课题简介：随着城镇规模扩大和人口急剧递增，公共安全事件易发频发，给城镇安全管理带来了严峻挑战。各级政府及有关部门在处置突发事件时，整体上还缺乏集“立体化监测、网格化管理、精细化服务”于一体的应急响应平台，难以满足城镇公共安全立体化监测与应急响应的需求。本项目拟按照预防与处置相结合、常态和非常态相统一的原则，研发具有“立体化监测、网格化管理、精细化服务”功能的城镇公共安全空间信息服务和应急响应集成示范平台，探索可复制、可推广的突发公共安全事件协同监测应急响应新模式，为构建新时代安全保障型社会提供科技支撑。

课题简介：大数据驱动下的广州市犯罪预测与防控研究，以群众平安需求为导向，开展科技示范与应用，将在犯罪时空精准预测、犯罪防控智能优化与警务决策应用示范方面取得一些标志性成果，既能满足我市运用大数据提升公共安全治理水平的需求，又能引领犯罪科学领域国际学术前沿，并助力破解制约我市社会治理创新和经济社会发展的瓶颈。

课题简介：传统犯罪研究在犯罪时空轨迹、犯罪过程模拟、理论与实践互动等方面存在严重不足。大数据时代的来临，为精细化的时空轨迹还原和智能化的时空过程模拟提供了更好的数据基础；地方警务部门的积极配合，为虚拟与现实相结合的犯罪防控优化提供了理想的合作平台。在此背景下，本项目在深化传统犯罪时空分析方法的同时，旨在攻克“大数据支持下的犯罪时空过程精细化模拟与防控优化”的关键技术难题，创新探索大数据支持下的犯罪时空轨迹还原、时空过程精细模拟、自适应犯罪防控优化的具体方法，明确犯罪现象的形成与重塑机制，大幅提高我国犯罪地理学的研究水平，从而引领国际犯罪科学领域的学术前沿，并响应国家“创新立体化社会治安防控体系”的重大现实需求。

课题简介：面向“创新立体化社会治安防控体系”的国家重大需求，拟将大数据挖掘与犯罪防控的理论方法相结合，提高我国犯罪防控的学术研究水平和警务实践能力。以犯罪学、犯罪地理学等相关理论为指导，系统地开展犯罪大数据的集成与融合研究，构建犯罪时空大数据集成库；利用GIS时空统计、地理过程模拟、大数据挖掘等方法，分析犯罪案件分布的格局、规律与过程，并对系列案件犯罪者活动节点、犯罪案件位置、犯罪时空模式等进行科学预测。此外，开展面向常态管控、案件侦破等主要警务活动的典型应用示范，提供警务防控效益的科学评估手段，为大数据时代的科学警务决策提供辅助支持。

课题简介：本项目将充分借鉴融合时间地理、社会地理相关概念与方法，研究“居民－犯罪者－警察”的日常活动时空耦合对犯罪时空格局的影响。首先精准识别和衡量居民、犯罪者和警察的日常活动时空特征：根据居民的收入、年龄和性别等要素划分不同的社会群体，研究居民活动空间分异对犯罪的影响；研究犯罪者以犯罪为目的和不以犯罪为目的的日常活动的区别与关联；研究警察不同防控形式（视频监控、定点驻防、街面巡逻与便衣暗防）对犯罪的抑制效用。在此基础上，研究基于时空可达性的居民、犯罪者和警察日常活动耦合对犯罪时空格局的影响，进一步建立基于多主体日常活动耦合的犯罪时空预警模型。申请人所在的团队长期与公安部门合作，积累了大量本项目所需的数据，为项目顺利开展提供了保障。本项目将能深化和拓展日常活动理论和为优化警务决策提供科学依据。

课题简介：（1）通过大数据挖掘不同社会阶层人群的活动与犯罪者活动之间的关联；（2）预测和识别犯罪发生的常态热点、偶发热点和冷点，并基于识别出的犯罪热点，优化警力部署与犯罪防控策略，研究警察犯罪防控与犯罪者活动的相互作用；（3）在“普通人群-犯罪者”、“警察-犯罪者”活动相互关系研究的基础上，基于普通人群－警察－犯罪者三者的相互作用特点，利用大数据，研究建立犯罪者的活动点和居住地的反演模型，提高案件侦破效率。本项目有三大创新点：一是基于居民活动分异与犯罪者日常活动相互作用的犯罪时空格局分析；二是基于大数据的动态犯罪热点警力部署；三是利用大数据反向推演犯罪者的活动空间，给犯罪侦破提供技术支持。

课题简介：项目的主要研究内容简介：1）选取微观空间因素作为自变量，采用地理加权回归模型分析微观空间因素对街头抢劫案件发生强度的空间异质性现象。2）基于时空格局成因理论和实地调研资料的分析表明研究区内以“理智型”入室盗窃者为主，主体与环境因素在不同时空区位上的耦合差异导致了犯罪空间格局的演变。3）基于典型区域社区问卷调查研究表明，城市居民的安全感不在于外在的基础设施建设完善与否，在于内在对于社区团结的认同。4）利用街头抢劫者的抓捕数据结合混合Logit模型，聚焦探析街头抢劫犯罪者先前的个体犯罪警力对他们之后的作案地选择的影响。5）运用负二项地理加权回归模型针对犯罪发生在研究区的过离散分布进行深入解析，更好的解释对于犯罪发生影响的空间异质性因素的研究；6）以社区为研究单元，通过建立负二项回归模型发现，探索社区的社会经普属性对于犯罪发生有着重要的影响。7）将典型区的入室盗窃数据通过临近重复分析的方法分类，利用多项逻辑回归模型解释社区物质因素与社会经济因素对三类入室盗窃案件的影响程度差异性。

课题简介：犯罪地理学以社会问题为导向，关注犯罪现象的格局、过程与机理，沿着“揭示问题、服务安全、解决问题”的思路，去破解复杂的社会难题，而犯罪者作案地选择是其研究的重要内容。针对以往犯罪者作案地选择研究缺乏个体属性和时间维度，作案地选择机理解释不足，理论成果与现实防控间互动不足等问题，本项目将继续与广州市公安局密切合作，拟按照“微观环境-主观特性-犯罪控-现实验证”相结合的研究范式，将访谈与犯罪数据相结合，从犯罪者如何选择作案地的视角，利用离散空间选择模型、机器学习和对照试验等方法，系统研究不同属性犯罪者作案地选择的时空模式、影响因素及形成机理，整合犯罪者作案地选择的时空偏好，以及地区警力资源与防控体系，制定出精细化的防控策略。项目理论上具有丰富犯罪地理学的研究内容及视角，为提高我国犯罪地理研究的应用价值贡献力量；实践上积极响应国家社会治安的重大需求，为事前防控、主动处置以及警力优化配置提供支持。

课题简介：传统地表形变监测方法无法提供面状连续的形变场，而时序InSAR技术（MTInSAR）为解决这一问题提供了可能。然而，MTInSAR技术的形变监测精度受到地形残差的影响，当前顾及地形残差的MTInSAR没有充分考虑除垂直基线以外的因素，如形变模型差异、干涉图连通性、时空基线阈值、大气延迟等。基于此，本项目拟开展顾及地形残差改正的高精度时序形变监测研究。具体地，结合不同平台下的模拟和真实SAR数据，本项目拟研究影响地形残差估算精度的成因分析，在此基础上，拟构建地形残差与各影响因素之间的模型，并通过具有不同形变特征和地形的典型区域进行实验验证。本项目对解决MTInSAR中地形残差估计、完善地形残差估计的理论框架，以及提高MTInSAR的形变监测精度和可靠性有着重要意义

课题简介：犯罪时空分布模式及其特征是犯罪地理学关注的重要领域。入室盗窃作为治安类犯罪中性质最严重的犯罪类型，受到广泛关注。例如，近年来大城市的入室盗窃案件频发，严重影响到居民的财产安全和人身安全。如何有效预防和减少入室盗窃从而更好地保护居民人身财产安全，已成为当今社会的一个重要议题。已有研究表明，入室盗窃的空间格局与入室盗窃者的作案地选择偏好存在密切关系，通过分析入室盗窃者作案地选择的空间特征及其影响因素，进行犯罪预测，可以较好地理解入室盗窃发生的机理，对优化警务防控有一定的指导意义。 基于此，本项目以入室盗窃案件为研究对象，采用时空核密度分析、离散选择模型等方法分析入室盗窃者作案地选择规律，并重点探讨空间距离以及空间壁垒对犯罪者作案地选择的复合影响。在此基础上，运用机器学习及深度学习，包括长短时记忆法等前沿方法进行犯罪的时空预测，并将预测结果用于指导警务防控。申请人所在的研究团队与当地公安部门长期合作，已积累大量研究所需的数据，可为项目顺利实施提供数据保障。本研究不仅从理论及方法上丰富了犯罪时空分布与犯罪预测的研究内容，同时也为各类警情的警务综合防控提供科学基础和实证依据。

课题简介：广州市是中国南方重要的政治、经济、科技、教育和文化中心，是中国重要的中心城市和国际商贸中心，素有“千年商都”的美誉。近年来，随着广州市产业结构的升级转型，社会经济发展水平稳步提升，社会治安形势日期严峻，出现了各种形式的犯罪活动。其中以入室盗窃犯罪最为突出。入室盗窃犯罪在国内外都是最常见的犯罪形式，其发案率高，不易侦破，还容易发展成为抢劫、杀人等恶性案件，是治安管理部门重点打击的对象。然而由于我国的警察公民比远低于世界发达国家水平，警力资源严重不足。与此同时，犯罪事件在空间上还呈现出显著的集聚特征。因此，有必要研究入室盗窃犯罪及其影响因素之间的空间差异性，根据各因素对犯罪影响程度的差异为各个派出所制定具有针对性的犯罪防控措施。本项目拟通过地理加权回归技术分析入室盗窃犯罪及其影响因素关系的空间差异性，在此过程中考虑局部异质性问题；拟通过空间非平稳性建模过程中对数据自相关的分析，构建局部带宽的地理加权回归模型，同时处理入室盗窃犯罪数据中的异质性和自相关；拟在对入室盗窃犯罪数据进行异质性建模的过程中，通过负二项模型解决犯罪数据的过离散问题，构建地理加权负二项回归模型。本研究试图通过研究入室盗窃犯罪与其影响因素的空间差异关系，为治安管理部门高效利用警力资源提供决策支持服务。

课题简介：华南地区的红树林以人工修复为主，在复杂的滨海环境背景下，如何利用遥感技术精确地获取长期、连续的红树林空间分布信息，怎样理解红树林人工修复以来物种演变规律是目前亟待解决的科学问题。本项目以全国最大的人工红树林修复区域—珠海市淇澳岛红树林省级自然保护区为例，首先基于红树林人工修复以来的高分辨率遥感影像和实地调研数据，构建红树林物种分类的样本库；然后考虑红树林物种不同的空间尺度，采用深度学习框架，构建一种适用于红树林物种多时相集成分类的卷积神经网络模型，实现红树林物种的精确分类；然后分析树林不同物种间的时空分布及其转移矩阵，探讨红树林物种的时空演变规律；最后重点分析2008年华南地区特大冻灾对红树林造成的影响，并揭示人工修复红树林、外来入侵物种及本土物种间的时空动态模式及其影响要素。本项目的实施有助于精确地监测红树林植被物种水平的时空格局演变，对红树林湿地修复效果评估具有重要的科学意义，对于植被恢复和造林树种的选择具有重要的应用价值。

课题简介：人为热即人类生产生活产生的热量，由工业排放、交通排放及生活排放构成，其作为城市能量的输入项，已成为城市升温的重要驱动力之一。现有研究已对人为热升温效应剥离及其变化特征展开了讨论。然而，如何提升人为热升温效应的剥离精度？不同排放强度下，不同排放源人为热增温效应时空变化特征如何？其与城市热环境背景值之间的时空关联如何？以上都是亟待解决的科学问题。基于以上科学问题，本研究以珠三角城市群为研究区，综合应用统计分析、遥感反演及数值模拟等方法，构建不同排放源人为热空间数据集，将其与WRF模型耦合实现不同排放源人为热增温效应剥离，明晰其时空变化特征，挖掘其与城市热环境之间的时空关联。此研究可为不同排放源人为热增温效应及其与城市热环境的交互作用范式研究提供参考。是破解环境胁迫与生态压力的可行性案例，为深入开展城市群城市生态与人居环境研究打下了基础，为城市热环境的规划管理提供了科学依据。