[發明專利]一種刑事案件的發生的預測方法

有效

• 申請號: 201710066068.3
• 申請日: 2017-02-06
• 公開（公告）號: CN106845723B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 徐文政;劉業政;高暢;田先勝
• 申請（專利權）人: 安徽新華博信息技術股份有限公司
• 主分類號: G06F16/00
• 分類號: G06F16/00;G06Q10/04;G06Q50/26
• 代理公司: 北京和信華成知識產權代理事務所(普通合伙) 11390
• 代理人: 胡劍輝

1.一種刑事案件的發生的預測方法，其特征在于，包括以下步驟：

S1：獲得影響犯罪的因素：

第一類因素為經濟因素，具體包括區域人口、人均可支配收入、城鎮登記失業率、區域內人均國內生產總值、居民消費價格漲跌幅度、城鎮居民人均可支配收入、農村居民人均純收入、農村貧困人口；

第二類因素為安防因素，具體包括案發地區的刑事案件破案率、每萬人警力數、案發地區交通的便利程度；

第三類因素為時間因素，具體包括一天24小時的不同時間段、法定節假日、重大事件日；

S2：對獲得的影響因素進行建模處理：

設得到的第一類影響因素序列為X_a＝{X_a(1),X_a(2),...,X_a(n)}＝{X_a(k)}，a＝0，1，2...m，第二類安防影響因素序列為Y_b＝{Y_b(1),Y_b(2),...,Y_b(n)}＝{Y_b(k)}，b＝0，1，2...t，第三類時間影響因素序列為Z_d＝{Z_d(1),Z_d(2),...,Z_d(n)}＝{Z_d(k)}，d＝0，1，2...v；第一類經濟影響因素序列X_a＝{X_a(1),X_a(2),...,X_a(n)}＝{X_a(k)}，a＝0，1，2...m，其中k＝1，2…n，X_a(k)是在選取第k個數據值時獲得的影響數據；第二類影響因素序列Y_b＝{Y_b(1),Y_b(2),...,Y_b(n)}＝{Y_b(k)}，b＝0，1，2...t，其中k＝1，2…n，Y_b(k)和第三類影響因素Z_d＝{Z_d(1),Z_d(2),...,Z_d(n)}＝{Z_d(k)}，d＝0，1，2...v，也是在選取第k個數據值時獲得的影響數據；

S3：對獲得的影響因素數據進行數據預處理：

由貝葉斯定理X_a、Y_b、Z_d兩兩相互獨立時，E為一次刑事案件事件，R₁，R₂，...，R_n為刑事案件的預測結果，首先對第一類影響因素的數據進行數據預處理：

第一步、設X_a＝{X_a(1),X_a(2),...,X_a(n)}＝{X_a(k)}為一個待處理項，而每個a為x的一個因素的特征屬性；

第二步、有預測結果集合為C＝{R₁,R₂...R_n}；

第三步、計算P(R₁|x),P(R₂|x),...,P(R_n|x)：

利用一個已知預測結果分類的影響因素項集合，統計得到在各類別下各個特征屬性的條件概率估計，即P(R₁|x₁),P(R₂|x₁),...,P(R_n|x₁)；P(R₁|x₂),P(R₂|x₂),...,P(R_n|x₂)；...；P(R₁|x_n),P(R₂|x_n),...,P(R_n|x_n)，通過貝葉斯定理可得：

第四步、如果P(R_k|x)＝max{P(R₁|x),P(R₂|x),...,P(R_n|x)},則x∈R_k；

將上述第一步至第四步的第二類影響因素、第三類影響因素下的數據進行數據預處理；

S4：計算在給定不同影響因素條件下的發生概率：

P(X_a∩Y_b)＝P(X_a)*P(Y_b|X_a)＝P(Y_b)*P(X_a|Y_b)

P(X_a∩Z_d)＝P(X_a)*P(Z_d|X_a)＝P(Z_d)*P(X_a|Z_d)

P(Y_b∩Z_d)＝P(Y_b)*P(Z_d|Y_b)＝P(Z_d)*P(Y_b|Z_d)

由貝葉斯定理：

得：

又因為X_a、Y_b、Z_d和E的四個指標是相互獨立的，得到P(E|R_n)＝P(E₁|R_n)P(E₂|R_n)...P(E_n-1|R_n)P(E_n|R_n)；

最終得到在給定影響因素條件下，刑事案件發生的地點可能性和發生的時間可能性以及是否發生的概率，即從時間、空間、發生的可能性維度上計算得出概率。