Video: PreMain - Prädiktive Instandhaltung 2024
Sie können prädiktive statistische Modelle in Kriminalanalyse-Methoden integrieren, um Analysen zu erstellen, die beschreiben und vorhersagen, wo und welche kriminellen Aktivitäten wahrscheinlich sind. auftreten.
Vorhersagbare räumliche Modelle können Ihnen helfen, das Verhalten, den Standort oder kriminelle Aktivitäten von Wiederholungstäter vorherzusagen. Sie können auch statistische Methoden auf räumlich-zeitliche Daten anwenden, um kausale oder korrelative Variablen zu ermitteln, die für Kriminalität und Strafverfolgung relevant sind.
Die folgende Liste enthält Typen von Ansätzen, die bei der räumlichen Vorhersagemodellierung für die Kriminalitätsanalyse hilfreich sind:
- Clustering: Sie können Kernel-Dichte-Schätzmethoden verwenden, um die räumliche Dichte krimineller Aktivitäten zu quantifizieren. und um vergleichende Messungen zwischen den Kriminalitätsdichten im Verhältnis zur Basisbevölkerung des betroffenen Gebiets zu erstellen.
Die Kerndichteschätzung (KDE) ist eine Glättungsmethode, bei der ein Kernel - oder eine für die Quantifizierung der Dichte nützliche Gewichtungsfunktion - für jeden Datenpunkt im Dataset platziert wird und dann die Kernel summiert werden, um eine Kerndichteabschätzung zu erstellen. für die gesamte Region.
- Erweiterte räumliche Statistik: Ein Beispiel hierfür ist die Verwendung einer Regressionsanalyse, um festzustellen, wie eine oder mehrere unabhängige Kriminalitätsvariablen direkt eine abhängige Kriminalitätsvariable verursachen oder damit korrelieren. Schließlich werden fortschrittliche räumliche Statistiken dazu verwendet, um Verhaltensvorhersagen für Wiederholungstäter zu machen und zukünftige kriminelle Aktivitäten basierend auf historischen Aufzeichnungen über kriminelles Verhalten und Informationen über gegenwärtige Zustände vorherzusagen.
