分析实例丨算法预测成功将相关区域犯罪率降低

洛杉矶警察局与加州大学洛杉矶分校合作，收集和分析了80年来1300万起犯罪案件，成功地通过算法预测将相关地区的犯罪率降低了36个百分点。可以看出，算法不仅可以帮助运营商从用户数据挖掘中获得灵感，而且如果不是简单地分析以往的犯罪规律，而是采用预测警察的做法，分析师可以利用以往犯罪行为的规律，集中精力分析下一个犯罪行为可能发生的地方，并集中精力进行干预。10年前，沃尔玛的数据挖掘算法在梳理2.45亿客户每周生成的大量数据时，偶然发现了一条奇怪的信息：在发布恶劣天气预警后，草莓酱馅饼的需求增长最大，除了管道胶带、啤酒、瓶装水等应急用品。为了验证这一发现，在2004年飓风弗朗西斯即将到来的消息发布后，沃尔玛超市的经理下令用卡车装载家乐快餐，并将其运送到可能遭受飓风袭击的地区。结果，这些快餐很快就被抢购一空。通过这种情况，沃尔玛的管理者对消费者的消费习惯和“公式”的力量有了非常清晰的认识。沃尔玛的管理层并不是唯一意识到这一发现具有重要价值的人。当时，心理学家考林·麦库和洛杉矶警察局长查理·贝克正准备写一篇论文，并向法律实施杂志《警察局长》提交了贡献。他们以沃尔玛的发现为契机，重新思考警察工作，认为它应该从反应转变为预测。2009年，他们的论文题为《预测警察：沃尔玛和亚马逊对打击经济衰退犯罪的启示》，立即引起了美国法律实施专业人士的关注和思考。麦库和贝克所谓的“预测警察”是指由于计算机科学的发展，犯罪数据的收集和分析可能是“准确和实时的”，因此可以用来提高未来预测、预防和响应犯罪行为的效率。用Quantcast的广告词来形容，这意味着警察可以“提前理解，提前行动”。目前，洛杉矶警察局的肖恩·马林诺夫斯基警官是与预测警察联系最密切的人。他被任命为协助威廉·布拉顿主任的工作，首先是他的助手，然后是他的参谋长。从此，马林诺夫斯基来了。布拉顿在纽约工作，直到他来到洛杉矶。只用了几年时间，他就把纽约的犯罪率降低到了以前的一半，在警界名声显赫。布拉顿的工作方法非常有效，但显然不遵循常规。在抵达纽约市警察局之前，他还担任过纽约市交警部门的领导人。在此期间，他首先打击了逃票行为，将纽约地铁系统从犯罪案件频发的暴力场所转变为遵纪守法、安宁整洁、秩序井然的场所。换句话说，当重大犯罪率创历史最高纪录时，布拉顿首先关注的是让人们买票。他的理由很简单。2009年，他在回忆录中说，逃票是更严重犯罪的根源。布拉顿指出：“合法乘客会认为他们在一个没有法律和秩序的地方。看到人们不买票就能坐公交车，他们开始怀疑遵纪守法是否明智。随着时间的推移，整个社会将陷入混乱。“通过制止和惩罚违法行为，即使是最轻微的犯罪行为，也会让那些制造麻烦的人明白，最好花钱买票，把武器留在家里（通常在搜索时发现）。因此，犯罪率开始急剧下降。来到洛杉矶后，布拉顿希望继续实施一些先发制人的手段。马林诺夫斯基在布莱顿手下工作了五年，亲眼目睹了布拉顿的意志力发生了各种良性变化。他说：“如果我们的机构官僚主义盛行，我们就会习惯各种阻力，我们的创造力就会受到限制。布拉顿告诉我不要受官僚主义的影响，他还教我要有远大的志向，要有所作为。在工作中，布拉顿最迫切期待的是不断出现一些能带来革命性变化的“奇思妙想”。他认为预测性分析可以帮助他实现这个愿望。布拉顿发现犯罪率与数据分析速度有关。1990年，警察局每年只能收集和研究一次犯罪数据，而同年，美国大部分城市的犯罪率都在急剧上升。到1995年底，警察局可以每月研究一次犯罪数据，但同期犯罪率有所下降。现在，他们可以随时检查犯罪率，所以布拉顿希望通过预测犯罪行为可能发生的地点，大大降低犯罪率。由于Quantcast和谷歌等公司可以从用户数据挖掘中获得灵感，同样，如果不是简单地分析以往的犯罪规律，而是采用预测警察的做法，分析师可以利用以往犯罪行为的规律，集中精力分析下一个可能发生犯罪行为的地方。用亚马逊的话来说，“既然你敢偷手提包，你就不敢抢酒厂吗？”众所周知，犯罪行为是用算法预测和制止的。在特定区域，犯罪地点不是随机分布的，而是集中在一些小规模的“热点区域”。例如，西雅图14年收集的犯罪数据显示，一半的犯罪行为集中在占该市4.5%的街道上。明尼苏达州明尼阿波利斯市的情况也差不多，一半的报警电话来自占该市3.3%的街道。28年来，波士顿市多达66%的街道抢劫案高度集中在占该市8%的街道上。了解这些热点地区和这些地区可能发生的犯罪行为对城市警察部署具有非常重要的参考价值。例如，假设在我们当地的白鹿酒吧门口，每个星期六晚上都有人因人身侵权而被捕。如果我们能证明这个假设是正确的，那么不难预测类似的行为将在周六晚上发生在同一个地方。因此，派警官到那里值班，可以防止此类恶性事件再次发生。布拉顿局长在发现上述特征后，请肖恩·马林诺夫斯基帮助他。马林诺夫斯基接受布拉顿的建议后，每周五下午开车前往加州大学洛杉矶分校，会见数学系和计算机科学系的人。洛杉矶警察局同意提供犯罪统计数据集（这些数据集非常大，收集了80年来约1300万起犯罪案件的相关数据），以进行大规模的犯罪研究。马林诺夫斯基享受着与加州大学洛杉矶分校的研究人员合作的经历。十年前，他在酒后驾驶任务中与警方的第一次合作使他对警察工作感兴趣。在与计算机科学家的合作中，他们整理数据，寻找规则，并试图建立一些公式，再次吸引了他。马林诺夫斯基回忆道：“我非常喜欢这段经历。当时，一位数学家和计算机科学家的研究对他产生了浓厚的兴趣。这位245岁的年轻人名叫乔治·莫勒，当时正在研究一种预测地震危害的算法。当马林诺夫斯基第一次听说莫勒的研究时，他认为这与他们当时的研究无关，但后来他发现自己错了。地震会导致余震，犯罪行为也有同样的特点。入室盗窃或汽车盗窃发生后，同一地点类似犯罪的可能性将在短时间内增加到之前的4~12倍。这种感染被称为“邻近重复”(nearrepeat)效应。莫勒解释说：“抢劫犯经常在一周后再次潜入同一居民或邻近居民的家中。在人类学家杰夫·布兰汀汉姆和犯罪学家乔治·蒂塔的帮助下，加州大学洛杉矶分校的研究小组借鉴了莫勒地震研究的一些成功做法，建立了犯罪预测算法。他们将洛杉矶分为单位面积约0.15平方公里的“方块区”，然后根据犯罪行为的可能性对这些方块区进行排序。2011年11月，他们利用该算法进行了为期三个月的随机研究。在当天的“巡逻待命通知”中，马林诺夫斯基从一开始就明确宣布:“今天是历史性的一天。“他所在的富特希尔区有七个主要巡逻区:拉图那峡谷、湖景露台、帕克伊马、影子山、太阳谷、桑兰和图洪加，共分为5200个方块区。当天早上点名时，富特希尔区的每个巡逻警察都收到了一张任务地图，每张地图清楚地标记了一个或多个方块区域，表明这些区域是犯罪“高可能性”的区域。图中还附有犯罪类型的统计预测。马林诺夫斯基告诉他们：“只要你有时间，深入这些区域巡逻，找出那些可能采取犯罪行为或表明可能发生犯罪的人，并采取强制或预防措施，以避免犯罪。实验一直持续到明年2月。第二个月，他们评估了实验结果，并得出结论是否推广了该技术。分析表明，该实验取得了非常显著的成果。富特希尔区的犯罪率在实验期间下降了36个百分点。在使用算法为巡逻队下达指令的日子里，算法预测犯罪行为的准确性是分析人员的两倍。乔治·莫勒说：“造成这一结果的原因之一是，人脑无法准确地对全市20个热点地区进行排序。也许人脑可以找到前两个热点区域，但在排名前六或前七之后，剩下的只能随意猜测。“这项技术在推广之初并非一帆风顺，大部分阻力来自马林诺夫斯基手下的警察。他承认：“事实上，一些警察认为他们不需要电脑来告诉他们犯罪的可能性。许多人抵制这种做法，即使他们告诉他们计算机的预测结果，他们也会说：“我早就知道范纳伊斯和格伦奥克斯的交界处是一个麻烦的地方。所以我问他们:“这个地方一直让我们头疼，对吧？你在这里工作多久了？”他们说:“我们在这个地方工作了10年。我接着说:‘既然你十年前就知道这个事实了，为什么这个问题还没有解决呢？别胡说八道，赶紧去那里解决。"""在富特希尔区的研究结束后，警察算法被推广到洛杉矶的所有地区。美国其他城市的警察局现在也采用了其他类似的算法。马林诺夫斯基说，他仍然觉得自己应该对自己的警察负责，但他不再在部署警察方面动手，而是习惯于逐渐放手。他指出：“在管理时，必须为算法留出一点空间，让算法发挥作用。与此同时，布拉顿已经从洛杉矶警察局退休。2011年英格兰暴乱后，卡梅伦邀请他到英国担任伦敦首都警察局局长。但由于布拉顿不是英国公民，这一提议最终没有通过。后来，他被邀请担任英国暴力控制顾问，布拉顿欣然接受了。在完成算法后，加州大学洛杉矶分校的研究小组还筹集了数百万美元的风险基金，成立了一个名为“PredPol私营公司。PredPol于2012年12月登陆英国，在肯特郡梅德韦市进行了为期4个月的试运行，营业额达到12.5万英镑。试运行期间，该市街道暴力案件的发生率下降了6个百分点。目前，大曼彻斯特、西约克郡和英国中部地区也采用了类似的做法，效果也非常乐观。虽然一些地方议员担心预测分析可能会导致农村地区缺乏警察，而另一些人则担心失业率会上升，但其他议员认为这种创新软件可以提高资源的利用效率。马林诺夫斯基认为，预测警察的任务不仅仅是将罪犯绳之以法，“我们的目的是让警察在正确的时间出现在正确的地方。这样，那些准备做坏事的人一出现，就会看到警察在场，被震慑后不敢再犯罪。最后，马林诺夫斯基以超市的情况进行了类比：“我们就像沃尔玛超市的迎宾员，目的是让人们知道有人在看他们。“犯罪统计学和道德统计学在犯罪学中应用统计学知识似乎是一项创新，但事实上，这种做法可以追溯到19世纪的法国和安德烈–米歇尔·盖里和阿道夫·凯特莱。盖里和凯特莱都是半路出家的杰出统计学家。盖里以前从事法律工作，而凯特莱则从事天文学研究，两人都受到奥古斯特·孔德的深远影响。孔德于1817年至1823年完成了一篇题为“社会重组所必需的科学工作计划”的文章。本文指出，在判断如何管理社会时，最理想的方法是用自然科学的方法来研究社会。孔德认为，艾萨克·牛顿通过研究成功地表达了力对物体的影响。同样，社会科学家也可以通过研究发现预测人类行为的“社会物理学”定律。孔德的观点引起了盖里和凯特莱的极大兴趣。这两个人有一个共同的特点，他们都对犯罪学和其他领域感兴趣。盖里受雇于法国司法部，在一个叫做“道德统计”的新领域工作，当时他只有26岁。而凯特莱则一心想着如何将天文数学工具应用于犯罪数据的处理。他认为，我们之所以能够建立道德统计学，产生指导性和有意义的结果，是基于这样一个基本事实：当有很多对象时，人们的自由选择就会消失，人们就会失去理智。盖里和凯特莱的时代可以被称为大数据的第一个“黄金时代”。生活在这样一个时代，他们受益匪浅。自1825年以来，法国司法部下令建立国家犯罪案件集中报告制度，每三个月收集一次各地区的犯罪数据，包括所有提交法院的刑事案件；根据指控、被告的性别和职业、法院的最终判决结果，对犯罪行为进行分类。国家集中管理的数据集还包括个人财富(根据纳税情况)、企业经营水平(根据批准的专利数量)、军队中有读写能力的人员比例、全国移民和年龄分布的统计数据，甚至包括巴黎卖淫者的详细名单（根据出生年份和出生地点）。19世纪

以上就是关于分析实例丨算法预测成功将相关区域犯罪率降低的相关介绍，更多分析实例丨算法预测成功将相关区域犯罪率降低相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对分析实例丨算法预测成功将相关区域犯罪率降低有更深的了解和认识。