案件分析模型与数学模型.docVIP

案件分析模型与数学模型 本节将根据侦查中归纳出的几类典型的案件分析模型，讲述其模型的构造，并用数学模型来解释案件分析模型的意义，从而为下一步利用数据库及SQL查询语言实现案件分析模型铺垫基础。 通过已知间接线索查找嫌疑线索的案件。 已知多条间接线索，这些线索中可能拥有关系人线索。 比如：已知嫌疑人Z的好友A及B的线索，希望从中查找Z的线索。这实际上这时B的关系人可以看作B的一个集合b∈B，同理，A的关系人可以看作A的一个集合a∈A，这样Z可能就在B与A的交集中。如下图所示： 同理，当有更多同类间接线索时，其关系如下： 嫌疑线索可能在一条已知线索的新增元素或新删元素中。 比如：嫌疑人可能拥有某线索，但作案后变换，但因某种原因可能会把新线索加在原线索的元素中。这时原线索集合为A，则作案后改变元素的集合为B，这时嫌疑线索就是B与A的补集的交集。如下图右边红色部分。 又比如：嫌疑人的关系人线索为A，嫌疑人作案后，关系人可能因为敏感关系在其集合A中删除嫌疑人线索，所以嫌疑人作案后，关系人的线索集合为B，则嫌疑线索就在A与B的补集的交集。如下图左边蓝色部分。 通过已知(间接)线索分析嫌疑人活动规律的案件。 比如：知道嫌疑人线索后，可能需要掌握嫌疑人的活动规律，以便进行有效的抓捕行动。这就需要分析嫌疑人经常出入的场所、活动的时间规律、以及出入某特定场所的时间规律和特定时间段内其经常出入的场所等。后两种情况只是前两种情况的特殊条件限定而已。 对于需要分析活动规律的线索对象，应当具备以下几个共同的属性：线索名称、出现时间、结束时间、出现场所。对于采集的线索数据，必须至少包含以上几项属性，其它项目则可过滤消除。对于以上项目中，有时结束时间可能在线索数据中会以出现时长的方式表达，这时就需要必要的数据变换。同样，在线索数据中线索名称可能以不同的方式出现，可能出现在文件头部说明文本中，也可能只在文件名中出现。这时就需要系统去识别它，如果无法识别时必须提示用户指明线索名称。 分析嫌疑人活动场所规律 对于分析嫌疑人经常出入的场所，一般要以天数来表达，如果以出现的次数来计数的话，有可能某天嫌疑人在该场所多次出现，但其它时间没有出现，以此来断定其经常出入该场所的结论显然是错误的，因而必须以天数为计数。如下图所示： 上图可以看出场所A，线索对象出现的次数为8次，但是实际出现的天数为5，对于在同一日期内多次出现的记录必须过滤掉。同时从表中可以看出嫌疑人出入场所A的概率明显较大。因而抓捕计划首先应当针对场所A设计。 分析嫌疑人活动时间规律 对于分析嫌疑人时间片的活动规律，同上理由，一般也要以天数来表达，如下图所示： 上图可以看出时间片0-2，线索对象出现的次数为8次，但是实际出现的天数为5，对于在同一日期内多次出现的记录必须过滤掉。同时从表中可以看出嫌疑人主要在夜间活动，晚上22到凌晨6时是其活动的高频时段。因而跟踪及抓捕计划首先应当针对夜间设计。 分析多个已知线索的共同活动规律。 比如：有时获得了多条线索，需要判断哪些线索属于同一个人所有，或者属于同一个团伙成员。这时就需要分析这些线索同时间同场所出现的频率是否较高来断定。 这时线索属性有4个：线索名称、场所名称、日期，时间片记录。对于每条线索而言，需要对每个场所分别记录其时间片字符串(这里时间片将以1小时划分)。实际上这时线索的记录从二维扩展为三维，如下图所示：A、B、C分别表示不同的场所。 对大量相关案情的数据进行嫌疑人线索挖掘的案件 要进行此类线索挖掘时，线索应当具备几个必备的属性：线索名称、出现场所、出现时间、结束时间(非必备)。由于收集的数据都符合这种共同的属性，因而只要事先建立一个原始表，然后要导入数据时，重制该表结构，并根据所导入数据所归属的分析属性取个针对性的表名即可。 比如：在T1时间场所IP1发生一起案件，在T2时间场所IP2又发生一起案件，经案件侦察这两起案件可以并案处理。T1时间场所IP1的所有数据集合为A，T2时间场所IP2的所有数据集合为B，那么嫌疑人线索就可能在集合A与B的交集中。如下图所示：又比如：在T1时间场所IP1发生一起案件，经侦察断定该案为流窜作案，也就是嫌疑人只有在T1时间段内在本场所出现，而其它时间段不出现在场所IP1中。这时因为集合A的数据较多，难以排查。考虑到流窜作案的情况，可以IP1在T1之前一定时间段的数据集合作为B，同时IP1在T1之后一定时间段的数据集合作为C。那么，嫌疑人的线索就可能在中，如下图所示： 当然有时案情要更加复杂，比如对A地来说案件属于流窜案件，但对于D地的案件来说则可以与A地并案，则此时的关系图则如下： 总之，根据案情的不同其集合间的关系是复杂的，变动的。因而对以上各数学模型所提炼的关联分析模型必须灵活的，可以多条件关系的。但是，推敲以上各交集