[发明专利]一种基于离散选择模型的犯罪者作案地识别方法

权利要求书

1.一种基于离散选择模型的犯罪者作案地识别方法，其特征在于，包括以下步骤：

获取多源时空数据，并对所述多源时空数据进行集成处理；

根据手机信令数据，计算得到各社区的基站人口数；

根据各社区的基站人口数生成各社区对应的泰森多边形，并计算各社区完整的泰森多边形面积；

通过各社区的shp文件对对应的泰森多边形进行裁切，得到各社区对应的碎片化的泰森多边形；

根据人群流动密度公式、各社区的基站人口数、各社区完整的泰森多边形面积、各社区对应的碎片化的泰森多边形，计算得到各社区对应的人群流动密度；

根据社会经济异质性公式、人口普查数据中的不同社会经济群体的个数，生成各社区的社区属性集；其中，

所述人群流动密度公式为：

式中，D_i为第i个社区的人群流动密度，n为涉及第i个社区泰森多边形的个数，P_k为第k个泰森多边形人口数，S_ji为第i个社区中碎片j的面积，S_ki为与第i个社区相关的第k个泰森多边形的总面积，S_i为第i个社区的面积；

所述社会经济异质性公式为：

式中，n为不同社会经济群体的个数，P_ki为居住在第i个社区下第k个社会经济群体的比例，SE_i的数值越大表示社区群体越异质；

获取待识别区域地址文本对应的编码结果，通过基于规则与聚类的多源地理编码分类优化模型对所述编码结果进行优化处理，生成优化后地址文本数据对应的编码信息以构建犯罪者的作案地数据集；

根据所述犯罪者的作案地数据集和所述各社区的社区属性集，匹配得到所述犯罪者作案地所属的第一社区属性集，并将所述第一社区属性集和所述作案地数据集融合，生成模型样本；

从所述模型样本中筛选出影响作案地选择的变量，并通过方差膨胀公式对所述变量进行共线性诊断，得到方差膨胀小于10的变量；其中，变量包括建成环境因素、社会环境因素、人群流动环境因素，以及犯罪防控因素变量；

并通过离散选择模型拟合所述犯罪者作案地选择偏好，通过预期效应计算公式，计算犯罪者对各社区选择的预期效应，得到犯罪者实行作案得到最大预期效应的社区；

根据条件逻辑模型和所述离散选择模型拟合所述犯罪者得到的结果，构建作案地选择概率函数，并根据所述作案地概率函数得到所述犯罪者作案地选择的概率。

2.如权利要求1所述的基于离散选择模型的犯罪者作案地识别方法，其特征在于，所述多源时空数据包括原始的公安部门数据、所述手机信令数据、所述人口普查数据。

3.如权利要求1所述的基于离散选择模型的犯罪者作案地识别方法，其特征在于，所述方差膨胀公式为：

其中，R_i为变量x_i对其余变量作回归分析的负相关系数,VIF为方差膨胀系数。

4.如权利要求1所述的基于离散选择模型的犯罪者作案地识别方法，其特征在于，所述预期效应计算公式为：

U_ij＝βx_ij+ε_ij；

其中，U_ij为第i个犯罪者选择在第j个社区实行犯罪的预期效应，x_ij为与第i个犯罪者和第j个社区相关的解释变量的值，β为解释变量的估计系数，ε_ij为模型的随机误差。

5.如权利要求1所述的基于离散选择模型的犯罪者作案地识别方法，其特征在于，所述作案地选择概率函数为Prob概率函数。

6.如权利要求5所述的基于离散选择模型的犯罪者作案地识别方法，其特征在于，所述Prob概率函数的计算公式为：

其中，Y_i是为第i个犯罪者的选择，x_ij为与第i个犯罪者和第j个社区相关的解释变量的值，β为解释变量的估计系数。