犯罪预测是指运用科学方法对现有的历史犯罪数据与可能对犯罪产生影响的各种相关数据的分析与研究,对未来特定时空范围内可能出现的犯罪现象的状态与发展趋势预先推测或测定,高精度的犯罪预测可以为犯罪预防战略和战术措施的制定提供重要的科学保证。本文结合出租车数据提出了一种空间权重矩阵构建方法。在此基础上,采用时空自回归移动平均模型进行犯罪预测。此外,时空自回归移动平均模型无法拟合犯罪时空序列中的非线性特征,本文提出了一种基于神经网络的犯罪时空预测模型。本文的主要工作如下。(1)随着交通的发展和人类出行活动的频繁,区域之间的邻近关系不仅仅是空间位置上的邻近了。本文结合出租车出行数据与地图结构信息设计一种空间权重矩阵构建方法,该方法对区域之间的距离关系进行重新定义,以更好地体现出犯罪在空间上的邻近传播性质。(2)基于所设计的空间权重矩阵,使用STARMA模型进行犯罪预测。实验验证了算法的有效性。(3)由于时空自回归移动平均模型属于线性模型,无法捕捉到犯罪时空序列中的非线性特征。本文结合所设计的空间权重矩阵,提出了一种基于神经网络的犯罪时空预测模型。实验表明该模型能够在一定程度上提高犯罪预测的准确度。最后,对全文进行总结,并对进一步的研究提出一些展望。