论文部分内容阅读
【摘要】本文基于大数据的数据资源和技术手段，通过数据分析、总结归纳建立治安状况影响因素体系。经过进一步的定性和定量评价分析，实现对治安状况影响区域的预测和重点防部区域的划定，为派出所治安岗亭的布点规划提供科学依据。
【关键词】 大数据;公安设施;治安岗亭;治安影响;布点
【DOI】10.12334/j.issn.1002-8536.2021.
18.
派出所治安岗亭是公安机关重要的基层基础设施，在快速反应、维护治安、服务群众等方面具有重要作用。运用热力图、POI、警情数据等大数据资源与技术进行治安岗亭设施布点规划，为其他城市专项布点规划研究提供有益的参考。
1、数据来源与研究方法
1.1 数据来源
本次研究主要包含一个中等城市的三类数据：公安局提供的警情数据、百度地图POI、百度人口热力图数据。
1.2 研究方法
本次研究综合运用POI数据采集法、百度热力地图采集法进行数据采集，运用Geocoding（地址匹配）空间定位技术编码法、网络空间核密度估算法进行数据处理，运用层次分析法、基于GIS空间分析法进行数据分析，定性与定量相结合，确定和评价治安状况影响因素和体系，根据评价与预测结果进行布点规划。
2、基于大数据的现状警情分析
2.1 警情大数据热力分布研究
本次研究将5万多条市区警情的案件基本信息进行导入，利用Geocoding和核密度估计法进行转换和数据处理，使警情分布以高热区、中热区和低热区分类可视化呈现成结果显示（如图1左），警情热力分布基本覆盖了大部分商业区和居住区，居住越集中、建成时间越久的区域，热度分布范围就越大，热度等级也越高。
2.2 人口聚集度与警情分布关系分析
本次研究利用自编程序技术对百度热力图进行定时截取，截取时段为人群活动主要活跃时间7：00-24：00，每半小时一次，共计130张。利用GIS工具对这些数据的最高热度值进行叠加处理，得到的结果显示（如图1右）：高热区主要集中在商业综合体、大型商业区、客运枢纽站、大中专院校;中热区主要集中在城区级商业中心、成熟居住区;低热区主要集中在有一定入住率的居住小区、城中村。将人口聚集热力分布与警情分布熱力分布进行叠加对比分析显示（如图1所示）：两者高、中热区的契合度很高，可见人口集聚度与警情发案数有直接关系，人口集聚度越高则发案数越高。
2.3 POI分布与警情分布关系分析
利用百度地图POI数据，通过核密度估计法对研究区域内点密度空间变化进行分析，并与警情热力分布进行对比，其中市场、购物、餐饮、娱乐场所的POI密度分布与警情热力分布契合度较大，表明这些区域对治安状况有较大影响。
2.4 现状市区治安重点防部区域分析
现状治安重点防部区域即1分钟反应圈，即警方在1分钟内快速反应并到场处置的区域。重点防部区以商业区、公园、广场、火车站、市政府等人流高度密集区域为主。将其与部分警情热力分布进行对比分析，两者存在高度重合，表明警情严重高发区域已经得到公安部门的高度重视，对此进行重点防部的现实情况。
3、派出所治安岗亭的布点规划分析
3.1 治安状况影响评价及预测
（1）治安影响因素体系的建立与赋值
综合以上分析结果，总结归纳出对治安状况影响较大或对治安需求较大的多种因素，并根据重要程度定性取值，形成“两级四型”治安影响因素体系（表1）。
（2）治安影响因素权重的调整
采用层次分析法（AHP）法进行更为科学合理的权重调整。通过“YAAHP”软件建立层次结构模型，构造判断矩阵，再逐步分层比较、计算各因素，最终得到不同因素的权重。
（3）治安状况影响区预测
根据治安影响因素权重与评价模型，对各个因素进行评价后得到栅格评价图，再运用 ArcToolbox中的空间分析工具对所有影响因素评价的栅格数据做叠加加权处理，得到治安状况影响区预测分布。
3.2 重点防部区域的划定
结合治安状况影响区预测结果、城市控制性详细规划用地情况，根据治安防部的重要程度划定三个等级的防部区：一级防部区小于直径1公里，分布于城市人口集聚度最高、人流量最大、政府核心办公区域;二级防部区小于直径3公里，分布于城市人口集聚度高、人流量大、高发案以及中小学、城区级公服设施等重保区域;三级防部区小于直径5公里，主要分布在有一定人口集聚度的区域。
3.3 派出所治安岗亭布点规划
根据重点防部区域的划定结果，结合其他警务设施的分布等情况，可对派出所治安岗亭作以下布点规划（图2）：每个一级防部区内布点一到两个治安岗亭;大部分二级防部区内布点治安岗亭;少量未设置其他公安设置的三级防部区内根据其他公安设施分布情况补充性布点治安岗亭。
结语：
本次研究得益于大数据背景下成熟技术方法的广泛运用，确定治安影响因素和评价治安影响因素体系的重要依据，为进一步定量评价和预测、规划布点奠定了重要基础。
参考文献：
[1]王婵媛.我国特大城市基层派出所规划设置问题研究[D].首都经济贸易大.
【关键词】 大数据;公安设施;治安岗亭;治安影响;布点
【DOI】10.12334/j.issn.1002-8536.2021.
18.
派出所治安岗亭是公安机关重要的基层基础设施，在快速反应、维护治安、服务群众等方面具有重要作用。运用热力图、POI、警情数据等大数据资源与技术进行治安岗亭设施布点规划，为其他城市专项布点规划研究提供有益的参考。
1、数据来源与研究方法
1.1 数据来源
本次研究主要包含一个中等城市的三类数据：公安局提供的警情数据、百度地图POI、百度人口热力图数据。
1.2 研究方法
本次研究综合运用POI数据采集法、百度热力地图采集法进行数据采集，运用Geocoding（地址匹配）空间定位技术编码法、网络空间核密度估算法进行数据处理，运用层次分析法、基于GIS空间分析法进行数据分析，定性与定量相结合，确定和评价治安状况影响因素和体系，根据评价与预测结果进行布点规划。
2、基于大数据的现状警情分析
2.1 警情大数据热力分布研究
本次研究将5万多条市区警情的案件基本信息进行导入，利用Geocoding和核密度估计法进行转换和数据处理，使警情分布以高热区、中热区和低热区分类可视化呈现成结果显示（如图1左），警情热力分布基本覆盖了大部分商业区和居住区，居住越集中、建成时间越久的区域，热度分布范围就越大，热度等级也越高。
2.2 人口聚集度与警情分布关系分析
本次研究利用自编程序技术对百度热力图进行定时截取，截取时段为人群活动主要活跃时间7：00-24：00，每半小时一次，共计130张。利用GIS工具对这些数据的最高热度值进行叠加处理，得到的结果显示（如图1右）：高热区主要集中在商业综合体、大型商业区、客运枢纽站、大中专院校;中热区主要集中在城区级商业中心、成熟居住区;低热区主要集中在有一定入住率的居住小区、城中村。将人口聚集热力分布与警情分布熱力分布进行叠加对比分析显示（如图1所示）：两者高、中热区的契合度很高，可见人口集聚度与警情发案数有直接关系，人口集聚度越高则发案数越高。
2.3 POI分布与警情分布关系分析
利用百度地图POI数据，通过核密度估计法对研究区域内点密度空间变化进行分析，并与警情热力分布进行对比，其中市场、购物、餐饮、娱乐场所的POI密度分布与警情热力分布契合度较大，表明这些区域对治安状况有较大影响。
2.4 现状市区治安重点防部区域分析
现状治安重点防部区域即1分钟反应圈，即警方在1分钟内快速反应并到场处置的区域。重点防部区以商业区、公园、广场、火车站、市政府等人流高度密集区域为主。将其与部分警情热力分布进行对比分析，两者存在高度重合，表明警情严重高发区域已经得到公安部门的高度重视，对此进行重点防部的现实情况。
3、派出所治安岗亭的布点规划分析
3.1 治安状况影响评价及预测
（1）治安影响因素体系的建立与赋值
综合以上分析结果，总结归纳出对治安状况影响较大或对治安需求较大的多种因素，并根据重要程度定性取值，形成“两级四型”治安影响因素体系（表1）。
（2）治安影响因素权重的调整
采用层次分析法（AHP）法进行更为科学合理的权重调整。通过“YAAHP”软件建立层次结构模型，构造判断矩阵，再逐步分层比较、计算各因素，最终得到不同因素的权重。
（3）治安状况影响区预测
根据治安影响因素权重与评价模型，对各个因素进行评价后得到栅格评价图，再运用 ArcToolbox中的空间分析工具对所有影响因素评价的栅格数据做叠加加权处理，得到治安状况影响区预测分布。
3.2 重点防部区域的划定
结合治安状况影响区预测结果、城市控制性详细规划用地情况，根据治安防部的重要程度划定三个等级的防部区：一级防部区小于直径1公里，分布于城市人口集聚度最高、人流量最大、政府核心办公区域;二级防部区小于直径3公里，分布于城市人口集聚度高、人流量大、高发案以及中小学、城区级公服设施等重保区域;三级防部区小于直径5公里，主要分布在有一定人口集聚度的区域。
3.3 派出所治安岗亭布点规划
根据重点防部区域的划定结果，结合其他警务设施的分布等情况，可对派出所治安岗亭作以下布点规划（图2）：每个一级防部区内布点一到两个治安岗亭;大部分二级防部区内布点治安岗亭;少量未设置其他公安设置的三级防部区内根据其他公安设施分布情况补充性布点治安岗亭。
结语：
本次研究得益于大数据背景下成熟技术方法的广泛运用，确定治安影响因素和评价治安影响因素体系的重要依据，为进一步定量评价和预测、规划布点奠定了重要基础。
参考文献：
[1]王婵媛.我国特大城市基层派出所规划设置问题研究[D].首都经济贸易大.