一种基于时空聚类统计进行城市犯罪风险评估的方法技术

本发明专利技术公开了一种基于时空聚类统计进行城市犯罪风险评估的方法，属于时空事件聚类分析方法领域。本发明专利技术首先收集城市犯罪数据生成城市犯罪数据库；然后根据数据库中数据，给数据库中每个区域和时间周期内的数据添加辅助数据；再通过时空凝聚式聚类算法和混合泊松对数线性模型进行处理；最后通过决策规则判断风险。本发明专利技术与现有技术相比，本发明专利技术使用时空凝聚式聚类算法和混合泊松对数线性模型对数据进行处理，并通过决策规则对处理结果进行判断，减少了城市犯罪风险图的过度平滑对估计结果的影响，提高了估计结果的准确性。

A Method of Urban Crime Risk Assessment Based on Spatio-temporal Clustering Statistics

The invention discloses a method for urban crime risk assessment based on spatiotemporal clustering statistics, which belongs to the field of spatiotemporal event clustering analysis method. The invention first collects urban crime data and generates urban crime database; then adds auxiliary data to the data in each region and time cycle of the database according to the data in the database; then processes the data by spatiotemporal clustering algorithm and mixed Poisson logarithmic linear model; and finally judges the risk by decision rules. Compared with the prior art, the method uses space-time cohesive clustering algorithm and mixed Poisson logarithmic linear model to process data, and judges the processing results by decision rules, which reduces the influence of excessive smoothing of urban crime risk map on the estimation results and improves the accuracy of the estimation results.

【技术实现步骤摘要】
一种基于时空聚类统计进行城市犯罪风险评估的方法
本专利技术涉及一种基于时空聚类统计进行城市犯罪风险评估的方法，属于时空事件聚类分析方法领域。
技术介绍
在当今社会，各类城市犯罪的排查及其预测中，时空聚类统计方法通常被用作各类城市犯罪爆发的早期风险评估中，许多警务人员通过该方法在海量的数据中挖掘隐藏在数据背后的关联性，通过对于这些数据之间关联性的解读，得到区域单位数据的城市犯罪风险图，该风险图通常是通过具有局部空间平滑的泊松混合模型来估计的，然而，该模型存在的缺陷是，局部不连续点通常不被模拟，热或冷点区域聚类被屏蔽，导致城市犯罪风险图的过度平滑，造成预警准确性的下降。
技术实现思路
为了克服现有技术的不足，本专利技术的目的在于一种基于时空聚类统计进行城市犯罪风险评估的方法。本专利技术是在提升城市犯罪预警时空统计聚类的结果准确率上，主要为提高时空统计聚类结果的准确性，使用时空凝聚式聚类算法以及混合的泊松对数线性模型对城市犯罪数据进行处理从而提升城市犯罪风险评估的准确性。本专利技术采用的技术方案是：一种基于时空聚类统计进行城市犯罪风险评估的方法，包括如下步骤：Step1:收集城市犯罪数据生成城市犯罪数据库；Step2:获取数据库中数据，并给数据库中每个区域和时间周期内的数据添加辅助数据；Step3:对Step2中经过处理的数据，使用时空凝聚式聚类算法进行处理；Step4:对Step3中处理过的数据，利用混合泊松对数线性模型进行分析；Step5:对Step4中的分析结果利用决策规则判断风险；Step6:根据Step5中的判别结果对城市犯罪风险进行估计。具体地，所述步骤Step2中，添加的辅助数据是来自具有类似时空风险模式的城市犯罪。具体地，所述步骤Step3中，时空凝聚式聚类算法的具体实施步骤是：S1:构造一个初始聚类配置,Ch＝{Ch(1),…,Ch(nT)},其中h＝nT，每个区域时间段Ait是一种单独的时空聚类；S2:计算h×h矩阵中聚类之间的距离,聚类中至少包含元素Ait和Ajs中的一副元素，Ait和Ajs是空间邻近地区在同一时间(i～jandt＝s),或同一地区相邻时间点(i～jand|t-s|＝1)的元素；S3:将两个具有最小距离聚类的时空单位合并，形成一个新的聚类结构Ch-1；S4:重复进行S2与S3步骤；S5:当所有的时空单元被合并在一个新的时空聚类中时，算法结束。具体地，所述步骤Step4中，混合泊松对数线性模型既有固定聚类效应，也有随机聚类效应，根据给定的时空聚类配置Ck＝{Ck(1),…,Ck(k)}，基于模型选择标准选择最好的聚类结构。具体地，所述固定聚类效应为：Oit|rit～Poisson(Eitrit)fori＝1,…,n；t＝1,…,T,其中ξi和γt是空间和时间结构随机效应、β1,…,βk是与每个时空聚类相关的固定效应，LCAR先验将假设为空间效应ξ，RW1先验将假设为时间效应γ，N(0,10先验是固定效应βjs。具体地，所述随机聚类效应为：log(rit)＝α+ξi+γt+δj(it)其中，子索引j(it)表示聚类Ck(j)区域—时间单位Ait所属的区域。具体地，所述步骤Step5中，决策规则为：如果后验概率大于0.95(P(δj(it)＞0|O)＞0.95),时空聚类被认为是一个高风险聚类；如果后验概率小于0.05(P(δj(it)＞0|O)＜0.05)，那么该时空聚类就被认为是一个低风险聚类。本专利技术的有益效果是：本专利技术提出一种基于时空聚类统计进行城市犯罪风险评估的方法。使用时空凝聚式聚类算法以及混合的泊松对数线性模型对城市犯罪数据进行处理从而提升城市犯罪风险评估的准确性。附图说明图1是本专利技术流程示意图。具体实施方式下面结合附图和具体实施方式，对本专利技术作进一步的说明实施例1：如图1所示，一种基于时空聚类统计进行城市犯罪风险评估的方法，包括如下步骤：Step1:收集城市犯罪数据生成城市犯罪数据库；Step2:获取数据库中数据，并给数据库中每个区域和时间周期内的数据添加辅助数据；Step3:对Step2中经过处理的数据，使用时空凝聚式聚类算法进行处理；Step4:对Step3中处理过的数据，利用混合泊松对数线性模型进行分析；Step5:对Step4中的分析结果利用决策规则判断风险；Step6:根据Step5中的判别结果对城市犯罪风险进行估计。进一步地，；所述步骤Step2中，添加的辅助数据是来自具有类似时空风险模式的城市犯罪。进一步地，；所述步骤Step3中，时空凝聚式聚类算法的具体实施步骤是：S1:构造一个初始聚类配置,Ch＝{Ch(1),…,Ch(nT)},其中h＝nT，每个区域时间段Ait是一种单独的时空聚类。S2:计算h×h矩阵中聚类之间的距离,聚类中至少包含元素Ait和Ajs中的一副元素，Ait和Ajs是空间邻近地区在同一时间(i～jandt＝s),或同一地区相邻时间点(i～jand|t-s|＝1)的元素；S3:将两个具有最小距离聚类的时空单位合并，形成一个新的聚类结构Ch-1；S4:重复进行S2与S3步骤；S5:当所有的时空单元被合并在一个新的时空聚类中时，算法结束。进一步地，；所述步骤Step4中，混合泊松对数线性模型既有固定聚类效应，也有随机聚类效应，根据给定的时空聚类配置Ck＝{Ck(1),…,Ck(k)}，基于模型选择标准选择最好的聚类结构。进一步地，对于混合泊松对数线性模型，所述固定聚类效应为：Oit|rit～Poisson(Eitrit)fori＝1,…,n；t＝1,…,T,其中ξi和γt是空间和时间结构随机效应、β1,…,βk是与每个时空聚类相关的固定效应，LCAR先验将假设为空间效应ξ，RW1先验将假设为时间效应γ，N(0,10先验是固定效应βjs。进一步地，对于混合泊松对数线性模型，所述随机聚类效应为：log(rit)＝α+ξi+γt+δj(it)其中，子索引j(it)表示聚类Ck(j)区域—时间单位Ait所属的区域。进一步地，所述的进行城市犯罪风险评估的方法，其特征在于：所述步骤Step5中，决策规则为：如果后验概率大于0.95(P(δj(it)＞0|O)＞0.95),时空聚类被认为是一个高风险聚类；如果后验概率小于0.05(P(δj(it)＞0|O)＜0.05)，那么该时空聚类就被认为是一个低风险聚类。以上结合附图对本专利技术的具体实施方式作了详细说明，但是本专利技术并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本专利技术宗旨的前提下作出各种变化。本文档来自技高网...

【技术保护点】
1.一种基于时空聚类统计进行城市犯罪风险评估的方法，其特征在于：包括如下步骤：Step1：收集城市犯罪数据生成城市犯罪数据库；Step2：获取数据库中数据，并给数据库中每个区域和时间周期内的数据添加辅助数据；Step3：对Step2中经过处理的数据，使用时空凝聚式聚类算法进行处理；Step4：对Step3中处理过的数据，利用混合泊松对数线性模型进行分析；Step5：对Step4中的分析结果利用决策规则判断风险；Step6：根据Step5中的判别结果对城市犯罪风险进行估计。

【技术特征摘要】
1.一种基于时空聚类统计进行城市犯罪风险评估的方法，其特征在于：包括如下步骤：Step1：收集城市犯罪数据生成城市犯罪数据库；Step2：获取数据库中数据，并给数据库中每个区域和时间周期内的数据添加辅助数据；Step3：对Step2中经过处理的数据，使用时空凝聚式聚类算法进行处理；Step4：对Step3中处理过的数据，利用混合泊松对数线性模型进行分析；Step5：对Step4中的分析结果利用决策规则判断风险；Step6：根据Step5中的判别结果对城市犯罪风险进行估计。2.根据权利要求1中所述的一种基于时空聚类统计进行城市犯罪风险评估的方法，其特征在于：所述步骤Step2中，添加的辅助数据是来自具有类似时空风险模式的城市犯罪。3.根据权利要求1中所述的一种基于时空聚类统计进行城市犯罪风险评估的方法，其特征在于：所述步骤Step3中，时空凝聚式聚类算法的具体实施步骤是：S1：构造一个初始聚类配置，Ch＝{Ch(1)，...，Ch(nT)}，其中h＝nT，每个区域时间段Ait是一种单独的时空聚类；S2：计算h×h矩阵中聚类之间的距离，聚类中至少包含元素Ait和Ajs中的一副元素，Ait和Ajs是空间邻近地区在同一时间(i～jandt＝s)，或同一地区相邻时间点(i～jand|t-s|＝1)的元素；S3：将两个具有最小距离聚类的时空单位合并，形成一个新的聚类结构Ch-1；S4：重复进行S2与S3步骤；S5：当所有...

【专利技术属性】
技术研发人员：龙华，杨威，杜庆治，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53