随着我国社会经济的快速发展,我国现阶段社会治安形势也面临着新的挑战,主要表现为以非法占据他人财产为目的的侵财类案件等犯罪活动占比较大,给城市生活和安全感带来了一定的风险。挖掘侵财类犯罪案件的案发规律可以帮助公安机关提前预防、精准打击犯罪。当前,研究人员对犯罪活动规律的分析主要集中于犯罪活动时空规律分析和犯罪人特征构成分析两方面,但在研究的深度和特征分析方面存在一定不足,其中在犯罪活动时空规律分析方面,目前主要集中在常规性的时间特征分析,缺少对特殊日期犯罪人活动规律的分析和犯罪人作案行为的长周期时间趋势预测;而在犯罪人特征预测方面,目前现有的研究中大多采用了犯罪人心理、收入、情感、压力等非实时感知数据,往往会因实际获取嫌疑人的属性特征较为碎片化而达不到模型预测所需的条件。本文针对以往研究中存在的不足,以B市盗窃电动车犯罪案件为例,从犯罪行为的时间特征分析和预测,以及犯罪人身份预测等方面开展了如下工作:(1)从周期性时间颗粒层面和特殊日期时间颗粒层面分析犯罪人作案的时间模式,实现了基于犯罪人作案时间模式固有的周期性规律和趋势性规律的犯罪人作案行为的长周期时间趋势预测,预测效果表明,该方法显著优于ARIMA、Holt-Winters、LSTM、Prophet等传统算法,能够对犯罪人的作案行为实现周期为一年的长期预测;(2)在时间因素、空间因素的基础上分析了犯罪人的时空行为模式,并在犯罪人的时空行为模式的基础上实现了基于作案时间、作案地点、作案手段等案件信息的犯罪人地域身份预测,预测结果表明,该方法对犯罪人地域身份预测的准确率能够达到80%。本文研究方法的创新主要为提出的STLFNN模型能较精准预测犯罪人较长周期内的作案趋势、提出利用时间-空间热点分析犯罪人作案行为时空模式和预测犯罪人身份信息的方法。本研究能够为公安机关的情报分析、犯罪规律分析提供方法和实践方面的例证,进而为精准打击犯罪、社会智能防控及高效智能的警务决策指挥提供理论和方法支撑。