<thead id="vr1xr"></thead><cite id="vr1xr"></cite>
<cite id="vr1xr"><span id="vr1xr"></span></cite>
<var id="vr1xr"></var>
<var id="vr1xr"></var>
<var id="vr1xr"></var>
<var id="vr1xr"></var>
<var id="vr1xr"><video id="vr1xr"><listing id="vr1xr"></listing></video></var>
<cite id="vr1xr"><strike id="vr1xr"></strike></cite><var id="vr1xr"><strike id="vr1xr"></strike></var>

智慧城市

智能警務系統:用數據武裝警察

36大數據 2015-03-13

摘要 二十年前,紐約警察部門率先啟用一個名為CompStat的系統,從此,計算機犯罪統計分析達到了一個新的水平。當時,這項新技術是一個記錄以往犯罪行為的地圖,警局高層人員用它來管理各轄區主管的工作?,F在,這套系統已經普及開來,用于分析預測實時犯罪行為,在25萬平方英尺的范圍內確定目標區域。

????【CPS中安網 cps.com.cn】?智能警務系統投入使用二十年后,以數據為導向的警務系統越來越普及,但仍倍受爭議。

  韋德·布瑞德(Wade Brabble)是佛羅里達州勞德戴爾堡的一名警長,自去年開始,他每天早上根據計算機系統提供的數據安排自己的工作,這套計算機系統可以預報在他執勤期間哪些地方易發生犯罪行為。

  這套系統由IBM公司提供,已使用了一年的時間,布瑞德根據系統給出的報告,他會派出15個巡邏隊員,讓其中幾個隊員重點巡邏易發生犯罪行為的重點區域,同時與他人保持聯系。他說:“我經常根據這些數字來安排工作?!?/p>

  警務大數據-西雅圖警方應用案例:

  二十年前,紐約警察部門率先啟用一個名為CompStat的系統,從此,計算機犯罪統計分析達到了一個新的水平。當時,這項新技術是一個記錄以往犯罪行為的地圖,警局高層人員用它來管理各轄區主管的工作?,F在,這套系統已經普及開來,用于分析預測實時犯罪行為,在25萬平方英尺的范圍內確定目標區域。

  美國蘭德公司的約翰·好萊塢(John Hollywood)和沃爾特·佩里(Walt Perry)在2013年對于這項技術發表了一篇文章,他們表示,更為豐富的數據、分析預測軟件的開發以及計算機運行速度加快推動了這項技術的發展。

  但也有人對此持批評意見,比如電子前哨基金會,他們擔心這種系統會引發種族歧視。而持懷疑態度的人,比如約翰·杰刑事司法學院的教授瑪麗亞·哈伯費爾德(Maria Haberfeld),認為該系統在預防犯罪的同時也可能會導致犯罪。

  加州大學洛杉磯分校的人類學家杰夫·布蘭汀漢姆(Jeff Brantingham)是PredPol的聯合創始人,該公司是洛杉磯警察局警務軟件的設計者。布蘭汀漢姆表示,有些較大的部門,比如洛杉磯警察局,只是根據歷史案件的位置、時間以及類型來進行預測。而芝加哥警察局則將犯罪預測做到極致,他們甚至利用數據來預測某個可能發生的犯罪行為是否為暴力犯罪。勞德戴爾堡則選擇了一條中庸路線:根據罪案歷史進行預測,但細節方面由警局自己做決定,例如有可能引起人群聚集的事件,甚至天氣可能產生的影響,這些都不在計算機預測范圍內。

  計算機分析不會精確到一個具體的商店會在周二遭到襲擊,但是可以預測到,在某一區域有70%可能發生入室行竊,或者某處有40%的可能發生搶劫。

  這種方法似乎卓有成效——但是對于一個活力城市來說,很難確定犯罪率下降的原因到底是什么。在勞德戴爾堡,像謀殺、搶劫、盜竊和性侵這樣的案件在2014年的前8個月下降了6個百分比。警察局的副局長邁克爾·格雷戈里(Michael Gregory)表示,除了計算機分析預測,警察部門還采取了一些其他措施,例如在盜竊易發區發放防賊工具箱。

  在芝加哥,10月的暴力犯罪比去年同期相比下降了13%,謀殺案數量達到自1965年以來的最低點。芝加哥的“重點人物”監控戰略就是根據一份400名的芝加哥人名單,這份名單中的人都是有案底的人或是與重大案犯相關的人,是計算機認為作案可能性最大或成為暴力受害者可能性最大的人,但計算機無法預測出到底是哪一個人。

  據公共安全信息技術部門的主管喬納森·萊文(Jonathan Lewin)透露,自從2013年以后,當地警察與這份名單上的每一個人都進行了談話,談話通常由轄區長官進行。名單上的人向警局遞交了一卦信,對自己曾經犯下罪行進行了剖析,并參加了社區服務。

  萊文表示,這400個重點人物卷入犯罪行為的機率是普通人的50倍,建立這份名單的數據依據大多數與這些人的犯罪相關性水平高低有關。萊文強調:“它與性別和種族無關,我再重復一次,無關于性別和種族?!边@份名單也出現過一些問題,比如,將輕罪犯列入了名單。但很快,名單會根據緩刑歷史、未執行的逮捕令以及毒品和武器持有記錄來做出調整。

  為了更為精確的確定罪犯,舊金山警察局不采用建模的方式進行犯罪預測。布蘭汀漢姆表示,犯罪預測尚不能提供足夠合理的依據,警察也不能據此下發搜查令或進行攔截盤查。最終,即使是最好的預測系統也不能完全取代人類的判斷。布瑞德說:“人們很快就會意識到,它不是解決一切問題的萬能靈藥?!?/p>

  視頻和像推特這樣的社交網絡為分析軟件提供了越來越多的數據資源,遲早會有其他更為有效的決策支持軟件投入使用,使那些身在現場的警官通過移動設備或車載電腦獲得更多數據。

  但有一件事不會發生改變:犯罪預測所納入的數據中有哪些數據是與犯罪有關的,哪些數據是政治上可以接受的,人們對此的爭論不會改變。


責任編輯:panjie


pk10牛牛规律