基于AI深度学习的城市治理场景梯控异常行为预判方法
本发明涉及梯控异常预判技术领域,具体涉及基于AI深度学习的城市治理场景梯控异常行为预判方法,该方法拆解梯控数据为人员关联特征、设备运行特征及环境违规特征,并进一步细化各特征下的核心子特征,实现了对梯控异常诱因的精准捕捉,三类特征分层覆盖梯控场景“人‑机‑环”全维度异常维度,针对性挖掘不同维度的异常线索,完美贴合城市治理中梯控需兼顾人员安全、设备可靠、环境合规的多目标需求;人员冒用类、设备异常类、安全违规类三类异常奖励函数的协同配置,构建了适配城市治理场景优先级的模型优化逻辑,基于改进粒子群优化算法的预判策略更新机制,赋予了梯控预判系统动态适配城市治理需求的能力。