基于大数据的预测警务在美国的发展现状

　　随着全球数据量以及数据分析需求的急速増长,大数据除被越来越多的运用到新闻业、政府以及金融机构等行业之外,也为预测性警务技术的迅速发展带来了机遇。通过使用基于大数据的预测性警务技术,警务人员能够从海量的案例信息、社会资源信息中提取有用的数据,分析出暴カ犯罪、恐怖袭击、恶性群体性事件等各类案件发生的要素特征,从而进行以数据为驱动的犯罪预测。执法机构可根据预警信息调整和部署警力,将犯罪化解在萌芽状态。

　　犯罪预测的源头可追溯至二十世纪八十年代的美国,那时疲于应对犯罪的纽约市交通警察队长 JackMaple 非常希望能在犯罪发生之前予以制止。为了做到这一点,他尝试在约16.8米宽的墙面上标记出了纽约市的每个地铁站的位置及以往发生的犯罪案件。到1990年为止,Maple通过不同颜色的别针标记出了整个纽约地铁的犯罪形势,他将这个地图称作“未来之图”(Charts of the Future).通过该地图,警察可以知道哪个街区容易发生哪种犯罪,从而更有效地部署巡逻警力。 而事实证明,这种方法确实有效,1990年到1992年间,纽约市警察在“未来之图”的帮助下地铁抢劫案减少了27%。

　　1994年,在“未来之图”的基础上,一种以计算机数据驱动的警务控制犯罪系统CompStat(计算机统计数据比照,Computer ComparisonStatistics)得以创建,其是一种多元化的系统,用于管理警察业务流程运作。纽约、新奥尔良和明里波利斯的警察局自从采用Compstat系统后,其所在地区的犯罪率呈双位数的下降。CompStat 系统所获得的巨大成功使“预测警务”这一概念受到的关注越来越多。

　　目前,基于大数据的预测警务在美国方兴未艾。在2012年一项针对近200个美国警察局的调查中,70%的警察局表示,在未来2~5年开始或增加对预测警务技术的使用。而纽约、洛杉矶、新奥尔良、孟菲斯等多地警察局已在工作中应用基于大数据的预测警务软件,并取得了良好的效果。

作者：陈甜甜

编辑：广汉