基于犯罪空间分异和建成环境的公共场所侵财犯罪热点预测

发布时间：2022-02-22 08:37

　　机器学习是当前犯罪热点预测的主流方法,随机森林算法因需要的数据量较小、有较好的预测能力和预测精确度、且有较高的可理解度,更是被广泛应用,代表地理环境和建成环境的多源数据也被广泛用于模型改进的尝试实践中,但这些实践都只考虑研究区整体的预测精度变化情况,并未区分不同区域犯罪热点预测结果的差异及其原因。因此,本文以公共场所侵财犯罪为例,根据历史犯罪分布情况及过往犯罪热点分布规律,将研究区分为稳定高发热点网格、较高发热点网格、偶发热点网格及非热点网格这4类,并依据社会失序理论、日常活动理论和犯罪模式理论,选取城中村范围、路网密度及POI（餐饮、娱乐、商场3类设施）密度这3个具有代表性的协变量加入到随机森林预测模型中,探讨预测结果精度的变化情况。根据2017年26个双周的犯罪热点预测实验的预测结果,得到以下结论:加入协变量后,研究区整体、稳定高发热点网格及较高发热点网格的预测精度都有不同程度的提高,分区模型的精度显著高于整体模型的精度,说明考虑空间分异对提高模型精度起重要作用。 

【文章来源】：地球信息科学学报. 2019,21(11)北大核心CSCD

【文章页数】：14 页

【文章目录】：
1 引言
2 研究区概况和数据来源
    2.1 研究区概况
    2.2 数据来源
        2.2.1 历史犯罪数据
        2.2.2 建成环境数据
3 研究方法
    3.1 预测模型
    3.2 预测结果评价指标体系
4 预测实验和结果对比
    4.1 历史案件分析与预测实验设计
        4.1.1 时空尺度与历史案件分析
        4.1.2 网格分类与预测实验
    4.2 预测结果分析
        4.2.1 研究区整体预测结果
        4.2.2 分类网格预测结果
        4.2.3 具体预测结果展示
    4.3 犯罪防控策略
5 结论与讨论
    5.1 结论
    5.2 讨论


【参考文献】：
期刊论文
[1]基于随机森林的犯罪预测模型[J]. 卢睿,李林瑛.  中国刑警学院学报. 2019(03)
[2]随机森林方法支持的复杂地形区土地利用/土地覆被分类研究[J]. 马慧娟,高小红,谷晓天.  地球信息科学学报. 2019(03)
[3]融合历史犯罪数据的疑犯社会活动位置预测[J]. 段炼,党兰学,胡涛,朱欣焰,叶信岳.  地球信息科学学报. 2018(07)
[4]基于随机森林和时空核密度方法的不同周期犯罪热点预测对比[J]. 柳林,刘文娟,廖薇薇,余洪杰,姜超,林荣平,纪佳楷,张政.  地理科学进展. 2018(06)
[5]不同类型道路密度对公共空间盗窃犯罪率的影响——基于ZG市的实证研究[J]. 柳林,杜方叶,肖露子,宋广文,刘凯,姜超.  人文地理. 2017(06)
[6]基于随机森林的犯罪风险预测模型研究[J]. 王雨晨,过仲阳,王媛媛.  华东师范大学学报(自然科学版). 2017(04)
[7]居民日常活动对扒窃警情时空格局的影响[J]. 宋广文,肖露子,周素红,龙冬平,周淑丽,刘凯.  地理学报. 2017(02)
[8]改进的GA-BP神经网络模型在财产犯罪预测中的应用[J]. 李卫红,闻磊,陈业滨.  武汉大学学报(信息科学版). 2017(08)
[9]广州门禁小区入室盗窃受害率与内部环境分析[J]. 杨刚斌,柳林,何深静,徐冲.  人文地理. 2016(03)
[10]DP半岛街头抢劫案件的临近重复发生模式[J]. 徐冲,柳林,周素红.  地理研究. 2015(02)

硕士论文
[1]长春市城乡结合部建筑外环境防卫安全设计研究[D]. 孙兆瑞.吉林建筑大学 2017



本文编号：3639094