当前位置: X-MOL 学术ISPRS Int. J. Geo-Inf. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Ambient Population and Larceny-Theft: A Spatial Analysis Using Mobile Phone Data
ISPRS International Journal of Geo-Information ( IF 3.4 ) Pub Date : 2020-05-26 , DOI: 10.3390/ijgi9060342
Li He , Antonio Páez , Jianmin Jiao , Ping An , Chuntian Lu , Wen Mao , Dongping Long

In the spatial analysis of crime, the residential population has been a conventional measure of the population at risk. Recent studies suggest that the ambient population is a useful alternative measure of the population at risk that can better capture the activity patterns of a population. However, current studies are limited by the availability of high precision demographic characteristics, such as social activities and the origins of residents. In this research, we use spatially referenced mobile phone data to measure the size and activity patterns of various types of ambient population, and further investigate the link between urban larceny-theft and population with multiple demographic and activity characteristics. A series of crime attractors, generators, and detractors are also considered in the analysis to account for the spatial variation of crime opportunities. The major findings based on a negative binomial model are three-fold. (1) The size of the non-local population and people’s social regularity calculated from mobile phone big data significantly correlate with the spatial variation of larceny-theft. (2) Crime attractors, generators, and detractors, measured by five types of Points of Interest (POIs), significantly depict the criminality of places and impact opportunities for crime. (3) Higher levels of nighttime light are associated with increased levels of larceny-theft. The results have practical implications for linking the ambient population to crime, and the insights are informative for several theories of crime and crime prevention efforts.

中文翻译:

环境人口与盗窃:使用手机数据的空间分析

在犯罪的空间分析中,常住人口已成为衡量处于危险之中的人口的常规方法。最近的研究表明,周围人口是对处于危险中的人口的一种有用的替代测量方法,可以更好地反映人口的活动方式。但是,当前的研究受到诸如社会活动和居民出身等高精度人口统计特征的限制。在这项研究中,我们使用空间参考的手机数据来测量各种类型的环境人口的规模和活动模式,并进一步研究城市盗窃盗窃与具有多种人口和活动特征的人口之间的联系。一系列犯罪吸引者,产生者,分析中还考虑了贬低者,以说明犯罪机会的空间变化。基于负二项式模型的主要发现有三方面。(1)根据手机大数据计算的非本地人口规模和人们的社会规律性与盗窃盗窃案的空间变化密切相关。(2)用五种兴趣点(POI)来衡量犯罪吸引者,产生者和破坏者,这些犯罪吸引者,产生者和破坏者都可以明显地描述场所的犯罪性和对犯罪的影响机会。(3)夜间灯光水平越高,盗窃盗窃的程度也越高。研究结果对于将周围人口与犯罪联系起来具有实际意义,并且这些见解对犯罪和预防犯罪的若干理论具有指导意义。基于负二项式模型的主要发现有三方面。(1)根据手机大数据计算的非本地人口规模和人们的社会规律性与盗窃盗窃案的空间变化密切相关。(2)用五种兴趣点(POI)来衡量犯罪吸引者,产生者和破坏者,这些犯罪吸引者,产生者和破坏者都可以明显地描述场所的犯罪性和对犯罪的影响机会。(3)夜间灯光水平越高,盗窃盗窃的程度也越高。研究结果对于将周围人口与犯罪联系起来具有实际意义,并且这些见解对犯罪和预防犯罪的若干理论具有指导意义。基于负二项式模型的主要发现有三方面。(1)根据手机大数据计算的非本地人口规模和人们的社会规律性与盗窃盗窃案的空间变化密切相关。(2)用五种兴趣点(POI)来衡量犯罪吸引者,产生者和破坏者,这些犯罪吸引者,产生者和破坏者都可以明显地描述场所的犯罪性和对犯罪的影响机会。(3)夜间灯光水平越高,盗窃盗窃的程度也越高。研究结果对于将周围人口与犯罪联系起来具有实际意义,并且这些见解对犯罪和预防犯罪的若干理论具有指导意义。(1)根据手机大数据计算的非本地人口规模和人们的社会规律性与盗窃盗窃案的空间变化密切相关。(2)用五种兴趣点(POI)来衡量犯罪吸引者,产生者和破坏者,这些犯罪吸引者,产生者和破坏者都可以明显地描述场所的犯罪性和对犯罪的影响机会。(3)夜间灯光水平越高,盗窃盗窃的程度也越高。研究结果对于将周围人口与犯罪联系起来具有实际意义,并且这些见解对犯罪和预防犯罪的若干理论具有指导意义。(1)根据手机大数据计算的非本地人口规模和人们的社会规律性与盗窃盗窃案的空间变化密切相关。(2)用五种兴趣点(POI)来衡量犯罪吸引者,产生者和破坏者,这些犯罪吸引者,产生者和破坏者都可以明显地描述场所的犯罪性和对犯罪的影响机会。(3)夜间灯光水平越高,盗窃盗窃的程度也越高。研究结果对于将周围人口与犯罪联系起来具有实际意义,并且这些见解对犯罪和预防犯罪的若干理论具有指导意义。显着地描绘了场所的犯罪性和犯罪的机会。(3)夜间灯光水平越高,盗窃盗窃的程度也越高。研究结果对于将周围人口与犯罪联系起来具有实际意义,并且这些见解对犯罪和预防犯罪的若干理论具有指导意义。显着地描绘了场所的犯罪性和犯罪的机会。(3)夜间灯光水平越高,盗窃盗窃的程度也越高。研究结果对于将周围人口与犯罪联系起来具有实际意义,并且这些见解对犯罪和预防犯罪的若干理论具有指导意义。
更新日期:2020-05-26
down
wechat
bug