共查询到17条相似文献，搜索用时 265 毫秒
1.
犯罪时空预测作为预测警务的核心支撑技术,自2000年左右至今得到了快速的发展。本文介绍了犯罪时空预测的实践背景和理论基础,将犯罪时空预测解构为利用历史案件的时空位置、时空环境和个体行为等要素,结合相应的算法模型预测未来案件时空分布的过程。然后,从输入要素的视角对当前的犯罪时空预测方法进行了总结和归纳,将其划分为基于案件时空位置信息的犯罪时空预测、基于时空环境要素的犯罪时空预测,以及融合行为轨迹和时空环境要素的犯罪时空预测3种类型,详细总结了不同类型犯罪时空预测的方法原理,并从适应场景和预测效果等方面对不同的方法模型进行了比较。最后,结合当前的大数据技术发展趋势,对未来的犯罪时空预测进行了展望。本文认为犯罪时空预测未来需要从数据角度重点解决输入数据的体系融合、粒度细化和新型数据融合等问题,从模型优化角度应着重提高多源异构数据融合能力,平衡模型的可解释性与预测效果。 相似文献
2.
城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络（PredRNN）、图卷积预测递归神经网络（GC-PredRNN）和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。 相似文献
3.
Array of Things (AoT)通过单一位置上的多传感器对城市系统进行连续动态观测。AoT观测数据量大且持续增长,使得如何利用有限的计算资源进行AoT序列数据的压缩传输成为其应用的关键瓶颈之一。本文提出了一种基于张量分解的AoT序列数据的有损压缩方法。面向其海量、高维且需在传感器端处理的需求,该方法首先将AoT序列数据组织成高维张量,利用算法复杂度较低的张量CANDECOMP/PARAFAC (CP)分解提取各维度上的特征主分量,而后利用张量重构实现特征保持的数据有损压缩。利用基于张量分解的有损压缩方法,针对美国芝加哥市区的24 h内感测的声光电磁数据进行了实验,讨论了不同压缩参数对压缩比、压缩误差、压缩精度、压缩时间、压缩过程运行内存占用和压缩结果内存占用之间的影响。实验结果表明该方法可实现AoT序列数据的有损压缩,其较小的内存占用能够支持传感器端数据压缩。并且与原始光场强度对比表明,压缩后的数据保持了原有时空分布特征。与传统矢量量化编码压缩方法相比,在相同压缩精度下,本文方法的压缩比约高27%~76%,压缩时间约节省46%~73%,压缩结果所占内存约节省17%~57%,因此本文方法具有更高的压缩比,更低的压缩时间和内存占用,可为AoT这一类数据的大规模有损压缩提供借鉴意义。 相似文献
4.
基于改进局部均值分解（LMD）及加权核函数相关向量机（RVM）算法，构建多尺度变形预测新方法。利用LMD将变形数据分解成多个具有物理意义的变形分量，并基于遗传算法优化的RVM对每个变形分量分别进行预测。将各变形分量预测结果进行叠加，最终建立多尺度变形预测方法，并应用于大坝变形预测。实验结果表明，改进LMD-RVM方法的多个精度指标均优于BP神经网络方法、RVM方法和改进EMD-RVM方法，证实了新方法的有效性及可靠性。 相似文献
5.
随着位置服务（Location Based Service,LBS）的广泛应用,隐私保护成为LBS进一步深入发展亟待解决的问题,时空K-匿名成为一个主流方向。LBS应用服务器存储用户执行连续查询生成的历史匿名数据集,分析大时空尺度历史的匿名数据集,空间预测可以实现LBS应用的个性化服务。本文提出了一种融合概率统计与数据挖掘2种典型技术——马尔科夫链与序列规则,对匿名数据集中包含的特定空间区域进行预测的方法。方法包括4个过程：（1）分析序列规则、马尔科夫过程进行预测的特点;（2）以匿名数据集序列规则的均一化置信度为初始转移概率,构建n步转移概率矩阵;（3）设计以n步转移概率矩阵进行概略空间预测的方法,以及改进的指定精确路径的空间预测方法;（4）实验验证方法的性能。结果证明,该方法具有模型结构建立速度快、精确空间预测概率与真实概率的近似度可灵活调节等优点,具有可用性。 相似文献
6.
犯罪预测是进行犯罪预防的前提，高效准确的犯罪预测对于提高城市管理效率、保障公共安全都具有重要的意义。当前，关于犯罪预测的已有研究大多采用单一的机器学习方法或深度学习模型，忽略了犯罪的时空依赖关系，往往难以获得准确的预测结果。本文提出一个基于深度学习技术的犯罪时空预测模型—GAERNN：(1)利用GAE模型捕获犯罪案件的空间分布特征；(2)将带有空间依赖关系的特征经序列化处理后作为GRU模型的输入，进一步提取犯罪序列的时间特征；(3)经全连接层处理获得犯罪时空预测结果，并选取MLP、GCN等基准模型进行对比实验，结合RMSE、MSE等多个指标对模型预测结果进行评估。实验结果表明：对于各模型预测结果可视化分析，GAERNN模型预测的可视化结果与实际数据分布最相符合；在各模型误差分析方面，相比预测性能较差的MLP,GAERNN模型各月份的RMSE分别降低了1.02、3.58、1.29以及0.45；在子模块有效性评估方面，相比其变体模型GAE-LSTM,GAERNN模型在各月份的MAPE分别降低了2.15%、10.07%、1.92%以及2.54%，说明GAERNN模型能显著提高盗窃犯罪时空预测... 相似文献
7.
大数据时代,传统犯罪分析将向探索式可视分析的方向转变。本文基于公安犯罪数据的特点和犯罪分析理论,结合可视化技术（Wordle图、故事线图、平行坐标图、散点图矩阵等）,从表示内容、表示方法、交互设计等提出面向不同主题的犯罪大数据可视分析方法,其中,包括系列犯罪时空轨迹数据的可视分析、犯罪实时态势数据的可视分析、犯罪时空过程数据的可视分析、时间序列犯罪统计数据的可视分析、犯罪案情文本数据的可视分析、犯罪多维属性数据的可视分析,以及犯罪相关统计数据的可视分析等。相关可视分析方法为案件侦查、犯罪趋势预测、犯罪热点分析等方面提供了支持,也为今后面向其他领域的可视化表达研究提供了借鉴和参考。 相似文献
8.
基于出租车用户出行的功能区识别 总被引：1，自引：0，他引：1
出租车数据作为城市大数据重要来源,其上车行为和下车行为直接反映城市人群出行行为特征,帮助城市规划者发现城市人群出行规律和城市功能结构。但是出租车数据隐含多维度信息,一维或者二维模型不足以表达和挖掘其蕴含的多维信息,因此本文选择可以承载多维数据的张量模型对出租车OD（上车/下车）数据进行时空模式挖掘。本文将北京六环区域划分为500 m×500 m格网,采用北京市2012年11月1-16日的出租车OD数据,分别构建O点和D点张量,利用张量分解模型从日尺度、时段尺度揭示出租车用户出行时间模式,同时获取不同时段对应的出租车用户出行空间模式,并推测空间模式包含的语义属性。本文结合城市兴趣点（Point of Interest, POI）数据,提高空间模式语义属性推测的准确性,识别出租车用户出行功能区。结果表明：出租车用户出行时间符合工作日和休息日的早高峰、日间、晚高峰以及夜间模式;对应8种时间模式,出租车用户出行包含8种空间模式,每一种空间模式都是对应时间模式下的上下车热点区域,因此空间模式的变化表明城市人群在不同的时间点,到达不同的场所,进行不同的活动,间接表达空间功能的动态变化;区域的功能不是单一静态的,而是随着时间在不断地变化,是不同时段功能的组合。本文揭示出租车OD数据中隐含的出租车用户出行模式和空间功能动态变化,对利用人类行为时空模式研究区域空间功能结构具有科学参考价值。 相似文献
9.
利用终端位置时空转移概率预测通讯基站服务用户规模 总被引：1，自引：0，他引：1
基站服务用户数的预测对通信基站的空间位置选取、通讯服务带宽的配置优化等有重要作用,并为城市公共安全管理方面中的人群聚集预警与群体事件预防提供辅助决策支持。本文利用海量手机轨迹数据,运用时空转移概率定量化描述城市内不同区域间人群流动的时空特性,结合马尔可夫链和贝叶斯定理,构建手机用户群体在基站间的时空转移概率模型,并以此提出一种城市区域尺度上的基站服务用户数预测方法。利用湖北省某城市长达30 d的手机轨迹数据进行模型训练与预测方法验证,实验结果表明：在时间粒度为60 min时,本文提出的方法对8-22时各时段基站服务用户数预测准确率都大于94.8%;在不同时间粒度下对比本文方法、Castro模型、移动平均法,发现在时间粒度大于20 min时,本文方法预测准确率高于另外两种方法。 相似文献
10.
基于地点的犯罪时空预测由于不直接涉及个人数据，且可与警务巡逻和精准化治安防控策略有机结合，现已成为预测性警务领域的研究热点和主要实践方向。本文对2013年以来国内外犯罪时空预测的最新进展进行综述，主要工作包括：(1)总结了该领域研究在文献数量快速增加、研究主题日益多元、主要研究群体分布相对集中等方面的总体特征；(2)梳理了犯罪时空预测的目标主体、时间尺度、空间尺度、模型方法、精度评价、实践效果评估六大基本要素的新变化、新指标或新进展；(3)介绍了常用犯罪时空预测软件及各国预测性警务实践；(4)探讨了在实践应用的各个阶段所面临的伦理问题及挑战，以及各界为规避此问题做出的尝试；(5)展望了犯罪时空预测后续研究重点。本研究为犯罪时空预测领域勾勒出一个较为全面和清晰的轮廓，可为国内犯罪地理、智慧警务、警用地理信息系统（PGIS）等相关领域的研究者和从业人员提供有益参考。 相似文献
11.
基于犯罪空间分异和建成环境的公共场所侵财犯罪热点预测 总被引：2，自引：0，他引：2
机器学习是当前犯罪热点预测的主流方法,随机森林算法因需要的数据量较小、有较好的预测能力和预测精确度、且有较高的可理解度,更是被广泛应用,代表地理环境和建成环境的多源数据也被广泛用于模型改进的尝试实践中,但这些实践都只考虑研究区整体的预测精度变化情况,并未区分不同区域犯罪热点预测结果的差异及其原因。因此,本文以公共场所侵财犯罪为例,根据历史犯罪分布情况及过往犯罪热点分布规律,将研究区分为稳定高发热点网格、较高发热点网格、偶发热点网格及非热点网格这4类,并依据社会失序理论、日常活动理论和犯罪模式理论,选取城中村范围、路网密度及POI（餐饮、娱乐、商场3类设施）密度这3个具有代表性的协变量加入到随机森林预测模型中,探讨预测结果精度的变化情况。根据2017年26个双周的犯罪热点预测实验的预测结果,得到以下结论：加入协变量后,研究区整体、稳定高发热点网格及较高发热点网格的预测精度都有不同程度的提高,分区模型的精度显著高于整体模型的精度,说明考虑空间分异对提高模型精度起重要作用。 相似文献
12.
近年来,公交扒窃案呈上升趋势,为了预防和打击此类犯罪,需要有效识别其犯罪模式。传统的犯罪分析方法,往往将时间和空间分割开来研究,本文则引入加权时空关联规则进行挖掘分析,试图找出公交扒窃的案发时空规律。首先,对公交扒窃数据进行时间粒度和空间粒度的划分,将公交主要运营时间以2 h为单位划分成等间隔的公交时段并对其进行编码,将公交线路按公交站点划分成公交路段;其次,对数据进行空间分析和时间归并,提取出每个案件发生的公交路段和案发时段,并将案发时段归并到公交时段中;再次,由于每个公交路段的案发率不同,其对结果的贡献率也不同,因此,给每个路段赋予一个权重;最后,用Apriori算法进行加权关联规则挖掘,得到公交扒窃的时空犯罪模式。研究表明,这种挖掘方法具有以下特点:(1)按公交站点进行公交路段的划分具有创新性;(2)通过对案发路段的加权,能将空间位置重要程度的差异区分开来,更符合实际情况;(3)挖掘过程中同时考虑了时间与空间属性。 相似文献
13.
基于改进logistic-CA的城市形态多情景模拟预测分析——以天津滨海地区为例 总被引：3，自引：0，他引：3
logistic-CA模型在城市分析应用中,发挥了重要作用,但该模型仅能模拟历史演化趋势下的城市形态演化,无法准确模拟既定年份的城市面积,更无法模拟预测多情景城市形态演化。因此,本文对logistic-CA模型进行了改进:一是嵌入了灰色不等时距预测模型;二是增加不同情景中驱动力的logistic回归系数计算方法。改进后的logistic-CA模型,具备了模拟多情景城市形态演化的能力,模拟预测了天津市滨海地区2011-2020年3种情景的城市形态的演化空间过程特征,即历史外推、内生发展、外生发展3种情景。从而掌握城市形态扩展的必然性、可能性、特定区域的空间扩展影响因素,实现对城市发展过程的有效控制。 相似文献
14.
针对目前地名地址编码存在的区位信息缺乏、编码粒度较粗、稳定性和可读性较差等问题,本文提出了地名地址编码设计的3个原则：（1）每个地名地址的编码独立且稳定;（2）编码易于实现;（3）编码便于识读。基于地球剖分理论,设计了一种多尺度的地名地址空间区位编码模型,该编码模型以地球剖分网格作为基础单元,建立地名地址空间区位属性与球面网格的映射关系。进一步提出了地名地址空间区位编码方法,该编码是由定位码、层级码和半跨度码组成的一维定长组合码,并且从空间位置、区域范围和空间关系3个方面分析了对空间区位编码的识读方法。最后,以物流行业为例,探讨了地名地址空间区位编码模型的应用思路与前景。结果表明,该模型便于计算机存储与管理,能够为地名地址的网格化管理提供组织与表达基础,对智慧城市建设具有很强的理论和实用价值。 相似文献
15.
现有时空同现模式挖掘方法因其在空间和时间频繁阈值等参数值的设定上存在困难且缺乏客观依据的问题而难以被应用到犯罪地理研究中。为此,本文通过引入时空状态同现模式和最小时空参与率等概念对现有挖掘方法进行了重新建模,并结合广义Grubbs异常值检验提出了一种点模式分布下的犯罪嫌疑人时空同现模式挖掘框架。基于该框架对中国某省部分犯罪嫌疑人的真实移动轨迹数据的实验分析结果表明,本文所提出的方法能够有效地挖掘出嫌疑人间显著的时空同现模式,且这些模式的时空分布特征不仅与犯罪活动易发生在非农业生产区这一共识基本相符,还与日常活动理论的基本观点相适应。本文拓展了时空同现模式挖掘在犯罪地理研究中的应用,研究成果对公安机关等执法部门在重点监控某些犯罪嫌疑人以及合理分配和部署警力资源方面具有重要意义。 相似文献
16.
位置预测技术可以提前预知用户下一时刻的位置,在基于位置的服务（Location-based Service,LBS）领域中发挥着极其重要的作用。现有的位置预测技术大多仅使用用户的地理轨迹,仅使用地理轨迹挖掘出来的用户移动模式易受地理特性的限制缺乏深层次的语义信息。本文基于某商场群体用户的室内轨迹数据和语义信息预测用户下一个时刻语义位置。语义位置预测包括停留区域识别、停留区域语义匹配、语义位置建模。在停留区域识别阶段,为减少室内停留时间不固定对停留区域识别的影响,本研究提出了一种新型的时空凝聚层次聚类算法（Spatial-Temporal Agglomerative Nesting, ST-AGNES),该算法具有思想简单、超参数少、自动生成聚类个数等优点。在语义匹配阶段,引入了吸引度规则,充分利用停留区域所有轨迹点与室内高密度的商铺名称信息做匹配。最后,采用长短型记忆神经网络模型（Long Short-Term Memory,LSTM）挖掘群体用户的语义位置模式并预测用户未来的语义位置,实验预测正确率达到61.3%。 相似文献
17.
基于手机定位数据的城市人口分布近实时预测 总被引：3，自引：0，他引：3
精细时空尺度下城市人口分布的近实时预测可为优化公共资源配置、协助城市交通诱导、制定公共安全应急预案、探索城市居民活动规律等提供重要科学依据。本文采用城市手机定位数据,基于时间序列分析方法,分别建立参数预测模型和非参数预测模型,对精细尺度下的城市人口空间分布开展近实时预测。预测结果表明,基于时间序列分析方法的预测模型可为精细尺度下的城市人口分布近实时预测提供方法支持;在本文实验条件下,从人口规模、时空分布、多时间尺度、特殊事件等多个角度评估模型精度,非参数预测模型其预测误差均小于参数预测模型,且预测结果更为稳定。 相似文献