犯罪热点的分析方法研究

根据犯罪活动的空间分布形态,犯罪热点分析可以分为点分析和面分析,在技术方法上又可以分为空间聚类分析和热点识别2大类。该文对当前犯罪热点分析中的一些主要空间统计方法进行了总结与归纳,通过案例分析进行佐证,最后提出了犯罪热点分析的基本流程。     

论盗窃犯罪的刑事责任

所谓盗窃犯罪,是指以非法占有为目的,通过一定的手段,秘密窃取数额较大的公私财物或某些特定物品的犯罪活动。盗窃犯罪与盗窃罪仍有区别,它较之盗窃罪所侵犯的客体范围更广。其发案率在我国各种刑事案件中,始终居于首位。这种犯罪不仅侵犯着国家、集体和个人的财产权利,而且严重危害着社会治安,影响着人民群众正常的生产、生活秩序。因此,打击盗窃犯罪活动,严惩盗窃犯罪分子。是十分必要的,这就要求司法机关在办案过程中,能够准确及时地根据案犯的犯罪行为及由此而对社会造成的危害程度,依法追究其所应承担的法律后果,即刑事责任,准确地定罪量刑。但是,由于近年来盗窃案件日益增多,犯罪     

多尺度探查偷车案件的犯罪时空热点

犯罪热点探查逐渐成为被动式转向主动式警务工作的关键.现有许多研究提出多种犯罪分析方法,得到较好成果.本文关注时空分析中的尺度问题,以某区偷盗三车案件为例,提出分析时空热点的两种多尺度方法,并据此分析,为警务实务提供参考.这两种方法与结论是:①结合尺度法与传统的严格法整合时间数据,在单尺度数据不足时也能探查到时间热点.分析得到研究区偷车案件存在较显著的30 d周期和极显著的20 h周期,警务工作可借此调整轮班时间.②以30 d周期作分析,在DBSCAN算法中设置评估函数(凸包案件密度中值),自适应选择最优尺度探查空间最优热点分布,分布的最优性由主流的PAI指数验证.分析得到研究区的某些地铁站与居民区需要重点防护.     

大学生盗窃犯罪之思考

随着社会经济的发展，大学生盗窃罪犯罪逐年增多，并成为教育工作者和法律工作者关注的焦点。本文从大学生盗窃犯罪法理出发，立足于大学生盗窃犯罪的现状，分析其形成原因，在此基础上结合实际，探讨大学生犯罪的预防与处理。     

美国汽车盗窃犯罪与国土安全问题研究

研究美国汽车盗窃问题的现状,分析了犯罪动机,案件多发时间、地点以及主要的销赃渠道,美国执法机构打击车辆盗窃犯罪的重点等问题。目前美国各级警务部门对确保国土安全和预防、阻止恐怖攻击事件肩负起更大的责任,在侦破汽车盗窃案件、交通犯罪时,首要考虑的是此案件是否与恐怖袭击活动相关,以及预防恐怖事件发生的可能性。     

盗窃电动自行车犯罪现状与对策

当前盗窃电动自行车犯罪日益突出,立案数猛增,而破案率较低。究其原因,主要是在电动自行车保有量迅速增加的情况下,该类犯罪作案时间短、作案所需技能低、销赃渠道便利、销赃获利高,而有关管理部门和公安机关管理、打击防范措施不利。因此,公安机关应通过加强案件审查力度、加强巡逻防范、严控销赃场所、加强信息管理和对自行车保管站的管理等方面的工作,遏制该类犯罪的上升势头。     

论盗窃汽车犯罪侦查与防范

近年来,汽车被盗数量逐年增多,而破案率较低。针对盗窃汽车犯罪的特点,应采取建立专业侦查队伍、设卡堵截、伏击守候、加强情报建设、建立全国性被盗汽车和转户换牌汽车信息电脑查询系统、适时组织破案战役等措施,提高破案率。同时,应加强教育性防范、管理性防范、技术性防范、堵塞性防范和打击性防范。     

基于聚类关联规则的公交扒窃犯罪时空分析

提出了一种基于聚类的时空关联规则的公交犯罪挖掘算法.针对某市一个区的110报警数据库中的大量业务信息进行分析.首先,通过文本挖掘技术从案情信息中提取时间、地点等信息,并利用高德地图API的地理编码服务和POI搜索功能对提取的地址信息进行地址匹配,提取受害人上下车站点、乘坐公交线路等信息.其次,对提取得到的时空数据进行归并处理.最后,根据案发时段、季节以及是否节假日进行聚类分析,然后在簇内进行时空关联规则分析.这种挖掘方法具有以下特点:①在聚类基础上进行关联规则分析,减少扫描数据库次数,大大缩小数据扫描范围,提高算法效率,更加适合海量犯罪数据的挖掘.②聚类后簇内数据具有相似性,特征更加明显,在此基础上进行关联规则分析产生较小的频繁项集,并且提取出置信度较高的规则.③考虑犯罪行为的时空特性,挖掘过程中同时考虑了案发季节、是否节假日等因素.     

层次聚类法在空间犯罪热点分析中的应用

当前,基于核密度估计的空间犯罪热点分析方法存在着无法确定热点的分布范围和难以支持警务决策等不足.相比之下,数据挖掘中的层次聚类算法则能够根据犯罪活动的位置信息确定出不同空间尺度下的犯罪热点的分布范围和具体的热点数量,因此具有更好的优势.该文介绍了层次聚类算法的基本原理,并基于实际案例数据对层次聚类算法与核密度估计算法的热点分析结果进行了比较,并对基于层次聚类算法的犯罪热点分析在情报分析和警务决策方面的应用进行了讨论.     

盗窃犯罪空间分布与地理因素的关联

为分析犯罪空间分布成因,将地理加权回归模型用于犯罪空间分布与地理因素关联研究。该模型可以处理空间关系变化过程,求解空间非稳定性问题。以社区盗窃案件发案率为例,建立了盗窃刑事犯罪率与社区人口密度、路网密度、社区距派出所距离等因素之间的局部分析模型,给出了参数估计及显著性检验空间分布图。结果表明,犯罪空间分布与人口、环境等因素的关系随空间位置而改变;地理加权回归模型可以提高参数估计的准确性。     

流动人口聚集地的盗窃犯罪现状研究——以东莞市为例

改革开放以来,流动人口聚集地的刑事案件大量增加,盗窃犯罪是其中的常见、多发犯罪。东莞作为改革开放的前沿阵地,其流动人口占到常住人口的四分之三,对这一地区盗窃犯罪进行抽样实证研究,根据实证数据分析流动人口聚集地的盗窃罪特征,以期在盗窃罪的预防、打击工作中采取更有针对性的防控措施,预防和减少此类犯罪。     

犯罪知情的眼动分析方法探究

犯罪知情是指某人真实地感知过犯罪行为或了解与犯罪有关的人、事、物;犯罪知情分析实为判断人的长时记忆中是否真实存在与犯罪相关的信息。眼动检测可以采集被试在观看涉案材料时的眼动数据,通过视觉表象诱导、瞳孔直径测量、人像辨认与文字阅读的注视特征分析等方法,与观看无关中性材料时的眼动特征进行对比,发现其对涉案材料和中性材料在认知过程中视觉信息加工方式与情绪唤醒的差异,进而判断知情。犯罪嫌疑人拒供或伪供时,其观看犯罪相关材料时的眼动特征会表现出熟悉的反应方式;而证人伪证以及证人因虚假记忆而产生误证时,观看相关材料的眼动特征表现出的却是陌生反应。     

采样过滤下的时空热点查询

目前较高效的时空热点查询算法是基于Spark分布式计算框架和Getis-Ord统计量的两阶段map-reduce算法。为了解决其在第一阶段map-reduce,遍历全部轨迹数据导致耗时严重及数据分布不均匀导致资源空闲的问题,本文提出一种对轨迹数据采样的方法S-RSampling(stratified-random sampling),通过分析轨迹数据的分布规律,确定采样规模,从而减轻数据分布不均的影响,大幅降低查询时间;为了解决在第二阶段map-reduce,计算大量无用立方单元格导致计算浪费的问题,本文提出一种阈值过滤方法TFiltering(threshold filtering),根据单元格属性值的分布,动态确定阈值T,将属性值top-T的立方单元格作为热点候选集,从而减少计算浪费。实验表明,本文所提出的优化方法在查询结果准确率不降低的情况下能大幅降低查询响应时间。     

犯罪热点路段识别及影响因素分析

基于道路交通网络的热点分析可以获取犯罪热点道路,从而为公安巡控、警务资源优化提供指导性意见。以等距路段为最小研究单元,采用等距路段热点研究方法识别分析北京市西城区2016年盗窃犯罪在道路交通网络上的分布情况。对于空间兴趣点(points of interest, POI)的10类源数据,采用主成分分析方法实现降维,通过多元线性回归对提取出的两类主成分因子进行犯罪影响因素解释。研究发现：北京市西城区盗窃犯罪在空间分布上呈高度聚集态势,少量路段聚集了大量犯罪;热点路段大都集中在人员流动性大、交通便利等地区;较不等距路段犯罪热点分析方法而言,等距路段犯罪热点分析方法可以更精准地实现热点路段的识别;提取两个主成分分别是与居民日常生活类和与居民精神文化类,与居民日常生活较多的区域对犯罪的发生呈正相关作用,与居民精神文化相关的区域对犯罪的发生呈反相关作用。研究结果可以为一线执法机关的警务资源分布优化、维护社会稳定提供安全防范依据。     

用于犯罪空间聚集态研究的优化聚类算法

针对犯罪空间聚集态研究算法中有关窗宽优化选择问题,将动态优化窗宽算法与DENCLUE(DENsity-based CLUstEring)算法结合,提出一种新的聚类算法。以入室盗窃案件为例,研究了该算法在犯罪热点探测方面的应用。结果显示引入优化窗宽算法后,可得到较为精确的聚类中心位置及概率密度变化趋势,并且当格网边长与邻近格网距离阈值及邻近点距离阈值之比为2¨3¨1时会得到较好的热点分析结果。通过分析犯罪热点分布图,可协助公安机关调整警力配置,加强案件高发区警力巡逻。     

用于犯罪空间聚集态研究的优化聚类算法

针对犯罪空间聚集态研究算法中有关窗宽优化选择问题,将动态优化窗宽算法与DENCLUE(DENsity-based CLUstEring)算法结合,提出一种新的聚类算法。以入室盗窃案件为例,研究了该算法在犯罪热点探测方面的应用。结果显示引入优化窗宽算法后,可得到较为精确的聚类中心位置及概率密度变化趋势,并且当格网边长与邻近格网距离阈值及邻近点距离阈值之比为2:3:1时会得到较好的热点分析结果。通过分析犯罪热点分布图,可协助公安机关调整警力配置,加强案件高发区警力巡逻。     

论拐卖人口类犯罪的立法重构

打击拐卖人口类的犯罪一直是我国刑事立法和刑事司法的重要任务之一,而现行刑法将妇女、儿童以外的其他人口排除在外,造成了司法实践中关于拐卖人口类犯罪适用的困境,因此应对拐卖人口类的犯罪进行立法重构,以便更有效地预防和惩治拐卖人口的犯罪活动.     

近10年数据包络分析方法在管理学领域的应用热点研究

以2006—2015年10年间经济与管理学领域发表的以数据包络分析(DEA)为研究方法的期刊文献为研究对象,基于关键词共现分析的方法,对关键词共现矩阵的聚类分析推测近10年数据包络分析方法在管理学领域的主要应用和研究热点,旨在通过本研究揭示和梳理数据包络分析方法应用研究的结构和可用于解决的问题,为今后将数据包络分析方法更好地用于解决管理学领域的问题提供参考。本研究发现,DEA的应用主要集中在技术创新、可持续发展、资源配置、农业生产、能源效率、区域经济投资、银行效率、外资投资等方面。     

犯罪时间序列预测分析方法研究——以CrimeStat软件为例

作为一种基础且应用广泛的统计方法,时间序列分析方法在各个领域都有所应用,时间序列分析方法对分析犯罪行为有一定的帮助。Crime Stat软件是一个专门处理犯罪数据的统计分析软件,其中的时间序列模块可以对犯罪数据进行一定程度的时空预测。研究发现,在指定辖区内过去几年内的犯罪时间历史数据可以通过CrimeStat的时间序列模块得出预测结果。科学判断各辖区可能会出现的犯罪异常能够对警方的决策作出指导性建议,提高工作效率,并有助于公共安全的维护。     

一种微博热点事件子话题的可视分析方法

如何从海量微博数据中挖掘出有意义的信息,理解热点事件发生的全过程,并发现其中的拐点事件,显得越来越重要.传统的单一依靠词频的方法缺乏对子话题的抽象描述,因此存在一定的局限性.为此结合主题提取和词频统计的技术,提出了一种交互式可视分析方法,对热点事件子话题的演化过程进行不同粒度的展示;再通过比较相邻时间区间子话题词分布的变化,发现关于某些子话题的拐点事件,进而利用词项共现图在微博原文中找到具体信息.这里,用户可以在交互过程中发现最优的参数配置,从而更加有效地分析拐点事件,并理解热点事件发生的全过程.在真实的数据集上进行了实验,并与传统的基于词频的方法和基于主题变化趋势的方法做比较,结果验证了该方法的有效性.