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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD