基于神經(jīng)網(wǎng)絡(luò)算法的毒品濫用預(yù)測(cè)與區(qū)域可視化研究

何欣楠　郝晨景　潘子祥

摘要：現(xiàn)今，毒品濫用已經(jīng)成為影響社會(huì)安全的重要課題，為了對(duì)毒品濫用進(jìn)行可控性預(yù)測(cè)。本文以美國(guó)五個(gè)州各縣的毒品濫用情況為例，選取2010-2017年美國(guó)關(guān)于毒品濫用情況的數(shù)據(jù)，建立神經(jīng)網(wǎng)絡(luò)算法，對(duì)2018年毒品可能的出現(xiàn)地點(diǎn)進(jìn)行預(yù)測(cè)，并且進(jìn)行數(shù)據(jù)可視化展示。本文做出一點(diǎn)探索性的工作，旨在為毒品濫用的研究提供可行性的思路與分析方法，將神經(jīng)網(wǎng)絡(luò)模型與毒品濫用問題進(jìn)行結(jié)合。

關(guān)鍵詞：毒品濫用;神經(jīng)網(wǎng)絡(luò);可視化展示

1綜述及數(shù)據(jù)

1.1概述

毒品犯罪是各國(guó)政府所關(guān)注的重點(diǎn)問題，其危害大，傳播廣，已經(jīng)成為社會(huì)安全的重要因素。在犯罪學(xué)研究領(lǐng)域中，犯罪地理學(xué)主要研究了犯罪現(xiàn)象的空間發(fā)生、發(fā)展和分異規(guī)律，并基于預(yù)測(cè)結(jié)果進(jìn)行預(yù)防和控制犯罪[1]。我國(guó)正處于全面建成小康社會(huì)、全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家階段。對(duì)努力實(shí)現(xiàn)民族偉大復(fù)興的當(dāng)代中國(guó)而言，毒品對(duì)民眾健康、國(guó)家發(fā)展、民族未來(lái)有極大危害[2]。目前在我國(guó)禁毒、緝毒工作中，尤其是對(duì)于預(yù)防吸毒工作，針對(duì)吸毒行為態(tài)勢(shì)的整體性分析和預(yù)測(cè)研究較少[3]。本文以美國(guó)往年毒品犯罪數(shù)據(jù)為例，以神經(jīng)網(wǎng)絡(luò)模型建立算法。對(duì)毒品出現(xiàn)地點(diǎn)進(jìn)行預(yù)測(cè)工作，并對(duì)我國(guó)毒品防治工作的開展提供借鑒。

1.2數(shù)據(jù)來(lái)源綜述

本文選取美國(guó)疾病控制中心的網(wǎng)站的數(shù)據(jù)，包括美國(guó)五個(gè)州（VAOHPAKYWV）及其各縣2010-2017年的毒品濫用匯報(bào)數(shù)（DR）、各州縣的名稱以及郵政編號(hào)（FIPS）、每種毒品在各縣及各州縣的毒品總濫用數(shù)。實(shí)驗(yàn)選取了年份（YYYY），洲名（State），縣名（COUNTY），毒品名（SubstanceName）和對(duì)應(yīng)的毒品濫用數(shù)（DrugReports，DR）這五類數(shù)據(jù)，精簡(jiǎn)數(shù)據(jù)特征并建立算法。

本文基于R語(yǔ)言的map包來(lái)繪制毒品出現(xiàn)地點(diǎn)圖，使得實(shí)驗(yàn)數(shù)據(jù)可視化。由于map包中包含美國(guó)所有州縣的地圖，本文對(duì)數(shù)據(jù)進(jìn)行了篩選，僅保留了實(shí)驗(yàn)所需要的五州及其各縣的地圖數(shù)據(jù)。

2基于神經(jīng)網(wǎng)絡(luò)的毒品犯罪學(xué)預(yù)測(cè)

2.1神經(jīng)網(wǎng)絡(luò)及其構(gòu)建

本文構(gòu)建了4層深度學(xué)習(xí)（Deep-Learning，DL）模型，節(jié)點(diǎn)表示為（7，7，7，1）的全連接層，網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

2.2預(yù)測(cè)結(jié)果

（1）數(shù)據(jù)編碼。通過對(duì)數(shù)據(jù)進(jìn)行篩選統(tǒng)計(jì)，如下表所示十一種毒品的出現(xiàn)次數(shù)遠(yuǎn)高于其他毒品，故本文選取這些毒品進(jìn)行實(shí)驗(yàn)。

本文對(duì)數(shù)據(jù)進(jìn)行編碼。在所有縣中，以上十一種毒品所對(duì)應(yīng)的DR編碼為“1”，代表該縣在該年實(shí)驗(yàn)出現(xiàn)毒品，而其他毒品的DR編碼為“0”。記該數(shù)據(jù)為編碼毒品匯報(bào)（Leveled-DrugReports，LDR）數(shù)據(jù)，用于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。

（2）模型訓(xùn)練與預(yù)測(cè)結(jié)果。本文選取2010～2016年的LDR數(shù)據(jù)作為訓(xùn)練集與驗(yàn)證集，預(yù)測(cè)2018年十一種毒品的出現(xiàn)情況。

為了使數(shù)據(jù)可視化，本文結(jié)合預(yù)測(cè)結(jié)果和美國(guó)地圖，繪制了2018年各縣實(shí)驗(yàn)毒品分布圖，如圖2所示。

根據(jù)圖2可以看出，毒品的出現(xiàn)呈現(xiàn)較為集中的態(tài)勢(shì)，且每一個(gè)集中點(diǎn)有多種毒品同時(shí)出現(xiàn)，不難假設(shè)該地區(qū)為毒品的爆發(fā)及濫用區(qū)。在實(shí)際的應(yīng)用中，這將對(duì)毒品防治，毒品相關(guān)案件分析起到幫助性的作用。

3總結(jié)

本文通過結(jié)合神經(jīng)網(wǎng)絡(luò)算法與數(shù)據(jù)可視化，預(yù)測(cè)并繪制了2018年美國(guó)五個(gè)州各縣的毒品濫用情況圖。美國(guó)阿片類危機(jī)同樣是中國(guó)乃至全人類的共同問題，盡管聯(lián)邦政府對(duì)毒品問題采取多項(xiàng)打擊措施，但該問題的復(fù)雜性導(dǎo)致措施并沒有起到明顯效果[4]。我國(guó)警方已加大毒品犯罪打擊力度，強(qiáng)化社會(huì)治安綜合治理，加大法治宣傳力度，在一定程度上降低了毒品犯罪的發(fā)生率[5]。但截至目前，關(guān)于毒品防治，依舊比較缺乏關(guān)于吸毒行為的數(shù)學(xué)建模以及數(shù)學(xué)分析方法。本文旨在為毒品濫用的研究提供可行性的思路，有助于減少地區(qū)毒品案件發(fā)生率，一定程度上協(xié)助緝毒民警工作，并對(duì)我國(guó)毒品防治工作的開展提供借鑒。

參考文獻(xiàn)：

[1]張寧，王大為.基于風(fēng)險(xiǎn)地形建模的毒品犯罪風(fēng)險(xiǎn)評(píng)估和警務(wù)預(yù)測(cè)[J].地理科學(xué)進(jìn)展，2018，37（08）：1131-1139.

[2]周秀銀.汲取“楓橋經(jīng)驗(yàn)”走中國(guó)特色毒品問題治理之路[J].公安學(xué)刊（浙江警察學(xué)院學(xué)報(bào)），2019（04）：26-32.

[3]蘆佳.大數(shù)據(jù)在吸毒行為預(yù)測(cè)中的應(yīng)用[J].江蘇警官學(xué)院學(xué)報(bào)，2019，34（01）：71-75.

[4]2002."LearningRepresentationsbyBack-PropagatingErrors"，CognitiveModeling，ThadPolk，ColleenSeifert.

[5]袁莎.美國(guó)阿片類毒品危機(jī)及中美禁毒合作[J].和平與發(fā)展，2019（01）：101-115+135-136.

[6]劉懿.關(guān)注毒品犯罪新動(dòng)向依法懲處“零容忍”[N].人民法院報(bào)，2019-08-13（006）.