王若輕 孫鵬斐 李浩 高冠東

摘要：大數據預測是執(zhí)法機構現代化辦公的重要手段，為了提高人們對盜搶騙犯罪的預防意識并給執(zhí)法部門的工作側重提供參考，應用大數據可視化分析手段歸納了盜搶騙活動的發(fā)生規(guī)律，在高校內隨機采集了大量調查問卷，分析了各類學生對盜竊、搶劫、詐騙這三類犯罪活動的各方面認識和經歷。調查結果表明： 盜搶騙活動具有明顯的失物類型及人群發(fā)生率等方面的規(guī)律，能夠用于對此類犯罪的預測和預防。

關鍵詞：大數據分析；盜搶騙犯罪；預防意識

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2018）14-0010-02

大數據預測犯罪源于對地震到的預測。洛杉磯警察局把大量犯罪記錄輸入地震預測模型后，發(fā)現模型對犯罪的預測與歷史數據的吻合度很高[1]。本文運用問卷調查的方法獲取大學生對盜搶騙犯罪的經歷和了解程度等方面的數據，用大數據技術及數據挖掘方法對所得數據進行統(tǒng)計和可視化分析，獲得盜搶騙犯罪的一般發(fā)生規(guī)律，為執(zhí)法機構增強高校學生對盜搶騙犯罪的預防意識提供有效參考。

1 數據的調查及采集

1.1調查目的

以調查問卷的形式調查保定市高校學生對盜搶騙犯罪的經驗及認識，其意義和目的在于通過對高校學生的調查及大數據分析來了解高校的盜搶騙犯罪現狀，從而提高大學生對盜搶騙犯罪的預防意識并為執(zhí)法機構提供數據參考，最終降低盜搶騙犯罪的發(fā)生率。

1.2調查方式

本文主要采用問卷調查和SPSS統(tǒng)計分析法，對高校學生進行調查與分析。調查問卷采取選擇題的形式，在班級、宿舍和網絡上共發(fā)放問卷229份，回收問卷 229 份，有效問卷 229份，有效回收率為 100%，問卷采用無記名形式，此次調查采取隨機抽查的形式。

1.3統(tǒng)計分析方法：

指標對比分析法：通過有關數據對比來反映事物數量上差異和變化的方法。[1]分組分析法：根據分析目的要求，把研究數據按照一個或幾個標志劃分為若干部分加以整理，分析，以揭示其內在的聯系和規(guī)律的方法。[2]預測分析法：通過已知數據預測未來盜搶騙犯罪發(fā)展趨勢。[3]

2 高校學生對盜搶騙犯罪認識基本情況

2.1 調查對象背景

調查范圍限于保定大學生群體，收回有效問卷229份，其中男性136份，女性93份，使用了可視化分析方法統(tǒng)計和顯示數據。

2.2調查結果與分析

（1）親身經歷類

對此類犯罪的調查：犯罪物品和犯罪方式的分析

85%的同學認為手機，錢包等隨身物品是作案者重點關注的對象。50% 的同學認為首飾是犯罪者的重點關注對象。在大學生群體中，盜搶騙的犯罪類型以電信詐騙為主，主要表現在QQ詐騙，游戲詐騙，以及銀行卡密碼泄露等。部分學生在問卷中表示，QQ號及游戲賬號是盜竊詐騙的多發(fā)點。而銀行卡、手機支付詐騙雖發(fā)生率低，但財產損失巨大。

（2）數據分析類

（a）案發(fā)時間

數據顯示，搶劫犯罪發(fā)生多發(fā)生在22： 00至 23： 00之間 ，較少發(fā)生在 11： 00至 12： 00之間 ； 盜竊犯罪多發(fā)生在 07： 00至 09： 00之間 ，較少發(fā)生在 01： 00至 02：00 之間 ； 詐騙犯罪多發(fā)生在 12： 00至13： 00之間 ，較少發(fā)生在 00： 00至 01： 00之間 ；從數據發(fā)現搶劫犯罪以夜間為主，盜竊犯罪以上班上課高峰期為主，而詐騙活動以午休時間為主。

（b） 行兇者與受害者

從性別來看94.32%的同學認為是男性作案居多。5.68%的同學認為是女性作案。由于男性在力量、敏捷等方面的先天性優(yōu)勢，犯罪發(fā)生率更高。由年齡段來看，青少年即是主要受害群體又是被侵害的主要對象.調查結果顯示，青少年犯罪率雖然在近年來有所下降，但還是占到65%左右。而在行兇者中，中年人的比重占到60%。

（3） 分析與總結

根據以上數據結果，可以預測到犯罪高發(fā)的地點、時間段、受害群體、作案人群等基礎數據，而犯罪預測數據對有關部門先發(fā)制人從而降低犯罪發(fā)生率起著決定性的作用。

3 大數據背景下預測、預防盜搶騙犯罪的策略

3.1搭建專業(yè)數據平臺

大數據時代下，“數據”的范圍不僅僅包括有根據來源的數字，各種途徑的信息、文本、視頻等。而現在的預測工作是進行主動地進攻模式，從數據到案件。偵查部門和偵查人員利用此平臺，以大數據為基礎，通過整理、提煉、挖掘、分析等方式對數據進行處理，研究犯罪形式，把握犯罪規(guī)律，從而實現宏觀層次的準確判斷，以及微觀的精準打擊。

3.2思維的轉變

隨著大數據時代的到來，偵察思維也相應地轉變?yōu)榇髷祿季S[3]。通過對海量的數據進行分析，可以基本掌握事物的發(fā)展規(guī)律與趨勢。能夠有效地幫助預測犯罪嫌疑人。如對歷年住旅店的數據分析，警方可以掌握犯罪人的入住時段、入住頻率等規(guī)律，從而開展指向性防衛(wèi)。

3.3將大數據手段與傳統(tǒng)警務工作相結合

第一，對危險的犯罪嫌疑人進行重點監(jiān)控，對可能發(fā)生犯罪的地區(qū)進行重點監(jiān)控，不放過任何情況。第二，充分利用大數據分析手段，對已收集的情報進行分析處理，對已發(fā)生的犯罪案件進行總結，了解其中的發(fā)展規(guī)律與治安管理中的漏洞，消除治安管理中的隱患。第三，利用大數據處理能力，通過對系統(tǒng)內的情報進行分析，科學的分析出犯罪分子的過激行為與犯罪方式，及時采取針對措施，進行提前預防。

3.4提升智能處理數據能力

大數據的關鍵不在于數據龐大，而在于對海量數據的加工處理能力。如對于某地區(qū)每天的交通流量、住房信息、手機定位信息等數據可以很容易獲得，這些看似無關的數據，可能是一起犯罪的關鍵環(huán)節(jié)[4]。對這些數據的加工處理也是不能忽視的。提升智能處理數據能力對于犯罪預測工作的開展也是至關重要的。

3.5增強人們的防范意識

調查結果顯示，大多數人缺乏自我防范意識，這也是盜搶騙這類犯罪多發(fā)的原因。所以預防犯罪，人們自身也需要增強自我防范意識以及學習遇到這類犯罪時的處理方法。政府應定期組織預防宣講活動，提高人們的認識。另外從調查結果來看，犯罪的受害人群多為學生，所以學校也應注重這方面的教育，對學生進行思想教育工作。只有個人與政府都重視，我們才能更好地預防犯罪。

4 結語

大數據的出現為警務工作的進行帶來了機遇，對于當前的大數據時代，必須予以重視，取有效的方法對取得數據進行合理的整合、分析，對犯罪行為進行主動性的預測與防范，充分發(fā)揮大數據在犯罪預測工作中的作用。同時也要增強普通民眾特別是大學生的防范意識以及對大數據的重視程度，加強宣傳，培養(yǎng)人才，真正構建在大數據背景下的社會防范體系。

參考文獻：

[1] 呂雪梅.美國預測警務中基于大數據的犯罪情報分析[J].情報雜志，2015（12）：16-34.

[2] 李蕤.大數據背景下侵財犯罪的發(fā)展演變與偵查策略探析—以北京市為樣本[J].中國人民公安大學學報：社會科學版，2014（4）.

[3] 郭躍軍，侯江雷.大數據時代網絡群體性事件處理[J].人民論壇，2015（10）：132-134.

[4]王云鵬.大數據時代下的公安偵查研究[J].電腦數據與技術，2017，13（21）：5-6