邱凌峰，胡嘯峰，周 睿, 顧海碩，唐 正，鄭超慧，張學(xué)軍

(1.中國人民公安大學(xué) 信息技術(shù)與網(wǎng)絡(luò)安全學(xué)院，北京 102623；2.安全防范技術(shù)與風(fēng)險評估公安部重點實驗室，北京 102623；3.清華大學(xué) 工程物理系，北京 100084；4.清華大學(xué) 公共安全研究院，北京 100084)

0 引言

2017年4月，中共中央、國務(wù)院決定在河北設(shè)立雄安新區(qū)，這是以習(xí)近平總書記為核心的黨中央作出的一項重大歷史性戰(zhàn)略選擇，是千年大計、國家大事。

隨著雄安新區(qū)的建設(shè)和發(fā)展，當(dāng)?shù)氐娜丝诮Y(jié)構(gòu)和周邊環(huán)境等將會發(fā)生巨大改變，并由此帶來一系列的社會安全問題[1]。《河北雄安新區(qū)規(guī)劃綱要》(以下簡稱《綱要》)中明確提出，要構(gòu)筑“現(xiàn)代化城市安全體系”，提高針對公共安全領(lǐng)域的突發(fā)事件的監(jiān)測預(yù)警和應(yīng)急處置能力。作為突發(fā)事件中的第4大類，針對社會安全事件的預(yù)警和防控工作將是構(gòu)筑“現(xiàn)代化城市安全體系”的一項重要內(nèi)容。社會安全事件的誘發(fā)主體往往是人，具有較強不確定性，其安全風(fēng)險是動態(tài)變化的，預(yù)測和預(yù)防的難度較大，因此，針對社會安全事件的預(yù)測預(yù)警研究十分必要。

盜竊犯罪是一個比重巨大，并且嚴(yán)重影響社會安全的世界性和歷史性的隱患，嚴(yán)重消耗著社會資源，是一類典型的社會安全事件。這一全國乃至全球普遍存在的犯罪形式，同樣也成為雄安新區(qū)必將要面對的社會安全風(fēng)險。據(jù)全國數(shù)據(jù)統(tǒng)計，2013—2017年，檢察機(jī)關(guān)起訴的刑事犯罪嫌疑人中，盜竊犯罪達(dá)146.3萬人，排名第1，占比超過25%[2]。因此，針對盜竊犯罪的治理工作將有助于降低雄安新區(qū)面臨的社會安全風(fēng)險，對保護(hù)人民財產(chǎn)安全、維持社會穩(wěn)定具有重要意義。在盜竊犯罪嫌疑人中，盜竊前科人員再犯罪問題突出，常反復(fù)作案，且作案手段隱蔽、高超，涉案金額往往較大。在盜竊案高發(fā)，而社會治安資源有限的情況下，針對盜竊前科人員進(jìn)行預(yù)警，從而重點治理，能夠提高社會治安資源利用率，震懾其他盜竊人員，并降低盜竊犯罪風(fēng)險。

本文利用脫密處理后的A市2012—2016年盜竊犯罪數(shù)據(jù)，基于多種機(jī)器學(xué)習(xí)模型，構(gòu)建盜竊前科人員分類預(yù)測模型，并根據(jù)預(yù)測結(jié)果進(jìn)一步挖掘盜竊人員的作案規(guī)律。A市與雄安新區(qū)同處華北平原腹地，城市間距離較近，交通便利，地貌、氣候、水文等地理環(huán)境具有很高的相似度。A市是我國北方的一線中心城市，經(jīng)濟(jì)、文化發(fā)達(dá)，人口高度密集，雄安新區(qū)的發(fā)展定位為未來的首都副中心，經(jīng)濟(jì)、文化、人口密度極可能達(dá)到與A市相當(dāng)?shù)乃?，成為京津冀地區(qū)的核心城市區(qū)域，社會環(huán)境也具有相似性?；谧匀慌c社會環(huán)境的相似性，宏觀上可以推斷，2個城市整體的流動人口規(guī)模與密度、安全防范水平、重點人員跨地域作案動機(jī)、作案成本等多種風(fēng)險要素也可能具有較高的相似性。因此，利用A市數(shù)據(jù)進(jìn)行盜竊犯罪發(fā)生規(guī)律的研究，將有助于雄安新區(qū)在建立社會安全防控體系的過程中識別、歸納共性問題，有針對性地提出預(yù)防措施，完善警務(wù)、應(yīng)急以及綜合治理系統(tǒng)的頂層設(shè)計方案。

在此基礎(chǔ)上，根據(jù)《綱要》的要求，針對研究過程中的數(shù)據(jù)應(yīng)用、數(shù)據(jù)分析及研究結(jié)果中的數(shù)據(jù)挖掘規(guī)律，提出對雄安新區(qū)構(gòu)建基于數(shù)據(jù)驅(qū)動的社會安全事件預(yù)測預(yù)警和綜合研判系統(tǒng)的思考及建議。

1 相關(guān)研究

在國內(nèi)外相關(guān)研究中，基于數(shù)據(jù)主導(dǎo)的犯罪預(yù)測取得了良好的效果[3-4]。文獻(xiàn)[5]基于統(tǒng)計學(xué)的方法，利用犯罪人員的定罪歷史預(yù)測3種類型的累犯；文獻(xiàn)[6]基于隨機(jī)森林，利用定罪數(shù)量，年齡，犯罪類型，犯罪歷史的多樣性和藥物濫用等特征對患有精神障礙人員進(jìn)行分類預(yù)測；文獻(xiàn)[7]基于樸素貝葉斯，利用發(fā)案的日期和地點，犯罪類型，罪犯ID和熟人等特征預(yù)測嫌疑人犯罪風(fēng)險；文獻(xiàn)[8]通過罪犯、犯罪目標(biāo)、犯罪環(huán)境3個因素預(yù)測犯罪發(fā)生的可能性；文獻(xiàn)[9]基于支持向量機(jī)，利用案件信息及受害者身份信息，預(yù)測犯罪嫌疑人的身份特征；文獻(xiàn)[10]基于改進(jìn)的GA-BP神經(jīng)網(wǎng)絡(luò)，利用案件信息、人口及經(jīng)濟(jì)信息、土地利用信息等，對財產(chǎn)犯罪的時空分布進(jìn)行預(yù)測；文獻(xiàn)[11]基于隨機(jī)森林，利用刑事案件中罪犯的特征，預(yù)測可能的犯罪嫌疑人。

已有研究為基于數(shù)據(jù)主導(dǎo)的犯罪預(yù)測提供了豐富的方法和思路，但是，這些研究利用的信息大多是在確定了嫌疑人身份后才能獲得的，如：年齡、犯罪歷史、熟人等。而在大多數(shù)情況下，盜竊事件發(fā)生后，嫌疑人的身份是未知的，能獲取的信息只有案發(fā)的時間、地點、盜竊手段和損失金額。針對該問題，本文基于多種機(jī)器學(xué)習(xí)方法，利用發(fā)案時間、發(fā)案地點、實施手段和損失金額作為特征，對盜竊人員進(jìn)行分類預(yù)測。

2 實驗說明

本文首先從盜竊犯罪數(shù)據(jù)中提取出發(fā)案時間、發(fā)案地點、實施手段和損失金額作為特征，預(yù)處理后，按時間順序?qū)?shù)據(jù)集劃分為訓(xùn)練集和測試集，然后利用測試集檢驗訓(xùn)練好的模型，最后利用表現(xiàn)最優(yōu)的模型進(jìn)行結(jié)果分析，具體流程如圖1所示。

圖1 盜竊前科人員預(yù)測流程Fig.1 Forecast flow chart for Larceny Ex-convict

2.1 數(shù)據(jù)集介紹及特征提取

本文選取A市2012—2016年的實際盜竊案數(shù)據(jù)進(jìn)行盜竊前科人員的分類預(yù)測研究。其中數(shù)據(jù)集共包括7 772條案件信息，每條數(shù)據(jù)包含案件信息和案犯類型(初犯累犯慣犯)，按照盜竊事件發(fā)生后可獲得的信息維度，提取出“發(fā)案時間”、“發(fā)案地點”、“實施手段”和“損失金額”共4個特征，對盜竊人員的類型進(jìn)行分類預(yù)測。

數(shù)據(jù)集中的盜竊前科人員為此次犯罪之前受過刑罰處罰的盜竊人員，類型包括初犯、累犯和慣犯3種。累犯是在此次犯罪之前已受過刑罰處罰的前科人員；初犯和慣犯為初次受到刑罰處罰的前科人員，其中，慣犯的歷次犯罪行為未被發(fā)現(xiàn)、處理和登記，也是初次受到刑罰處罰，慣犯的犯罪規(guī)律有可能與初犯和累犯存在差異。本文基于大量數(shù)據(jù)，挖掘規(guī)律性較強的盜竊犯罪特征，累犯數(shù)據(jù)的隨機(jī)性低于初犯和慣犯，再犯罪規(guī)律預(yù)期更為顯著，因此，對其作案規(guī)律的探索意義大于初犯和慣犯，本文在算法的性能評估中重點關(guān)注模型對累犯的預(yù)測精度。

因此，本文對盜竊前科人員作案規(guī)律的研究，包括了累犯、初犯、慣犯3種，但考慮到研究的現(xiàn)實意義與犯罪規(guī)律的魯棒性，對累犯進(jìn)行重點挖掘。3.1節(jié)發(fā)現(xiàn)累犯的預(yù)測精度很高，而初犯和慣犯的精度較低，印證了上文的觀點，即累犯作案的規(guī)律性可能強于初犯與慣犯。

2.2 數(shù)據(jù)預(yù)處理

本文預(yù)處理工作是將“發(fā)案時間”、“發(fā)案地點”和“實施手段”的原有數(shù)據(jù)類型轉(zhuǎn)化為整型數(shù)據(jù)，從“簡要案情”中提取出損失金額，將初犯、累犯、慣犯分別標(biāo)記為0，1，2，預(yù)處理后的數(shù)據(jù)樣式如表1所示。

表1 數(shù)據(jù)樣式Table1 Data pattern

由于“發(fā)案時間”、“發(fā)案地點”和“實施手段”原有分類過多，導(dǎo)致模型預(yù)測準(zhǔn)確性不高，本文根據(jù)數(shù)據(jù)類型特點，結(jié)合公安工作經(jīng)驗，對這3個特征進(jìn)行歸類后，模型的分類預(yù)測精度明顯提升，參見3.1內(nèi)容。

2.2.1 實施手段處理

實施手段指盜竊人員進(jìn)行盜竊時使用的方法，如剪門掛鎖、順手牽羊等共90多種?？紤]不同類型的盜竊人員作案經(jīng)驗的不同，選擇的手段可能具有差異性，將“實施手段”分為4類。其中，“其他類”標(biāo)記為“4”(該類型為記錄時無法確定具體使用的盜竊手段)；將有破壞行為的手段標(biāo)記為“3”(包括通過破壞車、門、窗等破壞手段盜竊房屋或車內(nèi)物品)；將有扒竊行為的手段標(biāo)記為“1”；不包含破壞行為和扒竊行為的手段標(biāo)記為“2”，如表2所示。

表2 實施手段分類Table 2 Classification of means

2.2.2 發(fā)案時間處理

原始數(shù)據(jù)中的發(fā)案時間精確到“年/月/日/時/分”，種類達(dá)到了幾千種，采用原始分類會導(dǎo)致分類準(zhǔn)確性下降；現(xiàn)實中，失主發(fā)現(xiàn)物品被盜與案件發(fā)生的時間往往具有不一致性，采用原有發(fā)案時間也會對結(jié)果分析帶來一定的偏差。因此，本文將時間分析的尺度調(diào)整為1天中的4個時段，結(jié)果如表3所示。

表3 發(fā)案時間分類Table 3 Classification of duration

2.2.3 發(fā)案地點處理

發(fā)案地點指盜竊人員實施盜竊的地點，原始分類共90多種，如：地鐵站、商場、網(wǎng)吧和賓館等。根據(jù)公安實習(xí)經(jīng)驗，手法熟練的扒手往往會在人流量大的車站實施盜竊；有經(jīng)驗的盜竊人員知道網(wǎng)吧里上網(wǎng)的人戒備心較低，放在桌上的手機(jī)容易盜走。本文按照人流量大小、安保力量多少和市民在該地點所持的戒備心高低，將“發(fā)案地點”分為4類，結(jié)果如表4所示。

表4 發(fā)案地點分類Table 4 Classification of location

其中，大型公共場所包括汽車站、醫(yī)院等；商業(yè)地區(qū)包括商場、繁華街道等；休閑娛樂場所包括網(wǎng)吧、KTV等；住所包括賓館、居民小區(qū)等。

2.2.4 損失金額處理

損失金額指案件被盜物品的價值，其大小可能影響不同類型盜竊人員的選擇。原始數(shù)據(jù)中，簡要案情記錄了案件發(fā)生的經(jīng)過，其中包括丟棄的物品名稱和估價，主要分為3種類型：“包含丟失物品的估價”、“沒有估價但包含物品的品牌”、“沒有估價和品牌但有丟失物品名稱”，如：

1)丟失蘋果牌土豪金色6PLUS手機(jī)，價值5 000元。

2)丟失蘋果5手機(jī)。

3)丟失手機(jī)。

將上述3類數(shù)據(jù)標(biāo)記為“1”、“0”、“2”，并采用正則表達(dá)式提取出金額或被盜物品的品牌。對類型“1”賦值“5000”；對類型“0”，提取出“蘋果5”，并與建立好的字典“蘋果5：4000”進(jìn)行匹配，賦值“4000”；類型“2”屬于缺失值，由于數(shù)量較多，用類型“0”和“1”中的頻繁項進(jìn)行插補，結(jié)果如表5所示。

表5 損失金額分類Table 5 Classification of loss of the victim

由于類型“2”具有較大的不確定性，針對該不確定性，本文進(jìn)行了敏感性分析。統(tǒng)計發(fā)現(xiàn)，“損失金額”75%的值集中在3 000到60 000，在該區(qū)間內(nèi)，以500為步長，對類型“2”進(jìn)行賦值，每次賦值后都進(jìn)行5折交叉驗證。根據(jù)結(jié)果顯示，交叉驗證準(zhǔn)確率變化的標(biāo)準(zhǔn)差較小(0.003 3)，說明分類結(jié)果對類型“2”的賦值不敏感。

2.2.5 不平衡數(shù)據(jù)處理

原始數(shù)據(jù)中，初犯、累犯和慣犯的數(shù)量分別為：4 488，906和2 378條，具有一定的不平衡性，這容易導(dǎo)致模型對初犯和慣犯學(xué)習(xí)較好，而對累犯(盜竊前科人員)的預(yù)測效果不理想[12-14]，因此，本文利用SMOTE算法對累犯樣本進(jìn)行采樣處理。

SMOTE算法[15]首先對少數(shù)類樣本進(jìn)行分析，對其中的每1個樣本 ，以歐氏距離為標(biāo)準(zhǔn)計算其到所有少數(shù)類樣本的距離，并得到其K近鄰數(shù)據(jù)點，在此基礎(chǔ)上，根據(jù)原始數(shù)據(jù)樣本的不平衡比例，設(shè)置采樣比，從而確定采樣倍率。進(jìn)而，對于每1個少數(shù)類樣本，從其K近鄰數(shù)據(jù)點中隨機(jī)選擇若干樣本，并分別與原始數(shù)據(jù)樣本按照如下式(1)生成新的樣本數(shù)據(jù)。

Χnew=Χ+rand(0,1)×|Χ-Χn|

(1)

式中：Χn為Χ的K近鄰數(shù)據(jù)點，Χnew為新的樣本數(shù)據(jù)。

利用SMOTE算法處理后，初犯、累犯和慣犯的數(shù)據(jù)量依次是4 488，2 721和2 378條，數(shù)據(jù)不平衡性得到了降低。

2.3 數(shù)據(jù)集劃分

數(shù)據(jù)集劃分考慮實戰(zhàn)應(yīng)用的場景：歷史數(shù)據(jù)用于訓(xùn)練模型，利用訓(xùn)練好的模型對新數(shù)據(jù)進(jìn)行分類預(yù)測，2者之間存在時序性。本文選取2012—2015年的數(shù)據(jù)作為訓(xùn)練集(共9 172條，其中初犯4 367條，累犯2 538條，慣犯2 267條)，2016年的數(shù)據(jù)作為測試集(共415條，其中初犯121條，累犯183條，慣犯111條)。

2.4 模型評價指標(biāo)

本文選取查準(zhǔn)率(Precision)、查全率(Recall)和F1作為評價指標(biāo)[16-17]。其中，累犯的查準(zhǔn)率表示“預(yù)測為累犯的盜竊人員中有多少是真的累犯”；查全率表示“所有的累犯中有多少被正確預(yù)測”；當(dāng)這2項指標(biāo)難以直觀比較時，根據(jù)F1評價模型的預(yù)測精度，該值綜合了查準(zhǔn)率和查全率，F(xiàn)1為1時，代表模型的綜合性能最好，為0時性能最差；3項指標(biāo)的計算如式(2)～(4)所示。

Precision=TP/(TP+FP)

(2)

Recall=TP/(TP+FN)

(3)

F1=2×Precision×Recall/(Precision+Recall)

(4)

式中：TP表示被正確分類為正樣本數(shù)；FP表示被錯誤分類的負(fù)樣本數(shù)；FN表示被錯誤分類的正樣本數(shù)。

3 實驗結(jié)果及分析

3.1 不同機(jī)器學(xué)習(xí)算法的分類性能比較

由于建模的目標(biāo)是預(yù)測盜竊前科人員，對比不同機(jī)器學(xué)習(xí)算法時只關(guān)注其對累犯的預(yù)測精度。利用python3.6中的Scikit-learn開源機(jī)器學(xué)習(xí)模型庫實現(xiàn)邏輯斯蒂[18]、支持向量機(jī)[19]、決策樹[20]、隨機(jī)森林[21]、K近鄰[22]和樸素貝葉斯[23]共6種機(jī)器學(xué)習(xí)模型的建立，并計算模型在測試集上對累犯的預(yù)測精度，結(jié)果如表6所示。

表6 不同算法對累犯預(yù)測精度的比較Table 6 Comparison of prediction accuracy of recidivism by different algorithms

由表6可知，隨機(jī)森林在預(yù)測累犯時性能最優(yōu)，3項指標(biāo)均達(dá)到了0.85。決策樹和樸素貝葉斯模型有某1項指標(biāo)較高，但綜合指標(biāo)F1只有0.6左右。

利用sklearn.metrics模塊的classification_report功能計算隨機(jī)森林模型對3類盜竊前科人員的分類預(yù)測結(jié)果，如表7所示。

根據(jù)表7，特征歸類后隨機(jī)森林模型預(yù)測3類盜竊前科人員的F1分別為0.66，0.86和0.64，較歸類前提高了0.18，0.33和0.40，說明2.2節(jié)的歸類是合理的。對比發(fā)現(xiàn)，模型對累犯的預(yù)測精度明顯高于初犯、慣犯，說明2012—2016年間，盜竊前科人員作案可能具有穩(wěn)定性和明顯的規(guī)律性。

表7 隨機(jī)森林分類預(yù)測結(jié)果Table 7 Classification and prediction results of random forests

3.2 盜竊前科人員作案規(guī)律挖掘

根據(jù)表7中歸類后的預(yù)測精度，認(rèn)為測試集中被正確分類的盜竊前科人員(尤其是累犯)的作案規(guī)律具有代表性。篩選出被正確分類的盜竊前科人員，統(tǒng)計其“發(fā)案時間”、“發(fā)案手段”、“地點”中各類型(類型“1”、“2”、“3”、“4”)占比及造成損失的均值，結(jié)果如表8所示。

表8 3類盜竊前科人員發(fā)案規(guī)律統(tǒng)計Table 8 Statistics on the law of three types of larceny ex-convict

注：手段1～4類型見表2；時間1～4類型見表3；地點1～4類型見表4；損失均值為損失金額的平均值。

由表8可知，累犯的作案規(guī)律與初犯、慣犯明顯不同。累犯造成的損失均值為5 885元，比初犯和慣犯都高了2 000多元；“實施手段”方面，累犯很少選擇破壞性的手段(類型“3”)且扒手較多；“發(fā)案地點”方面，累犯幾乎不會選擇大型公共場所和住所(類型“1”、“4”)，而初犯的選擇沒有明顯的偏好；“發(fā)案時間”方面，具有多次作案經(jīng)歷的累犯和慣犯幾乎都選擇下午時段(類型“3”)。綜上所述，相比于初犯和慣犯，累犯的作案規(guī)律更為顯著，對前科人員的作案規(guī)律挖掘更具有參考意義。根據(jù)累犯的作案規(guī)律，盜竊前科人員很可能偏好選擇下午時段和人流量大的地區(qū)實施盜竊，另外，扒竊案高發(fā)的地區(qū)也可能是盜竊前科人員作案的熱點地區(qū)。這一規(guī)律可以為雄安新區(qū)的治安巡邏區(qū)域劃分、防控力量布局等社會治安防控工作提供決策支持。

4 關(guān)于雄安新區(qū)構(gòu)建基于數(shù)據(jù)驅(qū)動的社會安全事件預(yù)測預(yù)警和綜合研判系統(tǒng)的思考及建議

雄安新區(qū)的設(shè)立是我國重大的戰(zhàn)略選擇，需要結(jié)合先進(jìn)的技術(shù)手段保障其長期、穩(wěn)定的安全發(fā)展?！毒V要》中明確提出，“要利用信息智能等技術(shù)，構(gòu)建全時全域、多維數(shù)據(jù)融合的城市安全監(jiān)控體系，形成人機(jī)結(jié)合的智能研判決策和響應(yīng)能力”。本文利用多種機(jī)器學(xué)習(xí)算法，使用實際盜竊犯罪數(shù)據(jù)，對盜竊前科人員進(jìn)行分類預(yù)測，進(jìn)而根據(jù)預(yù)測結(jié)果進(jìn)行分析，挖掘盜竊前科人員作案的時空熱點。該方法可以根據(jù)數(shù)據(jù)的變化不斷調(diào)整參數(shù)，以保證預(yù)測的準(zhǔn)確性和穩(wěn)定性，是數(shù)據(jù)驅(qū)動下社會安全風(fēng)險預(yù)測的一種嘗試。雄安新區(qū)的社會安全防控體系建設(shè)需要較長的迭代周期，其面臨的社會安全風(fēng)險需要大量的人力、物力、財力支撐，警務(wù)資源、應(yīng)急資源的合理化、集約化應(yīng)用具有重要意義，本文的研究提供針對類似社會安全問題的規(guī)律挖掘框架，有助于自動化地發(fā)掘類似社會安全問題的發(fā)生規(guī)律，有助于針對性地部署和調(diào)整警務(wù)與應(yīng)急資源，提高智能研判決策和響應(yīng)能力，符合《綱要》的要求，也對應(yīng)了雄安新區(qū)安全體系發(fā)展建設(shè)的獨特需求。

根據(jù)《綱要》的要求，雄安新區(qū)將要建設(shè)1套基于智能技術(shù)和多維數(shù)據(jù)的社會安全預(yù)測預(yù)警和綜合研判系統(tǒng)(以下簡稱“系統(tǒng)”)。結(jié)合研究過程中遇到的問題，本文針對該“系統(tǒng)”的前期建設(shè)和后期使用提出以下思考和建議。

1)制定統(tǒng)一的數(shù)據(jù)格式，保證數(shù)據(jù)的使用效率。隨著雄安新區(qū)建設(shè)的推進(jìn)，“系統(tǒng)”將有大量數(shù)據(jù)接入，如人口數(shù)據(jù)、接警數(shù)據(jù)、天氣數(shù)據(jù)、金融數(shù)據(jù)和通信數(shù)據(jù)等，大規(guī)模的數(shù)據(jù)集可以為社會安全事件的準(zhǔn)確預(yù)測提供基礎(chǔ)保障。但建設(shè)前期如果不注重統(tǒng)一數(shù)據(jù)格式，各類數(shù)據(jù)關(guān)聯(lián)和數(shù)據(jù)清洗工作會占用大量的時間和人力，嚴(yán)重降低數(shù)據(jù)的使用效率，導(dǎo)致“系統(tǒng)”后期使用的時效性大打折扣。以本文研究為例，本文使用數(shù)據(jù)中，存在著大量的缺失值與不規(guī)范問題，如：數(shù)據(jù)中對損失金額的描述為阿拉伯?dāng)?shù)字與繁體字混用，單位有“元”、“美元”、“美金”，利用正則表達(dá)式提取“損失金額”很難一步到位，需要將1個表格分為近30個表格，嚴(yán)重消耗時間和人力；對作案地點和作案手段進(jìn)行非數(shù)值特征轉(zhuǎn)化時，發(fā)現(xiàn)同一類特征有多種的表示方法(最多可達(dá)8～10種)，將多種特征按規(guī)律進(jìn)行分類后，模型對累犯的預(yù)測精度顯著提高。綜上所述，數(shù)據(jù)缺乏統(tǒng)一的格式，將對“系統(tǒng)”的工作效率產(chǎn)生較大的影響。因此，雄安新區(qū)在“系統(tǒng)”的前期建設(shè)時，應(yīng)注重數(shù)據(jù)格式的統(tǒng)一(即數(shù)據(jù)類型、錄入格式等進(jìn)行統(tǒng)一規(guī)范)，并通過大量訓(xùn)練結(jié)果的反饋不斷地完善這一數(shù)據(jù)格式，將有利于數(shù)據(jù)融合和綜合應(yīng)用，為“系統(tǒng)”的后期使用打下基礎(chǔ)。

2)實現(xiàn)數(shù)據(jù)實時接入，提高社會安全風(fēng)險的動態(tài)感知能力。社會安全風(fēng)險動態(tài)變化特征明顯，“系統(tǒng)”的數(shù)據(jù)接入也具有實時性要求。仍以本文研究為例，對預(yù)測結(jié)果的綜合研判后，發(fā)現(xiàn)累犯作案的時空熱點具有明顯規(guī)律性，這一規(guī)律很可能代表了盜竊前科人員的作案規(guī)律，按這一規(guī)律進(jìn)行巡邏區(qū)域劃分和防控力量部署，將很可能壓縮盜竊前科人員的作案空間，降低其作案風(fēng)險。同時，相關(guān)的防控工作也很可能影響盜竊前科人員的作案選擇，并由此帶來相關(guān)數(shù)據(jù)的變化。若能將相關(guān)數(shù)據(jù)實時輸入，“系統(tǒng)”就可以自動調(diào)整模型參數(shù)，并將新形成的規(guī)律反饋至有關(guān)部門，為相關(guān)治安防控策略的改變和部署提供決策支持。因此，雄安新區(qū)“系統(tǒng)”的后期使用時，應(yīng)將新數(shù)據(jù)按一定的時間尺度進(jìn)行接入，交付系統(tǒng)模型進(jìn)行計算和綜合研判，相關(guān)部門可根據(jù)得出的規(guī)律進(jìn)行防控策略的實時調(diào)整，以應(yīng)對各類動態(tài)變化的社會安全風(fēng)險。

5 結(jié)論

1)利用A市2012—2016年實際盜竊數(shù)據(jù)，提取“發(fā)案時間”、“發(fā)案地點”、“實施手段”和“損失金額”作為特征，通過特征工程和SMOTE算法對數(shù)據(jù)進(jìn)行預(yù)處理，基于邏輯斯蒂、支持向量機(jī)、決策樹、隨機(jī)森林、K近鄰和樸素貝葉斯共6種機(jī)器學(xué)習(xí)模型，構(gòu)建分類預(yù)測模型，對盜竊人員進(jìn)行分類預(yù)測。結(jié)果顯示，隨機(jī)森林表現(xiàn)最優(yōu)，預(yù)測累犯的查準(zhǔn)率、查全率和F1分別達(dá)到了0.86，0.85和0.86。

2)根據(jù)數(shù)據(jù)挖掘的結(jié)果，累犯的盜竊金額明顯高于初犯和慣犯；盜竊前科人員可能傾向于選擇下午時段和人流量大的地區(qū)實施盜竊。

3)提供針對類似社會安全問題的規(guī)律挖掘框架，有助于自動化地發(fā)掘類似社會安全問題的發(fā)生規(guī)律，有助于針對性地部署和調(diào)整警務(wù)與應(yīng)急資源，為雄安新區(qū)基于智能技術(shù)和多維數(shù)據(jù)的社會安全預(yù)測預(yù)警和綜合研判系統(tǒng)建設(shè)提供方法支撐，同時，根據(jù)本文研究過程和研究結(jié)果，對該系統(tǒng)的建設(shè)提出“制定統(tǒng)一的數(shù)據(jù)格式”和“實現(xiàn)數(shù)據(jù)實時接入”2方面的思考及建議，為雄安新區(qū)的“現(xiàn)代化城市安全體系”建設(shè)提供參考借鑒。