Crime and environment. Analysis of facilities as crime risk factors in Niš, Serbia

This study aimed to examine the relationship between environmental facilities as risk factors and crime. Police data of property and violent criminal offences registered during 2018 in the city of Niš, Republic of Serbia, has been geocoded. Grid cells of 100 by 100 meters were designed as spatial units for the analysis, and geoinformation data of 12 different facilities were extracted from GIS. The negative binomial regression model was constructed to investigate crime risky facilities. The crime is mostly related to facilities as banks and exchange offices, bus stops, gyms and recreational centers. On the other hand, cafes, nightclubs, and big shopping centers were not significantly associated with crime. Finally, limitations, practical and theoretical usage of the research are discussed.

This study aimed to examine the relationship between environmental facilities as risk factors and crime. Police data of property and violent criminal offences registered during 2018 in the city of Niš, Republic of Serbia, has been geocoded. Grid cells of 100 by 100 meters were designed as spatial units for the analysis, and geoinformation data of 12 different facilities were extracted from GIS. The negative binomial regression model was constructed to investigate crime risky facilities. The crime is mostly related to facilities as banks and exchange offices, bus stops, gyms and recreational centers. On the other hand, cafes, nightclubs, and big shopping centers were not significantly associated with crime. Finally, limitations, practical and theoretical usage of the research are discussed. Prezentowane badanie ma na celu analizę relacji przestrzeni i obiektów w niej rozmieszczonych oraz przestępczości. W analizach wykorzystano dane policyjne o przestępczości zarejestrowanej w 2018 roku – czynach przeciwko mieniu i z użyciem przemocy popełnionych w mieście Niš w Serbii. Dane te zostały poddane geokodowaniu, względem miejsc zdarzeń przestępczych. Jednostką przestrzenną była komórka siatki o wymiarach 100 na 100 metrów. Dane geoinformacyjne o 12 rodzajach obiektów uzyskano za pomocą oprogramowania GIS. Celem zbadania związku między wybranymi obiektami a przestępczością wykorzystano model regresji dwumianowej. Wyniki przeprowadzonych analiz pokazały, że przestępczość występuje najczęściej w przestrzeniach, w których mieszczą się banki, kantory, znajdują się w niej przystanki autobusowe, restauracje, siłownie czy ośrodki rekreacyjne. Nieistotny statystycznie z kolei okazał się związek między występowaniem przestępczości a rozmieszczeniem takich obiektów jak: kawiarnie, kluby nocne czy duże centra handlowe. W artykule zostały omówione także ograniczenia oraz praktyczne i teoretyczne możliwości zastosowania przeprowadzonych analiz.