摘要：為有效發(fā)揮大型活動(dòng)外圍空間的治安屏障能力，提升防范化解重大風(fēng)險(xiǎn)的水平，需制定無(wú)人機(jī)參與大型活動(dòng)外圍空間風(fēng)險(xiǎn)管理的布控策略，并以H市A號(hào)大型活動(dòng)場(chǎng)館為例開(kāi)展應(yīng)用分析。利用層次分析法對(duì)大型活動(dòng)外部空間的治安要素重要度進(jìn)行篩選，并在四叉樹(shù)索引支持下獲取關(guān)鍵要素的數(shù)據(jù)信息，借助空間聚類算法與模擬退火算法，在初篩無(wú)人機(jī)空間投放點(diǎn)位后進(jìn)一步去除冗余點(diǎn)位，實(shí)現(xiàn)點(diǎn)位聚焦與輻射合理的目標(biāo)。結(jié)果表明，不同類別空間投放點(diǎn)配備數(shù)量差異化的無(wú)人機(jī)和功能互補(bǔ)的掛載設(shè)備，可實(shí)現(xiàn)大型活動(dòng)安保多樣化層級(jí)需求。

關(guān)鍵詞：大型活動(dòng)；無(wú)人機(jī)布控；DBSCAN聚類算法；模擬退火算法

一、前言

大型活動(dòng)外部空間是活動(dòng)安全的重要守護(hù)屏障，涉及的場(chǎng)所、人員、秩序關(guān)系復(fù)雜多變，需要耗費(fèi)的警力資源成本、時(shí)間成本較高，要實(shí)現(xiàn)重點(diǎn)區(qū)位的實(shí)時(shí)風(fēng)險(xiǎn)管控，依靠傳統(tǒng)手段實(shí)現(xiàn)的難度較大。

為確保常態(tài)化風(fēng)險(xiǎn)管控在有限資源條件下發(fā)揮作用，本文將借助無(wú)人機(jī)的功能優(yōu)勢(shì)，探索關(guān)鍵治安要素覆蓋下無(wú)人機(jī)參與大型活動(dòng)安保的策略與方法，基于無(wú)人機(jī)體系建立統(tǒng)一高效的情報(bào)信息工作機(jī)制[1]。

二、無(wú)人機(jī)空間布控要素重要度篩選

人口、重點(diǎn)場(chǎng)所、車流、治安管理能力為影響活動(dòng)治安的關(guān)鍵因素。本文對(duì)四者進(jìn)行排序，確定重要性最高的兩個(gè)因素，以此作為無(wú)人機(jī)布控的參考因素。

利用層次分析法進(jìn)行篩選，選擇重要度較高的指標(biāo)作為參考依據(jù)，同時(shí)避免無(wú)關(guān)人為因素的干擾。層次分析法（AHP）是一種結(jié)合導(dǎo)向性、客觀公正性、科學(xué)性原則多重優(yōu)勢(shì)的多目標(biāo)決策方法，其基本原理是將區(qū)域劃分系統(tǒng)有關(guān)方案的各個(gè)要素分解為目標(biāo)、準(zhǔn)則、方案等層次[2]，設(shè)置各層次權(quán)重反映某因素重要程度，進(jìn)行定性和定量分析[3-4]，對(duì)人口、重點(diǎn)場(chǎng)所、交通以及治安管理能力等治安風(fēng)險(xiǎn)因素分析賦分，結(jié)合受益原則和負(fù)擔(dān)能力原則確定治安重要度。建立兩兩判斷矩陣，設(shè)定準(zhǔn)則層四個(gè)指標(biāo)的權(quán)重。經(jīng)過(guò)執(zhí)行檢驗(yàn)、一致性檢驗(yàn)后計(jì)算矩陣的最大特征值，用一致性比率判斷誤差大小，得到層次分析權(quán)重結(jié)果如下：

人口：0.4871；重點(diǎn)場(chǎng)所：0.3187；交通：0.1288，治安管理能力：0.0743。

因此，后文以重要度最高的人口和重點(diǎn)場(chǎng)所因素為依據(jù)對(duì)無(wú)人機(jī)布控進(jìn)行設(shè)計(jì)。

由于無(wú)人機(jī)受續(xù)航故障等因素影響，將應(yīng)急點(diǎn)位納入布控方案內(nèi)容以備快速增補(bǔ)之需。

三、無(wú)人機(jī)布控研究方法

（一）基于四叉樹(shù)索引的POI數(shù)據(jù)搜集

四叉樹(shù)索引的目的是將目標(biāo)地點(diǎn)周圍的POI數(shù)據(jù)進(jìn)行收集。POI數(shù)據(jù)也稱信息點(diǎn)，包含名稱、類別、經(jīng)度緯度、代碼等四方面信息，POI數(shù)據(jù)在空間功能測(cè)評(píng)方面發(fā)揮較大功效，為全面準(zhǔn)確地獲取地圖上場(chǎng)所的信息數(shù)據(jù)提供支持。

（二）DBSCAN聚類算法

Ester Martin等人提出DBSCAN算法是一種基于密度的空間數(shù)據(jù)聚類方法[5]，該方法將數(shù)據(jù)集以密度大小分組，組內(nèi)元素相似度高，組間差異大，最大限度克服噪聲點(diǎn)影響，保證全局結(jié)果最優(yōu)且穩(wěn)定。在本研究中，以指定半徑內(nèi)鄰域的點(diǎn)數(shù)來(lái)定義密度，密度劃分的區(qū)域用“簇”來(lái)表示。首先定義區(qū)塊內(nèi)的點(diǎn)位類型，將鄰域半徑內(nèi)包含最小點(diǎn)數(shù)的點(diǎn)視為核心點(diǎn)，將核心點(diǎn)鄰域半徑內(nèi)的其他點(diǎn)視為邊界點(diǎn)，既不是核心點(diǎn)也不是邊界點(diǎn)的點(diǎn)被視為噪聲點(diǎn)，再利用DBSCAN算法有效排除噪聲點(diǎn)，對(duì)邊界點(diǎn)與核心點(diǎn)進(jìn)行聚類處理，獲得所求的簇，簇即視為某要素的熱力區(qū)塊。根據(jù)此算法，可將大范圍分散的人口、場(chǎng)所等數(shù)據(jù)用熱點(diǎn)區(qū)塊呈現(xiàn)，由散變聚，清晰刻畫(huà)要素的分布特征。

（三）模擬退火算法

模擬退火算法是結(jié)合概率突跳特性，實(shí)現(xiàn)在解空間中隨機(jī)尋找目標(biāo)函數(shù)的全局最優(yōu)解，即跳出局部最優(yōu)解概率性并最終趨于全局最優(yōu)的一種優(yōu)化算法[6]。Ingber針對(duì)其效率問(wèn)題提出了非?？焖倌M退火計(jì)劃及相應(yīng)的算法[7]。

模擬退火算法能將聚類算法所劃分的熱點(diǎn)區(qū)塊分成若干組，每組內(nèi)尋找一點(diǎn)，使其到各熱點(diǎn)區(qū)塊距離最短、關(guān)聯(lián)性最強(qiáng)點(diǎn)位，作為無(wú)人機(jī)空間投放點(diǎn)位，同時(shí)通過(guò)控制組數(shù)達(dá)到控制成本的效果。

四、H市A號(hào)大型活動(dòng)場(chǎng)館空間無(wú)人機(jī)布控方案

（一）確定布控區(qū)域及數(shù)據(jù)

1.人口數(shù)據(jù)集

本文選取H市A號(hào)大型活動(dòng)場(chǎng)館（簡(jiǎn)稱A館）為實(shí)驗(yàn)場(chǎng)所，經(jīng)實(shí)地考察，獲取區(qū)域內(nèi)真實(shí)居民人口數(shù)量和重點(diǎn)場(chǎng)所數(shù)量信息。深入調(diào)研A館半徑4公里范圍內(nèi)，共計(jì)14個(gè)小區(qū)內(nèi)2022年上半年的常住人口與流動(dòng)人口數(shù)量，見(jiàn)表1。

從2022年上半年A館東部周邊人口數(shù)據(jù)可知，該區(qū)塊常住人口15896人，流動(dòng)人口26600人，常住人口與流動(dòng)人口比例為0.6：1，重點(diǎn)人員95人。根據(jù)A館西部人口數(shù)據(jù)可知，該區(qū)塊常住人口13767人，流動(dòng)人口19097人，常住人口與流動(dòng)人口比例為0.72：1，重點(diǎn)人員63人。

2.重點(diǎn)場(chǎng)所數(shù)據(jù)集

本文基于四叉樹(shù)索引方式對(duì)A館半徑3公里內(nèi)的所有酒店、娛樂(lè)場(chǎng)所等重點(diǎn)場(chǎng)所名單POI數(shù)據(jù)進(jìn)行搜集分析，得到A館附近的重點(diǎn)場(chǎng)所類型數(shù)量，見(jiàn)表2。

3.無(wú)人機(jī)空間投放點(diǎn)規(guī)模

根據(jù)無(wú)人機(jī)職責(zé)的差異及無(wú)人機(jī)數(shù)量的不同，將空間投放點(diǎn)分為大型投放點(diǎn)、中型投放點(diǎn)和小型投放點(diǎn)，分配至不同轄區(qū)內(nèi)。小型無(wú)人機(jī)投放點(diǎn)攜帶基礎(chǔ)攝像機(jī)，滿足日常巡邏功能；中型無(wú)人機(jī)投放點(diǎn)負(fù)責(zé)應(yīng)對(duì)人員騷動(dòng)堵塞等危害程度較低的治安事件，搭載攝像機(jī)喊話器等交互設(shè)備；大型無(wú)人機(jī)投放點(diǎn)是以風(fēng)險(xiǎn)感知為主，需要無(wú)人機(jī)現(xiàn)場(chǎng)穩(wěn)定局勢(shì)，完成人員追蹤，為案事件的有效處置提供時(shí)空銜接。

（二）計(jì)算過(guò)程

1.基于DBSCAN聚類算法呈現(xiàn)熱力區(qū)塊刻畫(huà)

聚類技術(shù)是將數(shù)據(jù)對(duì)象劃分到不同的簇中，要求同一個(gè)簇中的對(duì)象有較高的相似性，而不同簇間的對(duì)象有較高的相異性，本文基于DBSCAN聚類算法，以歐氏距離為工具，確定熱力區(qū)塊。

（1）計(jì)算歐氏距離

根據(jù)兩點(diǎn)間的經(jīng)度和緯度，對(duì)任意兩點(diǎn)的歐氏距離進(jìn)行計(jì)算，以風(fēng)險(xiǎn)點(diǎn)A與風(fēng)險(xiǎn)點(diǎn)B為例。

d（A，B）的意義是A點(diǎn)與B點(diǎn)的距離（單位：m），Along代表A點(diǎn)的經(jīng)度、Alat代表A點(diǎn)的緯度（單位：度），B同理。C1、C2的含義是任意點(diǎn)的經(jīng)度和緯度數(shù)據(jù)與真實(shí)距離轉(zhuǎn)化間的系數(shù)，數(shù)值分別是：經(jīng)度系數(shù)是100000m/度，緯度系數(shù)是111320m/度。

（2）核心點(diǎn)、邊界點(diǎn)與噪聲點(diǎn)的確立

利用第一步中求得的歐氏距離劃分某個(gè)點(diǎn)位成區(qū)塊狀。假設(shè)某區(qū)域存在一圓心，半徑為X。在該區(qū)域中，當(dāng)事故點(diǎn)數(shù)量大于N個(gè)，將其定義為核心點(diǎn)；若該范圍中事故點(diǎn)數(shù)量小于N個(gè)，但任意核心點(diǎn)間存在距離小于X這一關(guān)系時(shí)，該點(diǎn)被定義為邊界點(diǎn)。若某點(diǎn)非核心點(diǎn)，亦非邊界點(diǎn)，則將其定義為噪聲點(diǎn)[8]，解釋如圖1所示。

經(jīng)過(guò)計(jì)算，排除噪聲點(diǎn)，利用聚類分析將核心點(diǎn)和邊界點(diǎn)形成簇，定義為熱點(diǎn)區(qū)塊。

（3）區(qū)塊的確立

以人口區(qū)塊的計(jì)算為例，將定值X設(shè)定為具體數(shù)值90米，核心點(diǎn)附近最少數(shù)量N設(shè)定為具體數(shù)值3個(gè)，共得到區(qū)塊數(shù)21個(gè)，將部分小數(shù)量區(qū)塊進(jìn)行剔除，最終得到有價(jià)值的區(qū)塊共13個(gè)，區(qū)塊包含的熱點(diǎn)數(shù)量見(jiàn)表3。

2.基于模擬退火算法的無(wú)人機(jī)空間投放點(diǎn)確定

利用模擬退火算法，對(duì)區(qū)塊內(nèi)的各點(diǎn)進(jìn)行計(jì)算，得到區(qū)塊內(nèi)到各點(diǎn)距離最短的點(diǎn)位，實(shí)現(xiàn)步驟如下。

（1）選擇每個(gè)區(qū)塊的平均經(jīng)緯度作為起點(diǎn)。

（2）設(shè)置S控制參數(shù)為109，從當(dāng)前點(diǎn)上下移動(dòng)到包括當(dāng)前點(diǎn)在內(nèi)的每個(gè)S的左右兩邊，找到五個(gè)新點(diǎn)。

（3）計(jì)算這5個(gè)點(diǎn)與集群中每個(gè)遠(yuǎn)程點(diǎn)的距離之和，取最小的點(diǎn)并將繼續(xù)使用當(dāng)前點(diǎn)的概率設(shè)定為5%，得到與另一個(gè)隨機(jī)點(diǎn)的歐氏距離的點(diǎn)的區(qū)間，并將最小的點(diǎn)定義為無(wú)人機(jī)進(jìn)入該區(qū)塊的點(diǎn)。

（三）結(jié)果與分析

1.人口區(qū)塊無(wú)人機(jī)投放點(diǎn)位結(jié)果

根據(jù)DASCAN空間聚類算法、模擬退火算法，以及人口分布情況得到無(wú)人機(jī)的投放點(diǎn)位，見(jiàn)表4。

實(shí)際投放點(diǎn)位圖表情況如圖2所示。

根據(jù)人口因素確定的無(wú)人機(jī)空間投放點(diǎn)位（粉紅色圓點(diǎn)）共設(shè)計(jì)有13個(gè)，紅色熱力區(qū)塊表示人口分布密度，總體呈現(xiàn)以A館為輻射范圍的西南部和東部人口密集特征。

2.場(chǎng)所區(qū)塊無(wú)人機(jī)空間投放點(diǎn)位結(jié)果

利用相同方法，根據(jù)重點(diǎn)場(chǎng)所的分布進(jìn)行聚類分析，得到最佳的空間投放點(diǎn)，投放點(diǎn)位的經(jīng)緯度數(shù)據(jù)見(jiàn)表5。

根據(jù)重點(diǎn)場(chǎng)所因素確定的無(wú)人機(jī)空間投放點(diǎn)位共設(shè)計(jì)有20個(gè)，呈現(xiàn)以A場(chǎng)館北部和西南部居多的特征。

3.應(yīng)急無(wú)人機(jī)空間投放點(diǎn)位結(jié)果

為處理突發(fā)事件，設(shè)立應(yīng)急點(diǎn)位。

以人口和重點(diǎn)場(chǎng)所設(shè)定的點(diǎn)位為對(duì)象，再次進(jìn)行聚類分析，得到分布較為集中的區(qū)塊數(shù)共7個(gè)，內(nèi)部最佳空間投放點(diǎn)位經(jīng)緯度見(jiàn)表6。

4.空間投放點(diǎn)類型確定與分組

大型活動(dòng)的安保應(yīng)本著“全面控制、重點(diǎn)加強(qiáng)、劃區(qū)分段、留有機(jī)動(dòng)”的原則，科學(xué)周密部署，用多道防線、多塊區(qū)域的協(xié)同布控形成合理的整體防范模式[9]。

在綜合結(jié)果中，紅色點(diǎn)位代表根據(jù)人口因素確定的無(wú)人機(jī)空間投放點(diǎn)位，藍(lán)色點(diǎn)位代表根據(jù)重點(diǎn)場(chǎng)所因素確定的點(diǎn)位，綠色代表應(yīng)急點(diǎn)位。本文將五處距離相近的無(wú)人機(jī)點(diǎn)位進(jìn)行合并，即圖3中紅色方框圈出點(diǎn)位合并為一個(gè)點(diǎn)位，最終確定27個(gè)點(diǎn)位，總體呈環(huán)形圍繞A館分布。具體來(lái)看，A館北部無(wú)人機(jī)點(diǎn)位分布分散且多量，南部無(wú)人機(jī)點(diǎn)位分布集中且量少，在東部有少量無(wú)人機(jī)點(diǎn)位零星分布。

結(jié)合空間投放點(diǎn)的遠(yuǎn)近用途，對(duì)空間投放點(diǎn)位的大小類型和分組關(guān)系進(jìn)行確定：將27個(gè)投放點(diǎn)位分為5組，各自負(fù)責(zé)覆蓋轄區(qū)。根據(jù)轄區(qū)范圍大小和重要程度，每組的投放點(diǎn)個(gè)數(shù)在4至7個(gè)之間波動(dòng)。

五、結(jié)語(yǔ)

本文基于四叉樹(shù)索引、DBSCAN聚類分析算法和模擬退火算法，以H市A號(hào)大型活動(dòng)場(chǎng)館為例，面向大型活動(dòng)外圍空間的治安風(fēng)險(xiǎn)管控需求，提供了無(wú)人機(jī)的布控策略，得到結(jié)論如下：

第一，在兼顧布控精度和成本控制前提下，提出了多樣化治安需求下的無(wú)人機(jī)布控策略。提出了基于人口密度、重點(diǎn)場(chǎng)所管控、無(wú)人機(jī)備飛等多樣化復(fù)雜因素需求下的無(wú)人機(jī)布控策略，能夠較為有效地解決傳統(tǒng)安保任務(wù)中人力資源緊缺的困境，利用空間聚類算法、模擬退火算法，實(shí)現(xiàn)了治安要素的空間數(shù)字化呈現(xiàn)，在兼顧布控精度和覆蓋有效性前提下，剔除了無(wú)人機(jī)布控的數(shù)量冗余，避免無(wú)人機(jī)資源的浪費(fèi)，為大型活動(dòng)外圍環(huán)境空間的智慧風(fēng)險(xiǎn)防范提供思路。

第二，實(shí)現(xiàn)了無(wú)人機(jī)布控的場(chǎng)景化應(yīng)用，驗(yàn)證布控策略的可實(shí)現(xiàn)性。在大型活動(dòng)安保場(chǎng)景下，確定了以A館建設(shè)環(huán)狀無(wú)人機(jī)投放點(diǎn)位共27個(gè)，在綜合考慮轄區(qū)面積、轄區(qū)人口重點(diǎn)場(chǎng)所數(shù)量、轄區(qū)與A館距離的基礎(chǔ)上，將27個(gè)點(diǎn)位劃分為5個(gè)防范轄區(qū)，每個(gè)轄區(qū)內(nèi)設(shè)立大中小三種類型的無(wú)人機(jī)投放點(diǎn)，最大限度提升了無(wú)人機(jī)的利用效率，滿足不同事件規(guī)模的風(fēng)險(xiǎn)防范需要，在無(wú)人機(jī)投放成本最低的基礎(chǔ)上保證所有轄區(qū)都處于無(wú)人機(jī)監(jiān)管輻射范圍內(nèi)。

參考文獻(xiàn)

[1]周慶.奧運(yùn)安保對(duì)城市反恐重要目標(biāo)安全防范的啟示[J].新疆警官高等?？茖W(xué)校學(xué)報(bào)，2013，33（03）：10-16.

[2]安亞男，萬(wàn)勇，郭朝暉，等.金屬礦區(qū)/冶煉場(chǎng)地環(huán)境風(fēng)險(xiǎn)擴(kuò)散途徑及其關(guān)鍵因子識(shí)別研究[J].礦冶工程，2023，43（05）：92-97.

[3]彭麗梅，趙理，周悟，等.基于層次分析法的耕地土壤重金屬污染風(fēng)險(xiǎn)區(qū)域劃分[J].河南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，39（05）：61-67.

[4]蔡成龍.公安院校學(xué)生科技創(chuàng)新能力評(píng)價(jià)研究——以江蘇警官學(xué)院為例[J].新疆警察學(xué)院學(xué)報(bào)，2017，37（03）：63-67.

[5]楊彩君. 基于填充式啟發(fā)式算法的二維矩形排樣問(wèn)題[D].上海：上海師范大學(xué)，2011.

[6]邢培.數(shù)據(jù)挖掘的主要技術(shù)——聚類[J].科技信息，2010（20）：495.

[7]IngberL.Very fast simulated annealing[J].Math Conput Modeling， 1989（12）：967-973.

[8]張書(shū)浩， 周妍， 黃晴. 大型公共事件前后交通事故空間分布分析模型研究[J]. 警察技術(shù)， 2022（04）： 85-88.

[9]李宇飛.大型活動(dòng)中防范恐怖襲擊對(duì)策探要[J].新疆警官高等?？茖W(xué)校學(xué)報(bào)，2007（04）：26-28.