高度予測ツールがリアルタイムで高リスク犯罪ホットスポットを特定

警察と刑事部門はリソースに関する多くのプレッシャーと制約に直面しています。これは、警官がどこに力を注ぐべきかより良い意思決定を支援するスマートポリシングツールの成長を促しています。

Epidemic Type Aftershock Sequence（ETAS）は、犯罪データに適用して将来の犯罪現場を予測する人気モデルの一つです。これまで、このグリッドマップベース技術は単独の人間捜査官の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、犯罪発生率は履歴依存的であるという哲学に基づいています。つまり、ある地域で犯罪が発生すると、少なくとも特定期間、同じまたは近くの場所で将来の犯罪発生率が上昇します。

しかし、基盤となる犯罪プロセスの確率的性質を考慮していません。また、限定的で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リアルタイム不確実性を追跡できません。

Ensemble Poisson Kalman Filter

ETASモデルを使用して、国際研究チームがリアルタイム都市犯罪データを高速処理し、違法行為が再発しそうな場所を予測する新アルゴリズムを開発しました。この手法、Ensemble Poisson Kalman Filter（EnPKF）は、アポロミッションと天気予報で使用されるものと非常に似ています。

「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たちは特定タイプのイベントと予測システムに焦点を当てました。彼らは、関心のある今後のイベントを警告する「シグナル」をトリガーするモデルを考慮しました。例えば、今後1時間以内に犯罪が発生しそうなエリアを提案するかもしれません。

現在の時系列アプリケーションでは、モデルが簡略化され、次の違法行為が今後数時間（固定）以内に発生するかどうかを予測します。全体として、アルゴリズムは犯罪部門に、軽微な犯罪ホットスポットがどこで発生する可能性があるか、そのような違法行為に対処するために必要なリソースは何か、という提案を提供できます。

参照：ScienceDirect | doi: 10.1016/j.csda.2018.06.014 | University of Surrey

新モデルは、1999年から2002年にロサンゼルスで発生した1,000件以上のギャング犯罪データセットでテストされました。大サンプルサイズ粒子フィルターと結果を比較し、実践での有効性を実証しました。

EnPKFの粒子フィルターに対する主要な強みは、小サンプルサイズ文脈での精度向上とモンテカルロ変動の減少です。しかし、システムは完璧から程遠く：一部パラメータ推定でアンダー/オーバースプレッディングアンサンブルを生成する傾向があります。

関連記事：積極的に車線変更する新自動運転車両アルゴリズム

チームは現在、EnPKFの高次元拡張を開発し、侵入盗データで有効性を分析中です。研究者たちはシステムが多様な応用を持つと信じています。EnPKFは地震余震、列車遅延、保険請求の追跡に使用できます。

産業技術