Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > Publicações > Visualização > Crime prediction and monitoring in Porto, Portugal, using machine learning, spatial and text analytics

Publicações

Crime prediction and monitoring in Porto, Portugal, using machine learning, spatial and text analytics

Título
Crime prediction and monitoring in Porto, Portugal, using machine learning, spatial and text analytics
Tipo
Artigo em Revista Científica Internacional
Ano
2022
Autores
Saraiva, Miguel
(Autor)
FLUP
Ver página pessoal Sem permissões para visualizar e-mail institucional Pesquisar Publicações do Participante Sem AUTHENTICUS Ver página ORCID
Matijosaitiene, Irina
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Mishra, Saloni
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Amante, Ana
(Autor)
Outra
Ver página pessoal Sem permissões para visualizar e-mail institucional Pesquisar Publicações do Participante Sem AUTHENTICUS Ver página ORCID
Revista
Vol. 11 7
Editora: MDPI
Indexação
Publicação em ISI Web of Science ISI Web of Science
Publicação em Scopus Scopus
INSPEC
Worldcat OCLC
Current Contents
Google Scholar
EBSCO
DOAJ
ProQuest
Classificação Científica
CORDIS: Ciências Sociais > Geografia
Outras Informações
Resumo (PT):
Abstract (EN): Crimes are a common societal concern impacting quality of life and economic growth. Despite the global decrease in crime statistics, specific types of crime and feelings of insecurity, have often increased, leading safety and security agencies with the need to apply novel approaches and advanced systems to better predict and prevent occurrences. The use of geospatial technologies, combined with data mining and machine learning techniques allows for significant advances in the criminology of place. In this study, official police data from Porto, in Portugal, between 2016 and 2018, was georeferenced and treated using spatial analysis methods, which allowed the identification of spatial patterns and relevant hotspots. Then, machine learning processes were applied for space-time pattern mining. Using lasso regression analysis, significance for crime variables were found, with random forest and decision tree supporting the important variable selection. Lastly, tweets related to insecurity were collected and topic modeling and sentiment analysis was performed. Together, these methods assist interpretation of patterns, prediction and ultimately, performance of both police and planning professionals.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Nº de páginas: 18
Documentos
Nome do Ficheiro Descrição Tamanho
ijgi-11-00400 3214.73 KB
Publicações Relacionadas

Da mesma revista

Procedural Point Cloud Modelling in Scan-to-BIM and Scan-vs-BIM Applications: A Review (2023)
Outra Publicação em Revista Científica Internacional
Abreu, N; Pinto, A; Aníbal Castilho Coimbra de Matos; Pires, M
Radio Astronomy Demonstrator: Assessment of the Appropriate Sites through a GIS Open Source Application (2016)
Artigo em Revista Científica Internacional
Lia Duarte; Ana Teodoro; Maia, D; Barbosa, D
Local Segregation of Realised Niches in Lizards (2020)
Artigo em Revista Científica Internacional
sillero, n; Argana, E; Matos, C; Franch, M; Kaliontzopoulou, A; carretero, ma

Ver todas (14)

Recomendar Página Voltar ao Topo
Copyright 1996-2025 © Faculdade de Direito da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z
Página gerada em: 2025-10-03 às 06:45:26 | Política de Privacidade | Política de Proteção de Dados Pessoais | Denúncias | Livro Amarelo Eletrónico