位置数据稀疏约束下的疑犯时空位置预测

低强度的社会活动监控方式,使警方难以准确掌握疑犯的社会时空移动模式,也限制了嫌疑人排查及拦截围堵等警务行动的有效性.为此,本文基于张量联合分解位置(tensor collective decomposition location prediction,TCDLP)模型,在疑犯时空位置数据的稀疏约束下,估算疑犯个体在任意时段的空间分布概率.该方法利用三维张量表达各疑犯在多个时空节点上的访问强度,基于张量分解算法,融合多源社会环境数据所刻画的区域间关联性,解算出该张量中的缺失值,进而获取各疑犯的潜在时空分布模式.实验使用包含了241个疑犯、约1.9万个位置记录的真实疑犯位置数据集进行模型测试,结果表明,本方法优于其他位置预测方法.