Spatio-temporal crime prediction and hotspot analysis in Addis Ababa, Ethiopia: a machine learning and geospatial approach
Identification
- Clé publique
- doi:10.1080/23311886.2026.2728408
- Auteurs
- Esubalew Mulugeta Engda · Ziyen Achamyeleh Mekonnen · Tsegaye Ayele Tadesse · Mohammed Abegaz Adem · Ephrem Tega Teka · Kanenus Fufa Dararo · Talema Moged Reda · Muralitharan Jothimani
- Année déclarée
- 2026
- Langue déclarée
- en
- Type source
- article
- Première détection
- 2026-11-09T19:04:47.784688+00:00
- Dernière observation des métadonnées
- 2026-11-09T19:04:47.784688+00:00
- Dernière vérification HTTP
- Non effectuée
Institutions déclarées par la source
Arba Minch University
Pays d’affiliation déclarés
ET
Résumé documentaire — langue originale
Urban crime remains a major challenge in rapidly expanding cities, affecting public safety, economic development, and social stability. Yet crime prediction research remains concentrated in Western cities with strong data infrastructures, leaving rapidly urbanizing non-Western contexts underexplored. This study addresses this gap through machine learning and geospatial analysis of crime in Addis Ababa, Ethiopia, using Random Forest and Kernel Density Estimation (KDE). It identifies crime hotspots, temporal patterns, and the predictive value of urban environmental features. Addis Ketema, Bole, and Nifas Silk Lafto show the highest crime concentrations, particularly for violent crime, vehicle and spare-part theft, and fraud. Crime peaks during summer, weekends, and morning and evening periods, while KDE identifies major hotspots in Merkato, Megenagna, Autobis Tera, and Atena Tera. Homicides peak in summer, whereas car thefts increase during autumn and winter. Using a stratified 70/30 train-test split and five-fold cross-validation, the Random Forest model achieved mean training accuracy of 0.76 (SD = 0.03) and test accuracy of 0.78, with macro F1-score of 0.72 and AUC-ROC of 0.81. The findings demonstrate a transferable AI-assisted workflow for targeted policing, resource allocation, and evidence-based urban safety planning in data-constrained cities.
Identifiants
- OPENALEX
- W7212049444
- DOI
- 10.1080/23311886.2026.2728408
Repères documentaires
- Famille documentaire
- Doctrine
- Types déclarés par les sources
- article
- Juridictions étudiées — sources explicites
- ET
- Entités naturelles mentionnées
- Forêt
Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.
Sources
OpenAlex · Document 1 · Document 2
Relations bibliographiques documentées
Références et liens déclarés par les sources ; ils ne constituent pas une preuve juridique ni une qualification UGLC. Affichage limité à 20 références sortantes.
- openalex:w1484003379 · CITES
- openalex:w1524014344 · CITES
- openalex:w1662609654 · CITES
- openalex:w1970730971 · CITES
- openalex:w1999151523 · CITES
- openalex:w2020881622 · CITES
- openalex:w2031346533 · CITES
- openalex:w2042895061 · CITES
- openalex:w2052665521 · CITES
- openalex:w2076391334 · CITES
- openalex:w2082107925 · CITES
- openalex:w2095533116 · CITES
- openalex:w2103334040 · CITES
- openalex:w2112330297 · CITES
- openalex:w2131586477 · CITES
- openalex:w2151336732 · CITES
- openalex:w2216796779 · CITES
- openalex:w2277932823 · CITES
- openalex:w2331926117 · CITES
- openalex:w2335166813 · CITES
0 références entrantes au sein du corpus détecté
Provenance des champs documentaires
Les valeurs étayées et les valeurs de provenance non résolue sont séparées. Une provenance bibliographique ne valide aucune affirmation juridique.
- Titre
- Étayé par une source documentaire
- Publication
- Étayé par une source documentaire
- Auteurs
- Étayé par une source documentaire
- Type documentaire
- Étayé par une source documentaire
- Juridiction
- Sujet étudié dérivé du contexte documentaire explicite
- Cour
- Non renseigné
- Autorité émettrice
- Non renseigné
- Éditeur
- Non renseigné
- DOI
- Étayé par une source documentaire
- ISBN
- Non renseigné
- Identifiant officiel
- Non renseigné
- URL source
- Étayé par une source documentaire
- Statut déclaré par la source
- Non renseigné
- Modification / abrogation
- Non renseigné
Citer cette référence
Esubalew Mulugeta Engda; Ziyen Achamyeleh Mekonnen; Tsegaye Ayele Tadesse; Mohammed Abegaz Adem; Ephrem Tega Teka; Kanenus Fufa Dararo; Talema Moged Reda; Muralitharan Jothimani. Spatio-temporal crime prediction and hotspot analysis in Addis Ababa, Ethiopia: a machine learning and geospatial approach. 2026. https://doi.org/10.1080/23311886.2026.2728408
JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·
APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.
- APA
- Esubalew Mulugeta Engda; Ziyen Achamyeleh Mekonnen; Tsegaye Ayele Tadesse; Mohammed Abegaz Adem; Ephrem Tega Teka; Kanenus Fufa Dararo; Talema Moged Reda; Muralitharan Jothimani. (2026). Spatio-temporal crime prediction and hotspot analysis in Addis Ababa, Ethiopia: a machine learning and geospatial approach. https://doi.org/10.1080/23311886.2026.2728408
- Chicago
- Esubalew Mulugeta Engda; Ziyen Achamyeleh Mekonnen; Tsegaye Ayele Tadesse; Mohammed Abegaz Adem; Ephrem Tega Teka; Kanenus Fufa Dararo; Talema Moged Reda; Muralitharan Jothimani. Spatio-temporal crime prediction and hotspot analysis in Addis Ababa, Ethiopia: a machine learning and geospatial approach. 2026. https://doi.org/10.1080/23311886.2026.2728408
- ISO 690
- Esubalew Mulugeta Engda; Ziyen Achamyeleh Mekonnen; Tsegaye Ayele Tadesse; Mohammed Abegaz Adem; Ephrem Tega Teka; Kanenus Fufa Dararo; Talema Moged Reda; Muralitharan Jothimani. Spatio-temporal crime prediction and hotspot analysis in Addis Ababa, Ethiopia: a machine learning and geospatial approach. 2026. https://doi.org/10.1080/23311886.2026.2728408
UDTR — Bibliothèque juridique mondiale des droits de la Nature. Spatio-temporal crime prediction and hotspot analysis in Addis Ababa, Ethiopia: a machine learning and geospatial approach. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-992e857c6028b27eebf8cbfeaed99179/ · Dernière vérification HTTP : non effectuée
Provenance par champ et version de la notice
Version 81bd5198f3007ae2 · udtr-reference-1.1.2
- Titre
- OpenAlex · source · 2026-11-09T19:04:47.784688+00:00
- Auteurs
- OpenAlex · source · 2026-11-09T19:04:47.784688+00:00
- Année
- OpenAlex · source · 2026-11-09T19:04:47.784688+00:00
- Identifiants
- OpenAlex · source · 2026-11-09T19:04:47.784688+00:00
- URL source
- OpenAlex · source · 2026-11-09T19:04:47.784688+00:00
L’historique porte sur les métadonnées de la notice, sans certifier l’état du droit.
b4f7fac5aeeef468 · 2026-11-09T19:04:47.784688+00:00
fccfa3cea3c8e0aa · 2026-11-09T19:04:47.784688+00:00
b16d85810a6b50bb · 2026-11-09T19:04:47.784688+00:00
81bd5198f3007ae2 · 2026-11-09T19:04:47.784688+00:00
Données de cette version figée
Dossiers et relations documentaires
ET ·
Rôles des sources
Source de découverte · https://doi.org/10.1080/23311886.2026.2728408
Source de découverte · https://openalex.org/W7212049444
Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.
Statut documentaire
Pertinence à examiner
Bibliothèque
Cette identité n’est pas encore intégrée à la Bibliothèque juridique.