如何从“茫茫人海”中识别出小偷？科大校友们想到了一种办法——大数据抓小偷。

　　昨天，记者从中科大新创校友基金会获悉，科大校友罗格斯大学教授熊辉介绍了一种方法，他们通过分析智能公交一卡通数据，研究北京公交、地铁上乘客的出行规律，从而识别扒手。该研究成功地识别出了92.7%的小偷。

　　根据异常交通记录分析抓小偷

　　大数据时代的到来，使得每个人都已经被数字化，也就是说，人们的生产和生活的活动都被数字化、网络化、可计算化。这也使得利用智能学习的计算模型，来对人的行为进行预测，对人的情感，包括性格、感情和犯罪心理等进行分析成为可能。

　　日前，在旧金山举行的KDD2016学术会议（知识发现和数据挖掘大会）上，科大校友罗格斯大学熊辉等学者报告了研究论文：他们对北京智能公交一卡通数据的分析研究，根据异常交通记录分析来抓小偷。共使用了北京市2014年4—6月三个月间600万乘客，约16亿智能公交一卡通数据记录。熊辉等研究人员将北京划分为多个小的局部的功能区块，并分析了896条地铁线经过的44524个公交车站、18条地铁线经过的320个地铁站的数据。

　　研究人员首先从每个人的日常出现记录中提取特征；然后进行无监督的异常行人检测和有监督的模式分类，从而挖掘出异常的出行轨迹。

　　能正确识别九成以上小偷

　　在谈到“根据异常交通记录分析抓小偷”方法的基本原理时，熊辉进一步解释，通过数据分析，可以看出很多人从热点区域A，到热点区域B的交通轨迹，对这些轨迹观察后，可以看到绝大多数的行人会选择最优的交通方式，比如，最短时间、距离，或者最少的换乘。但是，一个行人（嫌疑人）选择的交通路线为A－＞C－＞D－＞B。

　　熊辉认为，“A－＞C－＞D－＞B”这是一种异常的交通方式，对上述异常行为需要进一步地仔细分析，如果该人的异常行为足够多，那么他很可能是一名扒手。

　　熊辉公布了研究结果，利用这种方法分析，能够正确地识别出92.7%的小偷。

　　小偷是“流浪”出行模型

　　同时，熊辉等人对四类人在工作日早上8:00-11:00的出行模型进行分析：

　　正常的出行者，主要在居住地、工作地、途经区域活动；旅游者频繁地访问圆明园、天安门、南锣鼓巷等景点区域；购物者主要访问王府井、西单等购物区域；扒手，则是一种流浪的模式，他们没有清晰的目的地，频繁地换乘，随机地停留，经常进行短途的出行。他们还在一段时间内频繁出现在一些特定场所，如交通枢纽、购物区、景点等。

　　■温馨提示

　　平时怎么防小偷

　　首先是站台上的初步判断。虽然说站台上的乘客具有一定的流动性，但小偷一般都集中在几个固定的站台作案。小偷在站台上“蹲点”的时候有些规律可循。三五个人分散在站台上，眼睛一直盯着其他人的背包，而不是像其他人那样看着车开来的方向。在车上乘客少的情况下，跟着从站台挤到车门但不会直接上车。

　　小偷偷东西必须要近距离地接触失窃者，所以如果市民在车上发现有人突然推挤过来，就应该及时提高警惕，很可能是小偷在制造偷盗机会。市民在车上发现失窃一定要在第一时间里报警。在报警的同时要关上所有的车窗户和车门，在警察赶到之前要提醒车里的人相互监督，小偷为了迅速转移赃物，经常栽赃他人。

　　不管是自己被偷，还是看见他人被偷都要及时报警，有时候警察抓到一些小偷，他们交代了偷窃事实，但因为找不到失窃者造成取证困难。