five

UK Crime data|犯罪数据数据集|数据分析数据集

收藏
github2021-06-23 更新2024-05-31 收录
犯罪数据
数据分析
下载链接:
https://github.com/datasets/crime-uk
下载链接
链接失效反馈
资源简介:
这是一个关于英国犯罪数据的集合,包括从多个来源整合的数据、指向这些数据的指针以及处理这些数据的脚本。数据主要来自英国政府网站。

This is a collection of crime data in the UK, including data integrated from multiple sources, pointers to these data, and scripts for processing the data. The data primarily originates from UK government websites.
创建时间:
2012-10-20
原始信息汇总

数据集概述

数据集名称: UK Crime data

数据来源: 主要来源于英国政府网站http://police.uk/data

数据集内容

  1. Forces Info

    • 包含在data/forces.csv文件中,提供警察部队的信息。
  2. Population Data

    • 提供警察部队区域的人口数据,来源于内政部。
  3. Stats format

    • 数据格式示例:

      Date,Period,Area,Type,Count 2012-04-01,Month,Avon and Somerset Constabulary,Burglary,51

  4. Street

    • 街道犯罪数据示例:

      Month,Reported by,Falls within,Easting,Northing,Location,Crime type,Context 2012-04,Avon and Somerset Constabulary,Avon and Somerset Constabulary,360667,169714,On or near Hengrove Lane,Burglary,

  5. Neighbourhood

    • 邻里犯罪数据示例:

      Month,Force,Neighbourhood,All crime and ASB,Burglary,Anti-social behaviour,Robbery,Vehicle crime,Violent crime,Public disorder and weapons,Shoplifting,Criminal damage and arson,Other theft,Drugs,Other crime 2012-04,Avon and Somerset Constabulary,JN310,1,1,0,0,0,0,0,0,0,0,0,0

  6. Outcomes

    • 犯罪结果数据示例:

      Month,Reported by,Falls within,Easting,Northing,Location,Outcome type 2012-08,Avon and Somerset Constabulary,Avon and Somerset Constabulary,,,No location,Suspect charged

数据集结构

  • Stats format:日期、时间段、区域、类型、计数
  • Street:月份、报告单位、所属区域、东经、北纬、位置、犯罪类型、上下文
  • Neighbourhood:月份、力量、邻里、所有犯罪和ASB、入室盗窃、反社会行为、抢劫、车辆犯罪、暴力犯罪、公共秩序和武器、入店行窃、刑事损害和纵火、其他盗窃、毒品、其他犯罪
  • Outcomes:月份、报告单位、所属区域、东经、北纬、位置、结果类型
AI搜集汇总
数据集介绍
main_image_url
构建方式
UK Crime数据集是通过整合来自英国政府网站(police.uk/data)及其他相关来源的数据构建而成。数据集涵盖了多个维度的犯罪信息,包括犯罪类型、地点、时间以及处理结果等。数据的收集和整理过程依赖于公开的政府数据源,确保了数据的权威性和时效性。数据集以CSV格式存储,便于用户进行数据分析和处理。
特点
UK Crime数据集的特点在于其全面性和细粒度。数据集不仅包含了犯罪类型、地点和时间等基本信息,还提供了犯罪处理结果、社区犯罪统计等详细信息。此外,数据集还包含了警察局辖区的人口数据,为犯罪率分析提供了重要的背景信息。数据的结构化格式使得用户能够轻松进行多维度的分析和挖掘。
使用方法
UK Crime数据集的使用方法较为灵活,用户可以通过CSV文件直接导入数据分析工具,如Python的Pandas库或R语言进行数据处理。数据集的结构化设计使得用户能够轻松进行时间序列分析、地理空间分析以及犯罪类型分类等任务。此外,数据集还提供了详细的元数据信息,帮助用户理解数据字段的含义和使用场景。
背景与挑战
背景概述
UK Crime数据集是一个整合了英国各地犯罪数据的资源,主要来源于英国政府网站police.uk。该数据集由多个数据源组成,涵盖了从2012年至今的犯罪记录,包括犯罪类型、地点、时间以及处理结果等详细信息。数据集的核心研究问题在于通过分析这些犯罪数据,揭示犯罪模式、趋势及其与社会经济因素的关系,从而为公共安全政策的制定提供科学依据。该数据集在犯罪学、社会学以及公共政策研究领域具有重要影响力,为学者和决策者提供了宝贵的数据支持。
当前挑战
UK Crime数据集在解决犯罪模式分析与预测的领域问题时,面临数据质量与完整性的挑战。由于数据来源于多个机构,格式和标准的不一致可能导致数据整合困难。此外,数据中的缺失值和地理位置信息的不精确性,增加了分析的复杂性。在构建过程中,研究人员还需处理数据隐私与安全问题,确保敏感信息不被泄露。这些挑战要求数据处理与分析技术的高度精确与严谨,以确保研究结果的可靠性与有效性。
常用场景
经典使用场景
UK Crime数据集广泛应用于犯罪学研究和公共安全分析领域。研究者通过该数据集分析犯罪类型、犯罪频率以及犯罪地点的时空分布,进而揭示犯罪行为的模式和趋势。该数据集为犯罪热点分析、犯罪预测模型的构建提供了丰富的数据支持。
实际应用
在实际应用中,UK Crime数据集被广泛用于警务资源的优化配置和犯罪预防策略的制定。政府部门和执法机构利用该数据集进行犯罪热点分析,合理分配警力资源,提升公共安全水平。此外,该数据集还为城市规划和社会政策制定提供了数据支持。
衍生相关工作
基于UK Crime数据集,许多经典研究工作得以展开。例如,研究者开发了基于机器学习的犯罪预测模型,利用该数据集进行训练和验证。此外,该数据集还被用于犯罪地图的绘制和犯罪趋势的可视化分析,推动了犯罪学与数据科学的交叉研究。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国气象数据

本数据集包含了中国2023年1月至11月的气象数据,包括日照时间、降雨量、温度、风速等关键数据。通过这些数据,可以深入了解气象现象对不同地区的影响,并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。

github 收录

中国区域地面气象要素驱动数据集 v2.0(1951-2020)

中国区域地面气象要素驱动数据集(China Meteorological Forcing Data,以下简称 CMFD)是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素,时间分辨率为 3 小时,水平空间分辨率为 0.1°,时间长度为 70 年(1951~2020 年),覆盖了 70°E~140°E,15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据,并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品,其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展,其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本,而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集,但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外,在制作 CMFD 2.0 的过程中,研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息,显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时,CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年,并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同,但其有效数据扩展到了中国之外,能够更好地支持跨境区域研究。为方便用户使用,CMFD 2.0 还在基础变量集之外提供了若干衍生变量,包括近地面相对湿度、雨雪分离降水产品等。此外,CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术,转而直接将实型数据压缩存储于 NetCDF4 格式文件中,从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7,但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变,故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致,仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新,以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中,计划于 2025 年上半年发布,从而使 CMFD 2.0 延伸至 2024 年底。

国家青藏高原科学数据中心 收录

LibriSpeech

LibriSpeech 是一个大约 1000 小时的 16kHz 英语朗读语音语料库,由 Vassil Panayotov 在 Daniel Povey 的协助下编写。数据来自 LibriVox 项目的已读有声读物,并经过仔细分割和对齐。

OpenDataLab 收录

paris2024-data

包含2024年巴黎奥运会和残奥会的数据集,包括奖牌列表、获奖运动员信息、国家和事件的详细数据。

github 收录

TT100K - Tsinghua-Tencent 100K

TT100K数据集是一个用于交通标志检测和识别的大规模数据集,包含100,000张标注的交通标志图像。该数据集主要用于计算机视觉和自动驾驶领域的研究。

cg.cs.tsinghua.edu.cn 收录