近年来,随着公安信息化工程(即“金盾工程”)的发展以及3S技术的深入应用,公安部门积累了海量的案事件时空数据。然而,面对日益庞大的案事件信息和日趋复杂的犯罪形势,以传统的查询、统计等方法和技术很难发现其中隐藏的关联、规律和发展趋势,数据丰富而知识贫乏在相当程度上制约了打击预防犯罪工作的开展。利用时空数据挖掘相关技术对案事件进行分析,挖掘其在空间和时间上的分布规律和变化趋势,获得其隐含的知识和洞察力,为制定犯罪控制策略、识别犯罪模式、优化警力部署和警区规划等提供科学依据,从而增强公安部门打击预防犯罪的能力,提高警务决策水平,具有重要的意义。本文在总结时空数据挖掘研究现状以及案事件时空分析方法的基础上,通过对案事件数据时空特征的探索性分析,以数据驱动、业务导向为原则,利用并改进时空数据挖掘领域现有的方法、技术,开展相关研究,主要研究工作和成果如下:(1)总结时空数据模型、时空数据挖掘以及案事件时空分析领域的研究现状,针对传统犯罪地理学在大体量时空数据下的局限性,探索了时空数据挖掘在案事件时空分析方面应用的方法与流程。(2)针对案事件在不同时间尺度下明显的周期性特征,本文改进传统时空聚类方法中时间相似度(距离)的测度,综合考虑多时间尺度下的时间属性,构建等效时空邻近域,并借鉴经典的密度聚类算法,提出了多时间尺度等效时空邻近域密度聚类算法(MTS-ESTN DBSCAN)。通过对福州市区2013年案事件数据的聚类分析,说明了该方法在案事件时空聚类方面的可行性。(3)引入时空自相关移动平均模型(STARMA),利用2008-2010年福州市区案事件数据对其在案事件预测分析方面进行实证研究,评估预测精度并验证了该模型在案事件时空预测上的有效性。