[發明專利]一種犯罪事件智能預測的大數據方法及裝置

有效

• 申請號: 201810918074.1
• 申請日: 2018-08-13
• 公開（公告）號: CN108876062B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 張耀峰;林耀三;張志剛;姜濤;蔡黎;楊飛洋;張璇;段紅葉
• 申請（專利權）人: 湖北經濟學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/08
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 武媛;呂學文

本發明公開了一種犯罪事件智能預測的大數據方法及裝置，該方法包括：根據預設區域的預設歷史時間段內的歷史犯罪事件，利用深度學習算法，預測“震源”犯罪事件及其個數；將第一子區域的位置參數和“震源”犯罪事件個數，代入預建立的正態分布函數中，獲取第一子區域中“震源”犯罪事件的密度貢獻度；以及，將歷史犯罪事件總個數帶入預建立的正態分布函數后，獲取第一子區域中“余震”犯罪事件的密度貢獻度；根據第一子區域“震源”犯罪事件的密度貢獻度和第一子區域“余震”犯罪事件的密度貢獻度，確定第一子區域的犯罪事件覆蓋密度。通過上述方式，可以適應國內城市多中心、社區布局復雜等情況，對國內的不同區域的犯罪事件的預測將更加精確。

技術領域

本發明涉及大數據處理和人工智能相結合的技術領域，具體涉及一種犯罪事件智能預測的大數據方法及裝置。

背景技術

隨著生活壓力的不斷增大，越來越多的犯罪事件發生，犯罪率不斷提高。那么，如何在發生犯罪之前，事先預測發生犯罪事件高的地區成為一個熱點話題。傳統的預測方法主要是按照如下公式計算犯罪密度。

其中，g函數表示“余震”犯罪事件的密度貢獻度。雖然，該算法模型對美國城市的犯罪預測起到了很好的效果。但是，并不適用于國內的犯罪預測。其原因在于，國內城市街區布局、結構等比較復雜，如果僅考慮“余震”犯罪事件的密度貢獻度，預設效果將不夠精確。

因此，如何針對國內街區布局、結構復雜的環境，對犯罪事件進行精準預測成為亟待解決的技術問題。

發明內容

本發明的目的在于提供一種犯罪事件智能預測的大數據方法及裝置，用以解決針對國內街區布局、結構復雜的環境，對犯罪事件進行精準預測的問題。

為實現上述目的，本發明的技術方案提供了一種犯罪事件智能預測的大數據的方法，該犯罪事件智能預測的大數據的方法包括：

根據預設區域的預設歷史時間段內的歷史犯罪事件，利用深度學習算法，預測“震源”犯罪事件及其個數；

將第一子區域的位置參數和“震源”犯罪事件個數，代入預建立的正態分布函數中，獲取第一子區域中“震源”犯罪事件的密度貢獻度；

以及，將歷史犯罪事件總個數帶入預建立的正態分布函數后，獲取第一子區域中“余震”犯罪事件的密度貢獻度；

根據第一子區域“震源”犯罪事件的密度貢獻度和第一子區域“余震”犯罪事件的密度貢獻度，確定第一子區域的犯罪事件覆蓋密度，其中，按照預設規則將預設區域劃分為至少一個子區域，第一子區域為包含于預設區域內的任一子區域。

本發明具有如下優點：根據預設區域內在某個歷史時間段內發生的歷史犯罪事件，利用深度學習算法，預測“震源”犯罪事件及其個數，并確定“震源”犯罪事件的密度貢獻度，同時確定由歷史犯罪事件組成的“余震”犯罪事件的密度貢獻度。將第一子區域內中的“震源”犯罪事件的密度貢獻度和根據歷史犯罪事件所獲取的“余震”犯罪事件的密度貢獻度相結合，確定第一子區域的犯罪事件覆蓋密度。即，不僅僅考慮“余震”犯罪事件的密度貢獻度，還要將“震源”犯罪事件的密度貢獻度同時考慮進來，從而大大提高預測的精確度。而且，將預設區域按照國內的街區布局、結構等自適應劃分為很多個小的子區域，正好可以適應國內城市多中心、社區布局復雜等情況，對國內的不同區域的犯罪事件的預測將更加精確。另外，本申請重點著眼于事件的“預測”而非已有信息的關聯，既能豐富大數據研究內涵，又能填補犯罪預測國內研究應用不足。

為實現上述目的，本發明的技術方案提供了一種犯罪事件智能預測的大數據的裝置，該裝置包括：

預測單元，用于根據預設區域的預設歷史時間段內的歷史犯罪事件，利用深度學習算法，預測“震源”犯罪事件及其個數；

處理單元，用于將第一子區域的位置參數和“震源”犯罪個數，代入預建立的正態分布函數中，獲取第一子區域中“震源”犯罪事件的密度貢獻度；