【摘 要】
:
新冠肺炎疫情不仅严重威胁人类生命健康,也给人类社会带来诸多风险因素,甚至引发社会安全事件。为了预测新冠肺炎疫情引发的社会安全链式效应,揭示其风险演化规律与触发机理,验证不同社会安全防控措施的有效性,本文开展了新冠肺炎疫情引发的社会安全事件风险评估研究,得到了以下研究结果。(1)提出了基于动态贝叶斯网络的事件链建模方法。以新冠肺炎疫情引发的社会安全事件为例,采用动态贝叶斯网络,构建事件链,对群体性事
【基金项目】
:
国家重点研发计划(2018YFF0301004);
论文部分内容阅读
新冠肺炎疫情不仅严重威胁人类生命健康,也给人类社会带来诸多风险因素,甚至引发社会安全事件。为了预测新冠肺炎疫情引发的社会安全链式效应,揭示其风险演化规律与触发机理,验证不同社会安全防控措施的有效性,本文开展了新冠肺炎疫情引发的社会安全事件风险评估研究,得到了以下研究结果。(1)提出了基于动态贝叶斯网络的事件链建模方法。以新冠肺炎疫情引发的社会安全事件为例,采用动态贝叶斯网络,构建事件链,对群体性事件、盗抢犯罪、防疫物资市场失稳与涉疫违法犯罪四类典型的社会安全事件进行风险分析,并利用EM算法进行参数学习。在此基础上,利用国内外相关实际数据,对模型进行了验证,并对社会安全事件影响要素进行了敏感性分析。结果显示,“社会失业”风险对“累计确诊病例数量”具有较高的敏感性,当“累计确诊病例数量”处于2.2万人以上时,“社会失业”概率值比其处于“累计确诊病例数量”低于2万人的情景时高0.25。“群体性事件”风险对“确诊病例增速”具有较高敏感性,当“确诊病例增速”处于每日新增400人以上区间时,“群体性事件”发生概率比其处于“确诊病例增速”每日新增100人以下情景时高0.2.(2)对新冠肺炎疫情引发的典型社会安全事件进行了风险要素分析。以事件链结构为主干,分析了威胁性与脆弱性风险要素,建立了基于贝叶斯网络的风险要素分析模型,并以父节点对子节点的欧氏距离为指标开展了影响强度分析。结果表明,群体性事件受“公众心理状态”影响最大,欧氏距离均值达0.202;防疫物资市场失稳受“物资消耗”影响最大,欧氏距离均值达0.303;涉疫违法犯罪受“防疫物资市场”影响最大,欧氏距离均值达0.19.(3)基于多主体仿真,分析了事件链的风险演化过程,并对不同风险防控措施的有效性进行了评估。定量评价的结果表明,旨在降低事件威胁性的防控措施比降低承灾载体脆弱性的措施效果更为显著。例如,在防范化解群体性事件方面,采取减弱威胁性的防控措施实现“防止谣言传播和境外势力渗透、化解群体矛盾、缓解公众的不良心理状态”等治理目标时,将使群体性事件较未采取措施情况下发生次数减少56%,参与人数减少95.4%;采取降低脆弱性的防控措施实现“增强警力、优化警务部署”等治理目标时,将使群体性事件较未采取防控措施情况下发生次数减少7%,参与人数减少54.9%.综上所述,本文预期可以为新冠肺炎疫情下的社会安全风险防控提供理论参考和决策支持。
其他文献
行人跟踪与再识别技术是计算机视觉领域的重要研究方向。行人跟踪是根据视频初始帧中行人的状态预测其后续运动轨迹;行人再识别是通过技术手段对不同点位行人图像进行相似性度量,判断是否属于同一个人。由于行人姿态多变、环境存在差异,行人跟踪与再识别技术易受遮挡、形变、脱离视野等因素影响,导致算法准确率较低,在实际应用过程中难以满足现实需求。因此,行人跟踪与再识别方法具有一定的研究价值。本文围绕基于孪生神经网络
社区是我国老年人日常居住、活动的主要区域之一,老年人在社区室外活动及出行过程中面临多种威胁其身体健康乃至生命安全的风险,这些风险在时空轨迹上往往表现出一定的异常性,例如,在外出时意外摔倒、走失、因体力不支而被困等。然而,目前专门针对社区老年人异常轨迹预警的相关研究和系统应用极少,因此,本文融合轨迹数据、身份属性数据、天气数据,研究社区老年人异常轨迹预警方法,设计并实现预警系统。本文的研究内容和结果
行人再识别是计算机视觉技术的热点问题之一,主要对不同摄像机点位获取到的图像或视频序列中的行人目标进行检索匹配和同一认定。受光照、复杂背景、遮挡以及行人姿态各异的影响,行人再识别算法在实际应用中存在提取特征鲁棒性较差的问题,导致识别精度较低,难以满足实际应用需求,因此行人再识别受到众多学者的关注。本文围绕基于深度学习的跨域行人再识别方法,在行人检测、行人再识别、人脸识别等方面展开研究。具体工作内容如
目前,互联网中越来越多的数据冗余堆积,严重影响人们获取感兴趣的事件信息,如何利用好海量的数据信息,对其进行抽取识别,挖掘出大量数据背后隐藏的价值,是事件识别领域的研究方向。通过传统的模式识别和机器学习方法来处理突发事件识别,在面对复杂问题时,模型表现能力较为局限,对于深层次事件信息特征的抽取,模型的泛化能力和特征的提取能力受到一定程度的制约。本文针对以上问题,采用深度神经网络作为主要研究手段,开展
网络高速发展,推动社会经济民生高速发展进步,我国已然成为世界上网络建设使用强国。鉴于网络有着高效、互联,使用成本低且网络参与者之间无直接接触等特点,诸如诈骗、盗窃、赌博、贩毒等传统犯罪为降低犯罪成本,提高犯罪收益,并逃避公安机关的侦查打击,逐渐将具体犯罪行为借助网络实施,取代了面对面的直接接触实施。犯罪网络化具有“五C”特点,即隐蔽性特征(Cryptic)、互联性特征(Connected)、复杂性
表情是人类表达情感和进行社交的重要方式,人脸表情自动识别在自动驾驶、辅助医疗、智能控制等人机交互任务中应用广泛。近年来随着深度学习技术的发展,人脸表情识别研究取得了显著的进展,但是现实场景下的人脸表情识别仍然受到遮挡、姿势变化和背景干扰等因素的影响,识别准确率仍有待进一步提高。本文以残差网络为基本架构,引入联合正则化、注意力机制以及二阶池化层等优化措施,改进了人脸表情识别方法,在公开数据集上进行了
在社会繁荣快速推进的背景下,随着智慧警务战略的提出和实施,对犯罪进行精准化打击和防控已经成为公安工作发展的重要方向。犯罪空间热点能够表征犯罪活动在空间上的分布特征模式与聚集规律,挖掘犯罪空间热点的特征及成因可以帮助公安机关提前预防、精准打击犯罪。目前关于犯罪空间热点已开展有大量研究,但大多关注于热点的识别、发现及其成因的解释和分析,缺少对热点内部空间尺度下犯罪活动的特征构成及其形成过程进行深入的分
在大型城市中,外来人口的比例逐年递增,来自不同地域的人口在此聚集交融,并产生了社会关系重构。在此背景下,不同地域的犯罪人之间也会建立犯罪合作关系,进而形成犯罪人跨地域关系网络这一复杂社会现象。以往研究大多通过描述性统计方法分析该网络的模式特征,无法描述网络的成因机理,研究深度不够。鉴于此,本研究旨在利用复杂社会系统建模方法,对盗窃类犯罪人跨地域关系网络的形成过程进行仿真模拟,深入研究犯罪人跨地域关
电子防盗锁(也称为智能锁)具有便捷、美观、安全等性能,在我国具有较高的普及率,具有良好的应用前景。目前针对电子防盗锁的入室盗窃案件时有发生,市场对其安全性能引发担忧。本论文通过使用不同方法对不同品牌的电子防盗锁进行机械方式开启,以探寻其被非正常开启后的痕迹形态、样式、位置等特点,并将电子防盗锁按照结构划分为两个板块进行研究:面板部分,锁芯部分。一、面板部分:经过市场调研选取了飞利浦、凯迪仕、马氏科
信息化背景下毒品犯罪在犯罪空间、作案手段等方面均呈现出新的特点。毒品犯罪的跨时空性、信息化侦查手段的不足给涉毒案件的侦破带来了挑战。全面分析涉毒对象发展过程的演化规律、从历史案例中充分挖掘多维特征及关联模式、科学验证涉毒对象与吸毒人员的时空规律,成为有效预防与应对毒品犯罪的关键环节。论文针对现有涉毒对象演化分析方法单一、特征挖掘手段主观、时空规律验证模型欠缺等问题,以公安部门对毒品犯罪预防的实际需