[發明專利]一種系列犯罪案件地理目標預測方法有效
| 申請號: | 201710343791.1 | 申請日: | 2017-05-16 |
| 公開(公告)號: | CN107180015B | 公開(公告)日: | 2018-04-20 |
| 發明(設計)人: | 章家巖;馮旭剛;李新光;周克武;杜翠翠 | 申請(專利權)人: | 安徽工業大學 |
| 主分類號: | G06F17/18 | 分類號: | G06F17/18;G06Q10/04;G06Q50/26 |
| 代理公司: | 南京知識律師事務所32207 | 代理人: | 蔣海軍,代群群 |
| 地址: | 243002 安*** | 國省代碼: | 安徽;34 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 系列 犯罪案件 地理 目標 預測 方法 | ||
1.一種系列犯罪案件地理目標預測方法,其特征在于:
A、模型計算區域的確定
對連環案件進行區域劃分后,依據犯罪分子有效案件點的分布確定模型計算區域;構建XY坐標系,確定每個案件發生的地點坐標(x,y);
B、曼哈頓距離的計算
將地模型計算區域劃分為有限的柵格,并確定模型計算區域內每個小柵格點與所有犯罪點或案件相關點間的曼哈頓距離d;
C、構建距離遞減函數f(d)
構建模型計算區域上的每一點對于每個犯罪地點的距離遞減函數f(d);
步驟C中的距離遞減函數為:
當d<B時有:
當d≥B時有:
其中,φ是權重因數;B是緩沖區半徑,即現有有效案件曼哈頓距離d的平均值;h、g是經驗指數;
D、相關性因子的模糊化
將高相關性的因子通過模糊化提取出來作為模型修正參數加入到CGT的計算模型中從而得到改進CGT模型;
高相關性的因子包括交通環境G、警務安保P和犯罪地點概率因子U,交通環境由道路條數來確定;
選用三角形隸屬函數實現交通環境的模糊化,公式如下所示:
上式中x是小網格區域內的道路條數;
選用三角形隸屬函數實現警務安保的模糊化,公式如下所示:
上式中x是小網格區域內的警務安保人員的個數;
作案交通環境G、警務安保P及犯罪地點概率因子U的模糊語言變量子集分別如下:
G:{SG(交通環境不便),MG(交通環境適中),LG(交通環境便利)}
P:{SP(警務安保差),MP(警務安保適中),LP(警務安保好)}
U:{VB(可能性很大),B(可能性大),M(可能性適中),S(可能性小),VS(可能性很小)};
犯罪地點概率因子U選用三角形隸屬函數,根據交通環境和警務安保的模糊化,實現概率因子的模糊化,將所有格網點(i,j)通過模糊化后,可以得到各 網點模糊系數hij=uij;
犯罪地點概率因子U,選用三角形隸屬函數實現概率因子的模糊化,具體公式如下所示:
;
E、計算犯罪分子居住地概率
通過將模型計算區域每一點的所有距離遞減函數值加權后相加,作為該點為犯罪分子居住地可能性的最后值。
2.根據權利要求1所述的一種系列犯罪案件地理目標預測方法,其特征在于,所述的有效案件是指犯罪手法相似,作案對象相似,案件類型相似或作案地點相似,警察能夠判斷出屬于連環案件的案件。
3.根據權利要求1所述的一種系列犯罪案件地理目標預測方法,其特征在于,通過模糊控制后,得到改進后的地理目標模型,如下所示:
式中,P'ij是嫌疑人居住在網格點(i,j)的概率值,k是一個常數,用來放大整體的概率數值;hij是格網點模糊系數;f和g均為經驗值常數;xi、yj分別是第i行,第j列對應格網點的坐標值;xn、yn是第n個案件點的坐標值。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于安徽工業大學,未經安徽工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710343791.1/1.html,轉載請聲明來源鉆瓜專利網。





