陈 鹏 曾昭龙 胡啸峰 张学军

（中国人民公安大学信息技术与网络安全学院 北京 102600）

1 前言

随着公安信息化建设的不断推进，犯罪预测已经成为当前公安机关开展精准打击和有效治理的重要工具。而在实现过程上，犯罪预测也经历了从定性到定量，从简单到复杂的过程。总的来看，犯罪预测的发展大致可以分为两个主要阶段，第一个阶段主要是以案件数量的时序预测为主，即根据案件的历史数据来预测未来短期内犯罪数量的变动趋势，在方法上主要以灰色模型[1]、自回归滑动平均[2]、马尔可夫链[3]、BP神经网络[4]、支持向量机等工具为主[5]，这种预测由于偏重于事件的发生概率，因此，主要应用于巡逻巡控、防范防控等典型的公安勤务指挥等业务层面。近年来，随着大数据分析在公安工作中的应用不断深入，犯罪预测从第一阶段发展到第二阶段，即从事件预测向个体预测转变[6-8]，尤其是基于个体特征的犯罪人风险预测得到了更多的重视，这种预测由于能够实现对个人的身份和行为进行精准刻画，因此，适用于更加具体的业务场景，如治安重点人员犯罪风险分析、犯罪人特征识别等。

在公安工作中，惯犯群体是相较于其他犯罪人危害性更大的一类主体，其主要特点为犯罪人员在短时间内以一定形式反复从事同一类犯罪活动，由于惯犯群体在短时间内频繁作案会推高一个区域的发案量，严重危害社会安全秩序等特点，因此，具有更大的危害性，一直以来是公安机关重点打击的对象。……