CrimeStat - CrimeStat

Горячие точки ограблений 1-го и 2-го порядка в Сан-Антонио, полученные от CrimeStat Nnh.

CrimeStat это картирование преступлений программное обеспечение. CrimeStat - это программа для Windows, которая выполняет пространственный и статистический анализ и предназначена для взаимодействия с географическая информационная система (ГИС). Программа разработана Ned Levine & Associates под руководством Неда Левайна при финансовой поддержке Национальный институт юстиции (NIJ), агентство Министерство юстиции США. Программа и руководство бесплатно распространяются NIJ.

CrimeStat выполняет пространственный анализ объектов, находящихся в ГИС. Объектами могут быть точки (например, события, местоположения), зоны (например, кварталы, зоны анализа трафика, города) или линии (например, отрезки улиц). Программа может анализировать распределение объектов, определять горячие точки, указывать пространственную автокорреляцию, отслеживать взаимодействие событий в пространстве и времени и моделировать поведение в пути.

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

Разработка

«Head Bang» сглаживание количества краж со взломом в Хьюстоне, полученное с помощью процедуры интерполяции CrimeStat Head Bang.

CrimeStat разрабатывается с середины 1990-х годов под руководством Неда Левина. Первым прототипом была программа на C ++ на основе Unix, названная Pointstat, которая была разработана для анализа дорожно-транспортных происшествий в Гонолулу.[1][2] В 1996 году Национальный институт правосудия профинансировал первую версию CrimeStat, и первые процедуры Pointstat были включены в программу.

Первая версия (1.0) была выпущена в августе 1999 года: последняя версия - 3.3 (июль 2010 года).

Функциональность

Настройка данных

CrimeStat может вводить как данные атрибутов, так и файлы ГИС, но требует, чтобы все наборы данных имели географические координаты, назначенные объектам. Базовый формат файла - dBase (dbf), но также можно читать файлы shape (shp) и Ascii. Программа требует первичного файла, но многие процедуры также используют вторичный файл. CrimeStat использует три системы координат: сферическую (долгота, широта), проекция и направленность (углы).

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

Статистические процедуры

В пространственное описание процедуры включают:

  • Пространственное распределение статистика (средний центр, эллипс стандартного отклонения, центр минимального расстояния, средний центр, среднее по направлению, выпуклая оболочка)
  • Пространственная автокорреляция статистика для зональных данных (Морана I, Getis's G, Getis-Ord Global G, Коррелограмма Морана, коррелограмма Гири, коррелограмма Гетис-Орд),
  • Статистика на основе расстояния среди точек (ближайший сосед анализ, "К" Рипли, распределение и суммирование точек первичного файла с точками вторичного файла и различных матриц вычисления расстояний), и
  • Кластерный анализ статистика точек, зон или линий. CrimeStat имеет ряд процедур, доступных для идентификации кластера:

Монте-Карло моделирование может выполняться во многих программах для оценки достоверные интервалы.

В пространственное моделирование процедуры включают:

Риск угона автомобиля в округе Балтимор определяется программой CrimeStat с двойной плотностью ядра.
  1. Одинокий интерполяция плотности ядра для изучения вариации в области одной переменной
  2. Двойной интерполяция плотности ядра двух переменных (например, набор событий по отношению к группе риска)
  3. Head Bang программа для сглаживания зональных данных[3][4]
  4. ”Интерполированная поверхность Head Bang, которая интерполирует оценки Head Bang в сетку
  5. Индексы Нокса и Мантела, которые определяют взаимодействие между пространством и временем в событиях
  6. Коррелированный анализ ходьбы, на основе случайная прогулка теория, для моделирования последовательного поведения серийного преступника в пространстве и времени и делает предсказание о следующем событии
  7. Анализ пути к преступлению для моделирования вероятного происхождения серийного преступника на основе места предыдущих событий, совершенных преступником (географическое профилирование )
  8. Байесовский путь к преступлению который является эмпирический байесовский метод, который объединяет оценку количества совершенных преступлений с информацией о местонахождении других серийных преступников, совершивших преступления в тех же местах, для получения обновленной оценки. Процедура диагностики сравнивает эту оценку с ее компонентами при прогнозировании места проживания нескольких серийных преступников.[5][6]
  9. Байесовская оценка пути к преступности который применяет байесовский метод перехода к преступлению для определения местонахождения одного серийного преступника
  10. Пространственная регрессия. Модели включают обыкновенный метод наименьших квадратов, Регрессия Пуассона и различные другие обобщенные линейные модели для подсчета данных. Вдобавок есть Цепь Маркова Монте-Карло процедуры для подбора моделей Пуассона-Гамма и Пуассона-Логнормального, в том числе там, где они имеют корректировку условной пространственной авторегрессии (CAR или SAR).

В Спрос на поездки с преступностью модуль моделирует преступное путешествие по мегаполису. Это приложение спрос на путешествия моделирование преступления или других редких событий.[7][8] Цель состоит в том, чтобы откалибровать поведение большого количества правонарушителей в поездках при совершении преступлений в качестве основы для моделирования альтернативных вмешательств со стороны правоохранительных органов.[9][10]

Преступные поездки в округе Балтимор, подготовленные модулем CrimeStat Crime Travel Demand.

Выход

CrimeStat имеет три различных типа вывода:

  • Вывод на экран, на котором отображаются результаты после завершения расчетов. Их можно сохранить в текстовый файл.
  • Неграфический вывод для многих подпрограмм в текстовом формате dBase DBF или Ascii.
  • Графический вывод для многих подпрограмм, позволяющий отображать вычисленные объекты в ГИС. В настоящее время форматы графического вывода включают Esri SHP, Формат обмена MapInfo (MIF / MID), текстовые форматы Surfer для Windows DAT и 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 GUI труден для понимания и несовместим между процедурами.[нужна цитата ]

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

Вспомогательная разработка CrimeStat

Помимо разработки программы CrimeStat, все процедуры через[требуется разъяснение ] 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 г. и доступна на веб-странице CrimeStat.

Обзоры и примеры

Опубликованы обзоры и примеры использования CrimeStat для анализа преступности.[11][12][13]Появились также 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 различной пространственной аналитики.[нужна цитата ] Основная обязанность полицейских аналитиков округа Балтимор заключается в выявлении и решении существующих или предполагаемых проблем преступности. Полицейские аналитики используют «анализ горячих точек» в CrimeStat для выявления областей в округе с высокой концентрацией преступности. Другой пример, демонстрирующий использование CrimeStat, касается подхода департамента к оценке преступности и безопасности дорожного движения на основе данных (DDACTS).

Полицейские аналитики использовали иерархическую пространственную кластеризацию ближайшего соседа для выявления районов с высокой концентрацией преступности и дорожно-транспортных происшествий. Аналитики обнаружили, что две групповые группы, преступность и несчастные случаи, действительно имеют тенденцию пересекаться во многих областях округа. Программа округа DDACTS была инициирована для увеличения присутствия полиции в целевых районах. Предварительные результаты обнадеживают: большинство целенаправленных преступлений и дорожно-транспортных происшествий падает в районах DDACTS.

Программа Департамента DDACTS с тех пор стала образцом для всей страны при поддержке Национальной администрации безопасности дорожного движения. Наконец, полицейские аналитики использовали модели оценки CrimeStat's Journey to Crime и Bayesian Journey to Crime для успешной идентификации области деятельности серийного преступника. Как только область деятельности преступника будет идентифицирована, полицейские аналитики изучат информацию, полученную из других источников полиции, таких как остановки движения, отчеты выездных интервью и устройства считывания номерных знаков, чтобы определить, был ли установлен контакт с потенциальным преступником.

Полиция также использовала модель криминального спроса на поездки CrimeStat для выявления дорожных сетей, используемых водителями в состоянии алкогольного опьянения (DUI). Дороги, определенные с помощью модели «Требование о преступных поездках», были нацелены на программы запрета со стороны группы по обеспечению соблюдения требований DUI. Подобные взвешенные дорожные сети использовались в сочетании с моделями «Путешествие к преступлению», чтобы улучшить идентификацию области деятельности преступника.

Смотрите также

Рекомендации

  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 дорожно-транспортных происшествий в Гонолулу: I. Пространственные модели». Анализ и предотвращение несчастных случаев, 27 (5), 663-674.
  3. ^ Мунгиоле, М. Пикл, Л. У. и Саймонсон, К. Х. (2002). Применение взвешенного алгоритма Head-Banging к картам данных о смертности, Статистика в медицине, 18, 3201-3209.
  4. ^ Mungiole, M. и Pickle, L.W. (1999). Определение оптимальной степени сглаживания с использованием алгоритма взвешенного удара головой на картированных данных о смертности, In ASC '99 Ведущие исследования и статистические вычисления в новом тысячелетии, Материалы международной конференции ASC, сентябрь. [1] В архиве 2010-05-27 на Wayback Machine
  5. ^ Левин Н. и Блок Р. (2011). «Байесовский путь к оценке преступности: усовершенствование 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 криминальное моделирование. Журнал следственной психологии и профилирования преступников, 6 (3).
  7. ^ Хеншер, Д. А. и Баттон, К. Дж. (2002). Справочник по моделированию транспорта. Elsevier Science: Кембридж, Великобритания.
  8. ^ Ортузар, Хуан де Диос и Луис Г. Виллумсен (2001). Моделирование транспорта (3-е издание). J. Wiley & Sons: Нью-Йорк.
  9. ^ Левин, Н. и Кантер, П. (2011) "Связь между пунктами отправления и пунктами назначения при авариях транспортных средств DWI: приложение для моделирования спроса на поездки преступников". Составление карты преступности. В прессе.
  10. ^ Левин, Н. (2007 г.), «Спрос на поездки с преступностью и ограбления банков: использование CrimeStat III для моделирования поездок с ограблением 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. ^ Чайни, С. & Рэтклифф, Дж. (2005). ГИС и картирование преступности. John Wiley & Sons, Ltd.
  14. ^ Лай ПК, Низкий СТ, Вонг М., Вонг В.С. и Чан М.Х. (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, П. А. (2007). Геопространственный анализ (второе издание). The Winchelsea Press: Лестер, Великобритания.
  16. ^ Энн ван дер Вин, А. (2005). «Горячие точки экономики: визуализация уязвимости к наводнениям», Стихийные бедствия, 36(1-2), 65-80.
  17. ^ Анселин, Л. (2003). «Введение в анализ точечных шаблонов с использованием CrimeStat», GeoDa Центр, Университет штата Аризона: Tempe. http://geodacenter.asu.edu/system/files/points.pdf
  18. ^ Клевенджер, А. П., Хрущ, Б. и Гансон, К. Э. (2001). «Защитные ограждения на автомагистралях сокращают столкновения животных с транспортными средствами», Бюллетень Общества дикой природы, 29(2),646-653.

дальнейшее чтение

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

внешняя ссылка