論文の概要: Revisiting Broken Windows Theory

• arxiv url: http://arxiv.org/abs/2509.16490v1
• Date: Sat, 20 Sep 2025 01:27:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.818283
• Title: Revisiting Broken Windows Theory
• Title（参考訳）: Windows理論の崩壊を振り返る
• Authors: Ziyao Cui, Erick Jiang, Nicholas Sortisio, Haiyan Wang, Eric Chen, Cynthia Rudin,
• Abstract要約: 都市景観の物理的構造が犯罪にどのように影響するかという長年の疑問を再考する。 ニューヨーク市とシカゴの暴力犯罪の発生に及ぼす都市構造の影響を推定する。
• 参考スコア（独自算出の注目度）: 21.77074383615057
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We revisit the longstanding question of how physical structures in urban landscapes influence crime. Leveraging machine learning-based matching techniques to control for demographic composition, we estimate the effects of several types of urban structures on the incidence of violent crime in New York City and Chicago. We additionally contribute to a growing body of literature documenting the relationship between perception of crime and actual crime rates by separately analyzing how the physical urban landscape shapes subjective feelings of safety. Our results are twofold. First, in consensus with prior work, we demonstrate a "broken windows" effect in which abandoned buildings, a sign of social disorder, are associated with both greater incidence of crime and a heightened perception of danger. This is also true of types of urban structures that draw foot traffic such as public transportation infrastructure. Second, these effects are not uniform within or across cities. The criminogenic effects of the same structure types across two cities differ in magnitude, degree of spatial localization, and heterogeneity across subgroups, while within the same city, the effects of different structure types are confounded by different demographic variables. Taken together, these results emphasize that one-size-fits-all approaches to crime reduction are untenable and policy interventions must be specifically tailored to their targets.
• Abstract（参考訳）: 都市景観の物理的構造が犯罪にどのように影響するかという長年の疑問を再考する。 人口構成の制御に機械学習を用いたマッチング技術を活用し,ニューヨーク市とシカゴにおける暴力犯罪の発生に及ぼす都市構造の影響を推定した。 さらに,身体的都市景観がどのように主観的な安心感を形作るのかを別々に分析することにより,犯罪認識と実際の犯罪率との関係を文書化する文献の育成に寄与する。 私たちの結果は2倍です。 まず、先行研究と一致して、放棄された建物、社会障害の兆候が、犯罪の発生の増大と危険に対する認識の高揚に結びついている「壊れた窓」効果を実証する。 これは、公共交通機関などの足場交通を惹きつける都市構造にも当てはまる。 第二に、これらの効果は都市内でも都市中でも均一ではない。 2つの都市にまたがる同じ構造型の犯罪的効果は、大きさ、空間的局在度、サブグループ間での異質性などによって異なるが、同じ都市内では異なる構造型の効果は異なる人口統計学的変数によって構成される。 これらの結果は、犯罪削減に対する一大のアプローチは不可能であり、政策介入はターゲットに合わせて特別に調整されなければならないことを強調している。

関連論文リスト

• Street network sub-patterns and travel mode [0.5670066649802191]
  そこで我々は,密度,接続性,空間構成などの構造指標を用いて,米国の9大都市圏の建築環境を分類した。 得られた形態型は, 記述的統計, 限界効果推定, ポストホック統計検査により, モビリティーパターンに関連づけられた。 これらの結果から, 都市形態はモビリティ計画において重要な変数として扱われるべきであり, 持続可能な都市政策設計に空間型を組み込むことを実証的に支援すべきであると考えられる。
  論文  参考訳（メタデータ） (2025-07-25T19:49:51Z)
• Causal Discovery and Inference towards Urban Elements and Associated Factors [13.459451482410072]
  本稿では, 因果関係の包括的解明を目的とした新しい都市因果計算フレームワークを提案する。 特に、潜在的な因果グラフを発見するための強化学習アルゴリズムを設計する。 下流都市におけるモビリティ予測タスクにおける因果効果の意義レベルを活用する。
  論文  参考訳（メタデータ） (2025-03-09T02:15:04Z)
• Uncover the nature of overlapping community in cities [4.497897224837208]
  本研究は,都市社会に固有の複雑な重なり合う性質を反映した,グラフに基づく物理対応深層学習フレームワークを提案する。 米国ミネソタ州ツインシティーズ都市圏(TCMA)における携帯電話の位置データを分析した結果、都市機能の複雑さの95.7%は、平日におけるコミュニティの重複構造に起因することがわかった。
  論文  参考訳（メタデータ） (2024-01-31T22:50:49Z)
• 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)
• 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 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)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• 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。