Predicting crime in Bogota using Kernel warping

Predicting crime is fundamental for an efficient use of the currently allocated police force resources. Using a kernel warping methodology developed by Zhou and Mattenson (2016) to predict ambulance demand in Melbourne, we predict crime in Bogota, Colombia. Exploiting the geometry of the city, this...

Full description

Autores:
Garrido Mejía, Sergio Hernán
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
eng
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/34610
Acceso en línea:
http://hdl.handle.net/1992/34610
Palabra clave:
Crimen - Investigaciones - Bogotá (Colombia)
Crimen - Predicciones - Bogotá (Colombia)
Economía
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
id UNIANDES2_b99c91acb5ef4e3a746972affa69fe3d
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/34610
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Riascos Villegas, Alvaro José9d5edd1a-2800-42af-b5b7-6cd5baeac192500Garrido Mejía, Sergio Hernán210987bd-e471-41b0-9fb6-f23b2d64e5815002020-06-10T09:14:07Z2020-06-10T09:14:07Z2018http://hdl.handle.net/1992/34610u808130.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Predicting crime is fundamental for an efficient use of the currently allocated police force resources. Using a kernel warping methodology developed by Zhou and Mattenson (2016) to predict ambulance demand in Melbourne, we predict crime in Bogota, Colombia. Exploiting the geometry of the city, this methodology performs worse than the state of the art Kernel Density Estimation (KDE) methodology by a 100 basis points using the Area Under the Curve (AUC) of the Cumulative Accuracy Profile (CAP) metric. The results of this model are robust to changes in the training and testing period and different definitions of the adjacency and Laplacian matrices.Predecir el crimen es fundamental para un uso eficiente de los recursos policiales ya asignados. Usando la metodología de distorsión de kernel desarrolladas por Zhou y Matteson (2016) para predecir la demanda de ambulancias en Melbourne, Australia, se predice el crimen en Bogota, Colombia. Explotando la geometría de la ciudad, esta metodología tiene un rendimiento inferior al modelo de estimación de densidad de kernel -el estado del arte- en 100 puntos básicos usando como métrica el área bajo la curva del perfil de precisión acumulado. Los resultados de este modelo son robustos a cambios en la cantidad de semanas de entrenamiento y de predicción y diferentes definiciones de las matrices de adyacencia y Laplacianas.Magíster en EconomíaMaestría22 hojasapplication/pdfengUniandesMaestría en EconomíaFacultad de Economíainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaPredicting crime in Bogota using Kernel warpingTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMCrimen - Investigaciones - Bogotá (Colombia)Crimen - Predicciones - Bogotá (Colombia)EconomíaPublicationORIGINALu808130.pdfapplication/pdf667494https://repositorio.uniandes.edu.co/bitstreams/3abbdb78-1605-461f-9b59-f3d975ae8bdb/download2f3223933facd5d95fffa713d32eab47MD51THUMBNAILu808130.pdf.jpgu808130.pdf.jpgIM Thumbnailimage/jpeg6371https://repositorio.uniandes.edu.co/bitstreams/765c073f-c196-44e2-ad89-1306e00846c2/downloadb50c44c76d2a1267ecc1ab0f0fa7f585MD55TEXTu808130.pdf.txtu808130.pdf.txtExtracted texttext/plain33818https://repositorio.uniandes.edu.co/bitstreams/16384c88-f49a-4547-b37c-763d46d8caeb/downloadf99e7b5bfa97e2aef9d538337375e21bMD541992/34610oai:repositorio.uniandes.edu.co:1992/346102023-10-10 15:29:51.158http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co
dc.title.es_CO.fl_str_mv Predicting crime in Bogota using Kernel warping
title Predicting crime in Bogota using Kernel warping
spellingShingle Predicting crime in Bogota using Kernel warping
Crimen - Investigaciones - Bogotá (Colombia)
Crimen - Predicciones - Bogotá (Colombia)
Economía
title_short Predicting crime in Bogota using Kernel warping
title_full Predicting crime in Bogota using Kernel warping
title_fullStr Predicting crime in Bogota using Kernel warping
title_full_unstemmed Predicting crime in Bogota using Kernel warping
title_sort Predicting crime in Bogota using Kernel warping
dc.creator.fl_str_mv Garrido Mejía, Sergio Hernán
dc.contributor.advisor.none.fl_str_mv Riascos Villegas, Alvaro José
dc.contributor.author.none.fl_str_mv Garrido Mejía, Sergio Hernán
dc.subject.keyword.es_CO.fl_str_mv Crimen - Investigaciones - Bogotá (Colombia)
Crimen - Predicciones - Bogotá (Colombia)
topic Crimen - Investigaciones - Bogotá (Colombia)
Crimen - Predicciones - Bogotá (Colombia)
Economía
dc.subject.themes.none.fl_str_mv Economía
description Predicting crime is fundamental for an efficient use of the currently allocated police force resources. Using a kernel warping methodology developed by Zhou and Mattenson (2016) to predict ambulance demand in Melbourne, we predict crime in Bogota, Colombia. Exploiting the geometry of the city, this methodology performs worse than the state of the art Kernel Density Estimation (KDE) methodology by a 100 basis points using the Area Under the Curve (AUC) of the Cumulative Accuracy Profile (CAP) metric. The results of this model are robust to changes in the training and testing period and different definitions of the adjacency and Laplacian matrices.
publishDate 2018
dc.date.issued.none.fl_str_mv 2018
dc.date.accessioned.none.fl_str_mv 2020-06-10T09:14:07Z
dc.date.available.none.fl_str_mv 2020-06-10T09:14:07Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/34610
dc.identifier.pdf.none.fl_str_mv u808130.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/34610
identifier_str_mv u808130.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv eng
language eng
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 22 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Maestría en Economía
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Economía
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/3abbdb78-1605-461f-9b59-f3d975ae8bdb/download
https://repositorio.uniandes.edu.co/bitstreams/765c073f-c196-44e2-ad89-1306e00846c2/download
https://repositorio.uniandes.edu.co/bitstreams/16384c88-f49a-4547-b37c-763d46d8caeb/download
bitstream.checksum.fl_str_mv 2f3223933facd5d95fffa713d32eab47
b50c44c76d2a1267ecc1ab0f0fa7f585
f99e7b5bfa97e2aef9d538337375e21b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133817879625728

Publicaciones similares