为科学评估干线信号控制效能，提出一种融合车牌识别数据与信号运行数据的评估方法。首先，通过剔除重复数据、识别异常轨迹与时空对齐，实现多源异构数据的有效清洗与融合；其次，获取平均速度、速度偏度、速度变异系数、平均行程时间比、协调方向单位时间通过率和协调方向饱和度6个指标构建综合评价指标体系；再次，采用熵权法动态确定各时段指标权重；最后，引入示性函数改进集对分析法并建立干线控制效能评估模型。实证结果表明：所提出的方法能有效识别干线控制的时空异质性，能够区分不同路段的控制效能，准确识别干线控制的薄弱环节。研究成果可为干线信号协调优化与精细化管控提供依据与支撑。
交通违法“买卖分”行为因其跨区域、短时高频的隐蔽协作特性，传统基于静态规则的方法难以有效识别。为此，提出一种规则增强的动态异构图模型(Rule-enhanced Dynamic Meta-Path Temporal Graph Model, DynaMPT-REG),并创新性设计4层架构：一是动态元路径驱动的空间结构编码器，通过规则偏置的注意力机制，自适应捕捉高频跨区域处理等高危拓扑模式特征；二是业务周期感知的时序编码器，融合业务周期性特征；三是规则约束的双模态融合层，设计门控融合机制动态整合时空特征；四是解耦式异常评分器，联合拓扑重构损失与规则对比损失优化决策边界，实现异常概率的量化输出。实验表明，该方法在异常检测精度与可解释性上显著优于基线模型，专家评审验证表明异常边判定吻合率达92.6%。该模型为动态异构系统中的异常行为识别提供可推广的解决方案。
随着社会的发展和民众健康意识的提高，愈发众多的人意识到吸烟对身体健康所造成的危害。烟草中的尼古丁是一种具有强成瘾性的生物碱，强行戒断会给身体带来损伤，因此有戒烟需求的人会选择尼古丁替代疗法辅助戒烟，戒烟贴等新型烟草替代品的销售额也随之逐年增加。目前，戒烟贴尚未被政府部门列入烟草制品监管范围，产品质量的良莠不齐和消费者的认知缺陷，使得戒烟贴在生产、推广、销售等环节存在诸多问题，对消费者生命安全构成严重威胁。针对戒烟贴在安全监管主体、案件侦查效能、证据鉴定方法等方面存在的问题进行梳理分析，为新形势下戒烟贴产品的安全监管问题提出了解决对策建议。
香烟物证作为法庭科学的重要研究对象之一，通常包括烟丝、烟蒂、香烟水松纸、香烟内衬纸、香烟外包装薄膜等。烟丝物证作为常见物证，在案件侦查中可提供嫌疑人的生活习惯、经济状况等信息。对提取到的烟丝物证进行检验分析，有助于推断香烟的种类、品牌以及产地等信息，进而为侦查破案提供线索、指明方向，为证实犯罪提供科学的依据。通过对香烟烟丝物证检验方法及其技术进展进行梳理和总结，并对未来检验方法予以展望，旨在为公安机关实际办案提供帮助，同时也可为打击假冒伪劣活动提供技术支持。
随着全球工业化进程的持续推进和城市化水平的显著提升，水污染问题日趋严峻。为实现对水污染的高效治理，精准识别污染源头具有关键性意义。近年来，人工智能技术逐步应用于水污染溯源领域的研究，通过整合机器学习算法、数学建模方法，水污染溯源方法正朝更精准、更高效、更智能的方向发展。通过综述水污染溯源领域的前沿方法，系统分析了各方法的基本原理、研究进展与应用特征，并对公安工作中水污染溯源方法的发展趋势进行讨论与展望。
为实现利用消费级低空无人机低成本、高效率构建交通事故现场的三维实景模型，设计了针对不同场景范围的航拍图像采集方案。首先，根据交通事故现场空间尺寸，将其划分为小场景和大场景，分别设计了适用于小场景的“单中心双层环绕”航拍方案和适用于大场景的“多中心双层环绕”航拍方案，并明确航拍要求。然后，在两类模拟事故现场中应用所设计方案获取航拍图像，并利用三维建模软件生成事故现场三维实景模型。结果表明，构建的模型可以清晰完整呈现事故现场概况，平均测量误差小于2%,均方根误差小于4 cm,但当测量目标小于100 cm时，受人工操作与模型分辨率限制，相对误差可能增大。研究表明，消费级无人机结合场景范围差异化设计航拍图像采集方案，可以实现厘米级精度的三维实景建模，为其在交通事故现场三维实景建模航拍方案和测量标准的制定提供了参考。
印章印文鉴定是文书检验研究的关键环节，旨在通过对印章或印文进行同一认定辨别文件真伪，进而为案情研判及侦查范围的确定提供支撑。当前，印章真伪鉴定与材质分类普遍依赖于人工对印迹特征的分析，其鉴定成本高、检验周期长且准确性易受主观因素的影响。针对上述问题，基于YOLOv8模型提出一种轻量化快速鉴定印章真伪并识别印章材质的方法。首先，收集并手工标注了包含印章印文图像的数据集；然后，通过标注后的数据集对YOLOv8进行预训练，并根据测试结果存储性能最优的模型；最后，对印章真伪鉴定和材质分类的结果进行展示。在鉴定过程中，主要根据印文的墨迹、边缘等印迹特征判断印章的真伪；而材质分类方面则关注印章的制印方式，结合相应印迹特征来确定印章的材质组成。实验结果显示，YOLOv8模型在印章真伪鉴定与材质分类任务中的准确率分别达到96.4%和95.3%,具有在真实案件中广泛应用的潜力。
印章印文作为现代社会中文件合同的重要标识物，其形成时间的鉴定是文书鉴定领域关注的重点和难点之一。采用溶剂提取法结合超高效液相色谱-串联质谱(Ultra High Performance Liquid Chromatography-Tandem Mass Spectrometry, UPLC-MS/MS)技术对14种印油、印泥和印台印文的主要染料成分含量进行测定分析，以探究目标染料含量随时间的变化规律。通过单因素实验结合XGBoost机器学习算法对前处理条件进行优化，确定了最佳前处理条件，包括提取剂种类(DMF∶乙腈=2∶1)、样品量(0.1 cm×1.0 cm)、提取剂剂量(1 000μL)和提取方式(振荡30 s与超声5 min)。利用UPLC-MS/MS对金光红、金光红C两种目标染料进行检测，在10～500μg/L范围内线性良好(r2为0.994 9～0.999 6),回收率分别在100.49%～102.17%与98.30%～99.30%之间，相对标准偏差为0.53%～4.65%。研究结果表明，大部分印文中染料的检出量随时间推移呈现递减规律，且一萃和二萃染料检出量比值也表现出明显递减趋势。所建立的UPLC-MS/MS法可相对明确地区分24个月内不同时间段的印章印文，为印文形成时间的鉴定提供了科学依据与可行的技术方案。
针对微博树洞等匿名社交平台负面言论扩散引发的风险，为实现高风险言论识别与预警，提出多模型协同情感分析方案。通过分布式爬虫采集2023—2025年微博树洞万余条数据，经数据清洗后，基于PHQ-9等量表标注，采用长短期记忆网络初筛、Ridge回归增强，结合DeepSeek大语言模型语义复核构建方法。结果显示，该方法精准契合微博树洞大规模舆情治理的实战效率适配需求，负面言论召回率达85.7%,误报率降至3.1%,并且能够快速过滤80%左右的无风险言论，大幅降低后续计算成本，可对风险言论及潜在风险用户进行高效精准监控。该方案为相关部门提供可操作的网络预警技术路径，为中文社交媒体负面情绪治理提供参考。
无人机已广泛应用于治安巡逻、现场勘查、交通管理、灾害搜索等警务工作，不同应用场景获取的视频图像资源服务于警务工作各个环节，然而在证据合法性、有效性、调用过程和数据安全上，证据归集部门仍缺乏有效可信的技术保障手段。研究并设计了一个面向警用无人机执法的区块链存证方案。该方案以FISCO BCOS联盟链为基础，首先将执法过程中涉及举证的文件使用密文策略的属性基加密(Ciphertext-Policy Attribute-Based Encryption, CP-ABE),得到加密文档后将其上传星际文件系统(InterPlanetary File System, IPFS),并将文件内容的哈希上链存储。通过链上可信存证与链下安全存储的方式，确保了执法记录的真实性和完整性，有效提升电子证据的可信度和法律效力。