动态性数据预测引导侦查方法研究

薛亚龙,刘如意

(宁夏警官职业学院刑事司法系，宁夏 银川 750021)

以“互联网+”、物联网、人工智能等为代表的新型科学技术正在数据驱动创新时代高速发展，不仅使社会中的人、事、物不断呈现出数据化生存态势，而且各种数据还以多样性和爆炸性的形式迅猛产生，促使社会中的一切事物均以数据化的生存为其发展和前进的必然趋势。然而，社会的数据化在给人们带来优质、高效、便利生活条件的同时，也带来了智能化、虚拟化等新型高科技犯罪类型，造成案件中的犯罪情势具有突出的数据化生态趋势，致使传统侦查方法难以应对数据驱动创新时代各种严峻的犯罪情势。一个时代，侦查方法的创新与选择不仅取决于一个国家传统的侦查文化和侦查体制因素，还与特定时代的侦查主体、侦查客体、侦查环境等侦查情势紧密相关。基于此，为了能够及时、有效应对各种新型严峻数据化生态的犯罪情势，就必然需要创新和选择具有时代特色和价值的侦查方法。因此，在数据驱动创新侦查工作的时代，动态性数据预测引导侦查不仅能够及时、有效应对数据化生态严峻犯罪情势的必然趋势，而且是变革侦查理念和创新侦查方法的内在迫切需求，进而为案件的侦查工作提供广阔的侦查思路和快速有效的案情研判能力，从而实现“科技强警、数据导侦”的侦查价值。

一、动态性数据预测引导侦查的内涵与属性

英国法哲学家郝伯特·哈特曾指出：“任何一个法律、法学的词语都没有确定的、一成不变的意义，而是依其被使用的语境有着多重意义，只有弄清这些语境，才能确定它们的意义。”[1]从语义学角度考察，方法主要是指各种事物过程的典型方式，且在不同的语境内赋予其不同的内涵属性。侦查方法最显著的特点就是，其具有高度的概括性和抽象性，进而能够对各种同类和不同类的侦查过程展开系统性的比较研究。显然，侦查方法并不是对侦查过程进行细致、全面的描述，而是对侦查过程中若干基本规律进行高度抽象概括而得出的行为范式。诚然，动态性数据预测引导侦查作为在数据驱动创新时代侦查工作的一种新型侦查方法，就必然有其与传统侦查方法所区别的特殊内涵范畴。

(一)动态性数据预测引导侦查的内涵

动态性数据是与“互联网+”、物联网、人工智能等大数据科学技术密切相关的一个核心专业术语，主要是指信息通过异步变化的后续更新而形成有用的信息，是记录和反映一个组织完成的交互活动(或业务事务)且随时间变化而变化的数据。[2]动态性数据阐述了一个数据与技术的新范畴，即通过动态性数据搜集、动态性数据处理、动态性数据仓库构建、动态性数据挖掘与分析以及动态性数据展示服务等一系列步骤程序，从结构化数据、半结构化数据、非结构化数据、异化数据等各种动态性数据中寻找和获取具有相关性价值的数理关系。使用传统的技术方法难以对其展开系统性的挖掘与分析，急需采用数据流聚类挖掘、数据流异常检测、数据流分类挖掘等现代数据算法技术方法进行实时快速处理。虽然动态性数据能够覆盖在数据驱动创新时代社会中所涉及人、事、物等几乎所有的数据化生存的记录和存储，但是这些动态性数据只有经过对动态性数据搜集、动态性数据处理、动态性数据仓库构建等步骤、程序才能够挖掘分析出其背后与侦查情势具有相关性价值的数理关系。否则，其只能是没有侦查价值的纯理论意义的动态性数据。

“互联网+”、物联网、人工智能等大数据科学技术的高速发展，促使社会进入一个以动态性数据为核心的数据驱动创新时代。这不仅使社会中人、事、物等行为活动的记录和存储发生了根本性的变革，还给犯罪行为提供了数据化生存态势的虚拟环境“土壤”，致使出现传统侦查方法难以应对犯罪情势呈现数据化态势发展的侦查僵局。针对犯罪情势呈现数据化态势的突出特点，侦查人员应该与时俱进、主动积极利用数据流聚类挖掘、数据流异常检测、数据流分类挖掘等现代动态性数据算法技术方法不断变革和创新侦查方法。将动态性数据贯穿于侦查方法的全过程，使侦查方法应用的任何环节都包含大量的动态性数据，实现动态性数据和侦查方法的互相结合，不仅涵盖从微观上对犯罪时空、犯罪痕迹、犯罪工具等刑事案件构成要素的分析，而且要包括侦查人员从宏观上对侦查情势所作出的侦查预测和侦查决策等所有的案件侦查工作。根据动态性数据的内涵与属性，挖掘与分析动态性数据内在具有侦查价值的相关数理关系，从而实现动态性数据预测引导侦查的价值效果。诚然，将动态性数据应用到案件的侦查方法之中，既是数据驱动创新时代侦查方法发展的必然趋势，也是变革和创新侦查方法内在的本质需求。因此，动态性数据预测引导侦查是数据驱动创新时代侦查方法发展的必然产物。笔者认为，动态性数据预测引导侦查是指侦查人员针对预谋未发生的犯罪行为或已实施的犯罪行为，通过对动态性数据采取搜集、处理、仓库构建等步骤程序，深入挖掘与分析动态性数据与案件犯罪情势之间隐藏的具有相关性的内在数理关系，构建起动态性数据与案件中犯罪行为和非犯罪行为互相链接、互相交互的框架识别与评估体系，促使动态性数据起到侦查预测或引导案件侦查的价值作用，从而达到揭露犯罪和证实犯罪的一种新型侦查方法。当然，动态性数据预测引导侦查并不是一种完全依赖动态性数据挖掘与分析的算法技术方法，而是以“虚拟网络空间”为重要场所，以“动态性数据”为载体，以“动态性数据算法”为工具，以“预测引导侦查”为核心目的，集动态性数据预测引导侦查的特有理念、思维、方法等为一体的全新现代化侦查方法。

(二)动态性数据预测引导侦查的属性

1.动态性数据预测引导侦查的动态性。动态性数据预测引导侦查的动态性既包括案件内外因素相互作用的动态性数据，又包括案件中动态性数据变化的方向和发展的态势。势即态势之意，主要是指在动态性数据预测引导侦查应用过程中包含人为、易变、环境以及潜在性的案件动态性数据，其与“形”相对应，后者主要包含在动态性数据预测引导侦查中能动或随机的动态性数据。动态性数据预测引导侦查最显著的特征就是它会随着侦查人员、犯罪嫌疑人以及侦查环境等具有“混沌”体系的动态情势而发生变化。这不仅是侦查人员通过动态性数据预测引导侦查方法对动态性数据的挖掘与分析，而且是侦查人员对虚拟网络空间犯罪时空节点的重建。然而，动态性数据预测引导侦查的动态性是随着其侦查情势的发展而变化的。现实中，既有有利于案件侦查的侦查情势，又有不利于案件侦查的侦查情势，因此，侦查人员只能通过对主观和客观、内在和外在、必然和偶然等具有“混沌”体系的侦查情势进行认识和把握，只有全面、客观地掌握动态性数据预测引导侦查的动态性属性，才能够促使侦查人员及时地在与犯罪嫌疑人进行“活力对抗”的侦查情势中把握主动权，进而有效地转变侦查思维和提升侦查效能，避免出现侦查错误甚至陷入侦查僵局。

2.动态性数据预测引导侦查的开放性。就动态性数据预测引导侦查的动态性而言，动态性数据预测引导侦查是由众多具有动态性的“混沌”体系构成的。如果侦查人员想对案件中动态性数据预测引导侦查的相关数理关系进行研判从而做出准确的侦查预测，就必然要掌握动态性数据预测引导侦查内在和外在相互的作用形式，这样才便于侦查人员在“活力对抗”的动态性数据预测引导侦查中对动态性数据的挖掘与分析占据主动权，达到侦查决策的准确性和优化性。同时，根据系统学和耗散学的原理可知，动态性数据预测引导侦查中的各相关性要素主要以系统性形式呈现和发展，这些具有相关性的动态性数据之间处于互相联系、共同作用的模式。然而，动态性数据预测引导侦查的核心价值就是要促使侦查人员实现侦查预测的精准性和侦查决策的最优化，动态性数据预测引导侦查相关性的强弱关系取决于各要素与其内核位置互相连接而形成的类似蜘蛛网络系统的“横断剖面”。各个相关性要素在动态性数据预测引导侦查中均呈现出指向性和根源性的特征情势，其中有的相关性要素处于或靠近案件的核心位置，那么该要素就在动态性数据预测引导侦查研判中处于强相关态势；反之，则处于弱相关态势，部分甚至还会脱离动态性数据预测引导侦查这个“混沌”系统，不会对动态性数据预测引导侦查起到任何作用。因此，动态性数据预测引导侦查具有典型的开放性特征，促使动态性数据预测引导侦查中的各相关性要素时刻与侦查主体、侦查客体、侦查环境等进行数据信息的交换。诚然，只有在动态性数据预测引导侦查过程中树立开放性的侦查思维，才能够促使侦查人员更加准确地掌握各种制约或影响动态性数据预测引导侦查的诸多因素，才能在动态性数据预测引导侦查过程中掌握侦查情势变化发展的主导性。

3.动态性数据预测引导侦查的多样性。在传统实体静态物理空间侦查方法应用的过程中，侦查人员往往搜集的数据呈现类型少、数量少、质量不高以及挖掘与分析数据方法技术不足等现象。而在以动态性数据为核心的侦查方法时代，时刻都会在虚拟网络空间产生海量复杂的动态性数据，且会以结构化数据、半结构化数据、非结构化数据以及异构化数据等不同类型或标准的形式给予记录和存储，即使是“僵尸数据”也有其存在的必要性。动态性数据数量的海量性、类型的复杂性、内容的动态性以及算法的智能性也就决定了动态性数据预测引导侦查具有多样性的属性。诚然，传统的侦查思维是一种逻辑性思维，是阶梯式的，遵循思维规律和方法进行侦查假设，然后进一步验证，按部就班地再现案件全貌，为侦破案件提供充分的理由和依据。[3]正是由于动态性数据预测引导侦查具有多样性的属性范畴，不仅能够给侦查人员提供海量内容丰富的数据情报，而且能够为案件侦查方法提供各种专业化和智能化的智能算法，从而为案件侦查提供更多的方法路径。动态性数据预测引导侦查的多样性属性具体包含三个方面内容：第一，侦查理念、侦查经验等组合的多样性。在动态性数据预测引导侦查的过程中，侦查人员要转变传统实体静态物理空间中的侦查理念、侦查经验以及侦查思维等，就要将传统实体静态物理空间的侦查理念、侦查经验以及侦查思维等与虚拟网络空间的动态性数据预测引导侦查方法互相组合和互相创新，研究和创新在动态性数据预测引导侦查中应用新的侦查思维、侦查理念以及侦查经验等，进而为动态性数据预测引导侦查提供多样的侦查途径。第二，侦查假设的多样性。动态性数据预测引导侦查的多样性属性有助于侦查人员充分发挥侦查假设的多样性，侦查人员不仅可以利用侦查逻辑、侦查启发、侦查推理等方法对侦查情势全面展开分析与研判，而且能够从侦查之上、侦查之中、侦查之前、侦查之后以及侦查之下等多维度对案情提出侦查假设，从而有效拓展侦查思维和突破侦查僵局。第三，选择侦查突破口的多样性。动态性数据预测引导侦查具有很强的侦查实践性，对案件中侦查突破口的正确选择则是其实现侦查价值的关键性体现。动态性数据预测引导侦查的多样性属性有利于侦查人员及时发现犯罪情势中的反常数据、异常数据、重复数据等具有可疑性的动态性数据，从而有助于侦查人员从这些可疑的动态性数据中发现和寻找出更多的案件侦查突破口。

4.动态性数据预测引导侦查的整体性。在传统实体静态物理空间的侦查方法应用中，侦查人员发现和获取数据情报能力和水平的局限性，使其在面对大量复杂的数据时只能采取局部抽样的侦查搜集方法。即使侦查人员采取具有科学性的局部抽样侦查搜集方法技术获取到数据情报，也无法搜集和获取整体性的数据情报资料，这必然造成部分具有侦查价值的数据被遗漏。显然，在传统实体静态物理空间侦查方法应用中，侦查人员对数据的搜集方法带有明显的抽样特征，主要表现为两个方面：第一，侦查的取证方面。侦查人员受自身认知能力、时空条件以及侦查客观环境等的局限，其发现人员和获取的数据只是整个数据的一部分或少部分，而其余大量的数据没有或难以进入侦查工作的视野，从而游离于侦查方法之外。第二，侦查的现场重建方面。事实还原过程带有“原子主义模式”的色彩，证明力取决于单个证据及离散式系列推理，事实认定由零散证据的证明力聚合、拼凑而成。[4]侦查人员获取数据能力和范围的有限性，使犯罪现场重建的案件事实很可能不够客观全面，部分还会由于数据线索或证据的不足从而选择法律真实而放弃对客观事实的追求。诚然，通过单个证据的收集审查去认定案件事实，实际上是“利用样本来推断总体”的统计方法。[5]

然而，在以动态性数据为核心的数据驱动创新侦查工作的新时代，侦查人员有条件和能力搜集、获取某个侦查目标的所有动态性数据，从而能够对案件中的侦查情势展开全景式的侦查启发和侦查预测。一方面，虚拟网络空间赋予侦查人员获取动态性数据整体性的可能性。侦查人员利用动态性数据预测引导侦查进行取证，虽然所搜集或获取的与该刑事案件具有相关数理关系的动态性数据或许属于少部分，但是能够在相对范围内搜集或获取整体性的动态性数据，通过对动态性数据相关性的挖掘与分析实现对案件事实因果关系的全面研判和认定。另一方面，动态性数据预测引导侦查的整体性有助于提高犯罪现场重建的客观性和全面性。在虚拟网络空间赋予侦查人员获取动态性数据整体性的侦查情势条件下，侦查人员根据已被收集或获取的整体性动态性数据情报，不仅能够全面地对犯罪现场进行重新构建，还能够对案件中的客观事实进行客观分析与还原。

二、动态性数据预测引导侦查的构成要素

数据是静态的，动态性数据是动态的。动态性数据是使大数据从“静态”转型为“动态”的应用过程，掌握该应用过程转型的范式是理解动态性数据预测引导侦查构成要素的关键性条件。动态性数据挖掘与分析作为数据驱动创新时代的核心技术方法，最初被应用于医疗、金融、传媒等应用场景。随着动态性数据研究的不断深入和发展，其应用场景的范围越来越广，程度也越来越深。显然，动态性数据应用本质上就是利用动态性数据来推动相关应用场景内工作的不断前进和发展。诚然，动态性数据的应用场景为动态性数据预测引导侦查提供了所必需的经验条件。因此，基于发生学的研究范畴，从动态性数据的应用场景角度提出关于动态性数据预测引导侦查的三大构成要素——技术(Technology)、资源(Resource)与思维(Thinking)，即TRT模型，通过分析TRT各要素相互之间的结构关系，从而为深入论证动态性数据预测引导侦查的空间价值优势奠定坚实的基础。

(一)动态性数据预测引导侦查的技术要素

各种大数据技术方法的不断发展，使动态性数据猛增。由于社会生活和生产方式的变革，现代社会产生的动态性数据是工业传感器、互联网、移动数码等固定和移动设备产生的结构化、半结构化和非结构化等数据的总和。[6]这些动态性数据不仅具有数量的海量性、类型的复杂性、内容的动态性等特点，而且使用传统常规的技术方法难以完成对其进行实时的搜集、处理以及挖掘与分析，这就要有对其进行实时搜集、处理、仓库构建以及挖掘与分析的技术支撑。动态性数据之所以能够被实时地搜集、处理、仓库构建以及挖掘与分析，并不是由于动态性数据自身是否存在，而是在于有了数据流聚类挖掘、数据流异常检测、数据流分类挖掘等各种现代动态性数据算法技术。就动态性数据预测引导侦查的技术方法而言，其包含诸如动态性数据预测引导侦查的搜集、处理、控制、传递、清洗、挖掘与分析以及展示服务等系列的应用技术。动态性数据预测引导侦查的技术系统，已经涵盖了动态性数据预测引导侦查的基础层(如数据传输器、服务器)、技术层(如动态性数据处理技术、动态性数据仓库构建技术、动态性数据挖掘与分析技术)以及应用层(如动态性数据的展示、动态性数据的服务)等系统。这些动态性数据预测引导侦查的系列技术系统已经在社会各个部门、企业、个体中逐步展开，尤其是动态性数据预测引导侦查的搜集技术会依据案件中侦查情势发展的不同需求而不断搜集各种历史数据、当前数据以及更新数据，而这些数据共同构成了动态性数据预测引导侦查中的数据情报源。正是这些动态性数据情报源的不断变化和更新，才促使动态性数据预测引导侦查的应用技术亦与时俱进地被变革和创新。诚然，动态性数据情报源来源于各种数据搜集、数据处理以及数据挖掘与分析等技术更新，而动态性数据在动态性数据预测引导侦查中的价值作用也来源于各种数据处理的技术更新。因此，当动态性数据与侦查方法相结合而形成动态性数据预测引导侦查时，其不仅是动态性数据预测引导侦查的第一要素，而且是动态性数据预测引导侦查的一种外在技术要素，这也是动态性数据预测引导侦查内在最本质的属性。

(二)动态性数据预测引导侦查的资源要素

在动态性数据预测引导侦查的实践中，动态性数据在其中发挥着至关重要的作用，有利于“主动出击、精确打击”与“科技强警、数据导侦”的全面贯彻和落实。一方面，动态性数据预测引导侦查有利于实现对犯罪嫌疑人人员类别的准确预测。通过动态性数据预测引导侦查的搜集和处理流程，将历史数据、当前数据、更新数据等动态性数据情报源存储到动态性数据预测引导侦查的数据仓库之中，进而利用动态性数据中的决策树、神经网络、关联规则等挖掘与分析算法，促使侦查人员能够在海量、复杂、分散的动态性数据中分析和归纳出犯罪嫌疑人人员类别的基本规律，然后围绕其构建犯罪嫌疑人人员类别的风险预测模型，最后通过与动态性数据犯罪规律规则库进行识别与评估，从而实现对犯罪情势中犯罪嫌疑人人员类别的准确预测。另一方面，动态性数据预测引导侦查有利于侦查人员根据侦查情势的发展及时、有效地修正和调整侦查决策。针对数据驱动创新时代虚拟网络空间犯罪情势数据化生态的范式属性，利用其在虚拟网络空间中犯罪时间、犯罪空间、犯罪痕迹、犯罪工具、犯罪方式等数据化趋势特征，侦查人员在动态性数据预测引导侦查过程中能够对其展开犯罪时空热点的矩阵分析、犯罪关系网络的节点分析、犯罪体系的指标分析等侦查启发式的决策分析方法，促使侦查人员利用动态性数据预测引导侦查的决策指挥综合平台根据案件不同时空内犯罪情势的发展变化规律，对案件中的侦查决策进行实时、有效的修正和调整。

“动态性数据源于信息技术的变革，进而逐渐成为一种重要的资源，它使各种物质生产要素因新技术的介入而提高创新能力，形成内生性增长。”[7]动态性数据预测引导侦查作为一种资源，既是动态性数据各种算法技术应用的必然结果，也是动态性数据挖掘与分析价值的内在体现，还是动态性数据预测引导侦查构成要素中的核心要素。因此，动态性数据预测引导侦查在对案件的侦查过程中具有重要的价值引领作用，不仅能够对各种结构化数据、非结构化数据、半结构化数据以及异构化数据等动态性数据情报源进行搜集、处理、仓库构建，还能够实时、有效地对虚拟网络空间犯罪情势中的历史数据、当前数据、更新数据等采取清洗、挖掘与分析以及展示服务等，进而使侦查人员能够深入挖掘与分析出隐藏在各种动态性数据背后的具有侦查价值的相关性数理关系，为案件侦查的预测引导提供必不可少的基础和前提，从而使得动态性数据预测引导侦查成为对案件侦查预测和引导的一种重要资源。

(三)动态性数据预测引导侦查的思维要素

技术的产生和变革并不能直接引起实践的创新，它需要通过主体的不断应用与发展才能够实现价值，而其被应用的过程本质其实就是一场思维变革的过程。正如学者维克托·迈尔-舍恩伯格所言，“大数据开启了一次重大的时代转型……大数据正改变我们的生活以及理解世界的方式”[8]。同时，“大数据与三个重大的思维转变有关，这三个转变是相互联系和相互作用的：首先，要分析与某事物相关的所有数据，而不是依靠分析少量的数据样本。其次，我们乐于接受数据的纷繁复杂，而不再追求精确性。最后，我们的思维发生了转变，不在探求难以捉摸的因果关系，转而关注事物的相关关系”[9]。显然，就动态性数据预测引导侦查的搜集、处理、仓库构建以及挖掘与分析等技术而言，动态性数据预测引导侦查既是侦查思维变革的结果，又是侦查思维创新发展的源泉。

数据流聚类挖掘、数据流异常检测、数据流分类挖掘等动态性数据算法技术的产生与发展，不仅给结构化数据、非结构化数据、半结构化数据以及异构化数据等动态性数据的搜集、处理以及仓库构建等提供了技术方法的支撑，而且给各种动态性数据之间的互相聚类和互相融合提供了必要条件。如果说静态封闭的数据是沉睡的资源，那么没有互相交互和互相融合的数据则是一盘散沙，也就不是动态性数据预测引导侦查中的数据情报源。一言以蔽之，动态性数据预测引导侦查应用过程，就必然要求侦查人员改变传统的侦查思维方式，树立动态性数据预测引导侦查的全新侦查思维认知模式。首先，由因果思维转向相关思维。“因果关系是一种线性思维的存在，是由于人们没有办法掌握和某一类事物相关的全部信息。”[10]然而，在动态性数据预测引导侦查过程中，侦查人员通过对各类动态性数据的挖掘与分析不但能够寻找和发现其背后隐藏的具有相关性的数理关系，还能够对已挖掘与分析出来的诸如住宿关系、同行关系、老乡关系、同学关系以及同狱关系等犯罪情势中的社会网络关系展开点度中心度、中介中心度、接近中心度等节点的归纳分析，帮助侦查人员寻找整个犯罪情势网络关系中占据主导或控制地位的犯罪中心节点，进而更加深入地研判各个犯罪节点与犯罪中心节点之间的相互关系，从而促使侦查人员对犯罪情势的研判获得新的认知思维。其次，由抽样思维转向整体思维。侦查人员在传统抽样思维转向数据驱动整体思维的引领下，运用动态性数据预测引导侦查中聚类分析、关联规则分析等相关性的技术算法，能够掌握虚拟网络空间犯罪情势中的犯罪时间、犯罪空间、犯罪工具、犯罪方式等更多犯罪数据化生态的规律特点，从而准确把握犯罪情势的变化发展趋势，及时、有效地作出准确的侦查预测和侦查决策。最后，由客观事实理性思维转向主观事实感性思维。在动态性数据预测引导侦查应用过程中，侦查人员所关注的对侦查情势发展有价值的具有相关数理关系的动态性数据，是犯罪情势的客观事实及其变化规律的理性探索转化的能够呈现犯罪嫌疑人行为感性认知的相关性数据。言外之意，没有犯罪嫌疑人涉嫌犯罪行为就没有犯罪嫌疑人涉嫌犯罪行为的相关动态性数据，而没有犯罪嫌疑人的思考与决定也就没有犯罪嫌疑人的涉嫌犯罪行为。显然，涉嫌犯罪行为的动态性数据是犯罪嫌疑人主观意识的产物，而基于动态性数据预测引导侦查所搜集的历史数据、当前数据以及更新数据等动态性数据情报源不仅具有犯罪情势客观性的属性，还具有在虚拟网络空间主观性的属性。所以，动态性数据预测引导侦查思维是侦查人员合法、有效地展开动态性数据预测引导侦查的搜集、处理、仓库构建以及挖掘与分析的一种能力和意识，是对案件中的犯罪情势展开侦查预测和侦查引导的思维范式。

三、动态性数据预测引导侦查的空间价值优势论证

大数据时代的数据化生存与犯罪的数据化态势，决定了侦查情势发展动态性和能动性的内涵范畴，也必然促使情报侦查方法发生根本性转变。动态性数据预测引导侦查是数据驱动创新时代侦查方法的必然选择，这不仅是对犯罪数据化态势发展进行预防与控制的内在要求，而且是动态性数据挖掘与分析和侦查方法互相结合的必然趋势，还是提升侦查效能和拓展侦查方法的本质创新需求，具有数据驱动创新时代转型的重要空间价值优势。

(一)创建以动态性数据为衔接的双向侦查模式

在传统侦查方法的实践中，侦查人员形成两种典型的侦查模式，即“从事到人”的侦查模式和“从人到事”的侦查模式。“从事到人”的侦查模式是针对立案时侦查人员只知涉嫌犯罪行为而不知谁为犯罪嫌疑人的情况，只能以已知的涉嫌犯罪行为为侦查的逻辑起点，逐步通过对该涉嫌犯罪行为的侦查进而达到揭露犯罪和证实犯罪的一种侦查方法。而“从人到事”的侦查模式是以已知的犯罪嫌疑人为侦查的逻辑起点，围绕犯罪嫌疑人展开侦查进而查清涉嫌犯罪事实以及认定犯罪嫌疑人是否有罪的一种侦查方法。一般而言，“从事到人”主要包括以因果关系、作案规律、作案手段、并案侦查等为切入点的侦查方法，[11]都是将“何事”作为侦查的逻辑起点，而将“何人”作为侦查的终点目标，从而形成诸如“何事—何时—何人”、“何事—何地—何人”、“何事—何故—何人”、“何事—何物—何人”、“何事—何情—何人”等带有摸底排队属性的侦查思路。[12]这就是传统“从事到人”侦查模式的内涵。诚然，与“从事到人”侦查模式相类似的“从人到事”侦查模式，也具有与此相同或相类似的方法选择。然而，在数据驱动创新的数据化生存时代，很多犯罪行为都发生在与之具有相关性的虚拟网络空间之中，迫使“何事”和“何人”需要横跨传统实体静态的物理空间与数据驱动创新时代的虚拟网络空间。即便侦查人员提前获知了案件中的“何事”，也难以通过“何时”、“何情”、“何地”、“何物”等传统侦查途径而查清“何人”，毕竟这些传统的侦查途径不具备将传统实体静态的物理空间与数据驱动时代的虚拟网络空间互相衔接的侦查功能。同理，“从人到事”的传统侦查模式也具有相似的侦查僵局现象。因此，创建以动态性数据为衔接的双向侦查模式就显得迫在眉睫。

以动态性数据为衔接的双向侦查模式是指以动态性数据为传统实体静态物理空间和数据驱动时代虚拟网络空间两者之间的衔接纽带从而展开的一种双向侦查模式。其主要包含两个步骤：第一，“从事到动态性数据”阶段。侦查人员首先需要了解和掌握案件中涉及“何事”的各种侦查情势动态，然后通过“何事”寻找和搜集与其具有相关性的动态性数据，而这些动态性数据既包括涉及犯罪工具、犯罪手段、犯罪痕迹以及犯罪时空的动态性数据，又包括涉及犯罪预谋、犯罪过程、犯罪动机以及犯罪赃物等的动态性数据。第二，“从动态性数据到人”阶段。“从事到动态性数据”的侦查阶段之后，侦查人员的主要任务就是通过对虚拟网络空间的深入挖掘与分析，最后挖掘出与案件具有相关性的该动态性数据的所有者或使用者，即该动态性数据曾经或现在被谁所掌控或使用。诚然，这种“从事到动态性数据再到人”的侦查模式也同样可以被应用于“从人到动态性数据再到事”的侦查模式，其动态性数据预测引导侦查应用的原理和方法是相类似的。因此，动态性数据预测引导侦查是一种新型的“事—数据—人”或“人—数据—事”的侦查模式，其是以虚拟网络空间中的动态性数据为衔接纽带的一种双向侦查模式。创建以动态性数据为衔接的双向侦查模式，不仅是转变侦查思维和拓展侦查方法的内在需求，而且是在虚拟网络空间中预防和打击数据化犯罪优势的必然选择。

(二)实体侦查与虚拟侦查相结合的必然产物

随着“互联网+”、物联网、人工智能等科学技术的迅猛发展，只要人们使用现代科学技术，就可能会形成一个虚拟的网络空间，如手机基站虚拟网络空间、计算机区域虚拟网络空间以及数据库虚拟网络空间等。虚拟网络空间既可能是主体犯罪现场，也可能是关联犯罪现场；既可能与犯罪情势具有直接性，也可能与犯罪情势具有间接性，记录和存储与犯罪嫌疑人或涉案物品等具有相关性的动态性数据，此特点为实现实体侦查与虚拟侦查的结合提供了可行性。例如，在动态性数据预测引导侦查应用的“从事到动态性数据”阶段，侦查人员尽管主要采用了对虚拟网络空间的动态性数据预测引导侦查方法，但并不排斥传统实体静态物理空间侦查方法的存在；而在“从动态性数据到人”阶段，侦查人员虽然采取了传统实体静态物理空间的侦查方法，但也不拒绝采取虚拟网络空间的动态性数据预测引导侦查方法。实现传统实体侦查与虚拟侦查相结合的新格局，是数据驱动时代动态性数据预测引导侦查方法发展的必然趋势。

显然，虚拟网络空间使传统实体侦查的途径发生了重大的变革，在传统实体侦查的基础之上又增加了虚拟侦查的途径，为案件侦查提供了新的侦查途径和侦查思维，改变了传统实体侦查应用的资源和类型结构，促使传统实体侦查方法发生根本的变革是其必然性的趋势。犯罪嫌疑人反侦查行为和意识的不断提高与强化，造成传统实体静态物理空间的手印、足迹、工具痕迹等的实物证据和形态痕迹的现场遗留率和出现率呈现逐渐下降的趋势，给传统实体侦查带来了严峻的挑战。同时，在流动人口犯罪较多的现代犯罪情势背景下，受属地性、区域性、封闭性等限制或制约，传统实体侦查难以对犯罪嫌疑人跨区域流动性的犯罪行为进行快速有效的侦查，更加不具有数据驱动创新时代虚拟侦查独有的动态性、关联性、整体性以及多样性等显著的价值优势。“实体侦查是一种高投人、高风险、低收益的侦查活动。而虚拟侦查可以在短暂的时间内，随时改变数据查询的条件，调整侦查路径，实现不同的侦查目标。”“侦查工作就不应该仍然固守于实体侦查的范围内，就必须而且也应该强化虚拟侦查工作。实体侦查和虚拟侦查双管齐下，相辅相成，各显神通，方能确保侦查效果和整个破案率的稳定与提升。”[13]因此，在数据驱动创新侦查工作时代，动态性数据预测引导侦查是由传统实体侦查转向传统实体侦查与虚拟侦查相结合的必然产物。

(三)后置性思维转向前瞻性思维的迫切需求

基于保障人权和打击犯罪的目的，犯罪行为成为侦查程序启动的逻辑起点。这虽然能够最大限度地保障公民的私权利不受非法侦查行为的侵犯，但是造成了侦查行为具有突出的被动性和滞后性，往往致使侦查人员形成一种滞后性的侦查思维。侦查人员的这种典型的后置性侦查思维是基于我国《刑事诉讼法》立案方面的规定与犯罪行为发生逻辑的必然性选择，实质上并没有任何不足和错误，侦查启动只是侦查机关对查明案件事实真相的一种态度。[14]只是数据驱动创新侦查工作时代对侦查人员的侦查思维提出了更高侦查效能的期待和要求，不得不从被动后置性侦查思维转向主动前瞻性侦查思维。

所谓前瞻性侦查思维是指，侦查人员基于“主动出击、精确打击”的侦查目的，主动积极搜集涉嫌犯罪情报和线索，树立最大限度减少或降低犯罪行为危害后果的侦查思维，其最大的价值在于利用数据技术及方法对涉嫌犯罪行为进行研判与预防。结合动态性数据预测引导侦查的内涵与属性，可以直接凸显出侦查人员利用动态性数据预测引导侦查，促使完成从后置性侦查思维转向前瞻性侦查思维的技术优势，且此侦查思维的转向是以数据驱动创新时代物联网、“互联网+”、人工智能等科学技术为重要保障的。在动态性数据预测引导侦查的侦查情势引领下，侦查人员在侦查技术与方法上能够不断创新和拓展，如构建动态性数据预测引导侦查技术平台，创建动态性数据预测引导侦查技战法，成立动态性数据预测引导侦查指挥中心以及建立动态性数据预测引导侦查挖掘与分析流程框架等。一言以蔽之，侦查人员只需要一台联网的电脑就能够利用动态性数据预测引导侦查方法顺利启动侦查工作和挖掘分析侦查线索，实现“主动出击、精确打击”的侦查目的。同时，在动态性数据情报的挖掘与分析过程中，公安管理业务数据、情报侦查业务数据、社会各管理与服务数据以及其他党政机关、企事业单位和个人的数据等动态性数据情报库的日趋完善和协作共享，更是为侦查预测和侦查引导的前瞻性侦查思维提供了强有力的数据情报源动力支撑。诚然，从后置性侦查思维转向前瞻性侦查思维模式，就本质而言，前瞻性侦查思维只是侦查人员对涉嫌犯罪行为采取情报侦查技术与方法的研判与预防，价值在于帮助侦查人员树立最大限度减少或降低犯罪行为危害后果的侦查思维。因此，就动态性数据预测引导侦查的空间价值优势和前瞻性侦查思维的价值效果而言，动态性数据预测引导侦查是促使从后置性侦查思维转向前瞻性侦查思维迫切的内在需求。

(四)把握从“侦查破案”到“侦查定案”时代机遇的要求

从动态性数据预测引导侦查发展的内在本质需求而言，其面临的最大发展机遇是国家法治体系的建设。这需要侦查人员紧紧把握住法治体系建设的时代机遇，实现对动态性数据预测引导侦查方法转型的顺利完成。在传统实体静态物理空间的侦查方法中，侦查人员往往是以“侦查破案”为侦查工作的核心目的。在“侦查破案”思维的引导下，为了实现打击犯罪和快速破案的侦查目的，在侦查实践过程中侦查人员形成了以“从事到人”和“从人到事”为主的两种传统侦查思维，且以抓获犯罪嫌疑人为其最终侦查目标。虽然在传统实体静态物理空间侦查思维的引导下，侦查人员不仅能够实时快速地发现或获取到有效的侦查线索，还能够及时地确定侦查方向和划定侦查范围，促使侦查人员能够快速地锁定犯罪嫌疑人，从而达到“侦查破案”的目的。然而，为了能够快速实现和达到“侦查破案”的侦查目的，有时侦查人员在侦查过程中会出现采取不当侦查措施、滥用侦查权力等相关问题，造成案件出现侦查错误或致使案件陷入侦查僵局，甚至导致冤假错案的发生。

国家法治建设的不断发展，给侦查工作带来了时代机遇。尤其是“审判中心主义”的刑事诉讼程序改革，使得案件从侦查阶段到审判阶段建立了侦查程序和审判程序的衔接桥梁，促使侦查人员能够全面贯彻和落实“以事实为依据，以法律为准绳”的刑事诉讼原则和理念，使侦查终结的案件能够经受得起法律的检验。这使侦查人员深刻反思传统实体静态物理空间侦查思维的局限性，特别是“侦查破案”思维的滞后性已经无法满足“审判中心主义”的刑事诉讼程序改革对侦查终结提出的新要求，需要侦查人员从传统“侦查破案”的侦查思维转型为数据驱动创新时代“侦查定案”的新型侦查思维模式。在“侦查定案”新型侦查思维模式引领下，侦查人员并不仅仅以查获犯罪嫌疑人为侦查目标，而是在揭露犯罪和证实犯罪的侦查过程中，能够保证案件侦查线索或证据的发现、控制、利用以及侦查程序的运行均符合《刑事诉讼法》和《公安机关办理刑事案件程序规定》等法律法规的要求，树立“审判中心主义”刑事诉讼法治理念，确保“侦查定案”能够经受得起法律的检验和考验。侦查人员在“侦查定案”思维过程中，不仅能够落实“审判中心主义”刑事诉讼程序改革理念的实质化和实现侦查方法应用的严谨化、系统化以及科学化，还能够进一步在侦查阶段推进国家法治体系的构建和进步。因此，侦查人员只有把握住国家法治建设发展的科学内涵和理念的要求，抓住数据驱动创新侦查工作时代动态性数据预测引导侦查的新型侦查思维和方法，才能全面推动侦查工作从传统的“侦查破案”思维到数据驱动创新时代的“侦查定案”思维的全面顺利转型，促进侦查工作更加科学化和法治化，促使“审判中心主义”刑事诉讼程序改革理念能够真正全面贯彻和落实到侦查方法应用的整个过程中，从而对国家法治建设起到促进作用。

四、动态性数据预测引导侦查的应用方法探究

动态性数据预测引导侦查的应用方法是整个动态性数据预测引导侦查工作的核心内容，只有依靠科学有效的动态性数据预测引导侦查的应用方法，才能够发现和寻找出其背后具有相关性数理关系的数据情报价值。不同动态性数据预测引导侦查应用方法的特点和优势，将解决不同案件中侦查情势发展所面临和需求的数据情报问题。

(一)时态数据的空间分析法

时态数据的空间分析法是动态性数据预测引导侦查中最为直接、简单，常用的一种应用方法。其主要原理为，将动态性数据预测引导侦查的数据情报源依据时间的性质划分为各个不同的动态性数据情报片段，然后对每个动态性数据情报的片段采取空间分析模型进行可视化或统计的分析；侦查人员对不同片段的动态性数据空间分析所获取的情报结果进行分析与归纳，从而发现在动态性数据预测引导侦查过程中不同侦查目标在不同时空内的情势变化规律和发展趋势。按照动态性数据预测引导侦查应用中时态数据空间分析的视角领域差异，其又可以分为描述性统计的时态数据空间分析、核密度的时态数据空间分析以及空间统计的时态数据空间分析等三种方法。

第一，描述性统计的时态数据空间分析。标准椭圆和平均中心是描述性统计的时态数据空间分析中最为常见的两种具体方法，将动态性数据情报按照不同的时间属性划分为不同的片段类型，用标准椭圆和平均中心的两种模型分别对各个动态性数据情报片段展开分析和研判，进而帮助侦查人员获取到不同侦查目标在不同时间阶段内的不同空间状态情势的分布。第二，核密度的时态数据空间分析。在动态性数据预测引导侦查应用的过程中，侦查人员除了熟悉不同侦查目标在不同时空内分布的情势变化规律和特征之外，掌握其热点的动态性分布也是一项非常重要的侦查任务，而核密度的时态数据空间分析就是应用可视化效果最好和使用频率较高的一种方法。与描述性统计的时态数据空间分析不同，核密度的时态数据空间分析的主要原理为给动态性数据预测引导侦查中的侦查目标赋予一定的概率密度函数关系，进而促使侦查人员能够实时快速获取到该侦查目标在案件侦查情势空间中的分布基本规律。如果将动态性数据情报按照时间属性划分为不同的片段，并对其采取核密度的热点时态数据空间分析，那么就会促使侦查人员能够直接掌握案件中不同侦查目标热点在不同时间内变化的犯罪情势基本规律。第三，空间统计的时态数据空间分析。与传统点状数据的空间分析相比较而言，动态性数据预测引导侦查中的空间统计时态数据空间分析以区域面单位为研究范畴，其显著的优势在于，空间统计的时态数据空间分析以统计学理论为基础，对案件侦查情势中空间热点的识别与评估主要根据统计分析、统计检验以及统计修正等范式而获取，从而避免侦查人员单一依据传统侦查经验进行分析判断而造成侦查错误等现象的出现。

(二)时空风险的探测分析法

犯罪时间和犯罪空间是刑事案件构成中最为重要的两个要素，也是动态性数据预测引导侦查中必须分析的两个重要侦查目标。空间的犯罪情势是犯罪活动在特定的时间内在空间维度上反映其变化基本规律和特征的总体趋势，其不仅能够反映出犯罪活动在地理空间上分布的热点区域，还促使侦查人员能够进一步寻找和发现影响犯罪行为的外部客观的犯罪环境客体因素。显然，犯罪活动并非在时间上是连续发生的，而是存在着一定的时间分布规律。所以，传统实体静态物理空间的侦查方法往往忽略了犯罪活动的时间属性，更侧重于在犯罪空间内寻找犯罪的热点区域，进而致使对犯罪空间的侦查信息出现不完整的局限性。诚然，从犯罪时空角度分析和研判犯罪情势的活动变化规律和特征对动态性数据预测引导侦查具有重要的侦查价值。

近年来，随着各学科领域内研究范式方法互相交互和互相借鉴，一种被称为临近重复性(Near Repeat, NR)的时空风险探测的分析方法逐渐引起社会的高度重视，并在多个领域内得到有效的应用。所谓的临近重复性是指一个事件发生后，在相邻很近的距离和相隔很短的时间内，同样的事件再次发生的概率将会大大增加。而临近重复性的时空风险探测分析就是指在地理空间上的某个地点如果出现一起涉嫌犯罪案件，那么在案发时间很短的时间内离其很近的距离内再次出现与其相同或相似的涉嫌犯罪案件的概率就会大大增加。这种临近重复性的时空风险探测分析的本质其实就是犯罪嫌疑人以及犯罪行为的重复惯性，即重复犯罪和重复被害等。也就是说，在犯罪情势发展过程中，某一个时间段、地点、犯罪目标以及某一个被害人面临再次被侵害的可能性往往大过其他未发生过犯罪情势的时空范围，即重复出现或邻近重复出现犯罪次数的概率较高。临近重复性的时空风险探测分析的原理主要包含两个方面：第一，旗帜理论(Flag theory)。旗帜理论主要是指某空间区域内存在多个潜在犯罪现场而导致犯罪出现率在短时间内较高。第二，提升理论(Boost theory)。提升理论主要是指受到犯罪嫌疑人自身心理因素的影响，认为在曾经犯罪过的空间地点再次犯罪的话，其犯罪会更加容易得手，从而导致犯罪嫌疑人再次回到原案发地点或相邻的地方实施犯罪活动。所以，侦查人员应用临近重复性的时空风险探测分析方法，不仅能够快速有效地对犯罪率较高的地点、时间、目标以及被害人等犯罪热点目标展开识别与评估，还能够对预谋类等涉嫌犯罪案件采取“主动出击、精确打击”的侦查策略，从而实现“科技强警、数据导侦”的侦查效果。

(三)时空热点的矩阵分析法

动态性数据预测引导侦查的一个重要目标就是给具体侦办案件的侦查人员提供及时有效的数据情报支持，以便更好地实现动态性数据预测引导侦查工作的展开，然而目前存在一个瓶颈问题，即动态性数据情报应用各种技术方法被挖掘与分析出来以后很难与具体案件侦查工作较好地衔接起来，最主要的原因为动态性数据预测引导侦查思维与案件侦查思维仍然存在部分脱节现象。显然，对于情报侦查部门而言，其主要的任务就是通过动态性数据预测引导侦查方法对各类结构化数据、非结构化数据以及异构化数据等动态性数据进行挖掘与分析，进而发现各种动态性数据背后与案件侦查情势具有相关性的数理关系；而对侦办案件的侦查人员来说，如何将利用动态性数据预测引导侦查方法所挖掘与分析出来的犯罪情势发展变化的规律和特征等动态性数据情报转换成能够为案件的侦查工作提供及时有效帮助的侦查指南，却是其不得不思考的问题。因此，将利用动态性数据预测引导侦查所发现和获取的数据情报转换成案件侦查人员的侦查线索或证据是当前动态性数据预测引导侦查应用过程中一个急需解决的紧迫问题。

从犯罪时空分析的维度而言，对犯罪时空情势进行分析和研判最重要的价值是为侦查人员侦办案件提供“数据导侦”的预测引导作用。时空热点的矩阵分析法能够在动态性数据预测引导侦查应用过程中促使被挖掘分析出来的动态性数据情报与案件的侦办工作及时有效地互相衔接起来。所谓时空热点的矩阵分析就是一种在动态性数据预测引导侦查过程中应用于分析犯罪时空中的犯罪热点并被侦查人员用来预防犯罪和打击犯罪的挖掘与分析的侦查策略。显而易见，时空热点的矩阵分析法是侦查人员在案件侦查中针对情报需求提出的一种具有创新性的新型动态性数据预测引导侦查的应用方法。其应用原理为将犯罪时空内的犯罪热点分为三种不同类型的犯罪时空热点形态，然后重新进行互相组合，构建起类似矩阵范式的分析结果和预防对策。第一种类型：分散的时空热点矩阵分析，即所发生的涉嫌犯罪案件均匀分布在整个犯罪时空热点所覆盖的范围之内，如一个小区被发现是入室盗窃发生的高发区域，但是在该小区内几乎每栋楼发生入室盗窃案件的频率次数都是相同的。第二种类型：聚集的时空热点矩阵分析，即在犯罪空间热点所覆盖的范围内涉嫌犯罪的案件形成一个局部的聚集中心，如一个小区被发现是入室盗窃发生的高发区域，但是大部分入室盗窃犯罪的案件都集中发生在该小区的某几栋楼之中。第三种类型：热点的时空热点矩阵分析，即在犯罪空间热点所覆盖的范围内涉嫌犯罪的案件几乎都发生在同一位置，如一个小区被发现是盗窃汽车的高发区域，但是几乎所有的涉嫌盗窃汽车的犯罪案件都发生在该小区的同一固定位置。因此，在动态性数据预测引导侦查应用的过程中，时空热点矩阵分析的不同形态和互相组合情势以及其所分析的结果和防控对策建议，促使侦查人员能够根据不同犯罪时空热点矩阵的犯罪情势采取具有针对性的预防性侦查措施，从而为案件的侦查工作提供实时有效的情报预测引导侦查指南。

(四)空间锚点的预测分析法

侦查人员利用犯罪嫌疑人的空间轨迹不仅能够对其空间活动的变化规律情势进行分析和研判，还能够对其空间活动的规律情势展开针对性的侦查预测。所谓空间锚点的预测分析是指在案件犯罪情势发展过程中，根据犯罪嫌疑人在犯罪空间内所遗留下的一系列空间活动轨迹，对犯罪嫌疑人的空间锚点位置展开预测的一种情报分析方法。

根据在动态性数据预测引导侦查过程中空间锚点预测分析法应用的范畴和属性内容，笔者认为，侦查人员应该掌握以下重要事项：第一，空间锚点预测分析只适用于单一犯罪嫌疑人的系列案件侦查。利用犯罪空间内遗留下的犯罪嫌疑人空间轨迹，经过挖掘与分析来预测其所在的空间锚点位置，则需要侦查人员寻找和搜集大量、有效的动态性数据情报。从犯罪嫌疑人的犯罪特征来说，不但该系列性涉嫌犯罪案件是由单一犯罪嫌疑人所实施的具有连续性的涉嫌犯罪行为，而且该犯罪嫌疑人在每次实施涉嫌犯罪行为过程中都会在犯罪空间内遗留下相同或类似的犯罪空间标识。所以，只有单一犯罪嫌疑人实施的系列性涉嫌犯罪案件才能够利用空间锚点预测分析法对其进行空间锚点位置展开挖掘与分析的侦查预测。第二，空间锚点的预测分析需要掌握案件中准确的犯罪情势空间数据。交通便利、城市功能、犯罪地形、犯罪目标等犯罪情势的主客观环境都会影响和限制犯罪嫌疑人在犯罪空间内所进行的活动轨迹行为，显然不同类型的犯罪嫌疑人在犯罪空间内的活动轨迹也不尽相同。由于空间锚点预测分析应用的主要目的就是利用犯罪嫌疑人在犯罪空间内所遗留下的活动轨迹挖掘与分析预测犯罪嫌疑人所在的空间锚点位置，这就必然要求其所依据的犯罪嫌疑人在犯罪空间内活动轨迹的数据情报准确，否则对犯罪嫌疑人空间位置的预测就会出现严重的偏差。第三，空间锚点预测分析的目标是犯罪嫌疑人空间锚点的分布区域，而不是预测犯罪嫌疑人空间锚点所在的具体位置。众所周知，犯罪嫌疑人在犯罪空间内的活动轨迹是其随机性和确定性互相交互的复杂动态结果，即使获取到犯罪嫌疑人全部有效的犯罪空间活动轨迹的精确数据情报也难以对其空间锚点所在的具体位置进行精确的预测。显而易见，空间锚点预测分析的情报结果只能是犯罪嫌疑人所在空间锚点的分布区域，而非其精确的空间锚点位置。第四，空间锚点预测分析的情报结果是犯罪嫌疑人所在空间的锚点位置，但不一定就是其具体落脚点的地理位置。一般而言，犯罪嫌疑人在犯罪空间内的活动轨迹可被划分为两种类型，即狩猎型和通勤型。对于犯罪嫌疑人狩猎型犯罪空间活动的轨迹而言，因为犯罪嫌疑人主要以其落脚点或居住地为中心外出实施涉嫌犯罪行为，所以可以利用空间锚点的预测分析来挖掘与分析犯罪嫌疑人的空间锚点位置，即犯罪嫌疑人的居住地或落脚点。然而，对于犯罪嫌疑人通勤型犯罪空间活动的轨迹来说，由于犯罪嫌疑人并不是以其居住地或落脚点为中心而外出实施涉嫌犯罪行为，而是以其平时活动较为熟悉的空间锚点为犯罪空间的原点，所以侦查人员利用空间锚点预测分析的犯罪嫌疑人锚点位置就必然不是其居住地或落脚点。因此，在动态性数据预测引导侦查应用过程中，侦查人员应该了解和掌握空间锚点预测分析法的优点和不足，因地制宜、有的放矢地采取空间锚点的预测分析法，从而充分发挥空间锚点预测分析法在动态性数据预测引导侦查应用方法中的侦查价值。

(五)风险评估与预测的分析法

目前，侦查机关通过“互联网+”、物联网以及身份识别等各种数据挖掘与分析技术方法已经搜集了海量的动态性数据情报源，而这些动态性数据情报源已在侦查机关预防犯罪和打击犯罪等方面发挥出了显著的价值作用，其中对犯罪嫌疑人的风险评估与预测是其最为突出的价值。所谓风险评估与预测的分析是指，侦查人员综合利用犯罪嫌疑人的各种动态性数据情报信息，经过对其背后具有相关性的数理关系进行多维度挖掘与分析，再进一步对犯罪嫌疑人的人员类别属性的风险进行评估与识别，然后根据被评估后人员类别的风险等级发出预警情报，最后依据该预警情报作出具有针对性的侦查预测。

风险评估与预测分析主要是通过对犯罪嫌疑人采取标签化的动态性数据情报挖掘与分析而实现的，不仅包括犯罪嫌疑人的年龄、民族、籍贯、职业领域以及学历背景等个人身份类的动态性数据情报，还包括交易记录、交通记录、住宿记录、旅游记录、社会关系、家庭关系以及同行伴随记录等轨迹类和关系类的动态性数据情报。在对犯罪嫌疑人风险评估与预测分析过程中，侦查人员首先通过犯罪嫌疑人标签化的动态性数据情报来分析和归纳其基本的犯罪情势规律和特点，然后利用具有共性类的犯罪情势对犯罪嫌疑人的风险评估与预测展开模型构建。对于犯罪嫌疑人风险评估与预测分析模型的构建主要包括两个阶段程序：第一，搜集犯罪嫌疑人具有标签化的动态性数据情报。在搜集犯罪嫌疑人标签化动态性数据情报的过程中，应尽量让搜集的覆盖面具有全面性，重点搜集犯罪嫌疑人个人基本数据、社会关系数据、历史活动轨迹数据、空间地理活动数据等典型的动态性数据情报源，然后围绕这些被搜集的动态性数据情报展开统计与分析，不但要统计、分析犯罪嫌疑人在同类犯罪情势特征上的分布变化规律，还需要统计、分析其在不同类犯罪情势特征上的分布变化规律。第二，构建犯罪嫌疑人风险评估与预测的模型。依据第一阶段程序所做出来的统计、分析结果，侦查人员需要对犯罪嫌疑人的风险评估与预测进行模型构建，具体模型构建包括两种方式，即简单的线性构建模型和复杂的机器学习构建模型。简单的线性构建模型是指依据被统计分析出来的犯罪嫌疑人犯罪情势的基本特征，然后确定犯罪嫌疑人群体几类具有关键性的重要属性特点，最后通过对其构建简单的规则进行风险评估与预测。基于简单线性构建模型的风险评估与预测的分析法的优点是设置规则简单，构建模型的难度较低，质量性较高，但是由于是简单线性构建的模型，造成其对风险评估与预测的准确性主要依据规则构建模型的合理性和科学性。而相对于简单的线性构建模型而言，复杂的机器学习构建模型所依赖的动态性数据情报的精确性要求较高，所以其对风险评估与预测的准确性也就比较高。而复杂机器学习构建模型的主要原理为：侦查人员通过对搜集到的动态性数据情报建立训练数据集，选择合适的动态性数据挖掘与分析的算法，然后构建适合案件侦查情势发展的动态性数据的训练模型，最后将构建的动态性数据的训练模型结果应用于预测引导案件具体的侦查之中。

(六)关系网络的节点分析法

在对动态性数据预测引导侦查的数理关系挖掘与分析体系中，关系类的数理关系占据非常重要的比例。如同学关系、老乡关系、家庭关系、同住关系以及同行关系等都属于关系类的数理关系，基本上与人员个体相关的数理关系都具有关系类的属性。显然，在动态性数据预测引导侦查中，关于犯罪嫌疑人人员之间具有关系类关系的数据情报非常丰富，而挖掘与分析这些关系类的动态性数据情报信息，构建动态性数据预测引导侦查中的关系网络，对确定侦查方向、划定侦查范围以及侦查预测、侦查引导等侦查工作具有特别重要的情报价值。

在关系网络节点分析的应用中，其研究的范畴是社会关系网络，即使用社会关系网络中的核心部分图来表示其具体的网络节点结构，而图就是将内在的各种系列节点互相衔接起来的桥梁。其中节点不仅是关系网络节点分析中最小的单元，还是不同关系类数据在社会网络中的具体行动者。具有桥梁作用的连线是社会关系网络中两个节点之间的联系，连线可以代表同行关系、同学关系以及共案关系等不同类型的任何社会关系。关系网络节点分析的侦查价值就是利用社会网络中的核心节点来挖掘与分析在其中具有主导或控制地位属性的节点，进而促使侦查人员能够及时有效地发现和寻找在案件犯罪情势中具有重要影响力指标价值的点的中心度。点的中心度根据在关系网络节点分析中价值属性的不同，可以分为三个方面类别：第一，点度中心度。点度中心度又被划分为绝对点度中心度和相对点度中心度。绝对点度中心度是指在案件的网络关系中与节点直接相连的其他节点的个数，而相对点度中心度是指其绝对点度中心度与案件网络关系中具有最大可能性节点的度数之比。诚然，在关系网络节点分析过程中，点度中心度的数值越大，那么这个节点就会与关系网络中更多的其他节点进行互相链接，也就是说该节点就越处于该关系网络节点中的核心位置，而所拥有的动态性数据预测引导侦查的价值也就越来越高。第二，中介中心度。中介中心度是指在关系网络中全部节点经过该节点之间测地线所占的比例，中介中心度所测的数值越大，就表明该节点所具有的动态性数据预测引导侦查的价值越大，也就离整个关系网络中核心位置越来越近。第三，接近中心度。接近中心度是指在关系网络中其他节点数除以该节点与其他节点的距离之和，如果接近中心度的数值越大，那么该节点在关系网络中情报传递方面就更加具有优势，从而也就越来越接近关系网络的核心位置。因此，在动态性数据预测引导侦查的应用过程中，侦查人员利用关系网络节点分析的原理与方法，能够对在动态性数据预测引导侦查中对各种关系类的数据关系进行定性和定量方面的衡量与评估，通过点度中心度、中介中心度以及接近中心度等具体的算法进行计算和比对，及时有效地挖掘与判断出具有案件侦查价值的各种关系数据的情报节点。

“违法犯罪不是网络空间的独特现象，但是网络放大了人类社会中好与坏的方面……我们必须找到对付犯罪的新手段。”[15]“互联网+”、物联网、大数据以及人工智能等科学技术的迅猛发展，使网络空间成为人们生活中重要的组成部分。同样，对于在数据驱动创新侦查工作而言，搜集和获取与案件犯罪情势相关的各种动态性数据情报已是一个迫在眉睫的侦查任务，可见由传统实体静态物理空间的侦查方法转型为数据驱动创新时代虚拟网络空间的动态性数据预测引导侦查方法已是侦查方法发展的必然趋势。因此，本文通过对动态性数据预测引导侦查的内涵与属性、构成要素、空间价值优势以及具体应用方法展开系统的理论探讨，期待不仅促使侦查人员能够有效转变侦查思维和创新侦查模式，而且能够实现提升侦查效果和避免侦查僵局的出现，从而实现“科技强警，数据导侦”的侦查价值。