Résumé

La cartographie des points chauds (hotspots) est une technique populaire pour orienter les patrouilles de police et assister d’autres initiatives visant à la réduction de la criminalité. Il existe un certain nombre de techniques d’analyse spatiale qui peuvent être utilisées pour identifier les points chauds, mais la plus populaire au cours des dernières années est l’estimation à noyau de densité (Kernel Density Estimation – KDE). KDE est très populaire en raison de la manière visuellement attrayante dont elle représente la distribution spatiale de la criminalité, et parce que la méthode est considérée comme la plus précise parmi les techniques de cartographie des points chauds couramment utilisées. Pour produire des résultats avec KDE, le chercheur est tenu de fixer les valeurs de deux paramètres principaux : la taille des cellules et la taille de la fenêtre de convolution. A ce jour, peu de recherches ont été menées sur l’influence qu’ont ces paramètres sur l’interprétation finale d’une carte des points chauds – à savoir, identifier où la criminalité peut se produire dans l’avenir. Nous comblons cette lacune avec cette recherche, en effectuant un certain nombre d’expériences en utilisant différentes tailles de cellules et de valeurs de fenêtre, avec des données de la criminalité sur les cambriolages résidentiels et les agressions violentes. Nous montrons que la taille des cellules a peu d’influence sur les cartes de points chauds de criminalité issues de KDE pour prédire la répartition spatiale de la criminalité, mais par contre la taille de la fenêtre a une influence. Nous concluons en discutant de la manière dont les résultats de cette recherche peuvent aider à informer les praticiens de la police et assister les chercheurs dans une meilleure utilisation de KDE permettant de mieux cibler les initiatives de prévention du crime et de maintien de l’ordre.

Abstract

Hotspot mapping is a popular technique used for helping to target police patrols and other crime reduction initiatives. There are a number of spatial analysis techniques that can be used for identifying hotspots, but the most popular in recent years is kernel density estimation (KDE). KDE is popular because of the visually appealing way it represents the spatial distribution of crime, and because it is considered to be the most accurate of the commonly used hotspot mapping techniques. To produce KDE outputs, the researcher is required to enter values for two main parameters: the cell size and bandwidth size. To date little research has been conducted on the influence these parameters have on KDE hotspot mapping output, and none has been conducted on the influence these parameter settings have on a hotspot map’s central purpose – to identify where crime may occur in the future. We fi ll this gap with this research by conducting a number of experiments using different cell size and bandwidth values with crime data on residential burglary and violent assaults. We show that cell size has little influence on KDE crime hotspot maps for predicting spatial patterns of crime, but bandwidth size does have an influence. We conclude by discussing how the findings from this research can help inform police practitioners and researchers make better use of KDE for targeting policing and crime prevention initiatives.

Pour citer cet article