Czasopismo | PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE | Rocznik 2018 - zeszyt 11

Wybrane aspekty praktyczne modelowania i prognozowania rozwoju przestępczości

Selected practical aspects of modeling and forecasting the development of crime

10.15199/59.2018.11.3

nr katalogowy: 117122
10.15199/59.2018.11.3

Streszczenie

Liczba przestępstw, ich lokalizacja, powtarzalność, sezonowość, korelacja z czynnikami pogodowymi i możliwe prognozy to czynniki, które mogą pomagać Policji i administracji publicznej w dostosowaniu strategii planowania i interweniowania. Jednak rozwój wiedzy w jej obszarach aplikacyjnych, w tym także kryminalistyki i kryminologii, zależy głównie od sposobu tworzenia i przekazywania użytecznej informacji. W organizacjach Policji i organów ścigania wielu państw funkcjonuje duża liczba zautomatyzowanych systemów zarządzania. Metody predykcyjne w technikach policyjnych są obecnie szeroko stosowane i na ich podstawie organy ścigania rutynowo podejmują decyzje operacyjne. Celem tego artykułu jest przedstawienie zagadnień związanych z prognozowaniem w odniesieniu do procesu analizy wyników obserwacji, symulacji i przewidywań rozwoju wybranych przestępstw. W szczególności przedstawiono analizę przestępstw komunikacyjnych, kradzieży oraz interwencji policyjnych. Głównym eksperymentem było przeprowadzenie analizy częstotliwościowej zdarzeń oraz zbadanie relacji z atrybutami przestępczości i pogodowymi. Zarówno w przypadku interwencji policyjnych, jak i przestępstw komunikacyjnych można zauważyć wzrost natężenia zdarzeń co siedem dni. W przypadku kradzieży można stwierdzić, iż zdarzenia występują głównie na początku tygodnia, a większość z nich wystąpiła pomiędzy godzinami 10 i 15. Temperatura jest podstawowym czynnikiem pogodowym związanym z występowaniem aktów przemocy i innych przestępstw. Wyniki badań mogą być przydatne do modelowania i prognozowania użycia sił i środków policyjnych w celu skutecznego zapobiegania i zwalczania przestępczości.

Abstract

Considering the number of crimes, their location, repeatability, seasonality, correlation with weather factors, and possible forecasts, all these factors can help the police and public administration in adjusting the planning and intervening strategies. However, the development of knowledge in its application areas, including forensic science and criminology, depends mainly on the method of creating and transferring useful information. In police and law enforcement agencies, many countries use automated management systems. Prediction methods utilized in police techniques are now widely used, and on their basis, law enforcement agencies routinely make operational decisions. The purpose of this paper is to present issues related to forecasting in relation to the process of analyzing the results of observations, simulations, and forecasts for the development of selected crimes. In particular, the analysis of the communication crime, theft, and police intervention are presented. The key experiment was to perform frequency analysis of events and to investigate the relationship with criminal and weather attributes. One can observe an increase in the intensity of events every seven days for both, i.e. for the police interventions and the communication crimes. In the case of theft, it can be noticed that the events occur mainly at the beginning of the week, and most of them took place between 10 am and 3 pm. Furthermore, the temperature is the basic weather factor associated with the occurrence of violence and crime. The results of the research can be useful for modeling and forecasting the utilization of police forces to prevent and combat crime effectively.

Słowa kluczowe

Keywords

Bibliografia

[1] Houck M. M. and J. A. Siegel, "Fundamentals of forensic science". Academic Press, 2009.
[2] Santos R. B., "Crime analysis with crime mapping". Sage publications, 2016.
[3] Nakaya T. and K. Yano, "Visualising crime clusters in a space-time cube: An exploratory data-analysis approach using space-time kernel density estimation and scan statistics " , Transactions in GIS, vol. 14, no. 3, pp. 223-239, 2010.
[4] Kennedy L. W., J. M. Caplan and E. Piza, "Risk clusters, hotspots, and spatial intelligence: risk terrain modeling as an algorithm for police resource allocation strategies " , Journal of Quantitative Criminology, vol. 27, no. 3, pp. 339-362, 2011.
[5] Bowles R., M. G. Reyes and N. Garoupa, "Crime reporting decisions and the costs of crime", European journal on criminal policy and research, vol. 15, no. 4, p. 365, 2009.
[6] Schroeder J., J. Xu, H. Chen and M. Chau, "Automated criminal link analysis based on domain knowledge", Journal of the Association for Information Science and Technology, vol. 58, no. 6, pp. 842-855, 2007.
[7] Iriberri A. and C.J. Navarrete, "Internet crime reporting: Evaluation of a crime reporting and investigative interview system by comparison with a non-interactive reporting alternative", in System Sciences (HICSS), 2010 43rd Hawaii International Conference on. IEEE, 2010, pp. 1-9.
[8] Sakpere A.B., A.V. Kayem and T. Ndlovu, "A usable and secure crime reporting system for technology resource constrained context", in Advanced Information Networking and Applications Workshops (WAINA), 2015 IEEE 29th International Conference on. IEEE, 2015, pp. 424- 429.
[9] Larsen H. L., J. M. Blanco, R. P. Pastor and R. R. Yager, Using Open Data to Detect Organized Crime Threats: Factors Driving Future Crime. Springer, 2017.
[10] Beaver K.M., "Non shared environmental influences on adolescent delinquent involvement and adult criminal behavior", Criminology, vol. 46, no. 2, pp. 341-369, 2008.
[11] Warr M., "Companions in crime: The social aspects of criminal conduct". Cambridge University Press, 2002.
[12] Caplan J. M., L. W. Kennedy, and J. Miller, "Risk terrain modeling: brokering criminological theory and gis methods for crime forecasting", Justice Quarterly, vol. 28, no. 2, pp. 360-381, 2011.
[13] Berestycki H. and J.-P. Nadal, "Self-organised critical hot spots of criminal activity", European Journal of Applied Mathematics, vol. 21, no. 4-5, pp. 371-399, 2010.
[14] Ahmad F., S. Syal, and M. S. Tinna, “Criminal policing using rossmo’s equation by applying local crime sentiment", in Data Engineering and Intelligent Computing, S. C. Satapathy, V. Bhateja, K. S. Raju, and B. Janakiramaiah, Eds. Singapore: Springer, 2018, pp. 627-637.
[15] Cesario E., C. Catlett, and D. Talia, "Forecasting crimes using autoregressive models", in Dependable, Autonomic and Secure Computing, 14th Intl Conf on Pervasive Intelligence and Computing, 2nd Intl Conf on Big Data Intelligence and Computing and Cyber Science and Technology Congress (DASC/PiCom/DataCom/CyberSciTech), 2016 IEEE 14th Intl C. IEEE, 2016, pp. 795-802.
[16] Kang H.-W. and H.-B. Kang, "Prediction of crime occurrence from multi-modal data using deep learning", PloS one, vol. 12, no. 4, p. e0176244, 2017.
[17] Ranson M., "Crime, weather, and climate change", Journal of environmental economics and management, vol. 63, no. 3, pp. 274-302, 2014.
[18] Lemon D. J. and R. Partridge, "Is weather related to the number of assaults seen at emergency departments?" Injury, vol. 48, no. 11, pp. 2438-2442, 2017.
[19] Hu X., J. Wu, P. Chen, T. Sun and D. Li, “Impact of climate variability and change on crime rates in tangshan, china", Science of the Total Environment, vol. 609, pp. 1041-1048, 2017.
[20] Tiihonen J., P. Halonen, L. Tiihonen, H. Kautiainen, M. Storvik, and J. Callaway, "The association of ambient temperature and violent crime", Scientific Reports, vol. 7, 2017.
[21] Michel S. J., H. Wang, S. Selvarajah, J. K. Canner, M. Murrill, A. Chi, E. D. and E. B. Schneider, "Investigating the relationship between weather and violence in Baltimore, Maryland, USA", Injury, vol. 47, no. 1, pp. 272-276, 2016.
[22] Hołyst B., Prognozowanie kryminologiczne w wymiarze społecznym - Metodologia, Analiza, Tendencje rozwojowe. Tom 1. Wydawnictwo Naukowe PWN S.A., 2017.
[23] Blanco J. M. and J. Cohen, “Macro-environmental factors driving organised crime", in Using Open Data to Detect Organized Crime Threats. Springer, 2017, pp. 137-166.
[24] Kruse M. and A. D. Svendsen, “Foresight and the future of crime: Advancing environmental scanning approaches", in Using Open Data to Detect Organized Crime Threats. Springer, 2017, pp. 73-101.
[25] Bjerk D., “How much can we trust causal interpretations of fixedeffects estimators in the context of criminality?" Journal of Quantitative Criminology, vol. 25, no. 4, pp. 391-417, 2009.
[26] Jeston J. (2014). Business process management. Routledge.
[27] Hunt P., J. Saunders, & J. S. Hollywood, (2014). Evaluation of the shreveport predictive policing experiment. Rand Corporation.
[28] Mohler G. O., M. B. Short, S. Malinowski, M. Johnson, G. E. Tita, A. L. Bertozzi and P. J. Brantingham (2015) "Randomized controlled field trials of predictive policing". Journal of the American Statistical Association, 110, 1399-1411.
[29] Ratcliffe J. H., T. Taniguchi, E. R. Groff and J. D. Wood (2011) "The Philadelphia foot patrol experiment: A randomized controlled trial of police patrol effectiveness in violent crime hotspots". Criminology, 49, 795-831.
[30] Taylor B., C. S. Koper and D. J. Woods (2011) "A randomized controlled trial of different policing strategies at hot spots of violent crime". Journal of Experimental Criminology, 7, 149-181.
[31] Van Patten I. T., J. McKeldin-Coner and D. Cox (2009) "A Microspatial Analysis of Robbery: Prospective Hot Spotting in a Small City". Crime Mapping, 1, 7-32.
[32] Perry W. L., B. McInnis, C. C. Price, S. C. Smith and J. S. Hollywood (2013) "Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations". RAND Corporation.
[33] Braga A. A., A. V. Papachristos and D. M. Hureau (2014) "The Effects of Hot Spots Policing on Crime: An Updated Systematic Review and Meta-Analysis " . Justice Quarterly, 31, 633-663.
[34] Andresen M. A. & D. Weisburd (2018). "Place-based policing: new directions, new challenges". Policing: An International Journal of Police Strategies & Management, 41(3), 310-313.
[35] Miethe T. D. & R. F. Meier (1994). "Crime and its social context: Toward an integrated theory of offenders, victims, and situations". Suny Press.
[36] Brantingham P. L., U. Glässer, B. Kinney, K. Singh & M. Vajihollahi (2005, March). "Modeling Urban Crime Patterns: Viewing Multi-Agent Systems as Abstract State Machines". In Abstract State Machines (pp. 101-118).
[37] Malleson N., A. Heppenstall & L. See (2010). "Crime reduction through simulation: An agent-based model of burglary". Computers, environment and urban systems, 34(3), 236-250.
[38] Bellemare M. F., T. Masaki & T. B. Pepinsky (2017). "Lagged explanatory variables and the estimation of causal effect". The Journal of Politics, 79(3), 949-963.
[39] Ziombski M., P. Sankowski, A. Pacuk, A. Witkowski, P. Wygocki, "Wybrane algorytmy wspomagające przewidywanie przestępczości " , w B. Hołyst (ed.) Prognozowanie kryminologiczne w wymiarze społecznym - Metodologia, Analiza, Tendencje rozwojowe. Tom 1. Wydawnictwo Naukowe PWN S.A., 2017, Rozdział 3, s. 71-82.
[40] Wawrzyniak Z. M., T. Tarnawski, R. Pytlak, P. Cichosz, G. Borowik, D. Suski, "Budowa modelu dynamiki i struktury przestępczości", w B. Hołyst (ed.) Prognozowanie kryminologiczne w wymiarze społecznym - Metodologia, Analiza, Tendencje rozwojowe. Tom 1. Wydawnictwo Naukowe PWN S.A., 2017, Rozdział 1, s. 15-46.
[41] Borowik G., Z. M. Wawrzyniak, P. Cichosz, R. Pytlak, T. Tarnawski, D.Suski, "Metody syntezy logicznej w prognozowaniu przestępczości", w B. Hołyst (ed.), Prognozowanie kryminologiczne w wymiarze społecznym - Metodologia, Analiza, Tendencje rozwojowe. Tom 1. Wydawnictwo Naukowe PWN S.A., 2017, Rozdział 5, s.105-142.
[42] Cichosz P., Z. M. Wawrzyniak, R. Pytlak, G. Borowik, T. Tarnawski, D. Suski, "Metody analizy tekstu w monitorowaniu i prognozowaniu przestępczości", w B. Hołyst (ed.) Prognozowanie kryminologiczne w wymiarze społecznym - Metodologia, Analiza, Tendencje rozwojowe. Tom 1. Wydawnictwo Naukowe PWN S.A., 2017,Rozdział 8, s. 183-230.
[43] Szczechla E., "Wizualizacja danych wielowymiarowych i danych geograficznych w procesie prognozowania przestępczości", w B. Hołyst (ed.) Prognozowanie kryminologiczne w wymiarze społecznym - Metodologia, Analiza, Tendencje rozwojowe. Tom 1. Wydawnictwo Naukowe PWN S.A., 2017, Rozdział 6, s. 143- 172.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 117122 "Wybrane aspekty praktyczn..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


PRZEGLĄD TELEKOMUNIKACYJNY - e-zeszyt (pdf) 2018-11 licencja: Osobista Produkt cyfrowy	30.50 zł

Prenumerata

PRZEGLĄD TELEKOMUNIKACYJNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

300.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna	348.00 zł brutto 322.22 zł netto 25.78 zł VAT (stawka VAT 8%)
PRZEGLĄD TELEKOMUNIKACYJNY - pakowanie i wysyłka	21.00 zł brutto 17.07 zł netto 3.93 zł VAT (stawka VAT 23%)

369.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	450.00 zł brutto 416.67 zł netto 33.33 zł VAT (stawka VAT 8%)

450.00 zł

Zeszyt

2018-11

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma