ETH Zürich
20.07.2020, 07:35 Uhr
Kriminalitätsmuster mit Standortdaten aufdecken
Wann und wo entsteht in Städten Kriminalität? Um diese Frage zu beantworten, stützten sich Kriminalisten bisher auf recht statische Modelle wie der Zusammensetzung der Wohnbevölkerung. Welchen Einfluss die Mobilität hat, wusste man bisher nicht.
Die Visualisierung der Eincheckdaten (links) und der Kriminalitätsdaten (rechts) stimmen in San Francisco gut überein
(Quelle: ETHZ)
Forschende der ETH Zürich, der University of Cambridge und der New York University konnten jetzt erstmals beweisen, dass die Kriminalität in einem direkten Zusammenhang damit steht, wo in einer Stadt sich wie viele Menschen aufhalten und wohin sie sich bewegen. Die Informatikerin Cristina Kadar, ehemalige Doktorandin am Mobiliar Lab für Analytik der ETH, hat die Studie geleitet. Kürzlich präsentierte Sie die Resultate an einer (virtuell abgehaltenen) Konferenz zu Computergestützten Sozialwissenschaften.
Bewegungsflüsse analysiert
Die Bewegungsflüsse errechneten die Forschenden aus aggregierten und anonymisierten Standortdaten. Sie verwendeten dafür drei komplette anonymisierte Datensätze der Standortdaten-Plattform Foursquare aus den Städten San Francisco, Chicago und Philadelphia aus den Jahren 2012 und 2013. Diese bestehen aus Millionen sogenannter Check-ins, also von Nutzerinnen und Nutzern aktiv geteilten Standorten. Bevor die Firma die Daten den Wissenschaftlern zur Verfügung stellte, wurden personenbezogene Angaben und sämtliche Check-ins an der Heimadresse der Nutzer gelöscht.
Diese Datensätze verglichen die Forschenden mit Kriminalitätsstatistiken aus demselben Zeitraum. Konkret berücksichtigten sie in ihren Analysen die Straftaten Diebstahl, Raub, Körperverletzung, Einbruch und Fahrzeugdiebstahl.
Mehr Aktivität, mehr Kriminalität
Das Resultat: Je mehr Aktivität die Daten der Plattform für eine bestimmte Zeit und einen bestimmten Bezirk anzeigten, desto mehr Delikte fanden die Forscher auch.
Als Aktivität zählten die Forschenden zum einen Check-ins, welche zum Beispiel Aufenthalten in Restaurants, Läden oder Sportstätten entsprechen und zum anderen Durchquerungen, wenn Personen einen bestimmten Bezirk zwischen zwei Check-ins nur passierten. Die Pfade zwischen zwei Check-ins kalkulierten die Forschenden aus den Annahmen, dass die Nutzer jeweils den kürzesten Weg wählen und sich an bestehenden Verkehrswegen orientieren.
