論文の概要: A Fuzzy Logic Framework for Community-Aware Crime Hotspot Detection: Prototype Application Architecture and Exploratory Validation for an Urban Computing Platform
- arxiv url: http://arxiv.org/abs/2607.16218v1
- Date: Fri, 12 Jun 2026 01:31:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:13.03776
- Title: A Fuzzy Logic Framework for Community-Aware Crime Hotspot Detection: Prototype Application Architecture and Exploratory Validation for an Urban Computing Platform
- Title（参考訳）: コミュニティ対応犯罪ホットスポット検出のためのファジィ論理フレームワーク:都市コンピューティングプラットフォームのためのプロトタイプアプリケーションアーキテクチャと探索検証
- Abstract要約: 本稿では,都市犯罪ホットスポットの検出とリアルタイム通知のためのファジィ論理ベースのフレームワークとして,アーバンコンピューティングセミナープロジェクトを再編成する。
提案するプラットフォームは、市民報告、歴史的犯罪データ、文脈的都市指標、ファジィルールを組み合わせて、局所的なリスクレベルを推定する。
この評価は、知覚的有用性、通知関連性、ユーザビリティ、信頼、プライバシー問題、多言語アクセシビリティ、およびコミュニティレポートの受け入れに焦点を当てている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Urban crime prevention is a persistent socio-technical challenge for municipalities, law enforcement agencies, and citizens. Traditional reporting and response processes often rely on delayed incident reports and reactive resource allocation, while community-level signals and ambiguous early-warning indicators may remain underused. This paper reframes an Urban Computing seminar project into a fuzzy logic-based framework for community-aware urban crime hotspot detection and real-time notification. The proposed platform combines citizen reports, historical crime data, contextual urban indicators, and configurable fuzzy rules to estimate localized risk levels and support targeted awareness notifications. Unlike binary classification approaches, fuzzy logic can represent partial risk, uncertainty, and incomplete information, making it suitable for urban environments where risk is gradual and context-dependent. The paper presents the system architecture, fuzzy risk model, notification workflow, privacy safeguards, and exploratory validation with 25 participants. The evaluation focuses on perceived usefulness, notification relevance, usability, trust, privacy concerns, multilingual accessibility, and acceptance of community reporting. The findings suggest that such a platform may improve situational awareness, support reporting and planning discussions, and help address weak points in existing urban safety workflows, while not yet constituting evidence of deployed crime reduction or real-world predictive accuracy. The contribution is a responsible, human-centered framework for future research on fuzzy logic, urban computing, and community-aware crime prevention systems.
- Abstract（参考訳）: 都市犯罪防止は、自治体、法執行機関、市民にとって永続的な社会技術的課題である。
従来のレポートとレスポンスのプロセスは、しばしば遅延インシデントレポートとリアクティブリソース割り当てに依存し、コミュニティレベルの信号とあいまいな早期警戒指標は未使用のままである。
本稿では,都市犯罪ホットスポットの検出とリアルタイム通知のためのファジィ論理ベースのフレームワークとして,アーバンコンピューティングセミナープロジェクトを再編成する。
提案するプラットフォームは,市民報告,歴史犯罪データ,文脈的都市指標,ファジィルールを組み合わせ,局所的なリスクレベルを推定し,目標とする認識通知をサポートする。
二項分類法とは異なり、ファジィ論理は部分的リスク、不確実性、不完全な情報を表現し、リスクが段階的かつ文脈に依存した都市環境に適している。
本稿では,システムアーキテクチャ,ファジィリスクモデル,通知ワークフロー,プライバシ保護,25人の参加者による探索的検証について述べる。
この評価は、知覚的有用性、通知関連性、ユーザビリティ、信頼、プライバシー問題、多言語アクセシビリティ、およびコミュニティレポートの受け入れに焦点を当てている。
この結果から,このようなプラットフォームは,既存の都市安全ワークフローの弱点に対処する上で,状況認識の向上,報告支援,計画議論の支援,そして,まだ展開された犯罪の削減や現実の予測精度の証拠を構成していない可能性が示唆された。
この貢献は、ファジィ論理、都市コンピューティング、およびコミュニティに意識された犯罪防止システムに関する将来の研究のための責任ある人間中心のフレームワークである。
関連論文リスト
- AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。
本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
論文 参考訳（メタデータ） (2026-08-26T11:48:38Z) - Community-Led AI Integration for Wildfire Risk Assessment: A Participatory AI Literacy and Explainability Integration (PALEI) Framework in Los Angeles, CA [4.828654519487229]
火災リスクコミュニケーションツールは、アクセス不能な設計、不透明なアウトプット、コンテキスト関連性の制限により、公共の信頼を得られないことが多い。
本研究では、参加型AIリテラシーと説明可能性統合フレームワークを用いて、AIを山火事リスク評価に統合するためのコミュニティ主導のアプローチを紹介する。
論文 参考訳（メタデータ） (2026-04-20T03:16:31Z) - Agents of Chaos [50.53354213047402]
実験室環境に展開する自律言語モデルを用いたエージェントの探索的再チームの研究を報告する。
20人のAI研究者が、良心的および敵対的な条件下でエージェントと対話した。
我々の発見は、現実的なデプロイメント設定におけるセキュリティ、プライバシ、ガバナンスに関連する脆弱性の存在を確立します。
論文 参考訳（メタデータ） (2026-02-23T16:28:48Z) - AILuminate: Introducing v1.0 of the AI Risk and Reliability Benchmark from MLCommons [62.374792825813394]
本稿ではAI製品リスクと信頼性を評価するための業界標準ベンチマークとして,AIluminate v1.0を紹介する。
このベンチマークは、危険、違法、または望ましくない行動を12の危険カテゴリーで引き起こすように設計されたプロンプトに対するAIシステムの抵抗を評価する。
論文 参考訳（メタデータ） (2025-02-19T05:58:52Z) - 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) - Dwelling Type Classification for Disaster Risk Assessment Using
Satellite Imagery [3.88838725116957]
周辺地域の危険度とリスク評価は, 災害対策に不可欠である。
既存のシステムは、時間と費用のかかるフィールドサーベイに依存するため、警告を解読し、超局所的なレベルでリスクの正確な範囲を評価するスケーラブルな方法を提供していない。
この研究において、機械学習は住居とそのタイプを特定するプロセスを自動化するために使用され、潜在的に効果的な災害脆弱性評価システムを構築した。
論文 参考訳（メタデータ） (2022-11-16T03:08:15Z) - 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) - 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) - 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) - 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。