Developing a dynamic predictive policing system
Dinamik bir öngörücü polislik sistemi geliştirme
- Tez No: 721476
- Danışmanlar: DOÇ. DR. BERTAN YILMAZ BADUR
- Tez Türü: Doktora
- Konular: Bilgi ve Belge Yönetimi, Information and Records Management
- Anahtar Kelimeler: Dinamik sistemler, Kolluk hizmetleri, Öngörü modelleri, Dynamical systems, Police services, Foresight models
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Geriye dönük öngörücü polislik teknikleri teorik değildir ve bu nedenle sokaklarda değişen suç riskini algılamada yetersiz kalmaktadır. Bu çalışmada, teoriye dayalı risk göstergelerinden yararlanan dinamik bir tahmine dayalı polislik sistemi geliştirmeyi amaçlıyoruz. Örnek, 2014-2019 yılları arasında Chicago'daki tüm hırsızlık ve soygun olaylarını içermektedir. İlk adımda, ağ K analizi ve segmentli regresyon tekniklerini birleştirerek, seçilen kentsel özellikler (örn. otobüs durağı, fast food restoranı, benzin istasyonu, bakkal, pub) etrafında uzamsal-zamansal suç riskini işlevselleştiren yeni, mesafeye duyarlı risk fonksiyonlarını tanıtıyoruz. İkinci adımda, grafik tabanlı derin öğrenme algoritmalarını (yani GraphWavenet, Spatiotemporal Graph Convolutional Networks) kullanarak çeşitli ağ tabanlı tahmine dayalı polislik yöntemleri geliştiriyoruz. Bu yöntemler haftalık ve gün içi etkin nokta tahminleri üretir. Bu yöntemleri, yeni risk işlevlerinden, 311 çağrıdan, park olaylarından ve birlikte meydana gelen suç olaylarından tasarlanmış bir risk puanı dahil olmak üzere çeşitli teori tabanlı risk göstergeleriyle tamamlıyoruz. Sonuçlar, kentsel özellikler etrafındaki suç riskinin mekâna, zamana ve suç türlerine göre değiştiğini göstermektedir. Ayrıca, bu riskin bölgesel sosyoekonomik özelliklerle önemli ölçüde ilişkili olduğu bulunmuştur. Bir diğer önemli sonuç, teoriye dayalı göstergelerin dahil edilmesinin geriye dönük yöntemlerin performansını %68'e kadar iyileştirdiğini göstermektedir. Algoritmalar arasında, GraphWavenet'in tahmin modellerinin çoğunda, %80'e varan doğrulukla benzerlerinden daha iyi performans gösterdiği bulunmuştur. Önerilen sistem, bir sonraki zaman adımında nispeten daha yüksek risklere sahip mikro coğrafi birimleri belirleyerek kolluk kuvvetlerinin operasyonlarını verimli bir şekilde planlamalarına yardımcı olur.
Özet (Çeviri)
The retrospective predictive policing techniques are atheoretical and therefore remain incapable of sensing the changing crime risk across the streets. In this study, we aim to develop a dynamic predictive policing system that capitalizes on theory-based risk indicators. The sample includes all the theft and robbery incidents in Chicago between 2014-2019. In the first step, pipelining bivariate network K analysis and segmented regression, we introduce novel distance-aware risk functions that operationalize spatiotemporal crime risk around the selected urban features (i.e., bus stop, fast food restaurant, gas station, grocery store, pub). In the second step, we develop various network-based predictive policing methods using graph-based deep learning algorithms (i.e., GraphWavenet, Spatiotemporal Graph Convolutional Networks). These methods generate weekly and intraday hotspot predictions. We complement these methods with various theory-based risk indicators including a risk score devised from the novel risk functions, 311 calls, park events, and cooccurring crime incidents. The results showcase that crime risk around urban features varies across space, time, and crime types. Furthermore, this risk is found to be significantly correlated with the regional socioeconomic characteristics. Another important result shows that incorporating theory-based indicators improved the performance of the retrospective methods up to 68%. Amongst the algorithms, GraphWavenet is found to outperform its counterparts in the majority of the prediction models with an accuracy as high as 80%. The proposed system helps law enforcement agents in planning their operations efficiently by pinpointing the micro geographical units with relatively higher risks in the next time step.
Benzer Tezler
- Design and implementation of a torque-based predictive steering assistance for human-centered and safe automated driving
İnsan-merkezli ve güvenli otomatik sürüş için tork tabanlı öngörümlü direksiyon yardımcı sisteminin tasarımı ve gerçeklenmesi
ZİYA ERCAN
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. METİN GÖKAŞAN
- Model predictive control of a turbocharged diesel engine with exhaust gas recirculation
Aşırı doldurmalı ve egzoz gaz çevrimli dizel motorda model öngürülü kontrol
MUHARREM UĞUR YAVAŞ
Yüksek Lisans
İngilizce
2015
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. METİN GÖKAŞAN
- Gerçek zaman ve ses tanıma tabanlı bir sistemin geliştirilmesi
Developing a system based on real-time voice recognition
HÜSEYİN KÜRŞAT TEZER
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiDeniz Harp Okulu KomutanlığıElektronik Sistemleri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA YAĞIMLI
- Yoğun bakımda gelişen pnömonisi olan geriatrik hastalarda APACHE II skoru, PNI skoru, CRP/ALB oranının morbidite ve mortalite üzerindeki öneminin karşılaştırılması
A comparison of the importance of the APACHE II score, PNI score, and CRPA/ALB ratio on morbidity and mortality in geriatric patients with pneumonia developing in the intensive care unit
BEYZANUR GÜDER
Tıpta Uzmanlık
Türkçe
2026
İç HastalıklarıAdıyaman Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. AYŞE ŞAHİN TUTAK
- Investigation of dynamic behavior of aluminum alloy armor materials
Alüminyum alaşımlı zırh malzemelerinin dinamik davranışlarının incelenmesi
MEHMET MACAR
Doktora
İngilizce
2014
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. RAİF ORHAN YILDIRIM
DOÇ. DR. MURAT VURAL