本研究提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的新模型，用于预测城市区域的犯罪计数。通过对犯罪数据进行分组处理，发现该模型在将数据分类为10个组时预测性能最佳，显著提高了犯罪预测的准确性，为警察提供了有效的监督和预防工具。

本研究提出MobiCLR模型，通过对比学习提升城市区域的辨别能力，充分利用人类移动模式的时间动态和语义。实验结果表明，该模型在收入、教育水平和社会脆弱性预测方面优于现有最佳模型。