Geavanceerde voorspellende tool lokaliseert hotspots voor misdaad met een hoog risico in realtime

• Een nieuw algoritme, genaamd Ensemble Poisson Kalman Filter (EnPKF), kan het gebied voorstellen waar de kans op misdaad het komende uur het grootst is. 
• Het kan ook vertellen welke middelen nodig zijn om dergelijke misdaden aan te pakken. 

Politie en misdaadafdelingen worden geconfronteerd met grote druk en beperkingen op hun middelen – een feit dat de groei van slimme politie-instrumenten stimuleert om agenten te helpen betere beslissingen te nemen over waar ze hun inspanningen op moeten richten.

Epidemic Type Aftershock Sequence (ETAS) is een van de populaire modellen die wordt toegepast op misdaadgegevens om toekomstige plaatsen delict te voorspellen. Tot nu toe heeft deze op rasterkaarten gebaseerde techniek met succes tweemaal zoveel misdaad voorspeld als een enkele menselijke onderzoeker.

Het ETAS-model is gebaseerd op de filosofie dat misdaden stochastisch plaatsvinden, maar dat het aantal misdaden historisch afhankelijk is. Dit betekent dat misdaden die binnen een regio plaatsvinden, het toekomstige misdaadpercentage op dezelfde of nabijgelegen locaties gedurende ten minste een bepaalde tijdsduur zullen verhogen.

Er wordt echter geen rekening gehouden met de probabilistische aard van het onderliggende misdaadproces. Ook kan het geen realtime onzekerheid traceren, die zou kunnen ontstaan als gevolg van beperkte en luidruchtige gegevens of modelselectiefouten.

Ensemble Poisson Kalman-filter

Met behulp van het ETAS-model heeft een internationaal team van onderzoekers een nieuw algoritme ontwikkeld dat snel realtime gegevens over stedelijke misdaad kan verwerken en kan voorspellen waar illegale activiteiten zich opnieuw kunnen voordoen. De methodologie, genaamd Ensemble Poisson Kalman Filter (EnPKF), lijkt veel op de methodologie die wordt gebruikt bij Apollo-missies en weersvoorspellingen.

Hoewel ‘voorspelbaarheid’ op verschillende manieren kan worden beschreven, concentreerden onderzoekers zich in dit onderzoek op een bepaald type gebeurtenis- en voorspellingssysteem. Ze overwogen een model dat een ‘signaal’ activeert om een ​​opkomende gebeurtenis van belang te alarmeren. Het kan bijvoorbeeld een indicatie geven van het gebied waar de kans het komende uur het grootst is dat er criminaliteit zal plaatsvinden.

In de huidige tijdreekstoepassingen wordt het model vereenvoudigd om te voorspellen of de volgende illegale activiteit al dan niet binnen de komende paar (vaste) uren zal plaatsvinden. Over het geheel genomen kan het algoritme de misdaadafdelingen suggesties geven over waar kleine misdaadhaarden kunnen ontstaan en welke middelen nodig zijn om dergelijke illegale activiteiten aan te pakken.

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

Testen en andere toepassingen

Het nieuwe model wordt getoetst aan een dataset met ruim duizend bendemisdaden die tussen 1999 en 2002 in Los Angeles hebben plaatsgevonden. Ze vergeleken de resultaten met een groot deeltjesfilter, wat de effectiviteit ervan in de praktijk aantoonde.

De belangrijkste kracht van EnPKF ten opzichte van het deeltjesfilter is de verbeterde nauwkeurigheid en minder Monte-Carlo-fluctuaties in de context van een kleinere steekproefomvang. Het systeem is echter verre van perfect:het heeft de neiging om voor sommige parameterschattingen onder-/overspreidingsensembles te genereren.

Lees:Nieuw zelfrijdend voertuigalgoritme kan agressief van rijstrook veranderen

Het team werkt momenteel aan de ontwikkeling van een hoogdimensionale uitbreiding van EnPKF en analyseert de effectiviteit ervan met inbraakgegevens. Onderzoekers zijn van mening dat het systeem een ​​verscheidenheid aan toepassingen heeft; EnPKF kan worden gebruikt voor het volgen van naschokken van aardbevingen, treinvertragingen en verzekeringsclaims.