論文の概要: Predictive Hotspot Mapping for Data-driven Crime Prediction

• arxiv url: http://arxiv.org/abs/2602.23750v1
• Date: Fri, 27 Feb 2026 07:26:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 19:48:24.296061
• Title: Predictive Hotspot Mapping for Data-driven Crime Prediction
• Title（参考訳）: データ駆動型犯罪予測のための予測ホットスポットマッピング
• Authors: Karthik Sriram, Ankur Sinha, Suvashis Choudhary,
• Abstract要約: 歴史的データに基づく犯罪予測を目的とした非時間的カーネルモデルを作成する。 提案手法は、人間から得られる専門家の入力を、別の情報源を通じて組み込むこともできる。 論文で得られた結果は有望であり、他の設定で容易に適用することができる。
• 参考スコア（独自算出の注目度）: 0.38221075127979987
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Predictive hotspot mapping is an important problem in crime prediction and control. An accurate hotspot mapping helps in appropriately targeting the available resources to manage crime in cities. With an aim to make data-driven decisions and automate policing and patrolling operations, police departments across the world are moving towards predictive approaches relying on historical data. In this paper, we create a non-parametric model using a spatio-temporal kernel density formulation for the purpose of crime prediction based on historical data. The proposed approach is also able to incorporate expert inputs coming from humans through alternate sources. The approach has been extensively evaluated in a real-world setting by collaborating with the Delhi police department to make crime predictions that would help in effective assignment of patrol vehicles to control street crime. The results obtained in the paper are promising and can be easily applied in other settings. We release the algorithm and the dataset (masked) used in our study to support future research that will be useful in achieving further improvements.
• Abstract（参考訳）: 予測ホットスポットマッピングは犯罪予測と制御において重要な問題である。 正確なホットスポットマッピングは、都市の犯罪を管理するために利用可能なリソースを適切にターゲットするのに役立つ。 データドリブンな判断をし、警察やパトロールの業務を自動化することを目的として、世界中の警察署は歴史的データに依存する予測的アプローチに向かっている。 本稿では,歴史データに基づく犯罪予測を目的とした時空間カーネル密度の定式化を用いた非パラメトリックモデルを作成する。 提案手法は、人間から得られる専門家の入力を、別の情報源を通じて組み込むこともできる。 この手法は、デリー警察署と共同で、パトロール車両が街路犯罪を抑えるのに役立つ犯罪予測を行うことで、現実世界で広く評価されている。 論文で得られた結果は有望であり、他の設定で容易に適用することができる。 我々の研究で使われているアルゴリズムとデータセット(マッピング)は、さらなる改善を達成するのに役立つ将来の研究を支援するのに役立ちます。

関連論文リスト

• Crime Hotspot Prediction Using Deep Graph Convolutional Networks [0.3749861135832073]
  犯罪のホットスポット予測は、都市の安全と効果的な法執行の確保に重要であるが、犯罪活動に固有の複雑な空間的依存関係のため、依然として困難である。 本稿では,犯罪データをグラフとして表現することで空間依存を明示的にモデル化する,グラフ畳み込みネットワーク(GCN)に基づく新しいフレームワークを提案する。 本手法は,88%の分類精度を達成し,従来の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-06-16T05:47:29Z)
• Likelihood-Free Estimation for Spatiotemporal Hawkes processes with missing data and application to predictive policing [24.33098548975857]
  時空間ホークスモデルにおける未報告犯罪を考慮に入れたWGAN(Wasserstein Generative Adrial Networks)による可能性のないアプローチを提案する。 本研究では、この手法がデータ不足の有無でパラメトリック推定の精度をいかに向上するかを実証分析により示す。
  論文  参考訳（メタデータ） (2025-02-10T23:09:12Z)
• Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced Dataset and Benchmark [62.997667081978825]
  本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。 データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
  論文  参考訳（メタデータ） (2022-05-20T21:15:26Z)
• 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)
• 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)
• Multi-officer Routing for Patrolling High Risk Areas Jointly Learned from Check-ins, Crime and Incident Response Data [6.295207672539996]
  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。
  論文  参考訳（メタデータ） (2020-07-31T23:33:14Z)
• Belief Rule Based Expert System to Identify the Crime Zones [0.0]
  本稿では,犯罪帯の特定に焦点をあて,犯罪ホットスポットの頻繁なパターンを生成するために,Belief Rule Baseアルゴリズムをどのように実行したかを明らかにする。 また,本論文では,潜在的な犯罪の予測に専門家システムをどのように利用したかを示した。
  論文  参考訳（メタデータ） (2020-05-10T04:07:38Z)
• Action Sequence Predictions of Vehicles in Urban Environments using Map and Social Context [152.0714518512966]
  本研究は、現実の運転シナリオにおける周辺車両の今後の行動の順序を予測する問題について研究する。 最初のコントリビューションは、現実世界の運転シナリオに記録された軌跡をHDマップの助けを借りてアクションシーケンスに変換する自動手法である。 第2のコントリビューションは、よく知られたトラフィックエージェント追跡と予測データセットArgoverseへのメソッドの適用であり、結果として228,000のアクションシーケンスが生成される。 第3のコントリビューションは,交通エージェント,地図情報,社会状況の過去の位置と速度を,単一エンドツーエンドのトレーニング可能なニューラルネットワークに統合して,新たな行動シーケンス予測手法を提案することである。
  論文  参考訳（メタデータ） (2020-04-29T14:59:58Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)
• 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。