犯罪預測 I (Crime Prediction)

http://tw.news.yahoo.com/%e9%a0%90%e6%b8%ac%e7%8a%af%e7%bd%aa%e7%b3%bb%e7%b5%b1-%e9%97%9c%e9%8d%b5%e5%a0%b1%e5%91%8a-%e6%88%90%e7%9c%9f-100156800.html

 

前幾天在看民視新聞時，看到這一則新聞，覺得很有趣。心想這很像CompStat和Hot Spot…所以就上網搜尋原文，結果發現到在科學人二月刊 Can Machines Predict Where Crimes Are about to Happen? 以及去年經濟學人10月的The Aftershock of Crime也都有提到犯罪預測。但是在上個世紀90年代的時候美國就開始發展對犯罪預測這類型的實驗以及應用。其中最為人所知的就是 CompStat (資訊統計警政) 跟Hot Spot Policing (犯罪熱點警政) 兩個警政實驗。

 

資訊統計警政 CompStat 是由Computerized Statistics 或Computer comparison statistics（電腦統計比較），而合成的單字 是發展1990年代，由Bratton首先用於紐約的警政方式，以電腦導向的犯罪統計數據輔以證據為基礎的警政（evidence-based policing），並形成犯罪斑點圖(crime mapping) 。而CompStat的作用在於能提供正確及時的情報 (accurate and timely intelligence) 、 有效的戰術(effective tactics) 、快速的人力資源部署 (rapid deployment of personnel and resources) 、 持續的追蹤和評估(relentless follow-up and assessment) 。

 

而犯罪熱點警政(Hot-spot policing) 是Sherman & Weisburd 1992在明尼蘇達州Minneapolis 的熱點巡邏實驗（Minneapolis Hot Spots Patrol Experiment）。之後Jerry Ratcliffe延伸，在某些特定犯罪如果常重複發生在特定地區則稱為叢聚的熱點（clustered hot spot），若犯罪點平均落在熱點區域附近則稱為擴散的點（hot spot dispersed），而這些都是熱區（Hot areas）。其理論是認為50％的犯罪，發生在3％的街道地址。此立論輔以電腦斑點圖技術（crime mapping），來強化重複犯罪場所（crime places）的勤務部署(deployment)則可降低犯罪的發生 。(內容部分摘錄Crime Analysis for Problem Solvers in 60 Small Steps)

 

這兩種理論的發展也產生了現在在曼費斯(Memphis)的藍色粉碎Blue CRUSH (for Crime Reduction Utilizing Statistical History) ，以及George Mohler在加州聖克魯茲市以地震學理論來預測犯罪活動的犯罪餘震效應 (The Aftershock of Crime) ，兩個犯罪預測實驗。

 

藍色粉碎的資料庫收集是來自大約5 000起性侵犯案件警方的報告資料——案發時間、地點、侵犯過程描述。而分析顯示，許多受害者都是在相似的情況下像深夜使用便利店附近的投幣電話亭的時候而遭到性侵。於是，警方要求便利店老闆，把投幣電話移至室內。這一項建議，也使得曼費斯的性侵犯案件量迅速下降。 另外相較於人類的員警的直覺(hunch)，電腦的優勢相對明顯，電腦不僅具備驚人的處理能力，而且它們不像人類，在判斷時常受到偏見(preconception)的影響。在2007年出版的一部叫做《資料採擷和預測分析》（Data Mining and Predictive Analysis ）的書中，作者考林·麥庫（Colleen McCue一名退休員警）描述了一種違背直覺(counterintuitive)的現象，該現象是維吉尼亞州一位研究哪類人更容易成為性侵犯的犯罪學家發現的: 一般來說，要預測未來的犯罪事件，以前的犯罪史是可靠的參考，但特別的是那種進入別人室內卻沒偷到什麼東西的人，尤其容易成為性侵犯。他們的目標不是盜竊，而是尋找一名受害者。所以，在未來，當電腦標記出一場突如其來的入室盜竊，卻又沒有什麼東西被盜時，住戶就必須提高警惕了，一起性侵案或許就在醞釀當中。而這種狀況也容易為新手員警忽略，但電腦卻不會。

 

而由於藍色粉碎的採用從2006年實施以來這5年內，嚴重的財產和暴力犯罪率下降了驚人的25%。但相對的也引起科學家對於此數據的質疑是否如此成效須完全歸功於藍色粉碎 而質疑點在於以2006年開始作為參照年份，但是，2006年恰恰是本世紀頭10年中犯罪率最高的一年，這就是說，以2006年為參照，後面幾年的情況似乎都有較大程度的改善。另外，藍色粉碎這5年來（2006年—2010年）的平均犯罪率，與此前5年（2001年—2005年）的資料做比較。犯罪數據其實並未如此亮眼：這10年的後半段，財產犯罪率僅下降8%，而暴力犯罪率上升了14%。

 

而George Mohler發展出的重複受害效應（repeat-victimization effect），則強調以往認為聰明的罪犯不會再回到作案現場，但其研究則發現“成功”的盜竊犯往往反其道而行之。再次闖入先前闖入的民宅，竊匪知道屋裡都有些什麼，知道如何迅速進入與逃亡路線。而且，被盜者的鄰居遭到盜竊的概率也很高，因為這些住宅的室內擺設和財產情況通常比較相似。而首次案發之後，被盜風險也會隨時間產生變化。根據此發現Mohler開發出一種演算法，建立了預測模組。其邏輯是: 某地點發生的入室竊盜往往觸發幾天內附近地區其他件的入室竊盜-這就像犯罪的餘震效應般 而這套軟體具有相當地效果(The logic: a burglary at one location tends to trigger other burglaries nearby in the next few days—like an aftershock effect. And the software is relatively effective too!)其模組在預測未來犯罪時，比傳統預測模組要高出10%~20%的準確率。如今，Mohler的預測系統每天都會為聖克魯茲的員警標出10塊高犯罪風險區域（每塊約 150平方公尺），並標示出三種不同的犯罪類型(入室盜竊residential burglary，汽車撬竊auto burglary和汽車盜竊auto theft)。而且警方將針對那些地點來調整他們的巡邏表努力遏止犯罪活動的發生。其想法為: 若是有警力在那附近，罪犯就不大有可能在那。(跟堪薩斯巡邏實驗的結果有點相異)而這模組的實行使得2011年7月聖克魯茲的犯罪率相較去年同時下降了百分之27 (compared to July 2010 burglaries, the number of July 2011 burglaries are down 27 percent.) 。

 

待續….