Geavanceerd voorspellend instrument identificeert high-risk misdaad-hotspots in realtime

• Nieuw algoritme, genaamd Ensemble Poisson Kalman Filter (EnPKF), kan het gebied suggereren waar misdaad waarschijnlijk zal gebeuren binnen de volgende uur.
• Het kan ook aangeven welke middelen nodig zouden zijn om dergelijke misdaden aan te pakken.

Politie- en misdaafdelingen worstelen met veel druk en beperkingen op hun middelen — een feit dat de groei van slimme politietools brandt om agenten te helpen betere beslissingen te nemen over waar ze hun inspanningen moeten leggen.

Epidemic Type Aftershock Sequence (ETAS) is een van de populaire modellen die toegepast wordt op misdaaddata om toekomstige misdaadlocaties te voorspellen. Tot nu toe heeft deze grid-map-gebaseerde techniek twee keer zoveel misdaad succesvol voorspeld als een enkele menselijke onderzoeker.

Het ETAS-model is gebaseerd op de filosofie dat misdaden stochastisch gebeuren, maar de misdaadvoorkomenssnelheid geschiedenis-afhankelijk is, wat betekent dat misdaden die binnen een regio plaatsvinden, de toekomstige misdaadgeneratiesnelheid in dezelfde of nabijgelegen locaties verhogen voor ten minste een specifieke duur.

Echter, het houdt geen rekening met de probabilistische aard van het onderliggende misdaadproces. Ook kan het geen realtime onzekerheid traceren, wat kan ontstaan door beperkte en ruisende data of modelselectiefouten.

Ensemble Poisson Kalman Filter

Met behulp van het ETAS-model heeft een internationaal team onderzoekers een nieuw algoritme ontwikkeld dat realtime, stedelijke misdaaddata snel kan verwerken en kan voorspellen waar illegale activiteit opnieuw kan voorkomen. De methodologie, genaamd Ensemble Poisson Kalman Filter (EnPKF), is redelijk vergelijkbaar met die gebruikt in Apollo-missies en weersvoorspellingen.

Hoewel 'voorspelbaarheid' op verschillende manieren beschreven kan worden, focussten onderzoekers in deze studie op een specifiek type gebeurtenis en voorspelsysteem. Ze keken naar een model dat een 'signaal' triggert om een aanstaande gebeurtenis van belang te alarmeren. Bijvoorbeeld, het kan het gebied suggereren waar misdaad het meest waarschijnlijk is om te gebeuren binnen het volgende uur.

In huidige tijdreeks-toepassingen is het model vereenvoudigd om te voorspellen of de volgende illegale activiteit zou plaatsvinden binnen de volgende paar (vaste) uren. Over het algemeen kan het algoritme misdaafdelingen suggesties geven over waar kleine misdaad-hotspots kunnen ontstaan, en welke middelen nodig zouden zijn om met dergelijke illegale activiteiten om te gaan.

Referentie: ScienceDirect | doi: 10.1016/j.csda.2018.06.014 | Universiteit van Surrey

Testen en andere toepassingen

Het nieuwe model is getest tegen een dataset met meer dan 1.000 bende-misdaden die plaatsvonden tussen 1999 en 2002 in Los Angeles. Ze vergeleken de resultaten met een groot monster-grootte deeltjesfilter, wat de effectiviteit in de praktijk aantoonde.

Lees ook: Nieuw zelfrijdend voertuig-algoritme kan agressief rijstrook wisselen

Het team werkt momenteel aan het ontwikkelen van een hoog-dimensionele uitbreiding van EnPKF en het analyseren van de effectiviteit met inbraakdata. Onderzoekers geloven dat het systeem een verscheidenheid aan toepassingen heeft; EnPKF kan gebruikt worden om aardbeving-nareffingen, trevertragingen en verzekeringsclaims te tracken.