基于社会宏观数据的犯罪预测模型构建

doi:10.3969/j.issn.1671-1122.2022.10.016

信息网络安全 ›› 2022, Vol. 22 ›› Issue (10): 114-120.doi: 10.3969/j.issn.1671-1122.2022.10.016

基于社会宏观数据的犯罪预测模型构建

许博洋¹, 王大为¹(), 唐赫², 金益锋³

1.中国人民公安大学犯罪学学院，北京 100038
2.中国刑事警察学院侦查与反恐怖学院，沈阳 110035
3.公安部鉴定中心，北京 100038

收稿日期:2022-07-08 出版日期:2022-10-10 发布日期:2022-11-15
通讯作者: 王大为 E-mail:wdw_ppsuc@163.com
作者简介:许博洋（1994—），男，北京，博士研究生，主要研究方向为定量犯罪学|王大为（1959—），男，北京，教授，博士，主要研究方向为犯罪评估、有组织犯罪和犯罪被害人研究|唐赫（1997—），男，辽宁，硕士研究生，主要研究方向为刑事犯罪侦查|金益锋（1988—），男，北京，副研究员，博士研究生，主要研究方向为刑事犯罪侦查
基金资助:
国家重点研发计划(2018YFC0809802);中央级公益性科研院所基本科研业务费专项资金项目(2022JB040);中国人民公安大学拔尖创新人才培养经费支持研究生科研创新重点项目(2022YJSKY007)

Construction of Crime Predicting Model Based on Macro Data of Society

XU Boyang¹, WANG Dawei¹(), TANG He², JIN Yifeng³

1. School of Criminology, People’s Public Security University of China, Beijing 100038, China
2. School of Investigation and Counter-Terrorism, Criminal Investigation Police University of China, Shenyang 110035,China
3. Institute of Forensic Science, Ministry of Public Security, Beijing 100038, China

Received:2022-07-08 Online:2022-10-10 Published:2022-11-15
Contact: WANG Dawei E-mail:wdw_ppsuc@163.com

摘要/Abstract

摘要：

犯罪数量的波动会受到各类宏观社会因素的复杂影响，科学化地预测犯罪变化规律对社会治理对策的制定具有重要先导性价值。文章研究基于宏观犯罪学理论与社会风险评估的六边弹性均衡模型，并择取2001年~2021年中国统计年鉴中的社会结构变量与犯罪率数据，利用风险均衡数学模型公式与格兰杰因果关系检验方法，构建我国犯罪趋势预测的六边弹性均衡模型。实验结果显示，教育程度、城市化率、人口流动性、人均GDP、性别结构、人口总数6组变量对我国犯罪率变化具有显著影响；2025年、2027年、2031年、2032年、2033年与2035年的犯罪率判定系数可能会突破犯罪率稳定警戒线。研究结论可为社会治理与决策部门提供大数据预测模式应用、疫情防控常态化背景下社会结构转型，以及网络领域犯罪治理等情境的系统化对策提供建议。

关键词: 犯罪趋势预测, 六边弹性均衡模型, 犯罪率判定系数, 对策

Abstract:

The fluctuation of crime is affected by various macro social factors. Scientific predicting of the regular patterns of crime is undoubtedly of great guiding value for the organizations of social governing. Based on criminological theories and six sides elastic equilibrium model, the current study utilized social structure variables and crime rates’ data in Chinese statistical yearbook from 2001 to 2021 and the major analysing method of Granger causality test to construct the six sides elastic equilibrium model for crime predicting in China. Results showed that education level, urbanization’s rate, population mobility, GDP per capita, gender structure and population’s number had significant effects on crime rates in China. The determining coefficient of crime rates in 2025, 2027, 2031, 2032, 2033 and 2035 may break through the warning line of stable standardization. The conclusion aims to provide systematic suggestions for social governing departments on the application of prediction via big data, transformation of social structure under the background of normalization of pandemic prevention, and crime control in cyberspace.

Key words: crime predicting, six sides elastic equilibrium model, determining coefficient of crime rates, countermeasure

中图分类号:

TP309

许博洋, 王大为, 唐赫, 金益锋. 基于社会宏观数据的犯罪预测模型构建[J]. 信息网络安全, 2022, 22(10): 114-120.

XU Boyang, WANG Dawei, TANG He, JIN Yifeng. Construction of Crime Predicting Model Based on Macro Data of Society[J]. Netinfo Security, 2022, 22(10): 114-120.

图/表 5

图1

表1

表2

图2

表3

参考文献 17

[1]	CHEN Peng, ZHAO Pengkai, QU Ke. Research on 110 Police Information Data Prediction Based on Time Series Model[J]. China CIO News, 2015(9): 128-131.
	陈鹏, 赵鹏凯, 瞿珂. 基于时间序列模型的110警情数据预测研究[J]. 信息系统工程, 2015(9): 128-131.
[2]	ZHANG Ning, JIANG Feng, WANG Dawei, et al. Construction of the Yangtze River Public Security Prediction Model Based on Exploratory Spatial Data Analysis[J]. Journal of Intelligence, 2020, 39(5): 45-50.
	张宁, 姜峰, 王大为, 等. 基于空间数据分析的长江公共安全预测模型构建[J]. 情报杂志, 2020, 39(5): 45-50.
[3]	LIU Lin, JI Jiakai, SONG Guangwen, et al. Hotspot Prediction of Public Property Crime Based on Spatial Differentiation of Crime and Built Environment[J]. Journal of Geo-Information Science, 2019, 21(11): 1655-1668.
	柳林, 纪佳楷, 宋广文, 等. 基于犯罪空间分异和建成环境的公共场所侵财犯罪热点预测[J]. 地球信息科学学报, 2019, 21(11): 1655-1668.
[4]	ZHANG Ning, WANG Dawei. Drug-Related Crime Risk Assessment and Predictive Policing Based On Rrisk Terrain Modeling[J]. Progress in Geograpby, 2018, 37(8): 1 l31-1139.
	张宁, 王大为. 基于风险地形建模的毒品犯罪风险评估和警务预测[J]. 地理科学进展, 2018, 37(8): 1131-1139.
[5]	YAN Jinghua, HOU Miaomiao. Predicting Time Series of Theft Crimes Based on LSTM Network[J]. Data Analysis and Knowledge Discovery, 2020, 4(11): 84-91.
	颜靖华, 侯苗苗. 基于LSTM网络的盗窃犯罪时间序列预测研究[J]. 数据分析与知识发现, 2020, 4(11): 84-91.
[6]	HOU Miaomiao, HU Xiaofeng. Study on Crime Prediction Based on the Time-Series Model SARIMA[J]. Journal of People’s Public Security University of China(Science and Technology), 2021, 27(2): 67-73.
	侯苗苗, 胡啸峰. 基于时间序列模型SARIMA的犯罪预测研究[J]. 中国人民公安大学学报(自然科学版), 2021, 27(2): 67-73.
[7]	YU Zijian, WANG Hongge, ZHANG Shu. The Prediction of Youth Crime Based on the Gray Theories[J]. Police Science Research, 2005(5): 74-77.
	于子建, 王洪革, 张澍. 基于灰色理论的青少年犯罪预测模型及其应用[J]. 吉林公安高等专科学校学报, 2005(5):74-77.
[8]	QU Maohui, HAO Shiming. Research on Prediction of the Number of Property Criminals in China Based on ARMA Model[J]. Criminal Science, 2013(4): 100-106.
	屈茂辉, 郝士铭. 基于ARMA模型的我国财产类犯罪人数预测研究[J]. 中国刑事法杂志, 2013(4): 100-106.
[9]	KAWACHI I, KENNEDY B P, WILKINSON RG. Crime: Social Disorganization and Relative Deprivation[J]. SOCIAL SCIENCE & MEDICINE. 1999, 48(6): 719-731.
[10]	DU Yuhua. Social Structure: The Re-Review of a Concept[J]. Journal of Social Sciences, 2013(8): 90-98.
	杜玉华. 社会结构:一个概念的再考评[J]. 社会科学, 2013(8): 90-98.
[11]	SHAW C R, MCKAY H D. Juvenile Delinquency and Urban Areas[M]. Chicago: University of Chicago Press, 1942.
[12]	LI Qitong. The Trigger Mechanism and Countermeasures of Crimes from the Perspective of Strain Theory[J]. Journal of Sichuan University(Philosophy and Social Science Edition), 2010(5): 137-144.
	李綦通. 紧张理论视野下的犯罪发生机制及对策[J]. 四川大学学报 (哲学社会科学版), 2010(5):137-144.
[13]	HIRSCHI T. Causes of Delinquency[M]. Berkeley: University of California, 1969.
[14]	XU Boyang, ZHOU You, XIA Yiwei. The Effect of Social Controlon Juveniles’ Online Victimization——Amoderated Chain Mediating Model[J]. Journal of People's Public Security University of China (Social Sciences Edition), 2021, 37(5): 13-28.
	许博洋, 周由, 夏一巍. 社会控制对青少年网络被害的影响——有调节的链式中介模型[J]. 中国人民公安大学学报(社会科学版), 2021, 37(5): 13-28.
[15]	YAN Yaojun. A Study on the Measurement of Social Stability and Construction of the Presentiment Management System[J]. Sociological Studies, 2004(3): 1-10.
	阎耀军. 社会稳定的计量及预警预控管理系统的构建[J]. 社会学研究, 2004(3): 1-10.
[16]	YAN Yaojun, ZHENG Wei, WANG Xiaoyin, et al. Construction of Six Sides Elastic Equilibrium Model for Social Stability Risk[J]. Journal of North China Institute of Science and Technology, 2019, 16(6): 110-119, 124.
	阎耀军, 郑帏, 汪晓银, 等. 社会稳定风险六边弹性均衡模型的构建[J]. 华北科技学院学报, 2019, 16(6): 110-119,124.
[17]	XU Boyang, YANG Xuefeng. A Comparative Study of Statistical Differences between China and the United States—Analysis of Nearly 20 Years of Official Crime Statistics[J]. Journal of Beijing Police College, 2019(1): 90-98.
	许博洋, 杨学锋. 中美两国犯罪统计差异之比较研究—以近20年官方犯罪统计数据为分析对象[J]. 北京警察学院学报, 2019(1): 90-98.

	a	b	c	d	e	f	g	h	i	j	k
a.犯罪率	1
b.城乡收入不均	0.051	1
c.全国基尼系数	0.344	0.551*	1
d.教育程度	0.707**	-0.224	0.543*	1
e.城镇失业率	0.152	0.132	0.580**	0.417	1
f.城市化率	0.608**	-0.500*	0.341	0.941**	0.403	1
g.离婚率	0.337	-0.772**	-0.086	0.590**	0.235	0.804**	1
h.人口流动性	0.784**	-0.227	0.462*	0.975**	0.327	0.907**	0.566**	1
i.人均GDP	0.500*	-0.631**	0.207	0.883**	0.364	0.983**	0.858**	0.848**	1
j.性别结构	-0.600**	0.579**	-0.161	-0.846**	-0.38	-0.948**	-0.828**	-0.850**	-0.947**	1
k.人口总数	0.592**	-0.466*	0.383	0.953**	0.423	0.997**	0.783**	0.910**	0.979**	-0.928**	1

被解释变量	解释变量	解释变量滞后期数	F 值	显著性	被解释变量	解释变量	解释变量滞后期数	F 值	显著性
城市化率	人均GDP	1	3.519	0.078	性别结构	人口总数	2	3.008	0.082
教育程度	人均GDP	4	4.811	0.028	人口流动性	城市化率	1	4.090	0.059
教育程度	性别结构	3	6.437	0.009	人口流动性	教育程度	1	7.202	0.016
人均GDP	城市化率	1	13.412	0.002	人口流动性	教育程度	2	2.754	0.098
人均GDP	城市化率	2	5.629	0.016	人口流动性	人均GDP	1	4.349	0.052
人均GDP	教育程度	1	10.484	0.005	人口流动性	人均GDP	2	3.840	0.047
人均GDP	教育程度	2	4.656	0.028	人口流动性	人口总数	1	5.086	0.038
人均GDP	人口流动性	1	6.356	0.022	人口流动性	人口总数	2	5.100	0.022
人均GDP	人口流动性	2	2.727	0.100	人口流动性	人口总数	3	14.217	0.000
人均GDP	人口总数	1	16.729	0.001	人口总数	教育程度	1	4.099	0.059
人均GDP	人口总数	2	9.457	0.003	人口总数	教育程度	3	6.821	0.007
性别结构	教育程度	1	3.241	0.090	人口总数	教育程度	4	8.613	0.005
性别结构	教育程度	2	4.837	0.025	人口总数	人均GDP	2	2.871	0.090
性别结构	教育程度	3	3.158	0.068	人口总数	人均GDP	3	8.510	0.003
性别结构	人口流动性	1	5.970	0.026	人口总数	人均GDP	4	2.848	0.097
性别结构	人口流动性	2	7.532	0.006	人口总数	人均GDP	1	6.823	0.018
性别结构	人口流动性	3	3.661	0.048

年份	教育程度	城市化	人口流动性	人均GDP	性别结构	人口总数	犯罪率判定系数
2021	0.921	1.326	0.858	0.912	0.961	1.170	1.544
2022	1.137	1.128	1.171	0.995	1.099	1.143	1.177
2023	1.274	1.132	1.282	0.920	1.142	0.983	1.393
2024	1.062	0.961	1.045	1.335	1.296	1.091	1.390
2025	1.548	1.122	0.905	1.297	1.278	1.688	1.865
2026	0.889	1.106	0.789	0.930	1.074	1.022	1.401
2027	1.404	0.984	1.222	1.582	1.607	1.185	1.633
2028	1.528	1.633	1.028	1.046	1.414	1.233	1.589
2029	0.679	0.726	0.921	0.904	0.915	0.962	1.416
2030	1.252	1.175	1.163	0.965	1.262	0.875	1.442
2031	0.979	0.907	1.294	0.987	0.746	1.201	1.733
2032	1.580	1.243	1.585	0.965	1.374	1.157	1.644
2033	0.888	1.557	1.130	0.942	1.227	1.220	1.754
2034	1.329	1.507	1.394	1.024	1.459	1.448	1.472
2035	1.000	1.185	1.690	1.014	1.666	1.114	1.690

基于社会宏观数据的犯罪预测模型构建

Construction of Crime Predicting Model Based on Macro Data of Society

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周靖哲, 陈长松. 云计算架构的网络信息安全对策分析[J]. 信息网络安全, 2017, 17(11): 74-79.
[2]	樊江. 新形势下检察机关信息安全保密工作[J]. 信息网络安全, 2014, 14(9): 138-143.
[3]	. 社交网站安全问题分析与对策研究[J]. , 2014, 14(4): 82-.
[4]	谢丰;彭勇;陈思聪;李剑. 微博安全问题战略对策研究[J]. , 2013, 13(4): 0-0.
[5]	郝文江;武捷;王巍. 关键基础设施安全威胁及对策分析[J]. , 2013, 13(10): 0-0.
[6]	周运伟. 手机安全问题的难点剖析及其对策[J]. , 2013, 13(10): 0-0.
[7]	郝文江;武捷;李思其. 互联网用户信息泄露事件探究[J]. , 2012, 12(8): 0-0.
[8]	杨亮. 检察机关电子数据实务探析[J]. , 2012, 12(8): 0-0.
[9]	郝文江;武捷. 三网融合中的安全风险及防范技术研究[J]. , 2012, 12(1): 0-0.
[10]	吴丽辉;廖方宇. 科研信息化安全及技术对策[J]. , 2011, 11(9): 0-0.
[11]	邱鹏. 浅谈现阶段检察机关电子证据应用问题及对策[J]. , 2011, 11(9): 0-0.
[12]	谢丰;彭勇;宋丹劼;郭晓静;李剑. 三网融合安全问题及对策研究[J]. , 2011, 11(8): 0-0.
[13]	郝文江;武捷. TD-LTE对信息安全影响分析及对策研究[J]. , 2011, 11(6): 0-0.
[14]	李粤川. 利用虚拟电话实施诈骗犯罪之案例分析[J]. , 2011, 11(5): 0-0.
[15]	郎为民. 维基泄密事件对我国信息网络安全的启示及对策[J]. , 2011, 11(5): 0-0.