带真值的合成警情数据引擎 → KDE/STKDE 时空热点 → ST-DBSCAN 聚类 → 串并案图谱 → 突增预警 → 单页研判看板与周研判报告。
全部数据为合成数据(虚构城市「滨江市」)· 全本地离线可复现 · 不涉及任何真实警情或个人数据 · 不做个体画像与预测。
时间轴回放(26 帧 · 周序滚动 7 日窗口 · 250m 网格):
端到端一条命令(本机实测 76s,含 5 万条数据全链路与看板构建):
policesight demo # 数据 → 热点 → 聚类 → 串并案 → 预警 → 看板 → 周报
policesight web serve # 打开 http://127.0.0.1:8770| 模块 | 实现 | 评估(对照真值) |
|---|---|---|
| 合成数据引擎 | 5 万条 / 180 天 / 0.52s;12 预设热点 + 6 系列案团伙 + 4 突增场景(逐案归属) | 质量检查 0 问题 |
| 热点分析 | KDE 核密度 + STKDE 时空核密度(3D 网格高斯核) | 热点召回 91.7%(KDE)/ 100%(STKDE) |
| 时空聚类 | ST-DBSCAN(cKDTree 缩放度量,O(n log n))+ 退化参数体检 | 聚类 F1 0.867(基线空间-only 0.531) |
| 串并案 | 多特征相似度(时空/手法/文本)+ 团伙可疑度排名 + Louvain 图谱 | 纯度 0.52 @5万(0.835 @2万,规模效应如实披露) |
| 趋势预警 | STL/ETS + YAML 规则(区域×类型 + 网格邻域双粒度) | 注入突增场景 4/4 命中 · 无关预警 7.0% |
| 研判看板 | 离线矢量底图 + 热力 + 回放 + 图表(Leaflet/ECharts 本地化) | 全离线、仅监听 127.0.0.1 |
| 周研判报告 | HTML(内联 SVG)+ DOCX(python-docx) | 一条命令产出 |
回归对照(docs/benchmark.md / docs/benchmark-link-alert.md,由 CLI 真实运行产出,可复现):
git clone https://github.com/maoshenghe2-debug/PoliceSight.git && cd PoliceSight
uv venv --python 3.11 && uv pip install -e ".[all]"
policesight doctor # 环境自检(9 项)
policesight data generate --cases 50000 --seed 42 # 合成数据 + 真值
policesight hotspot bench --cases 50000 --seeds 41,42,43,44,45 # 定标测评
policesight link run # 串并案分组 + 评估
policesight alert run # 突增预警 + 真值验收
policesight web build && policesight web serve # 看板
policesight report weekly # 周报(HTML + DOCX)- 真值同源:数据生成器同步输出
ground_truth.json(预设热点/系列案/突增场景的逐案归属),所有算法评估都对照真值,协议写入报告; - 离线优先:底图为仓库自带合成矢量图(CRS.Simple),前端依赖(Leaflet/ECharts)本地化,无任何外部请求;
- 隐私边界:全合成数据、不做个体画像/个体预测,预警为区域级资源配置辅助提示;
- 可复现:固定 seed 的确定性生成,
docs/*.md测评报告由 CLI/脚本真实运行产出。
Apache-2.0 | 第三方组件:THIRD_PARTY_NOTICES.md
作者:何茂生(Maosheng He)· 本项目为技术演示,与任何执法机构无关。



