多尺度時空特徵約束的犯罪預測方法—以入室盜竊為例

《多尺度時空特徵約束的犯罪預測方法—以入室盜竊為例》是依託南京林業大學，由王增利擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：多尺度時空特徵約束的犯罪預測方法—以入室盜竊為例
• 項目類別：青年科學基金項目
• 項目負責人：王增利
• 依託單位：南京林業大學

中文摘要

多尺度犯罪預測是在分析犯罪多個時空尺度特徵的基礎上量化犯罪的分布規律，實現對犯罪的預測。目前對於犯罪分析和預測的研究大多在單一尺度上進行。本項目將以入室盜竊為例，在多個時空尺度上分析犯罪的關聯因子，揭示地理因子與犯罪的關聯關係；研究犯罪的時空分布規律，量化犯罪“聚集-轉移-聚集”的時空過程；挖掘時空犯罪過程的動態特徵，基於分子“吸引-排斥”的原理構建犯罪時空預測模型。研究將犯罪分析從單一尺度推向多個尺度的層面，從數學模型預測推向機理模型預測的層面。研究不僅能加強人們對於犯罪地理機理和時空規律的認識，豐富犯罪地理學的理論和方法，而且在公安實戰和社會安全方面具有較高的實用價值。

結題摘要

多尺度犯罪預測是在分析犯罪多個時空尺度特徵的基礎上量化犯罪分布規律，構建多尺度預測模型，實現對犯罪的預測。目前對於犯罪分析和預測的研究大多在單一尺度上進行。本項目以入室盜竊為例，在小區、街區、街道、區等多個尺度上分析犯罪相關的地理因子，揭示地理因子與犯罪的多尺度關聯特性。與單一尺度的分析相比，多尺度分析結果可有效提升犯罪預測精度。引入了複雜網路參數，分析了犯罪的時空傳播特性，構建了基於熱點的犯罪傳播模型，量化了犯罪發生後周圍的風險變化規律；基於量化結果，模擬分子“吸引—排斥”原理構建了犯罪時空預測模型，並有效提升了犯罪預測精度。研究將犯罪分析從單一尺度研究推向了多尺度的層面，對於加強人們對於犯罪地理規律的認識，豐富犯罪地理學的理論與方法有重要意義。此外，本研究在公安實戰和社會安全方面具有較高的使用價值。