最好用的大数据分析软件 大数据预测技术软件( 二 )


区域犯罪预测是对一个场所、社区、城市、省或国家的犯罪现象进行预测, 评估其犯罪发生的趋势, 为区域犯罪预防提供基础 。 德国Precobs软件是区域预测的典型, 该软件主要利用过往犯罪的数据(如位置、时间、事件和其他细节)等查找“高风险”区域 。 其预测过程可概括为以下步骤:首先, 定义检测重复犯罪的标准;其次, 计算在逆向分析中已经检测到近重复数据出现的区域并创建空间预测 。 通过逆向模拟测试标准和计算的区域, 以查看所选假设是否有效 。 当这些区域记录了新的触发要件时, 将创建预测(警报), 以安排警察的执法活动 。
创新:犯罪预测的样本选择与分析方式
【最好用的大数据分析软件 大数据预测技术软件】大数据的运用, 创新了以下过程 。 “预测警务”的开展过程是大数据公司与警务部门间不断进行数据交换与预测执行、反馈的过程, 大致由以下步骤组成:
可以看出, 数据是“预测警务”开展的前提与核心 。 相较于传统犯罪预测方式, 大数据背景下的犯罪预测最具“颠覆性”的发展当是样本选择和分析方式的变化 。
二、犯罪预测数据化的新机遇
犯罪预测是犯罪预防必不可少的前提条件 。 在大数据背景下, 犯罪预测的手段和方式更加智能化, 各种可视化技术和机器学习算法被运用到犯罪预测中, 从而为犯罪预防带来了非常重要的新机遇 。
改变传统警务执法模式
传统“标准警务”往往体现为事后的应对 。 在有限的警力、经费限制下, 警务资源更多地投入到案件侦破、打击现行犯罪中, 从而形成热点聚焦和大案主导的反应式警务模式 。 然而, 反应式警务模式正面临边际效能困境, 在一定时期、一定区域内更多的警力资源投入对于整体警务效能提升的作用呈递减态势 。 在美国, 1980年代起警察管理部门开始把警务资源从巡逻转向处理公民的报警电话, 因此强化了孤立的应对性警务 。 然而, 实践证明传统的事后应对、反应式警务只能促进打击犯罪, 并不能对犯罪预防起到非常大的积极作用, 因而也难以达到有效控制犯罪的目标 。
在人员不足、经费有限的情况下, 如何合理配置警务资源, 提升警务效能成为现代警务改革的重要问题 。 信息科技的进步为此提供了解决之道 。 通过加强警务系统的信息化、数据化水平, 促使警察执法模式从传统“标准警务”“反应式警务”向“智慧警务”“预测警务”过渡 。 基于大数据的运用, 犯罪预测的数据作用凸显 。 警察部门根据犯罪预测所形成的可视化视图, 可以更加合理安排日常工作 。 在2009年美国“预测警务”研讨会上, 旧金山警察局局长乔治·加斯科恩曾表示, “有了预测警务, 我们可以在适当的时间把警察放到适当的位置或提供其他服务来打击犯罪, 并且可以使用更少的预算做到这一点” 。 也因此, 警察巡逻的随机性递减, 警务执法模式由传统走向数据化、智能化 。 在我国, 越来越多的公安指挥中心也从单纯的接警、派警, 变成集数据、情报、指挥、服务于一体的综合平台, 从而更好地预知预警、防控风险 。
提升犯罪预测的效率与精确度
在传统警务模式中, 犯罪预防往往采用随机预防式巡逻 。 有观点认为, 如果警察开着有巡逻标志的警车定期在小区巡逻, 即使他们没有特定目标, 也会震慑住潜在的犯罪嫌疑人 。 20世纪70年代, 华盛顿的警察基金会在密苏里州的堪萨斯市做了一个实验, 结果显示, 随机预防式巡逻对犯罪率没有产生实质影响 。 与此相反, 大数据在犯罪预测中最直接的作用就是提升犯罪预测的效率与精确度, 从而达到更好的犯罪预防效果 。


特别声明:本站内容均来自网友提供或互联网,仅供参考,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。