《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)
基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)
《信息技術(shù)與網(wǎng)絡(luò)安全》2020年第7期
趙傳鑫
中國(guó)人民公安大學(xué) 國(guó)家安全與反恐怖學(xué)院，北京100038
摘要： 為有效提升公安部門(mén)在實(shí)踐工作中的犯罪預(yù)測(cè)能力,，提出基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)方法,。該方法采用了時(shí)空分析可視化技術(shù)和DBSCAN算法，對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行分析,。首先,，對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析；然后,，利用DBSCAN算法構(gòu)建犯罪預(yù)測(cè)模型,，并進(jìn)行可視化處理；最后,，通過(guò)對(duì)不同類型犯罪進(jìn)行分析,，預(yù)測(cè)犯罪熱點(diǎn)，識(shí)別犯罪模式,。實(shí)驗(yàn)結(jié)果表明,，與傳統(tǒng)的經(jīng)驗(yàn)預(yù)測(cè)相比，該方法具有更好的預(yù)測(cè)效果,，為公安機(jī)關(guān)打擊犯罪和優(yōu)化警力配置提供了決策依據(jù),。
中圖分類號(hào)： TP309
文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2020.07.013
引用格式： 趙傳鑫. 基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)[J].信息技術(shù)與網(wǎng)絡(luò)安全，2020,，39(7)：72-77.

Crime prediction in area A based on DBSCAN clustering
Zhao Chuanxin
School of National Security and Counter Terrorism,，People′s Public Security University of China，Beijing 100038,，China
Abstract： In order to effectively improve the crime prediction ability of the public security department in practical work, this paper proposed a crime prediction method in area A based on DBSCAN algorithm. This method used the spatio-temporal analysis visualization technology and DBSCAN algorithm to analyze the crime data in area A. Firstly, this method conducted descriptive statistical analysis of the crime data in Area A; then, it used the DBSCAN algorithm to build a crime prediction model and visualized it; finally, it predicted the hot spots of crime and identify crime patterns by analyzing different types of crime. The results show that compared with traditional empirical prediction, this method has a better prediction effect and provides a decision basis for public security organs to fight crime and optimize police force allocation.
Key words : DBSCAN,；clustering analysis；crime prediction

犯罪作為當(dāng)今世界普遍存在的社會(huì)問(wèn)題,，對(duì)經(jīng)濟(jì)的發(fā)展和人們的生活有著重大的影響,，因此預(yù)防犯罪是世界各國(guó)警察機(jī)構(gòu)共同的目標(biāo),。預(yù)測(cè)是預(yù)警預(yù)防的前提和首要環(huán)節(jié)，研究預(yù)防犯罪問(wèn)題離不開(kāi)犯罪預(yù)測(cè),。根據(jù)2018年全國(guó)公安機(jī)關(guān)統(tǒng)計(jì)的犯罪數(shù)據(jù),，從犯罪類型結(jié)構(gòu)上來(lái)看，傳統(tǒng)犯罪呈下降趨勢(shì),，但互聯(lián)網(wǎng)相關(guān)的犯罪不斷增加,，新興行業(yè)領(lǐng)域犯罪活動(dòng)較為活躍，非法集資,、“食藥環(huán)”犯罪,、未成年人暴力犯罪等受到社會(huì)高度關(guān)注，黑惡勢(shì)力犯罪,、毒品犯罪出現(xiàn)了新特點(diǎn),。總體來(lái)看,，盜搶騙,、黃賭毒和經(jīng)濟(jì)犯罪成為當(dāng)前的主要犯罪問(wèn)題，重點(diǎn)打擊此類犯罪,，才能維護(hù)社會(huì)穩(wěn)定和保障人民的安全感,。通過(guò)準(zhǔn)確實(shí)時(shí)的犯罪預(yù)測(cè)，可以幫助公安機(jī)關(guān)優(yōu)化警力部署,、提前制定預(yù)案,，從而降低犯罪率,。犯罪預(yù)測(cè)的過(guò)程包括數(shù)據(jù)的收集,、模型的建立和對(duì)犯罪模式的識(shí)別。這不僅有助于公安機(jī)關(guān)判斷犯罪熱點(diǎn)地區(qū),，還可以發(fā)現(xiàn)犯罪高風(fēng)險(xiǎn)人員和易害群體,。

犯罪是可以預(yù)測(cè)的?！睹绹?guó)統(tǒng)計(jì)學(xué)會(huì)會(huì)刊》上有文章提出,，“最初的犯罪就像初震，接下來(lái)的犯罪就好比余震”,。把握犯罪的兩個(gè)杠桿即犯罪成因和犯罪規(guī)律,，就可以推出預(yù)測(cè)趨勢(shì)，犯罪成因是犯罪運(yùn)行的動(dòng)力,，犯罪規(guī)律是犯罪運(yùn)行的規(guī)則,，動(dòng)力和規(guī)則確定了運(yùn)行的方向。如果分析人員不是簡(jiǎn)單地對(duì)犯罪數(shù)據(jù)進(jìn)行歸納總結(jié),，而是挖掘出海量犯罪數(shù)據(jù)背后的犯罪成因和犯罪規(guī)律,，那么就可以準(zhǔn)確地評(píng)估犯罪趨勢(shì)并采取有力的措施,。根據(jù)犯罪學(xué)相關(guān)理論，在一定區(qū)域中,，犯罪地點(diǎn)并不是隨機(jī)分布的,，而是呈現(xiàn)出一些集中點(diǎn)，即“熱點(diǎn)地區(qū)”,。掌握這些熱點(diǎn)地區(qū)可能發(fā)生的犯罪類型,，對(duì)于公安機(jī)關(guān)的決策部署具有重要的參考價(jià)值。此外,，根據(jù)鄰近重復(fù)效應(yīng),，當(dāng)一個(gè)盜竊犯在一個(gè)地點(diǎn)成功實(shí)施犯罪之后，他往往會(huì)在一周后再次潛入同一對(duì)象或者鄰近對(duì)象家中作案,，他的犯罪半徑一般是在2公里以內(nèi)[5],。案發(fā)地點(diǎn)附近的同類案件發(fā)生的概率較高，這同時(shí)給犯罪預(yù)測(cè)提供了理論支撐,。

基于以上幾點(diǎn),，本文提出一種基于DBSCAN算法的犯罪預(yù)測(cè)模型，該模型在MATLAB中構(gòu)建,，對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行密度聚類,，可以獲得較為客觀的結(jié)果。該實(shí)驗(yàn)遵循數(shù)據(jù)分析中的步驟,，包括數(shù)據(jù)收集與預(yù)處理,、數(shù)據(jù)可視化和構(gòu)建犯罪預(yù)測(cè)模型。在數(shù)據(jù)采集與預(yù)處理階段,，數(shù)據(jù)來(lái)自于A區(qū)公安局提供的犯罪數(shù)據(jù),，并進(jìn)行了脫敏處理。數(shù)據(jù)可視化階段生成了三維的犯罪時(shí)空分布圖,。最后,，在構(gòu)建模型階段，本文對(duì)犯罪類型,、犯罪時(shí)間,、經(jīng)度、緯度進(jìn)行密度聚類分析,，對(duì)警方的警力部署和決策執(zhí)行具有參考價(jià)值,。


本文詳細(xì)內(nèi)容請(qǐng)下載：http://forexkbc.com/resource/share/2000003237

作者信息：

趙傳鑫

(中國(guó)人民公安大學(xué) 國(guó)家安全與反恐怖學(xué)院，北京100038)

 


此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。