[发明专利]基于时空数据和神经网络的犯罪案件数量预测方法在审
| 申请号： | 201910973743.X | 申请日： | 2019-10-14 |
| 公开（公告）号： | CN110750609A | 公开（公告）日： | 2020-02-04 |
| 发明（设计）人： | 董齐芬;缪秦峰;李国军;郑滋椀;展万程;王亢 | 申请（专利权）人： | 浙江警察学院 |
| 主分类号： | G06F16/29 | 分类号： | G06F16/29;G06N3/04;G06N3/08;G06Q50/26 |
| 代理公司： | 33241 杭州斯可睿专利事务所有限公司 | 代理人： | 王利强 |
| 地址： | 310053 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于时空数据和神经网络的犯罪案件数量预测方法，首先，在传统的距离计算基础上，利用出租车流量数据，重新计算区域之间的邻近关系；然后，考虑犯罪在时间和空间上均具有邻近传播的性质，以区域及其邻近区域在当前及过去一段时间的犯罪案件数量作为输入，以该区域在下一个时间段的犯罪案件数量作为输出，为每个区域构建一个BP神经网络模型；通过训练每个区域的BP神经网络和计算测试集的平均绝对误差，确定较优的邻近区域的范围、过去时间段的范围及神经网络隐藏层的节点数。本发明模型合理，使用犯罪记录数据和出租车流量数据并从时空角度进行分析，提高了犯罪案件数量预测的准确度，为优化部署每个区域的巡逻警力提供指导。 | ||
| 搜索关键词： | 犯罪案件 邻近区域 流量数据 神经网络 数量预测 时间段 出租车 邻近 平均绝对误差 准确度 犯罪记录 计算测试 距离计算 区域构建 时空数据 重新计算 传统的 节点数 隐藏层 时空 输出 巡逻 传播 优化 部署 犯罪 分析 | ||
【主权项】：
1.一种基于时空数据和神经网络的犯罪案件数量预测方法，其特征在于：该方法包括以下步骤：/n(1)根据当地的巡逻或管理辖区的划分，将研究的地区进行地理空间分割，所述的巡逻或管理辖区称为“区域”，用M表示所述区域的个数；/n(2)将每个所述区域内的犯罪记录数据划分为相同时间间隔的时间序列，并构建测试集和训练集，所述时间间隔由用户按需设定；/n(3)为每个所述区域i构建一个BP神经网络模型。所述BP神经网络模型由一个输入层、一个隐藏层和一个输出层构成。其中，输入向量是由该所述区域i和它的m个邻近区域在时间段s及过去n个时间段(即s-1,s-2,…,s-n)的犯罪案件数量组成的，输出是该所述区域在时间段s+1的犯罪案件数量，隐藏层的节点数为c；/n(4)分别使用训练集和测试集来训练和测试每个所述区域的BP神经网络模型；/n(5)对于每个所述区域，使用所述步骤(4)中训练完成的所述该区域的BP神经网络模型来预测该所述区域在下一个时间段的犯罪案件数量。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江警察学院，未经浙江警察学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910973743.X/，转载请声明来源钻瓜专利网。
