计算依据是什么
人们通常在熟悉的地方活动。家、工作地点和商店之间的路线，勾勒出一片熟悉的区域；一个人的绝大多数活动都发生在这片区域内，而不是城市中某个随机地点。
由此得出第一条规律：离基地越远，活动越少。活动会随距离增加而减少，因为长途出行需要时间，也会增加在陌生区域迷路的风险。
各地点与基地之间的距离分布：基地附近处于低谷，稍远处达到峰值，之后逐渐下降。这是某种规律的形态，不是某个具体案件的数据。
基地附近的低谷被称为缓冲区。离基地太近，被认识你的人看到的可能性太高，所以最近的几个街区通常会被避开。
这种方法能做什么，不能做什么
最后得到的不是一个名字，而是一张概率地图：一个适合开始核查的区域。这种方法能缩小搜索范围，改变核查顺序，仅此而已。
它只有在存在一系列地点时才有用。一个地点说明不了什么，两个地点也几乎说明不了什么；当地点至少有几个，而且属于同一个人时，计算才有意义 - 但这一点还需要证明。
一些普通情况也会打乱这种规律：在这一系列地点出现期间搬家、从事需要经常出差的工作，或者有河流、铁路使实际距离与直线距离不一致。
同样的数学方法早已被用于民用领域。人们可以根据患者的地址寻找疾病暴发源，评估田间害虫从哪里扩散，并规划服务点应该设在哪里。
在 Miqo App 里读完全文
再读 1 分钟就能读完，文末有测验。 在“犯罪 → 杀人狂与犯罪侧写”中查找
用手机相机扫描这里，即可打开 App Store 或 Google Play。
来源
- 地理画像依赖空间行为模型：活动会随距离增加而减少，基地周围存在缓冲区。这种方法只能为搜索区域确定优先顺序，无法识别具体个人；当有人搬家、生活方式需要经常出差，或所处交通网络复杂时，其准确性会下降。类似模型也应用于流行病学和生态学。