Tijdschrift voor Veiligheid

Article

Hoe mobiele-telefoondata bijdragen aan de verbetering van criminaliteitsratio’s en de voorspelling van criminaliteit in tijd en ruimte

Trefwoorden mobiele-telefoondata, criminaliteitsratio's, criminaliteit voorspellen, ambient population
Auteurs Thom Snaphaan, Anneleen Rummens, Nico Van de Weghe, Dirk Van den Poel, Lieven Pauwels en Wim Hardyns
DOI
Auteursinformatie

Thom Snaphaan
Thom Snaphaan is postdoctoraal onderzoeker en docent bij de Vakgroep Criminologie, Strafrecht en Sociaal Recht, Universiteit Gent, en associate lector Data, Criminaliteit & Veiligheid bij het Centre of Expertise Veiligheid & Veerkracht van Avans Hogeschool. Zijn werk aan de Universiteit Gent wordt gedeeltelijk gefinancierd door de Europese Unie in het kader van ERC-project rond big data policing (ERC, BIGDATPOL, 101088156).Thom.Snaphaan@UGent.be

Anneleen Rummens
Anneleen Rummens is freelance data scienstist en statisticus. Ten tijde van deze studie was zij verbonden aan de Vakgroep Criminologie, Strafrecht en Sociaal Recht, Universiteit Gent.

Nico Van de Weghe
Nico Van de Weghe is hoogleraar bij de Vakgroep Geografie, Universiteit Gent.

Dirk Van den Poel
Dirk Van den Poel is hoogleraar bij de Vakgroep Marketing, Innovatie en Organisatie, Universiteit Gent.

Lieven Pauwels
Lieven Pauwels is hoogleraar bij de Vakgroep Criminologie, Strafrecht en Sociaal Recht, Universiteit Gent.

Wim Hardyns
Wim Hardyns is hoogleraar bij de Vakgroep Criminologie, Strafrecht en Sociaal Recht, Universiteit Gent, en gastprofessor bij de Faculteit Sociale Wetenschappen, Universiteit Antwerpen. Hij ontving in 2023 een ERC Consolidator Grant voor onderzoek naar big data policing (ERC, BIGDATPOL, 101088156).
  • Samenvatting

      This article assesses whether the ambient population is a more suitable population-at-risk measure for crime types with mobile targets than residential population. Specifically, the potential use of ambient population as a crime rate denominator and predictor for predictive policing models is evaluated, using mobile phone data (n = 595,858,852 raw data points) as a proxy. The results show that ambient population correlates more strongly with crime than residential population. Crime rates based on ambient population designate different problem areas than crime rates based on residential population. The prediction performance of predictive policing models can be improved by using ambient population instead of residential population. These findings support that ambient population is a more suitable population-at-risk measure, as it better reflects the underlying dynamics in spatiotemporal crime trends.

Om de rest van dit artikel te lezen moet u inloggen



Heeft u een registratiecode ontvangen maar nog geen toegang? Activeer dan hier uw code.

Weet u uw wachtwoord niet meer? Nieuw wachtwoord aanvragen.

Toegang tot dit losse artikel kopen

Voor een vast bedrag van € 19,75 (excl. btw) koopt u 24 uur online toegang tot dit artikel. Met deze 24 uur toegang kunt u een artikel online raadplegen en in PDF downloaden en printen.
Per mail ontvangt u een activatiecode waarmee u 24 uur toegang tot het artikel kunt activeren.

24 uur toegang € 19,75 (excl. btw)

Uw aankoop activeren

Heeft u een activatiecode, dan kun u uw product hier activeren.