Горячие точки преступности

Горячие точки преступности – это районы с высокой интенсивностью преступности . Обычно они визуализируются с помощью карты . Они разработаны для исследователей и аналитиков для изучения географических регионов с точки зрения преступности. Исследователи и теоретики изучают возникновение горячих точек в определенных областях и причины их возникновения, а аналитики изучают методы, используемые для проведения исследований. Разработка карт, на которых обозначены «горячие точки», становится важнейшим и влиятельным инструментом работы полиции; они помогают развивать знания и понимание различных районов города и, возможно, того, почему там происходит преступность.

Теории преступности могут быть полезным руководством для исследователей и аналитиков при анализе горячих точек преступности. Существует множество теорий преступности, объясняющих, почему преступления происходят в одних местах и ​​почему преступления не происходят в других. Теории мест рассматривают преступность в конкретных местах, которые также можно рассматривать как «точки на карте». Другая теория преступности, используемая в отношении горячих точек преступности, - это теории соседства. Эти теории рассматривают преступность на более высоком уровне и в более широкой зоне обзора. При просмотре таких типов областей обычно используется статистическая информация для определения горячих точек. Широко используемая теория для объяснения преступности – это теория закономерностей преступности . Теория структуры преступности объясняет, что преступность не случайна. Горячие точки преступности могут помочь в определении пространственно-временных закономерностей . Эта теория позволяет делать обобщенные утверждения о «горячих точках» на территории, а районы «горячих точек» можно предсказать с помощью теории структуры преступности. При создании горячих точек необходимо оценить теории, которые могут помочь объяснить их возникновение, чтобы определить основные причины.

Очаги преступности можно создавать разными методами. В зависимости от того, какой тип анализа необходим, следует использовать разные методы. Два разных метода создания горячих точек — это STAC (пространственный и временной анализ преступности) и метод ближайшего соседа . Сэмюэл Бейтс создал STAC в начале 1990-х годов. Он создал инструмент, предназначенный для создания горячей точки с высокой плотностью преступности в форме круга на карте. Кларк и Эванс исследовали пространственное расположение точек, создавая основу ближайшего соседа. Кларк и Эванс создали этот метод для изучения популяций растений и животных, но позже метод был адаптирован для изучения моделей преступности.

Ключевые концепции и важные события

Расстояния до ближайшего соседа

Расстояние до ближайшего соседа, также известное как индекс ближайшего соседа (NNI), было областью интересов двух ботаников в начале 1950-х годов, Филипа Кларка и Фрэнсиса Эванса. Два ботаника начали разрабатывать формулу, позволяющую различать образцы растений и животных и их распространение в окружающей среде. Кларк и Эванс (1954) предложили формулу, позволяющую измерить расстояние между растениями и животными в популяции, имеющей случайное распределение . Если бы оно было распределено случайным образом, можно было бы определить среднее расстояние до ближайшего соседа. Они определили случайное распределение как «набор точек на данной области, которые имеют такую ​​же вероятность появления в любой подобласти, как и любая другая точка».

Методология была адаптирована в CrimeStat — компьютерной программе, созданной для анализа данных о преступности. Эта программа использует индекс ближайшего соседа (NNI) для проверки кластеризации и определения наличия «горячей точки» преступления. CrimeStat использует теорию Кларка и Эванса и предполагает, что распределение преступности, используемое для составления глобальной статистики, имеет случайное распределение. NNI сравнивает наблюдаемые расстояния между каждой точкой на карте и ее ближайшим соседом или, другими словами, между каждым преступлением. Затем расстояния вычисляются, чтобы определить среднее расстояние, позволяющее определить, является ли структура преступлений беспорядочной.

Ниже будут подробно объяснены шаги по расчету NNI в соответствии с Eck et al. (2005) . Сначала криминальные происшествия геокодируются на карте, а затем рассчитывается расстояние между одним криминальным инцидентом и его соседом. После этого все расстояния суммируются и делятся на количество криминальных происшествий на карте. По данным Экка и др. (2005) эта величина называется наблюдаемым средним расстоянием до ближайшего соседа. Затем необходимо составить карту случайных происшествий, охватывающую ту же анализируемую территорию. Тот же процесс вычислений необходимо выполнить, чтобы определить среднее случайное расстояние до ближайшего соседа. Эти два числа затем создают соотношение, которое сравнивает наблюдаемые инциденты со случайными инцидентами, которое называется индексом ближайшего соседа.

Эк и др. (2005) далее поясняют, что если полученные результаты меньше 1,0, данные о преступлениях считаются кластеризованными. Если результаты равны 1,0, данные о преступлениях распределяются на карте случайным образом. Наконец, если индекс ближайшего соседа превышает 1,0, набор данных показывает значительную однородную структуру преступлений в этом наборе данных. Использование индекса ближайшего соседа проверяет полную случайность в наборе точек данных. Это полезно для аналитиков, поскольку этот метод позволяет измерять изменения плотности с течением времени.

Пространственный и временной анализ эллипсов преступности

Разработка пространственного и временного анализа криминальных эллипсов, или эллипсов STAC, началась как программа по определению «горячего круга» криминальных происшествий на картах преступности. Сэмюэл Бейтс создал формулу, которая использовала сетку, прямоугольную или треугольную, для создания границ вокруг области. Затем будет определен радиус, и вокруг точки каждого преступления будет создан круг. После этого создается еще одна сетка, которая создает круги, радиус которых составляет половину заданного исходного радиуса. Затем эта сетка объединяется с первой сеткой для создания круга, содержащего наибольшее количество инцидентов, образуя «горячий круг». Этот метод заложил основу того, что сейчас используется для создания эллипсов горячих точек.

Первоначальная формула Бейта не давала ответа на вопрос, представляет ли «горячий круг» территорию с явно более высокой плотностью преступных происшествий или нет. У формулы были и другие проблемы, поскольку некоторые «горячие круги» пересекались и совершали одни и те же преступления. «Горячие круги» также иногда вытягивались, образуя овалы. Эти проблемы привели к созданию эллипсов горячих точек.

Сейчас создаются эллипсы, чтобы показать разные уровни разброса преступных происшествий. Они всегда используются в анализе, чтобы проверить наличие каких-либо направленных тенденций в наборе данных. Сначала пользователь задает размер эллипсов, обычно для набора данных о преступности на карте используются мили. После этого пользователь определяет сумму стандартного отклонения, которую он хочет использовать; это определяет количество точек данных, которые необходимо включить в эллипс. Обычно используются одно или два стандартных отклонения; одно стандартное отклонение включает шестьдесят восемь процентов данных, а второе — девяносто пять процентов данных.

Пример эллипсов STAC с использованием двух стандартных отклонений. Черный эллипс — это горячая точка с барами в городе Кеноша, штат Висконсин. Желтый эллипс - это горячая точка преступлений, связанных с вождением в нетрезвом виде в городе .

Эллипсы STAC стали важным инструментом для аналитиков благодаря своей эффективности и быстроте. В исследованиях обычно используются эллипсы STAC для сравнения различных наборов данных. Обычно районы преступности за определенный период времени исследуются с помощью эллипсов. Эллипсы называются статистикой первого порядка, поскольку они дают аналитику отправную точку для изучения набора данных при рассмотрении глобальной статистики. Эллипсы создают четкую границу набора данных, которая не обязательно повторяет контуры улиц или районов. Следовательно, при исследовании этих эллипсов следует использовать больше статистического анализа поверх эллипсов.

Эмпирическая поддержка

Исследование 1: Микропространственный анализ грабежа

Исследование, в котором используется индекс ближайшего соседа (NNI) и эллипсы STAC, было завершено для города Роанок, штат Вирджиния. В исследовании основное внимание уделяется данным, предоставленным полиции об ограблениях, произошедших в период с 1 января 2004 г. по 31 декабря 2007 г., всего зарегистрировано 904 ограбления. Цель этого исследования состояла в том, чтобы определить, были ли локализованные районы грабежей, используя анализ горячих точек. Проект начался с геокодирования всех данных на точную карту. Записи обо всех грабежах поступали из городской системы учета и управления. После получения удовлетворительных результатов геокодирования данных данные были протестированы на глобальную и пространственную кластеризацию. Для проверки пространственной случайности использовался NNI. Для каждого года (2004–2007 гг.) NNI рассчитывался и сравнивался с набором случайных точек. Каждый год представляет значение NNI меньше единицы. Значение меньше единицы, по данным Eck et al. (2005) означает, что кластеризация в наборе данных является последовательной в своем распределении. ( Ван Паттен, Маккелдин-Конер и Кокс, 2009 г. ). пришли к выводу, что набор данных имеет значительную глобальную пространственную кластеризацию, которая применима ко всей исследуемой популяции.

После тестирования случайной кластеризации в исследовании был использован анализ горячих точек NNI. В исследовании изучались горячие точки с использованием множества различных методов пространственного анализа. В исследовании использовалась иерархическая кластеризация ближайших соседей (NNH) и другая оценка плотности ядра (KDE). Ниже мы рассмотрим анализ эллипсов STAC более подробно для целей этого раздела. Эллипсы были разработаны для каждого года, а затем дополнительно исследованы с использованием различных методов. Для создания эллипсов были установлены параметры, основанные на расстоянии, которое человек может пройти пешком примерно за пять минут, прежде чем искать другой вид транспорта. Для данных был установлен радиус поиска в четверть мили. Эллипсы были построены для общего числа случаев грабежей, равного 904. В каждом эллипсе было использовано пятнадцать правонарушений. Количество правонарушений сократилось до семи инцидентов на эллипс в течение одного года, а при двухлетнем увеличении оценивались 7, 10 и 15 инцидентов.

С учетом всех различных методов, использованных в этом исследовании, был сделан вывод, что эллипсы STAC имеют наибольшую степень надежности. Было установлено, что эллипсы имеют тенденцию быть менее точными, чем другие используемые методы; но, безусловно, были более последовательными. Ван Паттен, Маккелдин-Конер и Кокс (2009) в этом исследовании пришли к выводу, что все используемые методы сходятся в одних и тех же районах города. Это указывало на случайную пространственную кластеризацию и согласие между различными используемыми методами. С помощью анализа горячих точек различные районы города были определены как «проблемные районы». Были области, которые были определены как генераторы преступности и другие аттрактанты. Ван Паттен, Маккелдин-Конер и Кокс (2009) рекомендуют, чтобы в регионах с аттракторами в центре внимания было усиление опеки и улучшение управления местами. Районы, где есть генераторы преступности, потребуют от полиции более стратегических подходов, чтобы оказать воздействие.

Исследование 2: Проект системы раннего предупреждения

В начале 1990-х годов преступность в Чикаго, штат Иллинойс, начала расти значительными темпами. Многие социальные группы обратились в Проект общественной безопасности с просьбой проанализировать взаимосвязь между заведениями по продаже алкоголя и преступностью в городе. Для анализа данных по городу использовались эллипсы STAC. Данные о местонахождении заведений с лицензиями на продажу спиртных напитков были получены из Департамента доходов города Чикаго. Использовались три типа лицензий на продажу спиртных напитков: таверны, фасованные товары и случайное потребление. В 1993 году насчитывалось в общей сложности 5947 лицензий на продажу спиртных напитков, причем некоторые заведения имели несколько лицензий. Затем эти данные были геокодированы для создания точной карты важных мест. Период исследования происшествий длился шесть месяцев с января по июнь 1993 года. За этот период в полицию было зарегистрировано 3364 криминальных инцидента, произошедших в винных заведениях или вокруг них. Эти преступления включали преступления против собственности, преступления, связанные с наркотиками, и правонарушения, но они не ограничивались этими категориями. Эти данные также были геокодированы в точную карту для анализа.

Для изучения концентрации винных заведений и преступных происшествий использовались эллипсы STAC. Были созданы пять эллипсов, в которых находились самые плотные участки винных заведений. Был сделан вывод, что все эллипсы находились в северной части города, сосредоточенной на районах ночной жизни, модных районах для одиноких людей и торговых центрах. Для горячих точек преступных происшествий было создано шесть эллипсов. Два эллипса были сосредоточены в районах расположения винных заведений, тогда как четыре из них располагались в районах переписи населения с низкими доходами. К. Блок и Р. Блок на основе этих эллипсов пришли к выводу, что горячие точки винных заведений не обязательно привлекают наибольшую преступность.

В этом исследовании дополнительно изучалась статистика преступлений, связанных с винными заведениями, путем анализа количества каждой категории, включенных в каждый эллипс. Было установлено, что убийства, как правило, совершались в районах города с низкими доходами, которые не были расположены рядом с популярными точками продажи спиртных напитков. Было также установлено, что горячие точки преступности в питейных заведениях обычно располагались на главных улицах города, привлекающих туристов, а также вблизи кварталов скоростного транспорта и кварталов для одиноких людей. Блок и Блок (1995) завершили исследование, заявив, что плотность лицензий на продажу спиртных напитков и плотность преступности не имеют прямой зависимости. Эти районы действительно привлекают преступность, но они не всегда являются причиной преступности.

Критика

Картирование преступности и пространственный анализ становятся все более растущими инструментами, используемыми правоохранительными органами и другими группами для анализа моделей преступности. Эти инструменты помогли использовать многие стратегии предотвращения преступности на всей территории Соединенных Штатов, однако они все еще находятся в стадии разработки. Картирование преступности, поскольку оно все еще новое, имеет множество технических проблем, а также этических проблем, которые не следует упускать из виду при использовании этих инструментов. В следующем разделе будут рассмотрены критические замечания в области пространственного анализа и картирования горячих точек преступности в широком смысле. Рэтклифф (2002) описывает потенциальные риски и проблемы, возникающие при использовании пространственного анализа и картирования преступности. Кроме того, влияние бедности и расизма не учитываются в картографии преступности, что приводит к тому, что этот фактор не принимается во внимание, и отдельные блюстители порядка привносят в этот процесс свои собственные пороки, суждения. Преступность – это не мифическая конструкция, у нее есть реальные коренные причины, которые варьируются от финансовой бедности до биологических причин (гормональный дисбаланс и т. д.) и отчаяния.

Одним из первых шагов к анализу преступности с использованием картирования преступности является создание точных карт с использованием процесса геокодирования . Это процесс внедрения координатной информации о криминальных происшествиях на карты города. Любой желающий может получить доступ к созданию карт в Интернете, используя процесс геокодирования. Однако в процессе геокодирования может возникнуть множество ошибок, поскольку процесс все еще находится в стадии разработки. Это становится проблемой при использовании пространственного анализа, поскольку, если основа анализа неверна, это может исказить весь используемый анализ. Это становится проблемой, поскольку информация, представленная на картах, особенно в Интернете для всеобщего обозрения, не обязательно может быть правильной. Рэтклифф (2002) составил список возможных проблем, которые могут возникнуть при геокодировании, которые нельзя упускать из виду. Он утверждает, что при геокодировании могут возникнуть десять различных ошибок, и их нельзя упускать из виду.

• Устаревшие указатели улиц, в которых не указаны новые адреса и дороги.
• Сокращения названий улиц и дорог, которые не могут быть распознаны программным обеспечением для геокодирования.
• Варианты локальных имен, не соответствующие записям базы данных.
• Устраните проблемы дублирования, возникающие из-за десятков улиц с одинаковым названием по всему городу.
• Несуществующие адреса вызваны опечаткой.
• Упрощение линии, которое не отражает истинные изгибы улицы и размещает геокодированные точки в неправильном месте.
• Шум в адресном файле, из-за которого программное обеспечение геокодирования пропускает записи.
• Невозможность геокодировать неадресные местоположения, например, в 50 метрах вдоль улицы или в сельской местности в нескольких милях от города.
• Общая неточность геокодирования, из-за которой точка располагается на некотором расстоянии от фактического адреса.
• Неоднозначные или расплывчатые адреса, из-за которых невозможно определить фактический адрес.

Другие вопросы, связанные с картированием преступности, также включают интерпретацию и применение различных инструментов пространственного анализа. Что касается эллипсов STAC, то при их применении возникают проблемы. Эллипсы создают четкие границы для преступности в зависимости от того, где на карте образуются эллипсы. Границы эллипсов не соответствуют движению людей или фактической планировке города; поэтому при интерпретации следует также учитывать выбросы эллипсов ( Eck et al. 2005 ). Индекс ближайшего соседа (NNI) также имеет свои проблемы. NNI, выполняемые для глобальной пространственной статистики, не всегда представляют одну и ту же информацию на локальном уровне. Эк и др. (2005) утверждают, что при использовании этого метода следует использовать другие инструменты пространственного анализа, такие как статистика I Морана или статистика C Гири. Кластеризация может происходить на разных уровнях анализа; поэтому к исследованию правильных инструментов анализа следует отнестись серьезно. Не существует одного инструмента, который обязательно был бы лучше другого.

Многие полицейские управления адаптировались к размещению карт преступности и программного обеспечения для составления карт преступности на своих веб-сайтах для публичного просмотра. Поэтому могут возникнуть проблемы с конфиденциальностью. Эти карты предоставляют общественности прямую информацию о том, где происходит преступление и какой тип преступления произошел. Это приводит к проблеме конфиденциальности. Рэтклифф (2002) объясняет, что жертвы преступлений и даже иногда правонарушители не обязательно хотят, чтобы их информация была представлена ​​публике. Он объясняет это на примере жертвы кражи со взломом, заявляя, что они не хотели бы, чтобы их информация и местоположение были доступны для публичного просмотра, поскольку это потенциально могло бы рекламировать, что их собственность уязвима.

Предупреждение преступности

Криминальный анализ является довольно новым направлением. развитие, которое используется в полиции для предотвращения преступности . Эллипсы STAC развивались на протяжении многих лет и стали стратегическим инструментом, используемым правоохранительными органами. Эллипсы STAC использовались Чикаго в исследовании под названием « Пространство, место и преступность: горячие точки и горячие места преступлений, связанных с алкоголем» . Это исследование начало определять, связаны ли между собой предприятия по лицензированию спиртных напитков и преступная деятельность. Исследование пришло к выводу, что эти две категории не обязательно связаны между собой, но исследование, тем не менее, помогло правоохранительным органам разработать стратегическую тактику для предотвращения преступности в этих областях.

В ответ на это исследование полиция и общественные группы объединились, чтобы попытаться раскрыть и предотвратить преступность в районах, где эллипсы STAC характеризуются высоким уровнем преступности. В местах транзита полиция добавила пеший и велосипедный патрули. Местные общественные группы помогали полиции, информируя общественность о проблемах преступности в этом районе. Когда пассажиры выходили из поезда, они информировали их об опасностях в этом районе. В других районах, где было много пустующих зданий, городские власти работали вместе, чтобы попытаться заполнить их предприятиями или снести их. Департамент полиции также начал использовать пространственный анализ для построения моделей преступности, как показано в этом исследовании. Это исследование дало полиции инструменты и знания для создания собственного подразделения по анализу преступлений, которое используется до сих пор.

В тот же период Департамент полиции Чикаго и Информационное управление уголовного правосудия штата Иллинойс завершили еще одно исследование. Исследование получило название « Проект системы раннего предупреждения» . Целью исследования было помочь полиции определить, в каких районах повышенного риска наблюдается высокий уровень убийств и насилия со стороны банд. В ходе исследования была изучена территория Чикаго площадью двадцать три квадратных мили, на которой произошло почти двадцать процентов убийств 1864 года, произошедших в 1991–992 годах. Эллипсы STAC, инструмент пространственного анализа, использовался для определения районов города с высоким уровнем риска. Эти эллипсы были созданы для предоставления полиции информации о районах с высоким уровнем преступности в зависимости от их местоположения, чтобы создать «Систему раннего предупреждения». Исследование пришло к выводу, что территорию, связанную с бандами, необходимо контролировать из-за войн за сферы влияния и возмездия со стороны различных банд. Полиция вмешалась, создав двухэтапный процесс выявления конкретных проблемных областей, а затем применив стратегии предотвращения преступности. «Система раннего предупреждения» постоянно обновляется для анализа моделей преступности и размещена в геоархивах для использования другими департаментами.

После этого исследования в двадцатитремильной зоне была запущена Программа сокращения бандитского насилия. Целью этого проекта было снижение уровня насилия со стороны банд посредством мобилизации сообщества. Эта группа в настоящее время использует «систему раннего предупреждения». Сотрудники этого проекта используют «горячие точки» для работы с уязвимой молодежью в этих районах. Они также создали команду для наблюдения и надзора за 200 известными членами банд, а также предоставили им доступ к образованию, работе и социальным услугам.

Исследование Campbell Collaboration показало, что преступность снижается, когда полиция осуществляет патрулирование. Это снижение было более очевидным в некоторых преступлениях, чем в других. В том же исследовании предполагается, что полицейские управления должны инвестировать в патрулирование горячих точек для поддержания программ предотвращения преступности.

Ссылки

Библиография

• Блок, Кэролайн Ребекка (1995). «Области горячих точек Stac: статистический инструмент для правоохранительных органов». В Блоке, Чехия; Дабдуб, М.; Фрегли, С. (ред.). Анализ преступности с помощью компьютера (PDF) . Вашингтон, округ Колумбия: Исследовательский форум руководителей полиции . стр. 15–32.
• Блок, Кэролайн Ребекка; Блок, Ричард Л. (1995). «Пространство, место и преступность: горячие точки и горячие места преступлений, связанных с алкоголем». Ин Эк, Джон; Вейсбурд, Дэвид Л. (ред.). Места преступности в теории преступности (PDF) . Серия исследований Рутгерса по предотвращению преступности. Ньюарк, Нью-Джерси: Пресса уголовного правосудия. Архивировано из оригинала (PDF) 28 июля 2012 г.
• Брантингем, Патрисия Л.; Брантингем, Пол Дж. (1999). «Теоретическая модель формирования горячих точек преступности». Исследования по преступности и предупреждению преступности . 8 :7–26.
• Кларк, Филип Дж.; Эванс, Фрэнсис К. (1954). «Расстояние до ближайшего соседа как мера пространственных отношений в популяциях» (PDF) . Экология . 35 (4): 445–53. Бибкод : 1954Экол...35..445С . дои : 10.2307/1931034 . JSTOR   1931034 .
• Эк, Джон; Чейни, Спенсер; Кэмерон, Джеймс; Уилсон, Рональд (2005). Картирование преступности: понимание горячих точек (PDF) . Вашингтон, округ Колумбия: Национальный институт юстиции .
• Левин, Н. (2005). «Картирование преступности и программа Crimestat» . Географический анализ . 38 (1): 41–56. дои : 10.1111/j.0016-7363.2005.00673.x .
• Митчелл, Энди (2005). Руководство ESRI по ГИС-анализу . Том. 2: Пространственные измерения и статистика. Пресс-центр ESRI . ISBN  978-1-58948-116-9 .
• Ван Паттен, Исаак Т.; Маккелдин-Конер, Дженнифер М.; Кокс, Дина (2009). «Микропространственный анализ грабежа: предполагаемые горячие точки в маленьком городе». Картирование преступности: журнал исследований и практики . 1 (1): 7–32.
• Рэтклифф, Джерри Х. (2002). «Будь ты проклят, если ты этого не сделаешь, будь ты проклят: картирование преступности и его последствия в реальном мире» . Полиция и общество . 12 (3): 211–225. дои : 10.1080/10439460290018463 . S2CID   18303955 .
• Рэтклифф, Джерри Х. (2004). «Матрица горячих точек: основа пространственно-временного решения задач снижения преступности». Полицейская практика и исследования . 5 (1): 5–23. дои : 10.1080/1561426042000191305 . S2CID   2653083 .