犯罪细丝：通过阈值化脊估计辅助警务

目标：我们引入一种通过脊估计减少热点及跨城市犯罪的新方法。在此过程中，我们的目标是探索密度脊在热点与巡逻优化中的应用，并为警务巡逻与犯罪减少策略方面的警务文献做出贡献。方法：我们利用子空间约束均值漂移算法——一种近期提出并在宇宙学中进一步发展的脊估计方法，我们对其修改并扩展以用于地理空间数据集与热点分析。我们的实验提取了芝加哥市 2018 年及 2019 年初第一部分犯罪事件的密度脊，以展示对当前数据的应用。结果：我们的结果展示了与非参数核密度估计一致的非线性模式跟随脊。利用 2019 年初的事件以及从 2018 年数据中提取的预测脊，我们创建了多次运行置信区间，并表明我们的巡逻模板在脊周围 0.1 英里的包络内覆盖了约 94% 的事件，并迅速上升至近乎完全覆盖。我们还开发并提供给研究者及从业者一个用户友好且开源的软件，用于快速地理空间密度脊估计。结论：我们展示了跟随犯罪报告密度的脊可用于增强巡逻能力。我们的实证检验显示了基于过去数据的脊的稳定性，提供了一种在热点内识别路线而非巡逻中心点的可及方式。我们建议进一步研究密度脊在巡逻中的应用与效能。