Crime Prediction with Historical Crime and Movement Data of Potential Offenders Using a Spatio-Temporal Cokriging Method
Crime Prediction with Historical Crime and Movement Data of Potential Offenders Using a Spatio-Temporal Cokriging Method
复制标题
使用时空协同克里金法利用历史犯罪和潜在犯罪者的活动数据进行犯罪预测
DOI：
10.3390/ijgi9120732
复制
发表时间：
2020-12
影响因子：
3.4
通讯作者：
Lan Minxuan
中科院分区：
文献类型：
--
作者：
Yu Hongjie;Liu Lin;Yang Bo;Lan Minxuan
利用机器学习和数据融合同化进行犯罪预测已经成为一个热门话题。大多数模型依赖于历史犯罪数据和相关的环境变量。潜在犯罪者的活动影响犯罪模式，但具有精细分辨率的数据尚未应用于犯罪预测。本研究的目的是通过将这些数据结合到预测模型中并评估预测精度来测试潜在犯罪者的活动在犯罪预测中的效果。本研究利用警方例行盘查行动中所收集的过去犯罪者的行动资料来推断未来犯罪者的行动。犯罪者移动数据补偿时空协同克里格（ST-Cokriging）模型中的历史犯罪数据，用于犯罪预测。该模型在中国ZG市XT警区的每周、每两周和每四周的预测中得到了应用。纳入犯罪者移动数据的结果始终优于不纳入数据的结果。每周模型的改善最为明显，其次是双周模型和四周模型。总之，增加罪犯移动数据可加强犯罪预测，特别是短期犯罪预测。
Crime prediction using machine learning and data fusion assimilation has become a hot topic. Most of the models rely on historical crime data and related environment variables. The activity of potential offenders affects the crime patterns, but the data with fine resolution have not been applied in the crime prediction. The goal of this study is to test the effect of the activity of potential offenders in the crime prediction by combining this data in the prediction models and assessing the prediction accuracies. This study uses the movement data of past offenders collected in routine police stop-and-question operations to infer the movement of future offenders. The offender movement data compensates historical crime data in a Spatio-Temporal Cokriging (ST-Cokriging) model for crime prediction. The models are implemented for weekly, biweekly, and quad-weekly prediction in the XT police district of ZG city, China. Results with the incorporation of the offender movement data are consistently better than those without it. The improvement is most pronounced for the weekly model, followed by the biweekly model, and the quad-weekly model. In sum, the addition of offender movement data enhances crime prediction, especially for short periods.
登录
查看更多内容
DOI：
--
发表时间：
2015-06
期刊：
--
影响因子：
--
作者：
D. Krige
通讯作者：
D. Krige
影响因子：
2.6
作者：
Fisher, BS;Wilkes, ARP
通讯作者：
Wilkes, ARP
影响因子：
1.8
作者：
Thomas D. Gautheir
通讯作者：
Thomas D. Gautheir
中国青少年和成年流动窃贼居住地点与邻里环境的关系研究
影响因子：
6.7
作者：
Liu Lin;Feng Jiaxin;Ren Fang;Xiao Luzi
通讯作者：
Xiao Luzi
影响因子：
2.5
作者：
R. D. Veaux
通讯作者：
R. D. Veaux