孔令竹



【摘要】本文基于大數據的數據資源和技術手段,通過數據分析、總結歸納建立治安狀況影響因素體系。經過進一步的定性和定量評價分析,實現對治安狀況影響區域的預測和重點防部區域的劃定,為派出所治安崗亭的布點規劃提供科學依據。
【關鍵詞】 大數據;公安設施;治安崗亭;治安影響;布點
【DOI】10.12334/j.issn.1002-8536.2021.
18.
派出所治安崗亭是公安機關重要的基層基礎設施,在快速反應、維護治安、服務群眾等方面具有重要作用。運用熱力圖、POI、警情數據等大數據資源與技術進行治安崗亭設施布點規劃,為其他城市專項布點規劃研究提供有益的參考。
1、數據來源與研究方法
1.1 數據來源
本次研究主要包含一個中等城市的三類數據:公安局提供的警情數據、百度地圖POI、百度人口熱力圖數據。
1.2 研究方法
本次研究綜合運用POI數據采集法、百度熱力地圖采集法進行數據采集,運用Geocoding(地址匹配)空間定位技術編碼法、網絡空間核密度估算法進行數據處理,運用層次分析法、基于GIS空間分析法進行數據分析,定性與定量相結合,確定和評價治安狀況影響因素和體系,根據評價與預測結果進行布點規劃。
2、基于大數據的現狀警情分析
2.1 警情大數據熱力分布研究
本次研究將5萬多條市區警情的案件基本信息進行導入,利用Geocoding和核密度估計法進行轉換和數據處理,使警情分布以高熱區、中熱區和低熱區分類可視化呈現成結果顯示(如圖1左),警情熱力分布基本覆蓋了大部分商業區和居住區,居住越集中、建成時間越久的區域,熱度分布范圍就越大,熱度等級也越高。
2.2 人口聚集度與警情分布關系分析
本次研究利用自編程序技術對百度熱力圖進行定時截取,截取時段為人群活動主要活躍時間7:00-24:00,每半小時一次,共計130張。利用GIS工具對這些數據的最高熱度值進行疊加處理,得到的結果顯示(如圖1右):高熱區主要集中在商業綜合體、大型商業區、客運樞紐站、大中專院校;中熱區主要集中在城區級商業中心、成熟居住區;低熱區主要集中在有一定入住率的居住小區、城中村。將人口聚集熱力分布與警情分布熱力分布進行疊加對比分析顯示(如圖1所示):兩者高、中熱區的契合度很高,可見人口集聚度與警情發案數有直接關系,人口集聚度越高則發案數越高。
2.3 POI分布與警情分布關系分析
利用百度地圖POI數據,通過核密度估計法對研究區域內點密度空間變化進行分析,并與警情熱力分布進行對比,其中市場、購物、餐飲、娛樂場所的POI密度分布與警情熱力分布契合度較大,表明這些區域對治安狀況有較大影響。
2.4 現狀市區治安重點防部區域分析
現狀治安重點防部區域即1分鐘反應圈,即警方在1分鐘內快速反應并到場處置的區域。重點防部區以商業區、公園、廣場、火車站、市政府等人流高度密集區域為主。將其與部分警情熱力分布進行對比分析,兩者存在高度重合,表明警情嚴重高發區域已經得到公安部門的高度重視,對此進行重點防部的現實情況。
3、派出所治安崗亭的布點規劃分析
3.1 治安狀況影響評價及預測
(1)治安影響因素體系的建立與賦值
綜合以上分析結果,總結歸納出對治安狀況影響較大或對治安需求較大的多種因素,并根據重要程度定性取值,形成“兩級四型”治安影響因素體系(表1)。
(2)治安影響因素權重的調整
采用層次分析法(AHP)法進行更為科學合理的權重調整。通過“YAAHP”軟件建立層次結構模型,構造判斷矩陣,再逐步分層比較、計算各因素,最終得到不同因素的權重。
(3)治安狀況影響區預測
根據治安影響因素權重與評價模型,對各個因素進行評價后得到柵格評價圖,再運用 ArcToolbox中的空間分析工具對所有影響因素評價的柵格數據做疊加加權處理,得到治安狀況影響區預測分布。
3.2 重點防部區域的劃定
結合治安狀況影響區預測結果、城市控制性詳細規劃用地情況,根據治安防部的重要程度劃定三個等級的防部區:一級防部區小于直徑1公里,分布于城市人口集聚度最高、人流量最大、政府核心辦公區域;二級防部區小于直徑3公里,分布于城市人口集聚度高、人流量大、高發案以及中小學、城區級公服設施等重保區域;三級防部區小于直徑5公里,主要分布在有一定人口集聚度的區域。
3.3 派出所治安崗亭布點規劃
根據重點防部區域的劃定結果,結合其他警務設施的分布等情況,可對派出所治安崗亭作以下布點規劃(圖2):每個一級防部區內布點一到兩個治安崗亭;大部分二級防部區內布點治安崗亭;少量未設置其他公安設置的三級防部區內根據其他公安設施分布情況補充性布點治安崗亭。
結語:
本次研究得益于大數據背景下成熟技術方法的廣泛運用,確定治安影響因素和評價治安影響因素體系的重要依據,為進一步定量評價和預測、規劃布點奠定了重要基礎。
參考文獻:
[1]王嬋媛.我國特大城市基層派出所規劃設置問題研究[D].首都經濟貿易大.