侯苗苗， 胡啸峰,2

(1.中国人民公安大学信息网络安全学院， 北京 100038；2.安全防范技术与风险评估公安部重点实验室， 北京 102623)

0 引言

犯罪趋势预测可以为犯罪风险防控和犯罪打击提供重要的决策支持，是国内外犯罪学领域的一个重要研究方向[1]。利用犯罪案件的时序数据预测犯罪数量随时间的变化趋势是当前犯罪趋势预测的主要研究方法之一。时间序列方法由Box和Jenkins[2]于 1976 年正式提出，是指同一现象按照时间顺序排列而成的一组数字序列[3]。利用时间序列模型可以辅助寻找按时间排列的随机数据中的统计规律并进行趋势预测[4]。如，于子建等[5]和刘小娟等[6]使用灰色理论模型分别对青少年犯罪数据和某城市重大案件发案的数量进行建模，预测未来几年内的犯罪数量；Shuying Li[7]使用了一种基于时间序列和干预分析的模型，预测爆炸类恐怖袭击事件发生的概率；陈鹏等[8]基于110警情日序列数据，使用自回归积分滑动平均模型和指数平滑模型进行建模分析，为短期预测犯罪活动提供方法指导；屈茂辉等[9]利用时间序列模型对侵财类犯罪人数进行预测分析；韩一士等[8]使用ARIMA模型对通讯网络诈骗犯罪的增长趋势进行了分析。

当前，我国犯罪预测研究多对总体的犯罪案件数据或其中一类犯罪案件数据进行分析。然而，不同类型犯罪理论上应具有不同的时间分布特点，并对应着不同类型的影响要素。将犯罪案件数据进行分类，详细分析各类犯罪案件数据的各自特征并分别建立合适的模型进行预测分析的研究工作目前较少，对公安实战工作的指导作用不充分，需要展开更为具体、详尽的研究。……