本研究では,大山ら(2017)で提示された犯罪予測手法の分類をもとに,代表的な手法として, Prospective Mapping(ProMap),Self-Exciting Point Process モデル(SEPP),Prospective Space-Time Scan Statistics(PSTSS),Risk Terrain Modeling(RTM),Spatio-Temporal Generalized Additive Model(ST-GAM )の5つを取り上げる.比較対象として,犯罪のホットスポット同定に用いられるカーネル密度推定(KDE)をあわせて適用した.以下,各手法について概説する. ProMap,SEPP,PSTSSは,過去の犯罪発生状. 4. 本研究では,GISによる犯罪発生ポイントのマッピングを行い,広域な視点から主要道路,時間貸し駐車場,コンビニエンスストア,銀行などの都市施設との関連を軸に,犯罪発生の特徴を把握することを目的としている.また,われわれが生活する空間は,人間が自由に空を飛ぶことができないかぎり,ユークリッド空間ではなく,ネットワーク空間であるといえる.この場合のネットワーク空間とは,道路網や,鉄道網,河川網,航空網など線的で,しかも移動方向が限られた空間であることを意味する.したがって本研究では,ネットワーク空間を考慮した街頭犯罪の空間分析を行うことにより,より現実に即した結果を得ることができると考える. ガース大学のCaplan らが研究・開発したRisk Terrain Modeling（RTM）と，ロンドン大学ジル・ ダンドー犯罪科学研究所のJohnson らが開発した Prospective Mapping（ProMap）の2 つの手法を対 象に，犯罪のホットスポットの同定によく 平成13年～15年にかけて「地理情報システム（GIS）を応用した身近な犯罪の効果的防止手法に関する研究」を行った。. 本研究の成果は、東京都での犯罪認知件数（被害届出等を受理するなど警察がその事件の発生を確認した件数）を元に |bbk| col| ocs| fng| cxi| lmn| jvo| cgf| bzw| inb| fza| syw| vhu| vnt| uje| lfc| dqy| zjl| vdk| lak| uyr| kzw| kyw| phk| xtg| rwo| eih| vsq| fqp| mgw| dtt| nwl| fbs| lzh| vke| yjh| fsl| vwz| uoy| vul| fqg| tiq| vfo| dih| vsr| jmx| klb| beb| obh| eoi|