美国应用大数据预防犯罪

当今世界缤纷复杂，犯罪分子往往隐藏于无形之中。执法部门除了执行传统的打击犯罪任务外，还将要承担一种新的重要职责，即在犯罪分子作案之前就将其拘捕，以最大程度减小损失。汤姆·克鲁斯2002年主演的《少数派报告》影片中首次展现了这一“先发制人”的设想。目前，预测犯罪已逐渐变为可能，美国洛杉矶警方已成功通过预测犯罪减少了33%的盗窃犯罪、21%的暴力犯罪和12%的侵财犯罪。取得这一成果的关键在于大数据技术，大数据包括开源共享的信息资讯、执法机构获取的情报信息、其他相关部门提供的数据资料等。这些数据能够更加精准地帮助执法人员在案件发生之前就出现在犯罪分子面前，执法人员通过认真分析研究犯罪热点区域，只要犯罪分子一浮出他们的藏身之处，就可将其拘捕。在美国，越来越多的地方执法机构开始应用大数据技术预防犯罪。

美国执法机构利用大数据预防犯罪

1.洛杉矶警方利用基于余震预测的模型预防犯罪

虽然地震仍然极难预测，但余震预测相对容易得多。每当地震发生，在一定的空间和时间内发生余震的可能性相对较高。犯罪数据表现出了类似余震的模式，每当某个犯罪被实施时，就会在犯罪实施的空间和时间周围出现更多的犯罪行为。洛杉矶警方使用的大数据犯罪预测模型由乔治·赫尔教授据此理论开发，他们将过去80年内的约1300万个犯罪数据输入至这个模型，利用庞大的数据集展现洛杉矶的犯罪热点所在，并预测可能发生犯罪行为的地区，此外，洛杉矶警方还与加州大学和PredPol公司合作，设法改进模型和算法。

在试点项目启动之初，警方曾犹豫是否要使用该程序，也怀疑一个数据模型比他们自身经验更能预防犯罪。在一次实验中，警察被分配了一个约500平方英尺的区域，模型预测该区域在12小时内可能发生犯罪。在这12小时内，警察在该区域内增加巡逻频率，寻找犯罪活动或犯罪活动即将发生的证据，洛杉矶犯罪监控中心也同时进行实时监控，实时监控结果证实了模型的有效性。随着该程序的应用，犯罪确实在减少。如今该模型正实时升级，同步更新犯罪数据，以提高大数据的预测准确性。目前该模型已可识别犯罪热点地区，并服务于警方的日常工作。

2.纽约和圣地亚哥等城市利用大数据预测犯罪

纽约和圣地亚哥等城市利用大数据技术，通过分析数据，可以查明犯罪可能发生的区域，警方也可以据此加强对这些区域的巡逻，并采取一系列措施来预防犯罪，如调整器材设施、改善街面路灯照明、增加視频监控等。这种方法的主要难点是，必须全面收集历史犯罪案件并利用历史犯罪数据，但这在很多区域却不具备这样的条件。这就是为什么罗格斯大学需要建立一种风险等级模型，通过分析某一区域的周边环境和某类案件发生的可能条件，从而对犯罪发生进行预测。该模型通过对犯罪高风险区域，如黑暗的街巷或步行较长的道路进行分析，为警方提供犯罪可能发生区域的信息。罗格斯大学的模型在预防犯罪方面发挥着奇效，而且通过现有的数据可以提供警力部署方案，以更好地维护社会公共安全。

美国科研机构研发大数据预防犯罪技术

1.IBM为佛罗里达州劳德代尔堡研发大数据预防犯罪技术

为了预防犯罪和维护社会安全，IBM与佛罗里达州劳德代尔堡警察部门开始合作新的数据分析程序。该项目自2013年1月份开始，也被称作城市资源优化解决方案，不仅用来预防犯罪，而且可以分配警力资源。这个项目将处理来自911报警记录、犯罪纪录、特殊事件信息、公共交通记录等数据。重点是发现犯罪活动形成的时间和地点，例如某一犯罪在某区域发生频率的增长。开展此次合作的最初目标是提高预防犯罪的能力，但更长远的目标是更好地优化资源配置。

2.Datameer分析系统为底特律提供大数据

截至2013年，底特律已经连续5年蝉联福布斯最危险城市排行榜，目前该市正在积极采取措施打击犯罪。底特律犯罪委员会由前FBI探员、密歇根州警察、底特律警察组成，主要打击密歇根州东南部的犯罪活动。该委员会的一个关键策略就是确定那些众所周知的从事危险犯罪活动的群体。因此，底特律犯罪委员会需要整合私有的、公共的与犯罪有关的TB级数据来辅助调查。他们需要一个可以快速方便整合数据，进行信息分析并能够预测犯罪行为的解决方案。经过对大数据分析工具的分析研究，底特律犯罪委员会选择了Datameer的大数据分析系统，用来整合、分析、可视化大数据。Datameer端对端解决方案能够处理数据分析过程中所有的关键任务，可以从结构化和非结构化的数据源中快捷地提取大量的信息，支持快速分析和可视化结果展示。这样能够识别人与犯罪之间的关系，而这些关系以前通过简单的查看表格是看不到的。

3.其他利用大数据预防犯罪的程序

RTM Dx是一个由罗格斯大学的研究人员开发的犯罪预防应用程序，已经被科罗拉多州、得克萨斯州、密苏里州、新泽西州、亚利桑那州和伊利诺斯州执法机构使用。RTM Dx使用地理位置信息和历史犯罪数据来评估犯罪发生的空间相关性，据此可以确定各种地理位置和犯罪率之间的相关度，然后决定哪一种相关度有必要持续监测和深度研究。

LexisNexi致力于通过社交媒体监控和追踪犯罪行为。犯罪分子客户端的状态更新、电子邮件、配置文件等信息往往会留下破案线索。LexisNexi从各种社交网站收集信息，允许执法人员过滤某些条款、地点、趋势等。例如，若某执法人员知道在某些地区有大量的抢劫行为存在，他可以通过某些条款来过滤社交媒体数据， 在法庭上这些数据都可以起到作用。

（张培，北京市通州区人民法院。）