[发明专利]一种基于时空数据融合的犯罪数量预测方法

说明书

一种基于时空数据融合的犯罪案件数量预测方法，首先，将所预测地区进行地理空间分割，形成多个区域，并将所有区域按照位置关系嵌入到一张表格中；将各个区域的POI数量映射进表格并利用二维卷积来提取其中的犯罪空间特征；利用LSTM模型来提取各个区域的历史犯罪数据中的犯罪时间特征；将犯罪时间特征和空间特征拼接，并通过一个全连接层得到各个区域的犯罪数量预测结果。本发明使用犯罪记录数据和POI数据并从时空角度进行分析，提高了犯罪案件数量预测的准确度，为优化部署每个区域的巡逻警力提供指导。

技术领域

本发明涉及犯罪预测领域，尤其是一种基于时空数据融合的犯罪案件数量预测方法。

背景技术

犯罪预测是指，利用过去的犯罪记录来对未来一段时间犯罪发生的热点区域、数量、类型等进行预测分析，也可以对某个地区各个时段的总体犯罪趋势进行预测分析。犯罪预测能为制定犯罪预防战略和战术措施提供重要科学依据。犯罪案件数量预测，即根据犯罪记录数据及其它可用数据预测某区域在未来指定时间段内的犯罪案件数量，可以为优化部署巡逻警力提供指导。

目前国内对于犯罪数量预测主要是基于犯罪逻辑学，利用简单的统计方法来开展。比如，利用犯罪在时间分布上的规律性，根据某地区的历史犯罪记录信息来预测该地区在未来一段时间内的犯罪数量，常用的方法有时间序列分析方法(如 ARMA模型、ARIMA模型等)、线性回归方法等。实际上，犯罪的发生与外部环境密切相关，比如盗窃类犯罪大多集中于商业密集的区域；斗殴伤人类的犯罪大多发生在酒吧、夜总会周边；抢劫类犯罪多发于银行附近。因而将区域的各类POI 数据作为辅助数据来提升预测准确度是一个可行且有意义的问题。

发明内容

为了克服现有犯罪数量预测方法存在数据源单一，且未能很好利用犯罪相关的辅助信息等不足，本发明提供了一种基于时空数据融合的犯罪数量预测方法，使用犯罪记录数据和POI数据并从时空角度进行分析，提高了犯罪案件数量预测的准确度，为优化部署每个区域的巡逻警力提供指导。

本发明解决其技术问题所采用的技术方案是：

一种基于时空数据融合的犯罪数量预测方法，该方法包括以下步骤：

(1)区域划分：将研究的地区进行地理空间分割，形成多个区域，将所有区域按照位置关系嵌入一个表格中；

(2)犯罪数据预处理：统计所述各个区域中的犯罪数量，并进行归一化处理，构建有监督的训练集和测试集；

(3)POI数据预处理：统计所述各个区域的各类POI数量，并进行归一化处理，然后嵌入所述步骤(1)中的表格中并转化为POI张量；

(4)时空特征提取：利用LSTM模型提取所述步骤(2)中犯罪数据集的时间特征Y_lstm，利用二维卷积从所述步骤(3)的POI张量中提取空间特征Y_conv；

(5)时空特征融合与输出：将所述步骤(4)中提取出来的时间特征Y_lstm和空间特征Y_conv转化为一维向量再作拼接，然后通过一个全连接层得到输出，即下一时期的各个区域的犯罪数量估计。

进一步，所述步骤(1)中，区域划分过程如下：

如果预测地区已实行网格化管理，则按照当地的巡逻或管理辖区作为区域划分依据，然后根据各个区域上下左右的相邻关系将区域近似填入一个有I×J个方格的表格中，一个区域对应一个方格；

如果预测地区没有实行网格化管理，则根据地区边界的经纬度来进行简单的网格划分，将所研究地区划分为I×J的网格；

上述I×J的网格中区域的个数用M表示，剩下的(I×J—M)个网格称为“空白网格”。

再进一步，所述步骤(2)中，犯罪数据预处理过程如下：