புவிசார் தகவல் & புவியியல் புள்ளியியல்: ஒரு கண்ணோட்டம்

கென்யாவின் நைரோபி சிட்டி கவுண்டியில் செயற்கை நுண்ணறிவு முகவர்களைப் பயன்படுத்தி குற்ற மேப்பிங்

Mbani BO, Odera PA மற்றும் Kenduiywo BK

குற்றவியல் அமைப்பு மிகவும் சிக்கலானதாக இருப்பதால், குற்றத்தின் பகுப்பாய்வு மற்றும் கணிப்பு மிகவும் கடினமான பணியாகவே உள்ளது. நைரோபியில், துணையைக் குறிவைக்கும் முயற்சிகள் அதிகரித்த போதிலும், குற்றச் செயல்கள் காவல்துறைக்கு சவாலாக அதிகரித்து வருகின்றன.
இலகுரக துப்பாக்கிகளின் பெருக்கம், ஒழுங்கமைக்கப்பட்ட கிரிமினல் அமைப்புகளின் இருப்பு, சமத்துவமின்மை வள விநியோகம், மோசமான நகர்ப்புற நில பயன்பாட்டு திட்டமிடல் கொள்கைகள், இளைஞர்களின் வேலையின்மை மற்றும் போதைப்பொருள் துஷ்பிரயோகம் போன்ற குற்ற நிகழ்வுகளின் எழுச்சிக்கு வழிவகுக்கும் அடிப்படைக் காரணிகள் இதற்குக் காரணம். வளங்கள் மற்றும் தளவாடங்கள் ஆகிய இரண்டிலும் மோசமான தயார்படுத்தப்பட்ட காவல்துறை இன்னும் முழுமையாக கவனிக்கப்படவில்லை. இதன் விளைவாக, குற்ற
நிகழ்வு மற்றும் குற்ற நிகழ்வின் இடஞ்சார்ந்த இடம் ஆகியவற்றுக்கு இடையேயான தொடர்பு குற்றத்தை மாதிரியாக்குவதில் முக்கிய உறவாகும். செயற்கை நுண்ணறிவு மற்றும் புவியியல் தகவல் அமைப்புகள் ஆகிய இரண்டு தொழில்நுட்பங்களின் ஒருங்கிணைப்பைப் பயன்படுத்தி குற்ற நிகழ்வுகளை மாடலிங் செய்வதற்கான முகவர் அடிப்படையிலான இடஞ்சார்ந்த தற்காலிக அணுகுமுறையை இந்தத் தாள் வழங்குகிறது. செயற்கை நுண்ணறிவு (AI)
மனித நடத்தையை உருவாக்குவதற்குப் பயன்படுத்தப்படுகிறது, அவை இடஞ்சார்ந்த சூழலை தன்னாட்சி முறையில் ஆராயும் அதே நேரத்தில் அனுபவத்திலிருந்து கற்றுக்கொள்கின்றன. குறிப்பாக, ஆய்வில் பயன்படுத்தப்படும் AI அல்காரிதம் என்பது q-கற்றல் என குறிப்பிடப்படும் வலுவூட்டல் கற்றலின் ஒரு வடிவமாகும். வலுவூட்டல் கற்றல் என்பது ஒரு வகை இயந்திரக் கற்றல் அணுகுமுறையாகும்
, இது முகவர்கள், தெரு நெட்வொர்க்குகளில் தங்கள் வழிகளைக் கண்டறியும் திறனை மாதிரியாக மாற்றுகிறது, உருவகப்படுத்துதல் தொடரும் ஒவ்வொரு மறு செய்கையிலும் அனுபவத்திலிருந்து கற்றுக்கொள்கிறது. இந்த உருவகப்படுத்துதலில் மூன்று வகையான முகவர்கள் வடிவமைக்கப்பட்டுள்ளனர்: குற்றவாளி; இலக்கு மற்றும் கார்டியன் முகவர்கள். பல முகவர் உருவகப்படுத்துதல் Netlogo மென்பொருளில் உருவாக்கப்பட்டது. நெட்லோகோ
குற்றவியல் வடிவங்களை உருவாக்குவதற்கு பல மறுமுறைகளுக்குப் பிறகு சாத்தியமான குற்ற நிகழ்வு இடங்கள் உட்பட மூன்று முகவர்களை உள்ளடக்கிய ஒரு செயற்கை சூழலை வடிவமைக்க சூழல் ஒரு பயனரை அனுமதிக்கிறது. ஒரு குற்ற நிகழ்வில் பங்கேற்கும் முகவர்களை வடிவமைப்பதோடு கூடுதலாக, ஒரு குற்ற நிகழ்வில் செல்வாக்கு செலுத்தும் சாத்தியமான ஆபத்து காரணிகளின் தொகுப்பை மேலெழுப்புவதன் மூலம் ஒரு இடர் நிலப்பரப்பு மாதிரி உருவாக்கப்பட்டது. இந்தக் காரணிகள் முதலில் சி ஸ்கொயர் சோதனையைப் பயன்படுத்தி குற்றச் சம்பவங்களுடன் இணைவதற்கு சோதிக்கப்பட்டன, மேலும் இறுதியாக இடர் நிலப்பரப்பை உருவாக்க மேலெழுதப்பட்டன. மாதிரியின் துல்லியத்தை சோதிக்க ஒரு சரிபார்ப்பு, அதிகாரிகளால் புகாரளிக்கப்பட்டவற்றுக்கு எதிரான உருவகப்படுத்துதலால் உருவாக்கப்பட்ட குற்றங்களின் எண்ணிக்கையை ஒப்பிடுவதன் மூலம் நடத்தப்பட்டது. ஒப்பிடுகையில் பயன்படுத்தப்படும் மெட்ரிக் ஸ்பியர்மேனின் தரவரிசை தொடர்பு குணகம் ஆகும். சரிபார்ப்பு 0.4 இன் தொடர்பு குணகத்தை அளிக்கிறது, இது ஓரளவு நேர்மறை தொடர்பு இருப்பதைக் குறிக்கிறது, ஏனெனில் சரியான நேர்மறை தொடர்புக்கு, 1 இன் தொடர்பு குணகம் என்று எதிர்பார்க்கிறோம். இந்த உருவகப்படுத்துதலில் செய்யப்பட்ட பல்வேறு அனுமானங்களின் காரணமாக, முகவர்களை மட்டுமே அனுமதிப்பது போன்ற பல்வேறு அனுமானங்கள் காரணமாக தொடர்பு குணகம் சற்று குறைவாக உள்ளது. தெரு வலையமைப்பில் செல்லவும், குற்றத்தின் வகையை தெருக் கொள்ளைக்கு மட்டும் கட்டுப்படுத்தவும். மேலும், நிஜ வாழ்க்கையில், குற்றத்தை ஊக்குவிக்கும் காரணிகள் சிக்கலான, பல பரிமாணங்கள் மற்றும் கிட்டத்தட்ட எண்ணற்றதாக இருக்கும் போது, ​​ஆபத்து மேற்பரப்பின் உருவாக்கத்தில் கருதப்படும் சாத்தியமான ஆபத்து காரணிகளின் தொகுப்பு வரையறுக்கப்பட்டுள்ளது.