参数优化DBSCAN算法的城管案件聚类分析

针对DBSCAN算法参数对聚类结果具有较大的不确定性问题,该文提出了基于空间分析的参数优化思想:首先,基于Ripley’s K函数分析,实现自适应确定数据聚类范围EPS值;基于K-D树分析,实现自适应确定在Eps阈值内的点数量MinPts值;然后,基于以上参数的自适应确定思想,利用R语言编写了DBSCAN算法,进一步实现了数据的精确聚类。基于典型城市管理案件的实验结果表明:该方法充分考虑了空间数据统计特性,具有较好的适用性,聚类簇特征明显,聚类质量较高。     

时空立方体的抢劫案件时空特征挖掘与分析

针对抢劫犯罪发生的时空模式等相关问题,提出了基于时空立方体模型的时空特征探索方法。该方法既能从时空维度挖掘犯罪事件的特征,又以时空立方体方法宏观展示其热点时空分布,有助于城市治安辅助决策。文章以美国费城的抢劫犯罪案件为研究数据,实验结果表明,该方法能够较全面地揭示抢劫犯罪案件在时间、空间及时空分布特征:①抢劫犯罪案件存在明显的时间和空间聚类特性;②从空间分布分析,抢劫事件多分布于西费城以及费城北区;③从时序分析,1月和12月为抢劫犯罪的高发时段;以日为尺度,抢劫犯罪多发生在夜晚,这与犯罪学相关规律一致;④从时空规律分析,随着时间的推移,热点以费城北区为中心逐渐向周围扩散。本研究能为警力巡查调度、案件预测等提供辅助决策,并可推广应用到其他领域。