地理情報学と地球統計学: 概要

ケニアのナイロビ市郡における人工知能エージェントを使用した犯罪マッピング

ムバニ BO、オーデラ PA、ケンドゥイウォ BK

犯罪システムは非常に複雑なため、犯罪の分析と予測は依然として非常に困難な作業です。ナイロビでは、悪徳業者をターゲットにした取り組みが増加しているにもかかわらず、犯罪は警察にとってますます大きな課題となっています。これは、
軽火器の拡散、組織犯罪組織の存在、不公平な資源配分、不十分な都市土地利用計画政策、若者の失業、薬物乱用、資源と物流の両面での準備が整っていない警察など、犯罪件数の急増につながる根本的な要因がまだ十分に解決されていないためです。その結果、犯罪
発生と犯罪発生の空間的場所とのつながりが、犯罪のモデル化における重要な関係となります。この論文では、人工知能と地理情報システムという 2 つの技術の融合を活用した、犯罪発生をモデル化するエージェントベースの空間的時間的アプローチを紹介します。人工知能 (AI) は、
経験から学習しながら空間環境を自律的に探索するエージェントに人間の行動を組み込むために使用されます。具体的には、この研究で使用されている AI アルゴリズムは、Q 学習と呼ばれる強化学習の一種です。強化学習は、
シミュレーションが進むにつれて各反復で経験から学習し、街路ネットワークに沿って道を見つける能力をエージェントにモデル化する機械学習アプローチの一種です。このシミュレーションでは、犯罪者、ターゲット、および保護者の 3 種類のエージェントが設計されました。マルチエージェント シミュレーションは Netlogo ソフトウェアで開発されました。Netlogo
環境により、ユーザーは、犯罪パターンを生成するためのいくつかの反復の後に、犯罪発生の可能性のある場所を含む 3 つのエージェントで構成された人工環境を設計できます。犯罪イベントに参加するエージェントを設計することに加えて、犯罪イベントに影響を与える一連の潜在的なリスク要因を重ね合わせることで、リスク テレイン モデルが生成されました。これらの要因は、最初にカイ 2 乗検定を使用して犯罪発生との共存についてテストされ、最後に重ね合わせてリスク テレイン サーフェスが生成されました。モデルの精度をテストするための検証は、シミュレーションによって生成された犯罪件数を当局によって報告された犯罪件数と比較することによって実施されました。比較に使用されるメトリックは、スピアマンの順位相関係数です。検証の結果、相関係数は 0.4 となり、完全な正の相関関係では相関係数が 1 になることが予想されるため、ある程度の正の相関関係があることを示しています。相関係数が少し低いのは、エージェントが街路ネットワークに沿ってのみ移動できるようにし、犯罪の種類を路上強盗のみに制限するなど、このシミュレーションで行われたさまざまな仮定が原因です。さらに、リスク面の生成で考慮される潜在的なリスク要因のセットは有限ですが、実際の生活では、犯罪を動機付ける要因は複雑で多次元であり、その数はほぼ無限です。