论文部分内容阅读
随着我国城市的快速扩张与发展,城市人口迅速增加,财富日益集中,违法犯罪行为逐渐成为影响市民安全的一个重要因素。因此,深入研究违法犯罪案件的特点具有重要的实际应用价值。本文对当前国内外犯罪研究的现状进行了概括和总结,在此基础上,以上海市长宁区2015年的偷盗三车与扒窃拎包案件为例,基于地理信息技术进行犯罪时空分布模式以及犯罪关联分析与预测的研究,揭示了这两类案件的时空分布规律,并在一定的时空尺度上预测了犯罪发展的趋势。论文的主要研究成果如下:(1)通过统计分析各个时间尺度上的案件数量,分别得出这两类案件在每个月、一星期中的每一天、一天中的各时间段与各时刻上的分布变化规律,以及天气因素、节假日因素对案发数量的整体影响。(2)利用最邻近指数与Ripley’K统计这两种聚类分析方法识别案件点的空间聚集模式,结果表明这两类案件在空间上均是聚集分布的,即存在犯罪热点。另一方面,核密度估计法是基于数据自身的特点来研究其具体形态分布的非参数估计方法,本文采用核密度估计法直观地显示案件点在空间上的聚集分布情况。把一年按季节划分为春、夏、秋、冬四个时间段,结合每个季节的特征,通过分析得出这两类案件在各个季节的空间聚集分布情况与变化趋势。(3)关联规则就是在同一事件数据库中探寻各个不同项之间的相关性,本文选取经典的关联规则挖掘算法Apriori算法对偷盗三车与扒窃拎包案件进行时空关联分析。在时间尺度上,把一天按每8个小时划分为一个时间段,即分为07-14时、15-22时、23-06时这三个时间段;在空间尺度上,划分为覆盖整个研究区域的500m*500m的网格。利用Apriori算法挖掘这两类案件的犯罪类型与时间和空间之间存在的关联关系,根据得出的满足最小支持度、置信度与提升度阈值的强规则进行犯罪时空预测,即预测在哪个时间段、哪些网格区域中较易发生某种类型的犯罪。最后利用实际案发数据验证其预测效果,并与基于GIS软件的统计预测结果进行对比分析,结果表明,利用关联规则进行预测的效果优于统计分析得到的预测效果。研究结果表明,通过在一定的时间与空间尺度上进行犯罪分析与预测研究,可为相关部门在制定警力部署与巡逻方案时提供一些建议,同时为我国在具体时空尺度上的犯罪研究提供一定的参考。