【技术实现步骤摘要】
一种基于时空数据融合的犯罪数量预测方法
本专利技术涉及犯罪预测领域，尤其是一种基于时空数据融合的犯罪案件数量预测方法。
技术介绍
犯罪预测是指，利用过去的犯罪记录来对未来一段时间犯罪发生的热点区域、数量、类型等进行预测分析，也可以对某个地区各个时段的总体犯罪趋势进行预测分析。犯罪预测能为制定犯罪预防战略和战术措施提供重要科学依据。犯罪案件数量预测，即根据犯罪记录数据及其它可用数据预测某区域在未来指定时间段内的犯罪案件数量，可以为优化部署巡逻警力提供指导。目前国内对于犯罪数量预测主要是基于犯罪逻辑学，利用简单的统计方法来开展。比如，利用犯罪在时间分布上的规律性，根据某地区的历史犯罪记录信息来预测该地区在未来一段时间内的犯罪数量，常用的方法有时间序列分析方法(如ARMA模型、ARIMA模型等)、线性回归方法等。实际上，犯罪的发生与外部环境密切相关，比如盗窃类犯罪大多集中于商业密集的区域；斗殴伤人类的犯罪大多发生在酒吧、夜总会周边；抢劫类犯罪多发于银行附近。因而将区域的各类POI数据作为辅助数据来提升预测准确度是一个可行且
【技术保护点】
1.一种基于时空数据融合的犯罪数量预测方法，其特征在于，该方法包括以下步骤：/n(1)区域划分：将研究的地区进行地理空间分割，形成多个区域，将所有区域按照位置关系嵌入一个表格中；/n(2)犯罪数据预处理：统计所述各个区域中的犯罪数量，并进行归一化处理，构建有监督的训练集和测试集；/n(3)POI数据预处理：统计所述各个区域的各类POI数量，并进行归一化处理，然后嵌入所述步骤(1)中的表格中并转化为POI张量；/n(4)时空特征提取：利用LSTM模型提取所述步骤(2)中犯罪数据集的时间特征Y
【技术特征摘要】
1.一种基于时空数据融合的犯罪数量预测方法，其特征在于，该方法包括以下步骤：
(1)区域划分：将研究的地区进行地理空间分割，形成多个区域，将所有区域按照位置关系嵌入一个表格中；
(2)犯罪数据预处理：统计所述各个区域中的犯罪数量，并进行归一化处理，构建有监督的训练集和测试集；
(3)POI数据预处理：统计所述各个区域的各类POI数量，并进行归一化处理，然后嵌入所述步骤(1)中的表格中并转化为POI张量；
(4)时空特征提取：利用LSTM模型提取所述步骤(2)中犯罪数据集的时间特征Ylstm，利用二维卷积从所述步骤(3)的POI张量中提取空间特征Yconv；
(5)时空特征融合与输出：将所述步骤(4)中提取出来的时间特征Ylstm和空间特征Yconv转化为一维向量再作拼接，然后通过一个全连接层得到输出，即下一时期的各个区域的犯罪数量估计。
2.如权利要求1所述的一种基于时空数据融合的犯罪数量预测方法，其特征在于，所述步骤(1)中，区域划分过程如下：
如果预测地区已实行网格化管理，则按照当地的巡逻或管理辖区作为区域划分依据，然后根据各个区域上下左右的相邻关系将区域近似填入一个有I×J个方格的表格中，一个区域对应一个方格；
如果预测地区没有实行网格化管理，则根据地区边界的经纬度来进行简单的网格划分，将所研究地区划分为I×J的网格；
上述I×J的网格中区域的个数用M表示，剩下的(I×J—M)个网格称为“空白网格”。
3.如权利要求1或2所述的一种基于时空数据融合的犯罪数量预测方法，其特征在于，所述步骤(2)中，犯罪数据预处理过程如下：
(2a)获取地区的犯罪记录，每条记录包含犯罪的时间和地点的坐标信息，对所有数据进行清洗、去除异常值后映射到所述步骤(1)中生成的表格中，然后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犯罪数据时间序列；
(2b)对所述犯罪数据时间序列按区域进行归一化处理，并划分为有监督的测试集和训练集，所述归一化处理的公式如下：
式中和分别表示所述区域i在时段t的犯罪数量和其归一化后的值，Ei,min和Ei,max分别表示所述区域i中犯罪数量的最小值和最大值。
4.如权利要求1或2所述的一种基于时空数据融合的犯罪数量预测方法，其特征在于，所述步骤(3)中，POI数据预处理过程如下：
(3a)从地图软件获取所预测地区的各类POI的数据信息，包含名称、类别和...
【专利技术属性】
技术研发人员：方路平，叶瑞辉，董齐芬，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
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。