论文部分内容阅读
随着社会的不断发展,人们的生活发生翻天覆地的变化,同时各种社会矛盾也不断显现。犯罪是社会发展中的沉重话题,犯罪行为会危害人类生命财产安全和扰乱社会秩序,其数量也在逐年上升。学者们通过研究发现,犯罪活动在时间维或空间维上并不是完全随机的,而是具有一定的分布规律。采用适当的研究方法能得出犯罪活动的时空分布特征,为公安人员在工作中提供重要的情报信息,这不仅关系到相关工作业务的效果评估和警力资源的部署,还会影响到治安防控策略的制定与实施。本文在总结国内外犯罪时空分布特征研究现状以及关键技术的基础上,利用空间自相关、自组织映射和时间序列分析等方法,研究福州市盗窃案件的时空分布特征,分析结果能为公安人员在办案、合理分配警力资源等提供决策支持。主要研究内容和特色如下：(1)提出犯罪时空分布特征研究的技术路线,包括基于面域统计数据的犯罪聚类分析与可视化、基于案发点数据的犯罪聚类分析和犯罪热点识别,以及犯罪时间序列预测分析。(2)基于面域统计数据进行犯罪时空分布与可视化研究。首先对基于福州市主城区各派出所辖区的面域数据进行空间自相关分析,先利用全局空间自相关方法分析案件是否为聚集状态,若为聚集,再利用局部空间自相关方法分析各辖区案件具体的聚集情况。然后基于各派出所辖区内的不同类型盗窃案件数据,采用自组织映射和U型矩阵方法进行时空多维可视化分析,分析结果能够帮助公安人员理解复杂的多维案件数据中隐含的案件分布特征。(3)基于案发点数据进行层次聚类分析、核密度估算。以福州市主城区为例,通过层次聚类分析能够分层级地表达案件分布规律,通过核密度估算表达犯罪分布的连续变化和精确的集聚中心,并对两种分析结果进行比较。研究结果清晰地表达了研究区的犯罪空间分布状况。(4)犯罪时间序列预测分析。采用求和自回归滑动平均模型(ARIMA),利用已发案件的数量分布预测未来的犯罪数量,结果显示预测值与实际值较为相符。