| 研究課題/領域番号 |
21K14365
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分25010:社会システム工学関連
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
大山 智也 東北大学, データ駆動科学・AI教育研究センター, 助教 (80893776)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 安全・安心 / 犯罪予測 / 犯罪予防 / 時空間モデリング / 地理的クラスタリング / 異常検知 / 機械学習 |
|---|
| 研究成果の概要 |
本研究では，既存研究で疎かにされてきた，犯罪発生時期を詳細に予測する手法の開発に取り組んだ．具体的には，①先んじて把握可能な時間要因（特別日，曜日，天候，催事など）からの効果，②犯罪企図者の活動が活発化することによる変動の2つを統合し，発生日の予測を試みた．大阪市（車上狙い・部品狙い），ソウル市（屋外での暴力，性犯罪）で提案手法の予測性能を評価した結果，ランダムに要警戒日を選ぶモデルや，既存の機械学習手法を用いたモデルを凌駕した．また，単純な暴力よりも性犯罪での予測性能が高かったことから，提案手法は，明確な犯行意図をもって行われる犯罪においてより有効である可能性が示唆された．
|
| 自由記述の分野 |
犯罪学、社会工学
|
| 研究成果の学術的意義や社会的意義 |
犯罪予測は，理論，データ，アプローチ含め，これまで地理的な側面（どこで起こるか）に力点がおかれ，時間的な側面（いつ起こるか）に関しては相対的に関心が低く，予測性能は限定的であった．そのため，犯罪が起こる地域・場所はわかっても，時期がずれて防げないという事態が生じていた．本研究は，こうした問題を解決するために犯罪発生の時間的要素を詳細化し，曜日等の予め把握可能な要因と，犯罪時系列データさえあれば，ある程度の精度で予測が可能であることを示した点で意義がある．また，低頻度な犯罪は発生時期まで予測するのが困難であるが，本研究では予め地域を地理的にグルーピングして予測するアプローチの有効性も示した．
|
