A Multiscale Assessment of the Impact of Perceived Safety from Street View Imagery on Street Crime
Notice bibliographique
Résumé
Perceived safety of the built environment—a cognitive assessment different from emotional fear of crime—might affect the number of potential crime victims in an area and thus affect crime opportunities. The perceived safety derived from street view imagery has propelled scholars to examine its relationship with crime. The literature, however, has not addressed the related geographic scale variability issue; that is, the choice of the geographic analytical units might affect the relationship between area-based perceived safety and crime. This study explores how the relationships between street-view-derived perceived safety and both street thefts and street robberies vary by different spatial scales in Cincinnati. Results of negative binomial models show that perceived safety is positively associated with street thefts and street robberies at both the street segment and census block levels, but is negatively associated with these crimes at the census block group level. The relationship is not statistically significant at the census tract level. This variability is explained by the different freedom of avoidance behaviors in response to perceived safety, which change by geographic scale. The research further evaluates the within variance and between variance of perceived safety at different scales. Compared to between variance, within variance is smaller at both the street segment and block levels, but larger at both the block group and tract levels. This variability can be a source of model instability across multiple geographical scales. In short, the multiscale assessment shows that larger spatial units like the census tract are unsuitable for perceived safety–crime analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».