شناسایی مناطق جرم خیز و عوامل موثر در تشدید آن با استفاده از روش‌های داده کاوی مکانی (مطالعه موردی شهر اصفهان)

نوع مقاله : پژوهشی - کاربردی

نویسندگان

1 گروه سیستم اطلاعات جغرافیایی و سنجش از دور، دانشکده جغرافیا، دانشگاه تهران

2 گروه سنجش از دور و GIS - دانشکده جغرافیا - دانشگاه تهران

3 معاونت آب و خاک، وزارت جهاد کشاورزی

4 موسسه آموزش عالی عمران توسعه همدان

10.22059/jurbangeo.2023.350320.1749

چکیده

داده‌کاوی دانشی در زمینه تحلیل و آنالیز داده‌ها و اطلاعات ورودی یک سیستم است. این دانش با تکیه بر الگوریتم‌ها و ابزارهایی که دارد، آمارهای مفیدی را در اختیار کسب و کارها قرار داده است. یکی از کاربردهای مهم داده‌کاوی تحقیقات جنایی و بخش جرم‌شناسی است. این علم سبب شده تا با بررسی ارتباطات حوادث جنایی، اقداماتی براساس تحلیل داده‌ها برای پیشگیری از جرم صورت گیرد. این پژوهش با هدف شناسایی کانون‌های جرم‌خیز و تحلیل الگوهای مکانی جرایم مرتبط با مواد مخدر در شهر اصفهان انجام گرفته است. بدین منظور برای تحلیل توزیع فضایی در محیط سیستم اطلاعات مکانی از روش‌های شاخص میانگین نزدیکترین همسایه و تخمین‌ تراکم کرنل استفاده شد. سپس پراکنش نقاط جرم خیز براساس کاربری‌های موجود در شهر اصفهان به تفکیک شش نوع ماده مخدر بررسی و بعد از تعیین فاصله نقاط جرم‌خیز با کاربری‌های مورد نظر نتایج در قالب یک جدول اطلاعاتی به عنوان پایگاه داده برای داده کاوی به روش استخراج قواعد انجمنی با الگوریتم اپریوری وارد نرم‌افزار اورنج شد. نتایج بررسی‌های حاصل از استخراج قواعد انجمنی نشان داد، رابطه فضایی فاصله از ایستگاه پلیس و مصرف مواد مخدر تریاک معکوس و مصرف حشیش با کاربری پارک رابطه مستقیم دارند. هم‌چنین مصرف گراس و ماریجوانا رابطه مستقیمی با ایستگاه‌های پلیس دارد به این معنی که به‌طور معناداری مصرف این ماده مخدر در نزدیکی مراکز پلیس اتفاق افتاده است.

کلیدواژه‌ها


عنوان مقاله [English]

Identification of crime-prone areas and effective factors in its escalation using spatial data mining methods (case study: Isfahan city)

نویسندگان [English]

  • Bahareh sadat Moosavi 1
  • Ara Toomanian 1
  • Meysam Argany 2
  • samane arvandi 3
  • Mehran Saedpanah 4
1 PhD Candidate of Geographical Information System and Remote Sensing, Department of Physical Geography, Faculty of Geography, University of Tehran, Tehran, Iran
2 Department of Remote Sensing and GIS, Faculty of Geography, University of Tehran
3 معاونت آب و خاک، وزارت جهاد کشاورزی
4 university college omran & tosee
چکیده [English]

The findings of the associational rule extraction revealed a spatial relationship between the distance from the police station and the usage of opiates and hashish, which has a direct relationship on the use of the park. Additionally, there is a direct correlation between the use of marijuana and grass and police stations, indicating that these drugs have been used close to these institutions. The majority of hashish, opium, and grass drug use occur in close proximity to roads, parks, and schools. Additionally, compared to other substances, marijuana and grass have a direct spatial relationship with the police station, and use of these drugs can be witnessed close to the station. Despite being extremely prevalent in the database, it appears that the opium drug did not significantly correlate spatially with the chosen uses. Finally, the top 10 laws were determined and their effects on confidence, support, and lifting were examined. In the context of a spatial information system, the usage of spatial distribution functions can be useful for pinpointing crime hotspots and assisting law enforcement with management decisions. With its research of crime trends and crime statistics, it can assist the police and other relevant agencies in locating potential crime hotspots and preventing them in the future. Additionally, it might be highly helpful to apply data mining techniques to anticipate and prevent crimes as well as their locations.

کلیدواژه‌ها [English]

  • Association Rules
  • Data Mining
  • Drugs
  • Hotspots
  • Kernel Density Estimation Method