Wanneer en waar ontstaat misdaad in steden? Om deze vraag te beantwoorden, criminologen vertrouwden voorheen op nogal statische modellen. Criminaliteit is in verband gebracht, bijvoorbeeld, aan de structuur van de inwonende bevolking of aan het grondgebruik in een wijk. De invloed die mobiliteit heeft op de incidentie van criminaliteit was voorheen een onbekende grootheid.

Nutsvoorzieningen, echter, onderzoekers van ETH Zürich, de Universiteit van Cambridge en de Universiteit van New York hebben voor het eerst kunnen aantonen dat misdaad rechtstreeks verband houdt met het aantal mensen in een stad, waar ze zijn en waar ze naartoe gaan. Cristina Kadar, een computerwetenschapper en voormalig promovendus bij het Mobiliar Lab for Analytics aan de ETH, leidde de studie. Onlangs presenteerde ze de resultaten op een (virtuele) conferentie over computationele sociale wetenschappen.

Analyse van mobiliteitsstromen

De onderzoekers berekenden mobiliteitsstromen uit geaggregeerde en geanonimiseerde locatiegegevens. In hun studie hebben ze gebruikten drie complete sets geanonimiseerde gegevens met betrekking tot de steden San Francisco, Chicago en Philadelphia uit de jaren 2012 en 2013. Ze haalden de informatie van het locatietechnologieplatform Foursquare, die gebaseerd is op miljoenen "check-ins, " d.w.z. locaties die gebruikers actief hebben gedeeld. Voordat de gegevens beschikbaar worden gesteld aan de wetenschappers, het bedrijf zorgde ervoor dat persoonlijke gegevens en alle check-ins op het thuisadres van gebruikers waren verwijderd.

In hun analyse de onderzoekers vergeleken de datasets met misdaadstatistieken uit dezelfde periode, specifiek gericht op delicten in verband met diefstal, beroving, overval, inbraak en gestolen voertuigen.

Meer activiteit, meer misdaad

Ze ontdekten dat hoe meer activiteit de gegevens van het platform lieten zien voor een specifieke tijd en wijk, hoe groter het aantal delicten dat daar is gepleegd.

Bij het berekenen van "activiteit, "De onderzoekers omvatten check-ins in restaurants, winkels of sportfaciliteiten, evenals eventuele gevallen van mensen die op weg zijn door een bepaald district op hun weg tussen twee check-ins. Hun berekeningen van de paden tussen twee check-ins waren gebaseerd op de veronderstelling dat gebruikers de kortste route kiezen en hun weg navigeren met behulp van bestaande verkeersroutes.

Gevaar loert onderweg

In feite, het zijn deze tussenliggende verplaatsingen die de grootste invloed hebben op de criminaliteitscijfers. Met andere woorden, misdaad komt het meest voor in die gebieden die mensen passeren tussen het voltooien van twee routinematige activiteiten, bijvoorbeeld op weg van het werk naar de winkels of om deel te nemen aan recreatieve activiteiten. De resultaten ondersteunen een populaire theorie uit de criminologie die stelt dat misdaden plaatsvinden waar de paden van daders en slachtoffers elkaar kruisen.

"Ik vind het geweldig dat we gegevens die in wezen niets met strafbare feiten te maken hebben, kunnen gebruiken om misdaad zo goed te karakteriseren, ', zegt Kadar. Nooit eerder hebben we het verband tussen de mobiliteit van mensen en misdaad zo gedetailleerd kunnen aantonen in termen van tijd en ruimte, ze legt uit.

De onderzoekers hebben hun analyse ook uitgesplitst naar type activiteit en overtreding. Hieruit bleek dat er meer criminaliteit werd geregistreerd op plaatsen en in tijdsperioden met een groot aantal recreatieve activiteiten, maar dit was niet het geval met winkelen, bijvoorbeeld. Wat betreft het soort delict dat is gepleegd, de onderzoekers vonden de sterkste positieve relatie van activiteit met diefstallen, en de zwaksten met overvallen.

Voorspellingen ook mogelijk

In aanvulling, de onderzoekers onderzochten of het mogelijk is om met behulp van machine learning de mobiliteitsdata te gebruiken om criminaliteit te voorspellen. Om dit te doen, ze trainden verschillende modellen een keer met de Foursquare-datasets en een keer alleen met gegevens over eerdere overtredingen. Volgende, zij hebben de juistheid van de prognoses vergeleken met de werkelijk geregistreerde overtredingen. Ze ontdekten dat de voorspellingsmodellen die werden gevoed met mobiliteitsgegevens significant beter presteerden dan voorspellingen op basis van eerdere misdaden.

Ondersteuning voor onderzoek

Kadar ziet haar studie vooral als een middel om onderzoek te ondersteunen. Door bewijs te leveren voor de misdaadpatroontheorie, het helpt het begrip van de oorsprong van misdaad te verbeteren. Ze gelooft dat haar werk ook het nut aantoont van big data voor computationele sociale wetenschappen, maar merkt op dat verdere studies nodig zijn om de bevindingen te valideren voordat de overheid ze kan toepassen om veiligere steden te ontwerpen en te bouwen. Dat komt omdat de analyse opnieuw moet worden bekeken met een aantal verschillende datasets om mogelijke platformbias te kalibreren. En hoewel de resultaten van het onderzoek kunnen worden toegepast op grote steden, ze zijn misschien niet relevant voor kleinere.