文献类型：期刊文章

作　　者：沈寒蕾[1,2] 张虎[1] 张耀峰[2] 张志刚[2] 朱艳敏[2,3] 蔡黎[2,3]

SHEN Han-lei;ZHANG Hu;ZHANG Yao-feng;ZHANG Zhi-gang;ZHU Yan-min;CAI Li(School of Statistics and Mathematics,Zhongnan University of Economics and Law,Wuhan,430073,China;Hubei University of Economics,Hubei Data and Analysis Center,Wuhan 430205,China;School of Mathematics and Statistics,Hubei University,Wuhan 430062,China)

机构地区：[1]中南财经政法大学统计与数学学院,湖北武汉430073 [2]湖北经济学院湖北数据与分析中心,湖北武汉430205 [3]湖北大学数学与统计学学院,湖北武汉430062

出　　处：《统计与信息论坛》

基　　金：国家社会科学基金面上项目《政府网络舆情危机形成与社会风险防控的大数据统计研究》(18BTJ030);湖北省教育厅科研计划重点项目《警务大数据下的犯罪事件智能预测研究与应用》(D20192202);中南财经政法大学研究生创新项目《面向智慧警务建设的时空大数据统计研究与应用》(201811308);湖北经济学院青年基金项目《警务大数据下的智能犯罪预测与城市安全管理对策研究》(XJ201909)

年　　份：2019

卷　　号：34

期　　号：11

起止页码：107-115

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：随着智慧警务建设的兴起,利用时空大数据对犯罪事件进行预测成为具有前瞻性的研究。基于2015—2018年WH市110入室盗窃类接警数据,利用循环神经网络(RNN)改进得到的长短期记忆模型(LSTM),通过学习得到最佳性能对应的迭代次数、回看天数、空间依赖度、失活率等超参数,构建最优的二值化接警数据长短期记忆模型(BD-LSTM*)和频数统计数据长短期记忆模型(RD-LSTM*),并分别对WH市各区域的案件发生概率以及案件发生数量进行预测。结果表明,两种犯罪预测模型具有良好的预测精度和稳健性。

关 键 词：犯罪预测 时空大数据  入室盗窃 RNN LSTM  

分 类 号：D917[法学类]