利用北京主城區(qū)2017-02-23—04-26的垃圾短信數(shù)據(jù)反映偽基站的活動軌跡,通過核密度估計分析偽基站的時空特征;以1km格網(wǎng)為研究單元,采用空間計量模型定量分析了建成環(huán)境與社會經(jīng)濟因素對偽基站分布的影響。結(jié)果發(fā)現(xiàn):1)偽基站活動呈現(xiàn)出明顯的時空集聚,空間上東多西少,最大的熱點區(qū)域位于國貿(mào)。2)偽基站活動存在顯著的空間自相關(guān)性,鄰近區(qū)域偽基站發(fā)送垃圾短信增加1%,相應(yīng)本區(qū)域增加約0.7%。3)建成環(huán)境因素中,正向影響最大的是商業(yè)和住宅,負向影響最明顯的是酒店設(shè)施,教育設(shè)施存在顯著的負空間溢出效應(yīng);交通方面,地鐵站對偽基站活動的吸引作用僅存在于鄰近區(qū)域。4)社會經(jīng)濟因素中體現(xiàn)了偽基站活動與低收入群體、人流活動和老齡人口均存在一定正相關(guān)性。 

【文章來源】：熱帶地理. 2019,39(01)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

研究區(qū)域與垃圾短信數(shù)據(jù)

y）提取短信樣本的文本特征，TF-IDF是一種關(guān)鍵詞自動提取算法，在計算詞語的權(quán)值中應(yīng)用較多且效果較好；基于提取的文本特征，對訓(xùn)練集進行五折交叉驗證來確定分類模型，隨機森林（RandomForest,RF）算法的整體精度為95%，Kappa系數(shù)為93%，用來分類比較可靠；最后基于RF算法，對除訓(xùn)練集外的所有短信樣本進行分類。模型實現(xiàn)基于R語言caret包。3結(jié)果分析3.1偽基站活動時空特征偽基站在一天中的活動時間主要集中在T08:00—21:00，峰值出現(xiàn)在T10:00—12:00和T18:00—20:00兩個時間段，凌晨T03:00左右為全天最低點（圖2）。偽基站發(fā)送的每1條垃圾短信的時間和空間位置，都是偽基站使用者（罪犯）、垃圾短信接收者（潛在受害者）在地理和社會環(huán)境下交互的結(jié)果。偽基站每天的活動與人們?nèi)粘Ｐ袨榛顒幽Ｊ交疽恢�，可使更多的人接收到垃圾短信，增加犯罪的潛在受害者；在半夜至凌晨，由于人們進入休息時間，偽基站發(fā)送垃圾短信活動則趨向減少。根據(jù)以上規(guī)律，將一天24h劃分為3個時段進行研究：T1對應(yīng)晚上T22:00至第二天T08:00，此時段垃圾短信數(shù)量最少，偽基站不活躍；T2對應(yīng)早上T08:00至中午T14:00，此時段短信數(shù)量最多；T3對應(yīng)T14:00—22:00。3個時段的Moran’sI結(jié)果分別為0.65、0.71和0.73，均呈現(xiàn)出顯著的空間集聚，但在T3時段的分布更為集中。由圖3-a可知，北京主城區(qū)偽基站活動的整體分布呈現(xiàn)空間集聚的特點。最核心區(qū)域位于以國貿(mào)CBD為中心的“十”字形區(qū)域，該區(qū)域有許多成熟的住宅小區(qū)和完善的商業(yè)設(shè)施集中分布，屬于人口密集的場所；二環(huán)以內(nèi)及五環(huán)以外的分布相對較少，西邊分布整體比東邊稀疏，但西三環(huán)尤其北京西站附近較周圍更為凸顯；偽基站分布還體現(xiàn)出極其明顯的沿環(huán)路和干路周邊分布的趨勢。各個時段的空間?

醋粵誚?厙?員淞康目占湟?出效應(yīng)較多，在空間計量模型的其他領(lǐng)域研究中有類似的現(xiàn)象存在（Lesageetal.,2011;Naveedetal.,2014）。半夜至凌晨的直接效應(yīng)和間接效應(yīng)都要小于相應(yīng)白天，則是由于該時段偽基站總體活躍程度下降。由表1可知：1）公共服務(wù)設(shè)施中，政府設(shè)施與偽基站活動在工作時段內(nèi)呈現(xiàn)顯著負相關(guān)，因為在政府機構(gòu)上班的人群一般不易成為垃圾短信的目標(biāo)人群；派出所與偽基站活動在白天呈現(xiàn)正相關(guān)，但是在晚間呈現(xiàn)顯著的負相關(guān)，因為派出所通常分布在人群密集的區(qū)域，白天密集人流對不法分子的吸圖3垃圾短信時空分布核密度Fig.3ThekerneldensitydistributionofSMSspama）垃圾短信總體分布b）T1:[22:00,08:00)c）T2:[08:00,14:00)d）T3:[14:00,22:00)N核密度

【參考文獻】：
期刊論文
[1]北京主城區(qū)偽基站時空規(guī)律分析[J]. 汪偉,陶海燕,卓莉,李敏,李旭亮,汪珂麗,史清麗.  地球信息科學(xué)學(xué)報. 2018(07)
[2]基于可視分析的偽基站活動特征分析方法[J]. 唐楷,趙韋鑫,蔣宏宇,吳亞東,王松.  西南科技大學(xué)學(xué)報. 2018(02)
[3]基于多用戶垃圾短信數(shù)據(jù)的偽基站活動軌跡可視分析方法[J]. 蒲譽文,胡海波,何凌君.  計算機應(yīng)用. 2018(04)
[4]社會空間視角下廣州居住地犯罪風(fēng)險的格局與模式[J]. 王洋,金利霞,張虹鷗,吳康敏,王長建,黃耿志.  地理研究. 2017(12)
[5]城市入室盜竊犯罪的多尺度時空格局分析——基于中國H市DP半島的案例研究[J]. 柳林,姜超,周素紅,劉凱,徐沖,曹晶晶.  地理研究. 2017(12)
[6]地理學(xué)視角下犯罪者行為研究進展[J]. 龍冬平,柳林,周素紅,杜方葉,宋廣文,肖露子.  地理科學(xué)進展. 2017(07)
[7]21世紀以來西方犯罪地理研究述評[J]. 卓蓉蓉,李巒巒,余斌,鄭文升.  人文地理. 2017(02)
[8]居民日�；顒訉Π歉`警情時空格局的影響[J]. 宋廣文,肖露子,周素紅,龍冬平,周淑麗,劉凱.  地理學(xué)報. 2017(02)
[9]垃圾短信分類治理對策研究[J]. 曾劍秋,楊光永,董豪.  北京郵電大學(xué)學(xué)報(社會科學(xué)版). 2015(06)
[10]偽基站及其信號偵測方法淺析(英文)[J]. 張宸.  中國通信. 2014(08)



本文編號：3563844