ارایه راهکاری جهت تشخیص جرایم در داده های بزرگ با استفاده از داده کاوی

امروزه جنایات نوعی مزاحمت اجتماعی هستند و هر جامعه ای از صمیم قلب خواستار رفع آن می باشد. پیشگیری از وقوع جرم و در صورت وقوع،رسیدگی و کشف آن از مسایل مهم حاکمان و دولتمردان می باشد. از اینرو بررسی، تحلیل و ریشه یابی جرایم مستلزم بهره گیری از ابزارها و تکنیک های ارایه شده در حوزه فناوری اطلاعات می باشد. برای پیش بینی دقیق جغرافیایی مکان جرایم، باید از ابزاری قدرتمند با توانایی های بسیار زیاد در ذخیره سازی، فراخوانی، آنالیز و نمایش داده ها در جهت کنترل جرایم استفاده شود. داده کاوی بعنوان یک ابزار مهم تحلیلی، می تواند روشی برای افزایش کارایی تحقیقات پلیسی و پیشگیری از جنایات و جرایم باشد. هدف اصلی این تحقیق ارایه روشی مبنی بر دادهکاوی میباشد که با استفاده از ابزارها و الگوریتمهای دادهکاوی و بکارگیری بانکهای اطلاعاتی موجود، بتواند دادههای موجود را مدل و الگوهای جرم را شناسایی و کشف کند تا بدین طریق پلیس بتواندوقوع جرم را پیشبینی کرده و با کنترل دقیقتر نیروها و آرایش نظامی آنان در منطقه، از وقوع جرم پیشگیری نماید. در تحقیق حاضر یک روش پیشنهادی بر مبنای روش خوشه بندی مبتنی بر چگالی و با استفاده از معماری هادوپ برای کمک به روند شناسایی الگوهای جرم و جنایت ارایه دادیم. سپس این روش را به داده های جرم که به صورت فرضی ایجاد کرده ایم، اعمال و نتایج را از لحاظ سرعت اجرا با الگوریتم کامینز مقایسه کردیم. نتیجه مقایسهبیانگر این مطلب است که روش پیشنهادی در اجرا بسیار سریعتر از روش کامینز می باشد. همچنین با توجه به چارچوب مورد استفاده و پشتیبانی از سیستم های توزیع شده در روش پیشنهادی، می توان از آن بعنوان یک سیستم جامع نظارتی درمراکز پلیس بهره برد

کلیدواژه ها:

داده کاوی ، کلان داده ، سیستم اطلاعات مکانی ، الگوهای جرم ، خوشه بندی