<?xml version="1.0" encoding="UTF-8"?>
<article xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="JATS-archive-oasis-article1-4.xsd" article-type="research-article" dtd-version="1.4" xml:lang="ru">
  <front>
    <journal-meta>
      <journal-title-group>
        <journal-title>Журнал Современные наукоемкие технологии</journal-title>
      </journal-title-group>
      <issn>1812-7320</issn>
      <publisher>
        <publisher-name>Общество с ограниченной ответственностью &amp;quot;Издательский Дом &amp;quot;Академия Естествознания&amp;quot;</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.17513/snt.39230</article-id>
      <article-id pub-id-type="publisher-id">ART-39230</article-id>
      <title-group>
        <article-title>ПОДХОД К ОПРЕДЕЛЕНИЮ СЕЗОННОСТИ ПРЕСТУПЛЕНИЙ В ПРОЕКТАХ ПРОТИВОДЕЙСТВИЯ КРИМИНАЛЬНЫМ УГРОЗАМ</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Жирнов</surname>
              <given-names>А.А.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Zhirnov</surname>
              <given-names>A.A.</given-names>
            </name>
          </name-alternatives>
          <email>AUMSKW@yandex.ru</email>
          <xref ref-type="aff" rid="aff1"/>
        </contrib>
      </contrib-group>
      <aff id="aff1">
        <institution xml:lang="ru">ФГКОУ ВО «Академия управления Министерства внутренних дел Российской Федерации»</institution>
        <institution xml:lang="en">Academy of Management of the Ministry of Internal Affairs of Russia</institution>
      </aff>
      <pub-date date-type="pub" iso-8601-date="2022-07-27">
        <day>27</day>
        <month>07</month>
        <year>2022</year>
      </pub-date>
      <issue>7</issue>
      <fpage>38</fpage>
      <lpage>44</lpage>
      <permissions>
        <license xlink:href="https://creativecommons.org/licenses/by/4.0/">
          <license-p>This is an open-access article distributed under the terms of the CC BY 4.0 license.</license-p>
        </license>
      </permissions>
      <self-uri content-type="url" hreflang="ru">https://top-technologies.ru/article/view?id=39230</self-uri>
      <abstract xml:lang="ru" lang-variant="original" lang-source="author">
        <p>В статье предлагается подход к определению сезонности преступлений в проектной деятельности органов внутренних дел. Обосновывается необходимость совершенствования метода расчета индекса сезонности преступлений при реализации проектов противодействия криминальным угрозам в органах внутренних дел. Рассматривается существующий механизм расчета индекса сезонности преступлений и его основной недостаток. Описана структура временного ряда, рассмотрены аддитивные и мультипликативные модели временного ряда. Предложен эвристический метод классической декомпозиции временного ряда (метод «Census I»), позволяющий выделить сезонные компоненты временного ряда, описан механизм метода. В статье перечислены выявленные в ходе исследования достоинства и недостатки предлагаемого метода. Продемонстрированы полученные с помощью специализированного программного пакета, предназначенного для статистической обработки данных IBM SPSS Statistics 26, результаты применения метода к эмпирическому материалу, содержащему сведения о состоянии преступности в Санкт-Петербурге и Ленинградской области в период с января 2017 г. по декабрь 2021 г. Рассмотрены примеры того, как факты установления сезонности преступлений способны повлиять на корректировку акцентов в деятельности органов внутренних дел. В статье определена область практического применения предложенного метода в проектном управлении.</p>
      </abstract>
      <abstract xml:lang="en" lang-variant="translation" lang-source="translator">
        <p>The article suggests an approach to determining the seasonality of crimes in the project activities of the internal affairs bodies. The necessity of improving the method of calculating the seasonality index of crimes in the implementation of projects to counter criminal threats in the internal affairs bodies is substantiated. The existing mechanism for calculating the crime seasonality index is considered, the main disadvantage of which is ignoring the structure of the time series. The structure of the time series is described, additive and multiplicative models of the time series are considered. A mathematical method of decomposition of the time series “Census I” is proposed, which allows to distinguish seasonal components of the time series. The mechanism of the decomposition method of the time series “Census I” is described. The article lists the advantages and disadvantages of the proposed method identified during the study. The results obtained with the help of a specialized software package designed for statistical data processing IBM SPSS Statistics 26, the results of applying the method to empirical material containing information about the state of crime in St. Petersburg and the Leningrad region are demonstrated. Examples of how the facts of establishing the seasonality of crimes can affect the adjustment of accents in the activities of internal affairs bodies are considered. The article suggests the field of practical application of the proposed method in project management.</p>
      </abstract>
      <kwd-group xml:lang="ru">
        <kwd>сезонность преступлений</kwd>
        <kwd>проект противодействия криминальным угрозам</kwd>
        <kwd>индекс сезонности преступлений</kwd>
        <kwd>сезонная декомпозиция</kwd>
        <kwd>метод классической сезонной декомпозиции</kwd>
      </kwd-group>
      <kwd-group xml:lang="en">
        <kwd>crime seasonality</kwd>
        <kwd>project to counter criminal threats</kwd>
        <kwd>crime seasonality index</kwd>
        <kwd>seasonal decomposition</kwd>
        <kwd>seasonal decomposition method</kwd>
      </kwd-group>
    </article-meta>
  </front>
  <back>
    <ref-list>
      <ref>
        <note>
          <p>1. Горошко И.В., Жирнов А.А., Россихина Л.В. Анализ методики оценки деятельности территориальных органов МВД России и некоторые подходы к ее совершенствованию // Вестник Воронежского института ФСИН России. 2021. № 4. C. 26–32.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>2. Горошко И.В. Цифровизация – современный тренд развития правоохранительных органов // Научно-аналитический журнал Обозреватель – Observer. 2022. № 2 (385). С. 98–110.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>3. Краткая характеристика состояния преступности в Российской Федерации за январь – октябрь 2021 года [Электронный ресурс]. URL: https://xn--b1aew.xn--p1ai/reports/item/27024130/ (дата обращения: 09.12.2021).</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>4. Статистика и аналитика [Электронный ресурс]. URL: https://xn--b1aew.xn--p1ai/dejatelnost/statistics (дата обращения: 09.12.2021).</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>5. Приказ Генеральной прокуратуры РФ от 17.01.2020 № 30 «Об утверждении формы федерального статистического наблюдения № 4-ЕГС “Сведения о состоянии преступности и результатах расследования преступленийˮ» (с изменениями и дополнениями) / ГАРАНТ [Электронный ресурс]. URL: http://base.garant.ru/73757032/ (дата обращения: 08.04.2022).</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>6. Информационно-аналитический портал правовой статистики Генеральной прокуратуры Российской Федерации [Электронный ресурс]. URL: http://crimestat.ru/regions_chart_total (дата обращения: 07.02.2022).</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>7. Сажин Ю.В., Катынь А.В., Сарайкин Ю.В. Анализ временных рядов и прогнозирование. Саранск: Мордовский государственный университет им. Н.П. Огарёва, 2013. 192 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>8. Горошко И.В., Петрова В.Ю. Модели временных рядов и прогнозирование преступности: опыт разработки и использования // Труды Академии Управления МВД России. 2008. № 4 (8). С. 45-51.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>9. Makridakis Spyros G., Wheelwright Steven C., Hyndman Rob J. Forecasting: Methods and Applications. Wiley, 2008. 656 p.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>10. Hyndman R.J., Athanasopoulos G. Forecasting: principles and practice: OTexts, 2018. 380 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>11. Montgomery D.C., Jennings C.L., Kulahci M. Introduction to time series analysis and forecasting. – John Wiley &amp; Sons, 2015. 655 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>12. Winston W. Microsoft Excel 2010 Data Analysis and Business Modeling: Data Analysis and Business Modeling. – Pearson Education, 2011. 721 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>13. IBM Docs Сезонная декомпозиция [Электронный ресурс]. URL: https://prod.ibmdocs-production-dal-6099123ce 774e592a519d7c33db8265e-0000.us-south.containers.appdomain.cloud/docs/ru/spss-statistics/26.0.0?topic=forecasting-seasonal-decomposition (дата обращения: 04.01.2022)</p>
        </note>
      </ref>
    </ref-list>
  </back>
</article>
