[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

说明书

本发明公开了一种基于离散选择模型的犯罪者作案地识别方法，主要应用于公共安全和犯罪地理的技术领域。该方法融合了警情数据和抓捕数据、POI数据和手机信令数据等多源时空数据，基于离散选择模型原理，增加人群流动环境、犯罪防控环境等数据对犯罪者作案地的量化模型进行了精度优化。相比基本模型，全模型对犯罪者作案地选择的拟合精度提高了8.63％。此方法还通过效应函数和概率函数来计算犯罪者对作案地社区的预期效应以及犯罪者作案地选择的概率，从而准确识别出犯罪者对作案地选择的偏好。采用本发明提供的实施例，能够实现对犯罪者作案地选择精准识别，提高了识别的有效性和准确性，并对警务防控具有重要的参考作用。

技术领域

本发明涉及公共安全和犯罪地理技术领域，尤其涉及一种基于离散选择模型的犯罪者作案地识别方法。

背景技术

如何创造公众安全、社会稳定、优质高效的社会环境，一直是中国社会治安综合治理的主要挑战。在我国当前城市化过程中，如何吸取过去大量的经验和教训，运用大数据分析犯罪者的选择行为，从中找出规律或趋势，并进行犯罪防控，以解决犯罪问题的传统思路，是社会各界所关注的焦点。

离散空间选择模型(Discrete Spatial Choice Modling)广泛用于分析微观经济学中的选择行为。它以随机效用为理论基础，设想一个决策者必须对一组离散的选择做出一个选择。同时，决策者评估每个可替代选择的相对效用。考虑到作案地选择与以上选择类似，Bernasco和Nieuwbeerta将该方法引入到犯罪研究领域，并验证了荷兰海牙地区入室盗窃者的作案地选择。随后，Clare，Baudains，Johnson，Bernasco等学者研究采用这种方法对一系列犯罪类型进行了分析。

然而，整体而言，国内外关于作案地选择的研究仍存在部分不足之处,如在影响因素的验证分析方面，缺乏考虑人群流动环境和社区犯罪防控的影响，导致模型对犯罪者作案地选择的拟合度较差。在如何优化模型、提高拟合精度和有效识别犯罪者作案地选择偏好是一个亟待解决的问题。

发明内容

本发明实施例的目的是提供一种基于离散选择模型的犯罪者作案地识别方法，能够实现对犯罪者作案地选择精准识别，提高了识别的有效性和准确性，并对警务防控具有重要的参考作用。

为实现上述目的，本发明实施例提供了一种基于离散选择模型的犯罪者作案地识别方法，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，生成各社区的社区属性集；

获取所述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；

通过对所述模型样本进行共线性诊断处理，得到符合要求的变量，并通过离散选择模型拟合所述犯罪者作案地选择偏好，得到所述犯罪者作案地选择的预期效应，以及识别所述犯罪者实行作案能够获得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。

进一步的，所述多源时空数据包括原始的公安部门数据、手机信令数据、人口普查数据。

进一步的，所述对所述多源时空数据进行集成处理，具体为：

根据所述手机信令数据，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；