重要通知:域名变更为m.bxuu.net请收藏
，某个地段发生概率非常小；比如这些盗窃案存在时间特征，一般年前、节前高发，夜晚高发，等等。
这些规律被找出来之后，开始将既往犯罪数据以时间、地点、人数、类型的参数输入地图中，在地图中进行综合分析。
通过各种算法寻找各关键参数之间的潜在规律之外，整个京都在地图上被划分成数以万计的单元空间，每个空间可能只代表一栋楼，一个院落，一座商场、一个小区之类的。
然后这些空间单元开始被赋值，既往的犯罪数据按照时间线在地图上打点，随着时间的推移，随着既往犯罪数据开始打点，整个京都内部十几万个单元的赋值开始变化。
赋的这个值其实就是该单元内，犯罪行为发生的概率值，这个值随时都处在变化过程中，并且时刻受到周围其他相邻单元的影响。
当既往犯罪数据随着时间轴的前进，逐步落点在地图上之后，每个单元的犯罪概率值在不断变化的同时，也开始不断的修正。
当整个20年的时间轴全部演进完成，某个单元即时的犯罪概率与时间、与周边单元犯罪发生、与犯罪类型等等之间的关系，就通过大数据算法被找出了各种潜在的规律。
这些规律被重新带入到计算方法中，更新犯罪概率的算法，让它与既往数据达到最佳的吻合，到了这时候，整个系统基本就调整完成。
它就可以开始预测将要发生的犯罪了，并且它还将根据最新的犯罪数据随时进行微调，始终保持最佳的预测状态。