基于案事件流数据的犯罪行为时空分析研究

In the context of dynamic and intelligent crime becoming increasingly prevalent, new types of crime emerges continuously. Consequently, policing mode are prompted from passive focused on specific criminal behavior to proactive criminal information analysis, crime prediction, crime prevention and control to get precautions. This challenge urgently needs to address the problem of 'mass data, no intelligence' by constructing integrated information chain of data-information-knowledge-intelligence. This research aims to establish the Real-time analysis framework for real time analysis of Case and Event Stream Data (CESD) based on spatio-temporal analysis of stream computing models in the alert-situation monitoring and social prevention and control system. This project focuses on two specific contents. One is to reduce the occurrence of criminal activities. The proposal project focuses on make different clustering analysis of CESD based on stream computing, optimize spatio-temporal autocorrelation algorithms in the stream computing, and compare space-time structures between alter-situation and police strength for reasonably deploying police. The other is to crime detective, the research intends to build multi-trajectory correlation analysis models based on CESD, optimize algorithms of trajectories connection and frequent item set computation, and analyze serial and synchronic features of trajectories to find the relevance between the person and a case. What the research propose here are to extend and develop these approaches on CESD analytical mining, stream computing models construction and multi-trajectory correlation analysis algorithms. The research findings are expected to bring theory and methodology innovations in both criminal geography and time geography.

在犯罪动态化、智能化日趋明显，新型犯罪行为层出不穷的背景下，促使警务模式由被动的关注具体罪犯行为向主动的犯罪情报分析、犯罪预测与防控转变，迫切需要解决"有数据，无情报"的问题，构建数据-信息-知识-情报一体的信息链。本项目以警情监测和社会面防控系统中案事件流数据的实时分析为切入点，拟通过时空分析流计算模型的研究，建立对案事件流数据的实时分析计算框架。为有针对性的压降警情，研究基于流计算的案事件流数据聚类分析，优化流计算中的时空自相关算法，通过警情与防控的时空结构比对，实现警力跟着警情走。针对犯罪侦破，研究基于案事件流数据的多轨关联分析模型, 优化流计算中的轨迹串并,频繁项集等的计算,通过轨迹"历时"和"共时"特征的分析，实现人案关联。本项目面向案事件流数据的分析挖掘，所构建的流计算模型和多轨关联分析方法，可望在犯罪地理与时间地理研究的理论与方法上有所创新。

警务模式由被动的关注具体罪犯行为向主动的犯罪情报分析、犯罪预测与防控转变，通过传感网络的建设，包括视频监控、视频卡口、移动定位等，解决对实时状态的监测，提高警情时间的响应效率。大量个体日常活动数据的获取，对违法和犯罪行为的地理画像提供了数据支撑，对构建数据—信息—知识—情报一体的信息链，提供了可能。在理论研究方面，通过文献的分析和用户调研，基于日常活动理论和问题导向的犯罪三角形，提出了基于九关联的犯罪行为分析模型，试图建立基于个体日常活动数据的犯罪地理分析架构。在方法研究方面，研究构建了实时消息融享处理和分析系统，对接移动终端、视频监控、烟气传感器、第三方事件消息服务等，实现了对各类文本、地理事件的消息的接收、分发、存储和处理，以及统计分析。通过对感知平台的研究，实现图像特征分析与地理时空信息的结合，形成具有时空特征的案事件流数据。借助于传统统计学和机器学习，对数据进行特征分析、聚类分析计算分析算法和计算框架进行了研究，构建了基于任务驱动的计算分析系统。在实验及应用研究方面，选择南京和苏州作为实验区，相关成果在警情案件分析、智慧社区、“雪亮工程”等得到了应用，产生了积极的作用。项目为犯罪地理与时间地理理论与方法研究提供了有借鉴意义的成果。

内容获取失败，请点击重试