När och var uppstår brott i städer? För att svara på denna fråga, kriminologer har tidigare förlitat sig på ganska statiska modeller. Brott har kopplats, till exempel, till den bofasta befolkningens struktur eller till användningen av mark i ett kvarter. Den påverkan som rörligheten har på brottsförekomsten var tidigare en okänd storhet.

Nu, dock, forskare från ETH Zürich, University of Cambridge och New York University har för första gången kunnat visa att brott är direkt relaterat till hur många människor som befinner sig i en stad, var de är och vart de är på väg. Cristina Kadar, en datavetare och tidigare doktorand vid Mobiliar Lab for Analytics vid ETH, ledde studien. Hon presenterade nyligen resultaten på en (virtuell) konferens om beräkningssamhällsvetenskap.

Analys av mobilitetsflöden

Forskarna beräknade mobilitetsflöden från aggregerade och anonymiserade platsdata. I deras studie, de använde tre kompletta uppsättningar av anonymiserad data om städerna San Francisco, Chicago och Philadelphia från åren 2012 och 2013. De fick informationen från platsteknologiplattformen Foursquare, som är baserad på miljontals "incheckningar, "dvs platser som användare aktivt har delat. Innan data görs tillgängliga för forskarna, företaget såg till att personuppgifter och alla incheckningar på användarnas hemadresser hade raderats.

I sin analys, forskarna jämförde datamängderna med brottsstatistik från samma period, fokuserar specifikt på brott som rör stöld, rån, överfall, inbrott och stulna fordon.

Mer aktivitet, mer brott

De fann att ju mer aktivitet plattformens data visade för en specifik tid och distrikt, desto större antal brott som hade begåtts där.

När du beräknar "aktivitet, "Forskarna inkluderade incheckningar på restauranger, butiker eller idrottsanläggningar samt eventuella fall av personer som passerar genom ett visst distrikt på väg mellan två incheckningar. Deras beräkningar av vägarna mellan två incheckningar baserades på antagandet att användarna väljer den kortaste vägen och navigerar sin väg med hjälp av befintliga trafikvägar.

Fara lurar på vägen

Faktiskt, det är dessa mellanresor som har störst inflytande på brottsligheten. Med andra ord, brottslighet är mest sannolikt att uppstå i de områden som människor passerar mellan att slutföra två rutinaktiviteter, till exempel på väg från jobbet till butiken eller för att delta i fritidsaktiviteter. Resultaten stödjer en populär teori från kriminologin som hävdar att brott inträffar där förövares och offrens vägar korsas.

"Jag är glad över att vi kan använda data som i huvudsak inte har med brott att göra för att karakterisera brott så väl, " säger Kadar. Aldrig tidigare har vi kunnat påvisa kopplingen mellan människors rörlighet och brottslighet på ett så detaljerat sätt i termer av tid och rum, förklarar hon.

Forskarna delade också upp sin analys efter typ av aktivitet och brott. Detta avslöjade att mer brottslighet registrerades på platser och tidsperioder med ett stort antal fritidsaktiviteter, men detta var inte fallet med shopping, till exempel. När det gäller typen av brott som begåtts, forskarna fann det starkaste positiva sambandet från aktivitet med stölder, och de svagaste med rån.

Förutsägelser också möjliga

Dessutom, forskarna undersökte om det skulle vara möjligt att använda mobilitetsdata för att förutsäga brott med hjälp av maskininlärning. Att göra detta, de tränade olika modeller en gång med Foursquare-datauppsättningarna och en gång bara med data om tidigare brott. Nästa, de kontrollerade riktigheten i prognoserna mot de faktiska registrerade brotten. De upptäckte att förutsägelsemodellerna som matades med mobilitetsdata presterade betydligt bättre än förutsägelser baserade på tidigare brott.

Stöd till forskning

Kadar ser sin studie främst som ett sätt att stödja forskning. Genom att tillhandahålla bevis för teorin om brottsmönster, det hjälper till att förbättra förståelsen för brottslighetens ursprung. Hon tror att hennes arbete också visar användbarheten av big data för beräkningssamhällsvetenskap, men noterar att ytterligare studier krävs för att validera resultaten innan offentliga myndigheter kan tillämpa dem för att designa och bygga säkrare städer. Det beror på att analysen bör ses över med ett antal olika datauppsättningar för att kalibrera eventuella plattformsbiasar. Och även om resultaten av studien kan tillämpas på stora städer, de kanske inte är relevanta för mindre.