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

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。

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。