[发明专利]犯罪自动预测方法及系统

权利要求书

1.一种犯罪自动预测方法，其特征在于，包括：

获取待预测区域，并将所述待预测区域划分为一个或多个分区；

获取所述待预测区域内的历史犯罪案件信息；

根据所述历史犯罪案件信息对历史犯罪案件进行时空建模，得到每个分区的犯罪预测概率；

对得到的每个分区的犯罪预测概率进行校正，得到每个分区校正后的犯罪预测概率。

2.根据权利要求1所述的方法，其特征在于，采用自激点过程模型对历史犯罪案件进行时空建模。

3.根据权利要求1所述的方法，其特征在于，所述历史犯罪案件信息包括：案件发生的时间信息和空间信息。

4.根据权利要求1所述的方法，其特征在于，所述对得到的每个分区的犯罪预测概率进行校正，得到每个分区校正后的犯罪预测概率包括：

利用线性校正模型对得到的每个分区的犯罪预测概率进行校正，得到每个分区校正后的犯罪预测概率。

5.根据权利要求4所述的方法，其特征在于，所述线性校正模型为：v(t,x,y)＝m(t,x,y)λ(t,x,y)+a(t,x,y)，其中，v(t,x,y)表示区域(x,y)的犯罪预测结果，a(t,x,y)为加性校正因子，m(t,x,y)为乘性校正因子。

6.根据权利要求5所述的方法，其特征在于，所述乘性校正因子采用二元多项式建模，并利用熵值最小化方法计算所述二元多项式中的优化参数。

7.根据权利要求6所述的方法，其特征在于，所述线性校正模型满足以下条件：

概率校正前后区域整体的概率均值不变，并且二元多项式中的优化参数的变化会产生等值的概率变化。

8.根据权利要求5所述的方法，其特征在于，所述加性校正因子a(t,x,y)根据对犯罪概率成线性关系的因素确定。

9.根据权利要求1至8任一项所述的方法，其特征在于，所述方法还包括：

根据所有分区校正后的犯罪预测概率，按照概率从大到小的顺序选取设定个数的分区作为本次犯罪预测结果，或者选取概率大于阈值的分区作为本次犯罪预测结果。

10.一种犯罪自动预测系统，其特征在于，包括：

分区模块，用于获取待预测区域，并将所述待预测区域划分为一个或多个分区；

历史信息获取模块，用于获取所述待预测区域内的历史犯罪案件信息；

计算模块，用于根据所述历史犯罪案件信息对历史犯罪案件进行时空建模，得到每个分区的犯罪预测概率；

校正模块，用于对得到的每个分区的犯罪预测概率进行校正，得到每个分区校正后的犯罪预测概率。

11.根据权利要求10所述的系统，其特征在于，所述计算模块采用自激点过程模型对历史犯罪案件进行时空建模。

12.根据权利要求10所述的系统，其特征在于，所述历史犯罪案件信息包括：案件发生的时间信息和空间信息。

13.根据权利要求10所述的系统，其特征在于，

所述校正模块，具体用于利用线性校正模型对得到的每个分区的犯罪预测概率进行校正，得到每个分区校正后的犯罪预测概率。

14.根据权利要求13所述的系统，其特征在于，所述线性校正模型为：v(t,x,y)＝m(t,x,y)λ(t,x,y)+a(t,x,y)，其中，v(t,x,y)表示区域(x,y)的犯罪预测结果，a(t,x,y)为加性校正因子，m(t,x,y)为乘性校正因子。

15.根据权利要求14所述的系统，其特征在于，所述乘性校正因子采用二元多项式建模，并利用熵值最小化方法计算所述二元多项式中的优化参数。

16.根据权利要求15所述的系统，其特征在于，所述线性校正模型满足以下条件：

概率校正前后区域整体的概率均值不变，并且二元多项式中的优化参数的变化会产生等值的概率变化。

17.根据权利要求14所述的系统，其特征在于，所述加性校正因子a(t,x,y)根据对犯罪概率成线性关系的因素确定。

18.根据权利要求10至17任一项所述的系统，其特征在于，所述系统还包括：

输出模块，用于根据所有分区校正后的犯罪预测概率，按照从大到小的顺序选取设定个数的分区作为本次犯罪预测结果，或者选取概率大于阈值的分区作为本次犯罪预测结果。