論文の概要: Leveraging Mobility Flows from Location Technology Platforms to Test
Crime Pattern Theory in Large Cities
- arxiv url: http://arxiv.org/abs/2004.08263v1
- Date: Fri, 17 Apr 2020 14:21:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 04:37:26.722221
- Title: Leveraging Mobility Flows from Location Technology Platforms to Test
Crime Pattern Theory in Large Cities
- Title（参考訳）: 大都市における犯罪パターン理論テストのための位置技術プラットフォームからの流動性フローの活用
- Authors: Cristina Kadar, Stefan Feuerriegel, Anastasios Noulas, Cecilia Mascolo
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 26.100870516361347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Crime has been previously explained by social characteristics of the
residential population and, as stipulated by crime pattern theory, might also
be linked to human movements of non-residential visitors. Yet a full empirical
validation of the latter is lacking. The prime reason is that prior studies are
limited to aggregated statistics of human visitors rather than mobility flows
and, because of that, neglect the temporal dynamics of individual human
movements. As a remedy, we provide the first work which studies the ability of
granular human mobility in describing and predicting crime concentrations at an
hourly scale. For this purpose, we propose the use of data from location
technology platforms. This type of data allows us to trace individual
transitions and, therefore, we succeed in distinguishing different mobility
flows that (i) are incoming or outgoing from a neighborhood, (ii) remain within
it, or (iii) refer to transitions where people only pass through the
neighborhood. Our evaluation infers mobility flows by leveraging an anonymized
dataset from Foursquare that includes almost 14.8 million consecutive check-ins
in three major U.S. cities. According to our empirical results, mobility flows
are significantly and positively linked to crime. These findings advance our
theoretical understanding, as they provide confirmatory evidence for crime
pattern theory. Furthermore, our novel use of digital location services data
proves to be an effective tool for crime forecasting. It also offers
unprecedented granularity when studying the connection between human mobility
and crime.
- Abstract（参考訳）: 犯罪は以前、住民の社会的特徴によって説明され、犯罪パターン理論によって規定されているように、非居住者の人的行動とも関連している可能性がある。
しかし、後者の完全な実証的検証は不足している。
主な理由は、先行研究は移動フローよりも人間の訪問者の集計統計に限られており、そのために個々の人間の運動の時間的ダイナミクスを無視しているからである。
そこで,我々は,犯罪集中度を1時間単位で記述し,予測する上で,粒状の人間の移動能力を研究する最初の研究を行った。
この目的のために,位置技術プラットフォームからのデータの利用を提案する。
この種のデータによって個々の遷移を追跡できるため、異なる移動フローの区別に成功しています。
(i)地区からの出入り、又は出入り
(ii)その内にとどまる、又は
(iii)地区を通り抜けることのみの変遷のこと。
私たちの評価は、foursquareの匿名化されたデータセットを利用してモビリティフローを推測し、米国の主要3都市で約1480万回の連続チェックインを含む。
実験結果によると,モビリティフローは犯罪と著しく関連している。
これらの知見は、犯罪パターン理論の確証として、我々の理論的理解を促進する。
さらに,新たなデジタル位置情報サービスデータの利用は,犯罪予測に有効なツールであることが証明された。
また、人間の移動と犯罪との関係を研究する際、前例のない粒度を提供する。
関連論文リスト
- Comparative Analysis of Human Mobility Patterns: Utilizing Taxi and Mobile (SafeGraph) Data to Investigate Neighborhood-Scale Mobility in New York City [0.0]
本研究では,ニューヨーク市近郊におけるタクシー旅行記録とSafeGraphデータセットを用いた移動性の違いについて検討した。
以上の結果から,タクシーの需要が常に高いロウアー・マンハッタンなどの場所からの移動度は,タクシーのデータによって把握される傾向が示唆された。
対照的にSafeGraphのデータは、自家用車での通勤が一般的であるが、歩行者の多い地域での旅行を過小評価する。
論文 参考訳（メタデータ） (2024-10-21T19:40:23Z) - Network-Based Transfer Learning Helps Improve Short-Term Crime Prediction Accuracy [1.1062397685574308]
本稿では,短期犯罪予測モデルのための新しいトランスファー学習フレームワークを提案する。
提案手法は,移動データ不足のある対象都市を対象としたF1スコアを改善する。
また、F1スコアの改善は、米国の様々な種類の犯罪や多様な都市に広く浸透していることも示している。
論文 参考訳（メタデータ） (2024-06-10T00:51:20Z) - Learning Human Action Recognition Representations Without Real Humans [66.61527869763819]
そこで本研究では,仮想人間を含む合成データを用いて,実世界の映像を活用してモデルを事前学習するベンチマークを提案する。
次に、このデータに基づいて学習した表現を、下流行動認識ベンチマークの様々なセットに転送可能であるかを評価する。
私たちのアプローチは、以前のベースラインを最大5%上回ります。
論文 参考訳（メタデータ） (2023-11-10T18:38:14Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - 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) - On Inferring User Socioeconomic Status with Mobility Records [61.0966646857356]
本稿では,DeepSEIと呼ばれる,社会経済に配慮したディープモデルを提案する。
DeepSEIモデルはディープネットワークとリカレントネットワークと呼ばれる2つのネットワークを組み込んでいる。
実際の移動記録データ、POIデータ、住宅価格データについて広範な実験を行う。
論文 参考訳（メタデータ） (2022-11-15T15:07:45Z) - 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) - Biases in human mobility data impact epidemic modeling [0.0]
携帯電話の不正アクセスと不平等使用による2種類のバイアスを同定する。
我々は、高重量個体が過剰に表現されているすべての調査データセットにおいて、データ生成バイアスの証拠を見つける。
このスキューを緩和するために、データをデバイアスするフレームワークを提案し、代表性を高めるためにいかに簡単なテクニックが使えるかを示す。
論文 参考訳（メタデータ） (2021-12-23T13:20:54Z) - 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) - Socio-economic, built environment, and mobility conditions associated
with crime: A study of multiple cities [9.78342936850961]
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。
論文 参考訳（メタデータ） (2020-04-13T08:36:59Z) - 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。