基于支持向量机的治安高危人员风险预警方法

基于支持向量机的治安高危人员风险预警方法

ID:46806736

大小:1.12 MB

页数:7页

时间:2019-11-28

基于支持向量机的治安高危人员风险预警方法_第1页
基于支持向量机的治安高危人员风险预警方法_第2页
基于支持向量机的治安高危人员风险预警方法_第3页
基于支持向量机的治安高危人员风险预警方法_第4页
基于支持向量机的治安高危人员风险预警方法_第5页
资源描述:

《基于支持向量机的治安高危人员风险预警方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第28卷第11期管理评论Vol.28,No.112016年11月ManagementReviewNov.,2016基于支持向量机的治安高危人员风险预警方法1,21张强何乐平(1.中国科学院大学经济与管理学院,北京100190;2.江西省吉安市人民政府,吉安343000)摘要:随着社会经济快速发展,城市人口流动性增加,社会治安面临新的挑战。提高对治安高危人员风险预警能力,有助于公安机关高效应对复杂多变的公共安全形势。本文采用支持向量机构建风险预警模型,探求高危人员风险预警的可行方法,并进行实证分析。结果显示该方法对治安高危人员风险预警效果显著,对公安机关的情报研判具有较高的实用性。

2、关键词:治安高危人员;公共安全;风险预警;支持向量机引言当前我国正处于经济转轨、社会转型时期,治安管理的复杂性和艰巨性日益凸显,公共安全和治安秩序面临新的挑战。其中,敌视社会人员、社会闲散人员、两劳(判刑、劳教)无业人员、吸毒贩毒人员、窜至外地的逃[1]犯等治安高危人员因对社会稳定存有较高潜在威胁而被公安机关高度关注。从我国治安现状来看,治安高危人员流窜作案、重复作案、职业作案等特征明显,甚至形成由同户籍地人员所构成的高危人群,对社会治安构成很大威胁。有效预警并干预治安高危人员可能对社会造成的伤害,能够极大增强社会治安效果。犯罪预防和侦查、制裁行动是警务干预不可偏废的两个方面,然

3、而在实践中着重打击而轻预警的问题普遍,特别是公安机关对治安高危人员的监管工作中存在情况掌握不清、漏管失控的情况,因此迫切需要在掌握治安高危人员基本情况和行动轨迹的基础上,利用公安工作中积累的数据信息,推动警务干预模式的转型,对高危人员的潜在犯罪行为实施有效风险预警和控制。目前,公安机关在治安工作实践中积极运用信息开展重点人动态管控、重大案事件预警等警务干预,提高打击犯罪、防范安全风险能力。在高危人员监管方面,主要通过整合已有内部信息与社会信息,进行信息关联查询、智能检索、多维分析及碰撞对比,从而对治安高危人员的行踪轨迹进行分析,判断其风险程度。其中,内部信息主要包括实有人口、出入

4、境、车辆进出卡口、人车物办证、案事件、视频监控等信息,社会信息主要包括民航、电信、银行、税务等信息。公安机关可以根据风险判断结果,提出相应预警措施的实施建议或指令,提高对违法犯罪活动的预先发现和控制能力。然而目前治安风险评估缺少足够的科学方法支撑,情报信息分析研判的预警预防作用不明显。在实际治安工作中,对于上述信息的整合和分析多为犯罪行为发生后的被动式调查工作,完整意义上的提前判断潜在风险的预警工作仍偏少。本文以南昌市2010-2014年的前科和涉毒人员信息为数据,基于支持向量机提出了一个效果显著、可在实际工作中应用的治安高危人员风险预警方法,对公安机关情报研判具有较高的实用性。

5、全文结构如下:第二部分是文献综述,第三部分是治安高危人员风险控制现状分析,第四部分是实证分析,第五部分是结论与对策建议。文献综述1、犯罪风险预警研究社会治安事件是违法犯罪者在特定时空维度内进行的,大部分案事件可以基于形态、时间、空间和群集等综合情况形成总量特征。目前学者主要从犯罪热点时空分布、治安高危人员管控机制两方面研究和预测犯罪行为。其中,有学者尝试采用空间数据挖掘、神经网络、模糊聚类等方法对犯罪热点时空的分布模式、成因、时收稿日期:2016-05-09作者简介:张强,中国科学院大学经济与管理学院博士研究生;何乐平,中国科学院大学经济与管理学院博士研究生。246管理评论第28

6、卷[2][3]空转移及预测等方面进行研究。如Grubesic、Tompson和Townsley分别采用模糊聚类方法和空间聚类方[4][5]法对犯罪热点进行识别。Anderesed、Wang等利用空间回归分析方法,探究了犯罪热点形成与社会、经济、[6]环境之间的关系。陈鹏等基于Agent的犯罪模拟研究,提出了一种具有信息反馈机制的时空犯罪热点预测[7][8]模型,Li等通过分析以往犯罪数据的时间预测犯罪趋势,建立了智能决策支持模型框架。于红志等针对[9]犯罪影响因素多且关系复杂的特点,用改进的模糊BP神经网络方法对犯罪进行预测,Almanie等利用Apriori算法得到频繁犯罪模式

7、,并采用决策树和朴素贝叶斯分类器方法帮助在特定的时间、位置预测犯罪事[10][11]件,Sujatha和Ezhilmaran对预测犯罪地点采用了有效应力强度因子的挖掘算法。孙菲菲等基于模型组合分类器随机森林,结合机器学习技术在犯罪预测中的应用现状,提出了一种用于预测犯罪的改进的分类算[12]法。付举磊等基于社会网络分析对恐怖行为的特征进行了时空分析。[13]关于治安高危人员管控机制的研究相对较少。陈心歌分析了北京市流动人口犯罪的现状与原因,提[14]出应在平等对待流动人口、控制人

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。