论文部分内容阅读
近年来,公交扒窃案案发率呈上升趋势。公交扒窃案不仅对受害者造成经济上的损失,还由于其近身作案的特点可能危及到受害者的人身安全,危害性极大。为了预防和打击该类犯罪,需要对其犯罪模式进行有效识别。由于公交扒窃发生在移动的公交车上,很难得到具体的案发地和时间,不利于犯罪时空分布规律的分析。同时传统的犯罪分析方法往往将时间和空间分割开来研究,得到的分析结果具有片面性,割裂了公交扒窃犯罪在时空上的耦合性,不利于公安民警的办案推理与警力部署等方面工作。所以本文引入加权时空关联规则对公交扒窃数据进行挖掘分析,试图找出公交扒窃的案发时空规律。具体的工作和特色如下：(1)对公交扒窃数据进行时间粒度和空间粒度的划分,将公交主要运营时间以2小时为单位划分成等间隔的公交时段并对其进行编码,将公交线路按公交站点划分成案发路段；(2)对数据进行空间分析和时间归并,提取出每个案事件发生的公交路段和案发时段,并将案发时段归并到公交时段中；(3)由于每个公交路段的案发率不同,其对结果的贡献率也不同,因此给每个路段赋予一个权重；(4)分别采用基于矩阵和项目约束的加权ICApriori算法与加权ICFP-growth算法进行加权关联规则挖掘,得到公交扒窃的时空犯罪模式,并对结果进行地图可视化表达与分析。挖掘结果与可视化地图可用于辅助公安打击和预防犯罪、优化警力部署等警务工作。实践证明,上述方法具有以下特色：第一,按公交站点将公交扒窃地点划分成案发路段；第二,根据公交路段的案发率对案发路段进行加权,更符合实际的案发率情况；第三,基于矩阵和项目约束的ICFP-growth算法减少了对数据库的扫描次数,比ICApriori算法效率更高；第四,对结果进行地图可视化分析,使用户能更直观观察与分析挖掘结果,并且能得到更多有用的信息。