面向犯罪预防的监视目标规避行为模式识别与分析

By keeping the suspects under constant surveillance to collect position information (cell phones, GPS, credit cards, travel and hotel records, etc.) for intelligence analysis and operational command is an effective method of crime prevention. However, criminals increasingly use various hidden, disguised and other anti-detection techniques (cell phone signal shielding, forged credit cards and identity cards, etc.) to deliberately conceal their movement and locations. Hidden and deception behaviors skew surveillance data collection, thus hinder traditional trajectory pattern mining and movement forecasting techniques to identify and analysis targets’ avoidance behavior pattern..Aimed at the hidden, disguised intent of criminals, we propose a spatio-temporal aware method for modeling avoidance behavior pattern of surveillance targets. Firstly, we propose a method to distinguish between avoidance and non-avoidance behavior by quantifying the spatio-temporal entropy of surveillance targets’ behaviors. Secondly, we calculate the surveillance targets’ potential path space to identify “surveillance blind zones,” areas where no target movement is observed. Thirdly, based on the trajectory fragments and background data, we hypothesize the position and movement of surveillance targets within the blind zones. Finally, we utilize return periods to quantify and identify the abnormal spatio-temporal movement of surveillance targets to aid in interception. The approach proposed above has great significance for national security departments to prevent, deter and crack down on acts that endanger national security, and to maintain social and political stability.

对犯罪嫌疑人进行定位跟踪、监视，获取手机、GPS以及刷卡、乘车、住宿记录等位置信息进行情报分析和作战指挥，是预防和打击犯罪的有效手段。但是，犯罪分子越来越多的运用各种隐藏、伪装等反侦查技术手段（手机信号屏蔽、伪造信用卡和身份证等）来故意掩盖他们的位置和行踪。隐藏、伪装等规避行为导致监视和侦察数据的缺失和偏离，使得传统的轨迹模式挖掘和行踪预测技术难以识别和解释规避行为模式。.针对犯罪分子的隐藏、伪装意图，本项目提出一种时空感知方法对监视目标的规避行为进行建模：①通过量化目标运动的时空熵来区分规避和非规避行为；②通过推断目标潜在路径空间，识别规避行为数据集中缺乏观测记录的“监视盲区”；③基于轨迹片段和本底数据建立盲区内的目标位置和运动路径的假设；④利用重现期来量化和识别目标行踪时空异常，以帮助拦截和监视。这对于国家安全部门防范、制止和依法打击危害国家安全的行为，维护社会政治稳定具有重要意义。

新的反恐形势下，犯罪情报信息的搜集、研判、预警已经成为驾驭复杂严峻的社会治安环境、推进社会管理创新、维护社会稳定的重要举措。随着基于定位功能的移动信息设备的逐渐成熟，大量使用的形形色色的传感器每时每刻都在产生精确的地理位置信息。对犯罪嫌疑人进行定位跟踪、监视，获取手机、GPS以及刷卡、乘车、住宿记录等位置信息进行情报分析和作战指挥，是预防和打击犯罪的有效手段。本项目针对犯罪分子主观上的隐藏、伪装等规避行为导致监视和侦察数据的缺失和偏离，使得传统的轨迹模式挖掘和行踪预测技术难以识别和解释规避行为模式的问题，提出了一种时空感知方法对监视目标的规避行为进行建模和分析。首先，对收集的GeoLife和出租车轨迹数据进行预处理和停留点识别；然后，基于构建的时间熵、空间熵、条件熵、近似熵等模型，计算了轨迹数据的时空熵，筛选出可能存在异常行为的目标群体；通过时空棱镜模型以及道路网约束条件，识别目标群体轨迹数据中的“监视盲区”，并进一步基于轨迹不确定性和道路网络约束条件进行盲区内目标位置和运动路径挖掘；最后，进行运动轨迹的周期性模式挖掘，识别目标行踪时空异常，并研发时空轨迹数据可视化及分析系统。研究成果可为我国国家安全部门提供一套新的不同传统轨迹模式挖掘方法和行踪预测量化方法的犯罪情报分析技术手段，为监视和侦察数据集中的与“热点”相反的“冷点”或“冰点”现象（缺乏观测记录）的分析和知识挖掘提供有效的解决方法。对于深化犯罪分子行为模式的认知，提升动态管控和反恐处突能力，辅助国家安全部门防范、制止和依法打击危害国家安全的行为，维护社会政治稳定具有重要意义。

内容获取失败，请点击重试