基于支持向量机的治安高危人员风险预警方法.pdf

第 卷第 期管理评论 ， 年 月 ， 基于支持向量机的治安高危人员风险预警方法 张 强， 何乐平 （中国科学院大学经济与管理学院，北京 ； 江西省吉安市人民政府，吉安 ） 摘要：随着社会经济快速发展，城市人口流动性增加，社会治安面临新的挑战。 提高对治安高危 人员风险预警能力，有助于公安机关高效应对复杂多变的公共安全形势。 本文采用支持向量机 构建风险预警模型，探求高危人员风险预警的可行方法，并进行实证分析。 结果显示该方法对 治安高危人员风险预警效果显著，对公安机关的情报研判具有较高的实用性。 关键词：治安高危人员；公共安全；风险预警；支持向量机 收稿日期： 作者简介：张强，中国科学院大学经济与管理学院博士研究生；何乐平，中国科学院大学经济与管理学院博士研究生。 引 言 当前我国正处于经济转轨、社会转型时期，治安管理的复杂性和艰巨性日益凸显，公共安全和治安秩序面 临新的挑战。 其中，敌视社会人员、社会闲散人员、两劳（判刑、劳教）无业人员、吸毒贩毒人员、窜至外地的逃 犯等治安高危人员因对社会稳定存有较高潜在威胁而被公安机关高度关注。 从我国治安现状来看，治安 高危人员流窜作案、重复作案、职业作案等特征明显，甚至形成由同户籍地人员所构成的高危人群，对社会治 安构成很大威胁。 有效预警并干预治安高危人员可能对社会造成的伤害，能够极大增强社会治安效果。 犯罪 预防和侦查、制裁行动是警务干预不可偏废的两个方面，然而在实践中着重打击而轻预警的问题普遍，特别是 公安机关对治安高危人员的监管工作中存在情况掌握不清、漏管失控的情况，因此迫切需要在掌握治安高危 人员基本情况和行动轨迹的基础上，利用公安工作中积累的数据信息，推动警务干预模式的转型，对高危人员 的潜在犯罪行为实施有效风险预警和控制。 目前，公安机关在治安工作实践中积极运用信息开展重点人动态管控、重大案事件预警等警务干预，提高 打击犯罪、防范安全风险能力。 在高危人员监管方面，主要通过整合已有内部信息与社会信息，进行信息关联 查询、智能检索、多维分析及碰撞对比，从而对治安高危人员的行踪轨迹进行分析，判断其风险程度。 其中，内 部信息主要包括实有人口、出入境、车辆进出卡口、人车物办证、案事件、视频监控等信息，社会信息主要包括 民航、电信、银行、税务等信息。 公安机关可以根据风险判断结果，提出相应预警措施的实施建议或指令，提高 对违法犯罪活动的预先发现和控制能力。 然而目前治安风险评估缺少足够的科学方法支撑，情报信息分析研 判的预警预防作用不明显。 在实际治安工作中，对于上述信息的整合和分析多为犯罪行为发生后的被动式调 查工作，完整意义上的提前判断潜在风险的预警工作仍偏少。 本文以南昌市 年的前科和涉毒人员信息为数据，基于支持向量机提出了一个效果显著、可在 实际工作中应用的治安高危人员风险预警方法，对公安机关情报研判具有较高的实用性。 全文结构如下：第二部分是文献综述，第三部分是治安高危人员风险控制现状分析，第四部分是实证分 析，第五部分是结论与对策建议。 文献综述 、犯罪风险预警研究 社会治安事件是违法犯罪者在特定时空维度内进行的，大部分案事件可以基于形态、时间、空间和群集等 综合情况形成总量特征。 目前学者主要从犯罪热点时空分布、治安高危人员管控机制两方面研究和预测犯罪 行为。 其中，有学者尝试采用空间数据挖掘、神经网络、模糊聚类等方法对犯罪热点时空的分布模式、成因、时 管理评论第 卷 空转移及预测等方面进行研究。 如 、 和 分别采用模糊聚类方法和空间聚类方 法对犯罪热点进行识别。 、等利用空间回归分析方法，探究了犯罪热点形成与社会、经济、 环境之间的关系。 陈鹏等基于 的犯罪模拟研究，提出了一种具有信息反馈机制的时空犯罪热点预测 模型， 等通过分析以往犯罪数据的时间预测犯罪趋势，建立了智能决策支持模型框架。 于红志等针对 犯罪影响因素多且关系复杂的特点，用改进的模糊 神经网络方法对犯罪进行预测， 等利用 算法得到频繁犯罪模式，并采用决策树和朴素贝叶斯分类器方法帮助在特定的时间、位置预测犯罪事 件， 和 对预测犯罪地点采用了有效应力强度因子的挖掘算法。 孙菲菲等基于模型组 合分类器随机森林，结合机器学习技术在犯罪预测中的应用现状，提出了一种用于预测犯罪的改进的分类算 法。 付举磊等基于社会网络分析对恐怖行为的特征进行了时空分析。 关于治安高危人员管控机制的研究相对较少。 陈心歌分析了北京市流动人口犯罪的现状与原因，提 出应在平等对待流动人口、控制人口盲目流动的同时，保障流动人口的基本权益。 杨莉莉和杨永川根据社 会网络的中心性指标提出一种犯罪组织重点人员判定和挖掘犯罪组织成员间关系的方法，具有较好的性能和 挖掘效果。 吴绍忠提出公安情报预警机制的实现需要以信息机制、数据处置机制、评估机制、鉴定机制和 发布机制为基础，理论体系、组织体系、人员体系和沟通体系是预警机制改进的重点。 沈晓磊建立了动态 管控全过程的重点人员“电子档案库”，实现集中直观展现重点人员电子档案的功能，有效提升重点人管控效 率。 、支持向量机的应用研究 自 年 建立完整的支持向量机（ ）理论以来，该方法受到了国内外的 关注。 支持向量机可看作一种广义的线性分类器，其基本思想是通过非线性变换将输入空间变化到一个高维 的特征空间，并在新空间中寻找最优的线性分界面，广泛用于综合评价、预测等领域。 如 和 对电力系统实时运行的风险进行了评估和分类，胡海清等对中小企业信用风险进行了评估，迟国泰等 通过支持向量机方法构建了农户小额贷款的信用评价模型，刘樑等利用多层次模糊综合评价法与态势分 析法，提出针对突发事件的定性定量的综合型预警模型。 陈鹏等在模糊信息粒化基础上进行支持向量回 归分析，有效地对侵财类刑事案件时序数据进行逼近与拟合，实现了较好的犯罪预测效果。 商丽媛和谭清 美将支持向量机方法应用于突发事件的分级问题，为决策者准确地进行突发事件分级提供科学依据。 目前针对犯罪风险预警研究主要针对犯罪热点的空间分布或时段分布规律，或将犯罪时间作为犯罪的一 个属性维度进行研究。 对治安高危人员的研究集中于现状和原因探究阶段，对风险识别和判断问题研究 较少，属于起步阶段，未形成一个专门的测算方法和体系，也没有建立一个共识度高、权威的测算方法和体系。 支持向量机因具备良好的性质，被广泛应用于预测领域，但对犯罪情报信息的研究集中于对突发事件的分级 及短时期内高发案件的预测，对治安高危人员的关注不足。 为此，本文将在结合信息化条件的风险控制分析 基础上，运用支持向量机建立预警模型，对治安高危人员的风险预警进行研究。 治安高危人员风险控制现状分析 伴随社会信息化的快速发展，数据信息已容纳了社会构成的各个方面，给人们带来极大便利。 治安高危 人员的日常行为和危害行为等均可以被记录，这些数据记录与其他相关信息产生实时、动态交互关联，公安机 关可以利用信息的身份识别、定时定位、联结纽带、行为再现等功能，追踪治安高危人员的轨迹、关注其异常行 动，从而对其行为进行风险评估。 一旦发现异常，公安机关可以做到提前干预。 此外，数据记录及交互关联的 信息可以作为犯罪行为发生后的犯罪证明。 治安高危人员风险的识别、判断、评估和预警、介入、治理等可以形成一个动态的、完整的风险控制体系。 目前运用最多的是四色风险区分和预警方法，该方法通过红、橙、黄、蓝四种颜色对警情进行逐级区分，其中红 色预警为最高预警级别。 根据预警级别分类，提醒公安机关相关人员有针对性的进行警力布控。 这种方法衡 量风险的标准和界限比较模糊，难以达到完整意义上的风险控制目的。 大量预警信息、管控信息、轨迹信息和背景信息生成后，需要进一步地识别和判断风险发生的时间、地点、 内容、程度等，否则预警研判的实际效果将极为有限的。 为此，地方公安机关进行了很多探索，通过提供可自 第 期张 强，等：基于支持向量机的治安高危人员风险预警方法 定义业务分析需求，使预警从静态研判转变为动态研判，突破了四色预警方法。 如根据前科劣迹、行为表现、 社交关系、生活环境、危险程度等信息，分别对不同类别的治安高危人员设定基本风险分值，再依据高危人员 的活动情况和特定行为的异常、次数、频度等进行动态赋值，最后综合成一个可动态升降的分值以识别风险程 度。 由于高危人员在不同地区、时段、背景下活动所反映的动机和表现不同，各层级、各地区、各警种研判的内 容和重点亦有所区别，设定预警模型趋于开放式。 在设定风险量化赋值、建立动态预警模型，以及确定高危人员不同风险的预警标准时，存在形成规则、有 效测算的问题。 目前，规则的制定建立在长期经验积累的基础上，由警方凭着实践判断给予人工赋值。 测算 方法一般为对量化的分值进行简单加减处理。 在实际应用中，因可研判数据存在着较大差异并且不光滑，通 过简单加减处理并且依据经验做出的人工赋值，与准确反映风险程度的要求相差甚远。 如何选择科学的测算 方法得出合理的风险测度结果，是公安系统提高动态风险预警能力、加强高危人员风险控制的现实需求。 实证分析 本文建立高危人员风险预警模型，分为数据预处理、预警模型学习、结果验证与解释 个步骤，其中数据 预处理包括数据提取和清理、数据量化 部分，如图 所示： 图 高危人员风险模型搭建步骤图 、数据提取、清理和量化 本文从公安数据库中提取静态及动态 类数据，其中静态数据包括性别、年龄、职业、婚姻等信息，动态数 据包括旅店住宿、暂住登记、民航离进港等信息。 由于存在大量不完整和不一致数据，对数据进行了补充空缺 值，识别孤立点、消除噪声，纠正数据中的不一致等数据清洗工作。 经过数据清洗任务后，对属性信息进行量化处理。 首先定义“风险测度值 ”，“风险测度值 ”指的是可 计算可测量的犯罪风险度量值，用来评估某项属性下特定值对应的风险度度量。 本文采用概率密度来估计某 项属性值对应的风险测度值。 以高危人员中吸毒人员性别属性值量化为例，性别属性值有 个（ ）：男、 女。 本文研究收集了南昌市 年的吸毒人员记录 条，即 ；其中，性别属性值为男的有 人，性别属性值为女的有 人，则属性值为男的对应风险测度值为： ，属 性值为女的对应风险测度值为 。 、预警模型构建 本文采用支持向量机构建预警模型。 支持向量机作为一种基于统计学习理论的机器学习算法，具有坚实 的理论基础和优良的应用推广能力，在手写数字识别、语音识别、人脸图像识别等方面得到了成功的应用。 在 高危人员风险测算中，存在数据获取难、数据量小、数据不完整等情况。 支持向量机方法具有出色小样本学习 性能和很好的泛化能力，非常适合高危人员的风险测算。 假设有 个训练样本集（，），其中，为类别编号，为训练样本的特征 向量，可以看成是 维空间中的一个点，把训练样本按类别分开的最优分类超平面 可以通过最大化几 管理评论第 卷 何间隔（ ）得到： ， （ ） ， ， 其中，是向量的二范数。 然而，在大多数情况下，原始的训练样本点并不完全线性可分。 为了解决这个问题，一般的做法是引入松 弛变量 和规范参数 来定义软间隔（ ），也就是广义最优分类面： ， ， （ ） ， ， 利用 优化方法可以把上述最优化分类面问题转化为其对偶问题，最终得到最优分类函数为： （） （） （） 其中， 为与支持向量对应的 乘子，是分类阈值。 最优分类面主要针对线性分类问题，而对 于非线性分类问题，可以通过非线性变换函数 （）把原始特征向量转换到高维特征空间，从而把原始特征空 间中的非线性分类问题转换为高维特征空间中的线性分类问题。 此时，最优分类函数变为： （） （ （）（） ） 一般支持向量机都是针对两类问题，存在正类样本和负类样本。 单类问题是指训练样本中只有一类目标 数据，其他非目标数据缺少或无法获取。 在公安数据里面，只有被抓获的确定为犯罪人的详细信息，而无法获 取普通公民的信息，因此高危人员风险预警中只存在单类数据，即只有被抓获的确定为犯罪人的信息。 为了 实现单类下的风险预警，我们采用支持向量机模型来进行风险预警。 、实例验证和结果分析 本文采用南昌市 年的前科和涉毒人员信息为实验数据，前科人员包括暴力犯罪前科和侵财犯 罪前科 类人员，涉毒人员包括吸毒和制贩毒 类人员。 由于数据存在信息缺少等情况，从前科和涉毒人员 数据中各提取 条记录作为训练数据，另外各提取 人信息作为测试数据来评测模型的准确性。 在提取出 条高危人员特征后，需要给出每一个重点人训练样本的潜在风险性。 由于高危人员的犯 罪类型不同，其再犯罪可能性、潜在风险和综合风险度也不同。 根据经验统计，可以得到潜在风险的计算公式 （见表 ）： 表 两类高危人员潜在风险计算 前科人员 一般性侵财：严重暴力 涉毒人员 吸毒：制贩毒 再犯罪可能性 潜在危险性 综合风险度 注：综合风险度计算公式：综合风险度 再犯罪可能性 潜在危险性。 根据上述计算公式，我们可以计算得到：一般性侵财人员的综合风险度（归于化到 之间）为： ，严重暴力的综合风险为： 。 吸毒人员综合风险度为： ，制贩毒人员的综合风险度为： 。 根据 条记录训练得到高危人员风险预警模型后，随机抽取 条记录作为测试样本。 高危人员 风险预警效果可以用平均绝对误差（ ）、绝对标准误差（ ）、预警准确率等性能指标进行衡量。 第 期张 强，等：基于支持向量机的治安高危人员风险预警方法 （）平均绝对误差 平均绝对误差是预测精度最为简单的评价指标，主要用来度量预测值跟实际值之间的距离，其计算公式 表示如下： 其中，表示第 个样本的预测值，表示第 样本的真实值。 （）绝对误差标准差 平均绝对误差仅能从总体上反映预测值跟实际值之间的距离，不能反映误差的分布情况。 绝对误差标准 差是各绝对误差偏离平均数距离的平均数，能反映回归误差的离散程度，计算公式如下： （ ） 总的来说，绝对误差标准差是绝对误差平均值分散程度的一种度量，标准差越小说明绝对误差越接近于 平均值，预测结果越稳定。 （）综合风险度准确率 为了评估算法的准确率，采用综合风险度差阈值的方法，定义准确率为： 其中 为综合风险度估计误差小于 的测试样本个数， 是测试样本的总个数。 本文分别利用平均绝对误差、绝对误差标准差、综合风险度准确率 个指标对该预警模型进行了性能评 测，结果见表 、图 。 表 高危人员风险预警效果性能指标 前科人员涉毒人员 前科侵财前科暴力吸毒制贩毒 平均绝对误差 绝对误差标准差 各类人员的平均绝对误差在 左右，特别是前科暴力人员仅为 ，预警模型预测值与实际值之间的 差距很小。 前科侵财人员的绝对误差标准差为 ，其他各类人员的绝对误差标准差在 左右，预警模 型预测值总体接近平均值且较稳定。 从准确率预警结果（见图 ）可以看出，阈值越大准确率越高。 阈值达到 的时候，准确率达到在 以上。 但阈值越大，相应的误判率（把低风险度高危人员预测为高风险度高 危人员的比例）也越大，因此，高危人员风险预测是具体实施警务干预研究的重要抓手，要根据实际情况如警 力是否充分、数据条件和误报的影响等来综合考虑阈值的设定。 图 高危人员综合风险预警准确率 结论与对策建议 本文研究表明，采用支持向量机来构建高危人员风险预警模型，预警效果显著。 公安机关可以通过治安 管理评论第 卷 高危人员动态管控模式对高危治安人员风险进行预警，对公安机关情报研判具有较高的实用性。 为了推动基 于预警的治安高危人员风险控制，向公安机关提出以下建议： 第一，搭建数据共享、应用对接的全警情报信息平台。 将公安内外部数据资源统一录入相关基础信息库， 使治安高危人员的身份背景、活动情况、现实表现等各方面信息数据能够实现全警共享共用，同时为高危人员 数据分析的全警研判开发支持工具和模型方法，并与各警种、各地的业务应用系统相对接。 第二，建立治安高危人员异动预警机制。 依托统分结合的专业情报管道，把采集、汇集、交流、查核和启 动、联动、传导、责位考核等研判分析工作固化在相应机制中，使高危人员风险预警的价值得到提升，为具体管 控单位提供更高水准的行动指向服务。 第三，完善治安高危人员基础信息采集机制。 将高危人员基础信息采集与警察机关基层基础工作高度融 合，全警按照“信息基础一体、全警共采共享”的思路，把高危人员相关的人地物事、吃住行消和其他关联信息 等采集到位，及时录入高危人员数据库中，着力提高信息数据的质量。 第四，建立相关社会信息整合获取工作机制。 积极适应综合、共享、关联、融合的信息化发展趋势，推动建 立不同层面、不同种类的部门间信息共享服务机制，采取不同方式进行高危人员相关社会信息的数据交换，实 现对公安专业数据、政府各部门管理数据、公共服务机构业务数据、互联网数据的大整合、高共享。 第五，完善治安高危人员落地分类管控机制。 以高危人员管控的情报与行动一体化为核心，构建风险研 判需求直接提交、预警指令直接推送以及落地行动单位快速反应、精准处置的立体网络，实现跨警种、跨区域 的整体联动合成行动机制。 参考文献： 李新市西方国家控管社会治安高危人员的方法及启示 北京人民警察学院学报， ，（）：