精品辽宁研究生数模犯罪数理模型.docx
- 文档编号:7787301
- 上传时间:2023-01-26
- 格式:DOCX
- 页数:9
- 大小:133.13KB
精品辽宁研究生数模犯罪数理模型.docx
《精品辽宁研究生数模犯罪数理模型.docx》由会员分享,可在线阅读,更多相关《精品辽宁研究生数模犯罪数理模型.docx(9页珍藏版)》请在冰豆网上搜索。
精品辽宁研究生数模犯罪数理模型
辽宁研究生数模--犯罪数理模型
2013辽宁省研究生数学建模竞赛
承诺书
我们仔细阅读了辽宁省研究生数学建模竞赛的竞赛规则。
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。
我们知道,抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。
如有违反竞赛规则的行为,我们将受到严肃处理。
我们授权辽宁省研究生数学建模竞赛组委会,可将我们的论文以任何形式进行公开展示(包括进行网上公示,在书籍、期刊和其他媒体进行正式或非正式发表等)。
我们参赛选择的题号是:
A
我们的参赛报名号为:
所属学校(请填写完整的全名):
大连理工大学
参赛队员:
1.队员1
2.队员2
3.队员3
指导教师或指导教师组负责人:
日期:
2013年5月21日
评阅编号:
2013辽宁省研究生数学建模竞赛
编号专用页
评阅编号:
评阅记录:
评
阅
人
评
分
备
注
参赛密码
(由组委会填写)
2013辽宁省研究生数学建模竞赛
题目研究生数学建模竞赛A题
摘要
由于我国距离最高理想共产主义社会尚有一段距离,物质世界没有达到极大丰富,按需分配尚不现实,少数社会成员尚不具有高度的共产主义觉悟和道德品质。
因此犯罪现象很难避免。
本文我们利用智能环境下的智能仿真模型讨论哪些人群属于易罪犯群体,不仅分析犯罪模式的时间与空间机制,还要分析其管理和控制机制,我们通过分析较为“敏感的”区域,再分析什么特征性质的人群易去这些敏感地域,进而分析出犯罪分子的共同行为属性。
本文不仅通过特征属性研究帮助提高办案效率,更重要的是我们如何避免犯罪现象的发生,治病要治根,只有从问题的根源出发才能有效的将理论付诸实践。
另一方面,我们还研究了人口数量变化带来关键属性如何的变化,以及确定了如何管理特征性群体的方案。
根据位移理论建立仿真模型,得出结论:
最有效的警方策略有针对性的使用警力(尤其关注罪犯比例)。
仿真之后总结特征性群体,重点关注的行为属性有流动人口,失业人口,有犯罪前科人口、吸毒人口等。
人口变化我们即可关注犯罪分子比例相应的变化做出决策,仍根据现有的特征行为属性合理使用警力,重点排查“敏感地区”,不需要刻意重置居民的特征行为属性。
至于如何管理这些特征性群体,我们要做的工作有:
实时更新犯罪系统数据库。
掌握最新的犯罪信息,尤其是罪犯比例浮动信息,切实加强组织领导,严格落实工作责任,切实强化督察指导,建立健全长效机制,深入开展宣传活动
关键词:
智能环境;智能仿真;犯罪分析
利用智能模型下的智能仿真模型提高办案效率
第一章前言
在经验中我们不难发现有些地方会成为犯罪活动的易发点,比如火车站,汽车站及其腹地区域,也可能就在一天的某个时段出现的概率较高,我们将通过分析犯罪地点的特征分析犯罪分子的特征行为属性,接下来我们会研究以下问题:
案件易发生地一般在什么时段会高频出现犯罪活动?
出现的具体位置在哪?
最重要的是这些犯罪活动如何被阻止?
现有文献对犯罪模型的计量分析已做了大量研究,不同的计量模型算法产生的结论也不一致,其中较为成熟的算法中,我们可以发现代理模型建模【1】,以人群为基础的元胞自动机模型【2】,以及差异化的空间分析模型【3】和演化计算模型。
上述模型中的共同之处都是基于调研犯罪位移的基础上进行研究,但是作者的具体观点会有差异,有的作者是在案件已经高频发生的城市进行仿真建模,而其他的作者直接从实证资料中建立模型,这种观点将仿真环境当做了一种分析工具,还有一些作者选取了一种中间做法,他们直接从每一个犯罪活动本身进行建模,当然必须保证所用的数据具有可复制性而不是特例。
本文所采取的建模方式更近似于第三种方式,即中间做法,其根本目的是建立一个智能仿真模型【4】,不仅分析犯罪模式的时间与空间机制,还要分析其管理和控制机制。
另一方面,本文的模型区别于其他模型的关键在于更注重逻辑推理和判断而不是简单的预测。
为了实现这2个目标,我们利用人工智能技术,创造特定的智能环境,设定“理性”的人类,设定他们的行为受自己的欲望与需求支配,他们的行为属性是特征化的并且对外部环境是敏感的,他们的生理和心理状态是可测量和明确的。
这种智能方法应用于本文来研究犯罪原因和犯罪人群的特征行为属性。
本文的大致结构如下,首先介绍一下什么是智能环境下的智能仿真模型,以及建立的区域模型,分析模型和位移支持模型,接下来回具体的介绍计量方程模型,然后解决本题目的第二三问,关于人口变化行为属性的变化问题以及如何管理特征性群体问题,最后提出本文的不足和展望。
第二章模型介绍与论证方法
智能环境(AMI)
智能环境是指创造一个虚拟的社会环境,在这个环境中设定“理性”的人类,设定他们的行为受自己的欲望与需求支配,他们的行为属性是特征化的并且对外部环境是敏感的,他们的生理和心理状态是可测量和明确的。
智能仿真(AI)
智能仿真是一门技术,这种技术是将智能环境中的一切信息嵌入到实际社会环境中。
本文中的智能化以假设对人有充分的了解,包括关于人类的所有科学领域,如认知科学,心理学,神经科学和生物医学科学。
建立方程之前我们需要确定一下变量的选择,
变量名解释说明
c
罪犯数量
g
警卫数量
P
流动人口数量
C(L,t)
在位置L,t时刻的罪犯密度
g(L,t)
在位置L,t时刻的警卫密度
p(L,t)
在位置L,t时刻的流动人口密度
β(L,a,t)
机构a在位置L,t时刻的吸引系数
ba(L,a,t)
基准危险系数
assaut(L,t)
在位置L,单位时间内案件发生数量
针对罪犯与流动人口分别建立方程如下:
(关于警卫的方程将在下文额外介绍)
1,罪犯:
c(L,t+Δt)=c(L,t)+η·(β(L,c,t)·c−c(L,t))Δt
(常数η代表单位时间罪犯的流动率)
2,流动人口:
p(L,t+Δt)=p(L,t)+η·(β(L,p,t)·p−p(L,t))Δt
这里有必要说明一下什么是吸引系数β,对于犯罪分子来说,人口密度大,流动人口的地方吸引力较大,即β较大,比如大型购物中心,汽车站,火车站,农贸市场,大型歌厅网吧及其腹地等公共场合,另一方面,某些地方往往被称做“重点治安监控区域”,警方在此区域重点监控,投入了大量警力,相反,这些地方罪犯们为了避开严密的监管选择“放弃”,即β又较小;对于守法公民来讲(也就是模型中的流动人口),相对安静,即非“重点治安监控区域”是他们青睐的地点,由于民众又在此聚集,同时这些地方也成为了罪犯们的青睐之地;对于警卫来说,β较高的地方就是“重点治安监控区”。
对于罪犯来说:
吸引力β(L,c,t)=p(L,t)/p
对于流动人口来说:
吸引力β(L,p,t)=g(L,t)/g
为了进一步分析问题,我们引入加权组合的方式,即群体1某特征的吸引力为群体1对群体特征1,2,3加权之和,得出:
β(L,c,t)=βc1·(1−g(L,t)/g)+βc2·p(L,t)/p+βc3·ba(L,c,t)
β(L,p,t)=βp1·(1−c(L,t)/c)+βp2·g(L,t)/g+βp3·ba(L,p,t)
也就是说,罪犯排斥警卫,青睐流动人群;流动人群排斥罪犯,青睐于警卫。
最后,案件发生的度量由下式得出:
assaultrate(L,t)=max{c(L,t)·p(L,t)−γ·g(L,t),0}
即,案件发生率是由罪犯密度乘以人群密度再减去警卫密度决定的,其中常数γ代表警方的办案能力,因此,案件发生率也可以为0,所以我们取二者较大的一方作为最后的案件发生率测度值。
总案发率表示为:
totalassaults(L,t+Δt)=totalassaults(L,t)+assaultrate(L,t)Δt
接下来我们分析警卫的决策选择,在模型中,不同的决策体现不同的警卫密度,这里初步讨论了8种情况:
1.警卫不做出任何区域性流动,警卫密度保持不变;
2.警卫流动比例与当地罪犯比例对应一致;
3.警卫流动比例与当地案件发生比例一致;
4.警卫流动比例与当地历年所有案件发生比例一致;
5.警卫流动比例与当地流动人口比例一致;
6.警卫流动比例与警卫所期待的罪犯比例一致;
7.警卫流动比例与警卫所期待的流动人口比例一致;
8.警卫流动比例与警卫所期待的案件发生率比例一致;
同上文罪犯与流动人口的基本模型:
g(L,t+Δt)=g(L,t)+η·σ(L,t)Δt
其中不同的σ(L,t)代表不同的决策,如下图
决策类型σ(L,t)取值
决策1
0
决策2
(c(L,t)/c)·g−g(L,t)
决策3
aar(L,t)·g−g(L,t)
决策4
taar(L,t)·g−g(L,t)
决策5
(p(L,t)/p)·g−g(L,t)
决策6
(c(L,t)+η2·(β(L,c,t)·c−c(L,t))·Δt)/c·g−g(L,t)
决策7
(p(L,t)+η2·(β(L,p,t)·p−p(L,t))·Δt)/p·g−g(L,t)
决策8
((c(L,t)+η2·(β(L,c,t)·c−c(L,t))·Δt)/c+(p(L,t)+η2·(β(L,p,t)·p−p(L,t))·Δt)/p)/2·g−g(L,t)
平均案件发生率taar(L,t)可以由下面式子计算:
aar(L,t)=assaultrate(L,t)/Σassaultrate(X,t)
taar(L,t)=totalassaults(L,t)/Σtotalassaults(X,t)
通过上述理论,警方就可以根据自己辖区的相关数据进行模拟,充分利用位移模型快速锁定犯罪分子的规模性聚集地。
下面我们创造一个智能环境并利用智能仿真快速识别犯罪分子。
假定一个系统中有3900名试验单位,平均分配在3个地点L1.L2.L3,每个地点有200名罪犯,100名警卫,1000名守法群众。
初始状态每个地点的吸引系数为0.33,即三分之一,50天之后,系统内部发生了变化,位置1吸引系数变为0.6,位置2为0.3,位置3为0.1,考虑成本最大经费为100单位。
智能模拟结果如下:
50天之后,警卫从位置3流动治位置1,罪犯从1撤出,守法群众移动至1,这种模式下,警卫的决策效果良好,因为图中可以发现案件发生的增长率下降了。
对决策5,6,7做成本收益分析如下:
决策类型
决策成本
案件阻止率
5
30
7.7
6
93
70.9
7
45
40.6
从表格中看出决策5成本较低,决策6最有效果,即有针对性的使用警力(尤其关注罪犯比例)更有效果。
接下来我们将智能模型嵌入至实际现实中来,上文中我们仅仅是随机选择了3个地点,不做差异化分析,而现实中这是不存在的,我们通过分析较为“敏感的”区域,再分析什么特征性质的人群易去这些敏感地域,进而分析出犯罪分子的共同行为属性。
在我国需重点关注以下8种类型:
(一)治安管理复杂的城乡结合部、老小区、企业、校园周边等重点地区;
(二)容易为犯罪分子藏身落脚的中小旅馆、出租房屋等重点部位;
(三)容易滋生“黄赌毒”等丑恶现象的歌舞娱乐、洗浴按摩、发廊、茶社等重点场所;
(四)容易滋生黑恶势力的批发市场、物流运输、建筑工程、征地拆迁等重点领域;
(五)人财物流动频繁、不法分子容易混迹其中的网吧、车站码头、市场等公共复杂场所;
(六)容易发生公共安全事故的交通运输、消防和食品药品等重点行业;
(七)容易造成现实危害的刑释解教人员、吸毒人员、重点信访人员、肇事肇祸精神病人等重点人群;
(八)各类影响人民群众安全感、社会反映强烈的方面性治安问题。
对于本题目的接下来的两个问题,首先是人口变化考虑到特征行为属性的变化,这个问题根据我们的仿真结论很容易解决,由于警方最有效率的决策是第六种决策即针对当地犯罪分子的比例合理使用警力,人口变化我们即可关注犯罪分子比例相应的变化做出决策,仍根据现有的特征行为属性合理使用警力,重点排查“敏感地区”,不需要刻意重置居民的特征行为属性。
至于如何管理这些特征性群体,我们要做的工作有:
实时更新犯罪系统数据库。
掌握最新的犯罪信息,尤其是罪犯比例浮动信息,切实加强组织领导,严格落实工作责任,切实强化督察指导,建立健全长效机制,深入开展宣传活动
第三章结论与展望
根据位移理论建立仿真模型,得出结论:
最有效的警方策略有针对性的使用警力(尤其关注罪犯比例)。
仿真之后总结特征性群体,重点关注的行为属性有流动人口,失业人口,有犯罪前科人口、吸毒人口等。
人口变化我们即可关注犯罪分子比例相应的变化做出决策,仍根据现有的特征行为属性合理使用警力,重点排查“敏感地区”,不需要刻意重置居民的特征行为属性。
至于如何管理这些特征性群体,我们要做的工作有:
实时更新犯罪系统数据库。
掌握最新的犯罪信息,尤其是罪犯比例浮动信息,切实加强组织领导,严格落实工作责任,切实强化督察指导,建立健全长效机制,深入开展宣传活动。
由于信息和数据搜集能力不足,没有得到详实的实证数据,对特征行为属性的验证无法深入展开,如有机会获得必将继续研究完成使命。
参考文献
[1]Bosse,T.,Gerritsen,C.:
Agent-basedsimulationofthespatialdynamicsofcrime:
Ontheinterplaybetweencriminalshotspotsandreputation.In:
ProceedingsoftheSeventhInternationalJointConferenceonAutonomousAgentsandMulti-AgentSystems,AAMAS2008,pp.1129–1136.ACMPress,NewYork(2008)
[2]Bosse,T.,Gerritsen,C.,Hoogendoorn,M.,Jaffry,S.W.,Treur,J.:
Comparisonofagent-basedandpopulation-basedsimulationsofdisplacementofcrime.In:
ProceedingsoftheEighthIEEE/WIC/ACMInternationalConferenceonIntelligentAgentTechnology,IAT2008,pp.469–476.IEEEComputerSocietyPress,LosAlamitos(2008)
[3]Groff,E.R.:
TheGeographyofaddressStreetJuvenileCrimePlaceTrajectories.Ph.D.Thesis,UniversityofMaryland(2005)
[4]TiborBosse,CharlotteGerritseninModel-BasedReasoninginScienceandTechnology(2010)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 精品 辽宁 研究生 数模 犯罪 数理 模型
![提示](https://static.bdocx.com/images/bang_tan.gif)