A carregar...
Publicação
Spatial Analysis of Street Crime in Urban Areas Under the Jurisdiction of the Guarda Nacional Republicana. The case study of the city of Almada (2022-2023)
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 6.31 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Crime can exhibit strong spatial concentration, with a small number of hotspots accounting for a significant share of events, as described by Weisburd’s law of crime concentration.
This study investigates the spatial distribution of street crime in Almada, Portugal, using
2022–2023 data from the Guarda Nacional Republicana (GNR). The aim is to identify
patterns that can inform Intelligence-Led Policing strategies and contribute to a better
understanding of microgeographic crime patterns in Almada. We employ spatial point
pattern analysis and model crime as a Log-Gaussian Cox Process (LGCP), suitable for
clustered events. Inference is conducted using a Bayesian framework via the Integrated
Nested Laplace Approximation (INLA) and the Stochastic Partial Differential Equation
(SPDE) approach, allowing inclusion of covariates and structured random spatial effects.
Exploratory spatio-temporal non-parametric analysis reveals concentrated hotspots in
the north-east, along the Costa da Caparica coastline, and the north-west corner of Caparica
e Trafaria, with significant clustering up to 1.25 km. LGCP models incorporating socio-economic and urban covariates derived from census data indicate that urban density, male-
dominated populations, and unemployment increase crime risk, while older populations
and immigrants are protective. Covariate inclusion partially explains spatial clustering,
though residual analysis and model selection criteria suggest model specification could
be improved, namely with richer covariates such as points of interest.
O crime pode apresentar uma forte concentração espacial, com um pequeno número de hotspots responsável por uma parte significativa dos eventos, conforme descrito pela lei da concentração do crime de Weisburd. Este estudo investiga a distribuição espacial do crime de rua em Almada, Portugal, utilizando dados de 2022–2023 fornecidos pela Guarda Nacional Republicana (GNR). O objetivo é identificar padrões que possam informar estratégias de Policiamento Orientadas pela Inteligência e contribuir para uma melhor compreensão dos padrões criminais ao nível microgeográfico em Almada. É utilizada a análise de padrões pontuais espaciais e modelado o crime como um Processo de Cox Log-Gaussiano (LGCP), adequado para padrões pontuais agregados. A inferência é realizada num enquadramento Bayesiano, usando a metodologia INLA (Integrated Nested Laplace Approximation) combinada com a abordagem SPDE (Stochastic Partial Differential Equation) baseada em equações diferenciais parciais estocásticas, permitindo a inclusão de covariáveis e efeitos aleatórios espaciais estruturados. A análise exploratória não paramétrica espaço-temporal revela hotspots na região Nordeste, ao longo da Costa da Caparica, e a Noroeste da região da Caparica e Trafaria, com correlação entre eventos significativa até 1, 25 km. Os modelos LGCP que incorporam covariáveis socioeconómicas e urbanísticas, derivadas de dados dos Census, indicam que a densidade urbana, populações dominadas por indivíduos do sexo masculino e o indivíduos desempregados aumentam o risco de criminalidade, enquanto populações mais idosas e com proporções mais elevadas de imigrantes têm um efeito repulsor do crime. A inclusão de covariáveis explica parcialmente a agregação espacial do crime, embora a análise de resíduos e os critérios de seleção de modelos sugiram que a especificação do modelo poderia ser melhorada, nomeadamente com a inclusão de Pontos de Interesse relevantes.
O crime pode apresentar uma forte concentração espacial, com um pequeno número de hotspots responsável por uma parte significativa dos eventos, conforme descrito pela lei da concentração do crime de Weisburd. Este estudo investiga a distribuição espacial do crime de rua em Almada, Portugal, utilizando dados de 2022–2023 fornecidos pela Guarda Nacional Republicana (GNR). O objetivo é identificar padrões que possam informar estratégias de Policiamento Orientadas pela Inteligência e contribuir para uma melhor compreensão dos padrões criminais ao nível microgeográfico em Almada. É utilizada a análise de padrões pontuais espaciais e modelado o crime como um Processo de Cox Log-Gaussiano (LGCP), adequado para padrões pontuais agregados. A inferência é realizada num enquadramento Bayesiano, usando a metodologia INLA (Integrated Nested Laplace Approximation) combinada com a abordagem SPDE (Stochastic Partial Differential Equation) baseada em equações diferenciais parciais estocásticas, permitindo a inclusão de covariáveis e efeitos aleatórios espaciais estruturados. A análise exploratória não paramétrica espaço-temporal revela hotspots na região Nordeste, ao longo da Costa da Caparica, e a Noroeste da região da Caparica e Trafaria, com correlação entre eventos significativa até 1, 25 km. Os modelos LGCP que incorporam covariáveis socioeconómicas e urbanísticas, derivadas de dados dos Census, indicam que a densidade urbana, populações dominadas por indivíduos do sexo masculino e o indivíduos desempregados aumentam o risco de criminalidade, enquanto populações mais idosas e com proporções mais elevadas de imigrantes têm um efeito repulsor do crime. A inclusão de covariáveis explica parcialmente a agregação espacial do crime, embora a análise de resíduos e os critérios de seleção de modelos sugiram que a especificação do modelo poderia ser melhorada, nomeadamente com a inclusão de Pontos de Interesse relevantes.
Descrição
Palavras-chave
INLA Log-Gaussian Cox Processes Spatial Statistics SPDE Street Crime