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

2. 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.

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

4. Клейменов, М. П. Уголовно-правовое прогнозирование / М. П. Клейменов. – Томск : Национальный исследовательский Томский государственный университет, 1991. – 167 с.

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

6. Симонова, Е. Н. Реализация логистической регрессии в R, как наименьшей возможной нейронной сети / Е. Н. Симонова // Modern Science. – 2021. – № 1-1. – С. 491-495.

7. 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.

8. 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

9. Федорова О. Б., Хейло Л. Г. Статистические методы анализа, оценки и прогнозирования оперативной обстановки: учебно-методическое пособие для сотрудников штабных подразделений органов внутренних дел //М.: ОАД МВД России. – 2018

10. 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

11. Alsubayhin A., Ramzan M. S., Alzahrani B. Crime Prediction Model using Three Classification Techniques: Random Forest, Logistic Regression, and LightGBM //International Journal of Advanced Computer Science & Applications. – 2024. – Т. 15. – №.

12. Ansfield, B. The broken windows of the Bronx: Putting the theory in its place //American Quarterly. – 2020. – Т. 72. – №. 1. – С. 103-127.

13. Bifari, E. et al. Text mining and machine learning for crime classification: using unstructured narrative court documents in police academic //Cogent Engineering. – 2024. – Т. 11. – №. 1. – С. 2359850.

14. Clavell, G. G. (2018). Exploring the ethical, organizational and technological challenges of crime mapping: A critical approach to urban safety technologies. Ethics and Information Technology, 20(4), 265–277. https://doi.org/https://doi.org/10.1007/s10676-018-9477.

15. Dakalbab, F. et al. Artificial intelligence & crime prediction: A systematic literature review //Social Sciences & Humanities Open. – 2022. – Т. 6. – №. 1. – С. 100342.

16. Johnson, T. L. et al. Police facial recognition applications and violent crime control in US cities //Cities. – 2024. – Т. 155. – С. 105472.

17. Kim, G. et al. Crime Mapping in Urban Environments Using Explainable AI: A Case Study of Daegu, Korea //Sustainable Cities and Society. – 2025. – С. 106507.

18. 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. – Т. 27. – №. 3. – С. 375-395

19. Marciniak, D. Algorithmic policing: An exploratory study of the algorithmically mediated construction of individual risk in a UK police force //Policing and society. – 2023. – Т. 33. – №. 4. – С. 449-463.

20. 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. – Т. 8. – №. 1. – С. 21.

21. Mishra, R. K. et al. Analysis of criminal landscape by utilizing statistical analysis and deep learning techniques //Journal of Applied Security Research. – 2024. – Т. 19. – №. 4. – С. 560-585.

22. Mukherjee, K. et al. Uncovering spatial patterns of crime: A case study of Kolkata //Crime Prevention and Community Safety. – 2024. – Т. 26. – №. 1. – С. 47-90.

23. 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. – Т. 12. – №. 3. – С. 347-371

24. Singh, A. et al. An introduction on the impact of artificial intselligence (ai) in forensic science: a study on the role of ai in crime prevention //Dinesh, An introduction on the impact of artificial intselligence (ai) in forensic science: a study on the role of ai in crime prevention (October 25, 2024). – 2024.

25. van Sleeuwen S. E. M., Ruiter, S., Steenbeek, W. Right place, right time? Making crime pattern theory time-specific //Crime Science. – 2021. – Т. 10. – №. 1. – С. 2.

26. 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. – Т. 115. – С. 105858.

27. 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. – Т. 112. – С. 103143.