Adli Vakaların Coğrafi Bilgi Sistemleri ve Yapay Sinir Ağları ile Tahminlenmesi: İzmir İli Hırsızlık Suçları Örneği

AMAÇ: Bir bireyin suçu neden işlediğini tespit edebilmek için kişininpsikiyatrik özelliklerinin yanında suçun işlendiği lokasyonda suçu etkileyendış faktörlerin de belirlenmesi gerekmektedir. Bu faktörlerinbelirlenmesi ilgili faktörlerin birarada bulunduğu bir başka durumailişkin öngörümleme yapılabilmesi için önemlidir. Çalışmanın amacıhırsızlık suçunu etkileyen faktörler belirlenerek benzer koşullarıntekrar meydana gelmesi durumunda rnekansal gelecek tahminlemesiyapılmasıdır.YÖNTEMLER: Çalışma Izmir ilinin merkez ilçe sınırına dahilolan 749 mahallesinde 2009, 2010 ve 2011 yılının Ağustos ayındagerçekleşen hırsızlık suçları üzerinden yürütülmüştür. Ilk iki yılverisi mahallelere ilişkin sosyal, demografik, kültürel ve çevreselözellikler ile birlikte ele alınarak coğrafi olarak ağırlıklandırılmışregresyon analizi ile hırsızlık suçunu tetikleyen faktörlerin tespit edilmesindekullanılmıştır. Aynı mahallelerde 2011 yılı Ağustos ayındahırsızlık suçunun tekrar oluşma ihtimalini hesaplamak amacıylaYapay Sinir Ağları tekniklerinden yararlanılmıştır.BULGULAR: Çalışmada, Izmir ilinde hırsızlık suçlarınınoluşumunun %65 düzeyinde nüfus yoğunluğu, 15-35 yaş arası erkeknüfus, toplu ulaşım duraklarına olan mesafe, mahalle içerisindekitoplu ulaşım durak sayısı, güvenlik birimleri sayısı, dini tesis sayısıve banka sayısı ile açıklanabildiği tespit edilmiştir. Tespit edilen faktörlerin2011 yılı Ağustos ayında tekrar bir araya gelmesi durumundayeni meydana gelecek hırsızlık suçlarının sayısı tahminlenmiştir.Tahminleme sonucu, 2011 yılı Ağustos ayında gerçekleşen hırsızlıksuç sayıları ile karşılaştırıldığında 749 mahalleden 542'sinde [%72,4]gerçekleşen hırsızlık sayılarının doğru tahmin edildiği saptanmıştır.SONUÇ: Hırsızlık suçlarının oluşumunu etkileyen sosyal, demografikve çevresel faktörler saptanmıştır. Bu faktörlerin tekrarbiraraya gelmesinin suçun tekrar oluşmasını tetiklediği yapılanaraştırma sonucu ortaya çıkmıştır. Bu nedenle hırsızlık suçları incelenirkensucu işleyen bireylerin psikolojik, sosyolojik ve/veya fizyolojiközelliklerinin yanında suçun işlendiği konuma ilişkin çevreselfaktörlerin de dikkate alınması gerekmektedir. Suç oluşumunu etkileyendış faktörlerin değerlendirmeye alınmasıyla suçlu bireylerinbu suçu işleme nedenleri daha iyi açıklanmış olacak hatta gereklitedbirler alınarak gelecekte oluşabilecek suçların önlenmesi demümkün olabilecektir.

Prediction of Forensic Cases Using Geographical Information Systems and Artificial Neural Networks: Case Study of Izmir Province of Theft

OBJECTIVE: External factors affected on crime must be determinedto identify the reason of committed offense in addition topsychiatric characteristics of the offender. Identification of thesefactors is also important to be used in forecasting crime caseswhich are relevant factors in further situation. After determiningfactors affected, aim of study is spatial prediction of theft accordingto the repeated formation of same and/or similar conditions.METHODS: The study is performed in 749 neighborhoods of centraldistricts of Izmir using theft data from August 2009, 2010 and2011. First two years of the data is used with social, cultural, demographicand environmental characteristics of neighborhoods toidentify the factors that trigger the formation of theft occurrencesby using geographically weighted regression analysis. In order touse of factors, possible locations of future theft occurrences arecalculated by artificial neural network techniques.RESULTS: Theft cases are explained with the contribution of populationdensity, 15-35 age male population, distance from publictransportation station and quantity of public transportation stations,security units, religious buildings, banks in each neighborhoodby rate of 65%. According to condition of factors occurred atthe same time in August 2011, number of theft occurrences arepredicted. Prediction results are compared with committed theftincidents. The result of comparison shows that prediction has 542accurate estimates [%72.4] in 749 neighborhoods.CONCLUSION: Social, demographic and environmental factors affectingthe theft occurrences are identified. Repeated formation ofsame and/or similar conditions occurred at the same time, triggersthe theft occurrences. While examining theft, it is crucial toinvestigate environmental factors in addition to take considerationof psychological, sociological and/or physiological characteristicsof the offenders. Criminal offenses would be better to be explainedand even crime prevention activities would be made easier by takinginto consideration of the external factors affecting the formationof crime. team.

PDF

___

1. Dalan Ö, Tecim V. Comparison of variables affecting on crime occurrences at different scales by using spatial statistics method [in Turkish]. TurkStat, Journal of Statistical Research 2013;10[3]:1--14.
2. Tamer H, Açıksarı Ö, Keten A, Karanfil R, Avşar A. Socio-- demographic data of delinquent children in Kahramanmaraş. Foren Med 2013;28[2]:115--20.
3. Senses A, Akbaş S, Baykal S, Karakurt MN. The Distribu-- tion of Psychiatric Diagnoses and Neuropsychological Features of Male Adolescents Who Dragged Into Robbery. Foren Med 2014;28[3]:223--32.
4. Dalan Ö. Intelligent geographical information system for criminology [Unpublished thesis]. Dokuz Eylul University, Izmir, 2015.
5. Strano M. neural network applied to criminal psychological profiling: An Italian initiative. Int Offender Ther Comp Crimi-- nol 2004;48[4]:1--7.
6. Kangas L. Artificial neural network system for classification of offenders in murder and rape cases. Available from: https:// www.ncjrs.gov/pdffiles1/nij/grants/190984.pdf. [cited: April 2015].
7. Göksu E. Izmir and Crime Geography in 1929 World Eco-- nomical Crisis. Izmir: Izmir Metropolitan Municipality Cultural Publications, 2003.
8. Sevim Y, Soyaslan Y. Social, cultural and economic features of burglary perpetrators: Elazig exemplar [in Turkish]. Polis Bilimleri Dergisi 2009;11[3]:23--41.
9. Polat C, Eren H, Erbakıcı F. Evaluation of factors effecting burglary crime and prudential approaches [in Turkish]. Güven-- lik Birimleri Dergisi 2013;2[1]:1--33.
10. Salleh SA, Mansor NS, Yusoff, Z, Nasir RA. The crime ecolo-- gy: Ambient temperature vs. Spatial setting of crime [burglary]. Procedia Soc Behav Sci 2012;42:212--22.
11. Turkish Statistics Institute. Statistics of prisoners. Avaliable from: http://tuikapp.tuik.gov.tr/girenhukumluapp/girenhuku-- mlu.zul. [cited: 12 April 2015]. 40
12. Fotheringham AS, Brunsdon C, Charlton M. Geographically weighted regression: The analysis of spatially varying relation-- ships. Chichester: Wiley Press, 2002.
13. Fausett V. Fundamentals of neural networks: Architec-- tures, algorithms and applications [1st ed.]. Texas: Pearson, 1993.
14. Öztemel E. Artificial Neural Networks [2nd ed.] [in Turkish]. Istanbul: Papatya Publications, 2006.
15. Kaynar 0, Taştan S. Comparasion of MLP artifical neural network and ARIMA method in time series analysis. Erciyes University Journal of Economics and Administrative Sciences 2009;33[2]:161--72.
16. Thurston J. GIS Artificial neural networks: Does your GIS think?. Available from: http:www.GIScafe.com. [cited: 20 May 2011].
17. Aras S. new model choice strategy on time series pre-- diction with artificial neural networks [Unpublished thesis][in Turkish]. Dokuz Eylul University, Izmir, 2013.
18. Olligschlaeger AM. Spatial analysis of crime using GIS based data: weighted spatial adaptive filtering and chaotic cel-- lular forecasting with applications to street level drug markets [Unpublished thesis]. Carnegie Mellon University, Pittsburg, 1997.
19. Demirci S, Çoban E. Crime analysis notion in forensic sci-- ences services [in Turkish]. Polis Dergisi 2002;30:1--9.
20. Ergün N, Yirmibeşoğlu F. Distribution of crime and crimi-- nality in Istanbul between 2000--2004 [in Turkish]. New Policies and Strategies in Planning: Risks and Opportunities: 29th Col-- loquium of 8th November World Town Planning Day, Istanbul, 2005:297--310.