大数据支持下的犯罪地理研究—犯罪时空过程精细化模拟与防控优化

Traditional crime research has severe limitations in analyzing the spatio-temporal trajectory of crime, simulating the process of crime, and interacting criminological theories with policing practices. Nowadays, the era of big data provides much better data support for reconstructing the spatio-temporal trajectory of crime in micro scale and simulating the spatio-temporal process of crime in an intelligent way. Furthermore, the active cooperation of local police agencies establishes an ideal platform to optimize crime prevention both virtually and realistically. This project not only further enhances the traditional spatio-temporal crime analysis, but also overcomes the difficulties encountered when simulating the spatio-temporal process of crime in micro scale and optimizing crime prevention based on big data. In order to understand the mechanism of crime regarding its occurrence and alterations, this research innovatively explores big-data-oriented methods for reconstructing the spatio-temporal trajectory of crime, simulating the spatio-temporal process of crime in micro scale, and adaptively optimizing the strategies of crime prevention. This project will not only bring a new level of sophistication to crime geography nationwide, but also become the academic frontiers in criminology over the world, such that the national demand can be fulfilled to construct an innovative and rigorous framework for social security prevention and control.

传统犯罪研究在犯罪时空轨迹、犯罪过程模拟、理论与实践互动等方面存在严重不足。大数据时代的来临，为精细化的时空轨迹还原和智能化的时空过程模拟提供了更好的数据基础；地方警务部门的积极配合，为虚拟与现实相结合的犯罪防控优化提供了理想的合作平台。在此背景下，本项目在深化传统犯罪时空分析方法的同时，旨在攻克“大数据支持下的犯罪时空过程精细化模拟与防控优化”的关键技术难题，创新探索大数据支持下的犯罪时空轨迹还原、时空过程精细模拟、自适应犯罪防控优化的具体方法，明确犯罪现象的形成与重塑机制，大幅提高我国犯罪地理学的研究水平，从而引领国际犯罪科学领域的学术前沿，并响应国家“创新立体化社会治安防控体系”的重大现实需求。

传统犯罪研究在犯罪时空轨迹、犯罪过程模拟、预测与犯罪防控等方面存在较大的不足。大数据时代的来临，为精细化的时空轨迹还原和智能化的时空过程模拟提供了更好的数据基础；地方警务部门的积极配合，为虚拟与现实相结合的犯罪防控优化提供了理想的合作平台。在此背景下，本项目在深化传统犯罪时空分析方法的同时，旨在攻克“大数据支持下的犯罪时空过程精细化模拟与防控优化”的关键技术难题，创新探索大数据支持下的犯罪时空轨迹还原、犯罪预测、自适应犯罪防控优化的具体方法，研究内容具体包括犯罪时空轨迹与分布、犯罪时空过程的精细化模拟与预测，以及犯罪防控优化等方面。本项目的重要结果如下：1）利用多元数据还原犯罪时空轨迹，识别居民日常活动规律与犯罪嫌疑人日常活动规律，定量证明了不同类型的人群活动规律对犯罪的影响，在理论上完善了日常活动理论的“犯罪三角”的交互机制；2）利用随机森林、机器学习等预测方法，实现对犯罪者居住地和作案地的空间概率分布分析，以及对犯罪的时空分布进行精准预测。3）对多种犯罪防控策略进行分析，从中优选出预期效果最佳的防控策略，开展警务实验，实现虚拟犯罪模拟与现实警务实验相结合的自适应犯罪防控优化体系，提高警务资源的利用效率。本项目的研究结果弥补了对犯罪形成过程和机理认识不深刻的缺陷，相关成果对深化犯罪时空分析和预测、优化警务巡逻方案以及基础感知设备的合理布控方面有着重要性的指导意义，对促进我国犯罪地理学的学科发展，引领国际犯罪科学领域的学术前沿，并响应国家“创新立体化社会治安防控体系”的重大现实需求有重要意义。