高度な予測ツールが高リスクの犯罪ホットスポットをリアルタイムで特定

• アンサンブル ポアソン カルマン フィルター（EnPKF）と呼ばれる新しいアルゴリズムは、今後 1 時間以内に犯罪が発生する可能性が最も高いエリアを示唆します。 
• また、このような犯罪に対処するためにどのようなリソースが必要かを知ることもできます。 

警察と犯罪部門は、そのリソースに対する多大なプレッシャーと制約に直面しています。この事実が、警察官がどこに力を注ぐべきかについてより適切な決定を下すのに役立つスマートな警察ツールの成長を促進しています。

流行型余震シーケンス (ETAS) は、将来の犯罪現場を予測するために犯罪データに適用される人気のあるモデルの 1 つです。これまでのところ、このグリッド マップ ベースの技術は、人間の捜査員 1 人が行う場合の 2 倍の犯罪を予測することに成功しています。

ETAS モデルは、犯罪は確率的に発生するが、犯罪発生率は歴史に依存するという哲学に基づいています。つまり、地域内で犯罪が発生すると、少なくとも特定の期間、同じ場所または近くの場所での将来の犯罪発生率が上昇します。

ただし、根底にある犯罪プロセスの確率的な性質は考慮されていません。また、限られたノイズの多いデータやモデル選択エラーによって生じる可能性がある不確実性をリアルタイムで追跡することはできません。

アンサンブル ポアソン カルマン フィルター

ETAS モデルを使用して、国際的な研究者チームは、リアルタイムの都市犯罪データを迅速に処理し、違法行為が再発する可能性のある場所を予測できる新しいアルゴリズムを開発しました。アンサンブル ポアソン カルマン フィルター (EnPKF) と呼ばれるこの方法論は、アポロ計画や天気予報で使用されるものと非常によく似ています。

「予測可能性」はいくつかの方法で説明できますが、この研究では、研究者は特定の種類のイベントと予測システムに焦点を当てました。彼らは、今後の関心のあるイベントを警告する「信号」をトリガーするモデルを検討しました。たとえば、今後 1 時間以内に犯罪が発生する可能性が最も高いエリアを示唆する場合があります。

現在の時系列アプリケーションでは、モデルは次の違法行為が次の数時間 (固定) 時間以内に発生するかどうかを予測するために単純化されています。全体として、このアルゴリズムは、軽微な犯罪のホットスポットがどこで発生する可能性があるか、またそのような違法行為に対処するためにどのようなリソースが必要かについて、犯罪部門に提案を提供できます。

参照:ScienceDirect |土井:10.1016/j.csda.2018.06.014 |サリー大学

テストおよびその他のアプリケーション

新しいモデルは、1999 年から 2002 年の間にロサンゼルスで発生した 1,000 件を超えるギャング犯罪を含むデータセットに対してテストされます。彼らは結果を大きなサンプルサイズの粒子フィルターと比較し、実際にその有効性を実証しました。

粒子フィルターに対する EnPKF の主な長所は、精度が向上し、サンプル サイズが小さい場合でもモンテカルロ変動が少ないことです。ただし、このシステムは完璧とは程遠いものです。一部のパラメータ推定値に対して、過小または過大な拡散アンサンブルが生成される傾向があります。

読む:新しい自動運転車のアルゴリズムは積極的に車線変更が可能

チームは現在、EnPKF の高次元拡張機能の開発に取り組んでおり、盗難データを使用してその有効性を分析しています。 研究者らは、このシステムにはさまざまな用途があると考えています。 EnPKF は、地震の余震、電車の遅延、保険請求の追跡に使用できます。