[发明专利]一种系列案件疑犯落脚点预测方法

说明书

本发明公开一种系列案件疑犯落脚点预测方法，该方法先获取全体手机用户的居住地和活动范围信息，根据居住地信息生成第一居住地核密度图；根据活动范围信息，获取与待预测疑犯的作案地信息相匹配的手机用户的居住地信息，并生成第二居住地核密度图；将待预测疑犯的作案地信息结合由已捉获罪犯的作案地和居住地信息得到犯罪距离衰减函数算法，获得待预测疑犯的居住地模型概率表面分布；根据第一、第二居住地核密度图和居住地模型概率表面分布，结合贝叶斯算法，获得用于预测待预测疑犯落脚点的概率密度图。采用本发明技术方案不用时刻考虑时间、地域、交通环境等因素导致预测模型精确度降低，提高了预测疑犯落脚点结果的准确性。

技术领域

本发明涉及公共安全、犯罪地理学技术领域，尤其涉及一种系列案件疑犯落脚点预测方法。

背景技术

系列案件具有罪犯作案次数多，作案手段娴熟，反侦察能力强的特点，容易引起社会恐慌，不利于维持社会安定。因此，能准确的预测系列案件疑犯落脚点能有效的提高警务侦查工作的效率。

现有技术中，通常采用构建犯罪之旅估算模型(Journey-to-crime，简称JTC模型)的方法来预测系列案件疑犯的落脚点。JTC模型能够从已解决的系列犯罪案件中构建犯罪距离衰减函数，进而推算最有可能作为系列案件疑犯落脚点的区域。而目前的犯罪之旅估算模型需要时刻考虑时间、地域、交通环境等因素对JTC模型预测的精度造成影响。当疑犯在居住地周边地区作案时，根据JTC模型来预测疑犯的居住地信息可以得到较好的预测结果；在当疑犯在远离居住地的地区作案时，根据JTC模型来预测疑犯的居住地信息，JTC模型的预测效果不佳。因此，现有的JTC模型的精确度、准确度仍有待提高。

发明内容

本发明实施例提出了一种系列案件疑犯落脚点预测方法，不用时刻考虑时间、地域、交通环境等因素导致预测模型精确度降低，提高了预测疑犯落脚点结果的准确性。

本发明实施例提供了一种系列案件疑犯落脚点预测方法，包括：

获取全体手机用户的第一居住地信息和活动范围信息，其中，所述第一居住地信息用于生成所述全体手机用户的第一居住地核密度图；

根据所述活动范围信息，按照时间和地点，提取与待预测疑犯的系列案件的第一作案地信息相匹配的手机用户，并根据提取的手机用户对应的第一居住地信息，结合预设的空间核密度分析算法，获得所述待预测疑犯的第二居住地核密度图；

根据预设的已捉获罪犯的系列案件的第二作案地信息和第二居住地信息，结合预设的负指数函数来拟合所述第二作案地信息-第二居住地信息的距离分布曲线，获得犯罪距离衰减函数；

根据所述第一作案地信息，结合所述犯罪距离衰减函数算法，获得待预测疑犯的居住地模型概率表面分布；

根据所述第一居住地核密度图、所述第二居住地核密度图和所述居住地模型概率表面分布，结合预设的贝叶斯算法，获得用于预测所述待预测疑犯落脚点的概率密度图。

可选地，所述获取全体手机用户的第一居住地信息和活动范围信息，具体为：

所述第一居住地信息包括若干个居住地，所述活动范围信息包括若干个活动范围和与所述活动范围分别一一对应的活动时间；

根据所述全体手机用户的手机信令数据，提取、聚合得到全部基站点数据；

根据所述全部基站点数据，构建基站泰森多边形，并结合预设的蒙特卡洛模拟算法，获得各手机用户在每个时刻分别一一对应的基站位置；

利用信息熵值法分别对各个所述基站位置进行计算，得到所述全体手机用户的第一居住地信息和活动范围信息。

可选地，所述利用信息熵值法分别对各个所述基站位置进行计算，具体为：