Utveckling av fjärranalysdataanvändning för planering av säkra miljöer
Syftet med projektet är att förstå hur fjärrdataanalys belyser förhållandena mellan stadsmiljöer, nivåer och mönster för specifika brott. Vi undersöker, med kvalitativ och kvantitativ analys, förhållandet mellan egenskaperna hos den byggda miljön extraherad från fjärranalys- och konventionella data.
Projektledare: Vania A Ceccato
Doktorand: Ioannis Ioannidis
Medverkande forskare: Dr Andrea Nascetti, KTH och Robert Haining, Professor Emeritus, University of Cambridge
Forskningsprojekt finansieras av FORMAS (Diarienummer: 2020-01999)
Hur vi bygger, övervakar och underhåller städer är kritiskt för hur säkra de är för sina medborgare. Nuvarande metoder som används för att få information som är relevant för brottsbekämpning i stadsmiljön är tidskrävande och ofta kostsam. Eftersom fjärranalysdata erbjuder ett relativt billigt och tillförlitligt sätt att fånga uppdaterad information om stadsmiljön, undersöker vi hur fjärranalysdata belyser förhållandena mellan stadsmiljöer och nivåer och mönster för särskilda brott.
Vi undersöker, med kvalitativ och kvantitativ analys, förhållandet mellan egenskaperna hos den byggda miljön från fjärranalys- och konventionella data (faktorer som också påverkar nivåer och brottens geografi). Vi identifierar de områden som är mest utsatta och därmed i behov av intervention genom att använda fjärranalysdata som ett säkerhetsövervakningsverktyg, där intressenter är en del av forskningen genom processer för gemensamt skapande av slutsatser, rekommendationer och resultat.
Studien avslutas med rekommendationer till intressenter och 4-6 internationellt peer-granskade akademiska publikationer. För teorin ger resultaten mer detaljerad insikt om miljöns roll för brottsbekämpning. För praktiken kan de vara till hjälp för planering av nya bostadsområden samt för att hantera säkerhetsproblem i befintliga stadsdelar, vilket är i linje med FN-Habitat Safer cityprogram och de viktigaste ambitionerna i mål 11 i FN: s 2030-agenda för hållbar utveckling.
Publications
Understanding crime patterns using spatial data analysis: Case studies in Stockholm, Sweden. Doctoral thesis of Ioannis Ioannidis
This doctoral thesis integrates high-resolution remote sensing data, complemented by GIS and regression analysis, across multiple Stockholm case studies to reveal how urban form—building density, green spaces, and infrastructure—shapes crime distribution. It highlights the advantages of remote sensing for mapping risk factors and proposes data-driven strategies to inform urban safety planning.
Link: kth.diva-portal.org/smash/record.jsf?pid=diva2%3A1902051&dswid=-8439
Using Remote Sensing Data in Urban Crime Analysis: A Systematic Review of English-Language Literature from 2003 to 2023
This systematic review examines English-language studies (2003–2023) on remote sensing for urban crime analysis, selecting 36 from 910 publications. Findings demonstrate that high-resolution imagery can detect criminogenic features like street networks, vegetation, and luminosity, while noting privacy concerns and validation gaps in methods.
Link: doi.org/10.1177/10575677241237960
Using remote sensing data to derive built-form indexes to analyze the geography of residential burglary and street thefts
Employing Global Human Settlement Layer data, this study develops built-form indexes from satellite imagery to model residential burglary and street theft in Stockholm neighborhoods. Regression analyses, extended by income and transport hub variables, reveal density-crime associations and underscore the need to account for neighborhood type differences.