【技术实现步骤摘要】
一种顾及空间异质性和过度离散现象的犯罪风险因素分析方法
本专利技术涉及犯罪活动预测
，尤其是涉及一种顾及空间异质性和过度离散现象的犯罪风险因素分析方法。
技术介绍
由于建成环境和社会人口因素的差异，犯罪活动在空间上的分布往往是不均匀的，具有空间聚集性。在理论上，社会失序理论常被用于解释犯罪活动与社会邻里环境的关系，日常活动理论和犯罪模式理论则被用于解释犯罪活动的空间分布现象。在技术上，可采用非空间回归模型和空间回归模型等分析模型评估犯罪风险因素对犯罪活动的影响。通过对犯罪活动影响因素的回归系数的有效判断，可以对特定区域的日常安全状况进行准确地评估并预测犯罪数量，也可用于评估待指定区域中的警务政策或对政策的有效性，对警务工作具有重要的意义。在统计分析中，普通最小二乘法(OLS)早已被用来定量分析犯罪与影响因素之间的关系。在犯罪研究中通常把不连续的数据类型如案件量作为因变量，而OLS模型假设因变量是连续型变量。因此，相较于OLS模型，泊松模型和负二项模型更适于犯罪建模，但上述方法都是基于全局的回归分析方法，...
【技术保护点】
1.一种顾及空间异质性和过度离散现象的犯罪风险因素分析方法，其特征于，包括：/n获取设定区域内每一个派出所辖区的入室盗窃警情数据，根据所述警情数据获取每一个所述派出所辖区的入室盗窃案件量和每一个所述派出所辖区质心的地理坐标；/n获取每一个所述派出所辖区的家庭户数；/n获取与入室盗窃相关的初始环境因素数据，对所述初始环境因素数据进行共线性诊断，筛选出相关性不强的环境因素，并对所述相关性不强的环境因素数据进行标准化处理，用于构建地理加权负二项模型；/n以派出所辖区为分析单元，入室盗窃案件量为建模对象，根据所述地理坐标、所述家庭户数、所述环境因素数据构建地理加权负二项模型，并交替...
【技术特征摘要】
1.一种顾及空间异质性和过度离散现象的犯罪风险因素分析方法，其特征于，包括：
获取设定区域内每一个派出所辖区的入室盗窃警情数据，根据所述警情数据获取每一个所述派出所辖区的入室盗窃案件量和每一个所述派出所辖区质心的地理坐标；
获取每一个所述派出所辖区的家庭户数；
获取与入室盗窃相关的初始环境因素数据，对所述初始环境因素数据进行共线性诊断，筛选出相关性不强的环境因素，并对所述相关性不强的环境因素数据进行标准化处理，用于构建地理加权负二项模型；
以派出所辖区为分析单元，入室盗窃案件量为建模对象，根据所述地理坐标、所述家庭户数、所述环境因素数据构建地理加权负二项模型，并交替采用改进的迭代加权最小二乘法对所述地理加负二项模型的参数β(ui，vi)和牛顿-拉夫逊算法和对所述地理加负二项模型的参数α(ui，vi)进行估计，直至所述参数收敛；所述地理加权负二项模型为：
其中，NB代表负二项式，yi是第i个(i＝1，...，n)派出所辖区的入室盗窃案件量，xik是第i个派出所辖区的第k环境因素，所述环境因素为解释变量，βk(k＝1，...p)是环境因素xk的回归系数，ti是偏移量，即家庭户数；α是过度离散的参数；(ui，vi)为派出所辖区i质心的地理坐标，即ui为派出所辖区i的纬度，vi为派出所辖区i的经度；βk(ui，vi)是派出所辖区i质心的函数；
采用Akaike信息准则和交叉验证确定所述地理加权负二项模型的最佳带宽，并根据所述最佳带宽对所述地理加权负二项模型进行校准；
采用校准后的地理加权负二项模型估计各所述环境因素的回归系数，根据所述回归系数分析各所述环境因素与犯罪活动的相关性。
2.根据权利要求1所述的顾及空间异质性和过度离散现象的犯罪风险因素分析方法，其特征在于，所述根据所述警情数据获取每一个派出所辖区质心的地理坐标，具体包括：
从所述警情数据中提取每一个派出所辖区的地址文本；
利用地理编码工具分别对所述地址文本进行地理编码，获得与所述地址文本一一对应的质心的地理坐标。
3.根据权利要求2所述的顾及空间异质性和过度离散现象的犯罪风险因素分析方法，其特征在于，所述交替采用改进的迭代加权最小二乘法对所述地理加负二项模型的参数β(ui，vi)和牛顿-拉夫逊算法和对所述地理加负二项模型的参数α(ui，vi)进行估计，具体为：
采用改进的迭代加权最小二乘法估计派出所辖区i...
【专利技术属性】
技术研发人员：陈建国，龙冬平，徐冲，柳林，刘慧婷，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。