警情預測時空關聯分析研究
——以廣西壯族自治區為例

劉莉莉,貢曉靜,秦 概

(1.廣西警察學院,廣西 南寧 530028;2.廣西南寧市公安局青秀分局,廣西 南寧 530028)

0 引言

信息化、建設智慧城市、平安城市的發展要求以及大數據、物聯網的快速發展,大力推動了科技強警的步伐,廣西公安在加快信息化建設的過程中建立了很多科學的地理信息系統,大大提高了公安機關防范和打擊犯罪的效能。近年來,在公共安全建模與預測領域也取得了一定的成果,并通過應急指揮系統解決了一些特、重大事件。但是,一些易發案件的發案率還是居高不下,這影響到社會治安和民眾生活質量,也不符合平安城市的建設要求。因此,對警情進行預測是將是很重要的一項工作。

隨著公安數據的海量增長,傳統的基于個人經驗的警情分析已逐漸滿足不了日益增長的犯罪數據以及錯綜復雜的時空關聯關系。當下,警情預測應該在大數據的支持下,通過可視化的方式,即地理信息系統展示,對海量歷史數據進行時間、空間等進行相關性分析,得出準確的預測結果,定位警情高發地域和時域,為公安機關警力部署提供決策依據。利用環境犯罪學的相關理論以及地理信息技術,對警情進行數據挖掘與時空相關性分析,將成為公安機關未來研究的重點之一。

1 國外研究現狀

在時空關聯挖掘算法上,較為認可的關聯規則挖掘的算法主要有Apriori算法和PF-Growth算法,主要針對“購物籃”類型的數據庫,是非時空屬性的數據。

Marcin Gorawski等[1]在傳統的Apriori算法基礎上對數據集連接步驟進行改進,通過擴展自連接的約束條件,獲得更多候選項集和頻繁項集,進而生成時空關聯模式。

人們從外界獲取的信息約有80%以上來自于視覺系統,可視化分析的優勢在于能夠直觀形象地將數據轉化為圖形或圖表,向用戶提供知識化結果,并且能夠直觀地發現數據的差異或關聯。因此,可視化時空分析是當前時空關聯分析領域應用較為廣泛的研究方法之一。

2011 年年底美國警方公布開發了一個名為 Blue CRUSH的犯罪預測軟件,稱此軟件可以對已發案的歷史數據進行分析來預測今后犯罪將發生的時空。一些城市試用了此軟件后犯罪率降低了30%。

國外一些地區已經在日常警務工作中使用犯罪預測技術,犯罪率有了明顯降低。如美國肯特利用 Pred Pol將盜竊降低了 15%～50%,美國蘭凱斯特市使用 IBM SPSS Modeler 將犯罪率降低了42%,大曼徹斯特警局利用犯罪預測,將入室盜竊降低了 26.6%等。

2 國內研究現狀及水平

目前在國內,不少學者結合自身研究領域對時空數據進行了時空關聯規則算法的擴展和改進。

岳慧穎[2]提出的時空數據挖掘算法(Shi Kong Data Mining,SKDM),先考慮空間約束條件后綜合考慮時間因素,得到有時間與空間約束的關聯規則。夏英[3]、張俊[4]等學者借鑒SKDM算法思路,提出了時空關聯規則挖掘算法Spatio-Temporal Apriori (STApriori)算法,該算法用于智能交通指揮可科學有效地緩解城市交通擁擠,調整城市交通流量分布。郭文月[5]使用貝葉斯網絡模型,研究了用于表現時空事件特征的可視化表達方式,再運用可視化分析系統對全球恐怖主義事件的時空分布特征、局部對比特征及整體趨勢進行可視化分析,最后利用ArcGIS處理工具構建社會安全事件可視化表達模型。柳林等[7]對城市入室盜竊案件進行了研究分析,揭示了一定區域環境內犯罪者的行為特征,之后又利用隨機森林分析方法及時空核密度分析方法分別對不同周期的犯罪熱點進行了預測,通過實例分析,得出最優預測方法。借鑒美國的Blue CRUSH軟件,國內學者閻耀軍等[8]研發的以北京市懷柔區為研究區域的犯罪預測時空定位信息管理系統于2013年4月在北京市懷柔區投入運行,運行2個多月的數據顯示,該系統明顯地降低了犯罪的發生率,提高了各類案件的破案率,并為懷柔區警力部署提供了科學的決策,減少了警務分布的盲目性和隨機性。

總體來說,雖然很多學者研究了警情時空分布的形成原理,然而他們選取的空間環境數據項各有千秋,再加上不同城市環境的差異性,這些研究對警情時空的關聯分析仍顯匱乏,亟須深入發掘。

3 廣西警情預測存在的問題

目前,廣西公安機關案件除涉穩、電詐案件有預警外,其他犯罪基本沒有預警,據有關方面統計,世界各國警察與人口數量的平均比例是35名/萬人,而我國的警民比例遠低于這個數。一些已經發生的案件都有可能無法破案,這與人力、財力、物力息息相關,警力不足是一個很大的原因,公安機關打擊犯罪還處于一種被動局面,即案件發生后的破案而不是案發前的預測。即使有預警采用的也是傳統的人工分析,如盜竊(包括入室盜竊、盜竊電動自行車)主要還是依靠民警的個人經驗進行警情預測分析,通過同類案件、同一犯罪主體、犯罪環境和時間的規律進行分析預測,在海量的數據中,犯罪原因、主體、發案現場的環境等關系盤根錯節,人工分析費時而且還容易出現遺漏,并且需要大量的經驗,一般的民警根本無法完成。所以,傳統的基于個人經驗的警情分析已不能應對日益增長的犯罪數據以及錯綜復雜的時空關系。如果將海量的數據交由計算機系統進行分析預測,瞬間就能得出結果。實現這個目標并不是不可能,國內外諸多學者已經在犯罪預測領域取得了一定的研究成果[9]。

3.1 側重個案分析

目前廣西對警情的預測研究大多側重某個案例的分析,提出的方法比較分散,沒有形成一個通用的技術框架。比如情報氣象站,通過發案區域監控、案件以及重點人員管控模型進行組合數據分析得出預警信息,這些預警針對的是涉穩事件,預警重點為報復社會人員、非正常上訪人員、精神病人、揚言報復社會的極端人員等,其他犯罪如盜竊、搶奪、搶劫等沒有納入預測的行列,而盜竊案的發案率是相當高的,有時盜竊還會在特定的環境影響下演變為傷害案甚至命案,嚴重影響了公民的生活質量,也影響了公民對公安機關的滿意度。所以,普通案件預測同樣應該得到重視。

3.2 犯罪預防措施具有一定的盲目性

為降低城市犯罪的發生率,公安機關一般會采用街面巡邏和設置社區警務的方式,雖然對預防犯罪起到了一定的作用,但是,由于街面巡邏具有盲目性和隨機性,民警對犯罪發生的時間和地點不能事先預測,再加上一些犯罪主體反偵察能力較強,他們通過事先踩點,伏擊守候,在巡邏民警離開后再實施犯罪。還有一些犯罪是臨時起意,其中有環境因素的影響,比如天氣、犯罪主體的心情等。由于警力不足,公安機關不可能做到任何區域時時刻刻都有人巡邏,犯罪主體總會有見縫插針的機會,這樣的街面巡邏會造成人力物力的浪費[10]。

4 解決策略

4.1 研發應用于實際警務工作的警情預測信息系統

近年來,國內研究犯罪預測的學者大有人在,但鮮少應用于警務實戰,偏重于理論研究。我國正處于并將長期處于社會主義初級階段,全國老齡化問題日趨嚴重,警民比例短期內不可能有大幅提高,所以,在有限的警力條件下,要擺脫人工分析進行預測的瓶頸,必須依靠科技的力量增強公安機關的執法能力,美國的 Pred Pol 犯罪預測平臺、IBM SPSS Modeler的犯罪預測、大曼徹斯特警察局采用最佳覓食者理論預防犯罪及國內的犯罪預測時空定位信息管理系統都表明警情預測能有效地降低犯罪率。但是,犯罪的發生與很多因素相關,如環境、犯罪主體的思想活動、人們的生活習慣、建筑物結構、地形、天氣等,要從這些因素入手進行研究才有可能達到準確的警情預測,這就需要相關部門加強對犯罪地理學、時空數據模型、時間數據挖掘和犯罪形成機理的研究,開發出能夠正確預警的信息系統并應用于警務實戰。

4.2 擴大警情預測范圍

南寧市自2018 年以來發生在街面、入室盜竊、盜竊電動自行車等傳統侵財類案件發案率占刑事案件的一半以上,而且具有專業性、職業性、團伙性和跨區域性的特點,這些案件發案率高但是破案率低,即使破案,贓款贓物也很難完全追回,對社會治安穩定和人民生活質量的影響非常大。所以,防治這些易發案件是保障社會治安穩定和民眾生命財產安全的有效手段。相關部門僅僅將報復社會人員、非正常上訪人員、精神病人、揚言報復社會的極端人員進行警情預測還遠遠不夠,其他多發性案件同樣會對社會治安產生威脅,也應該納入警情預測。

4.3 針對性地進行巡防

警情何時何地發生,受到時間維、空間維動態性、關聯性和不確定性的影響,而且警情發生的原因也很復雜,傳統的數據分析方法不具備處理多個數據項集復雜關系的能力。因而,街面巡邏依靠的是對歷史發案情況的經驗總結,找出易發案地段和時段從而進行巡防,不能準確地預測發案時間和地點,具有一定的隨機性和盲目性,犯罪嫌疑人仍然有機可乘。使用科學預測警情的信息系統能準確地預測未來一段時間警情發生的時空,公安機關就可以提前部署警力在這些時空,既避免了警力的浪費,也能預防犯罪的發生。

5 結語

從國內對警情預測的研究來看,時空關聯的理論、方法、模型研究多,應用比較少,特別是一些經濟發達的省份走在了前面,而且已經取得了一些成果,但是警情的發生規律、成因及變化趨勢都會有所區別,因此,任何一種警情的時空關聯分析研究都不能脫離當地政治、經濟、文化背景,廣西可以到這些省份進行實地調研,借鑒其預測技術與成果以及寶貴經驗,但需要緊密結合本省城市的特點以及特定犯罪類型,并與有實力的公司進行合作開發,研發出科學的適合本地區的警情預測信息系統,得出客觀合理的警情預測結果,通過測試進行不斷優化,再向全區甚至全國進行推廣使用。相信,在不久的將來,廣西也可以利用先進的警情預測技術降低犯罪的發生率,給民眾一個更加安全穩定的社會治安環境。