1. Mishra R. K. [et al.]. Analysis of criminal landscape by utilizing statistical analysis and deep learning techniques // Journal of Applied Security Research. 2024. Vol. 19, №. 4. P. 560–585.

2. Zeng M., Mao Y., Wang C. The relationship between street environment and street crime: A case study of Pudong New Area, Shanghai, China // Cities. 2021. Vol. 112. P. 103143. https://doi.org/10.1016/j.cities.2021.103143

3. Johnson T. L. [et al.]. Police facial recognition applications and violent crime control in US cities // Cities. 2024. Vol. 155. P. 105472. https://doi.org/10.1016/j.cities.2024.105472

4. Kim G. [et al.]. Crime Mapping in Urban Environments Using Explainable AI: A Case Study of Daegu, Korea // Sustainable Cities and Society. 2025. Vol. 130. P. 106507. https://doi.org/10.1016/j.scs.2025.106507

5. Yang S. [et al.]. The impact of surveillance cameras and community safety activities on crime prevention: Evidence from Kakogawa City, Japan // Sustainable Cities and Society. 2024. Vol. 115. P. 105858. https://doi.org/10.1016/j.scs.2025.106507

6. Захватов И. Ю., Пчоловский М. Н. Прогнозирование как элемент информационно-аналитического обеспечения деятельности органов внутренних дел / Высшая школа: научные исследования : материалы Межвузовского международного конгресса, г. Москва, 24 июня 2021 г. Москва : Инфинити, 2021. С. 14–24.

7. Clavell G. G. Exploring the ethical, organizational and technological challenges of crime mapping: A critical approach to urban safety technologies // Ethics and Information Technology. 2018. Vol. 20, № 4. P. 265–277. https://doi.org/10.1007/s10676-018-9477

8. Saunders J., Hunt P., Hollywood J. S. Predictions put into practice: a quasi-experimental evaluation of Chicago’s predictive policing pilot // Journal of experimental criminology. 2016. Vol. 12, № 3. P. 347–371. https://doi.org/10.1007/s11292-016-9272-0

9. Ansfield B. The broken windows of the Bronx: Putting the theory in its place // American Quarterly. 2020. Vol. 72, № 1. С. 103–127. https://doi.org/10.1353/aq.2020.0005

10. Mukherjee K. [et al.]. Uncovering spatial patterns of crime: A case study of Kolkata // Crime Prevention and Community Safety. 2024. Vol. 26, № 1. P. 47–90. https://doi.org/10.1057/s41300-024-00198-4

11. Кайбичев И. А., Кайбичева Е. И. Математическое моделирование временного ряда количества преступлений в России // Вестник экономики, управления и права. 2019. № 4 (49). С. 80–85.

12. Шалагин А. Е., Шарапова А. Д. Криминологическое прогнозирование и планирование в деятельности органов внутренних дел // Вестник экономики, права и социологии. 2017. № 2. С. 127–130.

13. Massarelli C., Uricchio V. F. The contribution of open-source software in identifying environmental crimes caused by illicit waste management in urban areas // Urban Science. 2024. Vol. 8, № 1. Р. 21. https://doi.org/10.3390/urbansci8010021

14. Marciniak D. Algorithmic policing: An exploratory study of the algorithmically mediated construction of individual risk in a UK police force // Policing and society. 2023. Vol. 33, № 4. Р. 449–463. https://doi.org/10.1080/10439463.2022.2144305

15. Суходолов А. П., Бычкова А. М. Искусственный интеллект в противодействии преступности, ее прогнозировании, предупреждении и эволюции // Всероссийский криминологический журнал. 2018. Т. 12, № 6. С. 753–766. https://doi.org/10.17150/2500-4255.2018.12(6).753-766

16. Клейменов М. П. Уголовно-правовое прогнозирование : монография. Томск : Национальный исследовательский Томский государственный университет, 1991. 167 с.

17. Киселев А. А. Сезонность преступности как объект криминологического изучения // Правовая культура. 2020.№ 2 (41). С. 139–150.

18. Ульянов А. Д., Власов Б. Е. Теоретико-методологическое обеспечение аналитической работы в органах внутренних дел в современных условиях // Труды Академии управления МВД России. 2023. № 1 (65). С. 24–31. https://doi.org/10.24412/2072-9391-2023-465-24-31

19. Bifari E. [et al.]. Text mining and machine learning for crime classification: using unstructured narrative court documents in police academic // Cogent Engineering. 2024. Vol. 11, № 1. P. 2359850. DOIhttps://doi.org/10.1080/23311916.2024.2359850

20. Dakalbab F. [et al.]. Artificial intelligence & crime prediction: A systematic literature review // Social Sciences & Humanities Open. 2022. Vol. 6, № 1. P. 100342. https://doi.org/10.1016/j.ssaho.2022.100342

21. Lee W. D. [et al.]. The influence of intra-daily activities and settings upon weekday violent crime in public spaces in Manchester, UK // European Journal on Criminal Policy and Research. 2021. Vol. 27, № 3. Р. 375–395. https://doi.org/10.1007/s10610-020-09456-1

22. Петрова В. Ю. Роль прогнозирующих моделей в управлении органами внутренних дел (на примере преступлений, связанных с легализацией преступных доходов) // Вестник Владимирского юридического института. 2013. № 2 (27). С. 107–109.