成果信息：

邻近重复犯罪事件的空间交互模式发现——基于空间关联规则挖掘的探索分析

（1）He Z, Tao L, Xie Z, Xu C. Discovering spatial interaction patterns of near repeat crime by spatial association rules mining[J]. Scientific reports, 2020, 10(1): 1-11.（DOI：10.1038/s41598-020-74248-w）

https://www.nature.com/articles/s41598-020-74248-w

（2）He Z, Xie Z, Wu L, et al. Discovering significant situational profiles of crime occurrence by modeling complex spatial interactions[J]. Spatial Statistics, 2020, 38: 100463.（DOI：10.1016/j.spasta.2020.100463）

https://www.sciencedirect.com/science/article/pii/S2211675320300579

资助信息：

国家重点研发计划 “城镇公共安全立体化网络构建与应急响应示范”（(No.2018YFB0505500; No. 2018YFB0505504)）；国家自然科学基金“顾及空间自相关特征的复杂地理空间关联模式挖掘方法”（No. 41801309）；资源与环境信息系统国家重点实验室开放基金

团队成员

何占军，中国地质大学（武汉）地理与信息工程学院，助理研究员，硕士研究生导师。主要研究方向为时空统计分析、时空模式识别与数据挖掘。

陶留锋，中国地质大学（武汉）地理与信息工程学院，讲师。主要研究方向为时空信息服务与智慧城市应用。

谢忠，中国地质大学（武汉）地理与信息工程学院，教授，博士生导师。主要研究方向包括智能空间认知与推理、地理信息服务等。

徐冲，广州大学地理科学与遥感学院，讲师，硕士生导师。主要研究方向包括城市规划，城市公共安全以及城市时空行为等。

成果简介：

理解犯罪事件的时空分布模式对理解犯罪发生机制、制定犯罪预防策略起着重要的指导作用。犯罪事件的空间分布与空间环境密切相关（如：土地利用、典型设施等），因而呈现出“时空聚集”的特征。实质上，犯罪事件的时空聚集特征可以从两个方面理解：（1）空间聚集性，即犯罪事件的分布总伴随着“热点区域”；（2）时空交互性，即如果在某一特定地区发现了犯罪事件，那么在一段时间后，周围地区可能会经历类似犯罪事件发生的风险增加。犯罪事件在邻近时空范围的交互作用，也被成为“邻近重复”现象。现有“邻近重复”的研究大多采取统计学方法，回答犯罪事件在多大空间范围、时间范围内呈现明显的聚集特征，却未能充分顾及犯罪事件周围环境的异质性特征，因此难以详细揭示犯罪事件在空间详细的传播规律。

时空关联模式挖掘是时空数据挖掘的主要研究内容之一，亦是探索多类型地理事件分布格局与交互作用的有力工具。为此，本文借助时空关联模式挖掘的理论方法，引入生态学中的“源-汇”概念，尝试探索邻近重复犯罪事件的时空交互模式特征，整个方法流程如图1所示。首先，根据时空邻近域构建是犯罪事件的有向传播网络；进而，考虑到犯罪传播网络的杂乱性，基于给定大小的空间网格对犯罪网络进行空间聚合与简化；最后，定义时空关联模式度量指标，对网络中显著的热点区域与传播方向进行提取。实验结果表明，本文方法可以有效发现海量犯罪事件数据中发现空间传播规律，更好揭示犯罪事件转移特征及其空间影响因素，从而为预防犯罪和城市规划起到一定的指导作用。

图1. 流程框架图