基于加权时空关联规则的公交扒窃犯罪模式识别.pdfVIP

第16卷 第4 期 Vol. 16, No.4 2014 年7 月 Jul., 2014 基于加权时空关联规则的公交扒窃犯罪模式识别 叶文菁，吴 升* (福州大学福建省空间信息工程研究中心，福州 350001) 摘要：近年来，公交扒窃案呈上升趋势，为了预防和打击此类犯罪，需要有效识别其犯罪模式。传统的犯罪分析方 法，往往将时间和空间分割开来研究，本文则引入加权时空关联规则进行挖掘分析，试图找出公交扒窃的案发时空 规律。首先，对公交扒窃数据进行时间粒度和空间粒度的划分，将公交主要运营时间以2 h 为单位划分成等间隔的 公交时段并对其进行编码，将公交线路按公交站点划分成公交路段；其次，对数据进行空间分析和时间归并，提取 出每个案件发生的公交路段和案发时段，并将案发时段归并到公交时段中；再次，由于每个公交路段的案发率不 同，其对结果的贡献率也不同，因此，给每个路段赋予一个权重；最后，用Apriori 算法进行加权关联规则挖掘，得到 公交扒窃的时空犯罪模式。研究表明，这种挖掘方法具有以下特点：(1)按公交站点进行公交路段的划分具有创新 性；(2)通过对案发路段的加权，能将空间位置重要程度的差异区分开来，更符合实际情况；(3)挖掘过程中同时考虑 了时间与空间属性。 关键词：时空关联规则；犯罪模式；公交扒窃 DOI:10.3724/SP.J. 1047.2014.00537 1 引言 献非常少，对公交扒窃犯罪的研究主要包括法律上 的定性量刑、作案手段与团伙作案分析，以及反扒 [6-7] 公交车具有空间小、人流量大的特点，是扒窃 的对策等 。 案高发的场所。公交扒窃案区别于其他案件的特 本文引入时空关联规则对公交扒窃数据进行 点是其作案空间随着公交车的行进而移动。大部 挖掘分析。时空关联规则旨在时空数据库中发现 分受害者无法清楚知道具体的受害地点(如某路段) 数据时空属性之间的关联关系，是时空挖掘技术领 [8] 和受害时间，所得到的公交扒窃信息具有空间和时 域里最为关键的技术难点之一 。从时间方面来 [9] ⇒ 间上的不确定性，这就增加了侦破案件，以及掌握 看，以Agrawal 的经典关联规则“啤酒 尿布(3% ， 其犯罪规律的难度。 80%)”为例，该规则表示3%的人会同时购买啤酒与 在国外，对公交扒窃的研究主要在公共交通工 尿布，而购买了啤酒的人中又有80% 的人会购买尿 具(公交车、地铁、飞机及船舶等)犯罪(暴力犯罪、扒 布。后来研究发现，若只统计周末的数据，该规则 窃、涂鸦及破坏公物等) 的范围内，仅仅针对公交扒 的支持度会大大提高，说明该规则更适用于周末。 窃的研究还较少。研究内容包括静态与动态犯罪 因此，时间范围的约束可以提高发现规则的概率。 [1-5]