<div dir="ltr"><div><div>Hello,<br><br></div>A new research position has opened within our lab, and we are seeking M.S., Ph.D., and post-doc researchers.<br><br></div>One-sentence summary:  We are mining social media for indicators of individual routine activities for the purpose of improved crime prediction.<br>

<br>Longer summary: This project focuses on the spatiotemporal prediction of localized 
attacks carried out against individuals in urban areas. We view an 
attack as the outcome of a point process governed by the interaction of 
attackers, targets, and the physical environment. Our ultimate goal is 
to predict future outcomes of this process in order to increase the 
security of human populations and U.S. assets and interests. However, 
achieving this goal requires a deeper understanding of how attack 
outcomes correlate with the routine activities of individuals in an 
area. The proposed research will generate this understanding and in 
doing so will answer questions such as the following: What are the 
dimensions along which individuals’ activities should be quantified for 
the purpose of attack prediction? How can measurements along these 
dimensions be taken automatically and with minimal expense (e.g., via 
social media)? What are the implications of such measurements for attack
 prediction performance? Subsuming these questions is the issue of 
geographic variation: do our answers change when moving from a major 
U.S. city to a major U.K. city? There has been plenty of previous work 
on spatiotemporal attack prediction (see our <a href="http://ptl.sys.virginia.edu/ptl/projects/asymmetric-threat-prediction">Asymmetric Threat</a>
 project); however, these basic questions remain unanswered, leaving a 
substantial gap in our understanding of attack processes and their 
relationships with individuals’ routine activities.<br><div><div><div><div><div><br>More information can be found <a href="http://ptl.sys.virginia.edu/ptl/projects/routine-activities-analysis-for-crime-prediction">here</a>.<br>

<br></div><div>Sincerely,<br><br><div dir="ltr"><div>Matthew S. Gerber, Ph.D.<br></div><span>Research</span> <span>Assistant</span> <span>Professor</span><br>Department of Systems and Information Engineering<br>University of Virginia</div>


<br></div></div></div></div></div></div>