犯罪时空预测方法研究综述与展望

犯罪时空预测作为预测警务的核心支撑技术,自2000年左右至今得到了快速的发展。本文介绍了犯罪时空预测的实践背景和理论基础,将犯罪时空预测解构为利用历史案件的时空位置、时空环境和个体行为等要素,结合相应的算法模型预测未来案件时空分布的过程。然后,从输入要素的视角对当前的犯罪时空预测方法进行了总结和归纳,将其划分为基于案件时空位置信息的犯罪时空预测、基于时空环境要素的犯罪时空预测,以及融合行为轨迹和时空环境要素的犯罪时空预测3种类型,详细总结了不同类型犯罪时空预测的方法原理,并从适应场景和预测效果等方面对不同的方法模型进行了比较。最后,结合当前的大数据技术发展趋势,对未来的犯罪时空预测进行了展望。本文认为犯罪时空预测未来需要从数据角度重点解决输入数据的体系融合、粒度细化和新型数据融合等问题,从模型优化角度应着重提高多源异构数据融合能力,平衡模型的可解释性与预测效果。     

近10年来犯罪时空预测国内外研究与实践进展

基于地点的犯罪时空预测由于不直接涉及个人数据，且可与警务巡逻和精准化治安防控策略有机结合，现已成为预测性警务领域的研究热点和主要实践方向。本文对2013年以来国内外犯罪时空预测的最新进展进行综述，主要工作包括：(1)总结了该领域研究在文献数量快速增加、研究主题日益多元、主要研究群体分布相对集中等方面的总体特征；(2)梳理了犯罪时空预测的目标主体、时间尺度、空间尺度、模型方法、精度评价、实践效果评估六大基本要素的新变化、新指标或新进展；(3)介绍了常用犯罪时空预测软件及各国预测性警务实践；(4)探讨了在实践应用的各个阶段所面临的伦理问题及挑战，以及各界为规避此问题做出的尝试；(5)展望了犯罪时空预测后续研究重点。本研究为犯罪时空预测领域勾勒出一个较为全面和清晰的轮廓，可为国内犯罪地理、智慧警务、警用地理信息系统（PGIS）等相关领域的研究者和从业人员提供有益参考。     

面向不同主题的犯罪大数据可视分析

大数据时代,传统犯罪分析将向探索式可视分析的方向转变。本文基于公安犯罪数据的特点和犯罪分析理论,结合可视化技术（Wordle图、故事线图、平行坐标图、散点图矩阵等）,从表示内容、表示方法、交互设计等提出面向不同主题的犯罪大数据可视分析方法,其中,包括系列犯罪时空轨迹数据的可视分析、犯罪实时态势数据的可视分析、犯罪时空过程数据的可视分析、时间序列犯罪统计数据的可视分析、犯罪案情文本数据的可视分析、犯罪多维属性数据的可视分析,以及犯罪相关统计数据的可视分析等。相关可视分析方法为案件侦查、犯罪趋势预测、犯罪热点分析等方面提供了支持,也为今后面向其他领域的可视化表达研究提供了借鉴和参考。     

广东省黑社会性质组织犯罪的现状及发展趋势

当前,广东省社会秩序总体上看是好的,但一些地方黑社会性质组织犯罪滋生,并在一定时期呈高发态势;境外黑社会组织渗透加剧,跨境作案明显增多;涉黑组织内外勾结,境内外犯罪合流态势增强;整体上虽处于有组织犯罪的较低级阶段,但其犯罪类型多样、作案手段残忍;犯罪目的单一,方式日趋隐蔽;危害后果特别严重,并呈现如下趋势:其生存土壤存在,短期内难以根除,且有继续蔓延的可能性;犯罪活动日趋职业化、智能化和多样化;黑社会性质组织犯罪趋向于黑社会组织犯罪;犯罪区域将不断扩大,有“黑白合流”的国际化趋向。     

基于犯罪大数据的城市基层警务设施评价与选址研究

城市基层警务设施普遍存在布局不科学的问题,主要是因为传统的布局方法仅依赖人口总量和警务经验,无法准确掌握大量犯罪发生的热点区域,包括空间位置和集聚程度。以北京市主城区为例,使用“热点—风险空间—千人指标”三视角为分析框架,挖掘法院刑事判决书文本以获取犯罪空间大数据并识别热点作为核心因子,结合商业中心和居住人口分布两大警力需求因子,利用两步移动搜索法综合评价北京市五环内巡逻警务站设施现状服务水平,并运用网络分析和综合评价为新增站点的选址和优化提出建议。     

犯罪防控警务策略及其时空效益评估研究进展

犯罪防控警务策略是犯罪地理研究的重要话题之一,西方国家在此方面展开了大量研究,而我国的相关研究仍较缺乏。本文从不同类型犯罪防控警务策略特点、犯罪防控实验及其防控效益评估3个方面出发,综述国内外研究进展。研究结论包括以下4个方面：① 社区警务、问题导向警务、热点警务和智能警务为4大主要犯罪防控警务策略。社区警务以社区为单位,通过警民合作以减少犯罪;问题导向警务通过SARA（Scanning, Analysis, Response, Assessment）找出并解决社会中存在的问题;热点警务基于犯罪热点制定警务方案,对犯罪热点地区加以干预以降低犯罪率;智能警务利用大数据,人工智能等先进技术开展警务防控;② 国外的犯罪防控实验大多是通过划分实验组和对照组的方式,对比警务策略干预前后的犯罪变化。大部分警务实验以热点警务为主,且在试验区能有效降低犯罪,但同时存在犯罪转移或效益扩散现象;国内犯罪防控实验的研究仍有待开展;③ 传统的警务防控评估主要从破案率、公众安全感和社会经济效益评估3方面出发。鉴于犯罪转移或效益扩散的存在,国内外学者提出了加权位移商（WDQ）、时空加权位移商（STWDQ）、双重差分（DID）、倾向评分匹配（PSM）、双重差分倾向评分匹配（PSM-DID）和基于双重差分（DID）的象限法评估警务时空效益,丰富了警务防控评估体系。整体而言,国外对犯罪防控警务策略与时空效益评估研究得较充分但仍存在不足,而国内尚处于起步阶段。本文在最后探讨了中国警务策略可深入研究的方向。     

广东黑社会性质组织犯罪成因研究

黑社会性质组织犯罪之所以产生并一度呈高发态势,其原因是多方面的,既有经济利益的驱使,又是旧中国黑社会犯罪的沉渣泛起;既有黄赌毒及封建帮会文化的影响,又有犯罪分子个人的主观原因;既有境外黑社会组织的渗透,又与转型时期社会控制机制不完善、反黑立法滞后及个别地方打击不力有关。正是这多种因素的综合,才导致广东黑社会性质组织犯罪的产生与蔓延。     

随机森林算法在机载LiDAR数据林分平均树高 估算中的应用研究

采用机载LiDAR数据估算森林结构参数是当前林业遥感中的研究热点。本文以福建省长汀县朱溪河流域为示范区,探讨了随机森林算法（RF）在机载LiDAR数据林分平均树高估测中的适用性。首先,通过渐进三角网（TIN）算法进行点云滤波并获取相应林分样地的植被点云子集和高程归一化的植被点云;然后,从归一化后的植被点云提取出高度分位数变量以及点云统计特征值等24个变量参数;最后,根据提取的变量参数和野外实测林分均高数据建立研究区林分平均高随机森林回归估测模型。研究结果表明,模型估测的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.938,相关系数达到0.968。对样地的估测精度都在86%以上,总体平均精度达到了93.17%。研究认为,基于植被点云变量参数的随机森林模型估测林分平均树高具有较高的可靠性。     

顾及地理-语义动态的城市热点预测框架

城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络（PredRNN）、图卷积预测递归神经网络（GC-PredRNN）和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。     

考虑线状环境因子适宜性和不同机器学习模型的滑坡易发性预测建模规律

对于滑坡易发性预测中的水系、公路和断层等线状环境因子, 现有研究大多采用缓冲分析提取距离线状因子的距离。但缓冲分析得到的线距离属于离散型变量, 带有大小不等的随机波动性且对点或线要素的误差较为敏感, 导致滑坡易发性建模精度下降。提出了使用水系和公路的空间密度等连续型变量改进线状环境因子的适宜性。以江西省安远县为例, 选取高程、地形起伏度、距水系和公路距离等14个环境因子(原始因子), 再将距水系和公路距离2个线状因子改进为水系密度和公路密度(改进因子); 之后采用逻辑回归、多层感知器、支持向量机和C5.0决策树等机器学习模型, 分别构建了基于原始因子和改进因子的机器学习模型以预测滑坡易发性; 最后利用ROC曲线和易发性指数分布特征等来研究建模规律。结果表明: ①改进因子机器学习预测精度均高于原始因子机器学习模型, 表明空间密度对于易发性预测的适宜性更好; ②在4类机器学习模型中C5.0模型对于滑坡易发性预测性能最好, 其次是SVM、MLP和LR; ③水系和公路两类环境因子的重要性较高且使用改进因子机器学习后这两类环境因子重要性排名依然非常靠前。      

融合历史犯罪数据的疑犯社会活动位置预测

由于重点跟踪人员（疑犯）的社会活动监控数据可获取性差,难以直接反映疑犯的社会活动时空模式,降低了案情分析和犯罪风险预测的有效性。为此,本文提出了融合犯罪记录的位置预测（Crime Records enhanced Location Prediction,CReLP）模型,将疑犯犯罪记录信息融入协同过滤算法,预测疑犯在未来对任意位置的访问频度。该方法利用张量（Tensor）表达疑犯在不同时段和位置上的访问频度,基于疑犯的犯罪事件数据构建疑犯时空关联度矩阵,利用该矩阵约束正则化的张量分解（Tensor Decomposition）过程,以解算出张量中的缺失值,进而获得各疑犯的潜在时空分布模式。实验采用包含了241个疑犯、1.9万个位置记录的真实疑犯位置数据集进行了模型测试,结果表明本文方法在均方根误差和 top-k 最小搜寻距离2个指标上都超过其他Baseline方法32%~63%和14%~26%,大幅提高了位置时空预测的有效性和健壮性。     

基于贝叶斯逻辑回归模型研究百度街景图像微观建成环境因素对街面犯罪的影响

街面犯罪对公众的生活安全构成一定的威胁。以往对于公共盗窃和寻衅滋事等街面犯罪的研究往往停留在社区甚至更宏观的层面,难以向微观尺度深入,它们忽略了通过环境设计预防犯罪（Crime Prevention Through Environmental Design, CPTED）理论中所主张的地址级的建成环境的精确特征。地址级的微观建成环境被广泛认为对各类犯罪的发生有着直接或间接的影响,然而对微观建成环境的度量一直是一个挑战。先前的大多数研究都是通过调查样本来表征建成环境,会受到两方面的限制：① 建成环境特征描述不完整的限制;② 数据在空间覆盖方面具有稀疏性的限制。百度街景图像作为一个新的数据来源,可以被用来提取地址级的微型环境的建成特征,从而使犯罪研究可以聚焦在更微观的尺度中。本研究使用深度学习全卷积图像分割算法从百度街景图像中提取地理位置的环境变量,共选取树木、通车道路、人行道等8种变量来表现研究区微观建成环境的差异。在控制了与街面犯罪有关的其他因素后,采用贝叶斯逻辑回归模型来评估微观建成环境影响因素对公共盗窃和寻衅滋事案件的影响。结果表明加入了微观建成环境物理特征之后的模型表现更好。对比寻衅滋事案件,树木多的隐蔽地方更容易发生公共盗窃案件,通车道路、人行道多的地方更不易发公共盗窃案件,这也说明了更隐秘的地方公共盗窃案多发。总的来说,全卷积深度学习图像分割算法可以有效地提取街景衍生变量,这些变量为微观空间尺度的犯罪分析增加了新的维度。本研究不仅对于犯罪地理文献具有贡献,而且为基于CPTED原则的犯罪预防提供了新的视角。     

多时间尺度密度聚类算法的案事件分析应用

时空聚类是数据挖掘研究的主要内容之一,在环境保护、疾病预防与控制、犯罪预防与打击等领域具有重要的应用价值。已有的时空聚类方法中,时间“距离”都认为是真实的间隔,而对于具有社会属性的案事件而言,其在不同时间尺度下具有明显的周期性特征,忽略这些特征将很难反映出案事件真实的时空规律。本文综合考虑多时间尺度下的时间属性,构建等效时空邻近域,并借鉴经典的密度聚类算法,提出了多时间尺度等效时空邻近域密度聚类算法（MTS-ESTN DBSCAN）。通过对福州市区2013年案事件数据的聚类分析表明,该方法在案事件时空聚类方面具有可行性,对于进一步深入研究城市犯罪地理具有一定的理论意义和实际价值。     

基于潜在受害者动态时空分布的街面接触型犯罪研究

街面接触型犯罪是指犯罪者在街面通过采取与受害者身体接触的方式而实施的违反法律的行为,已有文献研究利用了不同类型的大数据代表的周遭人口表征街面接触型犯罪中“潜在受害者”因素,但由于数据的局限性,无法应用在微观的空间尺度上的街面接触型犯罪研究。微信热力图是具有高时空分辨率和高人口覆盖度,能动态地反映人流量热度的程序。因此,本文以经济发达的ZG市的XT街道为例,结合日常活动理论,并基于微信热力图数据代表的周遭人口表征的“潜在受害者”因素,首先定性地描述和识别街面接触型犯罪的时空分布特征,然后划分不同时段分析街道街面接触型犯罪的影响因素。研究发现：① 街面接触型犯罪案件存在时空的集聚性,街道街面接触型犯罪在晚上（18:00—23:59）是高发期,在白天（07:00—17:59）是低发期,在22:00—22:59数量达到最大值,主要聚集在城中村区域,且不同时期的影响因素存在一定的差异;② 微信人口数量在所有时期均对街面接触型犯罪存在显著的正向影响,其代表的周遭人口能很好地表征日常活动理论中的“潜在受害者”因素,且在凌晨—清晨（00:00—06:59）对街面接触型犯罪的影响最大;③ 不同场所对街面接触型犯罪的影响存在时间上的差异,餐饮点在晚上对街面接触型犯罪存在显著的正向影响,KTV、健身房和公交站点分别对应在凌晨—清晨、白天与晚上对街面接触型犯罪有显著的正向影响,而休闲会所在凌晨、清晨、晚上均有显著的影响,与最近巡逻驻点的距离仅在晚上时期显著影响街面接触型犯罪。本文的研究结论可为警方采用微信热力图来分析街面接触型犯罪和经济发达地区警方部署提供参考依据。     

日本地震活动与潮汐相关性统计研究

选取日本及邻区作为研究区域，对其进行子区域的划分。基于日月引起的起潮力，通过Schuster检验计算出每个子区域的p值，在此基础上对满足p<5%的子区域建立Schuster谱，判断该地区的地震活动率是否存在周期性变化，进而对日本的地震活动与潮汐应力的相关性进行研究。结果显示，在划分的75个子区域中，有22个子区域满足p＜5%，且其中2个子区域的Schuster谱显示出明显的0.5 d潮周期，说明这些地区的地震活动在一定程度上受到潮汐触发作用的影响。     

基于加权时空关联规则的公交扒窃犯罪模式识别

近年来,公交扒窃案呈上升趋势,为了预防和打击此类犯罪,需要有效识别其犯罪模式。传统的犯罪分析方法,往往将时间和空间分割开来研究,本文则引入加权时空关联规则进行挖掘分析,试图找出公交扒窃的案发时空规律。首先,对公交扒窃数据进行时间粒度和空间粒度的划分,将公交主要运营时间以2 h为单位划分成等间隔的公交时段并对其进行编码,将公交线路按公交站点划分成公交路段;其次,对数据进行空间分析和时间归并,提取出每个案件发生的公交路段和案发时段,并将案发时段归并到公交时段中;再次,由于每个公交路段的案发率不同,其对结果的贡献率也不同,因此,给每个路段赋予一个权重;最后,用Apriori算法进行加权关联规则挖掘,得到公交扒窃的时空犯罪模式。研究表明,这种挖掘方法具有以下特点:(1)按公交站点进行公交路段的划分具有创新性;(2)通过对案发路段的加权,能将空间位置重要程度的差异区分开来,更符合实际情况;(3)挖掘过程中同时考虑了时间与空间属性。     

涉毒人员日常活动对盗窃警情空间格局影响的时间差异

根据日常活动理论,犯罪时空格局与受害者、犯罪者日常活动规律均存在较强关系。但受限于数据获取难度,较缺乏有关犯罪者日常活动与实际警情时空格局的研究。已有文献表明涉毒人员与盗窃等财产犯罪存在较大相关性。基于此,本研究通过分析涉毒人员日常活动对盗窃警情时空格局的影响,验证犯罪者日常活动在塑造盗窃警情时空格局中的作用。本文以中国南部大城市ZG市XT派出所为例,以150 m×150 m的格网为分析单元,采用盗窃警情数据、涉毒人员日常活动数据、POI数据以及巡逻盘查数据,划分不同时间段分别建立泊松回归模型。研究发现：① 相对于传统静态的抓获或警情数据,动态的潜在犯罪者、受害者日常活动数据可更有效地提高盗窃模型的拟合优度;② 相对于全天汇总的总人数,动态近实时的涉毒人员活动与居民活动能更好地解释盗窃的空间分布;③ 静态的土地利用混合度在不同时段对盗窃具有不同的影响作用。以上结果验证了涉毒人员日常活动与盗窃警情的时空格局的关系,研究结论验证和丰富了日常活动理论,可为实际犯罪预测与警力布置提供一定的参考。     

中国犯罪地理与警务GIS研究进展

近30年来,随着公安部门犯罪防控需求的增加,中国犯罪地理学正处于新的发展机遇期。为了能较客观、全面地把握我国犯罪地理学的研究现状与动态,本文从中国知网、万方和维普3大电子资源数据库中筛选出与犯罪地理研究主题相关的期刊论文,以此为样本,对研究内容与研究实力等情况进行统计分析。结果表明,自1980s中期以来,中国犯罪地理学在论文数量、研究方法、实证区域、研究机构与核心作者等方面都日益增多,已经在城市犯罪地理、警用地理信息系统、规划设计预防犯罪、情境犯罪预防等4个主要研究方向出现了导向作用明显的核心作者,呈现出良好的发展态势。进入21世纪后,新的发展机遇在促进犯罪地理学论文数量与研究实力快速增加的同时,也导致了案例研究、量化研究的所占比重显著减少,研究区域的空间范围也大幅收敛,集中在长三角、京津、珠三角地区。新的研究阵营不断涌现,核心作者比重不断下降,犯罪地理学进入了研究阵营争鸣角力的重构期。未来我国犯罪地理学的发展任重而道远,不仅亟需完善相关的理论体系、加强国内的案例实证,而且还需注意研究规范的统一、核心作者群的代际更替等诸多问题。