[論文レビュー] Once Upon a Crime: Towards Crime Prediction from Demographics and Mobile Data

Andrey Bogomolov, Bruno Lepri+4 more|arXiv (Cornell University)|Sep 10, 2014

Human Mobility and Location-Based Analysis参考文献 36被引用数 72

ひとこと要約

本稿では、集計済みで匿名化されたモバイルフォンデータと人口統計情報を利用して、ロンドンにおける犯罪ホットスポットを予測するデータドリブンな手法を提案する。人間の行動パターンと都市のダイナミクスをモデル化することで、1か月先の高犯罪地域または低犯罪地域を予測する手法が69.8%の正確性を達成し、より少ないがより動的な特徴量を用いることで、従来の統計的手法を上回る性能を発揮する。

ABSTRACT

In this paper, we present a novel approach to predict crime in a geographic space from multiple data sources, in particular mobile phone and demographic data. The main contribution of the proposed approach lies in using aggregated and anonymized human behavioral data derived from mobile network activity to tackle the crime prediction problem. While previous research efforts have used either background historical knowledge or offenders' profiling, our findings support the hypothesis that aggregated human behavioral data captured from the mobile network infrastructure, in combination with basic demographic information, can be used to predict crime. In our experimental results with real crime data from London we obtain an accuracy of almost 70% when predicting whether a specific area in the city will be a crime hotspot or not. Moreover, we provide a discussion of the implications of our findings for data-driven crime analysis.

研究の動機と目的

• 集計済みのモバイルネットワーク活動と人口統計データが都市部における犯罪ホットスポットを予測できるかどうかを調査すること。
• 歴史的犯罪データに完全に依存しない、データドリブンなモデルを構築し、特定の地理的領域における犯罪レベルを予測すること。
• モバイル由来の特徴量と従来の社会経済統計の間で、予測性能を比較すること。
• 静的でない人口統計指標を超えた、犯罪リスクと相関する都市部の新規で動的な特徴量を同定すること。

提案手法

• 本研究では、自宅ベースの活動や移動パターンのエントロピーといった行動特徴量を、匿名化・集計済みのモバイルフォンデータから導出する。
• 公式のborough統計から得られる人口統計データと、モバイル由来の特徴量を組み合わせ、都市部の社会的空間的特性を表現する。
• 機械学習分類器を訓練し、地理的領域が翌月に高犯罪または低犯罪レベルを示すかどうかを予測する。
• 特徴量選択を実施し、移動エントロピーと居住活動強度といった最も予測力の高い変数を同定する。
• ロンドンの実際の犯罪データ（月次集計）を用いてモデルを評価し、公式統計のみを用いたベースラインモデルと比較する。
• 本アプローチは、犯罪予測を二値分類問題として扱い、高犯罪地域対低犯罪地域を分類する。

実験結果

リサーチクエスチョン

• RQ1 集計済みのモバイルフォンデータは、従来の人口統計的・社会経済的指標と比較して、犯罪予測の正確性を向上させられるか？
• RQ2 モバイルネットワーク活動から導出されるどの行動特徴量が、都市部における将来の犯罪レベルを最も予測可能か？
• RQ3 動的な人間の移動パターンを組み込むことで、静的でない人口統計的プロファイルと比較して、犯罪ホットスポットの検出がどの程度向上するか？
• RQ4 過去の犯罪記錴が少ない地域において、モバイルデータは犯罪をどの程度まで予測可能か？
• RQ5 モバイルネットワークデータを用いることで、予防的犯罪防止にどのような理論的・実務的インパクトが生じるか？

主な発見

• 提案されたモデルは、ロンドンにおける高犯罪地域と低犯罪地域を1か月先に区別する予測で69.8%の正確性を達成した。
• 公式統計のみを用いたベースライン手法と比較して、6パーセンテージポイントの高い正確性を示したが、使用する特徴量は少ない。
• 自宅ベースの活動と移動エントロピーが最も予測力の高い特徴量として特定され、人間の存在と移動パターンが犯罪リスクの強力な指標であることが示された。
• 結果は、集計済みのモバイルデータが、最近の犯罪がない地域ですらも、犯罪発生と相関する意味のある行動的ダイナミクスを捉えられることを支持する。
• 本アプローチにより、潜在的な犯罪ホットスポットの早期検出が可能となり、予防的警察活動や都市計画に貢献できる。
• 本研究は、モバイルネットワークデータが、リアルタイムの都市リスク評価のための低コストでスケーラブルな代理指標として機能できることを示した。