Tendances criminelles à Philadelphie : une analyse complète
Examiner les schémas criminels et les facteurs historiques dans les quartiers de Philadelphie.
― 7 min lire
Table des matières
Philadelphia est une grande ville aux États-Unis avec une longue histoire. Cependant, elle fait face à un gros problème de criminalité, surtout la criminalité violente comme les homicides et les agressions. Ces dernières années, les taux de criminalité ont été plus élevés ici que dans beaucoup d'autres grandes villes. Par exemple, en 2021, Philadelphie a signalé 499 homicides, le plus haut nombre depuis 30 ans.
Au cours de la dernière décennie, différentes stratégies ont été mises en place pour lutter contre la criminalité, en se concentrant sur les zones où la criminalité est la plus courante. Ça inclut le maintien de l'ordre communautaire, qui encourage la police à travailler en étroite collaboration avec la communauté, et la police dans les zones à forte criminalité. Malgré ces stratégies, certains quartiers continuent de lutter avec des taux de criminalité élevés. Comprendre les besoins uniques de chaque quartier est crucial pour toute stratégie réussie.
Comprendre les district de police
Philadelphie a 21 districts de police, chacun responsable de la sécurité dans sa zone. Certains districts, comme le Centre-Ville, sont très fréquentés par les touristes et les entreprises, tandis que d'autres sont plus résidentiels et peuvent faire face à des défis comme la pauvreté. Toute approche de prévention de la criminalité doit prendre en compte ces différences.
Il est aussi important de réaliser que la police seule ne réduira probablement pas la criminalité. Compte tenu des préoccupations récentes concernant le comportement de la police, il est essentiel que les leaders de la communauté et du gouvernement explorent d'autres moyens de s'attaquer à la criminalité. Des approches comme l'amélioration de l'éducation et l'investissement dans les infrastructures ont montré des résultats prometteurs pour s'attaquer aux causes profondes de la criminalité.
Les objectifs du projet
Ce projet vise à étudier les tendances criminelles à Philadelphie au fil du temps et à travers différents quartiers. En examinant les données criminelles et d'autres facteurs comme la démographie et les pratiques historiques telles que le redlining, nous espérons révéler ce qui pousse les taux de criminalité et trouver des moyens de les réduire. On pense qu'organiser les données criminelles selon l'emplacement et le temps peut aider les décideurs à créer de meilleures lois et actions.
Collecte et nettoyage des données
On a utilisé des données sur la criminalité d'OpenDataPhilly, couvrant les rapports de 2012 à 2022. Les caractéristiques clés de ces données incluent le lieu de la criminalité (latitude et longitude), l'heure de dispatch et le district de police. Le nettoyage des données a impliqué la suppression des entrées avec des informations manquantes et le filtrage des heures de dispatch et des adresses invalides.
Après avoir nettoyé les données, nous avons compté le nombre de crimes dans chaque district au fil des ans. Certains districts avaient très peu d'incidents au cours de la décennie, ce qui nous a conduit à ignorer leurs données car elles n'étaient pas fiables pour l'analyse.
Analyse des motifs de criminalité
Analyse des districts de police
Chaque district de police est chargé de gérer la criminalité dans sa zone. Nous avons commencé notre analyse en examinant de près ces districts et comment ils varient en termes de taux de criminalité. Pour visualiser les niveaux de criminalité, nous avons créé des cartes thermiques montrant la fréquence des crimes dans différents districts au fil du temps. Ces cartes nous ont aidés à observer des motifs et des tendances dans la distribution de la criminalité.
Regroupement des données criminelles
En utilisant une technique appelée DBSCAN, nous avons regroupé les crimes par leurs emplacements géographiques. Contrairement aux méthodes de regroupement traditionnelles qui nécessitent de connaître le nombre de groupes à l'avance, DBSCAN identifie les clusters en fonction de la proximité des points. Cette méthode est particulièrement utile pour notre analyse en raison des densités criminelles variées à travers la ville.
Une fois que nous avons exécuté DBSCAN, nous avons identifié des zones avec de fortes concentrations de criminalité. En analysant ces points chauds, nous avons pu mieux comprendre les motifs de criminalité dans et entre différents districts au fil du temps.
Changements de la criminalité au fil du temps
Nous avons ensuite analysé comment les concentrations de criminalité ont changé dans chaque district au fil des ans. En comparant les données criminelles à travers différentes périodes, nous avons pu voir des changements dans les motifs de criminalité. Certains districts ont montré des lieux de criminalité constants, tandis que d'autres ont connu des changements. Ces informations sont cruciales pour développer des stratégies adaptées aux problèmes spécifiques de chaque district.
Classification des types de criminalité
Criminalité systémique vs. non systémique
Nous avons catégorisé les districts en fonction de la stabilité de leurs motifs de criminalité au fil du temps. Les districts où les points chauds de criminalité sont restés au même endroit ont été classés comme Systémiques, tandis que ceux avec des points chauds changeants ont été considérés comme non systémiques. Comprendre cette distinction permet des efforts de prévention de la criminalité plus ciblés.
Pour les districts systémiques, nous suggérons de s'attaquer aux causes profondes par des investissements dans l'éducation et les infrastructures plutôt que d'augmenter la présence policière. En revanche, les districts non systémiques peuvent avoir besoin de réponses policières plus immédiates, particulièrement en temps de troubles sociaux ou de récessions économiques.
Enquête sur les facteurs historiques
Redlining et son impact
Le redlining fait référence à la pratique de refuser des services financiers aux résidents de certains quartiers en fonction de la race ou de l'ethnie. Cela a conduit à des inégalités économiques et à des taux de criminalité plus élevés dans les zones touchées. Notre analyse visait à comprendre comment les pratiques historiques de redlining se rapportent aux motifs de criminalité actuels.
Nous avons examiné les clusters de criminalité dans les districts systémiques et les avons comparés avec des cartes de redlining historiques. Nous avons constaté que les zones avec de faibles notes de la Home Owners' Loan Corporation (HOLC), qui indiquent des quartiers moins favorisés, avaient souvent des taux de criminalité élevés. Cela suggère que l'héritage du redlining continue d'affecter les motifs de criminalité aujourd'hui.
Conclusions dans les districts systémiques
Pour les districts identifiés comme systémiques (comme le District 19 et le 25), nous avons observé que les clusters de criminalité restaient stables au fil du temps. Ces incidents étaient souvent situés dans des quartiers historiquement mal notés en raison du redlining. Cela indique que des problèmes structurels à long terme jouent encore un rôle significatif dans les taux de criminalité actuels.
Retours d'expérience des districts non systémiques
Dans les districts classés comme non systémiques, nous avons trouvé que les clusters de criminalité changeaient de lieu plus fréquemment. Cela peut indiquer des facteurs comme des changements économiques, particulièrement dans des zones agricoles. Ces districts peuvent connaître des pics de taux de criminalité liés à des récessions économiques, nécessitant des réponses différentes de la part des forces de l'ordre.
Conclusion
Notre analyse a montré que la criminalité à Philadelphie n'est pas uniforme mais varie considérablement d'un district à l'autre. En classant la criminalité comme systémique ou non systémique, nous pouvons guider les décideurs dans l'élaboration de stratégies ciblées pour la prévention et l'atténuation de la criminalité.
À l'avenir, d'autres recherches pourraient explorer d'autres facteurs sous-jacents influençant les taux de criminalité. Ajuster les approches en fonction des pratiques passées et des conditions actuelles peut mener à des solutions plus efficaces pour réduire la criminalité à Philadelphie.
Titre: Actionable Insights on Philadelphia Crime Hot-Spots: Clustering and Statistical Analysis to Inform Future Crime Legislation
Résumé: Philadelphia's problem with high crime rates continues to be exacerbated as Philadelphia's residents, community leaders, and law enforcement officials struggle to address the root causes of the problem and make the city safer for all. In this work, we deeply understand crime in Philadelphia and offer novel insights for crime mitigation within the city. Open source crime data from 2012-2022 was obtained from OpenDataPhilly. Density-Based Spatial Clustering of Applications with Noise (DBSCAN) was used to cluster geographic locations of crimes. Clustering of crimes within each of 21 police districts was performed, and temporal changes in cluster distributions were analyzed to develop a Non-Systemic Index (NSI). Home Owners' Loan Corporation (HOLC) grades were tested for associations with clusters in police districts labeled `systemic.' Crimes within each district were highly clusterable, according to Hopkins' Mean Statistics. NSI proved to be a good measure of differentiating systemic ($
Auteurs: Ishan S. Khare, Tarun K. Martheswaran, Rahul K. Thomas, Aditya Bora
Dernière mise à jour: 2023-06-28 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2306.15987
Source PDF: https://arxiv.org/pdf/2306.15987
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.