大數據預測犯罪，科幻還是現實？
從矽谷到世界各地，大數據被視為科技領域最熱門的話題。隨著智能手機等其他攜帶型智能設備的出現，人類的位置，行為，個人喜好，甚至身體的各項生理數據等每一點變化都變成了可被記錄，儲存和分析的數據。這些數據看似普通，但是卻是被廣泛地使用在商業行為用途中。以此為基礎，『反饋經濟』等新經濟和新商業模式也應運而生。
曾幾何時，大數據的價值被人類大大忽略。一方面，那時的計算機以及其附加計算工具發展尚不成熟。雲計算出現之前，傳統的計算機是無法處理如此量大，並且毫無規則的信息數據。而另一方面，是人類自身沒有意識到蘊藏在大數據里無窮的信息價值。隨著計算機技術和互聯網技術的發展，雲計算成為一個科技時代的優秀產物被作為發掘數據價值，征服數據海洋的強大動力。
大數據被廣泛應用於公共衛生服務，商業服務，國防科技的領域的例子比比皆是。在這些領域，數據正在成為巨大的經濟資產，成為新世紀的礦產與石油。隨著近期全球犯罪率加劇以及恐怖襲擊案發生頻繁，各國的安全部門正考慮引進大數據技術來幫助預測犯罪及恐怖襲擊地點。很多人有疑問，這樣真的行得通嗎？
2011年，美國洛杉磯警察局和英國曼徹斯特警察署聯合做了一次測試，他們使用了一個計算機演算法來試圖預測犯罪地點。這聽起來很像美國科幻大片的場景，但是兩家警察局確實只是為了使用大數據來預測罪犯的行為特徵，從而預測犯罪的發生地點。通過這個辦法，就可以通過提前部署相應的警力和預防措施來化解或應急處理一場犯罪。
警察防止犯罪並不是什麼新鮮事，人類使用警力來防止犯罪的歷史已有千百年。但是警察使用大數據來防止犯罪確實是第一次。這就意味著，人類不再依據過往的經驗預測犯罪高發地點，而是依賴於機器人-電腦程序。
犯罪數據特徵模仿了疾病傳播和地震波傳動特徵。倫敦大學的學者們根據犯罪數據的特徵，做了一項虛擬的實驗。下面的系列圖片詳細地介紹了這個實驗過程。下圖中，學者們假設犯罪（搶劫）發生於某城市邊郊的一棟房屋裡。通過實驗的模擬分析，學者們發現，事發地點周圍的搶劫案發生的風險概率要遠遠大於離案發點更遠的地方。而且隨著距離的增加，這種風險會急速減小。以案發點200米為半徑的地區是此類案件再發的高危地區。但是，這種再次案發的風險也會隨著時間的推移而減小。高風險通常是在首次案發的兩個星期以內。而兩個星期之後，這種風險會隨著時間推移加速減小。學者們一致認為，離案發地的距離和案發後的時間是預測再次案發的兩個重要指標。因此，警察署可以根據這兩個指標來布置警力以及通知當地居民做好防範措施。
在另外一項試驗中，如下圖，學者們假設在首次案發的兩周內，案發地點附近又發生了另一起犯罪案件。研究結果表明，第三次案發的風險完全覆蓋了首次案發地點和第二次案發地點之間的所有區域。這種犯罪案發風險並不是兩次獨立案發事件影響簡單疊加的結果，而是其中有著一種相互放大彼此影響的效應，以致波及到了更大的範圍。警察叔叔們需要投入更大的警力來維護該地區的治安。
這個方法真的有效嗎？美國人搶先試用。2011年，洛杉磯（以下均簡稱洛城）警察局試用了這項研究的成果，結果當年洛城的入室搶劫犯罪案件大幅度減小。現如今，這項研究結果已經被做成了預測分析軟體來進一步協助落成的警察們預測犯罪案件的發生地。
聽說美國人成功吃了第一個螃蟹，英國也急於嘗試一下自己的科研成果。隨後，從肯特郡到約克郡，英國多地的警察局都參與到了英國的犯罪預測實驗項目中來。實驗結果顯示，犯罪行為通常表現出明顯的規律特徵，而科學家們新加入的預警模型也可以幫助大幅度降低犯罪案件的發生率。其中一例，2011年曼徹斯特（以下均簡稱曼城）市的特拉福德區的搶劫案跟之前一年同期相比下降了26.6個百分點，而整個曼城市的搶劫案件發生率相較之前一年同期減少了9.8個百分點。
但並不是所有警察叔叔們都有著如此美好的用戶體驗。肯特郡警署卻並不同意絕大多數同僚的用戶感言。經歷了大約四個月成功而有效地試用期後，2013年四月分開始，肯特郡的搶劫案如離離原上草一般，猛然復甦，犯罪率如瘋狂報復般上漲。各地警署和專家們聽聞後大為吃驚。難道大數據預測犯罪還是不夠可靠嗎？通過調查肯特郡的警力調動歷史數據，專家們驚奇發現，在成功的四個月後肯特郡警署自以為犯罪率下降了，而降低了警力的布置，進而引發了犯罪案件數量的回漲。
作為2014年亞太經合組織領導人非正式會議的舉辦地，北京懷柔警方通過運用科學分析模型，雲計算技術以及大數據技術，以懷柔地區9年1萬6千個歷史案件信息為資料庫建立了犯罪數據分析系統和犯罪趨勢預測系統。該系統有效地預測了北京地區的犯罪趨勢，並成功地指導了警力的投入。
研究表明，每類犯罪案件的犯罪事件和犯罪地點都是有規律可循的，犯罪預測系統可以以數軸的方式預測出不同時間段犯罪的發生概率。目前，世界上犯罪預測系統通常包括了對入室盜竊，搶劫，詐騙，破壞公物等幾十類案件的預測分析，大大提高了此系統的實際應用範圍。最近，該系統又被擴展到了交通事故和火災事故的領域。
TAG:知識百科 |