申请/专利权人:华南理工大学
申请日:2023-05-12
公开(公告)日:2023-12-12
公开(公告)号:CN117217550A
主分类号:G06Q10/0637
分类号:G06Q10/0637;G06Q10/0639;G06Q50/26;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.29#实质审查的生效;2023.12.12#公开
摘要:本发明公开了一种盗窃犯罪空间边界影响因素测度与分析方法、系统及介质,该方法包括:获取盗窃犯罪警情数据以及相关的物理、社会边界影响因素数据,构成第一样本数据集,预处理得到第二样本数据集;对第二样本数据集的数据进行地理配准,得到第三样本数据集;在第三样本数据集中,对盗窃犯罪因变量数据进行分级统计,得到第四样本数据集,对盗窃犯罪边界影响变量分别进行测度,形成边界影响指标,得到第五样本数据集;联合第四样本数据集和第五样本数据集构建随机森林分类预测模型,训练并进行参数调优,得到盗窃犯罪空间边界影响因素分析结果。本发明能够对盗窃犯罪空间边界影响因素进行测度及分析,以减少盗窃犯罪的发生,落实城市安全的目标。
主权项:1.一种盗窃犯罪空间边界影响因素测度与分析方法,其特征在于,所述方法包括:获取盗窃犯罪警情数据以及与盗窃犯罪相关的物理、社会边界影响因素数据,构成第一样本数据集;对第一样本数据进行预处理,得到第二样本数据集;将目标城市中目标区域的地图划分为多个N×N网格,对第二样本数据集的数据进行地理配准,得到第三样本数据集;将第三样本数据集分为盗窃犯罪因变量和盗窃犯罪边界影响变量,对第三样本数据集中的盗窃犯罪因变量数据进行分级统计,得到第四样本数据集;将第三样本数据集中的盗窃犯罪边界影响变量分为物理边界变量、社会边界变量和控制变量,分别进行测度,形成边界影响指标,得到第五样本数据集;联合第四样本数据集和第五样本数据集构建随机森林分类预测模型,使用留出法训练随机森林分类预测模型并进行参数调优,得到盗窃犯罪空间边界影响因素分析结果。
全文数据:
权利要求:
百度查询: 华南理工大学 盗窃犯罪空间边界影响因素测度与分析方法、系统及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。