费城犯罪热点的可操作洞察：聚类和统计分析为未来的犯罪立法提供信息
摘要：费城高犯罪率问题的加剧使费城的居民、社区领导者和执法官员努力解决问题的根本原因，使城市对所有人更安全。本研究深入了解费城的犯罪问题，并为城市犯罪缓解提供了新的见解。从OpenDataPhilly获得了2012-2022年的开源犯罪数据。使用基于密度的空间聚类（DBSCAN）将犯罪地理位置进行聚类。对21个警区内的犯罪进行了聚类，分析了聚类分布的时间变化，以开发非系统指数（NSI）。测试了Home Owners' Loan Corporation（HOLC）评级与被标记为“系统性”的警区聚类之间的关联。根据Hopkins' Mean Statistics，每个警区内的犯罪高度可聚类。NSI被证明是区分系统性（<0.06）和非系统性（≥0.06）警区的良好指标。发现两个系统性警区19和25与HOLC评级显著相关（p = 2.02 x 10^(-19)，p = 1.52 x 10^(-13)）。费城的犯罪数据显示出警区之间高度的异质性。利用NSI对警区进行分类可以实施有针对性的犯罪缓解策略。决策者可以将此研究作为干预的指南解读。
作者：Ishan S. Khare, Tarun K. Martheswaran, Rahul K. Thomas, Aditya Bora
论文ID：2306.15987
分类：Applications
分类简称：stat.AP
提交时间：2023-06-29