是：一种公共场所安全事件的感知与决策方法，其改进之处在于，所述安全事件的感知与决策方法包括以下步骤：
3、收集公共场所的历史安全数据，并对历史安全数据进行预处理；
4、对预处理后的历史安全数据制定应对措施，并根据收集到的历史安全数据和制定的应对措施，构建预案知识库；
5、搭建安全事件预测模型，并通过历史安全数据对安全事件预测模型进行迭代训练；
6、收集公共场所的当前安全数据，并对当前安全数据进行预处理；
7、将预处理后的当前安全数据传输至安全事件预测模型，并通过安全事件预测模型判断当前公共场所是否可能出现安全事件，若是，则发出警报提示，并通过预案知识库获取应对措施，以生成并执行应急方案；若否，则继续收集公共场所的当前安全数据。
8、进一步的，所述公共场所布设有多种媒介采集设备，用于采集并存储公共场所的安全数据；其中，所述各媒介的历史安全数据存储于相对应的媒介采集设备中，所述各媒介的当前安全数据通过相对应的媒介采集设备采集。
9、进一步的，所述对历史安全数据进行预处理的方式具体包括：
10、数据分类：定义公共场所的安全事件类型，将安全事件类型分为事故灾难、社会安全事件、自然灾害以及公共卫生安全；
11、数据清洗：对历史安全数据中的缺失值、异常值及错误处理进行清洗，以确保历史安全数据的完整性；
12、数据转换：将历史安全数据进行转换成统一的标准化格式；
13、降噪处理：通过平滑技术去除历史安全数据中的噪声。
14、进一步的，所述安全事件预测模型的结构包括：
15、编码器层，用于对各种媒介的历史安全数据进行特征提取，保留时序信息并提取特征向量；
16、拼接层，用于将通过各种媒介提取的特征向量按时间顺序拼接成的综合特征向量；
17、深度神经网络层，用于对综合特征向量进行降维，以得到维度较小的中间向量，减少数据的复杂性；
18、解码层，用于将中间向量升维成与在编码器层中通过各种媒介提取的特征向量格式相同的矩阵，以重建编码器层提取的特征向量；
19、损失函数层，用于计算编码器层提取的特征向量与解码器层重建的特征向量之间的误差，以便优化深度神经网络层的网络参数。
20、进一步的，所述编码器层包括若干编码器，所述编码器中设置有循环神经网络，编码器的数量与媒介种类数量相同，每种媒介采集的安全数据输入到与各自相对应的编码器中，编码器利用循环神经网络的时间序列分析能力实现对各种媒介的安全数据进行保留时序信息并提取特征向量。
21、进一步的，所述深度神经网络层设置有降维深度神经网络，所述降维深度神经网络由输入层、隐藏层以及输出层构成，所述隐藏层连接与输入层和输出层之间，且深度神经网络的神经元从输入层至输出层逐层递减，以实现对综合特征向量的降维。
22、进一步的，所述解码器层包括解码器，所述解码器中设置有升维深度神经网络和若干循环神经网络，其中，所述升维深度神经网络的结构与降维深度神经网络的结构相同，但升维神经网络的神经元分布于降维神经网络的神经元分布相反，即升维神经网络的神经元从输入层至输出层逐层递增，以实现还原特征向量的维数；所述循环神经网络的数量与媒介种类数量相同，通过将还原维数后的特征向量输入至各循环神经网络中，实现将不同时刻输出的特征向量拼接成还原后综合特征向量，所述还原后综合特征向量与拼接层中的综合向量的格式相同。
23、进一步的，所述损失函数层设置有损失函数，所述损失函数的表达式为：
24、
25、式中，m表示媒介种类的数量，t为采样的时刻数，ni表示该媒介数据的向量维度，xi,t表示该媒介在解码器中t时刻输出的特征向量；表示该媒介在t时刻的解码器的特征向量。
26、进一步的，所述收集公共场所的当前安全数据，并对当前安全数据进行预处理具体包括以下步骤：
27、通过各种媒介采集设备采集公共场所各媒介相对应的当前安全数据；
28、对采集的各种媒介的当前安全数据进行清洗和去除噪声，提高数据集的质量；
29、针对不同媒介的当前安全数据进行特征提取操作；
30、利用当前安全数据信息所在的公共场所的上下文信息建立鲁棒的多模态联合特征表示，并对不同模态的特征进行融合。
31、一种公共场所安全事件的感知与决策系统，用于实现如上所述的公共场所安全事件的感知和决策方法，其改进之处在于，所述公共场所安全事件的感知与决策系统包括：
32、数据收集模块，用于收集历史安全数据和当前安全数据；
33、数据处理模块，用于通过采集到的历史安全数据制定应对措施并构建预案知识库；用于对当前安全数据进行多源异构数据融合；
34、安全事件预测模块，用于预测当前安全数据是否可能发生安全事件；
35、报警提示模块，用于提示当前安全数据是否存在异常，若是，则报警；
36、应对措施执行模块，用于在报警提示模块报警时读取预案知识库，获取当前安全数据异常的应对措施，并生成和执行应急方案。
37、本发明的有益效果是：通过对公共安全历史数据进行分类总结，针对每种异常事件总结应对措施，构建预案知识库；通过历史安全数据对安全事件预测模型进行迭代训练；通过安全事件预测模型对当前安全数据进行预测，判断当前安全数据是否可能发生安全事件，若是则通过报警提示当前安全数据存在异常，并获取预案知识库中的应对措施，生成并执行应急方案，以满足公共场所对安全感知和全面监测的需求，从而提高公共场所的安全性和稳定性。
1.一种公共场所安全事件的感知与决策方法，其特征在于，所述安全事件的感知与决策方法包括以下步骤：
2.根据权利要求1所述的一种公共场所安全事件的感知与决策方法，其特征在于，所述公共场所布设有多种媒介采集设备，用于采集并存储公共场所的安全数据；其中，所述各媒介的历史安全数据存储于相对应的媒介采集设备中，所述各媒介的当前安全数据通过相对应的媒介采集设备采集。
3.根据权利要求1所述的一种公共场所安全事件的感知与决策方法，其特征在于，所述对历史安全数据进行预处理的方式具体包括：
4.根据权利要求1所述的一种公共场所安全事件的感知与决策方法，其特征在于，所述安全事件预测模型的结构包括：
5.根据权利要求4所述的一种公共场所安全事件的感知与决策方法，其特征在于，所述编码器层包括若干编码器，所述编码器中设置有循环神经网络，编码器的数量与媒介种类数量相同，每种媒介采集的安全数据输入到与各自相对应的编码器中，编码器利用循环神经网络的时间序列分析能力实现对各种媒介的安全数据进行保留时序信息并提取特征向量。
6.根据权利要求5所述的一种公共场所安全事件的感知与决策方法，其特征在于，所述深度神经网络层设置有降维深度神经网络，所述降维深度神经网络由输入层、隐藏层以及输出层构成，所述隐藏层连接与输入层和输出层之间，且深度神经网络的神经元从输入层至输出层逐层递减，以实现对综合特征向量的降维。
7.根据权利要求6所述的一种公共场所安全事件的感知与决策方法，其特征在于，所述解码器层包括解码器，所述解码器中设置有升维深度神经网络和若干循环神经网络，其中，所述升维深度神经网络的结构与降维深度神经网络的结构相同，但升维神经网络的神经元分布于降维神经网络的神经元分布相反，即升维神经网络的神经元从输入层至输出层逐层递增，以实现还原特征向量的维数；所述循环神经网络的数量与媒介种类数量相同，通过将还原维数后的特征向量输入至各循环神经网络中，实现将不同时刻输出的特征向量拼接成还原后综合特征向量，所述还原后综合特征向量与拼接层中的综合向量的格式相同。
8.根据权利要求7所述的一种公共场所安全事件的感知与决策方法，其特征在于，所述损失函数层设置有损失函数，所述损失函数的表达式为：
9.根据权利要求2所述的一种公共场所安全事件的感知与决策方法，其特征在于，所述收集公共场所的当前安全数据，并对当前安全数据进行预处理具体包括以下步骤：
10.一种公共场所安全事件的感知与决策系统，用于实现权利要求1-9任一项所述的公共场所安全事件的感知和决策方法，其特征在于，所述公共场所安全事件的感知与决策系统包括：
