[发明专利]基于F函数和改进KD树的犯罪大数据点模式分析方法

摘要

本发明公开了一种基于F函数和改进KD树并行计算的犯罪大数据点模式分析方法，本发明针对当下犯罪大数据处理的需求，通过将改进的KD树并行计算结合最邻近距离点模式分析方法(F函数)提供了一种能快速地分析犯罪空间分布模式的方法——基于F函数和改进KD树并行计算的犯罪大数据点模式分析方法。该方法将空间中的犯罪点事件分簇构建KD树，并行计算每个KD树中犯罪点事件的最邻近距离，以起到化整为散，分块并行处理的效果，加快计算效率，提高计算资源的利用率。

主权项

1.一种基于F函数和改进KD树的犯罪大数据点模式分析方法，其特征在于，包括以下步骤：步骤1：生成随机点集；输入所有待处理的犯罪事件点，即坐标，设定每个事件点的研究区域半径，基于每一事件点在研究区域内生成随机点集，基于随机点集建立KD树；步骤2：搜索最邻近点；在KD树中搜索每个点的最邻近随机点，计算最邻近随机点到事件点之间的距离d_min，直到所有输入的点都计算完毕，得到所有点的最邻近距离；步骤3：计算F函数；将得到的所有点的最邻近距离按照大小排序，计算最邻近距离的变程R和组距D，其中R＝max(d_min)‑min(d_min)，根据组距上限值累积计数点的数量，并计算累积频率F(d)；步骤4：进行显著性检验并得到分析结果；若计算结果满足显著性检验指标，输出F(d)关于距离d的曲线图，判断点数据的空间分布模式；对于F函数来说，如果F函数值开始时增加得较慢，但到距离d较大时，F函数开始快速增加，则判断点事件在空间中趋于聚集分布；如果F函数值开始时增加得较快，距离d较大时增加得较慢，则点事件在空间中趋向分散分布。