警务大数据案例：大数据预测分析与犯罪预防

当2002年的电影《少数派报告》上映的时候， 预测犯罪还只是科幻小说里的情节而已。 对于犯罪分子来说， 警察对犯罪的预测性分析还远远不足以担心。 到了2014年的今天， 这些曾经的科幻小说的情节逐渐变得现实起来了。 尽管还不能到达《少数派报告》那么神奇。

在IT经理网之前的报道“警务2.0：用大数据预防犯罪”一文中，我们了解到社会化分析和预测型分析将会是大数据警务应用的两个热门领域，。如今越来越多的案例表明犯罪预防领域的预测型分析能够显著降低犯罪率，例如洛杉矶警察局已经能够利用大数据分析软件成功的把辖区里的盗窃犯罪降低了33%， 暴力犯罪降低了21%，财产类犯罪降低了12%。

有趣的是， 关于犯罪预测起因却是源于对地震的预测。 洛杉矶警察局采用了一套用于预测地震后余震的数学模型， 把犯罪数据输入进去。 对于地震的预测非常困难。 不过， 对于余震的预测则要容易得多。 在地震发生后， 随后在附近地区发生余震的概率很大。 这个由圣克拉拉大学的助理教授George Mohler开发的数学模型用来对余震发生的模式进行识别， 从而能够预测新的余震。 而犯罪数据也符合类似的模式， 因此， 能够输入模型进行分析。 洛杉矶警察局把过去80年内的130万个犯罪纪录输入了模型。 如此大量的数据帮助警察们更好地了解犯罪的特点和性质。 从数据显示， 当某地发生犯罪案件后， 不久之后附近发生犯罪案件的概率也很大。 这一点很像地震后余震发生的模式。 当警察们把一部分过去的数据输入模型后， 模型对犯罪的预测与历史数据吻合地很好。

洛杉矶警察局已经采用了数据分析来标明洛杉矶的犯罪高发地区。 然而， 这些信息只能对已经发生的犯罪案件进行记录。 现在有了大数据， 警察们可以预测犯罪了。 洛杉矶警局利用Mohler教授的模型进行了一些试点来预测犯罪多发的地点。 通过和加州大学以及PredPol公司的合作， 他们改善了软件和算法。 如今， 他们可以通过软件来预测犯罪高发地区。 这已经成为警察们的日常工作之一。 不过， 让警察们能够相信并且使用这个软件可不是件容易的事。

起初， 警察们对这个软件并不感冒。 在测试期间， 根据算法预测，某区域在一个12小时时间段内有可能有犯罪发生， 在这个时间段，警察们被要求加大对该区域进行巡逻的密度， 去发现犯罪或者犯罪线索。 一开始， 警察们并不愿意让算法指挥来指挥去地去巡逻。 然而， 当他们在该区域确实发现了犯罪行为的时候， 他们对软件和算法认可了。 如今， 这个模型每天还在有新的犯罪数据输入， 从而使得模型的预测越来越准确。

大数据分析不仅仅用来打击犯罪或者盗窃行为， 还能够用来打击类似骗保的行为。 Durham的警察局就利用大量的保险数据， 能够找出了一批虚构车祸进行骗保的案件。 通过数据分析， 他们打掉了一个利用虚构车祸进行骗保的犯罪团伙。

犯罪数据不仅仅能够利用来预防犯罪， 还能够帮助从一个更高的角度理解犯罪发生的原因。 例如， IBM的安全顾问， 前警察Shaun Hipgrave在接受BBC采访时提到：“当你利用大数据， 你能够看到一个正常家庭和一个问题家庭的区别， 你能看到是缺乏学校教育的结果。这样我们可以真正从源头上找到降低犯罪的办法。”