[发明专利]一种犯罪时空风险预测及决策调度方法和装置

说明书

本发明公开了一种犯罪时空风险预测及决策调度方法和装置，包括以下步骤：S100、获取数据资源并建立相应的数据库；S200、进行数据治理，得到输出数据；S300、基于深度学习的CTR预估模型和输出数据，预估待预测路段未来一周的发案概率；S400、基于待预测路段未来一周的发案概率、感受野筛选器、辖区筛选器、热点迁移规则库和历史案事件数据库，进行正则化，得到修正后的待预测路段未来一周发案概率；S500、进行警力调度和巡控路线规划。本发明可以增强预测模型输入的灵活性，提高系统的可迁移性，增强对预测结果的可解释性，增加预估概率修正模块提高了对预测结果修正的灵活性，增加了调度模块简化对预测结果的研判及调度过程。

技术领域

本发明涉及时空信息处理领域，具体涉及一种犯罪时空风险预测及决策调度方法和装置。

背景技术

现今主流的犯罪时空风险预测系统，主要包含数据治理、未来发案概率预估两大模块。其中数据治理模块会将输入的多源异构数据，处理成概率预估模块可以输入的格式。未来发案概率预估模块接收这些处理过的数据后，进行线上或者线下的训练，在预测模型达到合适的精度后上线并提供实施预测服务，上线后的模型其参数可根据数据实时更新亦可采用离线更新的模式适应数据的变化。

现有技术中，犯罪时空预测的主流技术以基于栅格的预测模型进行未来一定时空内的发案概率预测。这种基于栅格的模式虽然预处理简便，但是并没有考虑空间的异构性，相比于之下，更为合理的分析载体是路网数据。路网是网络空间之外时空信息传输的重要载体之一，犯罪活动在时空上产生，其作案主体在时空上的运动与路网的分布直接相关，而栅格并不能准确反映空间上的邻接关系。

现有的犯罪时空预测系统采用的预测尺度相对偏大，并不利于实际决策指挥调度。为了防止栅格过小造成的数据稀疏问题，大部分的预测系统采用几十米甚至几百米为边长的栅格作为预测单元，这样做的好处是减少了输入数据的稀疏程度从而提升了预测精度，但是缺点是预测的范围过大，造成实际落地应用时难以针对性地巡防布控。

现有的犯罪时空预测系统以发案数量作为评判一个地区风险高低的预测指标，这种指标虽然直观但是对于零样本时空位置而言这一标准并不合理，因为犯罪热点会迁移，这种迁移规律和时空异质性有关，但并不一定在时空上临近。因此对于零样本时空位置的风险预测，现有的犯罪时空预测系统并没有较好的解决方案，且即便模型的预测值出现在零样本地区，也无法给出合理的解释。时空上的风险其实是犯罪机会大小的一种体现，这种案件数量只是犯罪机会的一种表现形式，并不能代表犯罪机会的大小。比如有些地区的发案量虽然不多甚至历史数据中并没有发案记录，但是其环境的隐蔽性和安保条件的落后大大提高了犯罪成功率，一旦罪犯和潜在受害目标同时出现将大概率产生犯罪。因此，除了环境因素外，罪犯和潜在目标的活动也决定了犯罪的发生。对于罪犯的出行方式，环境犯罪学中有犯罪出行理论，其基本思想是罪犯作案的出行距离在一定范围内呈现指数衰减的趋势。这一描述与交通领域中的“引力模型”是类似的。但考虑到现代社会中时空机会对人类出行的影响，距离已经无法成为限制人类出行的唯一因素，对犯罪出行而言，犯罪机会在时空上的分布也是影响罪犯出行的重要因素。2019年，闫小勇与刘二见提出了人类出行统一机会模型，这一模型从时空机会的角度出发建模了人类出行行为，相比于引力模型(类似于犯罪出行中的距离衰减模型)，这一模型的预测效果更好、可解释性更高。因此，用时空环境信息、罪犯潜在出行线路和人的活动信息修正单纯的发案率，相比仅用发案数量表征时空风险的做法更合理。