犯罪作为当今世界普遍存在的社会问题，对经济的发展和人们的生活有着重大的影响，因此预防犯罪是世界各国警察机构共同的目标。预测是预警预防的前提和首要环节，研究预防犯罪问题离不开犯罪预测。根据2018年全国公安机关统计的犯罪数据，从犯罪类型结构上来看，传统犯罪呈下降趋势，但互联网相关的犯罪不断增加，新兴行业领域犯罪活动较为活跃，非法集资、“食药环”犯罪、未成年人暴力犯罪等受到社会高度关注，黑恶势力犯罪、毒品犯罪出现了新特点。总体来看，盗抢骗、黄赌毒和经济犯罪成为当前的主要犯罪问题，重点打击此类犯罪，才能维护社会稳定和保障人民的安全感。通过准确实时的犯罪预测，可以帮助公安机关优化警力部署、提前制定预案，从而降低犯罪率。犯罪预测的过程包括数据的收集、模型的建立和对犯罪模式的识别。这不仅有助于公安机关判断犯罪热点地区，还可以发现犯罪高风险人员和易害群体。

犯罪是可以预测的。《美国统计学会会刊》上有文章提出，“最初的犯罪就像初震，接下来的犯罪就好比余震”。把握犯罪的两个杠杆即犯罪成因和犯罪规律，就可以推出预测趋势，犯罪成因是犯罪运行的动力，犯罪规律是犯罪运行的规则，动力和规则确定了运行的方向。如果分析人员不是简单地对犯罪数据进行归纳总结，而是挖掘出海量犯罪数据背后的犯罪成因和犯罪规律，那么就可以准确地评估犯罪趋势并采取有力的措施。根据犯罪学相关理论，在一定区域中，犯罪地点并不是随机分布的，而是呈现出一些集中点，即“热点地区”。掌握这些热点地区可能发生的犯罪类型，对于公安机关的决策部署具有重要的参考价值。此外，根据邻近重复效应，当一个盗窃犯在一个地点成功实施犯罪之后，他往往会在一周后再次潜入同一对象或者邻近对象家中作案，他的犯罪半径一般是在2公里以内[5]。案发地点附近的同类案件发生的概率较高，这同时给犯罪预测提供了理论支撑。

基于以上几点，本文提出一种基于DBSCAN算法的犯罪预测模型，该模型在MATLAB中构建，对A区的犯罪数据进行密度聚类，可以获得较为客观的结果。该实验遵循数据分析中的步骤，包括数据收集与预处理、数据可视化和构建犯罪预测模型。在数据采集与预处理阶段，数据来自于A区公安局提供的犯罪数据，并进行了脱敏处理。数据可视化阶段生成了三维的犯罪时空分布图。最后，在构建模型阶段，本文对犯罪类型、犯罪时间、经度、纬度进行密度聚类分析，对警方的警力部署和决策执行具有参考价值。

本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003237

作者信息：

赵传鑫

(中国人民公安大学 国家安全与反恐怖学院，北京100038)