一種警務(wù)崗?fù)?yōu)化選址方法

李弘哲,王世杰,李成名

（1.蘭州交通大學(xué) 測(cè)繪與地理信息學(xué)院，甘肅 蘭州 730070；2.地理國(guó)情監(jiān)測(cè)技術(shù)應(yīng)用國(guó)家地方聯(lián)合工程研究中心，甘肅 蘭州 730070；3.甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室，甘肅 蘭州 730070；4.中國(guó)測(cè)繪科學(xué)研究院，北京 100830）

城市是區(qū)域信息化建設(shè)的主戰(zhàn)場(chǎng)，其經(jīng)濟(jì)社會(huì)發(fā)展快速、信息資源豐富，對(duì)地理信息的需求旺盛、更新速度快、精細(xì)度要求高[1]。在“智慧城市”的建設(shè)中，作為保衛(wèi)人民群眾生命和財(cái)產(chǎn)安全的重要職能機(jī)構(gòu)，公安系統(tǒng)建設(shè)的意義重大。Olayinka A A[2]等主要研究了發(fā)展中國(guó)家警務(wù)崗?fù)の恢脤?duì)犯罪率的影響；齊琳[3]、張慶全[4]、肖志煒[5]等提出向?qū)I(yè)化、智能化的空間分析方向發(fā)展以及向使用高分辨率、高時(shí)效性的犯罪制圖方向發(fā)展是未來(lái)警務(wù)GIS的發(fā)展方向；參考文獻(xiàn)[6]～[11]在GIS的基礎(chǔ)上，結(jié)合犯罪地理學(xué)的相關(guān)知識(shí)，分析了犯罪時(shí)空分布與影響因素；薛鐘[12]、肖漢[13]等通過(guò)模型預(yù)測(cè)了犯罪率。上述成果均在不同程度上推動(dòng)了警務(wù)GIS的發(fā)展，并在犯罪研究的各領(lǐng)域取得了良好的效果。然而，目前國(guó)內(nèi)外對(duì)于犯罪的研究成果多數(shù)是宏觀的、寬泛的，極少有針對(duì)某一重要具體問(wèn)題提出的切實(shí)可行的指導(dǎo)方案。例如，近年來(lái)出警效率低下、到達(dá)案發(fā)現(xiàn)場(chǎng)不及時(shí)，成為公安系統(tǒng)的主要弊病。為響應(yīng)公安部“快速出警、分秒必爭(zhēng)”的號(hào)召，全國(guó)各縣市努力創(chuàng)建“快警平臺(tái)”、警務(wù)崗?fù)さ龋坏捎跊](méi)有科學(xué)的方法支持，導(dǎo)致警務(wù)崗?fù)げ季植槐M合理。

1 實(shí)驗(yàn)區(qū)域與研究方法

本文以湖南省新寧縣主城區(qū)為實(shí)驗(yàn)區(qū)，采集2018年1月17日—2020年9月18日共29例案件數(shù)據(jù)，犯案地點(diǎn)如圖1所示。主城區(qū)內(nèi)學(xué)校和醫(yī)院的地理位置如圖2所示。本文采用的圖像處理軟件為ArcGIS10.3，除了運(yùn)用地圖矢量化、緩沖區(qū)分析、疊置分析、點(diǎn)距離計(jì)算等GIS常規(guī)功能模塊外，主要利用核密度估計(jì)（KDE）和區(qū)域覆蓋模型（AOM）進(jìn)行規(guī)劃選址。

圖1 犯罪地點(diǎn)分布圖

圖2 醫(yī)院與學(xué)校分布圖

1.1 KDE方法

KDE方法是一種以GIS為基礎(chǔ)的，常被用作估計(jì)隨機(jī)變量密度函數(shù)的檢驗(yàn)方法?？臻g中的點(diǎn)要素具有離散分布的特點(diǎn)，但其密度卻是可以度量的，可通過(guò)統(tǒng)計(jì)實(shí)驗(yàn)區(qū)域內(nèi)所發(fā)生的事件總數(shù)來(lái)構(gòu)造函數(shù)。該方法的優(yōu)勢(shì)在于，能將離散分布的點(diǎn)按照其空間分布特征轉(zhuǎn)化為不同密度連續(xù)變化的面域，從而通過(guò)極強(qiáng)的空間分布模式顯現(xiàn)出來(lái)。

式中，k{}為核密度函數(shù)；h取大于0的正值；x、Xi為獨(dú)立同分布的樣本點(diǎn)；x-Xi為樣本點(diǎn)與Xi之間的距離。

1.2 AOM

AOM是一種融合了犯罪心理學(xué)、犯罪圖形學(xué)和統(tǒng)計(jì)學(xué)等學(xué)科相關(guān)知識(shí)的犯罪預(yù)測(cè)模型。該模型操作便利，在分析真實(shí)案例時(shí)的正確率能達(dá)到80%以上，因此具有較好的應(yīng)用前景[12]。其構(gòu)造方法為：

1）按照犯罪時(shí)間的先后順序，將29例發(fā)生在實(shí)驗(yàn)區(qū)內(nèi)的案件地點(diǎn)，依次標(biāo)定為A1、A2、…、A29。

2）測(cè)量?jī)蓛煞缸锏攸c(diǎn)之間的實(shí)地距離，記為Dij，如D12表示犯罪地點(diǎn)A1與犯罪地點(diǎn)A2之間的實(shí)地距離。

3）計(jì)算每個(gè)犯罪地點(diǎn)距其他犯罪地點(diǎn)的平均距離，記為Ri，如R1表示犯罪地點(diǎn)A1距其他犯罪地點(diǎn)的平均距離，計(jì)算公式為：

4）以Ai為圓心，以Ri為半徑建立圓形緩沖區(qū)，再對(duì)這些圓形緩沖區(qū)進(jìn)行疊置分析，重疊最多的部分即為最后得到的犯罪預(yù)測(cè)區(qū)。

2 實(shí)驗(yàn)驗(yàn)證

2.1 實(shí)驗(yàn)區(qū)概況

湖南省新寧縣位于湘西南邊陲，山地、丘陵、平原等多種地形混雜；主城區(qū)總面積為19.8 km2，總?cè)丝跒?.46萬(wàn)人。作為全市警務(wù)系統(tǒng)重點(diǎn)建設(shè)縣和“快警平臺(tái)”示范縣，新寧縣治安情況總體良好，但警務(wù)崗?fù)ぴO(shè)置不盡合理，使本就匱乏的警力資源極度緊張。

2.2 警務(wù)崗?fù)?yōu)化選址

具體實(shí)驗(yàn)流程如圖3所示。以街道為尺度，利用ArcGIS10.3進(jìn)行地圖矢量化處理，圖層包括水體、道路、作案地點(diǎn)、醫(yī)院和學(xué)校等。犯罪地點(diǎn)核密度分析結(jié)果如圖4所示，核密度分析的輻射范圍可作為犯罪行為的地域界限，認(rèn)為界限內(nèi)至少發(fā)生過(guò)一例案件，為高頻案發(fā)區(qū)，界限外則可認(rèn)為無(wú)案件發(fā)生。

圖3 實(shí)驗(yàn)流程圖

圖4 核密度分布圖

通過(guò)KDE可選出位于高頻案發(fā)區(qū)內(nèi)的醫(yī)院和學(xué)校，在醫(yī)院和學(xué)校1 km范圍內(nèi)設(shè)立警務(wù)崗?fù)?，達(dá)到消除公共隱患、快速出警的目的。因此，建立緩沖區(qū)后，利用疊置分析法獲得醫(yī)院與學(xué)校緩沖區(qū)的相交面域，再與高頻案發(fā)區(qū)進(jìn)行疊置分析，相交面域則為待定警務(wù)崗?fù)みx址區(qū)，如圖5所示。

圖5 待定選址區(qū)

本文進(jìn)行點(diǎn)距離計(jì)算，并對(duì)計(jì)算結(jié)果進(jìn)行統(tǒng)計(jì)，構(gòu)成29×29階Dij矩陣；利用2018年1月17日—2018年10月14日的案例數(shù)據(jù)，即A1～A10共10組數(shù)據(jù)構(gòu)造犯罪預(yù)測(cè)區(qū)，其余19組數(shù)據(jù)用于犯罪預(yù)測(cè)區(qū)的置信度計(jì)算。計(jì)算結(jié)果如表1所示。

表1 平均距離統(tǒng)計(jì)表

以Ai為圓心，以Ri為半徑構(gòu)建圓形緩沖區(qū)，相交區(qū)域即為犯罪預(yù)測(cè)區(qū)，如圖6所示。在沒(méi)有參與建模的19例案件中，16例落入犯罪預(yù)測(cè)區(qū)內(nèi)，預(yù)測(cè)概率達(dá)到了84%，說(shuō)明置信度良好。將犯罪預(yù)測(cè)區(qū)和待定選址區(qū)進(jìn)行疊置分析，相交區(qū)域即為警務(wù)崗?fù)さ膬?yōu)化選址區(qū)，如圖7所示。

圖6 犯罪預(yù)測(cè)區(qū)

圖7 優(yōu)化選址區(qū)

3 結(jié)語(yǔ)

本文提出的警務(wù)崗?fù)?yōu)化選址方法解決了警務(wù)崗?fù)ぴO(shè)置紊亂的問(wèn)題，調(diào)和了警力資源緊張與警力配置效率低下的突出矛盾，具有較強(qiáng)的實(shí)用性、可推廣性以及“先人一步”進(jìn)行犯罪預(yù)警的前瞻性，且在一定程度上推動(dòng)了警務(wù)GIS的發(fā)展。在優(yōu)化選址區(qū)中設(shè)置的警務(wù)崗?fù)?，位于高頻犯案區(qū)和犯罪預(yù)測(cè)區(qū)內(nèi)，且輻射了盡可能多的學(xué)校和醫(yī)院，最大限度地節(jié)省了警力資源，可為城市建成區(qū)警務(wù)崗?fù)た茖W(xué)布局提供理論支持和實(shí)踐參考。