[論文レビュー] Crime Prediction Using Machine Learning and Deep Learning: A Systematic Review and Future Directions

Varun Mandalapu, Lavanya Elluri+2 more|arXiv (Cornell University)|Mar 28, 2023

Crime Patterns and Interventions被引用数 9

ひとこと要約

この論文は、機械学習と深層学習を用いた犯罪予測に関する150件を超える研究を系統的にレビューし、データセット、技術、傾向を統合し、今後の研究方向を提案します。

ABSTRACT

Predicting crime using machine learning and deep learning techniques has gained considerable attention from researchers in recent years, focusing on identifying patterns and trends in crime occurrences. This review paper examines over 150 articles to explore the various machine learning and deep learning algorithms applied to predict crime. The study provides access to the datasets used for crime prediction by researchers and analyzes prominent approaches applied in machine learning and deep learning algorithms to predict crime, offering insights into different trends and factors related to criminal activities. Additionally, the paper highlights potential gaps and future directions that can enhance the accuracy of crime prediction. Finally, the comprehensive overview of research discussed in this paper on crime prediction using machine learning and deep learning approaches serves as a valuable reference for researchers in this field. By gaining a deeper understanding of crime prediction techniques, law enforcement agencies can develop strategies to prevent and respond to criminal activities more effectively.

研究の動機と目的

• 機械学習と深層学習アプローチが地域犯罪予測に適用された全体像を要約する。
• 犯罪予測に用いられる公開データセットとその特徴を特定する。
• 研究全体におけるアルゴリズム、特徴量のタイプ、評価指標の傾向を分析する。
• 犯罪予測の精度と適用性を向上させるためのギャップ、課題、今後の方向性を明らかにする。

提案手法

• IEEE、ACM、ScienceDirect のデータベースを対象とした、ターゲットクエリとワイルドカードを用いた系統的文献調査を実施する。
• 自動フィルタリングを適用し、次に手動スクリーニングを行い、関連論文を選定する（本文および付録で約157件）。
• 文献の前処理・後処理分析を行い、主要テーマを識別するワードクラウドと、データセットソース別の技術タイプの分類を含む。
• 研究をML/DL技術（分類、回帰、クラスタリング等）とデータソース別（犯罪、時空間、視覚、ソーシャルメディア等）に分類する。
• データセット資源を要約し、使用されたデータセットの表を提供する（本文のTable 1を参照）。
• データ品質、プライバシー、モデルの解釈性などデータ関連の課題について論じる。

Figure 1: Steps involved for typical crime detection

実験結果

リサーチクエスチョン

• RQ1 最近の文献で犯罪予測に適用された機械学習および深層学習手法は何ですか？
• RQ2 地域犯罪予測で一般的に使用されるデータセットとデータソースは何ですか、それらの特徴は何ですか？
• RQ3 モデルタイプ（分類、回帰、クラスタリング）と評価結果の主要な傾向は何ですか？
• RQ4 犯罪予測モデルの精度、解釈性、リアルタイム適用性を向上させるために特定されたギャップと今後の方向性は何ですか？

主な発見

• 機械学習技術が文献を支配している（67%）、続いて深層学習（21%）、ML+DL、DL+NLP、ML+NLP の割合は小さい。
• 分類が主要なタスク（63%）、回帰（29%）、クラスタリング（6%）、混合アプローチ（2%）。
• 犯罪予測研究の多くは会議で発表され（82%）、ジャーナルやその他の会場は少ない。
• 都市レベルの犯罪データ（例：NYC、Chicago、London）やグローバルソース（監視ビデオ、ソーシャルメディア、天気など）を含む広範なデータセットが使用されている。
• 研究者は特定の文脈で高い精度を報告しており（例：ブラジルの特定予測で最大97%）、特定の表の項目には方法間の性能指標が記載されている。
• 本レビューは課題を強調している：高品質データの可用性、プライバシー/倫理的懸念、複雑なモデルの解釈性。

Figure 2: Research paper selection methodology