Estimating maximum acceptable positional errors for crime distribution pattern

Zengli Wang

doi:10.1016/j.compenvurbsys.2026.102464

Estimating maximum acceptable positional errors for crime distribution pattern

2026-09-01

0

PRE

AI

DOI：10.1016/j.compenvurbsys.2026.102464

原文链接

原文求助

摘要

En 中文

地理编码将文本犯罪地址转换为地理坐标，并为犯罪学中的大多数定量空间分析奠定基础。然而，生成的地理编码坐标通常包含位置误差，这可能会扭曲数据的时空模式。这些位置误差的影响不仅取决于其大小，还取决于犯罪分析的空间尺度。然而，目前缺乏一个综合这两种因素的标准度量。为弥补这一差距，我们引入了位置误差均值与平均单元边长的比率（ROML），这是一个表示位置误差相对于空间单元大小的标准化度量。使用来自美国辛辛那提、华盛顿特区及芝加哥的犯罪数据，我们评估了ROML在十四种空间尺度上的影响，包括邻里、人口普查tracts、人口普查block groups、人口普查blocks，以及规则网格和六边形网格。结果显示，随着ROML的增加，对时空模式的影响也持续增加，表明时空犯罪模式变得更加有偏。值得注意的是，当位置误差为平均单元边长的两倍时，包含位置误差的数据所得的时空模式与真实时空模式存在显著差异。这一阈值在三个城市、四种犯罪类型及十四种空间尺度上均保持一致。这一标准化阈值提供了评估位置误差对犯罪时空分布影响的标准。

Keyword:

Geocoding uncertainty

Positional error

Crime distribution pattern

ROML

S index

Estimating maximum acceptable positional errors for crime distribution pattern

摘要

期刊

机构

引用论文