[論文レビュー] Towards Understanding the Impact of Human Mobility on Police Allocation

Carlos Caminha, Vasco Furtado|arXiv (Cornell University)|Apr 25, 2017

Human Mobility and Location-Based Analysis参考文献 38被引用数 4

ひとこと要約

本稿では、従来の行政区域ではなく、浮動人口のクラスタに基づく画期的な警察配置戦略を提案している。これは、人間の移動行動と財物犯罪の間のスーパー線形的関係を活用したものである。このアプローチは、犯罪動態とより良好に一致し、従来の居住者ベースの配置（R² = 0.70）と比較して、より強いべき乗則フィット（R² = 0.83）を示しており、都市部における犯罪抑止のためのより正確で効果的な手法であることが示された。

ABSTRACT

Motivated by recent findings that human mobility is proxy for crime behavior in big cities and that there is a superlinear relationship between the people's movement and crime, this article aims to evaluate the impact of how these findings influence police allocation. More precisely, we shed light on the differences between an allocation strategy, in which the resources are distributed by clusters of floating population, and conventional allocation strategies, in which the police resources are distributed by an Administrative Area (typically based on resident population). We observed a substantial difference in the distributions of police resources allocated following these strategies, what evidences the imprecision of conventional police allocation methods.

研究の動機と目的

• 浮動人口のクラスタに基づく警察資源の配置が、従来の行政区域ベースの戦略と比較して、犯罪パターンとの整合性が向上するかどうかを調査すること。
• 人間の移動行動と財物犯罪の間のスーパー線形的関係が、警察配置の効率性に与える影響を評価すること。
• 居住者人口データに依存する従来の配置手法が、犯罪発生ダイナミクスをどれだけ正確に捉えられるかを評価すること。
• 浮動人口をクラスタリングすることで、都市環境における警察資源のより正確でスケーラブルな配分が可能になることを実証すること。

提案手法

• 移動フローを基に、ブラジル・フォルタレーザで119の自然な浮動人口クラスタを特定するために、都市クラスタリングアルゴリズム（CCA）を採用した。
• 2005年8月から2007年7月までの間の、位置情報が付与された財物犯罪データ（81,911件）を、3つの空間的スケール（地区、センサス地区、浮動人口クラスタ）で分析した。
• 2つの配置戦略を適用した：浮動人口配置（FPA）はクラスタベースの移動行動に基づき、居住者人口配置（RPA）は行政境界に基づいたものである。
• 警察官の配置数と浮動人口の関係をべき乗則回帰（Y = aX^β）を用いて定量的に評価し、βをスケーリング指数とした。
• 非パラメトリックなナダラヤ＝ウォーソンカーネル回帰とブートストラップリサンプリングを用いて、モデルフィットの95％信頼区間を推定した。
• FPAとRPA戦略の間で、べき乗則フィットの決定係数（R²）と標準誤差を比較し、モデルの正確性を評価した。

実験結果

リサーチクエスチョン

• RQ1 浮動人口クラスタに基づく警察配置は、行政境界に基づく従来の配置と比較して、犯罪パターンとの整合性においてどのように異なるか？
• RQ2 浮動人口配置（FPA）戦略は、居住者人口配置（RPA）戦略と比較して、人間の移動行動と財物犯罪の間のスーパー線形的関係をどれほどよく捉えられるか？
• RQ3 警察資源と浮動人口の関係をモデル化する際、FPAとRPA戦略の間で、モデルフィットの差異（R²と標準誤差）はどのように定量的に評価できるか？
• RQ4 RPA戦略は、犯罪データを代理指標として使用しているにもかかわらず、移動量の増加に伴う犯罪の非線形的増加を正確に表現できないのはなぜか？
• RQ5 浮動人口をクラスタリングすることで、リアルタイムの都市ダイナミクスを反映した、より効果的でスケーラブルな警察配置フレームワークを構築できるか？

主な発見

• 浮動人口配置（FPA）戦略は、べき乗則フィットの指数β = 1.18 ± 0.05、R² = 0.83を達成し、カミンハらが以前に報告したスーパー線形的関係（β = 1.15 ± 0.4）とよく一致した。
• 居住者人口配置（RPA）戦略は弱いフィットを示し、R² = 0.70、標準誤差（±0.11）が高く、移動行動と犯罪の関係を捉える精度が低いことが示された。
• RPA戦略は、複数の行政境界にまたがる高移動クラスタに対して十分なリソースを割り当てず、犯罪が多発する可能性の高い地域が過小配分となった。
• FPA戦略は、浮動人口と犯罪の因果関係をよりよく反映しており、犯罪発生を代理指標として用いるのではなく、直接的に移動データを活用しているためである。
• RPAモデルにおけるデータポイントの分散は、特に行政境界の断片化により、高フローだが低リソース割り当てのクラスタで顕著な系統的不正確さを示した。
• 本研究は、居住者人口に基づく従来の配置が、一時的移動人口に起因する財物犯罪の非線形的増加を捉えるのに不十分であることを確認した。