时空低计数过程及其在暴力犯罪事件中的应用
应用统计
2013-04-23 v1 统计方法学
摘要
预测犯罪发生地点具有重大意义，例如有助于高效部署警力及其他防护措施。我们旨在对暴力犯罪通常展现的时空依赖性进行建模，以做出此类预测。犯罪的时间变化通常遵循时间序列分析中熟悉的模式，但空间模式不规则且不随区域平滑变化。相反，我们发现空间上不连续的区域表现出相关的犯罪模式。正是这种不确定的区域间相关结构，以及严重犯罪计数的低计数、离散性质，促使我们提出所预测工具。具体而言，我们建议使用整数值一阶自回归过程对每个区域的犯罪计数进行建模。我们采用贝叶斯非参数方法灵活地发现这些区域特定时间序列的聚类。然后我们描述如何在此框架内考虑协变量。两种方法都调整了季节性。我们通过分析2001-2008年间华盛顿特区每周报告的暴力犯罪来展示我们的方法。我们的预测优于标准方法，同时还提供了预测区间等有用工具。
引用
@article{arxiv.1304.5642,
title = {Spatio-Temporal Low Count Processes with Application to Violent Crime Events},
author = {Sivan Aldor-Noiman and Lawrence D. Brown and Emily B. Fox and Robert A. Stine},
journal= {arXiv preprint arXiv:1304.5642},
year = {2013}
}