来自芝加哥大学的科学家们开发了一种可以提前一周预测未来犯罪的新算法,准确率约为90%,范围约为1000英尺。它通过从暴力和财产犯罪的公共数据中学习模式来做到这一点。这项研究的论文作者们写道:“我们报告了一种在个人事件层面上预测城市犯罪的方法,其预测精度远远高于过去所取得的成果。”

这一发现已于今日发表在《Nature Human Behavior》上。

预测未来的犯罪

据了解,该工具使用芝加哥市围绕两大类报告事件的历史数据进行了测试和验证:暴力犯罪(杀人、攻击和殴打)和财产犯罪(入室盗窃、偷窃和机动车盗窃)。

之所以使用这些数据是因为在历史上存在不信任和缺乏跟执法部门合作的城市地区,这些数据最有可能被报告给警方。

毒品犯罪、交通违章和其他轻度违章不同的是,这类犯罪也不容易产生执法偏见。

检测模式以预测七个城市的未来犯罪

新模型通过观察离散事件的时间和空间坐标来隔离犯罪并检测模式以预测未来事件。

它将城市划分为约1000英尺宽的“空间瓦片”并预测这些区域内的犯罪。

以往的模型更多地依赖于传统的邻里或政治边界,而这些边界是有偏差的。

据了解,该模型在美国其他七座城市--亚特兰大、奥斯汀、底特律、洛杉矶、费城、波特兰和旧金山的数据中表现都一样出色。

一个新工具--但只是一个工具--用于执法工作

研究论文的第一作者Ishanu Chattopadhyay谨慎地指出,该工具的准确性并不意味着它应该被用来指导执法政策。他指出,如警察部门不应该用它来积极主动地来防止犯罪。相反,它应该被添加到城市政策和警务战略的工具箱中以解决犯罪问题。

“我们创建了一个城市环境的数字孪生体。如果你给它提供过去发生的数据,它将告诉你未来会发生什么,”Chattopadhyay说道,“这并不神奇;有一些限制,但我们验证了它,它真的很好用。现在你可以把它作为一个模拟工具,看看如果城市的一个地区犯罪率上升或在另一个地区加强执法会发生什么。如果你应用所有这些不同的变量,你可以看到系统是如何演化反应的。”

潜在的警务偏见仍是一个问题

研究小组还通过分析事件发生后的逮捕人数来研究警察对犯罪的反应并比较不同社区之间的这些比率

他们发现,当较富裕地区的犯罪水平增加时会导致更多的逮捕。但这并没有发生在处境不利的社区,这表明警察的反应和执法是不平衡的。

研究人员们总结道:“我们承认强大的预测工具以保护平民的名义落入过度热心的国家手中的危险。但在这里,我们展示了它们前所未有的审计执法偏见的能力并以过去无法想象的方式要求国家承担责任。”