Forró pontok vagy forró pontok bűnügyi elemzése (2. rész); LISA Intézet
A hot spot vagy hot spot ez egy olyan terület, amely meghaladja a bűncselekmények átlagos számát, vagy egy olyan terület, ahol az átlagosnál nagyobb a bűncselekmény áldozatává válás kockázata. Jelentős analitikai jellegű és magas műszaki szigorúságú forró pontok vagy forró pontok megfigyelésén alapuló stratégiák nagy potenciállal rendelkező eszközként vannak konfigurálva, és bűnmegelőzés ismétlődő, amely befolyásolja az emberek életminőségét.
Ebben második rész A kutatás során releváns információkat nyújtanak a forró pontok bűnügyi elemzése valamint a rendőri megfigyelés technikáját és hatékonyságát a forró pontokkal kapcsolatban magyarázzák:
- Hot spot bűnügyi elemzési technikák és hasznosságuk
- A forró pontok rendőri felügyeletének hatékonysága
A "Bűnmegelőzés a forró pontok elemzésével" című cikket a Mr. Daniel Bruns Ledesma, kriminológia és szakrendőrség
Ezután bemutatjuk és leírjuk a forró pontok bűnügyi elemzésének technikáit és azok hasznosságát:
1. A központi hajlam és a diszperzió mértéke
A statisztikai tesztek sora hasznos az elemzők számára a bűnözési minták megértésében. Az előzetes csoportosítási tesztek sok információt tárnak fel, mielőtt a forró pontokat részletesen elemeznék:
- A átlagos központ az X koordináta átlagának az Y koordinátával való metszését jelenti, ez a térbeli statisztika legegyszerűbb formája, és már a földrajzi információs rendszerek feltalálása előtt is használták.
- A középső vagy középső középpont ez az a pont, amelynek az esetek 50% -a mindkét oldalon található. Arra használják, hogy összehasonlítsák a különböző típusú bűncselekmények közötti területi eloszlást, vagy ugyanazon típusú bűncselekmények esetében különböző időszakokban. A hasznosság abban rejlik, hogy előzetesen megállapíthatjuk, hogy a földrajz mely részénél fordul elő a bűncselekmény egy bizonyos típusa, az összes ismert esemény felezőpontjának bemutatásával. Ezt a tesztet akkor kell alkalmazni, ha vannak egyedi esetek vagy kiugró értékek.
- A szórás távolsága jelzi az események lehetséges csoportosítását. Az alábbi táblázat bemutatja a különböző típusú bűncselekményeket és az általuk a deviancia elemzésében felajánlott eredményeket. Minél magasabb az eredmény, annál szétszórtabbak az adatok. Az alábbi táblázat a különböző bűncselekmények standard eltérési mutatóit mutatja be:
-
A szórás ellipszisek Hasznosak a diszperzió mértékének képviseletében, de jelzik az események irányát is. Nézzük meg az alábbi képen, hogy az erőszakos és megfélemlítő rablás bűneiben mennyire világosan rajzolódik ki északkeleti tájolás. A kihúzott ellipszis az elemzett események körülbelül 68% -át tartalmazza. Ez az elemzés hasznos lehet például a bűncselekmények és az entitások egy csoportja (bárok, konfliktusos helyiségek, elfoglalt épületek stb.) Közötti lehetséges kapcsolat felderítésére, vagy a rendőrségi járőrök terjesztésére ezen a területen, mivel itt lesz a legtöbb eset előfordul.
A fenti képen látható példa egy erőszakos rablási bűncselekmény sorozatának elemzésének felel meg, az eltérést a kék kör jelöli, amelynek sugara megegyezik a standard távolsággal.
2. Csoportosítási tesztek
A forró pont különböző módon és más léptékben jelenhet meg. Lehetnek nagyon problémás épületek vagy helyiségek, utcák, ahol nagy a bűnügyi események koncentrációja, vagy olyan területek, amelyek több utcát vagy egész környéket alkotnak. Ezeknek a fő kriminogén gócoknak az azonosítása nagyon hasznos a rendőri stratégiák megvalósításához.
A központi hajlam és a diszperzió mértéke hasznosak a vizsgálandó jelenség előzetes elképzelésének megszerzéséhez, de statisztikailag szignifikáns következtetések levonására.
- Gi * Getis-Ord elemzése
A gócpontok elhelyezkedése és ábrázolása szempontjából az egyik leggyakrabban használt technika G * néven ismert a Getis Ord-tól. Ez a statisztika kiértékeli a hideg foltokat (hideg területek) alacsony értékekkel és forró pontokkal (forró területek) magas értékekkel a minta átlagához viszonyítva. Az eredmény néhány Z érték visszatérése, amely magas értékek esetén statisztikailag szignifikáns eredményt fog mutatni az események koncentrációjában.