一種基于時空聚類統計進行城市犯罪風險評估的方法技術

本發明專利技術公開了一種基于時空聚類統計進行城市犯罪風險評估的方法，屬于時空事件聚類分析方法領域。本發明專利技術首先收集城市犯罪數據生成城市犯罪數據庫；然后根據數據庫中數據，給數據庫中每個區域和時間周期內的數據添加輔助數據；再通過時空凝聚式聚類算法和混合泊松對數線性模型進行處理；最后通過決策規則判斷風險。本發明專利技術與現有技術相比，本發明專利技術使用時空凝聚式聚類算法和混合泊松對數線性模型對數據進行處理，并通過決策規則對處理結果進行判斷，減少了城市犯罪風險圖的過度平滑對估計結果的影響，提高了估計結果的準確性。

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.

【技術實現步驟摘要】
一種基于時空聚類統計進行城市犯罪風險評估的方法
本專利技術涉及一種基于時空聚類統計進行城市犯罪風險評估的方法，屬于時空事件聚類分析方法領域。
技術介紹
在當今社會，各類城市犯罪的排查及其預測中，時空聚類統計方法通常被用作各類城市犯罪爆發的早期風險評估中，許多警務人員通過該方法在海量的數據中挖掘隱藏在數據背后的關聯性，通過對于這些數據之間關聯性的解讀，得到區域單位數據的城市犯罪風險圖，該風險圖通常是通過具有局部空間平滑的泊松混合模型來估計的，然而，該模型存在的缺陷是，局部不連續點通常不被模擬，熱或冷點區域聚類被屏蔽，導致城市犯罪風險圖的過度平滑，造成預警準確性的下降。
技術實現思路
為了克服現有技術的不足，本專利技術的目的在于一種基于時空聚類統計進行城市犯罪風險評估的方法。本專利技術是在提升城市犯罪預警時空統計聚類的結果準確率上，主要為提高時空統計聚類結果的準確性，使用時空凝聚式聚類算法以及混合的泊松對數線性模型對城市犯罪數據進行處理從而提升城市犯罪風險評估的準確性。本專利技術采用的技術方案是：一種基于時空聚類統計進行城市犯罪風險評估的方法，包括如下步驟：Step1:收集城市犯罪數據生成城市犯罪數據庫；Step2:獲取數據庫中數據，并給數據庫中每個區域和時間周期內的數據添加輔助數據；Step3:對Step2中經過處理的數據，使用時空凝聚式聚類算法進行處理；Step4:對Step3中處理過的數據，利用混合泊松對數線性模型進行分析；Step5:對Step4中的分析結果利用決策規則判斷風險；Step6:根據Step5中的判別結果對城市犯罪風險進行估計。具體地，所述步驟Step2中，添加的輔助數據是來自具有類似時空風險模式的城市犯罪。具體地，所述步驟Step3中，時空凝聚式聚類算法的具體實施步驟是：S1:構造一個初始聚類配置,Ch＝{Ch(1),…,Ch(nT)},其中h＝nT，每個區域時間段Ait是一種單獨的時空聚類；S2:計算h×h矩陣中聚類之間的距離,聚類中至少包含元素Ait和Ajs中的一副元素，Ait和Ajs是空間鄰近地區在同一時間(i～jandt＝s),或同一地區相鄰時間點(i～jand|t-s|＝1)的元素；S3:將兩個具有最小距離聚類的時空單位合并，形成一個新的聚類結構Ch-1；S4:重復進行S2與S3步驟；S5:當所有的時空單元被合并在一個新的時空聚類中時，算法結束。具體地，所述步驟Step4中，混合泊松對數線性模型既有固定聚類效應，也有隨機聚類效應，根據給定的時空聚類配置Ck＝{Ck(1),…,Ck(k)}，基于模型選擇標準選擇最好的聚類結構。具體地，所述固定聚類效應為：Oit|rit～Poisson(Eitrit)fori＝1,…,n；t＝1,…,T,其中ξi和γt是空間和時間結構隨機效應、β1,…,βk是與每個時空聚類相關的固定效應，LCAR先驗將假設為空間效應ξ，RW1先驗將假設為時間效應γ，N(0,10先驗是固定效應βjs。具體地，所述隨機聚類效應為：log(rit)＝α+ξi+γt+δj(it)其中，子索引j(it)表示聚類Ck(j)區域—時間單位Ait所屬的區域。具體地，所述步驟Step5中，決策規則為：如果后驗概率大于0.95(P(δj(it)＞0|O)＞0.95),時空聚類被認為是一個高風險聚類；如果后驗概率小于0.05(P(δj(it)＞0|O)＜0.05)，那么該時空聚類就被認為是一個低風險聚類。本專利技術的有益效果是：本專利技術提出一種基于時空聚類統計進行城市犯罪風險評估的方法。使用時空凝聚式聚類算法以及混合的泊松對數線性模型對城市犯罪數據進行處理從而提升城市犯罪風險評估的準確性。附圖說明圖1是本專利技術流程示意圖。具體實施方式下面結合附圖和具體實施方式，對本專利技術作進一步的說明實施例1：如圖1所示，一種基于時空聚類統計進行城市犯罪風險評估的方法，包括如下步驟：Step1:收集城市犯罪數據生成城市犯罪數據庫；Step2:獲取數據庫中數據，并給數據庫中每個區域和時間周期內的數據添加輔助數據；Step3:對Step2中經過處理的數據，使用時空凝聚式聚類算法進行處理；Step4:對Step3中處理過的數據，利用混合泊松對數線性模型進行分析；Step5:對Step4中的分析結果利用決策規則判斷風險；Step6:根據Step5中的判別結果對城市犯罪風險進行估計。進一步地，；所述步驟Step2中，添加的輔助數據是來自具有類似時空風險模式的城市犯罪。進一步地，；所述步驟Step3中，時空凝聚式聚類算法的具體實施步驟是：S1:構造一個初始聚類配置,Ch＝{Ch(1),…,Ch(nT)},其中h＝nT，每個區域時間段Ait是一種單獨的時空聚類。S2:計算h×h矩陣中聚類之間的距離,聚類中至少包含元素Ait和Ajs中的一副元素，Ait和Ajs是空間鄰近地區在同一時間(i～jandt＝s),或同一地區相鄰時間點(i～jand|t-s|＝1)的元素；S3:將兩個具有最小距離聚類的時空單位合并，形成一個新的聚類結構Ch-1；S4:重復進行S2與S3步驟；S5:當所有的時空單元被合并在一個新的時空聚類中時，算法結束。進一步地，；所述步驟Step4中，混合泊松對數線性模型既有固定聚類效應，也有隨機聚類效應，根據給定的時空聚類配置Ck＝{Ck(1),…,Ck(k)}，基于模型選擇標準選擇最好的聚類結構。進一步地，對于混合泊松對數線性模型，所述固定聚類效應為：Oit|rit～Poisson(Eitrit)fori＝1,…,n；t＝1,…,T,其中ξi和γt是空間和時間結構隨機效應、β1,…,βk是與每個時空聚類相關的固定效應，LCAR先驗將假設為空間效應ξ，RW1先驗將假設為時間效應γ，N(0,10先驗是固定效應βjs。進一步地，對于混合泊松對數線性模型，所述隨機聚類效應為：log(rit)＝α+ξi+γt+δj(it)其中，子索引j(it)表示聚類Ck(j)區域—時間單位Ait所屬的區域。進一步地，所述的進行城市犯罪風險評估的方法，其特征在于：所述步驟Step5中，決策規則為：如果后驗概率大于0.95(P(δj(it)＞0|O)＞0.95),時空聚類被認為是一個高風險聚類；如果后驗概率小于0.05(P(δj(it)＞0|O)＜0.05)，那么該時空聚類就被認為是一個低風險聚類。以上結合附圖對本專利技術的具體實施方式作了詳細說明，但是本專利技術并不限于上述實施方式，在本領域普通技術人員所具備的知識范圍內，還可以在不脫離本專利技術宗旨的前提下作出各種變化。本文檔來自技高網...

【技術保護點】
1.一種基于時空聚類統計進行城市犯罪風險評估的方法，其特征在于：包括如下步驟：Step1：收集城市犯罪數據生成城市犯罪數據庫；Step2：獲取數據庫中數據，并給數據庫中每個區域和時間周期內的數據添加輔助數據；Step3：對Step2中經過處理的數據，使用時空凝聚式聚類算法進行處理；Step4：對Step3中處理過的數據，利用混合泊松對數線性模型進行分析；Step5：對Step4中的分析結果利用決策規則判斷風險；Step6：根據Step5中的判別結果對城市犯罪風險進行估計。

【技術特征摘要】
1.一種基于時空聚類統計進行城市犯罪風險評估的方法，其特征在于：包括如下步驟：Step1：收集城市犯罪數據生成城市犯罪數據庫；Step2：獲取數據庫中數據，并給數據庫中每個區域和時間周期內的數據添加輔助數據；Step3：對Step2中經過處理的數據，使用時空凝聚式聚類算法進行處理；Step4：對Step3中處理過的數據，利用混合泊松對數線性模型進行分析；Step5：對Step4中的分析結果利用決策規則判斷風險；Step6：根據Step5中的判別結果對城市犯罪風險進行估計。2.根據權利要求1中所述的一種基于時空聚類統計進行城市犯罪風險評估的方法，其特征在于：所述步驟Step2中，添加的輔助數據是來自具有類似時空風險模式的城市犯罪。3.根據權利要求1中所述的一種基于時空聚類統計進行城市犯罪風險評估的方法，其特征在于：所述步驟Step3中，時空凝聚式聚類算法的具體實施步驟是：S1：構造一個初始聚類配置，Ch＝{Ch(1)，...，Ch(nT)}，其中h＝nT，每個區域時間段Ait是一種單獨的時空聚類；S2：計算h×h矩陣中聚類之間的距離，聚類中至少包含元素Ait和Ajs中的一副元素，Ait和Ajs是空間鄰近地區在同一時間(i～jandt＝s)，或同一地區相鄰時間點(i～jand|t-s|＝1)的元素；S3：將兩個具有最小距離聚類的時空單位合并，形成一個新的聚類結構Ch-1；S4：重復進行S2與S3步驟；S5：當所有...

【專利技術屬性】
技術研發人員：龍華，楊威，杜慶治，
申請(專利權)人：昆明理工大學，
類型：發明
國別省市：云南,53