随着我国经济的高速发展,大型活动举办越来越频繁,一旦活动发生突发事件,将会造成重大人员伤亡和经济损失。如何对活动突发事件实现实时精确地感知预测,已经成为大型活动安全管理相关研究亟待解决的关键问题。实践应用方面,随着物联网、云计算、大数据、智慧城市等科学技术的快速发展,伴随着移动通讯、北斗和GPS全球定位、视频监控等感知技术和设备的普及,传统的大型活动场馆已经积累起海量的时空监测数据,这些数据为活动突发事件感知和预测带来了新的挑战和机遇。从理论研究方面,大数据分析挖掘研究和应用相关领域也已形成一批成熟的模型、技术及方法,这些成果为基于时空大数据进行分析挖掘研究,进而实现突发事件感知及预测提供了坚实的理论基础。研究成果不仅能够最大限度避免人财损失,而且对应急决策与资源调度能够产生巨大帮助。与传统以经验数据为支撑的事件感知及预测方法不同,本文以时空大数据分析为基础驱动,依靠机器学习、数据挖掘方法发现突发事件特征及模式,进而实现对复杂多变的大型活动突发事件处置应对。本文主要围绕大型活动中突发事件感知及预测相关的关键问题展开研究,论文主要工作和创新点如下:(1)基于时间序列实现大型活动历史数据建模及分类本文首先基于图结构对具有物理不变性的大型活动场馆进行建模研究;其次,基于大型活动历史数据分析,研究大型活动历史数据建模,提出基于时间序列的大型活动人群密度模型,并给出活动相似性度量方法;最后,采用KMeans实现对特定时间间隔及空间的数据模式聚类研究,实现对大型活动的自动分类。(2)基于马尔可夫实现突发事件感知现有研究往往只是简单通过历史数据对当前状态进行判定,无法感知事件状态变化过程。本文首先基于大型活动人群密度时间序列,研究并建立大型活动区域时序状态模型;其次,以人群密度等级与时间间隔的笛卡尔集为状态,基于马尔可夫过程,实现场馆单个特定区域人群密度状态随时间变化的模型表达;最后,基于上述模型,设计活动突发事件感知算法,通过活动当前状态与模型所总结出的规律对比,发现异常,实现对该区域突发事件的感知。(3)基于时空情景时间序列实现突发事件预测现有突发事件预测方法大多针对特定领域的微观事件进行研究,很难独立应用于活动突发事件的监测上。本文创新性提出将已有研究成果输出纳入到活动统一时空模型方法:首先,研究建立活动时空情景模型;其次,通过构建时空情景时间序列,对数据空间按时间及空间同时进行有效分割,进而挖掘不同活动历史数据的时空规律;最后,采用K最近邻设计突发事件预测算法,实现对当前活动突发事件的预测。(4)设计实现大型活动突发事件感知及预测原型系统为更好地验证论文研究算法及成果,解决将成果应用于实际工作中的问题,本文设计并实现了一个大型活动突发事件感知及预测原型系统。系统基于HTML5技术设计,在本文所提出突发事件感知及预测算法的基础上,实现了大型活动感知及预测原型系统的搭建及Web端应用开发,并以实例为背景对原型系统进行了功能展示。