文献

J-GLOBAL ID：201702235409745895   整理番号：17A1397709

犯罪ホットスポット予測:空間的及び時間的情報を用いた再発性モデル【Powered by NICT】

Crime Hot Spot Forecasting: A Recurrent Model with Spatial and Temporal Information

著者 (4件)： Zhuang Yong ,  Almeida Matthew ,  Morabito Melissa ,  Ding Wei
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICBK  ページ： 143-150  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 犯罪は,米国では主要社会問題となっている,公共の安全を脅かすと経済を破壊した。犯罪活性のパターンを理解することは,将来の高リスク犯罪の予測「ホットスポット」を可能にし,より効果的に事故に対する予防または対応する職員を割り当てるための警察境内を可能にした。犯罪発生を追跡する詳細なデータの収集と蓄積のために状態と組織の能力により,空間的および時間的情報を用いたデータのかなりの量を収集した。地域犯罪率を正確に予測する大量の空間的-時間的情報の利点の使い方必要になっている。リカレントニューラルネットワークモデルが広く時系列における時間的パターンを検出するための有効であることを証明した。本研究では,空間情報を埋め込むと犯罪ホットスポットを正確に予測する空間-時間ニューラルネットワーク(STNN)を提案した。2016年12月の末まで2012年3月から5年間のオレゴン州ポートランド警察局(PPB)により提供された呼のサービスデータを用いてモデルを評価した。STNNモデルは古典的な機械学習アプローチといくつかの代替ニューラルネットワークアーキテクチャの数よりも優れていることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *予測 ,  警察 ,  機械学習 ,  再発 ,  *犯罪 ,  アメリカ合衆国 ,  ニューラルネットワーク ,  *ホットスポット ,  安全性 ,  オレゴン州
準シソーラス用語： ニューラルネットワークアーキテクチャ ,  空間情報 , 【Automatic Indexing@JST】

分類 (2件)： 都市問題,都市防災  (RD01030O) ,  自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (5件)： 犯罪 ,  ホットスポット ,  予測 ,  再発 ,  モデル