論文の概要: Exploring Spatio-Temporal and Cross-Type Correlations for Crime Prediction

• arxiv url: http://arxiv.org/abs/2001.06923v2
• Date: Wed, 22 Jan 2020 02:20:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-07 06:31:10.862285
• Title: Exploring Spatio-Temporal and Cross-Type Correlations for Crime Prediction
• Title（参考訳）: 犯罪予測のための時空間・横断型相関の探索
• Authors: Xiangyu Zhao and Jiliang Tang
• Abstract要約: 我々は,都市犯罪のクロスタイプと時間的相関を利用した犯罪予測を行う。 犯罪予測のための相関関係を数学的にモデル化するコヒーレントな枠組みを提案する。 犯罪予測における相関関係の重要性を理解するために、さらなる実験が行われた。
• 参考スコア（独自算出の注目度）: 48.1813701535167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Crime prediction plays an impactful role in enhancing public security and sustainable development of urban. With recent advances in data collection and integration technologies, a large amount of urban data with rich crime-related information and fine-grained spatio-temporal logs has been recorded. Such helpful information can boost our understandings about the temporal evolution and spatial factors of urban crimes and can enhance accurate crime prediction. In this paper, we perform crime prediction exploiting the cross-type and spatio-temporal correlations of urban crimes. In particular, we verify the existence of correlations among different types of crime from temporal and spatial perspectives, and propose a coherent framework to mathematically model these correlations for crime prediction. The extensive experimental results on real-world data validate the effectiveness of the proposed framework. Further experiments have been conducted to understand the importance of different correlations in crime prediction.
• Abstract（参考訳）: 犯罪予測は、公共の安全を高め、都市の持続可能な発展に影響を及ぼす。 近年のデータ収集・統合技術の発展に伴い,犯罪関連情報と詳細な時空間ログを備えた大量の都市データが記録されている。 このような有用な情報によって,都市犯罪の時間的発展と空間的要因に対する理解が高まり,犯罪予測の正確性が向上する。 本稿では,都市犯罪のクロスタイプと時空間相関を利用した犯罪予測を行う。 特に,時間的・空間的観点から異なる種類の犯罪の相関関係の存在を検証し,これらの相関関係を数学的にモデル化するコヒーレントな枠組みを提案する。 実世界のデータに対する広範囲な実験結果は,提案フレームワークの有効性を検証する。 犯罪予測における相関関係の重要性を理解するために、さらなる実験が行われた。

関連論文リスト

• An Event-centric Framework for Predicting Crime Hotspots with Flexible Time Intervals [15.749155522310941]
  FlexiCrimeは、フレキシブルな時間間隔で犯罪のホットスポットを予測する新しいイベントフレームワークである。 犯罪状況の特徴を学習する犯罪イベント間の相関を捉えるために、連続的な注意ネットワークが組み込まれている。 過去の犯罪事件の頻度を考慮し、特定の時間と場所における特定の犯罪種のリスクを測定する。
  論文  参考訳（メタデータ） (2024-11-02T04:38:10Z)
• Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
  この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。 都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。 多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
  論文  参考訳（メタデータ） (2023-08-24T16:20:00Z)
• Spatial-Temporal Meta-path Guided Explainable Crime Prediction [40.03641583647572]
  本稿では,犯罪行為の動的なパターンを捉えるために,時空間メタパスガイド付き説明可能な犯罪予測(STMEC)フレームワークを提案する。 我々は,特にフェロニー予測において,他の高度な時間モデルと比較してSTMECの優位性を示す。
  論文  参考訳（メタデータ） (2022-05-04T05:42:23Z)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• Spatial-Temporal Sequential Hypergraph Network for Crime Prediction [56.41899180029119]
  本稿では,複合犯罪の時空間パターンを包括的に符号化する時空間逐次ハイパーグラフネットワーク(ST-SHN)を提案する。 特に、長距離及びグローバルなコンテキスト下での時空間力学を扱うために、グラフ構造化されたメッセージパッシングアーキテクチャを設計する。 提案するST-SHNフレームワークは予測性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-01-07T12:46:50Z)
• The effect of differential victim crime reporting on predictive policing systems [84.86615754515252]
  本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。 以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-01-30T01:57:22Z)
• AIST: An Interpretable Attention-based Deep Learning Model for Crime Prediction [0.30458514384586394]
  AISTは、犯罪予測のための注意ベースの解釈可能なSテンポラルネットワークです。 AISTは、特定の犯罪カテゴリの動的空間依存性と時間パターンをモデル化する。 実験では,実データを用いた精度と解釈の両面で,モデルの優越性を示す。
  論文  参考訳（メタデータ） (2020-12-16T03:01:15Z)
• Analyzing the Impact of Foursquare and Streetlight Data with Human Demographics on Future Crime Prediction [11.55636955646976]
  本研究では,将来の犯罪発生予測を改善するために,街灯インフラとFoursquareデータと人口統計特性を併用することを提案する。 提案手法はカナダ・ハリファックスの最小の地域について検討した。
  論文  参考訳（メタデータ） (2020-06-13T00:11:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。