本发明涉及一种犯罪信息处理方法，具体地说是一种综合静态和动态信息的罪犯危险度评估方法。
背景技术：
罪犯不同的社会背景、生活经历、犯罪类型、以及改造过程中的各种表现，可以客观地反映罪犯个体特性差异。本专利通过建立专门应用于监狱罪犯危险性分析预警的评估模型，将各信息渠道和专业业务系统收集到的以罪犯个体为核心的数据，经过决策树采样策略以及神经网络方法进行取样和挖掘，利用评估模型设定的计分规则和预警阀值，对监狱在押罪犯危险性进行计算、推断、结论，实现狱情智能预警和排查监督。
传统的罪犯危险性评估，主要通过两种方式：一是干警个人在实际工作中对罪犯的观察以及搜集到的狱情进行综合判断，这种方式更多依赖于干警的个人好恶，对狱情收集也难以做到准确、全面；二是通过罪犯填写心理测试量表，得出心理测试数据进行判断，心理测试表容易忽视对罪犯的现实改造表现，并且不能有效甄别罪犯的伪装性和欺骗性。因此，这两种收集信息的方法都存在明显的缺陷。
此外，由于大部分狱情信息分散于监狱各类业务系统中，无法实现关联互动、共享互换。现有的狱情分析信息系统可以通过数据接口从各业务系统获取数据，但由于缺乏专业的罪犯危险性分析预警评估模型的支撑。获得的这些数据除了制作基础统计报表和支持各业务系统本身应用外，综合型的深度挖掘尚未得到发挥。
技术实现要素：
本发明为解决传统的罪犯危险性评估方法所存在的不足，旨在提供一种综合静态和动态信息的罪犯危险度评估方法。
为了达到上述目的，本发明采用的技术方案包含如下步骤：
步骤一，获得个体在监狱的静态信息和动态信息；
步骤二，将作为一级指标的静态信息、动态信息的内容以层次分析法分成二级、三级指标，并赋以权重；
步骤三，通过数学建模依次分别计算三级对二级指标、二级对一级指标的评价值来判断罪犯出现各种行为倾向的危险程度。
其中步骤二中所述静态信息包括如下二级指标：基本维度、心理维度、社会维度。
其中步骤二中所述动态信息包括如下二级指标：改造事件和入监时间。
其中步骤二的赋以权重中，设基本维度权重W1101、心理维度权重W1102、社会维度权重W1103、改造事件权重W1110、入监时间权重W1111，其关系如下：
其中步骤三中，三级指标各分量对二级指标的评价值中，评价指标集记作：P11＝{P1101，P1102，…，P1111}，根据公式转换得到评价判断向量：M11＝[x1101，x1102，…，x1111]，再依据权重配合，综合评价值为：
其中步骤三中，二级指标Pn分量对一级指标的评价值中，评价指标集记作：P1＝{P11，P12，P12，P14，P15}。设计算得到各二级指标的评价值分别为EP11，EP12，EP13，EP14，EP15，记作向量EP1＝[EP11，EP12，EP13，EP14，EP15]；各二级指标对应的权重记作向量则对应的一级指标“入监信息”的综合评价指标为：
其中步骤三中，一级指标各分量对评价目标的评价值计算中，静态信息和动态信息分别记作P1，P2，对应的评价值记作向量Ep＝[Ep1,Ep2]，权重向量为
和现有技术相比，本发明具有如下优势：
(1)全面掌握狱情，提高工作效率。将所有狱情相关数据都归类、索引，使其对于各种隐患及危险行为进行智能预警，防患于未然；也使监狱干警的工作更有针对性，更加高效，使监狱工作成熟度提高，建立良性循环。
(2)能够及时迅速、实现智能预警。本发明将实时采集的异常信息，与运算规则进行匹配分析，智能产生各级预警。
(3)实现分类管理，消除监管隐患。把危险等级作为罪犯分类关押的重要依据之一，高度危险罪犯中指数级高的一般调至高危监区管理；对中、低度危险罪犯按普通管理；对具有脱逃、行凶危险和高度自杀危险性的罪犯又监区实行严格内控管理。
具体实施方式
现对本发明作进一步地说明。
罪犯的个体特征信息由静态信息(入监信息)和动态信息(改造信息)两大部分组成。
因而本发明采用的技术方案包含如下步骤：
步骤一，获得个体在监狱的静态信息和动态信息；
步骤二，将作为一级指标的静态信息、动态信息的内容以层次分析法分成二级、三级指标，并赋以权重；
步骤三，通过数学建模依次分别计算三级对二级指标、二级对一级指标的评价值来判断罪犯出现各种行为倾向的危险程度。
其中，静态信息(入监信息)分为三个维度：基本维度、心理维度、社会维度。基本维度包括：刑期、罪名、年龄、性别、身体状况、籍贯、宗教信仰、文化程度、服刑次数、特长、是否主从、是否惯累、是否团伙、犯罪故意认定等因素；心理维度主要采用COPA-PI量表，具体数据从该量表中导出；社会维度包括：婚姻状况、子女状况、原生家庭状况、捕前职业、既往史等因素。
动态信息(改造信息)来源于罪犯改造期间的各种表现和入监时间，从监管改造、亲情、会见、一卡通等业务系统自动抓取或者由监狱干警实时录入。
本实施例根据实际应用情况，本实施例将罪犯危险性作为权重分值划分依据，将危险行为进行危险数值评定，确定行凶、自杀、脱逃、破坏监管秩序等危险行为数学模型内容权重影响值，并对每一类危险的判断预设多种条件可变规则，每个规则包含多项条件关联触发判断和变数。在做评定结论时会根据具体情况注明主要危险性。
根据罪犯各种因子得分情况，将罪犯各种危险类别划分为：高度危险(1级)、中度危险(2级)、低度危险(3级)三个危险等级，确定不同的评定分值。罪犯最终危险等级按最高危险性类别的等级认定。
其中，基本维度包含一级因子两个，即犯罪信息和生物学信息。二级因子十七个，其中属于一级因子犯罪信息的有：刑期、罪名、籍贯、文化程度、服刑次数、特长、是否为团伙犯、是否为主首犯、是否为惯累犯、是否为数罪并罚、是否有宗教信仰、犯罪故意的认定、身份信息是否相符等十三个；属于一级因子生物学信息的有：首次犯罪是否成年、入监年龄、异常生物学因素、身体状况等四个。二级因子名下又包含若干不同数量的三级因子，二级因子权重之和等于基本维度的权重。
其中，心理维度采用COPA-PI量表，即《中国罪犯心理评估个性分测验》(COPA-PI,Chinese Offender Psychological Assessment-Personality Inventory)。
参见下表：
具体数据由COPA-PI量表中的2个效度指标(说谎和认真)、12个临床指标(外倾、聪敏、同情、丛书、波动、冲动、戒备、自卑、焦虑、暴力倾向、变态心理和犯罪思维)得出，并将此十四个指标作为心理维度的二级因子，其量表得分为三级因子，并转化为评估体系的分值。
其中，社会维度包含两个一级因子，即家庭状况和个人经历。二级因子七个，其中属于一级因子家庭状况的有：婚姻状况、子女状况、原生家庭状况三个；属于一级因子个人经历的有：捕前职业、有无劣迹、既往史、是否重点案犯四个。二级因子名下又包含若干不同数量的三级因子作为考量标准。对社会维度设定一个权重，操作方式与基本维度类似，将其值分解到每一个一级因子上，再从每一个一级因子分解到每一个二级因子上，二级因子权重之和等于社会维度的权重。
其中，改造事件下设五个二级因子，分别为：囚囚关系、警囚或工囚关系、社会因素造成罪犯异常情况、服刑因素造成罪犯异常情况、身体状况；入监时间包含1年以内、1-2年、2年以上三个级因子。本维度中不同的因子对应不同的危险倾向，需要根据具体事件具体分析。
改造信息之所以分成改造事件和入监时间，是因为在发生狱情时，干警应结合罪犯具体事件的发生情况和改造时间综合判断。罪犯新入监时期，由于其改造环境与外部社会差异巨大，不适应监狱生活，容易使一些小事件被无限放大，相对入监时间长的罪犯危险度更大。
随后，本实施例根据上述条件，部分指标根据经验数据确定，部分指标采用专家赋值法。具体使用评估时，信息化系统会将入监信息(权重W110)具体分为基本维度(权重W1101)、心理维度(权重W1102)、社会维度(权重W1103)；改造信息(权重W111)具体分为改造事件(权重W1110)和入监时间(权重W1111)进行公式计算，对于不同人员的信息信息进行判断评测。
首先，将罪犯入监信息给予一定分值量化，作为罪犯的危险基础分，即罪犯静态危险性或固有危险性。然后把罪犯服刑期间的改造信息也都给予一定分值量化，作为罪犯的危险加分，即罪犯动态危险性。监狱干警只需要在罪犯遇到每一件事情或发生每种异常情况时及时将这些录入到本发明中，就会自动计算出分值。当分值超出预设阀值时，系统会自动报警。
上述具体的计算步骤如下：
1、计算三级指标各分量对二级指标的评价值
评价指标集记作：P11＝{P1101，P1102，…，P1111}，根据公式转换得到评价判断向量：M11＝[x1101，x1102，…，x1111]，再依据权重配合，综合评价值为：
2、计算二级指标各分量对一级指标的评价值
以一级指标“入监信息”下的各二级指标为例，共包含5个二级指标，分别记作：犯罪信息P11、生物学信息P12、心理量测信息P13、家庭状况P14、个人经历P15，指标集记作：P1＝{P11，P12，P12，P14，P15}。设计算得到各二级指标的评价值分别为EP11，EP12，EP13，EP14，EP15，记作向量EP1＝[EP11，EP12，EP13，EP14，EP15]；各二级指标对应的权重记作向量：则对应的一级指标“入监信息”的综合评价指标为：
3、计算一级指标各分量对评价目标的评价值
一级指标包括“入监信息”和“改造信息”，分别记作P1，P2，对应的评价值记作向量Ep＝[Ep1,Ep2]，权重向量为
评估结论
根据综合评估值E，可以将其转化为评估结论集V＝{V1，V2，…，V5}中的项。评估结果用于狱情预警和管控措施的制定与调整。
本实施例经过详细调查400例以上狱内行凶、自杀、伤害案例，筛选因子，采用层次分析法进行分析和数学建模，对可能影响罪犯个体危险程度和倾向性的各项因素加以综合考虑，融合监狱日常狱警的犯人管理逻辑思维神经网络方式，以及基于数学的决策树业务分析模型，设计出专用于狱情分析的评估体系。研判数据是以信息化接口方式，从各业务系统获取罪犯相关信息；或以人工方式录入从其他渠道收集的信息。借助决策树算法和神经网络方法对数据集进行加工、取样和处理。基于预警评估模型的规则设置，能够实时计算出罪犯引起监管事故的可能性，并推断罪犯的危险程度和行为倾向。该发明不但减轻了基层干警的负担，大大提高数据采集的真实性和完整性，还解决了原有模式的信息孤岛效应，以及信息应用聚焦安全欠缺、数据深度挖掘和综合利用程度不够等诸多问题。
本实施例综合罪犯的静态信息和动态信息的两元信息，特别是聚合刑罚信息、改造信息等可能引起监管事故的各类动态风险因素，进行分析甄别、归类建档，采用计算机数学建模，得出准确、客观的罪犯危险性研判结果，便于制定有针对性的罪犯矫治方案。与现有监狱管理平台等信息系统最大的区别在于，通过建立专门应用于监狱罪犯危险性分析预警的评估模型，解决了现有信息系统对数据深度挖掘、综合利用程度不足的问题，现有模式下信息系统只能通过数据报表给予干警分析决策的数据依据，无法直接进行罪犯危险程度和行为倾向的推断，并给出应对措施。依靠本发明，削弱了干警主观分析监狱事件的影响力，提升了罪犯危险度评估以及制定对应矫治方案的客观性和科学性。
对罪犯相关信息的采集、加工、聚类、分析，除了使用决策树算法和神经网络方法以外，还可以使用回归分析、关联规则等常用大数据挖掘方法。但本发明的核心在于建立专门应用于监狱罪犯危险性分析预警的评估模型，该模型经过400多例狱内行凶、自杀、伤害案例的详细调查，是我司对于多年行业经验的研究成果，具有行业专一性和应用创新性，未见类似方案。
综上，本实施例有别于现有的监狱管理平台等信息系统，罪犯相关信息的采集、加工、聚类、分析借助成熟的算法，建立罪犯危险性分析预警评估模型，业务模型算法和分析模型是本专利实现狱情智能预警和排查监督的关键。本发明能够帮助监狱分析判断罪犯的实时状态，确定监狱面临的风险。预先掌握罪犯可能采取的脱逃、行凶、自杀、破坏等行为倾向，为干警制定有针对性的管控措施提供决策支持。
上述实施例描述了本发明的实施方式，实施例给出的并不构成对本发明的限制，本领域内熟练的技术人员可依据需要做出调整，在所附权利要求的范围内做出各种变形或修改均在保护范围内。