基于大數(shù)據(jù)的案事件預(yù)測、預(yù)警、預(yù)防方法的研究

張力，李永超

（河南省新鄉(xiāng)市公安局)

1 前言

案事件預(yù)警、預(yù)防主要研究的內(nèi)容是基于同一類過往案事件信息及其涉及的嫌疑人、受害人、物品等信息，提取其外貌、行為、軌跡等各種特征，明確各個(gè)特征的權(quán)重，構(gòu)建該類案事件涉及人員的特征模型算法，并利用新發(fā)該類案事件涉及人員物品的數(shù)據(jù)特征，對模型算法參數(shù)進(jìn)行驗(yàn)證、優(yōu)化、完善。同時(shí)，利用該算法對人員數(shù)據(jù)特征庫進(jìn)行動態(tài)相似度計(jì)算，監(jiān)測分析所有人的數(shù)據(jù)特征，達(dá)到對該類案事件高精度預(yù)測的目標(biāo)。

2 由案件到案件的分析方法

通過提取某類案件的時(shí)間規(guī)律和空間規(guī)律進(jìn)行時(shí)空關(guān)聯(lián)分析，獲得此類型案件的時(shí)間、空間的聚集性關(guān)聯(lián)規(guī)則關(guān)系，從而獲得出該類案件在某個(gè)時(shí)間、某個(gè)地點(diǎn)發(fā)生的概率，為民警打防工作提供理論支撐。同時(shí)，根據(jù)案件作案方式、作案工具、案件特點(diǎn)等特征，結(jié)合該類案件的時(shí)間、空間聚集關(guān)聯(lián)規(guī)則，為民警案件串并提供新的手段。

提取某市公安局400多起已破盜竊電動車案件，對其進(jìn)行關(guān)聯(lián)規(guī)則分析和時(shí)空聚集性分析，并對案件串并案關(guān)聯(lián)分析，通過分析盜竊電車高發(fā)時(shí)間段為后半夜24時(shí)左右，下午17時(shí)-21時(shí),中午12時(shí)左右。提取案件的位置坐標(biāo)信息處理后撒點(diǎn)，發(fā)現(xiàn)在位置分布上聚集分布。

隨機(jī)抽樣統(tǒng)計(jì)模擬方法蒙特卡羅，泛指所有基于統(tǒng)計(jì)采樣進(jìn)行數(shù)值計(jì)算的方法。蒙特卡羅方法的基本思想是，如果需要處理對某種事件出現(xiàn)的概率進(jìn)行求解的問題時(shí)，或者是計(jì)算某個(gè)隨機(jī)變量的期望值時(shí)，通過某一種“試驗(yàn)”的方法，計(jì)算得到這種事件出現(xiàn)的頻率，或者這個(gè)隨機(jī)變數(shù)的平均值，并以此作為該問題的一個(gè)解。我們使用該方法對盜竊案件進(jìn)行時(shí)空聚集性分析。

通過Apriori算法挖掘電車盜竊案件的數(shù)據(jù)關(guān)聯(lián)規(guī)則，找出案件信息中在不同的時(shí)間段頻繁重復(fù)出現(xiàn)的數(shù)據(jù)，總結(jié)分析得出上午在小區(qū)街路巷多使用撬鎖盜竊電動車。前夜多在在居民小區(qū)發(fā)生盜車占盜竊類案件的4.6%。

3 由案件到嫌疑人的分析推薦

3.1 推薦模型設(shè)計(jì)

通過分析案件的特征以及人員的特征，依據(jù)案件特征提取人員的特征，我們將這些分解成向量，之后再計(jì)算向量距離，便可以得出該案件和人員的相似度了。這種方法很簡單，在計(jì)算用戶特征向量和被推薦項(xiàng)的特征向量的相似性時(shí)，使用的是cosine方法，計(jì)算兩個(gè)向量之間夾角的cosine值。例如：某小區(qū)的盜竊案件已知嫌疑人的特征，對人員進(jìn)行數(shù)據(jù)排查。首先提取案件特征示，與人員的基礎(chǔ)特征、行為特征進(jìn)行對應(yīng)。

通過將所有人員的特征的和案件的特征進(jìn)行相似度計(jì)算，最終提取相似度0.90以上的人員，作為案件的嫌疑人推薦給民警，提高排查效率。ATag表示案件特征，RTag表示人員特征，對應(yīng)的值為向量化的值。

3.2 特征權(quán)重

由于公安案事件業(yè)務(wù)的特殊性，采用tf-idf（詞頻-逆文檔頻率）的方式計(jì)算案件特征權(quán)重，會有較大偏差，案件特征的權(quán)重主要依靠行業(yè)知識或民警的經(jīng)驗(yàn)?；诂F(xiàn)有知識或民警經(jīng)驗(yàn)設(shè)置權(quán)重，改善設(shè)計(jì)人員推薦算法，能有效提高嫌疑人推薦的精確度問題，解決案件的大規(guī)模嫌疑人排查工作，并隨著知識的增加、經(jīng)驗(yàn)的豐富、特征的完善，推薦結(jié)果也越來越精確。

4 由人到案件，構(gòu)建預(yù)測模型

機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門多領(lǐng)域交叉學(xué)科，其目標(biāo)致力于研究通過計(jì)算機(jī)來模擬人類學(xué)習(xí)行為的方法，從而獲取新的知識或技能，進(jìn)一步重新組織已有的知識，并不斷改善自身的性能[3]。因此使用機(jī)器學(xué)習(xí)進(jìn)行由人到案的預(yù)測模型設(shè)計(jì)，成為有效方法，為我們在公安業(yè)務(wù)中案事件預(yù)測預(yù)警提供一定的信息支撐。

4.1 模型構(gòu)建過程

模型構(gòu)建需要大量的數(shù)據(jù)參與，主要包含訓(xùn)練集和測試集。案件預(yù)測模型構(gòu)建過程中使用訓(xùn)練集對數(shù)據(jù)進(jìn)行學(xué)習(xí)、訓(xùn)練，構(gòu)建模型。構(gòu)建后的模型使用測試集進(jìn)行驗(yàn)證，通過驗(yàn)證模型輸出結(jié)果的性能，進(jìn)一步對模型進(jìn)行優(yōu)化。

構(gòu)建案件預(yù)測模型遵循一定的流程（見圖1）：

嚴(yán)寒的冬季已是冰封水面，為了讓魚兒安全越冬，我們建議在結(jié)冰前把增氧機(jī)移向料臺附近，每天定時(shí)開機(jī)半小時(shí)左右，這樣以保證增氧機(jī)附近即使在嚴(yán)寒的冬季也不結(jié)冰，以達(dá)到冰下水體長期通風(fēng)換氣、提高水體溶氧的作用。另外，對滲水的池塘，要定時(shí)加注新水，保證冰下水的深度最好在1～1.5m之間。加水時(shí)一定要從下而上加水，切莫形成二茬冰，防止魚類凍傷凍死。同時(shí)在大雪天氣要合理地清掃積雪，保證冰下浮游植物的光合作用。

4.2 模型算法設(shè)計(jì)

案件預(yù)測預(yù)防模型采用SVM算法對訓(xùn)練集進(jìn)行處理。案件有多個(gè)案件特征，人員也有多個(gè)特征，人員數(shù)據(jù)和歷史案件構(gòu)成了模型的訓(xùn)練樣本，但是案件特別是某一類案件的樣本數(shù)量都算不上海量。SVM算法不需要大量的原始樣本數(shù)據(jù)進(jìn)行訓(xùn)練，但其參數(shù)C和g，即懲罰系數(shù)和核函數(shù)半徑，需要根據(jù)經(jīng)驗(yàn)來選取，并根據(jù)結(jié)果進(jìn)行優(yōu)化選擇。

因?yàn)镾VM分類器原理上只能單輸出，對應(yīng)特征預(yù)測模型即輸出其中一個(gè)特征，所以根據(jù)人員特征的數(shù)量構(gòu)造對應(yīng)的分類器，即構(gòu)造特征預(yù)測分模型。

分模型的訓(xùn)練過程（見圖2）：基于PSO算法參數(shù)尋優(yōu)得到SVM的最優(yōu)參數(shù)C和g，然后利用SVM算法對訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，并得到分模型。

訓(xùn)練過程中，S為原始數(shù)據(jù)集，SK表示包含某個(gè)特征的數(shù)據(jù)集，即分模型數(shù)據(jù)集，MK表示分模型，dk表示分模型的特征輸出。匯總后，最終形成嫌疑人特征集合。

圖1 基于SVM的嫌疑人特征預(yù)測原理圖[4]

圖2 分模型的訓(xùn)練過程

4.3 模型訓(xùn)練及驗(yàn)證

4.3.1 預(yù)測模型的特征選擇

根據(jù)保密需要、犯罪案件信息以及案事件預(yù)測的目標(biāo)，預(yù)測模型的選擇的輸出嫌疑人特征為：年齡、性別、民族、是否重點(diǎn)人員和是否吸毒。

根據(jù)嫌疑人特征需要構(gòu)建5個(gè)SVM分類器，分模型的輸入為案件基本信息特征和受害者特征，SVM分類器的輸出結(jié)果是分模型是嫌疑人的某一個(gè)特征值的集合。也就是說案件預(yù)測預(yù)防模型的輸出為特征集合。

4.3.2 驗(yàn)證模型過程

①驗(yàn)證過程中選取歷史案件共計(jì)2981條數(shù)據(jù)，作為原始數(shù)據(jù)集，將該數(shù)據(jù)集數(shù)據(jù)信息進(jìn)行特征值量化。例如時(shí)間特征的量化，把一天24個(gè)小時(shí)劃分為：6：00 ～ 12:00 為 1，12：00 ～ 15：00為 2，15：00～ 18：00 為 3，18：00 ～21：00 為 4，21：00 ～ 24：00t為 5，24：00～次日6：00為6。年齡特征量化，把年齡劃分為0～18歲為1,18～30歲為2，30～40歲為3,40歲～50歲為5,50～60歲為6,60歲以上為7。性別、案件類型、職業(yè)情況、民族、教育情況、婚姻狀況等均采用公安數(shù)據(jù)標(biāo)準(zhǔn)代碼進(jìn)行簡化。將案件嫌疑人的特征也進(jìn)行量化處理。

②將所有數(shù)據(jù)進(jìn)行歸一化處理后，隨機(jī)提取2881條數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。歸一化后將各個(gè)特征的值將處在[0～1]之間。歸一化選擇線性函數(shù)歸一化，公式如下：

式中：為特征歸一化后的值，X為原始值，Xmax、Xmin分別為特征的最大值和最小值。

③使用粒子群算法對分模型進(jìn)行SVM參數(shù)設(shè)置、并優(yōu)化，確定參數(shù)。

④使用SVM訓(xùn)練得到嫌疑人特征的分模型，然后匯總分模型作為最終的嫌疑人特征模型。

⑤模型驗(yàn)證過程。將剩余的100條數(shù)據(jù)作為測試數(shù)據(jù)集，驗(yàn)證模型的性能。

4.4 模型結(jié)果分析

1)參數(shù)優(yōu)結(jié)果

使用粒子群算法對分模型進(jìn)行SVM參數(shù)設(shè)置，通過對5個(gè)分模型SVM參數(shù)尋優(yōu)，得到最后參數(shù)C和g，然后使用該最優(yōu)參數(shù)來訓(xùn)練數(shù)據(jù)集，構(gòu)造5個(gè)分模型，將分模型輸出匯總，并作為特征預(yù)測模型的輸出。

2)分模型的精確率和召回率

利用得到的參數(shù)，采用10折交叉驗(yàn)證的方法，可以得到各個(gè)分模型的精確率Pc和召回率Rc，并計(jì)算加權(quán)調(diào)和平均值Fc，其中模型的預(yù)測效果比較好的是性別和是否重點(diǎn)成員兩個(gè)特征的值分別達(dá)到了84.9%和93.1%。民族和吸毒情況模型的值為74.5%和67.2%，也達(dá)到良好效果。年齡預(yù)測模型的值最低為58.6%。

5 結(jié)語

基于案事件預(yù)測、預(yù)警、預(yù)防問題，從公安業(yè)務(wù)三個(gè)場景研究預(yù)測模型的設(shè)計(jì)方法。主要依靠從各類數(shù)據(jù)中，提取的案件和人員特征數(shù)據(jù)進(jìn)行分析預(yù)測，達(dá)到了一定的效果，為案事件的預(yù)測預(yù)警預(yù)防探索新的方法。由于目前案件、人員特征數(shù)據(jù)還不夠全、也不夠多，后期需要進(jìn)一步完善公安行業(yè)的特征數(shù)據(jù)，并通過大量的數(shù)據(jù)提高各個(gè)模型的精度，實(shí)現(xiàn)服務(wù)實(shí)戰(zhàn)的目標(biāo)。