1.一种基于时空聚类统计进行城市犯罪风险评估的方法，其特征在于：包括如下步骤：Step1：收集城市犯罪数据生成城市犯罪数据库；

Step2：获取数据库中数据，并给数据库中每个区域和时间周期内的数据添加辅助数据；

Step3：对Step2中经过处理的数据，使用时空凝聚式聚类算法进行处理；

Step4：对Step3中处理过的数据，利用混合泊松对数线性模型进行分析；

Step5：对Step4中的分析结果利用决策规则判断风险；

Step6：根据Step5中的判别结果对城市犯罪风险进行估计；

所述步骤Step3中，时空凝聚式聚类算法的具体实施步骤是：S1：构造一个初始聚类配置，Ch＝{Ch(1)，...，Ch(nT)}，其中h＝nT，每个区域时间段Air是一种单独的时空聚类；

S2：计算h×h矩阵中聚类之间的距离，聚类中至少包含元素Ait和Ajs中的一副元素，Ait和Ajs是空间邻近地区在同一时间(i～j and t＝s)，或同一地区相邻时间点(i～j and|t‑s|＝1)的元素；

S3：将两个具有最小距离聚类的时空单元合并，形成一个新的聚类结构Ch‑1；

S4：重复进行S2与S3步骤；

S5：当所有的时空单元被合并在一个新的时空聚类中时，算法结束。

2.根据权利要求1中所述的一种基于时空聚类统计进行城市犯罪风险评估的方法，其特征在于：所述步骤Step2中，添加的辅助数据是来自具有类似时空风险模式的城市犯罪。

3.根据权利要求1中所述的一种基于时空聚类统计进行城市犯罪风险评估的方法，其特征在于：所述步骤Step4中，混合泊松对数线性模型既有固定聚类效应，也有随机聚类效应，根据给定的时空聚类配置Ck＝{Ck(1)，...，Ck(k)}，基于模型选择标准选择最好的聚类结构。

4.根据权利要求3中所述的一种基于时空聚类统计进行城市犯罪风险评估的方法，其特征在于：所述固定聚类效应为：

Oit|rit～Poisson(Eitrit)for i＝1，...，n；t＝1，...，T，其中ξi和γt是空间和时间结构随机效应、β1，...，βk是与每个时空聚类相关的固定效应。

5.根据权利要求3中所述的一种基于时空聚类统计进行城市犯罪风险评估的方法，其特征在于：所述随机聚类效应为：

lograndom(rit)＝α+ξi+γt+δj(it)其中，子索引j(it)表示聚类Ck(j)区域‑时间单位Ait所属的区域。

6.根据权利要求1中所述的进行城市犯罪风险评估的方法，其特征在于：所述步骤Step5中，决策规则为：如果后验概率大于0.95(P(δj(it)＞0|O)＞0.95)，时空聚类被认为是一个高风险聚类；如果后验概率小于0.05(P(δj(it)＞0|O)＜0.05)，那么该时空聚类就被认为是一个低风险聚类。