S\~ao Paulo is the largest city in South America, with high criminality rates. The number and type of crimes varies considerably around the city, assuming different patterns depending on urban and social characteristics. In this scenario, enabling tools to explore particular locations of the city is very important for domain experts to understand how urban features as to mobility, passersby behavior, and urban infrastructures can influence the quantity and type of crimes. In present work, we present CrimAnalyzer, a visualization assisted analytic tool that allows users to analyze crime behavior in specific regions of a city, providing new methodologies to identify local crime hotspots and their corresponding patterns over time. CrimAnalyzer has been developed from the demand of experts in criminology and it deals with three major challenges: i) flexibility to explore local regions and understand their crime patterns, ii) Identification of not only prevalent hotspots in terms of number of crimes but also hotspots where crimes are frequent but not in large amount, and iii) understand the dynamic of crime patterns over time. The effectiveness and usefulness of the proposed system are demonstrated by qualitative/quantitative comparisons as well as case studies involving real data and run by domain experts.


翻译:圣保罗市是南美洲最大的城市,犯罪率很高,犯罪的数量和类型在城市各地差别很大,取决于城市和社会特点的不同模式。在这种情景中,为探索城市特定地点提供工具对于地区专家了解城市流动性、路人行为和城市基础设施的特征如何影响犯罪的数量和类型非常重要。在目前的工作中,我们介绍CrimAnalyzer,一个直观化有助于分析工具,使用户能够分析城市特定区域的犯罪行为,为查明地方犯罪热点及其一段时间的相应模式提供新方法。CrimAnalyzer是根据犯罪学专家的需求开发的,它处理三大挑战:(一) 探索地方区域并了解其犯罪模式的灵活性,(二) 不仅查明犯罪数量方面普遍存在的热点,而且还查明犯罪频繁但数量不大的热点,以及(三) 了解犯罪模式的长期动态。拟议的系统的有效性和实用性通过定性/定量比较以及涉及实际数据和领域专家的案例研究来证明。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
专知会员服务
60+阅读 · 2020年3月19日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
已删除
将门创投
6+阅读 · 2019年4月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2020年11月30日
Arxiv
0+阅读 · 2020年11月26日
Arxiv
0+阅读 · 2020年11月25日
Arxiv
5+阅读 · 2019年6月5日
VIP会员
相关VIP内容
相关资讯
已删除
将门创投
6+阅读 · 2019年4月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员