CBS destekli makine öğrenmesi yöntemleri ile hırsızlık suçlarını etkileyen mekânsal faktörlerin belirlenmesi ve suç tahmin modeli geliştirilmesi
Determination of spatial factors affecting burglary crimes with CBS-supported machine learning methods and developing a crime forecast model
- Tez No: 771604
- Danışmanlar: PROF. DR. HÜSNİYE EBRU ÇOLAK
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Savunma ve Savunma Teknolojileri, Geodesy and Photogrammetry, Defense and Defense Technologies
- Anahtar Kelimeler: Coğrafi bilgi sistemleri, Hırsızlık, Kilis, Makine öğrenmesi, Suç, Suç analizi, Tahmin modelleri, Geographical information systems, Theft, Kilis, Machine learning, Crime, Crime analysis, Estimation models
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Suç olayları mekânsal ve mekânsal olmayan faktörlere bağlı olarak gelişmektedir. Suçla etkili mücadele edebilmek için suç analizlerinin yapılması ve suça neden olan etkenlerin incelenmesi gerekmektedir. Ülkemizde mekânsal faktörlere dayalı suç dağılımını inceleyen çalışma sayısının az olduğu gözlemlenmiştir. Coğrafi Bilgi Sistemleri'nin (CBS) mekânsal analiz yöntemleri ve makine öğrenmesi entegrasyonu ile suç ve suça neden olan etkenler arasında matematiksel ilişkiler kurulabilmektedir. Bu tez çalışmasında araştırılan hipotezi ele almak için çalışma alanı olarak Kilis il merkezi belirlenmiş ve konumsal veriler elde edilmiştir. Çalışmada 2018-2019-2020 yıllarında gerçekleşen hırsızlık suç olayları kullanılmıştır. Hırsızlık suçunun kent içerisindeki yoğunluk haritası Kernel Yoğunluk Analizi yöntemi ile üretilmiştir. Ardından suç yoğunluğu ile suça etki eden çevresel ve kentsel tasarım ölçütlerinin ilişkisi makine öğrenmesi ve CBS tabanlı analizlerle incelenmiştir. Hırsızlık suçlarının mekânsal dağılımı ve suçu etkileyen mekânsal faktörler CBS ile düzenlenerek makine öğrenmesi için girdi veriler (26 faktör) elde edilmiştir. Makine öğrenmesi modeli için Rastgele Orman Regresyon, Gradyan Artırma Regresyon ve Destek Vektör Regresyon algoritmaları ile analizler yapılarak suç tahmin modeli oluşturulmuştur. Analizler sonucunda, mekânsal faktörlerin suç oluşumunda önem sırası ve suç oluşumuna etki katsayıları elde edilmiş, elde edilen değerler ile mekânsal faktörlere bağlı hırsızlık suçu risk potansiyeli haritaları oluşturulmuştur. Tahmin modeli ve haritalar, mekân kurgusunun suç potansiyeli üzerindeki etkisini göstererek arazi yönetim sürecinde teknolojinin avantajı ile dinamik bir yaklaşım sunarak literatüre katkı sağlayacaktır.
Özet (Çeviri)
Crime events occur depending on spatial and non-spatial factors. In order to fight crime effectively, it is necessary to conduct crime analysis and examine the factors that cause crime. It has been observed that the number of studies examining the distribution of crime based on spatial factors is low in our country. With the integration of spatial analysis methods and machine learning of GIS, mathematical relations can be established between crime and crime-causing events. In order to deal with the hypothesis researched in this thesis, Kilis city center was determined as the study area and spatial data were obtained. Burglary crime events that took place in the years 2018-2019-2020 were used in the study. The density map of the theft crime in the city was produced by Kernel Density Analysis method. Then, the relationship between crime density and environmental and urban design criteria affecting crime was examined with machine learning and GIS-based analyzes. Input data (26 factors) for machine learning were obtained by arranging the spatial distribution of theft crimes and the spatial factors affecting the crime with GIS. For the machine learning model, the crime prediction model was created by analyzing with Random Forest, Gradient Boosting and Support Vector Regression algorithms. As a result of the analyses, the order of importance of spatial factors in crime formation and their effect coefficients on crime formation were obtained, and burglary crime risk potential maps based on spatial factors were created with the values obtained from the crime prediction model. The estimation model and maps obtained will contribute to the literature by presenting a dynamic approach with the advantage of technology in the land management process by showing the effect of the spatial setup on the crime potential.
Benzer Tezler
- Çekirdeksiz kuru üzümlerde aflatoksin B1, B2, G1, G2 tayini için mevcut bazı metotların karşılaştırılması üzerinde bir çalışma
Başlık çevirisi yok
DİLEK BOYACIOĞLU
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MERAL GÖNÜL
- Açılmakta olan Zigana Tüneli - Gürgenağaç arası yol şevlerinin duraylılık analizi
Başlık çevirisi yok
MEHMET YALÇIN KOCA
Yüksek Lisans
Türkçe
1988
Jeoloji MühendisliğiKaradeniz Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET TARHAN
- Beyaz yumurtacı yerli otoseks hibritlerin elde edilmesinde ikili ve dörtlü melezleme yöntemlerinin karşılaştırılması
Başlık çevirisi yok
MUSA SARICA
- Kızılağaç (almus glutinosa geartnsubsp barbata (C.A.Mey) Yalt.) gövde hacim ve biyokütle tablolarının düzenlenmesi
Başlık çevirisi yok
NEDİM SARAÇOĞLU
Doktora
Türkçe
1988
Ormancılık ve Orman MühendisliğiKaradeniz Teknik ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ.DR. FAHRİ BATU