呂飛

[摘 要]近年來(lái)，利用物流和快遞從事卷煙非法交易的違法犯罪活動(dòng)日益猖獗，隨著煙草行業(yè)打假打私力度不斷增大，各級(jí)煙草專賣管理部門在物流寄遞渠道均查獲了大量的涉煙案件數(shù)據(jù)。由于目前行業(yè)內(nèi)外鮮有對(duì)該類案件進(jìn)行大數(shù)據(jù)分析研究，因此，本文以理論結(jié)合實(shí)際，首先介紹了數(shù)據(jù)挖掘技術(shù)中聚類算法相關(guān)理論，重點(diǎn)對(duì)經(jīng)典K-Means算法及其相關(guān)改進(jìn)算法進(jìn)行了研究，然后以W市煙草專賣局的真實(shí)涉煙案件數(shù)據(jù)進(jìn)行實(shí)驗(yàn)仿真，通過(guò)分析歷史各類案發(fā)地址等信息，幫助煙草專賣執(zhí)法人員在涉煙案件經(jīng)營(yíng)偵辦、卷煙消費(fèi)市場(chǎng)監(jiān)管等方面開展精準(zhǔn)打擊、重點(diǎn)治理。

[關(guān)鍵詞]煙草專賣;市場(chǎng)監(jiān)管;數(shù)據(jù)挖掘;聚類分析;K-Means算法

doi：10.3969/j.issn.1673 - 0194.2019.22.077

[中圖分類號(hào)]TP391.3[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]1673-0194（2019）22-0-05

0? ? ?引 言

近年來(lái)，不法分子利用物流寄遞渠道，將非法卷煙銷往全國(guó)各地，嚴(yán)重干擾了正常卷煙市場(chǎng)秩序，使國(guó)家稅收流失，消費(fèi)者利益受到侵害。為進(jìn)一步加強(qiáng)對(duì)物流寄遞領(lǐng)域涉煙違法行為的監(jiān)管，自2016年起，煙草行業(yè)逐漸加大了對(duì)利用互聯(lián)網(wǎng)制售假冒卷煙犯罪活動(dòng)的打擊力度，積累了大量的物流寄遞渠道涉煙案件數(shù)據(jù)。但是，由于缺少大數(shù)據(jù)的整理整合以及內(nèi)在價(jià)值的挖掘分析能力，在目前的煙草專賣市場(chǎng)監(jiān)管和案件偵辦工作中，“數(shù)據(jù)豐富、情報(bào)匱乏、手段單一”的現(xiàn)象仍然存在。如何有效利用這些歷史案件數(shù)據(jù)，全面、客觀、系統(tǒng)地挖掘互聯(lián)網(wǎng)涉煙案件線索，深入拓展卷煙市場(chǎng)監(jiān)管的新領(lǐng)域，以實(shí)現(xiàn)新時(shí)期煙草專賣管理的高質(zhì)量發(fā)展，是目前迫切需要研究的課題。數(shù)據(jù)挖掘作為當(dāng)前一種新穎高效的數(shù)據(jù)分析手段，如今被廣泛應(yīng)用在各行各業(yè)，例如數(shù)據(jù)庫(kù)營(yíng)銷、客戶關(guān)系管理、顧客行為預(yù)測(cè)及市場(chǎng)趨勢(shì)預(yù)測(cè)等，在公安部門情報(bào)偵察、案件偵辦領(lǐng)域也發(fā)揮著舉足輕重的作用。因此，利用數(shù)據(jù)挖掘方法對(duì)物流寄遞渠道的海量涉煙案件數(shù)據(jù)進(jìn)行深入研究，充分挖掘犯罪數(shù)據(jù)中的犯罪規(guī)律、行為特征等情報(bào)價(jià)值，給煙草專賣市場(chǎng)監(jiān)管提供幫助，是讓沉淀的歷史案件數(shù)據(jù)發(fā)揮最大價(jià)值的有效途徑。對(duì)于如何運(yùn)用大數(shù)據(jù)分析方法對(duì)煙草專賣管理領(lǐng)域的案件數(shù)據(jù)進(jìn)行價(jià)值挖掘，行業(yè)內(nèi)外鮮有相關(guān)研究，而采用類似方法的研究課題大多集中在卷煙營(yíng)銷領(lǐng)域。本文基于數(shù)據(jù)挖掘中的聚類分析K-Means算法，圍繞互聯(lián)網(wǎng)涉煙案件中的大量案發(fā)地址數(shù)據(jù)，開展智能化自動(dòng)分類和輔助預(yù)警，以幫助一線煙草專賣執(zhí)法人員迅速了解和掌握管轄市場(chǎng)的違法犯罪活動(dòng)高發(fā)區(qū)域和活動(dòng)中心，準(zhǔn)確開展市場(chǎng)信息分析，全面推動(dòng)卷煙市場(chǎng)監(jiān)管由“人工經(jīng)驗(yàn)”向“數(shù)字決策”轉(zhuǎn)變。

1? ? ?聚類算法概述

1.1? ?聚類算法

聚類算法是一種非監(jiān)督機(jī)器學(xué)習(xí)算法，實(shí)質(zhì)是按照特定的標(biāo)準(zhǔn)把一組數(shù)據(jù)對(duì)象劃分成若干類子集或簇的過(guò)程，使同一個(gè)子集或簇的數(shù)據(jù)對(duì)象相似度盡可能大，不同子集或簇的數(shù)據(jù)對(duì)象差異性也盡可能大。即聚類后具有相似屬性的數(shù)據(jù)對(duì)象盡可能聚到一起，不同的數(shù)據(jù)對(duì)象盡量分離。聚類算法有很多種，分為劃分法、層次法、基于密度的方法、基于網(wǎng)格的方法、基于模型的方法等。每一類中都有目前廣泛應(yīng)用的算法，例如，劃分方法中的K-Means聚類算法、層次方法中的凝聚型層次聚類算法、基于密度方法中的DBSCAN聚類算法等。

1.2? ?經(jīng)典K-Means算法

經(jīng)典K-Means算法由于簡(jiǎn)單易實(shí)現(xiàn)且效率高，是聚類算法中最流行、使用最廣泛的算法。該算法主要采用距離作為相似性的評(píng)價(jià)指標(biāo)，認(rèn)為子集或簇是由距離靠近的對(duì)象組成，最終目標(biāo)是獲得緊湊且獨(dú)立的子集或簇。即以k為參數(shù)，把n個(gè)對(duì)象分成k個(gè)子集或簇，使子集或簇內(nèi)具有較高的相似度，而子集或簇間的相似度較低。經(jīng)典K-Means算法主要分為4個(gè)步驟。

步驟1：從樣本數(shù)據(jù)集中隨機(jī)抽取k個(gè)值作為初始簇的質(zhì)心。

步驟2：將每個(gè)剩余的樣本數(shù)據(jù)劃分到距離最近質(zhì)心所在的簇。

步驟3：重新計(jì)算每個(gè)簇內(nèi)樣本數(shù)據(jù)的質(zhì)心。

步驟4：重復(fù)步驟2和3，直到每個(gè)簇內(nèi)樣本數(shù)據(jù)的質(zhì)心不再變化或達(dá)到設(shè)定的迭代次數(shù)后停止。

在計(jì)算過(guò)程中，距離的計(jì)算采用歐式距離，在二維空間的計(jì)算公式如下。

ρ為迭代次數(shù)，k為簇的數(shù)目，n為數(shù)據(jù)個(gè)數(shù)。經(jīng)典K-Means算法的計(jì)算時(shí)間與n線性相關(guān)，所以該算法速度很快。

但是，經(jīng)典K-Means算法在開始之前，需要人工指定兩個(gè)參數(shù)：初始質(zhì)心和簇?cái)?shù)目k。初始質(zhì)心通過(guò)隨機(jī)選取，簇?cái)?shù)目k也憑經(jīng)驗(yàn)設(shè)定。這樣做的缺點(diǎn)是，如果初始質(zhì)心的位置選擇不當(dāng)，例如都在一個(gè)簇里面，那么不僅會(huì)大大增加迭代次數(shù)，最終的聚類結(jié)果也比較糟糕，往往只能得到局部最優(yōu)解。同樣，簇?cái)?shù)目k在聚類之前就設(shè)定也不符合工作實(shí)際，例如，專賣執(zhí)法人員在開展海量案件數(shù)據(jù)分析之前，不可能知道案發(fā)區(qū)域大致可以劃分為哪幾個(gè)塊。因此，需要對(duì)經(jīng)典K-Means算法進(jìn)行改進(jìn)，科學(xué)選擇初始質(zhì)心并初步確定最優(yōu)k值。

1.3? ?初始質(zhì)心的選擇

初始質(zhì)心的選擇方法有很多種，有經(jīng)典的隨機(jī)選擇、層次聚類、基于最近鄰密度等。本文主要基于K-Means++算法進(jìn)行初始質(zhì)心選擇改進(jìn)，具體步驟如下。

步驟1：從數(shù)據(jù)集中隨機(jī)選取一個(gè)樣本點(diǎn)作為初始質(zhì)心C1。

步驟2：計(jì)算每個(gè)樣本與當(dāng)前已有質(zhì)心之間的最短距離（即最近質(zhì)心的距離），即D（x）.

步驟3：計(jì)算每個(gè)樣本點(diǎn)被選為下一個(gè)質(zhì)心的概率：。

步驟4：按照輪盤法選擇出下一個(gè)質(zhì)心。

步驟5：重復(fù)步驟2、3、4，直到選擇出k個(gè)質(zhì)心;

步驟6：基于選定的質(zhì)心執(zhí)行經(jīng)典K-Means算法。

由以上步驟可以得知，除第一個(gè)質(zhì)心是隨機(jī)選擇以外，后繼是距離當(dāng)前已有質(zhì)心越遠(yuǎn)的樣本點(diǎn)有更高概率被選擇，當(dāng)然這也非常符合人們的直覺(jué)，即簇中心相互離得越遠(yuǎn)越好。

綜上所述，K-Means++與經(jīng)典K-Means的區(qū)別就在于初始質(zhì)心的選擇上，確定好初始質(zhì)心之后，其余步驟都同經(jīng)典K-Means一樣。例如，對(duì)于有12個(gè)樣本點(diǎn)的數(shù)據(jù)集，坐標(biāo)分布及序號(hào)如圖1所示。由圖1憑經(jīng)驗(yàn)可知，該數(shù)據(jù)集可以劃分為3個(gè)簇。假設(shè)第一個(gè)初始質(zhì)心隨機(jī)選擇了6號(hào)樣本，若按照經(jīng)典K-Means算法，則后續(xù)初始質(zhì)心中除6號(hào)以外的其余樣本點(diǎn)被選中的概率均等。若后續(xù)初始質(zhì)心仍然選中在B簇中的樣本點(diǎn)，則對(duì)合理聚類十分不利。在K-Means++算法中，從第二個(gè)初始質(zhì)心選擇開始，需要進(jìn)行以下概率計(jì)算。

從表1可以得知，下一個(gè)聚類中心點(diǎn)落在1～4點(diǎn)的概率區(qū)間為[0，0.391 304]（例如其分別落在點(diǎn)1、點(diǎn)2的概率為[0，0.086 957][0.086 957，0.228 261]），落在5～8點(diǎn)的概率區(qū)間為[0.402 174，0.434 783]，落在9～12點(diǎn)的概率區(qū)間為[0.521 739，1]。也就是說(shuō)，選到前4個(gè)點(diǎn)和后4個(gè)點(diǎn)的概率總和非常接近1，而這也是人們希望看到的，體現(xiàn)了質(zhì)心相互離得越遠(yuǎn)越好。此時(shí)，只要隨機(jī)生成一個(gè)0～1之間的數(shù)（如matlab中的rand函數(shù)），就能確定好下一個(gè)質(zhì)心（離當(dāng)前已有質(zhì)心較遠(yuǎn)的點(diǎn)有更大的概率被選為下一個(gè)質(zhì)心）。以此類推，當(dāng)k個(gè)初始質(zhì)心選好之后，繼續(xù)進(jìn)行經(jīng)典K-means算法。

1.4? ?最優(yōu)k值的確定

k值的設(shè)定直接決定了K-Means算法的聚類簇個(gè)數(shù)，如果設(shè)置不當(dāng)將直接影響聚類結(jié)果。以圖1樣本數(shù)據(jù)集為例，將k值分別設(shè)置為2和4時(shí)，聚類結(jié)果如圖2和圖3所示。由圖2和圖3可以得知，若k值設(shè)置不當(dāng)，聚類結(jié)果明顯不符常理。其實(shí)很多情況下，對(duì)數(shù)據(jù)集進(jìn)行簇劃分本身并沒(méi)有絕對(duì)清晰和正確的結(jié)論，這取決于人們對(duì)數(shù)據(jù)集本身意義的個(gè)體認(rèn)知。因此，研究能夠自動(dòng)求解正確k值的算法是非常困難的，只能從多個(gè)角度對(duì)k取值進(jìn)行評(píng)估。本文采用基于SSE指標(biāo)的評(píng)價(jià)方法對(duì)k值進(jìn)行評(píng)估，并給出最優(yōu)k值建議。

SSE（sum of the squared errors，誤差平方和）計(jì)算公式如下。

其中，Ci是第i個(gè)簇，p是Ci中的樣本點(diǎn)，mi是Ci的質(zhì)心（k中所有樣本的均值）。

核心思想是采用肘部法則，即隨著聚類數(shù)k的增大，數(shù)據(jù)集的劃分會(huì)更加精細(xì)，每個(gè)簇的聚合程度會(huì)逐漸提高，隨之誤差平方和SSE自然會(huì)逐漸變小。首先，當(dāng)k小于真實(shí)的聚類數(shù)時(shí)，由于k的增大會(huì)大幅增加每個(gè)簇的聚合程度，故SSE的下降幅度會(huì)很大。然后，當(dāng)k到達(dá)真實(shí)聚類數(shù)時(shí)，再增加k所得到的聚合程度回報(bào)會(huì)迅速變小，此時(shí)SSE的下降幅度會(huì)驟減。最后，隨著k值的繼續(xù)增大而趨于平緩。也就是說(shuō)SSE和k的關(guān)系圖是一個(gè)類似手臂肘部的形狀，而這個(gè)肘部對(duì)應(yīng)的k值就是數(shù)據(jù)集的最優(yōu)聚類數(shù)。當(dāng)然，肘部法則也存在一定缺陷，由于需要對(duì)每個(gè)k值進(jìn)行聚類，考慮到計(jì)算復(fù)雜度，所以k取值上限一般不超過(guò)10。不過(guò)對(duì)于研究地理區(qū)域劃分這一課題，本身對(duì)聚類結(jié)果的簇?cái)?shù)量沒(méi)有過(guò)多要求，一般也在10以內(nèi)，故該缺陷對(duì)本次研究沒(méi)有多少影響。

仍然以圖1數(shù)據(jù)為例，利用肘部法選取最優(yōu)聚類數(shù)k。具體做法是讓k從1開始取值，直到上限8，對(duì)每一個(gè)k值進(jìn)行聚類并且計(jì)算對(duì)應(yīng)的SSE，然后畫出k和SSE的關(guān)系圖，最后選取肘部對(duì)應(yīng)的k值作為最優(yōu)聚類數(shù)。由表2和圖4可以得知，肘部對(duì)應(yīng)的k值為3，因此對(duì)于圖1數(shù)據(jù)集而言，最佳聚類數(shù)應(yīng)該選3，這與觀測(cè)結(jié)果相吻合。

1.5? ?改進(jìn)后算法步驟

通過(guò)上述對(duì)經(jīng)典K-Means算法和相關(guān)改進(jìn)算法的研究，在一定程度上解決了局部最優(yōu)等問(wèn)題，減少了聚類迭代次數(shù)，提高了聚類效率，對(duì)聚類簇個(gè)數(shù)也進(jìn)行了評(píng)估并給出最優(yōu)解。改進(jìn)后計(jì)算步驟如下。

步驟1：對(duì)于給定樣本數(shù)據(jù)集，設(shè)置初始k值為1。

步驟2：若k=1，則隨機(jī)選擇1個(gè)質(zhì)心;若k>2，則計(jì)算每個(gè)樣本與已選質(zhì)心最短距離D（x）和被選中的概率P（x），用輪盤法選擇后續(xù)質(zhì)心。

步驟3：用選好的質(zhì)心和k值進(jìn)行經(jīng)典K-Means聚類，并計(jì)算SSE。

步驟4：k自增1，重復(fù)步驟2、4，直到k>8停止。

步驟5：比較k值與SSE關(guān)系，根據(jù)肘部法則確定最優(yōu)k值。

步驟6：根據(jù)最優(yōu)k值進(jìn)行改進(jìn)后的初始質(zhì)心選擇，并進(jìn)行經(jīng)典K-Means聚類。

2? ? ?實(shí)驗(yàn)仿真

為了進(jìn)一步驗(yàn)證上述算法理論在實(shí)際涉煙違法犯罪區(qū)域劃分中的應(yīng)用，本節(jié)選取W市煙草專賣局部分物流寄遞涉煙案件數(shù)據(jù)樣本進(jìn)行實(shí)驗(yàn)。W市位于A省南部，屬于A省物流寄遞業(yè)核心樞紐城市之一，大量寄往A省的物流快件均通過(guò)W市進(jìn)行中轉(zhuǎn)。2017年起，W市煙草專賣局全面貫徹行業(yè)相關(guān)工作要求，不斷加大對(duì)物流寄遞渠道涉煙違法犯罪活動(dòng)的打擊力度，違法卷煙查獲總量和人均查獲量穩(wěn)居A省前列，積累了大量的互聯(lián)網(wǎng)涉煙案件數(shù)據(jù)。同時(shí)，W市通過(guò)自行研發(fā)相關(guān)信息管理系統(tǒng)，在案件數(shù)據(jù)電子化歸檔的同時(shí)，對(duì)數(shù)據(jù)格式進(jìn)行了統(tǒng)一標(biāo)準(zhǔn)化處理，因此，數(shù)據(jù)有效性和規(guī)范化得到了保證。W市煙草專賣局關(guān)于物流寄遞涉煙案件數(shù)據(jù)管理系統(tǒng)中，數(shù)據(jù)庫(kù)的主體數(shù)據(jù)表結(jié)構(gòu)如表3所示（由于涉密原因，已略去部分無(wú)關(guān)字段）。

由表3可以看到，對(duì)于每起物流寄遞渠道涉煙案件，系統(tǒng)均記錄了收發(fā)貨地址信息及對(duì)應(yīng)的GIS經(jīng)緯度數(shù)據(jù)。本次實(shí)驗(yàn)采用Python編程實(shí)現(xiàn)，從數(shù)據(jù)庫(kù)中隨機(jī)選取了200起W市煙草專賣局2018年1-5月查獲的物流寄遞涉煙案件數(shù)據(jù)樣本，提取了每起案件的收貨地址GIS坐標(biāo)信息，繪制了散點(diǎn)圖，如圖5所示（由于案件地址GIS數(shù)據(jù)涉密原因，故事先對(duì)其進(jìn)行了統(tǒng)一標(biāo)準(zhǔn)換算）。

圖5中，每個(gè)圓點(diǎn)即為一起案件的收貨地點(diǎn)，下面對(duì)其進(jìn)行聚類分析。將k值設(shè)定為1～8后，統(tǒng)計(jì)每個(gè)k值的SSE結(jié)果，繪制關(guān)系圖，如圖6所示。

從表4可以得出，當(dāng)k取值為4時(shí)，前后折線斜率最大，即最優(yōu)聚類簇個(gè)數(shù)為4個(gè)。接著將k值設(shè)定為4，進(jìn)行經(jīng)典K-Means算法，并同時(shí)計(jì)算每個(gè)聚類簇的質(zhì)心，繪制聚類結(jié)果圖如圖7所示。由圖7可以得知，該200起案件數(shù)據(jù)樣本的案發(fā)地址大致可以劃分為4個(gè)區(qū)域，也就是說(shuō)，在W市的卷煙消費(fèi)市場(chǎng)中，這4個(gè)區(qū)域的消費(fèi)者或非法經(jīng)營(yíng)者從互聯(lián)網(wǎng)購(gòu)買非法卷煙的頻次較高。因此，在市場(chǎng)監(jiān)管實(shí)際工作中，專賣市管員、稽查員要對(duì)這4個(gè)區(qū)域，特別是以“★”為代表的中心區(qū)域進(jìn)行重點(diǎn)走訪和調(diào)查。

3? ? ?指導(dǎo)實(shí)踐

3.1? ?發(fā)揮大數(shù)據(jù)情報(bào)導(dǎo)偵優(yōu)勢(shì)，助力物流寄遞涉煙犯罪精準(zhǔn)打擊

由于物流、快遞業(yè)的快速發(fā)展以及其方便快捷、隱蔽性強(qiáng)、偽裝手段多等特點(diǎn)，越來(lái)越多的不法分子選擇通過(guò)物流寄遞渠道進(jìn)行制售假冒偽劣卷煙。目前，W市煙草專賣局采取“現(xiàn)場(chǎng)檢查、人工排查”的方式，選派若干名專賣執(zhí)法人員進(jìn)駐各物流快遞企業(yè)城市分撥中心，與公安部門、郵政管理部門等工作人員一起，對(duì)每天運(yùn)抵的各類包裹進(jìn)行集中排查。由于通過(guò)物流寄遞渠道進(jìn)行涉煙非法犯罪活動(dòng)通常具有“螞蟻搬家”等少量、多頻次的特點(diǎn)，因此，每起查獲的物流寄遞案件的收發(fā)貨面單信息均應(yīng)納入重點(diǎn)檢查名單，特別是查獲頻次較高和收件地址較為集中的面單信息。在實(shí)際工作中，由于目前缺少先進(jìn)的數(shù)據(jù)分析方法，負(fù)責(zé)現(xiàn)場(chǎng)檢查的執(zhí)法人員只能根據(jù)自身經(jīng)驗(yàn)，對(duì)印象中經(jīng)常查獲的收件人和收件地址進(jìn)行重點(diǎn)檢查，這種方法受個(gè)人能力影響較大，容易遺漏關(guān)鍵人員地址等信息，且不利于執(zhí)法人員之間的情報(bào)溝通交流。2018年7月，W市煙草專賣局在自行研發(fā)的案件管理系統(tǒng)中采用了包括改進(jìn)K-Means聚類算法在內(nèi)的大數(shù)據(jù)分析方法，在幾分鐘之類即可對(duì)歷史案發(fā)地址進(jìn)行歸類總結(jié)，并建立了情報(bào)溝通交流信息群，將近期的案發(fā)熱點(diǎn)區(qū)域和臨近的收件地址直接分發(fā)至每位現(xiàn)場(chǎng)執(zhí)法人員處，確保了情報(bào)信息的研判及時(shí)、內(nèi)容完整、溝通有效。2018年，W市煙草專賣局在物流寄遞渠道共查獲各類涉煙非法包裹7 706件，假冒卷煙762.1萬(wàn)支，查獲總量和人均查獲量實(shí)現(xiàn)了A省的“雙第一”。

3.2? ?深化大數(shù)據(jù)在APCD工作法中的運(yùn)用，助力卷煙消費(fèi)市場(chǎng)精準(zhǔn)治理

卷煙市場(chǎng)監(jiān)管工作是煙草專賣管理工作基石，是維護(hù)卷煙市場(chǎng)經(jīng)營(yíng)秩序的基本措施。為了全面變革多年以來(lái)專賣市場(chǎng)監(jiān)管“地毯式檢查”的粗放管理模式，煙草行業(yè)從2014年起全面推行“APCD”工作法，為傳統(tǒng)的工作模式注入新鮮血液，是煙草市場(chǎng)檢查方法的創(chuàng)新之舉?！癆PCD”工作法指通過(guò)將零售市場(chǎng)檢查工作劃分為“A分析”“P計(jì)劃”“C檢查”和“D處理”4個(gè)環(huán)節(jié)，通過(guò)對(duì)卷煙經(jīng)營(yíng)數(shù)據(jù)分析、綜合監(jiān)管信息分析隨時(shí)掌握市場(chǎng)異常情況，找出市場(chǎng)檢查的重點(diǎn)對(duì)象，由此可見，該工作方法重在A分析階段。在實(shí)際工作中，煙草專賣市場(chǎng)管理員雖然能夠通過(guò)業(yè)務(wù)系統(tǒng)對(duì)卷煙零售戶的經(jīng)營(yíng)數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)并分析異常，但是對(duì)卷煙零售戶的銷售行為數(shù)據(jù)和消費(fèi)者的實(shí)際需求了解十分有限，缺少必要的信息獲取渠道。實(shí)際上，物流寄遞渠道查獲的涉煙案件數(shù)據(jù)中包含了大量的行為信息，收件人、收件地址、卷煙品牌規(guī)格等數(shù)據(jù)能夠?yàn)榫頍熓袌?chǎng)監(jiān)管工作提供大量的情報(bào)來(lái)源。由于缺少高效的分析手段，采用人工的方式在數(shù)以萬(wàn)計(jì)的物流寄遞涉煙案件中進(jìn)行犯罪行為規(guī)律查找和統(tǒng)計(jì)分析難以實(shí)現(xiàn)，大量的案件數(shù)據(jù)被束之高閣，其中蘊(yùn)含的有價(jià)情報(bào)線索白白流失。

2018年7月以來(lái)，W市煙草專賣局采用聚類算法對(duì)物流寄遞涉煙案件的收貨地址進(jìn)行自動(dòng)劃分，并對(duì)劃分后各區(qū)域內(nèi)的零售戶基本資料和經(jīng)營(yíng)數(shù)據(jù)進(jìn)行對(duì)比，特別是對(duì)以“★”為代表的中心區(qū)域零售戶進(jìn)行經(jīng)營(yíng)數(shù)據(jù)和違法行為的關(guān)聯(lián)分析，迅速定位疑似進(jìn)行假冒偽劣卷煙批發(fā)行為的零售戶或嫌疑人，為一線市場(chǎng)檢查執(zhí)法人員在“A分析”階段提供了高效的研判結(jié)論，也為專賣案件稽查人員提供精準(zhǔn)的情報(bào)來(lái)源，為全面實(shí)現(xiàn)情報(bào)導(dǎo)偵和精準(zhǔn)打擊奠定了堅(jiān)實(shí)的基礎(chǔ)。2018年，W市煙草專賣局市場(chǎng)檢查環(huán)節(jié)查獲案件數(shù)量同比增長(zhǎng)11.7%，查獲卷煙數(shù)量同比增長(zhǎng)50.3%，成效十分顯著。

4? ? ?結(jié) 語(yǔ)

本文運(yùn)用聚類算法中的經(jīng)典K-Means算法及其相關(guān)改進(jìn)算法分析了互聯(lián)網(wǎng)涉煙案件地址數(shù)據(jù)，對(duì)案件發(fā)生區(qū)域進(jìn)行了聚類劃分，并指出了中心區(qū)域。與傳統(tǒng)方法相比，基于聚類的K-Means算法在檢測(cè)的精準(zhǔn)度上可能略有不足，但應(yīng)用便捷、簡(jiǎn)潔高效，對(duì)訓(xùn)練數(shù)據(jù)集的要求低，特別是對(duì)于給定一定數(shù)量的案件數(shù)據(jù)，可以在無(wú)須人工干預(yù)的前提下快速進(jìn)行犯罪活動(dòng)高發(fā)區(qū)域劃分，并尋找中心點(diǎn)，以此不斷挖掘出潛在情報(bào)線索。該方法可以幫助煙草專賣執(zhí)法人員在大量案件數(shù)據(jù)中快速了解案情，在卷煙消費(fèi)市場(chǎng)監(jiān)管和涉煙案件分析研判領(lǐng)域有廣泛的應(yīng)用前景。該方法適用的前提是涉煙案件地址GIS數(shù)據(jù)必須準(zhǔn)確，否則運(yùn)行結(jié)果將不具備指導(dǎo)意義。同時(shí)，該方法對(duì)“噪聲”樣本點(diǎn)和孤立樣本點(diǎn)較為敏感，少量該類數(shù)據(jù)可能對(duì)最終結(jié)果產(chǎn)生影響，加上尚未考慮每個(gè)樣本點(diǎn)的本身“大小”因素，即每起案件的案值不一，因此，如何“降噪”和對(duì)樣本點(diǎn)“大小”因素進(jìn)行額外加權(quán)評(píng)估，將是下一步工作需要繼續(xù)研究的課題。

主要參考文獻(xiàn)

[1]朱明.數(shù)據(jù)挖掘[M].北京：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2008.

[2]張素潔，趙懷慈.最優(yōu)聚類個(gè)數(shù)和初始聚類中心點(diǎn)選取算法研

究[J].計(jì)算機(jī)應(yīng)用研究，2017（6）.

[3]孫吉貴，劉杰，趙連宇.聚類算法研究[J].軟件學(xué)報(bào)，2008（1）.

[4]賈瑞玉，宋建林.基于聚類中心優(yōu)化的K-means最佳聚類數(shù)確定方法[J].微電子學(xué)與計(jì)算機(jī)，2016（5）.

[5]翟東海，魚江，高飛，等.最大距離法選取初始簇中心的K-means文本聚類算法的研究[J].計(jì)算機(jī)應(yīng)用研究，2014（3）.

[6]錢政.Android平臺(tái)下基于改進(jìn)的K-means酒店信息聚類算法[J].淮海工學(xué)院學(xué)報(bào)：自然科學(xué)版，2014（4）.

[7]王旭仁，李娜，何發(fā)鎂，等.基于改進(jìn)聚類算法的網(wǎng)絡(luò)輿情分析系統(tǒng)研究[J].情報(bào)學(xué)報(bào)，2014（5）.

[8]黎光譜.改進(jìn)K-Means聚類算法在基于Hadoop平臺(tái)的圖像檢索系統(tǒng)中的研究與實(shí)現(xiàn)[D].廈門：廈門大學(xué)，2014.

[9]徐春光.基于語(yǔ)義分析和改進(jìn)K-means算法的新聞熱點(diǎn)提取方法研究[D].北京：北京化工大學(xué)，2014.

[10]雷蓓麗.對(duì)打擊互聯(lián)網(wǎng)涉煙違法犯罪的思考[J].新西部，2012（12）.

[11]韋穎藝.淺析打擊互聯(lián)網(wǎng)涉煙違法犯罪中電子證據(jù)采信與運(yùn)用[C].//廣西煙草學(xué)會(huì)2018年論文匯編，2018.

[12]劉澤林.淺析新形勢(shì)下“互聯(lián)網(wǎng)+物流寄遞”涉煙違法行為監(jiān)管難點(diǎn)及對(duì)策[J].經(jīng)貿(mào)實(shí)踐，2018（13）.

[13]趙將.基于改進(jìn)K-means聚類的推薦方法研究[D].武漢：華中科技大學(xué)，2016.