計算のよりどころ
人は、慣れた場所で行動します。家・職場・店を結ぶルートが、よく知っている範囲を形づくり、その人の活動の大部分は、街のランダムな地点ではなく、その範囲内で起こります。
ここから、1つ目のルールが導かれます。拠点から遠いほど、活動は少なくなります。遠出には時間がかかり、知らない地域で道に迷うリスクも高まるため、距離とともに活動が減っていくのです。
拠点からの距離ごとの地点の分布：拠点のすぐ近くでは落ち込み、少し離れた場所でピークを迎え、その後は減少します。これは特定の事件のデータではなく、法則の形を示したものです。
拠点のすぐ近くでの落ち込みは、緩衝地帯と呼ばれます。拠点の近くでは、あなたを知っている人に見られる可能性が高すぎるため、最寄りの数街区は通常避けられます。
できること、できないこと
得られるのは名前ではなく、確率の地図です。調査を始めるのが妥当な地域を示します。この方法は捜索範囲を絞り、調査の順番を変えるだけです。
この方法が機能するのは、複数の地点からなる一連のデータがある場合だけです。1地点では何もわからず、2地点でもほとんど何もわかりません。意味のある計算になるのは、少なくとも数地点があり、それらが同じ人物に結びつくときですが、そのこと自体を証明する必要があります。
転居を挟んでいる、移動の多い仕事をしている、川や鉄道があって実際の距離と直線距離が一致しないなど、身近な事情も全体像を崩します。
同じ数学は、以前から平和的な目的にも使われてきました。感染者の住所から感染症の流行源を探したり、畑で害虫がどこから広がっているかを推定したり、サービス拠点をどこに設置するか計画したりするのに役立ちます。
続きはMiqoアプリで
あと1分で読み終わり、最後にクイズがあります。 「犯罪 → 凶悪犯とプロファイリング」にあります
スマホのカメラをここに向けると、App StoreまたはGoogle Playが開きます。
出典
- 地理的プロファイリングは、距離とともに活動が減少することや、拠点の周囲に緩衝地帯が生じることなど、空間行動のモデルに基づいています。この方法は捜索地域の優先順位をつけるもので、特定の人物を識別することはできません。転居や移動の多い生活、複雑な交通網がある場合は精度が低下します。同様のモデルは疫学や生態学でも使われています。