Till innehåll på sidan
Till KTH:s startsida

Understanding crime patterns using spatial data analysis

Case studies in Stockholm, Sweden

Tid: Fr 2024-10-25 kl 09.00

Plats: Kollegiesalen, Brinellvägen 8, Stockholm

Videolänk: https://kth-se.zoom.us/s/66904913390

Språk: Engelska

Ämnesområde: Planering och beslutsanalys, Urbana och regionala studier

Respondent: Ioannis Ioannidis , Urbana och regionala studier

Opponent: Professor Lin Liu, University of Cincinnati

Handledare: Professor Vania Ceccato, Urbana och regionala studier; Associate Professor Andrea Nascetti, Geoinformatik

Exportera till kalender

QC 241002

Abstract

Förståelsen av det komplexa sambandet mellan urbana miljöer och brott är avgörande för effektiv stadsplanering och brottsförebyggande strategier. Rumsliga analytiska metoder har gett värdefulla insikter om brottsmönster, vilket möjliggör identifiering av miljöer med hög brottskoncentration och ger underlag för brottsbekämpningsinsatser och stadsplaneringsåtgärder. Den internationella litteraturen lyfter fram den ökande användningen av fjärranalys inom brottsanalys, vilket drivs av förbättrad dataåtkomst och noggrannhet. Med tanke på potentialen i denna metod utforskar denna avhandling användningen av spatio-temporala dataanalyser, särskilt införlivandet av fjärranalysdata tillsammans med konventionella socio-demografiska och markanvändningsindikatorer för att förstå dynamiken kring brott i urbana miljöer. Fyra brottskategorier – cannabisrelaterade brott, fickstölder, bostadsinbrott och sexualbrott – undersöks med Stockholms stad i Sverige som fallstudie. Fjärranalysdata, särskilt bilder med mycket hög upplösning, i kombination med machine learning-algoritmer som Random Forest-klassificeraren, underlättar prediktionen av brottsriskområden och identifieringen av miljöfaktorer som är förknippade med brottsförekomster. Även om avhandlingen reflekterar över fördelar och nackdelar med att använda fjärranalys i brottsanalys, erbjuder våra resultat praktiska insikter för beslutsfattare, stadsplanerare och brottsbekämpande myndigheter, vilket möjliggör utvecklingen av datainformerade strategier för att främja säkrare och mer motståndskraftiga urbana miljöer.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-354130