Scoprire i modelli di criminalità con i dati di localizzazione
Il modo in cui le persone si muovono nelle città indica quando e dove si verifica un numero particolarmente elevato di reati. Lo hanno dimostrato i ricercatori dell'ETH utilizzando milioni di dati di localizzazione anonimizzati.
![Immagine satellitare](/de/news-und-veranstaltungen/eth-news/news/2020/07/kriminalitaetsmuster-mit-standortdaten-aufdecken/_jcr_content/news_content/fullwidthimage/image.imageformat.930.1001762503.jpg)
Quando e dove si verifica il crimine nelle città? Per rispondere a questa domanda, i criminologi si sono finora affidati a modelli piuttosto statici. La criminalità era legata alla composizione della popolazione residente di un quartiere o all'uso delle rispettive aree. L'influenza della mobilità sullo sviluppo della criminalità era finora sconosciuta.
Ricercatori dell'ETH di Zurigo, dell'Università di Cambridge e dell'Università di New York sono riusciti a dimostrare per la prima volta che la criminalità è direttamente correlata al numero di persone presenti in una città e al luogo in cui si spostano. L'informatica Cristina Kadar, ex dottoranda del Mobiliar Lab for Analytics all'ETH di Zurigo, ha guidato lo studio. Recentemente ha presentato i risultati a una conferenza (virtuale) sulle scienze sociali assistite dal computer.
Flussi di movimento analizzati
I ricercatori hanno calcolato i flussi di movimento a partire da dati di localizzazione aggregati e anonimizzati. Hanno utilizzato tre serie complete di dati anonimizzati della piattaforma di localizzazione Foursquare, provenienti dalle città di San Francisco, Chicago e Filadelfia nel 2012 e 2013, che consistono in milioni di cosiddetti check-in, ossia luoghi condivisi attivamente dagli utenti. Prima che l'azienda decidesse di mettere i dati a disposizione dei ricercatori, i dati personali e tutti i check-in presso l'indirizzo di casa degli utenti sono stati cancellati.
I ricercatori hanno confrontato questi set di dati con le statistiche sulla criminalità dello stesso periodo. In particolare, hanno incluso nelle loro analisi i reati di furto, rapina, aggressione, furto con scasso e furto di veicoli.
Più attività, più crimini
Il risultato: maggiore era l'attività che i dati della piattaforma mostravano per un certo periodo e per un certo quartiere, maggiore era il numero di reati riscontrati dai ricercatori.
I ricercatori hanno contato i check-in come attività, che corrispondono ad esempio a soggiorni in ristoranti, negozi o impianti sportivi, e anche gli attraversamenti, quando le persone passavano solo attraverso un certo quartiere tra due check-in. I ricercatori hanno calcolato i percorsi tra due check-in partendo dal presupposto che gli utenti scelgono il percorso più breve e si orientano lungo le vie di comunicazione esistenti.
Il pericolo si nasconde in movimento
L'influenza maggiore sui tassi di criminalità è in realtà esercitata dal transito. In altre parole, i reati si verificano più frequentemente quando le persone si spostano tra due attività di routine. Ad esempio, quando si spostano tra il lavoro, lo shopping e le attività del tempo libero. I risultati confermano una teoria ben nota in criminologia, secondo la quale i reati si verificano quando le strade degli autori e delle vittime si incrociano.
Cristina Kadar afferma: "Sono lieta che la criminalità possa essere descritta così bene utilizzando dati che principalmente non hanno nulla a che fare con la criminalità. Mai prima d'ora è stato possibile mostrare il legame tra la mobilità delle persone e la criminalità a un livello così fine in termini di tempo e spazio".
I ricercatori hanno anche suddiviso l'analisi in diversi tipi di attività e reati. ? emerso che sono stati registrati più reati nei luoghi e nelle fasce orarie in cui si svolgono molte attività di svago, mentre non è stato così per lo shopping, ad esempio. In termini di reati, i ricercatori hanno riscontrato la correlazione più forte tra attività e furti, e la più debole tra attività e rapine.
Anche le previsioni sono possibili
I ricercatori hanno anche testato se è possibile prevedere la criminalità utilizzando l'apprendimento automatico con l'aiuto dei dati sulla mobilità. A tal fine, hanno addestrato diversi modelli utilizzando sia i set di dati di Foursquare sia i dati sui reati commessi in passato. Hanno poi testato l'accuratezza delle previsioni utilizzando i reati effettivamente registrati. Il risultato: i modelli di previsione con i dati sulla mobilità hanno ottenuto risultati significativamente migliori rispetto alle previsioni basate sui dati sulle infrazioni.
Contributo alla ricerca
Kadar vede il suo studio soprattutto come un contributo alla ricerca. Fornendo prove a favore della teoria dei modelli criminali, aiuta a comprendere meglio le origini del crimine. Inoltre, dimostra l'utilità dei big data per le scienze sociali assistite dal computer.
Tuttavia, prima che il settore pubblico possa utilizzare i risultati per rendere le città più sicure, sarebbe necessario convalidarli con ulteriori studi. Per compensare eventuali distorsioni nell'insieme dei dati, l'analisi dovrebbe quindi essere verificata con una serie di serie di dati supplementari. Inoltre, le affermazioni si applicherebbero alle grandi città, ma forse non a quelle più piccole.
Riferimento alla letteratura
Kadar C, Feuerriegel S, Anastasios N, Mascolo C: Sfruttare i flussi di mobilità dalle piattaforme tecnologiche di localizzazione per testare la teoria dei modelli di criminalità nelle grandi città. pagina esternaAtti della Conferenza internazionale su Web e Social Media 2020.