Giới thiệu dự án

Tình hình an ninh trật tự và an toàn xã hội tại các địa bàn có tốc độ đô thị hóa nhanh đang đối mặt với nhiều thách thức phức tạp. Tại tỉnh Hưng Yên – cửa ngõ kinh tế phía Đông của Thủ đô Hà Nội với sự hình thành của các trục giao thông huyết mạch như Quốc lộ 5, Quốc lộ 5B (cao tốc Hà Nội – Hải Phòng) và các khu công nghiệp trọng điểm (Phố Nối A, Phố Nối B, KĐT Ecopark 450 ha) – cơ cấu tội phạm đã có những biến chuyển sâu sắc. Trong giai đoạn 2018–2022, tội phạm xâm phạm sở hữu, đặc biệt là tội trộm cắp tài sản (Quy định tại Điều 173 Bộ luật Hình sự 2015), luôn chiếm tỷ trọng áp đảo trong cơ cấu tội phạm hình sự toàn tỉnh.

                  +---------------------------------------------------+
                  |         TỔNG TỘI PHẠM HÌNH SỰ (3.666 BỊ CÁO)      |
                  +---------------------------------------------------+
                                           |
                  +------------------------v--------------------------+
                  |    TỘI PHẠM XÂM PHẠM SỞ HỮU (1.918 BỊ CÁO - 52,3%) |
                  +---------------------------------------------------+
                                           |
                  +------------------------v--------------------------+
                  |    TỘI TRỘM CẮP TÀI SẢN (1.238 BỊ CÁO - 64,5%)     |
                  +---------------------------------------------------+

Vấn đề thực tiễn (Problem Statement)

Sự chuyển dịch cơ cấu kinh tế kéo theo làn sóng nhập cư lao động, sự phân hóa giàu nghèo và gia tăng các tệ nạn xã hội (ma túy chiếm 46% động cơ phạm tội). Công tác phòng ngừa, điều tra và kiểm soát tội phạm trộm cắp tài sản đang gặp phải các điểm nghẽn nghiêm trọng:

  • Tỷ lệ tội phạm ẩn (Dark Figure of Crime) ở mức báo động: Khảo sát thực nghiệm chỉ ra tỷ lệ tội phạm ẩn từ phía nạn nhân lên đến 88% do tâm lý e ngại cơ quan chức năng (43%) hoặc tài sản giá trị nhỏ/không hy vọng thu hồi (20%).
  • Thủ đoạn chuyển dịch sang khu vực dân cư: 47% vụ án xảy ra tại nhà riêng/cửa hàng; 61% vụ việc diễn ra vào ban ngày (từ 6h00 đến 18h00) khi người dân vắng nhà.
  • Tính chất manh động và tính liên huyện/tỉnh cao: Tội phạm tập trung chủ yếu tại các địa bàn kinh tế phát triển (TP. Hưng Yên chiếm 13,5%, Yên Mỹ 12,48%, Mỹ Hào 12,18%, Văn Lâm 11,8%), lợi dụng giao thông liên tỉnh để tẩu tán tang vật qua các hiệu cầm đồ, quán internet, điểm karaoke.

Mục tiêu nghiên cứu của đồ án

  1. Lượng hóa thực trạng tội phạm rõ và tội phạm ẩn: Thống kê, phân tích toàn diện 977 vụ án và 1.238 bị cáo bị xét xử sơ thẩm tại Tòa án nhân dân (TAND) tỉnh Hưng Yên (2018–2022); khảo sát thực nghiệm 200 đối tượng dân cư để xác định chỉ số tội phạm ẩn.
  2. Giải mã cơ cấu và quy luật tội phạm học: Phân tích ma trận tương quan giữa động cơ (ma túy, chi tiêu, cờ bạc), công cụ gây án (44% không dùng công cụ thô bạo, 25% vam/phá khóa), không gian (10 huyện/thị) và thời gian thực hiện hành vi.
  3. Mô hình hóa dữ liệu và xây dựng giải pháp công nghệ phòng ngừa: Đề xuất khung kiến trúc hệ thống Criminological Data Analytics & Spatial Surveillance hỗ trợ lực lượng Công an địa phương phân bổ nguồn lực tuần tra tự động dựa trên dữ liệu không gian - thời gian.

Phạm vi và giới hạn

  • Không gian: Địa bàn tỉnh Hưng Yên (1 thành phố, 9 huyện).
  • Thời gian nghiên cứu: Dữ liệu tố tụng hình sự sơ thẩm từ 01/01/2018 đến 31/12/2022.
  • Giới hạn kỹ thuật: Dữ liệu phân tích cấu trúc tội phạm chuyên sâu dựa trên tập mẫu đại diện gồm 100 bản án hình sự sơ thẩm (HSST) và 200 phiếu điều tra xã hội học chuẩn hóa (Ankets).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Phương pháp quản lý truyền thống (Sổ tay/Thống kê tĩnh) Khảo sát thực nghiệm Tội phạm học (Đề tài) Hệ thống Phân tích Dữ liệu Số hóa (Đề xuất)
Nguồn dữ liệu Báo cáo hành chính nội bộ VKSND/TAND 100 bản án HSST + 200 phiếu khảo sát xã hội Tích hợp Real-time CAD/RMS + GIS + Tin báo tố giác
Xác định tội phạm ẩn Bỏ qua hoàn toàn, chỉ thống kê số vụ khởi tố (1.002 vụ) Lượng hóa sai số và xác định tỷ lệ ẩn đạt 88% Sử dụng mô hình Bayesian Estimation để dự báo
Phân tích không gian Báo cáo số liệu tuyệt đối theo ranh giới hành chính Tương quan mật độ KCN, quốc lộ huyết mạch Heatmap đa tầng, Spatial Autocorrelation (Moran's I)
Tốc độ phản ứng Định kỳ theo quý/năm (độ trễ cao) Báo cáo nghiên cứu giai đoạn 5 năm Cảnh báo điểm nóng (Hotspot alerting) theo giờ thực

Ma trận yêu cầu hệ thống (MoSCoW Prioritization)

  • Must-have (Bắt buộc):
    • Khả năng xử lý, làm sạch và chuẩn hóa dữ liệu bản án sơ thẩm (1.238 thực thể đối tượng).
    • Thuật toán tính toán Chỉ số tội phạm $I_{tp}$ trên 100.000 dân theo năm.
    • Phân tích đa chiều: Loại tội phạm, khung hình phạt, công cụ, địa bàn, thời điểm, nhân thân.
  • Should-have (Cần thiết):
    • Module phân tích cụm không gian (Spatial Clustering) xác định Hotspot trộm cắp quanh các KCN.
    • API kết nối cơ sở dữ liệu tố giác tội phạm trực tuyến từ người dân.
  • Could-have (Có thể mở rộng):
    • Dự báo chuỗi thời gian (Time-series forecasting) số vụ trộm cắp dựa trên biến động kinh tế - dịch bệnh.
  • Won't-have (Chưa triển khai):
    • Nhận diện khuôn mặt tự động thời gian thực từ camera giao thông (dành cho giai đoạn 2).

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình Microservices hướng dữ liệu (Data-Driven Microservices Architecture), bảo đảm tính toàn vẹn dữ liệu pháp lý và hiệu năng phân tích địa không gian:

  - Tòa án/VKS e-Dockets       - Pandas / PySpark       - PostgreSQL 15        - Scikit-learn (Clustering)   - FastAPI 0.100.0
  - Survey Form (Ankets)       - Text Normalizer        - PostGIS 3.3          - Time-series ARMA/Prophet     - Leaflet / Mapbox UI
  - Mobile Citizen Reports     - Anonymization Engine   - Redis 7.0 (Cache)    - Spatial Density Engine      - PowerBI Dashboard

Technology Stack và Versioning

  • Backend & Analytics Engine: Python 3.10.12, FastAPI 0.100.0, Celery 5.3.1 (phân tán tác vụ nền).
  • Data Science & ML Libraries: Pandas 2.1.0, NumPy 1.24.3, Scikit-learn 1.3.0, GeoPandas 0.13.2.
  • Database Management System: PostgreSQL 15.3 kết hợp Extension PostGIS 3.3.3 cho dữ liệu tọa độ không gian; Redis 7.0.11 cho caching các tầng truy vấn mật độ.
  • Statistical Software: IBM SPSS Statistics v26.0 (phân tích tương quan hồi quy đa biến dữ liệu Ankets).
  • Containerization & CI/CD: Docker 24.0.5, Docker-Compose 2.20.2, Nginx 1.24.0 reverse proxy.

Thiết kế cơ sở dữ liệu (Database Schema)

-- Schema định nghĩa thực thể Vụ án và Đối tượng trong Hệ thống Criminology Analytics
CREATE EXTENSION IF NOT EXISTS postgis;

CREATE TYPE crime_severity AS ENUM ('IT_NGHIEM_TRONG', 'NGHIEM_TRONG', 'RAT_NGHIEM_TRONG', 'DAC_BIET_NGHIEM_TRONG');
CREATE TYPE execution_form AS ENUM ('RIENG_LE', 'DONG_PHAM');

CREATE TABLE crime_cases (
    case_id VARCHAR(50) PRIMARY KEY,
    prosecution_date DATE NOT NULL,
    trial_date DATE,
    district_code VARCHAR(20) NOT NULL, -- e.g., 'TP_HUNG_YEN', 'YEN_MY', 'MY_HAO'
    location_type VARCHAR(50) NOT NULL, -- 'NHA_RIENG', 'CONG_TY_KCN', 'CONG_CONG'
    crime_time_window VARCHAR(20) NOT NULL, -- '00_06', '06_12', '12_18', '18_24'
    execution_type execution_form DEFAULT 'RIENG_LE',
    severity_level crime_severity NOT NULL,
    geom GEOMETRY(Point, 4326), -- Tọa độ địa lý WGS 84
    is_dark_crime BOOLEAN DEFAULT FALSE,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE offenders (
    offender_id SERIAL PRIMARY KEY,
    case_id VARCHAR(50) REFERENCES crime_cases(case_id) ON DELETE CASCADE,
    gender VARCHAR(10) CHECK (gender IN ('NAM', 'NU')),
    age_group VARCHAR(20) NOT NULL,
    primary_motive VARCHAR(50) NOT NULL, -- 'MA_TUY', 'TIEU_XAI', 'TRA_NO', 'CO_BAC'
    tool_used VARCHAR(50) NOT NULL, -- 'KHONG_DUNG', 'PHA_KHOA', 'PHA_CUA', 'KHAC'
    is_recidivist BOOLEAN DEFAULT FALSE,
    prison_term_months INTEGER -- Mức án phạt tù tính theo tháng
);

CREATE INDEX idx_crime_geom ON crime_cases USING GIST (geom);
CREATE INDEX idx_crime_district ON crime_cases(district_code);
CREATE INDEX idx_offender_motive ON offenders(primary_motive);

Thiết kế API Endpoints

Endpoint Method Input Parameters Output Format Chức năng nghiệp vụ
/api/v1/analytics/crime-rate GET year: int, district_code?: str JSON Tính toán chỉ số $I_{tp}$ trên 100k dân theo địa bàn
/api/v1/spatial/hotspots GET district_code: str, eps: float, min_samples: int GeoJSON (FeatureCollection) Trả về các cụm điểm nóng không gian (DBSCAN)
/api/v1/analytics/dark-figure GET survey_batch_id: str JSON Tính toán ước lượng tỷ lệ ẩn dựa trên phản hồi Ankets
/api/v1/cases/bulk-ingest POST List[CrimeCaseSchema] JSON (Status 201) Tiếp nhận danh sách bản án đã chuẩn hóa cấu trúc

Phương pháp nghiên cứu (Methodology)

Quy trình nghiên cứu kết hợp giữa phương pháp luận Chủ nghĩa duy vật biện chứng - duy vật lịch sử và khung phân tích dữ liệu thực nghiệm CRISP-DM:

  • Thu thập dữ liệu định lượng: Thu thập số liệu thứ cấp từ 100% các bản án hình sự sơ thẩm của TAND tỉnh Hưng Yên, Báo cáo kiểm sát thụ lý án của VKSND tỉnh (2018–2022).
  • Điều tra chọn mẫu ngẫu nhiên (Ankets Survey): Sử dụng bảng hỏi cấu trúc gồm 20 câu hỏi khảo sát 200 người dân phân bố trên địa bàn nông thôn và đô thị nhằm giải cấu trúc nguyên nhân tội phạm ẩn.
  • Phương pháp toán thống kê và phân tích so sánh:
    • Công thức tính Chỉ số tội phạm: $$I_{tp} = \frac{T}{P} \times 100.000$$ (Trong đó: $T$ là tổng số vụ/người phạm tội trong năm; $P$ là dân số trung bình của địa bàn).
    • Công thức xác định Tỷ lệ tội phạm ẩn mẫu: $$D_{rate} = \frac{N_{unresolved} + N_{unreported}}{N_{total_victims}} \times 100%$$

Implementation và kết quả

Development Process & Key Algorithms

Hệ thống được phát triển qua 4 sprint chuyên sâu nhằm giải quyết bài toán tiền xử lý dữ liệu bản án và mô hình hóa cụm không gian tội phạm.

import numpy as np
import pandas as pd
from sklearn.cluster import DBSCAN
from typing import Dict, List, Any

class CrimeAnalyticsCore:
    """
    Core Analytics Engine for Criminological Research & Spatial Hotspot Detection
    Designed for Hung Yen Criminological Research Dataset (2018-2022)
    """
    def __init__(self, population_data: Dict[int, int]):
        self.population_data = population_data

    def calculate_crime_index(self, total_cases: int, year: int) -> float:
        """
        Tính toán Chỉ số tội phạm trên 100.000 dân
        """
        if year not in self.population_data or self.population_data[year] <= 0:
            raise ValueError(f"Dữ liệu dân số không hợp lệ cho năm {year}")
        population = self.population_data[year]
        return round((total_cases / population) * 100000, 2)

    def extract_dark_figure_metrics(self, survey_df: pd.DataFrame) -> Dict[str, float]:
        """
        Lượng hóa tỷ lệ tội phạm ẩn từ kết quả điều tra xã hội học (200 mẫu)
        """
        total_victims = len(survey_df[survey_df['is_victim'] == True])
        if total_victims == 0:
            return {"dark_figure_rate": 0.0, "unreported_rate": 0.0}

        unreported_count = len(survey_df[(survey_df['is_victim'] == True) & (survey_df['reported'] == False)])
        reported_unsolved = len(survey_df[(survey_df['reported'] == True) & (survey_df['case_solved'] == False)])

        total_dark_cases = unreported_count + reported_unsolved
        dark_rate = (total_dark_cases / total_victims) * 100
        unreported_rate = (unreported_count / total_victims) * 100

        return {
            "total_victims": total_victims,
            "dark_figure_rate": round(dark_rate, 2),
            "unreported_rate": round(unreported_rate, 2)
        }

    def detect_spatial_hotspots(self, coordinates: np.ndarray, eps_km: float = 1.5, min_samples: int = 5) -> np.ndarray:
        """
        Xác định điểm nóng trộm cắp sử dụng thuật toán DBSCAN chuyển đổi sang Radian
        eps_km: Bán kính quét (mặc định 1.5km tại các KCN)
        """
        kms_per_radian = 6371.0088
        epsilon = eps_km / kms_per_radian
        
        # Chuyển đổi tọa độ sang radians (lat, lon)
        rad_coords = np.radians(coordinates)
        
        db = DBSCAN(eps=epsilon, min_samples=min_samples, metric='haversine', algorithm='ball_tree')
        cluster_labels = db.fit_predict(rad_coords)
        return cluster_labels

Testing và validation

Quá trình kiểm chứng dữ liệu được thực hiện chéo giữa số liệu báo cáo của Viện kiểm sát nhân dân (VKSND) tỉnh Hưng Yên, TAND tỉnh Hưng Yên và dữ liệu khảo sát độc lập:

  • Độ bao phủ dữ liệu (Data Coverage): 100% dữ liệu thống kê hình sự sơ thẩm (977 vụ / 1.238 bị cáo) được import và kiểm tra tính toàn vẹn (Integrity Check) với sai số 0,00%.
  • Validation tỷ lệ truy tố - xét xử: Kiểm chứng tính nhất quán giữa số vụ VKSND khởi tố (1.002 vụ) và số vụ TAND đưa ra xét xử (977 vụ), xác định tỷ lệ đưa ra xét xử đạt 97,5%, 2,5% còn lại là các trường hợp đình chỉ/tạm đình chỉ do hết thời hạn điều tra hoặc bị can chết/miễn trách nhiệm hình sự.
+-------------------------------------------------------------------------------+
|                       MA TRẬN ĐỐI SOÁT TỐ TỤNG 2018 - 2022                    |
+-------------------------------------------------------------------------------+
| Số vụ khởi tố (VKSND):           1.002 vụ (100%)                              |
| Số vụ đưa ra xét xử (TAND):        977 vụ ( 97,5%)                            |
| Vụ án tạm đình chỉ/miễn TNHS:       25 vụ (  2,5%)                            |
| Mẫu nghiên cứu chuyên sâu bản án:  100 vụ (10,2% tổng số vụ xét xử)           |
| Mẫu khảo sát nạn nhân thực nghiệm: 200 phiếu (150 nạn nhân xác nhận bị hại)   |
+-------------------------------------------------------------------------------+

Kết quả đạt được

1. Mức độ và biến động chỉ số tội phạm ($I_{tp}$)

Trong giai đoạn 2018–2022, TAND các cấp tỉnh Hưng Yên đã xét xử 977 vụ án với 1.238 bị cáo. Trung bình mỗi năm ghi nhận 195,4 vụ và 247,6 đối tượng phạm tội trộm cắp.

Năm Số vụ xét xử Số người phạm tội Dân số trung bình (Người) Chỉ số tội phạm ($I_{tp}$ / 100.000 dân) Chỉ số so sánh Hà Nội Chỉ số so sánh Thái Bình
2018 158 201 1.161.764 13,60 15,11 12,60
2019 179 228 1.184.645 15,11 17,20 13,90
2020 194 246 1.196.054 16,22 18,30 15,20
2021 183 231 1.210.317 15,12 17,40 14,20
2022 263 332 1.224.719 17,80 19,80 16,80
Trung bình 195,4 247,6 1.195.500 15,57 17,56 14,54

2. Tính chất và cơ cấu tội phạm học

  • Tỷ trọng trong nhóm tội phạm: Tội trộm cắp tài sản chiếm 71,0% tổng số vụ (977/1.376) và 64,5% tổng số bị cáo (1.238/1.918) thuộc nhóm tội Xâm phạm sở hữu; chiếm 38,8% tổng số vụ án hình sự nói chung trên toàn tỉnh.
  • Phân loại tính chất nguy hiểm:
    • Tội phạm ít nghiêm trọng: 56% (76 đối tượng).
    • Tội phạm nghiêm trọng: 35% (47 đối tượng).
    • Tội phạm rất nghiêm trọng: 9% (12 đối tượng).
    • Tội phạm đặc biệt nghiêm trọng: 0%.
  • Khung hình phạt áp dụng: 80,0% chịu mức án dưới 3 năm tù (990 bị cáo); 9,4% chịu mức án từ 3–7 năm tù (117 bị cáo); 1,0% từ 7–15 năm tù (12 bị cáo); áp dụng phạt tiền 3,2% (40 bị cáo) và cải tạo không giam giữ 6,4% (79 bị cáo).
  • Hình thức thực hiện: Phạm tội riêng lẻ chiếm 85,0% (chủ yếu trộm cắp nhà dân, cửa hàng); đồng phạm chiếm 15,0% (thường tập trung tại cơ quan, nhà xưởng KCN, nơi tâm linh, chùa đền).
  • Động cơ phạm tội: Nghiện ma túy chiếm 46,0%; chi tiêu cá nhân không qua lao động chiếm 32,0%; trả nợ/cờ bạc chiếm 23,0%; động cơ khác 9,0%.
  • Địa bàn trọng điểm: TP. Hưng Yên (132 vụ - 13,5%), Yên Mỹ (122 vụ - 12,48%), Mỹ Hào (119 vụ - 12,18%), Văn Lâm (116 vụ - 11,8%), Văn Giang (115 vụ - 11,77%). 5 huyện/thị còn lại (Ân Thi, Khoái Châu, Tiên Lữ, Phù Cừ, Kim Động) chiếm dưới 10% mỗi huyện.

Đổi mới và đóng góp

  1. Lượng hóa thực nghiệm Tội phạm ẩn (The Dark Figure) tại vùng kinh tế chuyển đổi: Khác với các nghiên cứu tội phạm học truyền thống thuần túy sử dụng số liệu hành chính của cơ quan tư pháp (vốn chỉ phản ánh phần "nổi"), đề tài đã sử dụng công cụ xã hội học thực nghiệm xác lập tỷ lệ tội phạm ẩn thực tế lên tới 88%. Đây là bằng chứng định lượng quan trọng cho thấy số lượng vụ việc xâm phạm sở hữu xảy ra trên thực tế cao gấp gần 8 lần số vụ được thụ lý giải quyết.
  2. So sánh với các công trình nghiên cứu tiền nhiệm:
    • So với nghiên cứu của Hoàng Văn Hùng (2007) trên phạm vi toàn quốc mang tính lý luận chung: Đề tài đã bóc tách chính xác các đặc trưng thời gian thực (61% phạm tội ban ngày) gắn liền với mô hình gia đình công nghiệp hóa (vợ chồng đi làm KCN, nhà cửa không người trông coi).
    • So với các nghiên cứu tại địa phương giáp ranh (Phạm Tuấn Anh - Thái Bình 2022, Nguyễn Đức Tuấn - Bắc Ninh 2022): Đề tài chỉ ra tính chất giao thoa kinh tế của Hưng Yên dọc Quốc lộ 5 và 5B khiến tỷ lệ đối tượng ngoại tỉnh hoạt động lưu động chiếm tới 30% tổng số vụ.
  3. Mô hình hóa nguyên nhân xã hội học: Chứng minh mối quan hệ giữa tập quán "phép vua thua lệ làng" (nông thôn chiếm 88% dân số Hưng Yên) với hành vi giải quyết mâu thuẫn nội bộ gia đình/họ hàng, trực tiếp làm tăng tỷ lệ tội phạm ẩn chủ quan.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Real-World Use Cases)

  • Tối ưu hóa sơ đồ tuần tra Công an cấp xã/huyện: Dựa trên phân tích 61% vụ việc xảy ra trong khung giờ từ 6h00 đến 18h00 và 47% địa điểm là nhà riêng, lực lượng Cảnh sát trật tự/Công an xã bố trí tuần tra cơ động trong các khu dân cư nông thôn và khu nhà trọ công nhân vào giờ cao điểm sản xuất thay vì chỉ tuần tra đêm.
  • Kiểm soát các cơ sở kinh doanh có điều kiện: Tăng cường giám sát 100% cơ sở cầm đồ, quán internet, nhà nghỉ dọc các tuyến quốc lộ 5, ngã tư Phố Nối, Ga Lạc Đạo nhằm cắt đứt chuỗi tiêu thụ tài sản phạm pháp do người nghiện thực hiện (chiếm 46% động cơ).

Hướng dẫn triển khai kỹ thuật (Deployment Architecture)

Hệ thống được đóng gói thành các microservices độc lập thông qua Docker Compose:

version: '3.8'

services:
  criminology-db:
    image: postgis/postgis:15-3.3
    container_name: hungyen_crime_db
    environment:
      POSTGRES_DB: criminology_db
      POSTGRES_USER: agy_analyst
      POSTGRES_PASSWORD: SecureLawPassword2026!
    ports:
      - "5432:5432"
    volumes:
      - pgdata:/var/lib/postgresql/data
    restart: always

  analytics-engine:
    build: .
    container_name: hungyen_crime_analytics
    environment:
      DATABASE_URL: postgresql://agy_analyst:SecureLawPassword2026!@criminology-db:5432/criminology_db
      REDIS_URL: redis://redis-cache:6379/0
    ports:
      - "8000:8000"
    depends_on:
      - criminology-db
    restart: on-failure

  redis-cache:
    image: redis:7.0-alpine
    container_name: hungyen_crime_redis
    ports:
      - "6379:6379"

volumes:
  pgdata:

Yêu cầu cấu hình hệ thống (System Requirements)

  • Phần cứng tối thiểu: CPU 4 Cores, RAM 8GB, SSD 100GB.
  • Môi trường hoạt động: Ubuntu Server 22.04 LTS, Docker CE 24.0+, Python 3.10+.
  • Bảo mật: Triển khai Role-Based Access Control (RBAC) phân cấp giữa Điều tra viên (Read/Write) và Nhà nghiên cứu thống kê (Read-only / Anonymized Data).

Hạn chế và hướng phát triển

Hạn chế tồn tại

  • Mẫu khảo sát xã hội học: Quy mô 200 phiếu khảo sát chưa bao phủ đồng đều toàn bộ 161 xã/phường/thị trấn của tỉnh Hưng Yên mà tập trung chủ yếu ở vùng ven đô và KCN trọng điểm.
  • Tính tự động hóa dữ liệu: Quá trình trích xuất thông tin từ 100 bản án HSST vẫn sử dụng phương pháp mã hóa thủ công (Manual Coding) do các bản án PDF/văn bản quét chưa được xử lý đồng bộ qua hệ thống OCR và NLP tư pháp.

Hướng phát triển tiếp theo

  • Ứng dụng NLP & Large Language Models: Xây dựng module tự động bóc tách thực thể pháp lý (Named Entity Recognition - NER) từ bản án để trích xuất tự động: Tình tiết tăng nặng/giảm nhẹ, giá trị tài sản thiệt hại, phương thức đột nhập.
  • Tích hợp cảm biến IoT & Hệ thống Camera AI: Kết nối dữ liệu phân tích không gian với hệ thống camera giám sát biển số xe thông minh trên Quốc lộ 5 và Quốc lộ 5B để tự động cảnh báo phương tiện nghi vấn của các đối tượng trộm cắp lưu động.

Đối tượng hưởng lợi

                               +-------------------------------------+
                               |      ĐỐI TƯỢNG HƯỞNG LỢI CHÍNH       |
                               +-------------------------------------+
                                                  |
         +--------------------+-------------------+--------------------+--------------------+
         |                    |                   |                    |                    |
+--------v-------+   +--------v-------+  +--------v-------+   +--------v-------+   +--------v-------+
|  SINH VIÊN     |   | NHÀ NGHIÊN CỨU |  | CƠ QUAN CÔNG AN|   | DOANH NGHIỆP   |   | NGƯỜI DÂN      |
|  NGÀNH LUẬT    |   | TỘI PHẠM HỌC   |  | CÁC CẤP        |   | TẠI CÁC KCN    |   | ĐỊA PHƯƠNG     |
+----------------+   +----------------+  +----------------+   +----------------+   +----------------+
  • Sinh viên & Học viên chuyên ngành Luật / Tội phạm học:
    • Tiếp cận nguồn số liệu thực chứng chuẩn hóa 5 năm liên tục (2018–2022) của TAND và VKSND.
    • Cung cấp phương pháp mẫu kết hợp giữa phân tích luật học định tính và điều tra xã hội học định lượng (Ankets).
  • Cơ quan Thực thi Pháp luật (Công an, Tòa án, Viện Kiểm sát):
    • Cung cấp cơ sở khoa học để điều chỉnh kế hoạch bố trí lực lượng: Chuyển dịch 40% nguồn lực tuần tra sang khung giờ 6h00–18h00 tại địa bàn nông thôn.
    • Đánh giá đúng mức độ nghiêm trọng của tội phạm ẩn (88%) để cải tiến quy trình tiếp nhận tin báo tố giác tội phạm, giảm bớt thủ tục phiền hà cho người dân.
  • Cộng đồng Doanh nghiệp & Ban Quản lý KCN:
    • Tối ưu hóa hệ thống kiểm soát an ninh tại các KCN trọng điểm (Phố Nối A, Phố Nối B, KĐT Ecopark), tập trung kiểm soát 25% nguy cơ phá khóa và 23% nguy cơ cạy cửa đột nhập.
  • Người dân và Xã hội:
    • Nâng cao ý thức cảnh giác phòng ngừa tội phạm tự quản, xóa bỏ tâm lý lơ là mất cảnh giác khi ở nhà vào ban ngày.

Câu hỏi thường gặp (FAQ)

1. Yêu cầu kỹ thuật để triển khai mô hình phân tích dữ liệu tội phạm là gì?

Hệ thống yêu cầu máy chủ Linux (Ubuntu 20.04/22.04 LTS), cài đặt Docker Engine, tối thiểu 4 vCPU, 8GB RAM và 100GB dung lượng lưu trữ. Cơ sở dữ liệu sử dụng PostgreSQL 15 tích hợp Extension PostGIS để lưu trữ tọa độ và xử lý các hàm truy vấn không gian.

2. Giới hạn mở rộng (Scalability) của mô hình phân tích khi mở rộng ra toàn quốc?

Cơ sở dữ liệu được thiết kế theo cấu trúc bảng chuẩn hóa, hỗ trợ phân vùng dữ liệu (Table Partitioning) theo province_code và year. Khi mở rộng ra 63 tỉnh/thành, hệ thống có thể xử lý hơn 100.000 bản án mỗi năm bằng cách tách biệt tầng lưu trữ và tầng tính toán phân tán (PySpark/Celery Workers).

3. Làm thế nào để tích hợp hệ thống với cơ sở dữ liệu quản lý án hiện có của Tòa án/VKS?

Hệ thống cung cấp chuẩn giao tiếp RESTful API và hỗ trợ tiếp nhận dữ liệu thông qua các tệp tin có cấu trúc chuẩn như JSON, CSV hoặc XML. Dữ liệu từ phần mềm quản lý án nội bộ có thể được ánh xạ (Mapping) thông qua module Data Transformation trước khi đưa vào cơ sở dữ liệu phân tích.

4. Chi phí bảo trì và vận hành hệ thống định kỳ bao gồm những gì?

Hệ thống được xây dựng hoàn toàn trên nền tảng công nghệ mã nguồn mở (PostgreSQL, PostGIS, Python, FastAPI, Docker), giúp tiết kiệm 100% chi phí bản quyền phần mềm thương mại. Chi phí duy trì duy nhất bao gồm hạ tầng máy chủ đám mây (Cloud Server) hoặc máy chủ nội bộ (On-premise) cùng chi phí bảo trì, cập nhật số liệu định kỳ hàng năm.

5. Tại sao tỷ lệ tội phạm ẩn khảo sát được lại cao hơn nhiều so với số liệu thống kê chính thức?

Thống kê chính thức chỉ ghi nhận "Tội phạm rõ" (đã khởi tố, điều tra, xét xử). Khảo sát thực nghiệm 200 người dân ghi nhận 150 nạn nhân, trong đó có tới 43% người ngại khai báo do thủ tục rườm rà, 30% thiếu tin tưởng vào khả năng thu hồi tài sản và 20% do giá trị tài sản nhỏ hoặc do người thân thích thực hiện. Điều này giải thích sự chênh lệch mang tính quy luật tội phạm học giữa thực tế và thống kê tố tụng.

Kết luận

Khóa luận tốt nghiệp "Tình hình tội trộm cắp tài sản trên địa bàn tỉnh Hưng Yên giai đoạn 2018-2022" của tác giả Nguyễn Thị Kim Ngân (Đại học Luật Hà Nội) đã phác họa một bức tranh tội phạm học toàn diện, chính xác và có giá trị thực tiễn sâu sắc. Thông qua việc phân tích chuyên sâu 977 vụ án, 1.238 bị cáo và 200 phiếu điều tra thực nghiệm, công trình đã làm rõ:

  • Cơ cấu áp đảo của tội trộm cắp tài sản (chiếm 71% tội xâm phạm sở hữu, 34% tổng số án hình sự).
  • Quy luật biến động không gian (tập trung tại các địa bàn công nghiệp hóa, đô thị hóa như TP. Hưng Yên, Yên Mỹ, Mỹ Hào).
  • Quy luật thời gian và phương thức (61% ban ngày, 47% nhà riêng, 44% lợi dụng sơ hở không dùng công cụ chuyên dụng).
  • Lượng hóa thực nghiệm tỷ lệ tội phạm ẩn đạt mức 88%.

Công trình không chỉ đóng góp quan trọng về mặt lý luận tội phạm học thực nghiệm tại Việt Nam mà còn cung cấp nền tảng số liệu và định hướng công nghệ vững chắc, mở đường cho việc ứng dụng khoa học dữ liệu và công nghệ thông tin vào công tác đấu tranh phòng chống tội phạm, giữ vững an ninh trật tự và thúc đẩy sự phát triển kinh tế - xã hội bền vững của địa phương.