Передовое предиктивное средство выявляет высокорисковые криминальные хотспоты в реальном времени

• Новый алгоритм, названный Ensemble Poisson Kalman Filter (EnPKF), может предложить область, где преступление с наибольшей вероятностью произойдет в следующем часу.
• Он также может сказать, какие ресурсы потребуются для решения таких преступлений.

Полиция и криминальные отделы сталкиваются с большим давлением и ограничениями на свои ресурсы — факт, который топливает рост умных инструментов полиции для помощи офицерам в принятии лучших решений о том, где прикладывать усилия.

Epidemic Type Aftershock Sequence (ETAS) — одна из популярных моделей, применяемая к данным о преступлениях для прогнозирования будущих мест преступлений. Доселе эта сетчатая картографическая техника успешно предсказывала в два раза больше преступлений, чем один человеческий следователь.

Модель ETAS основана на философии, что преступления случаются стохастически, но частота преступлений зависит от истории, означая преступления, происходящие в регионе, повышают будущую частоту генерации преступлений в тех же или ближайших локациях как минимум на определенную продолжительность времени.

Однако она не учитывает вероятностную природу базового криминального процесса. Также она не может отслеживать неопределенность в реальном времени, которая может возникнуть из-за ограниченных и зашумленных данных или ошибок выбора модели.

Ensemble Poisson Kalman Filter

Используя модель ETAS, международная команда исследователей разработала новый алгоритм, который может быстро обрабатывать реальные городские данные о преступлениях и прогнозировать, где незаконная активность может повториться. Методология, названная Ensemble Poisson Kalman Filter (EnPKF), довольно похожа на ту, что использовалась в миссиях Apollo и прогнозировании погоды.

Хотя «предсказуемость» может быть описана несколькими способами, в этом исследовании исследователи сфокусировались на конкретном типе события и системе прогнозирования. Они рассматривали модель, которая запускает «сигнал» для тревоги о предстоящем событии интереса. Например, она может предложить область, где преступление с наибольшей вероятностью произойдет в следующем часу.

В текущих временных рядах приложениях модель упрощается для прогнозирования того, произойдет ли следующее незаконное действие в следующих нескольких (фиксированных) часах. В целом, алгоритм может предоставлять криминальным отделам предложения о том, где могут возникнуть хотспоты мелких преступлений, и какие ресурсы необходимы для решения таких незаконных действий.

Ссылка: ScienceDirect | doi: 10.1016/j.csda.2018.06.014 | Университет Суррея

Тестирование и другие применения

Новая модель протестирована на датасете, содержащем более 1 000 бандовых преступлений, случившихся между 1999 и 2002 годами в Лос-Анджелесе. Они сравнили результаты с фильтром частиц большого размера выборки, демонстрируя его эффективность на практике.

Ключевая сила EnPKF над фильтром частиц — её улучшенная точность и меньшие флуктуации Монте-Карло в контексте меньшего размера выборки. Однако система далека от идеала: она склонна генерировать недо-/пере-распространенные ансамбли для некоторых оценок параметров.

Читайте также: Новый алгоритм автопилота может агрессивно менять полосу

Команда в настоящее время работает над разработкой высокоразмерного расширения EnPKF и анализом его эффективности с данными о кражах. Исследователи верят, что система имеет разнообразие применений; EnPKF может использоваться для отслеживания послесосов землетрясений, задержек поездов и страховых претензий.