Криминальная статистика

CrimeStat — это программа для картирования преступности . CrimeStat — это программа для Windows, которая проводит пространственный и статистический анализ и предназначена для взаимодействия с географической информационной системой (ГИС). Программа разработана компанией Ned Levine & Associates под руководством Неда Левина при финансовой поддержке Национального института юстиции (NIJ), агентства Министерства юстиции США . Программа и руководство распространяются бесплатно NIJ.

CrimeStat выполняет пространственный анализ объектов, расположенных в ГИС. Объектами могут быть точки (например, события, местоположения), зоны (например, кварталы, зоны анализа дорожного движения, города) или линии (например, сегменты улиц). Программа может анализировать распределение объектов, выявлять горячие точки, указывать пространственную автокорреляцию, отслеживать взаимодействие событий в пространстве и времени и моделировать поведение во время путешествия.

Имеется модуль регрессии для нелинейного пространственного моделирования. Некоторые из его инструментов предназначены специально для анализа преступности. Другие могут применяться во многих областях. В программе 55 статистических процедур.

Разработка

CrimeStat разрабатывается с середины 1990-х годов под руководством Неда Левина. Первым прототипом была программа на C++ на базе Unix под названием Pointstat, разработанная для анализа дорожно-транспортных происшествий в Гонолулу. ^[1]^[2] В 1996 году Национальный институт юстиции профинансировал первую версию CrimeStat, и ранние процедуры Pointstat были включены в программу.

Первая версия (1.0) была выпущена в августе 1999 г., последняя версия — 3.3 (июль 2010 г.).

До версии 3.1 CrimeStat был запрограммирован Лонгом Доаном из Doan Consulting , Фолс-Черч, Вирджиния.
Начиная с версии 2.0 и исключительно с версии 3.2, CrimeStat программировался в основном Хайяном Тенгом из Хьюстона, штат Техас.

Функциональность

Настройка данных

CrimeStat может вводить данные как из файлов атрибутов, так и из файлов ГИС, но требует, чтобы все наборы данных имели географические координаты, присвоенные объектам. Базовый формат файла — dBase (dbf), но также можно читать текстовые файлы shape (shp) и Ascii. Программе требуется первичный файл, но многие процедуры также используют вторичный файл. CrimeStat использует три системы координат: сферическую (долгота, широта), проекционную и направленную (углы).

Расстояние можно измерять как прямое, косвенное ( Манхэттен ) или по сети (что также позволяет использовать время или скорость в пути). Единицами расстояния являются десятичные градусы для сферических координат и футы, метры, мили, километры или морские мили для проекционных координат. Программа умеет создавать опорные сетки. Некоторые процедуры также используют для своих вычислений площадь географического региона.

Статистические процедуры

Процедуры пространственного описания включают в себя:

Статистика пространственного распределения (средний центр, эллипс стандартного отклонения, центр минимального расстояния, медианный центр, среднее по направлению, выпуклая оболочка)
Статистика пространственной автокорреляции для зональных данных ( I Морана , G Гетиса , Global G Гетиса-Орда , коррелограмма Морана, коррелограмма Гири, коррелограмма Гетиса-Орда),
Статистика между точками на основе расстояния ( ближайшего соседа анализ , «K» Рипли , распределение и суммирование точек первичного файла с точками вторичного файла и различные матрицы расчета расстояний) и
Статистика кластерного анализа для точек, зон или линий. CrimeStat имеет ряд процедур, доступных для идентификации кластеров:

Моделирование Монте-Карло может быть запущено во многих программах для оценки вероятных интервалов .

Процедуры пространственного моделирования включают в себя:

с одним Интерполяция плотности ядром для изучения изменений в области одной переменной.
Двойная интерполяция плотности ядра двух переменных (например, набора событий по отношению к популяции, находящейся под угрозой)
Процедура Head Bang для сглаживания зональных данных ^[3]^[4]
Интерполированная поверхность удара головой, которая интерполирует оценки удара головой в сетку.
«Индексы Нокса и Мантеля, определяющие взаимодействие пространства и времени в событиях
Анализ коррелированного блуждания , основанный на теории случайных блужданий , для моделирования последовательного поведения серийного преступника в пространстве и времени и прогнозирования следующего события.
Анализ пути к преступлению для моделирования вероятного происхождения серийного преступника на основе места предшествующих событий, совершенных преступником ( географическое профилирование )
Байесовский метод «Путешествие к преступлению» представляет собой эмпирический метод Байеса , который объединяет оценку «Путешествие к преступлению» с информацией о месте проживания других серийных преступников, совершивших преступления в тех же местах, для получения обновленной оценки. Программа диагностики сравнивает эту оценку с ее компонентами для прогнозирования места проживания нескольких серийных преступников. ^[5]^[6]
Оценка байесовского пути к преступлению , в которой применяется метод байесовского пути к преступлению для определения местонахождения одного серийного преступника.
Пространственная регрессия . Модели включают в себя обычные наименьшие квадраты , регрессию Пуассона и различные другие обобщенные линейные модели для подсчета данных. Кроме того, существуют процедуры Монте-Карло для цепей Маркова для подбора моделей Пуассона-Гаммы и Логнормального Пуассона, в том числе там, где они имеют настройку условной пространственной авторегрессии (CAR или SAR).

Модуль « Спрос на криминальные поездки» моделирует преступные поездки по мегаполису. Это применение моделирования спроса на поездки к преступлениям или другим редким событиям. ^[7]^[8] Цель состоит в том, чтобы откалибровать поведение большого числа правонарушителей при совершении преступлений во время поездок в качестве основы для моделирования альтернативных мер вмешательства правоохранительных органов. ^[9]^[10]

Выход

CrimeStat имеет три различных типа вывода:

Вывод экрана, на котором отображаются результаты после завершения вычислений. Их можно сохранить в текстовый файл.
Неграфический вывод для многих процедур в текстовом формате dBase DBF или Ascii.
Графический вывод для многих процедур, позволяющий отображать рассчитанные объекты в ГИС. В настоящее время форматы графического вывода включают Esri SHP, MapInfo Interchange Format (MIF/MID), Surfer для Windows DAT и текстовые форматы Ascii.

Недостатки

В отличие от некоторых других программ пространственной статистики, CrimeStat не имеет картографических возможностей и должен использоваться с программным обеспечением ГИС. Некоторые пользователи обнаружили, что интерфейс графического пользовательского интерфейса сложен для понимания и несовместим между различными программами. ^{[ нужна ссылка ]}

Поскольку CrimeStat анализирует точки в большинстве процедур, его результаты не всегда согласуются с результатами программного обеспечения, анализирующего территории (например, GeoDa ). Наконец, размер руководства может отпугнуть новых пользователей пространственной статистики.

Вспомогательная разработка CrimeStat

Помимо разработки программы CrimeStat, все процедуры через ^{[ нужны разъяснения ]} версия 2.0 плюс процедуры пространственной автокорреляции были преобразованы в библиотеки .NET для использования в сторонних приложениях. Версия 1.0 библиотек CrimeStat была выпущена в августе 2010 года и доступна на веб-странице CrimeStat.

Отзывы и примеры

Опубликованы обзоры и примеры применения CrimeStat для анализа преступности. ^[11]^[12]^[13]Также появились примеры использования CrimeStat вне анализа преступности. ^[14]^[15]^[16]^[17]^[18]

Использование CrimeStat аналитиками полиции округа Балтимор

Аналитики полиции округа Балтимор используют CrimeStat для выполнения различного пространственного анализа. ^{[ нужна ссылка ]} Основная обязанность полицейских аналитиков округа Балтимор — выявлять и решать существующие или ожидаемые проблемы преступности. Полицейские аналитики используют «анализ горячих точек» в CrimeStat для выявления районов округа с высокой концентрацией преступности. Другой пример, демонстрирующий использование CrimeStat, касается подходов департамента к борьбе с преступностью и безопасностью дорожного движения, основанных на данных (DDACTS).

Аналитики полиции использовали иерархическую пространственную кластеризацию ближайших соседей для выявления районов с высокой концентрацией преступности и дорожно-транспортных происшествий. Аналитики обнаружили, что две кластерные группы — преступность и несчастные случаи — действительно пересекались во многих районах округа. Программа округа DDACTS была инициирована с целью увеличения присутствия полиции в целевых районах. Предварительные результаты оказались обнадеживающими: в районах DDACTS количество целенаправленных преступлений и дорожно-транспортных происшествий сократилось.

Программа Департамента DDACTS с тех пор стала моделью по всей стране при поддержке Национальной администрации безопасности дорожного движения. Наконец, полицейские аналитики использовали модели CrimeStat’s Journey to Crime и Bayesian Journey to Crime Estimation, чтобы успешно определить пространство деятельности серийного преступника. После того, как место деятельности правонарушителя будет идентифицировано, полицейские аналитики изучат информацию, полученную из других полицейских источников, таких как остановки движения, отчеты полевых интервью и считыватели номерных знаков, чтобы определить, был ли установлен контакт с потенциальным правонарушителем.

Полиция также использовала модель спроса на криминальные поездки CrimeStat для выявления дорожных сетей, которыми пользуются водители, находящиеся в нетрезвом виде (DUI). Дороги, определенные с помощью модели спроса на криминальные поездки, были объектом программ по пресечению со стороны группы по борьбе с вождением в нетрезвом состоянии. Подобные взвешенные дорожные сети использовались в сочетании с моделями «Путешествие к преступлению» для улучшения идентификации пространства деятельности правонарушителя.

См. также

Картирование преступности

Ссылки

^ Левин, Н. «Пространственная статистика и ГИС: программные инструменты для количественной оценки пространственных закономерностей», Журнал Американской ассоциации планирования . 1996. 62 (3), 381–392.
^ Левин Н., Ким К.Э. и Нитц Л.Х. (1995). «Пространственный анализ автомобильных аварий в Гонолулу: I. Пространственные закономерности». Анализ и предотвращение несчастных случаев , 27 (5), 663-674.
^ Мунгиоле М., Пикл Л.В. и Симонсон К.Х. (2002). Применение взвешенного алгоритма удара головой к картам данных о смертности, Статистика в медицине , 18, 3201-3209.
^ Мунгиоле, М. и Пикл, Л.В. (1999). Определение оптимальной степени сглаживания с использованием алгоритма взвешенного удара головой по картографированным данным о смертности, В журнале ASC '99 «Ведущие исследования и статистические вычисления в новом тысячелетии» , материалы Международной конференции ASC, сентябрь. [1] Архивировано 27 мая 2010 г. в Wayback Machine.
^ Левин, Н. и Блок, Р. (2011). «Байесовский путь к оценке преступности: улучшение методологии географического профилирования». Профессиональный географ , 63 (2), 1–17.
^ JIP-OP (2009). Статьи Левина Н., Кантера Д., Блока Р., Бернаско В., Лейтнера М., Кента Дж., Ли П. и О'Лири М., Специальный выпуск о Байесовском путешествии -моделирование преступности. Журнал следственной психологии и составления профилей правонарушителей , 6 (3).
^ Хеншер, Д.А. и Баттон, К.Дж. (2002). Справочник по транспортному моделированию . Elsevier Science: Кембридж, Великобритания.
^ Ортузар, Хуан де Диос и Луис Г. Виллумсен (2001). Моделирование транспорта (3-е издание). Дж. Уайли и сыновья: Нью-Йорк.
^ Левин, Н. и Кантер, П. (2011) «Связь происхождения с пунктами назначения дорожно-транспортных происшествий в нетрезвом состоянии: применение моделирования спроса на криминальные поездки». Картирование преступности . В печати.
^ Левин, Н. (2007), «Спрос на криминальные поездки и ограбления банков: использование CrimeStat III для моделирования поездок с ограблениями банков». Компьютерный обзор социальных наук , 25 (2), 239–258.
^ Бродский, Х. (2002). «CrimeStat II на геостатистической сцене». Геопространственные решения , ноябрь. 49-53
^ Полсен, Д. и Робинсон, М. (2008). Пространственные аспекты преступности: теория и практика (2-е издание). Аллин и Бэкон.
^ Чейни, С. и Рэтклифф, Дж. (2005). ГИС и картографирование преступности . Джон Уайли и сыновья, ООО
^ Лай ПК, Low CT, Вонг М, Вонг WC и Чан МХ. (2009). «Пространственный анализ падений в городском сообществе Гонконга», Международный журнал географии здоровья , 17:8-14.
^ де Смит, М.Дж., Гудчайлд, М.Ф., и Лонгли, Пенсильвания (2007). Геопространственный анализ (второе издание). The Winchelsea Press: Лестер, Великобритания
^ Энн ван дер Вин, А. (2005). «Экономические горячие точки: визуализация уязвимости к наводнениям», Natural Hazards , 36(1-2), 65-80.
^ Анселин, Л. (2003). «Введение в анализ шаблонов точек с использованием CrimeStat», GeoDa Центр , Университет штата Аризона: Темпе. http://geodacenter.asu.edu/system/files/points.pdf
^ Клевенджер, AP, Хрущ, Б. и Гансон, К.Э. (2001). «Защитное ограждение на шоссе снижает вероятность столкновений между дикими животными и транспортными средствами», Бюллетень Общества дикой природы , 29(2),646-653.

Дальнейшее чтение

Левин, Н. (2008). «CrimeStat: пространственная статистическая программа для анализа преступных происшествий». Шекхар С. и Сюн Х. (редакторы), Энциклопедия географической информатики . Спрингер. 187-193.
Левин, Н. (2006). «Картирование преступности и программа CrimeStat. Географический анализ . 38 (1), 41-55.

Внешние ссылки

Официальный сайт

[1] Левин, Н. «Пространственная статистика и ГИС: программные инструменты для количественной оценки пространственных закономерностей», Журнал Американской ассоциации планирования . 1996. 62 (3), 381–392.

[2] Левин Н., Ким К.Э. и Нитц Л.Х. (1995). «Пространственный анализ автомобильных аварий в Гонолулу: I. Пространственные закономерности». Анализ и предотвращение несчастных случаев , 27 (5), 663-674.

[3] Мунгиоле М., Пикл Л.В. и Симонсон К.Х. (2002). Применение взвешенного алгоритма удара головой к картам данных о смертности, Статистика в медицине , 18, 3201-3209.

[4] Мунгиоле, М. и Пикл, Л.В. (1999). Определение оптимальной степени сглаживания с использованием алгоритма взвешенного удара головой по картографированным данным о смертности, В журнале ASC '99 «Ведущие исследования и статистические вычисления в новом тысячелетии» , материалы Международной конференции ASC, сентябрь. [1] Архивировано 27 мая 2010 г. в Wayback Machine.

[5] Левин, Н. и Блок, Р. (2011). «Байесовский путь к оценке преступности: улучшение методологии географического профилирования». Профессиональный географ , 63 (2), 1–17.

[6] JIP-OP (2009). Статьи Левина Н., Кантера Д., Блока Р., Бернаско В., Лейтнера М., Кента Дж., Ли П. и О'Лири М., Специальный выпуск о Байесовском путешествии -моделирование преступности. Журнал следственной психологии и составления профилей правонарушителей , 6 (3).

[7] Хеншер, Д.А. и Баттон, К.Дж. (2002). Справочник по транспортному моделированию . Elsevier Science: Кембридж, Великобритания.

[8] Ортузар, Хуан де Диос и Луис Г. Виллумсен (2001). Моделирование транспорта (3-е издание). Дж. Уайли и сыновья: Нью-Йорк.

[9] Левин, Н. и Кантер, П. (2011) «Связь происхождения с пунктами назначения дорожно-транспортных происшествий в нетрезвом состоянии: применение моделирования спроса на криминальные поездки». Картирование преступности . В печати.

[10] Левин, Н. (2007), «Спрос на криминальные поездки и ограбления банков: использование CrimeStat III для моделирования поездок с ограблениями банков». Компьютерный обзор социальных наук , 25 (2), 239–258.

[11] Бродский, Х. (2002). «CrimeStat II на геостатистической сцене». Геопространственные решения , ноябрь. 49-53

[12] Полсен, Д. и Робинсон, М. (2008). Пространственные аспекты преступности: теория и практика (2-е издание). Аллин и Бэкон.

[13] Чейни, С. и Рэтклифф, Дж. (2005). ГИС и картографирование преступности . Джон Уайли и сыновья, ООО

[14] Лай ПК, Low CT, Вонг М, Вонг WC и Чан МХ. (2009). «Пространственный анализ падений в городском сообществе Гонконга», Международный журнал географии здоровья , 17:8-14.

[15] де Смит, М.Дж., Гудчайлд, М.Ф., и Лонгли, Пенсильвания (2007). Геопространственный анализ (второе издание). The Winchelsea Press: Лестер, Великобритания

[16] Энн ван дер Вин, А. (2005). «Экономические горячие точки: визуализация уязвимости к наводнениям», Natural Hazards , 36(1-2), 65-80.

[17] Анселин, Л. (2003). «Введение в анализ шаблонов точек с использованием CrimeStat», GeoDa Центр , Университет штата Аризона: Темпе. http://geodacenter.asu.edu/system/files/points.pdf

[18] Клевенджер, AP, Хрущ, Б. и Гансон, К.Э. (2001). «Защитное ограждение на шоссе снижает вероятность столкновений между дикими животными и транспортными средствами», Бюллетень Общества дикой природы , 29(2),646-653.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]