論文の概要: Multi-officer Routing for Patrolling High Risk Areas Jointly Learned
from Check-ins, Crime and Incident Response Data
- arxiv url: http://arxiv.org/abs/2008.00113v2
- Date: Tue, 16 Nov 2021 02:36:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 05:44:25.507418
- Title: Multi-officer Routing for Patrolling High Risk Areas Jointly Learned
from Check-ins, Crime and Incident Response Data
- Title(参考訳): チェックイン・犯罪・インシデント対応データから学ぶ高リスクエリアのパトロールのためのマルチオフィスルーティング
- Authors: Shakila Khan Rumi, Kyle K. Qin, Flora D. Salim
- Abstract要約: 我々は、チェックイン、犯罪、インシデント対応データ、およびPOI情報を用いて、複数の警察官に対する動的犯罪パトロール計画問題を定式化する。
本稿では,可能解の表現のための共同学習法と非ランダム最適化法を提案する。
提案手法の性能検証と実世界のデータセットを用いたいくつかの最先端手法との比較を行った。
- 参考スコア(独自算出の注目度): 6.295207672539996
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: A well-crafted police patrol route design is vital in providing community
safety and security in the society. Previous works have largely focused on
predicting crime events with historical crime data. The usage of large-scale
mobility data collected from Location-Based Social Network, or check-ins, and
Point of Interests (POI) data for designing an effective police patrol is
largely understudied. Given that there are multiple police officers being on
duty in a real-life situation, this makes the problem more complex to solve. In
this paper, we formulate the dynamic crime patrol planning problem for multiple
police officers using check-ins, crime, incident response data, and POI
information. We propose a joint learning and non-random optimisation method for
the representation of possible solutions where multiple police officers patrol
the high crime risk areas simultaneously first rather than the low crime risk
areas. Later, meta-heuristic Genetic Algorithm (GA) and Cuckoo Search (CS) are
implemented to find the optimal routes. The performance of the proposed
solution is verified and compared with several state-of-art methods using
real-world datasets.
- Abstract(参考訳): 精巧な警察パトロールルートの設計は、社会の安全と安全を提供するのに不可欠である。
過去の研究は主に、過去の犯罪データによる犯罪事象の予測に重点を置いてきた。
位置情報ベースのソーシャルネットワークやチェックインから収集した大規模モビリティデータや、効果的な警察パトロールを設計するためのpoi(point of interest)データの利用は、概ね未検討である。
現実の状況で複数の警察官が勤務していることを考えると、この問題はより複雑になる。
本稿では,複数の警察官に対して,チェックイン,犯罪,インシデント対応データ,poi情報を用いた動的犯罪パトロール計画問題を提案する。
本稿では,複数の警察官が犯罪リスク領域を同時にパトロールし,低犯罪リスク領域をパトロールする可能性を示すための,共同学習と非ランダム最適化手法を提案する。
その後,メタヒューリスティックな遺伝的アルゴリズム (GA) とCuckoo Search (CS) を実装し,最適経路を求める。
提案手法の性能を検証し,実世界のデータセットを用いた最先端手法と比較した。
関連論文リスト
- Cooperative Patrol Routing: Optimizing Urban Crime Surveillance through Multi-Agent Reinforcement Learning [0.0]
都市環境における予測不可能なパトロールルートを計画するためのマルチエージェント強化学習(MARL)モデルを提案する。
このモデルは、マラガの3つの中規模地区で警察のパトロールルートを最適化するためにテストされている。
本稿では,本モデルが生成した経路のカバレッジ性能を評価するための新しい指標であるカバレッジ指標を提案する。
論文 参考訳(メタデータ) (2025-01-14T11:20:19Z) - Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。
この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。
本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
論文 参考訳(メタデータ) (2024-11-15T08:09:28Z) - Machine Learning for Public Good: Predicting Urban Crime Patterns to Enhance Community Safety [0.0]
本稿では,都市部における犯罪の空間的・時間的パターンを予測するML手法の有効性について検討する。
研究目標は、呼び出しを優先度レベルに分類する際の高い精度を達成することである。
論文 参考訳(メタデータ) (2024-09-17T02:07:14Z) - LAPIS: Language Model-Augmented Police Investigation System [16.579861300355343]
LAPIS(Language Model Augmented Police Investigation System)は,警察官が合理的かつ法的調査を行うのを支援する自動システムである。
そこで我々は,犯罪捜査法理処理を専門とする微調整データセットと検索知識ベースを構築した。
実験結果は、LAPISが警察官に信頼できる法的ガイダンスを提供する可能性を示しており、プロプライエタリなGPT-4モデルよりも優れていることを示している。
論文 参考訳(メタデータ) (2024-07-19T09:24:29Z) - SpatialRank: Urban Event Ranking with NDCG Optimization on
Spatiotemporal Data [55.609946936979036]
本研究ではSpatialRankという新しい空間イベントランキング手法を提案する。
本研究では,SpatialRankが犯罪や交通事故の最も危険性の高い場所を効果的に特定できることを示す。
論文 参考訳(メタデータ) (2023-09-30T06:20:21Z) - 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) - Data-Driven Optimization for Police Zone Design [15.562554711183028]
都市環境における警察パトロールゾーンの再設計のためのデータ駆動型フレームワークを提案する。
目的は、警察の作業負荷を地理的にバランスさせ、緊急呼び出しに対する応答時間を短縮することである。
ゾーンの再設計前後のデータを解析することにより,新しい設計により,優先度の高い911コールに対する応答時間が5.8%削減されたことを示す。
論文 参考訳(メタデータ) (2021-03-30T20:16:01Z) - 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) - 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。