权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

犯罪がいつ起こるかを予測する：時期的犯罪予測の手法構築

预测犯罪何时发生：开发时间犯罪预测方法

基本信息

批准号：
21K14365
负责人：
大山智也
金额：
$ 3万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K14365/
关键词：
安全・安心犯罪予測犯罪予防時空間モデリング機械学習

项目摘要

本研究では、犯罪予測研究で疎かにされてきた時間の側面に着目し、犯罪の発生する季節、曜日、時間帯などに関する詳細な予測手法の開発に取り組んでいる。本年度は、①曜日や時間に固有の効果とは独立に、未検挙の犯罪企図者・集団が活動し続けることで上昇する犯罪反復効果や、警察をはじめとした犯罪予防資源の動員による抑止効果によってもたらされる短期的な変動を検出することを目的として分析を行った。ここでは、ひとたび犯罪被害が発生した直後の数日～数週間以内に急上昇する被害水準に着目し、期待される持続期間がどの程度なのかを推定するため、状態空間モデル、時系列の異常検出手法の2つのアプローチで検討を行った。前者においては、季節、曜日、祝日、大規模イベント開催の影響といった、様々な時間スケールでの時期固有の犯罪誘引効果（前年度に分析したもの）を取り除いてトレンドの検出を行うべく、これらの変数を説明変数として投入したTime-varying Coefficient ModelやDynamic Generalized Linear Modelを適用した。このとき、犯罪類型ごとには日単位の分析を行うためには発生水準が低頻度な状況に対処するため、町丁目レベルで社会経済的特性や物理構造的特性が均質とみなせるクラスタにまとめ、このクラスタごとに分析を行った。後者の分析においては、非定常時系列に対するリアルタイムな変化点検出に用いられるBayesian Online Change Point Detectionにより、犯罪トレンドが急激に変化する時点の検出を試みた。結果として、異常検出手法の方が、より明瞭に短期的な変化を捉えることができることを確認した。

This study focuses on the development of crime prediction methods based on time, season, day and time of occurrence. This year's crime prevention campaign is on the rise. Therefore, based on the fact that the level of crime victims has risen sharply in the days to weeks after the crime is committed, and the degree of expectation has increased during the period of time, the state space monitor and time series anomaly detection methods will be discussed. The former includes the influence of the season, the day, the birthday, the large-scale event, the Time-varying Coefficient Model and the Dynamic Generalized Linear Model. The analysis of the type of crime, the level of development, the characteristics of the social economy, the characteristics of the physical structure, the analysis of the type of crime, the characteristics of the social economy, the characteristics of the social economy, and the characteristics of the social economy. The analysis of the latter is based on Bayesian Online Change Point Detection, which is used in the analysis of non-steady time series. The results show that the method of abnormal detection is correct, and the short-term transformation is confirmed.