[发明专利]一种案件预测的装置及方法

说明书

技术领域

本发明涉及计算机技术领域，尤指一种案件预测的装置及方法。

背景技术

随着科技的迅速发展，公安信息建设也随之快速发展。而案件数量的准确预测往往对警力的合理部署、总量需求、时段用警、岗位设置、专业要求、工种分配、区域调剂以及文员置换、辅警协助等等具有很高的指导意义。同时地方政府也可以根据案件数量的变化来揭示案件发生的深层原因，进而为政府的决策提供一个非常有价值的参考。

目前在公安行业中，案件数量预测的主要方法是基于时间序列分析、空间定位分析进行的。即为根据历史案件数量，及案件的发生地点，预测出犯罪案件高发地在某一段时间的案件数量。但是，随着社会交通设施与信息化的迅速发展，人、财、物、信息流动性较大，跨地区、大范围的流窜作案日益凸显。由于上述方法仅是利用时间序列分析、空间定位分析进行预测的，并未考虑其他影响因素，因此上述预测案件数量的方法不够准确。

发明内容

为了解决上述技术问题，本发明提供了一种案件预测的装置及方法，能够提高案件数量预测的准确度。

为了达到本发明目的，本发明提供了一种案件预测的装置，包括：确定单元，用于接收预测指令，并根据所述预测指令确定至少一个影响因素；根据所述至少一个影响因素，确定所述至少一个影响因素的影响权重；获取单元，用于获取所述至少一个影响因素的历史值；所述确定单元，还用于根据所述获取单元获取的所述至少一个影响因素的历史值，利用时间序列模型，确定出所述至少一个影响因素的预测值；预测单元，用于根据所述确定单元确定出的所述至少一个影响因素的影响权重及所述至少一个影响因素的预测值，预测出犯罪案件数量。

可选地，所述确定单元，具体用于确定n个历史犯罪案件数量，至少一个影响因素的n个历史值；根据所述n个历史犯罪案件数量，至少一个影响因素的n个历史值，利用批处理梯度下降法，确定所述至少一个影响因素的影响权重；n为大于0的整数。

可选地，所述确定单元，具体用于根据所述n个历史犯罪案件数量，至少一个影响因素的n个历史值，利用公式：确定所述至少一个影响因素的影响权重；其中，j为大于0的整数，θ_j表示第j个影响因素的影响权重，α表示梯度，表示第i个历史犯罪案件数量；h_θ(x⁽ⁱ⁾)表示第i个预测的犯罪案件数量，表示第j个影响因素的第i个历史值，n表示历史犯罪案件数量的个数，并表示影响因素的历史值的个数，i为大于0，且小于等于n的整数。

可选地，所述预测单元，具体用于根据确定出的所述至少一个影响因素的影响权重及所述至少一个影响因素的预测值，利用公式：预测出犯罪案件数量；其中，y与h_θ(x)均表示预测的犯罪案件数量，θ₀表示系统常量，θ_j表示影响因素x_j的影响权重，x_j表示第j个影响因素，m为影响因素的个数，ε表示随机误差。

可选地，预测指令中携带有至少一个推测因素；所述确定单元，具体用于获取n个历史犯罪案件数量；根据获取的所述n个历史犯罪案件数量，在所述至少一个推测因素中确定至少一个影响因素。

进一步地，本发明提供了一种案件预测的方法，包括：接收预测指令，并根据所述预测指令确定至少一个影响因素；根据所述至少一个影响因素，确定所述至少一个影响因素的影响权重；获取所述至少一个影响因素的历史值，并根据获取的所述至少一个影响因素的历史值，利用时间序列模型，确定出所述至少一个影响因素的预测值；n为大于0的整数；根据确定出的所述至少一个影响因素的影响权重及所述至少一个影响因素的预测值，预测出犯罪案件数量。

可选地，所述根据所述至少一个影响因素，确定所述至少一个影响因素的影响权重包括：确定n个历史犯罪案件数量，至少一个影响因素的n个历史值；根据所述n个历史犯罪案件数量，至少一个影响因素的n个历史值，利用批处理梯度下降法，确定所述至少一个影响因素的影响权重。