کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6948318 1451031 2018 42 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Improving crime count forecasts using Twitter and taxi data
ترجمه فارسی عنوان
بهبود پیش بینی هزینه جرم با استفاده از توییتر و داده های تاکسی
کلمات کلیدی
پلیس پیش بینی کننده، پیش بینی جرم داده های رسانه های اجتماعی، اقتصاد سنجی فضایی،
ترجمه چکیده
پیش بینی جرم برای تصمیم گیری های عدالت کیفری و تلاش برای جلوگیری از جرم بسیار مهم است. مقاله ارزشمندی توضیحی و پیش بینی کننده الگوهای فعالیت انسان را که از سفر تاکسی، توییتر و داده های چهار ضلعی محاسبه شده است، ارزیابی می کند. تجزیه و تحلیل یک دوره شش ماهه اطلاعات جرم و جنایت برای شهر نیویورک نشان می دهد که این منابع داده ها، در مقایسه با استفاده از داده های جمعیت شناختی، 19 درصد دقت پیش بینی شده را برای جرم و جنایت افزایش می دهند. این اثر قوی تر از زمانی است که ویژگی های جدید با هم به کار گرفته می شوند و بینش جدیدی را برای پیش بینی جرم ارائه می کنند. به طور قابل ملاحظه ای و مطابق با تئوری بی نظمی اجتماعی، ویژگی های جدید نمی توانند پیش بینی های جرایم خشونت آمیز را پیش بینی کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
چکیده انگلیسی
Crime prediction is crucial to criminal justice decision makers and efforts to prevent crime. The paper evaluates the explanatory and predictive value of human activity patterns derived from taxi trip, Twitter and Foursquare data. Analysis of a six-month period of crime data for New York City shows that these data sources improve predictive accuracy for property crime by 19% compared to using only demographic data. This effect is strongest when the novel features are used together, yielding new insights into crime prediction. Notably and in line with social disorganisation theory, the novel features cannot improve predictions for violent crimes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Decision Support Systems - Volume 113, September 2018, Pages 73-85
نویسندگان
, , ,