□孫小芳，陳 鵬

(中國(guó)人民公安大學(xué)，北京 102600)

犯罪預(yù)測(cè)泛指測(cè)算犯罪的發(fā)生發(fā)展趨勢(shì)，具體包含有犯罪時(shí)空風(fēng)險(xiǎn)、犯罪個(gè)體行為、再犯罪風(fēng)險(xiǎn)等多種預(yù)測(cè)?？茖W(xué)地應(yīng)用犯罪預(yù)測(cè)技術(shù)，可以幫助公安機(jī)關(guān)更有效地對(duì)未來發(fā)生的犯罪行為進(jìn)行預(yù)測(cè)，并且公安機(jī)關(guān)可以此為據(jù)制定犯罪預(yù)防戰(zhàn)略和戰(zhàn)術(shù)措施，使社會(huì)資源發(fā)揮到最大功效。[1]

國(guó)外對(duì)犯罪預(yù)測(cè)的研究最早起步于20世紀(jì)初，1928年，美國(guó)研究人員相繼提出了伯吉斯犯罪預(yù)測(cè)法、[2]格盧克青少年犯罪早期預(yù)測(cè)法、[3]奧林假釋預(yù)測(cè)法[4]等一系列面向犯罪因素的犯罪預(yù)測(cè)方法，初步形成了覆蓋犯罪人員行為的犯罪預(yù)測(cè)理論和方法體系。相比之下，國(guó)內(nèi)開展犯罪預(yù)測(cè)的研究起步相對(duì)較晚，1984年，張甲天對(duì)我國(guó)是否要?jiǎng)?chuàng)立犯罪預(yù)測(cè)學(xué)科進(jìn)行的討論被視為我國(guó)最早關(guān)于犯罪預(yù)測(cè)研究的文獻(xiàn)。[5]到了20世紀(jì)90年代，國(guó)內(nèi)犯罪預(yù)測(cè)研究主要集中在治安態(tài)勢(shì)的宏觀預(yù)測(cè)方面，如對(duì)下一階段社會(huì)治安趨勢(shì)進(jìn)行預(yù)測(cè)，[6-8]對(duì)某一地區(qū)犯罪趨勢(shì)的預(yù)測(cè)，[9-10]以及對(duì)某些部門行業(yè)犯罪趨勢(shì)進(jìn)行預(yù)測(cè)，[11-12]等等。進(jìn)入21世紀(jì)以來，數(shù)理預(yù)測(cè)類方法開始受到國(guó)內(nèi)警務(wù)部門和學(xué)術(shù)機(jī)構(gòu)的重視，不同領(lǐng)域的研究人員開始利用統(tǒng)計(jì)建模、數(shù)據(jù)挖掘等方法對(duì)各種類型的犯罪事件進(jìn)行趨勢(shì)分析和行為預(yù)測(cè)，使犯罪預(yù)測(cè)研究由業(yè)務(wù)驅(qū)動(dòng)逐漸走向數(shù)據(jù)驅(qū)動(dòng)。

從國(guó)內(nèi)目前的犯罪預(yù)測(cè)研究現(xiàn)狀來看，國(guó)內(nèi)的研究相對(duì)國(guó)外較為滯后，但近年來發(fā)展很快。一方面，受公安工作和警務(wù)模式發(fā)展的影響，公安機(jī)關(guān)對(duì)犯罪預(yù)測(cè)提出了旺盛的需求；另一方面，隨著各類數(shù)據(jù)日漸增多，也為開展相關(guān)犯罪預(yù)測(cè)研究提供了必要的基礎(chǔ)條件。因此，本文通過對(duì)近年來國(guó)內(nèi)犯罪預(yù)測(cè)研究的相關(guān)文獻(xiàn)進(jìn)行梳理，厘清近年來國(guó)內(nèi)犯罪預(yù)測(cè)的研究趨勢(shì)，總結(jié)相應(yīng)的研究動(dòng)態(tài)，并對(duì)下一步的研究方向進(jìn)行展望。

一、數(shù)據(jù)來源和研究工具

本文數(shù)據(jù)來源于中國(guó)學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫(kù)(CNKI)。該總庫(kù)為目前國(guó)內(nèi)規(guī)模最大的學(xué)術(shù)資源平臺(tái)之一，其核心期刊收錄率達(dá)到96%以上。為盡量覆蓋國(guó)內(nèi)犯罪預(yù)測(cè)領(lǐng)域的研究文獻(xiàn)，設(shè)置高級(jí)搜索關(guān)鍵詞或者主題為“犯罪預(yù)測(cè)”“數(shù)據(jù)警務(wù)”“預(yù)測(cè)警務(wù)”“犯罪大數(shù)據(jù)”等在中國(guó)學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫(kù)(CNKI)中進(jìn)行檢索。為了體現(xiàn)近年來的研究現(xiàn)狀，從而更好地梳理和總結(jié)未來的研究趨勢(shì)，本文僅對(duì)近十年來的文獻(xiàn)進(jìn)行檢索。檢索時(shí)間為2010年1月1日到2020年6月24日。剔除會(huì)議綜述等相關(guān)性不高的文獻(xiàn)及重復(fù)文獻(xiàn)后，最終得到有效文獻(xiàn)共364篇。

在研究工具的選擇上，本文采用了CiteSpace可視化文獻(xiàn)計(jì)量分析軟件。CiteSpace是美國(guó)Drexel大學(xué)信息科學(xué)與技術(shù)學(xué)院的陳超美博士與大連理工大學(xué)WISE實(shí)驗(yàn)室聯(lián)合開發(fā)的科學(xué)文獻(xiàn)分析工具，[13-14]其開創(chuàng)性地創(chuàng)立了從“知識(shí)基礎(chǔ)”投射至“知識(shí)前沿”的理論模型。CiteSpace可將具體的文獻(xiàn)數(shù)據(jù)導(dǎo)出，并形成知識(shí)圖譜，將其概念化、可視化，并且CiteSpace 對(duì)分析特定領(lǐng)域的研究演進(jìn)過程有其獨(dú)特的優(yōu)勢(shì)。[15]本研究基于JAVA8平臺(tái)，采用CiteSpace(版本：CiteSpace.5.6.R2(64-bit))可視化軟件，繪制犯罪研究領(lǐng)域的科學(xué)知識(shí)圖譜，并利用其中的合作團(tuán)隊(duì)、核心作者、關(guān)鍵詞分析、熱詞分析等開展研究。

二、犯罪預(yù)測(cè)研究整體分析

(一)年度發(fā)文量統(tǒng)計(jì)分析

對(duì)收集到的364篇文獻(xiàn)按照發(fā)表時(shí)間繪制發(fā)文量的時(shí)間序列圖(圖 1)，可大致看出近十年來國(guó)內(nèi)犯罪預(yù)測(cè)領(lǐng)域的研究過程。從圖中可看出，近十年來，國(guó)內(nèi)犯罪預(yù)測(cè)的研究大體可分為三個(gè)階段。第一個(gè)階段為2010年～2014年，大體呈平穩(wěn)狀態(tài)，特點(diǎn)是發(fā)文量較少，年均發(fā)文量?jī)H有12篇；第二個(gè)階段為2015～2017年，呈平穩(wěn)上升狀態(tài)，這個(gè)階段的發(fā)文量相比第一階段有很大的增加，年均發(fā)文量達(dá)到42篇；第三個(gè)階段為2018-2019年，發(fā)文量迅速上升，且在2018年達(dá)到峰值，當(dāng)年發(fā)表犯罪預(yù)測(cè)領(lǐng)域文獻(xiàn)達(dá)91篇。值得注意的是，由于本文統(tǒng)計(jì)時(shí)間截止到2020年6月，可能有相關(guān)文獻(xiàn)尚未出版，因此2020年全年的發(fā)文量?jī)H有10篇，但出于對(duì)研究趨勢(shì)的分析，也將其納入到本文研究范疇。

圖1 2010-2020年犯罪預(yù)測(cè)領(lǐng)域年度發(fā)文量分布圖

(二)核心論文作者合作網(wǎng)絡(luò)分析

進(jìn)一步對(duì)國(guó)內(nèi)犯罪預(yù)測(cè)領(lǐng)域的核心作者進(jìn)行可視化分析，作者合作網(wǎng)絡(luò)分析采用Full Counting方法，即合作網(wǎng)絡(luò)分析中不考慮作者排名先后，網(wǎng)絡(luò)中節(jié)點(diǎn)大小僅反映論文數(shù)量多少，結(jié)果可見，目前國(guó)內(nèi)犯罪預(yù)測(cè)研究領(lǐng)域形成了若干個(gè)研究團(tuán)隊(duì)，但核心作者之間的合作比較缺乏。形成合作網(wǎng)絡(luò)的主要有黃超、李繼紅團(tuán)隊(duì)，王智新、梁翠團(tuán)隊(duì)，段煉、黨蘭學(xué)團(tuán)隊(duì)，史偉奇、唐德權(quán)團(tuán)隊(duì)，蘭西梅、徐亞瓊團(tuán)隊(duì)等。其中黃超、李繼紅團(tuán)隊(duì)主要從事對(duì)犯罪預(yù)測(cè)方法的研究，王智新、梁翠團(tuán)隊(duì)主要從事對(duì)獄內(nèi)服刑人員再犯罪的相關(guān)研究，段煉、黨蘭學(xué)團(tuán)隊(duì)主要從事對(duì)疑犯時(shí)空位置預(yù)測(cè)的相關(guān)研究，史偉奇、唐德權(quán)主要從事對(duì)犯罪預(yù)測(cè)數(shù)據(jù)挖掘算法的相關(guān)研究?？傮w來看，目前國(guó)內(nèi)從事犯罪預(yù)測(cè)研究的團(tuán)隊(duì)數(shù)量不多，團(tuán)隊(duì)內(nèi)合作不多，不同團(tuán)隊(duì)間合作更少，說明犯罪預(yù)測(cè)研究領(lǐng)域目前暫未形成規(guī)模較大的合作研究團(tuán)隊(duì)。

(三)核心機(jī)構(gòu)合作網(wǎng)絡(luò)分析

對(duì)納入研究的文獻(xiàn)作者所屬機(jī)構(gòu)進(jìn)行可視化分析，僅顯示合作頻次在2次以上的相關(guān)研究機(jī)構(gòu)，結(jié)果如圖2所示。由結(jié)果可知，國(guó)內(nèi)對(duì)犯罪預(yù)測(cè)研究關(guān)注較密切的機(jī)構(gòu)主要有中國(guó)人民公安大學(xué)、江蘇警官學(xué)院、北京警官學(xué)院等，即公安類院校較多。其中發(fā)文量最多的為中國(guó)人民公安大學(xué)，其所屬的警務(wù)信息工程學(xué)院安全防范工程專業(yè)、反恐怖學(xué)院情報(bào)學(xué)專業(yè)對(duì)犯罪預(yù)測(cè)領(lǐng)域的研究較為關(guān)注，共發(fā)表相關(guān)論文41篇，研究方向主要為基于機(jī)器學(xué)習(xí)和大數(shù)據(jù)的犯罪趨勢(shì)預(yù)測(cè)。江蘇警官學(xué)院共發(fā)表犯罪預(yù)測(cè)領(lǐng)域研究論文9篇，主要集中于對(duì)犯罪事件進(jìn)行內(nèi)容分析的研究。北京警察學(xué)院共發(fā)表犯罪預(yù)測(cè)研究論文7篇，主要關(guān)注于利用機(jī)器學(xué)習(xí)算法對(duì)犯罪趨勢(shì)進(jìn)行研究。此外，從各單位之間的合作情況來看，各研究機(jī)構(gòu)在犯罪預(yù)測(cè)領(lǐng)域方面相對(duì)獨(dú)立，各機(jī)構(gòu)間合作產(chǎn)出很少。

圖2 犯罪預(yù)測(cè)領(lǐng)域核心研究機(jī)構(gòu)合作關(guān)系

三、犯罪預(yù)測(cè)領(lǐng)域研究熱點(diǎn)分析

(一)熱點(diǎn)關(guān)鍵詞分析

關(guān)鍵詞是揭示論文主要內(nèi)容的重要線索，是研究主題的高度概括和凝煉。一個(gè)關(guān)鍵詞出現(xiàn)的頻次約等于包含有該關(guān)鍵詞的學(xué)術(shù)論文的總數(shù)，關(guān)鍵詞出現(xiàn)的頻次越高，說明相關(guān)的研究成果數(shù)越多，研究?jī)?nèi)容的集中性就越強(qiáng)，即從該角度能夠反映出該領(lǐng)域的研究熱點(diǎn)。對(duì)文獻(xiàn)的關(guān)鍵詞進(jìn)行統(tǒng)計(jì)分析，得到頻次排名前10的關(guān)鍵詞如表1所示。圖3為數(shù)據(jù)集的關(guān)鍵詞共現(xiàn)可視化圖譜，其中節(jié)點(diǎn)為關(guān)鍵詞。從中可以看出，“大數(shù)據(jù)”“數(shù)據(jù)挖掘”“公安機(jī)關(guān)”“智慧警務(wù)”等是近十年來在犯罪預(yù)測(cè)領(lǐng)域比較集中出現(xiàn)的關(guān)鍵詞。其中“大數(shù)據(jù)”關(guān)鍵詞的熱度最高，由表1可知其出現(xiàn)頻次高達(dá)133次，可以看出“大數(shù)據(jù)”與犯罪預(yù)測(cè)具有緊密的聯(lián)系，在該領(lǐng)域占有很重要的地位。近年來，基于大數(shù)據(jù)的犯罪預(yù)測(cè)相關(guān)研究一直是該領(lǐng)域的熱點(diǎn)，如鄒開其在《大數(shù)據(jù)浪潮中犯罪防控系統(tǒng)分析及應(yīng)用》中介紹了大數(shù)據(jù)的研究現(xiàn)狀和發(fā)展趨勢(shì)，以及利用大數(shù)據(jù)對(duì)各種主題下的犯罪類型進(jìn)行預(yù)測(cè)的方法；[16]呂雪梅在《數(shù)據(jù)驅(qū)動(dòng)：侵財(cái)犯罪治理策略轉(zhuǎn)向》中提出了數(shù)據(jù)驅(qū)動(dòng)侵財(cái)犯罪的治理策略及其具體實(shí)現(xiàn)路徑；[17]張晟在《大數(shù)據(jù)打防多發(fā)性盜竊案件探析》中對(duì)大數(shù)據(jù)在打擊和預(yù)防多發(fā)性盜竊案件中的應(yīng)用進(jìn)行了分析，[18]等等?？梢?，大數(shù)據(jù)已經(jīng)被用于各種類型案件的犯罪預(yù)測(cè)以及建立各種預(yù)測(cè)模型和防控系統(tǒng)。

表1 2010-2020年犯罪預(yù)測(cè)領(lǐng)域前10位的高頻關(guān)鍵詞

圖3 犯罪預(yù)測(cè)研究關(guān)鍵詞分析圖譜

此外，“數(shù)據(jù)挖掘”也是出現(xiàn)頻率較高的關(guān)鍵詞之一(出現(xiàn)19次)。從某種程度上，大數(shù)據(jù)和數(shù)據(jù)挖掘本質(zhì)上具有一定的相似性，都是對(duì)數(shù)據(jù)進(jìn)行挖掘分析以發(fā)現(xiàn)有價(jià)值的信息，而研究人員通過對(duì)犯罪數(shù)據(jù)進(jìn)行挖掘，得到犯罪活動(dòng)的基本規(guī)律，進(jìn)而開展犯罪預(yù)測(cè)是目前該領(lǐng)域比較有代表性的工作，如金光、錢家麒等在《基于數(shù)據(jù)挖掘決策樹的犯罪風(fēng)險(xiǎn)預(yù)測(cè)模型》中介紹了數(shù)據(jù)挖掘技術(shù)在犯罪行為分析上的應(yīng)用，其利用決策樹構(gòu)造方法，結(jié)合一個(gè)犯罪人員數(shù)據(jù)集的樣本數(shù)據(jù)，進(jìn)行了嘗試性的數(shù)據(jù)挖掘；[19]孫小川、蘆天亮在《基于聚類的數(shù)據(jù)加權(quán)優(yōu)化在犯罪預(yù)測(cè)中的應(yīng)用》中用密度聚類分析方法將犯罪數(shù)據(jù)分類，然后進(jìn)行數(shù)據(jù)降維提取關(guān)鍵屬性生成特征數(shù)據(jù)，繼而對(duì)特征數(shù)據(jù)進(jìn)行加權(quán)優(yōu)化并采用機(jī)器學(xué)習(xí)的方式對(duì)特征數(shù)據(jù)進(jìn)行學(xué)習(xí)，從而預(yù)測(cè)了犯罪案由；[20]石少?zèng)_、陳鵬等在《分類學(xué)習(xí)方法在犯罪人地域特征預(yù)測(cè)識(shí)別中的應(yīng)用研究》中抽象出案件現(xiàn)場(chǎng)構(gòu)成要素并從信息化偵查的角度建立了5種案件現(xiàn)場(chǎng)信息為屬性，并以分類算法為基礎(chǔ)構(gòu)建了犯罪人地域特性識(shí)別模型。[21]

“公安機(jī)關(guān)”出現(xiàn)的頻率也較高(出現(xiàn)19次)。從這也可以看出，近年來犯罪預(yù)測(cè)逐漸出現(xiàn)從學(xué)術(shù)性向?qū)嵺`性發(fā)展的趨勢(shì)。例如孫菲菲、曹卓等在《基于隨機(jī)森林的分類器在犯罪預(yù)測(cè)中的應(yīng)用研究》中提到“大數(shù)據(jù)時(shí)代背景下，公安機(jī)關(guān)并沒有充分掌握和應(yīng)用計(jì)算機(jī)領(lǐng)域的核心技術(shù)”，因此該論文給出了一個(gè)應(yīng)用于犯罪預(yù)測(cè)的分類器的思路和模式；[22]石拓、蔣偉在《基于集成特征選擇的盜竊案件預(yù)測(cè)方法》中提到“盜竊類案件是公安機(jī)關(guān)較為棘手的一類犯罪”，因此該論文提出了一種SEFV_Bagging算法對(duì)盜竊類案件進(jìn)行預(yù)測(cè)；[23]王娟、蘭月新等在《時(shí)空分析和K近鄰算法在犯罪分析中的應(yīng)用研究》中通過對(duì)不同類型犯罪進(jìn)行分析來預(yù)測(cè)不同犯罪類型的高發(fā)區(qū)域和高發(fā)時(shí)間以幫助公安執(zhí)法人員的警力部署和指揮。[24]

“智慧警務(wù)”在近年來的文獻(xiàn)中也被較多提及(出現(xiàn)18次)。林強(qiáng)、林金山在《基于大數(shù)據(jù)的預(yù)測(cè)性警務(wù)方案研究》中介紹了現(xiàn)有預(yù)測(cè)性警務(wù)也就是智慧警務(wù)的研究現(xiàn)狀，并提出了一種基于大數(shù)據(jù)技術(shù)的預(yù)測(cè)性警務(wù)方案；[25]王楠、韓鵬霄在《公安大數(shù)據(jù)應(yīng)用研究》中介紹了公安大數(shù)據(jù)平臺(tái)的架構(gòu)，該平臺(tái)包含犯罪預(yù)測(cè)在內(nèi)的多種應(yīng)用功能，為實(shí)現(xiàn)智慧警務(wù)提供了核心支撐能力；[26]丁欣榮、夏軍等在《智慧公安視域下運(yùn)用大數(shù)據(jù)進(jìn)行犯罪分析與犯罪預(yù)測(cè)研究》中詳細(xì)介紹了智慧公安背景下大數(shù)據(jù)應(yīng)用于犯罪分析和犯罪預(yù)測(cè)的時(shí)代意義、理念、數(shù)理本質(zhì)以及方法與步驟的內(nèi)容。[27]可見，犯罪預(yù)測(cè)研究是發(fā)展智慧警務(wù)建設(shè)的重要內(nèi)容。

(二)中心詞與突現(xiàn)詞分析

對(duì)高頻關(guān)鍵詞“大數(shù)據(jù)”進(jìn)行中心詞分析，得到結(jié)果如圖4所示。可以看出，“預(yù)測(cè)警務(wù)”“警務(wù)機(jī)制”“國(guó)際警務(wù)合作”“數(shù)據(jù)平臺(tái)建設(shè)”等關(guān)鍵詞與中心詞“大數(shù)據(jù)“產(chǎn)生了較強(qiáng)的關(guān)聯(lián)性。這表明隨著大數(shù)據(jù)、云計(jì)算時(shí)代的到來，我國(guó)警務(wù)機(jī)制正在從傳統(tǒng)業(yè)務(wù)模式向大數(shù)據(jù)驅(qū)動(dòng)的智能模式轉(zhuǎn)變。李國(guó)軍在《論大數(shù)據(jù)驅(qū)動(dòng)下的預(yù)測(cè)警務(wù)創(chuàng)新》中指出，基于大數(shù)據(jù)驅(qū)動(dòng)和問題導(dǎo)向的預(yù)測(cè)警務(wù)是未來警務(wù)創(chuàng)新的重要方向。[28]另外，關(guān)鍵詞“大數(shù)據(jù)”與“智慧警務(wù)”“智慧公安”“社區(qū)警務(wù)”等關(guān)鍵詞也有一定的關(guān)聯(lián)性，表明在大數(shù)據(jù)背景下，大力開展智慧警務(wù)建設(shè)是我國(guó)公安機(jī)關(guān)未來警務(wù)模式發(fā)展的趨勢(shì)。馬晨在《大數(shù)據(jù)視域下城市智慧警務(wù)模式研究》中總結(jié)了近年公安機(jī)關(guān)城市智慧警務(wù)建設(shè)實(shí)踐，對(duì)城市智慧警務(wù)模式構(gòu)建的現(xiàn)狀進(jìn)行了分析并對(duì)其未來建設(shè)進(jìn)行了思考。[29]

圖4 以大數(shù)據(jù)為中心詞的可視化圖譜

對(duì)高頻關(guān)鍵詞“犯罪預(yù)測(cè)”進(jìn)行中心詞分析，得到結(jié)果如圖5所示。可以看出，“數(shù)學(xué)模型”“時(shí)間序列”“時(shí)空定位”“可能性系數(shù)”等關(guān)鍵詞與中心詞“犯罪預(yù)測(cè)”的聯(lián)系較為緊密，關(guān)聯(lián)性較強(qiáng)，表明犯罪預(yù)測(cè)研究目前非常重視計(jì)算機(jī)與數(shù)理統(tǒng)計(jì)等方法的應(yīng)用，如與“決策樹”“關(guān)聯(lián)規(guī)則”“Logistic分析算法”“LSTM”等關(guān)鍵詞也有關(guān)聯(lián)性，這表明近年來利用各類數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的算法開展犯罪預(yù)測(cè)研究越來越成為目前國(guó)內(nèi)相關(guān)領(lǐng)域的研究熱點(diǎn)。例如杜益虹等在《基于Logistic回歸的犯罪概率預(yù)測(cè)研究》中使用Logistic回歸模型進(jìn)行了犯罪預(yù)測(cè)研究，[30]柳林、劉文娟等在《基于隨機(jī)森林和時(shí)空核密度方法的不同周期犯罪熱點(diǎn)預(yù)測(cè)對(duì)比》中分別采用機(jī)器學(xué)習(xí)方法和核密度方法進(jìn)行了犯罪預(yù)測(cè)研究并對(duì)兩種方法進(jìn)行了系統(tǒng)的比較。[31]

圖5 以犯罪預(yù)測(cè)為中心詞的可視化圖譜

將國(guó)內(nèi)犯罪預(yù)測(cè)領(lǐng)域的主要關(guān)鍵詞進(jìn)行突現(xiàn)詞分析，找出突現(xiàn)度排名前7位的關(guān)鍵詞，分析結(jié)果如圖6所示。從圖中可以看出，在2011-2015年，“決策樹”方法受到的關(guān)注較多；在2011-2012年“數(shù)據(jù)倉(cāng)庫(kù)”受到較多關(guān)注；從2013年起，“關(guān)聯(lián)規(guī)則”開始受到關(guān)注。從這幾個(gè)關(guān)鍵詞的突現(xiàn)分布可以看出，2012-2013年是犯罪預(yù)測(cè)領(lǐng)域從傳統(tǒng)數(shù)據(jù)分析到利用機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)挖掘的過渡時(shí)期。2014-2015年，大數(shù)據(jù)概念在國(guó)內(nèi)風(fēng)行一時(shí)，也和犯罪預(yù)測(cè)產(chǎn)生了較多的關(guān)聯(lián)，進(jìn)而在2018年，隨著各項(xiàng)大數(shù)據(jù)分析預(yù)測(cè)方法的落地應(yīng)用，犯罪預(yù)測(cè)從理論研究向?qū)嵺`應(yīng)用逐步轉(zhuǎn)化，“公安機(jī)關(guān)”作為犯罪預(yù)測(cè)的實(shí)際應(yīng)用主體也開始陸續(xù)出現(xiàn)在相關(guān)文獻(xiàn)中。

圖6 犯罪預(yù)測(cè)研究關(guān)鍵詞突現(xiàn)圖

(三)關(guān)鍵詞時(shí)間線分析

對(duì)國(guó)內(nèi)犯罪預(yù)測(cè)領(lǐng)域的關(guān)鍵詞按時(shí)間線進(jìn)行聚類分析，對(duì)包含關(guān)鍵詞最多的“大數(shù)據(jù)”“深度學(xué)習(xí)”“數(shù)據(jù)挖掘”“職務(wù)犯罪”“警務(wù)”“智慧警務(wù)”“預(yù)測(cè)”“LSTM”“情報(bào)主導(dǎo)警務(wù)”等9類關(guān)鍵詞進(jìn)行時(shí)間線分析，大體上可將這9類關(guān)鍵詞分為方法和應(yīng)用兩大類。其中，方法類包含有“大數(shù)據(jù)”“深度學(xué)習(xí)”“數(shù)據(jù)挖掘”“預(yù)測(cè)”“LSTM”等。大數(shù)據(jù)是公安機(jī)關(guān)進(jìn)行警務(wù)改革進(jìn)入智慧警務(wù)時(shí)代的重要工具，自2013年開始被用于犯罪預(yù)測(cè)研究；而“深度學(xué)習(xí)”第一次在該領(lǐng)域被引用是在2019年，說明“深度學(xué)習(xí)”作為一種新興的人工智能技術(shù)在被人們熟知后廣泛應(yīng)用于犯罪預(yù)測(cè)領(lǐng)域的各項(xiàng)研究中；“數(shù)據(jù)挖掘”關(guān)鍵詞自2010年起在犯罪預(yù)測(cè)領(lǐng)域一直受到廣泛關(guān)注，是進(jìn)行各類犯罪預(yù)測(cè)的重要而必不可少的方法。而應(yīng)用類則包含了“職務(wù)犯罪”“警務(wù)”“智慧警務(wù)”“情報(bào)主導(dǎo)警務(wù)”等。從2012年起，“職務(wù)犯罪”的相關(guān)研究在犯罪預(yù)測(cè)領(lǐng)域開始受到關(guān)注；“警務(wù)”和“智慧警務(wù)”類別所包含的關(guān)鍵詞意思相似可合并為一類，2014年開始受到廣泛關(guān)注，2013 年 11 月，全國(guó)首個(gè)省級(jí)警務(wù)云平臺(tái)—“警務(wù)千度” 實(shí)戰(zhàn)應(yīng)用工具正式開通，該平臺(tái)內(nèi)置了“大數(shù)據(jù)”深度挖掘和統(tǒng)計(jì)分析功能，可以實(shí)現(xiàn)對(duì)海量警務(wù)信息的橫向關(guān)聯(lián)、毫秒查詢、批量比對(duì)，為“智慧警務(wù)”發(fā)展打下了堅(jiān)實(shí)的基礎(chǔ)；“情報(bào)主導(dǎo)警務(wù)”在2010-2016年受到較多關(guān)注，2016年后關(guān)注度下降。

(四)關(guān)鍵詞時(shí)區(qū)分析

對(duì)關(guān)鍵詞進(jìn)行時(shí)區(qū)分析，其結(jié)果如圖7所示。從中可以清晰地看到每個(gè)關(guān)鍵詞在2010-2020年首次出現(xiàn)的年份。根據(jù)可視化圖譜，可將國(guó)內(nèi)的犯罪預(yù)測(cè)研究分為三個(gè)階段。第一階段是2011年之前，出現(xiàn)的關(guān)鍵詞主要有“決策分析”“數(shù)據(jù)挖掘”“灰色系統(tǒng)理論”“時(shí)間序列分析”等，這些關(guān)鍵詞都與傳統(tǒng)的數(shù)據(jù)分析方法相關(guān)，可知這一階段我國(guó)犯罪預(yù)測(cè)主要采用的是傳統(tǒng)的數(shù)據(jù)分析和挖掘方法。第二階段是2011-2013年，這一階段出現(xiàn)的關(guān)鍵詞主要有“支持向量機(jī)模型”“回歸分析”“向量自回歸模型”“關(guān)聯(lián)規(guī)則”“決策樹”“BP神經(jīng)網(wǎng)絡(luò)”“聚類分析”“聚類算法”等，這其中既有與傳統(tǒng)數(shù)據(jù)分析相關(guān)的關(guān)鍵詞，也有與機(jī)器學(xué)習(xí)相關(guān)的關(guān)鍵詞。值得一提的是，“大數(shù)據(jù)”在2013年首次出現(xiàn)，但并沒有成為該領(lǐng)域的研究熱點(diǎn)，可知這一階段是我國(guó)犯罪預(yù)測(cè)領(lǐng)域從傳統(tǒng)的數(shù)據(jù)分析和挖掘方法向使用人工智能機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)挖掘的過渡時(shí)期。第三階段是2014年之后，隨著大數(shù)據(jù)時(shí)代的到來，將大數(shù)據(jù)與機(jī)器學(xué)習(xí)結(jié)合是這一階段我國(guó)犯罪預(yù)測(cè)領(lǐng)域的研究熱點(diǎn)。2015年，李熙等在《大數(shù)據(jù)背景下的犯罪預(yù)測(cè)與預(yù)防—基于犯罪預(yù)測(cè)分析模型的應(yīng)用及構(gòu)建》中介紹了在大數(shù)據(jù)背景下幾種常見的機(jī)器學(xué)習(xí)技術(shù)；[32]2017年李榮崗等在《基于支持向量機(jī)的嫌疑人特征預(yù)測(cè)》中將大數(shù)據(jù)與機(jī)器學(xué)習(xí)算法支持向量機(jī)來對(duì)嫌疑人特征進(jìn)行預(yù)測(cè)；[33]2018年張蕾華等在《基于大數(shù)據(jù)的前科人員犯罪預(yù)警模型構(gòu)建研究》中利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法隨機(jī)對(duì)前科人員再犯罪進(jìn)行預(yù)測(cè)；2019年沈寒蕾等在《基于長(zhǎng)短期記憶模型的入室盜竊犯罪預(yù)測(cè)研究》中利用時(shí)空大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法LSTM對(duì)入室盜竊犯罪事件進(jìn)行預(yù)測(cè)，等等，這些均是基于大數(shù)據(jù)和人工智能相結(jié)合的犯罪預(yù)測(cè)領(lǐng)域的代表性研究。[34]

圖7 犯罪預(yù)測(cè)研究關(guān)鍵詞時(shí)區(qū)圖

四、結(jié)論

本文對(duì)2010-2020年間中國(guó)學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫(kù)(CNKI)中收錄的與犯罪預(yù)測(cè)相關(guān)的科技文獻(xiàn)進(jìn)行了可視化計(jì)量分析，通過對(duì)該領(lǐng)域的文獻(xiàn)分布、作者合作網(wǎng)絡(luò)、機(jī)構(gòu)合作網(wǎng)絡(luò)、關(guān)鍵詞熱點(diǎn)分布、中心詞與突現(xiàn)詞等開展分析，初步得到了當(dāng)前國(guó)內(nèi)犯罪預(yù)測(cè)領(lǐng)域的研究現(xiàn)狀、發(fā)展趨勢(shì)及存在問題。對(duì)此，形成總結(jié)與建議如下：

第一，當(dāng)前國(guó)內(nèi)犯罪預(yù)測(cè)研究整體上呈逐年上升趨勢(shì)，一方面，大數(shù)據(jù)、人工智能等技術(shù)的發(fā)展為犯罪預(yù)測(cè)研究提供了多種方法，豐富了該領(lǐng)域的研究；另一方面，犯罪預(yù)測(cè)研究開始逐漸從小眾領(lǐng)域的學(xué)術(shù)探討向著實(shí)踐應(yīng)用領(lǐng)域發(fā)展。但與此同時(shí)，當(dāng)前該領(lǐng)域內(nèi)主要研究人員之間還缺乏深度合作，未能形成較大的研究團(tuán)隊(duì)，主要研究機(jī)構(gòu)之間合作偏少，各機(jī)構(gòu)之間主要研究方向也各不相同。因此，面對(duì)犯罪預(yù)測(cè)從學(xué)術(shù)研究向?qū)嵺`應(yīng)用的發(fā)展趨勢(shì)，未來不同機(jī)構(gòu)、不同人員之間需要進(jìn)一步加強(qiáng)交流合作，建立跨機(jī)構(gòu)、跨學(xué)科、跨專業(yè)的高水平犯罪預(yù)測(cè)研究團(tuán)隊(duì)，尤其是建立高校與企業(yè)、公安機(jī)關(guān)之間的合作關(guān)系，充分發(fā)揮各自優(yōu)勢(shì)，形成優(yōu)勢(shì)互補(bǔ)，盡快產(chǎn)出一批理論與方法、技術(shù)與實(shí)踐相結(jié)合的高質(zhì)量犯罪預(yù)測(cè)研究成果。

第二，目前國(guó)內(nèi)犯罪預(yù)測(cè)領(lǐng)域的研究熱點(diǎn)主要集中在“大數(shù)據(jù)”“數(shù)據(jù)挖掘”“智慧警務(wù)”等方面。其中，“大數(shù)據(jù)”和“數(shù)據(jù)挖掘”是犯罪預(yù)測(cè)的方法和工具，“智慧警務(wù)”是我國(guó)公安機(jī)關(guān)目前正在構(gòu)建的新型警務(wù)模式，而利用大數(shù)據(jù)來進(jìn)行犯罪預(yù)測(cè)是其中重要的一部分內(nèi)容。當(dāng)前，我國(guó)警務(wù)模式正處于從業(yè)務(wù)驅(qū)動(dòng)轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)的重要階段，傳統(tǒng)的業(yè)務(wù)驅(qū)動(dòng)警務(wù)面臨邊效際能困境，[28]而大數(shù)據(jù)具有全量和精準(zhǔn)化的優(yōu)勢(shì)，與大數(shù)據(jù)相結(jié)合的犯罪預(yù)測(cè)將能夠?qū)崿F(xiàn)面向不同目標(biāo)和群體的多維特征分析與精準(zhǔn)化犯罪風(fēng)險(xiǎn)預(yù)測(cè)，從而帶動(dòng)警務(wù)工作從粗放型向精細(xì)化發(fā)展，提高警務(wù)工作的效能。因此，未來的犯罪預(yù)測(cè)研究需要在進(jìn)一步融合多源數(shù)據(jù)資源的基礎(chǔ)上，從預(yù)測(cè)目標(biāo)的場(chǎng)景化、預(yù)測(cè)效果的精準(zhǔn)化、服務(wù)實(shí)踐的導(dǎo)向化等方面提升研究水平與質(zhì)量。