論文の概要: Socio-economic, built environment, and mobility conditions associated
with crime: A study of multiple cities
- arxiv url: http://arxiv.org/abs/2004.05822v1
- Date: Mon, 13 Apr 2020 08:36:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 11:38:07.650957
- Title: Socio-economic, built environment, and mobility conditions associated
with crime: A study of multiple cities
- Title（参考訳）: 犯罪にかかわる社会経済・建築環境・移動環境:複数の都市を対象として
- Authors: Marco De Nadai, Yanyan Xu, Emmanuel Letouz\'e, Marta C. Gonz\'alez,
Bruno Lepri
- Abstract要約: 本研究では,犯罪と社会経済的要因との関連性を検討するためのベイズモデルを提案する。
その結果, 社会経済的条件, 移動情報, 身体的特徴の併用は, 犯罪の発生を効果的に説明できることがわかった。
近隣住民の社会・生態的要因が犯罪に大きく関係していることが示される。
- 参考スコア（独自算出の注目度）: 9.78342936850961
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, 23% of the world population lives in multi-million cities. In these
metropolises, criminal activity is much higher and violent than in either small
cities or rural areas. Thus, understanding what factors influence urban crime
in big cities is a pressing need. Mainstream studies analyse crime records
through historical panel data or analysis of historical patterns combined with
ecological factor and exploratory mapping. More recently, machine learning
methods have provided informed crime prediction over time. However, previous
studies have focused on a single city at a time, considering only a limited
number of factors (such as socio-economical characteristics) and often at large
spatial units. Hence, our understanding of the factors influencing crime across
cultures and cities is very limited. Here we propose a Bayesian model to
explore how crime is related not only to socio-economic factors but also to the
built environmental (e.g. land use) and mobility characteristics of
neighbourhoods. To that end, we integrate multiple open data sources with
mobile phone traces and compare how the different factors correlate with crime
in diverse cities, namely Boston, Bogot\'a, Los Angeles and Chicago. We find
that the combined use of socio-economic conditions, mobility information and
physical characteristics of the neighbourhood effectively explain the emergence
of crime, and improve the performance of the traditional approaches. However,
we show that the socio-ecological factors of neighbourhoods relate to crime
very differently from one city to another. Thus there is clearly no "one fits
all" model.
- Abstract（参考訳）: 現在、世界の人口の23%が数百万の都市に住んでいる。
これらの大都市では、犯罪活動は小さな都市や農村部よりもずっと高く暴力的である。
したがって、大都市における都市犯罪に影響を与える要因を理解することは、強いニーズである。
主流研究は、歴史的パネルデータや、生態的要因と探索的マッピングを組み合わせた歴史的パターンの分析を通じて犯罪記録を分析する。
最近では、機械学習が犯罪予測のインフォームドを提供している。
しかし、以前の研究では、社会経済的特徴のような限られた要素のみを考慮し、しばしば大きな空間単位を考慮し、1つの都市に焦点を合わせてきた。
したがって、文化や都市にまたがる犯罪に影響を及ぼす要因の理解は非常に限られている。
ここでは,犯罪が社会経済的要因だけでなく,構築された環境(例えば土地利用)や近隣の移動特性にどのように関連しているかを検討するベイズモデルを提案する。
そのために、複数のオープンデータソースを携帯電話のトレースと統合し、ボストン、Bogot\'a、ロサンゼルス、シカゴなど、さまざまな都市における犯罪との関連性を比較します。
その結果, 社会経済的条件, 移動情報, 周辺地域の身体的特徴の併用が犯罪の発生を効果的に説明し, 従来のアプローチの性能を向上させることができた。
しかし, 近隣住民の社会・生態的要因は, ある都市と他の都市とは大きく異なる。
したがって、明らかに "one fits all" モデルは存在しない。
関連論文リスト
- Using machine learning to understand causal relationships between urban
form and travel CO2 emissions across continents [9.204800002382044]
都会形態が過去の研究で無視されていた旅行エミッションや施設間効果に有意な因果関係が認められた。
より単心的な都市では,主中心へのアクセスの増加よりも,サブセンター指向の開発がより重要となる空間回廊を同定する。
我々の研究は、エビデンスベースの都市気候ソリューションをスケールするための因果関係、一般化可能性、文脈的特異性の必要性に対処する新しい研究を可能にする機械学習の応用を実証する。
論文 参考訳（メタデータ） (2023-08-31T09:57:52Z) - A Comparative Analysis of Multiple Methods for Predicting a Specific
Type of Crime in the City of Chicago [0.9799637101641152]
空間的特徴と時間的特徴を用いて盗難を予測するにはどうすればよいのか?
XBoostはF1スコア0.86で最高の結果を示した。
論文 参考訳（メタデータ） (2023-04-26T11:35:06Z) - Urban form and COVID-19 cases and deaths in Greater London: an urban
morphometric approach [63.29165619502806]
新型コロナウイルスのパンデミックは、都市密度に関してかなりの議論を巻き起こした。
これは19世紀中頃のイングランドで、公衆衛生と都市計画の分野が出現して始まった古い議論である。
都市形態を個々の建物レベルで記述し、その後、公的な近隣住民の情報を集約する。
論文 参考訳（メタデータ） (2022-10-16T10:01:10Z) - 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) - Crime and social environments: Differences between misdemeanors and
felonies [0.0]
軽犯罪犯の数は警察管区と強く関連しているのに対し、重罪率は銃の所持と幸福と強く相関している。
以上の結果から, 軽度の軽症に対する対策は, フェロニーに対する対策と異なることが示唆された。
論文 参考訳（メタデータ） (2022-03-26T13:40:27Z) - 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) - Discovering Underground Maps from Fashion [80.02941583103612]
本研究では,都市部の地下地図を自動的に作成する手法を提案する。
本手法は,都市全域から公開されている画像を用いて,類似のファッションセンスを持つ地域を探索し,地図を監督せずにセグメント化する。
論文 参考訳（メタデータ） (2020-12-04T23:40:59Z) - Leveraging Mobility Flows from Location Technology Platforms to Test
Crime Pattern Theory in Large Cities [26.100870516361347]
本研究では, 犯罪集中を1時間単位で記述し, 予測する上での人体移動能力について検討した。
我々の評価は、Foursquareから匿名化されたデータセットを活用して、米国の主要3都市で約1480万回のチェックインを含むモビリティフローを推定する。
論文 参考訳（メタデータ） (2020-04-17T14:21:10Z) - Measuring Spatial Subdivisions in Urban Mobility with Mobile Phone Data [58.720142291102135]
2050年までに世界の人口の3分の2が都市部に住んでいる。
この成長は、都市が持続可能性を測定し計画する能力よりも速く、より複雑である。
都市がなぜ包括的になるのかを理解するために,空間分割を識別し特徴付ける手法を定義する。
論文 参考訳（メタデータ） (2020-02-20T14:37:46Z) - Exploring Spatio-Temporal and Cross-Type Correlations for Crime
Prediction [48.1813701535167]
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。
論文 参考訳（メタデータ） (2020-01-20T00:34:53Z)
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。