[发明专利]基于G函数和改进KD树的犯罪大数据点模式分析方法

摘要

本发明公开了一种基于G函数和改进KD树并行计算的犯罪大数据点模式分析方法，本发明针对当下犯罪大数据处理的需求，通过将改进的KD树并行计算结合最邻近距离点模式分析方法(G函数)提供了一种能快速地分析犯罪空间分布模式的方法——基于G函数和改进KD树并行计算的犯罪大数据点模式分析方法。该方法将空间中的犯罪点事件分簇构建KD树，并行计算每个KD树中犯罪点事件的最邻近距离，以起到化整为散，分块并行处理的效果，加快计算效率，提高计算资源的利用率。

主权项

1.一种基于G函数和改进KD树的犯罪大数据点模式分析方法，其特征在于，包括以下步骤：步骤1：数据预处理；输入所有待处理的犯罪事件点坐标，通过聚类算法将点分为若干个点簇，设定阈值用来判断点簇是否过大，如果是则继续进行聚类分簇，直到每个点簇中点的个数适当；然后对每个点簇采用并行计算策略建立KD树；步骤2：搜索最邻近点；对于每个计算点查询其所在的簇，并确定该簇所在的KD树；之后在KD树中搜索得到所有点最邻近的点，并计算出最邻近距离d_min，直到所有输入的点都计算完毕，得到所有点的最邻近距离；步骤3：计算G函数；将得到的所有点最邻近距离按照大小排序，计算最邻近距离的变程R和组距D，其中R＝max(d_min)‑min(d_min)，根据组距上限值累积计数点的数量，并计算累积频率G(d)；步骤4：进行显著性检验并得到分析结果；若计算结果满足显著性检验指标，输出G(d)关于距离d的曲线图，判断点数据的空间分布模式；随着距离d的变化，犯罪事件统计频率发生变化，如果点事件在空间中趋向聚集分布，G函数值会在较短的距离内快速上升；如果点模式中事件趋向分散分布的，那么G函数值增加得就比较缓慢。