利用大數據預測犯罪？看洛杉磯警局是如何做到的 2016年09月30日10:16 來源：36大數據|

  洛杉磯警局與加州大學洛杉磯分校合作，采集分析了80年來1300萬起犯罪案件，用于進行犯罪行為的大型研究，通過算法預測成功將相關區域的犯罪率降低了36個百分點。

 可見，算法不僅僅可以幫助運營人從用戶數據挖掘中獲得靈感，同樣，如果不是簡單地分析以往的犯罪規律，而是采用預測式警務的做法，分析人員就可以利用之前犯罪行為表現出來的規律，全神貫注地分析下一個可能發生犯罪行為的地點并重點干預。

 10年前，在梳理2.45億顧客每周生成的海量數據時，沃爾瑪的數據挖掘算法偶然發現了一條奇怪的信息：在發布惡劣天氣預警后，除了管道膠帶、啤酒及瓶裝水等應急用品以外，草莓醬餡餅需求量的增長幅度最大。為了驗證這一發現，在2004年颶風“弗朗西斯”即將襲來的消息發布后，沃爾瑪超市的管理者下令用卡車裝載家樂氏快餐，運送至可能遭受颶風襲擊的地區。結果，這些快餐很快就被搶購一空。通過這個，沃爾瑪的管理者對消費者的消費習慣及“公式”的威力有了非常清楚的認識。

 認識到這個發現具有重要價值的并不僅僅是沃爾瑪的管理層。當時，心理學家考林·麥庫與洛杉磯警察局長查理·貝克正準備合寫一篇論文，并向法律實施方面的雜志《警察局長》投稿。他們以沃爾瑪的這個發現為契機，對警務工作進行了再思考，認為其要由反應式向預測式轉型。

 2009年，他們的這篇題為《預測式警務：沃爾瑪及亞馬遜對打擊經濟衰退期犯罪行為的啟示》的論文一經發表，就立刻引起了美國法律實施專業人士的關注與思考。麥庫與貝克所謂的“預測式警務”，是指由于計算機科學的發展，犯罪數據的收集與分析工作有可能做到“準實時”，因此在將來可用于提高預測、預防和響應犯罪行為的效率。借用Quantcast的廣告詞來形容，這意味著警察可以“提前了解、提前行動”。

 目前，與預測式警務聯系最緊密的人當屬洛杉磯警察局的肖恩·馬林諾夫斯基警官。他被指派協助威廉·布拉頓局長的工作，先是當他的助手，后來成為他的參謀長。從此，馬林諾夫斯基時來運轉。在來到洛杉磯之前，布拉頓在紐約市工作。

 他只用了幾年時間，就將紐約市的犯罪率降低到之前的一半，在警界名聲顯赫。布拉頓的工作方法很有效率，但也明顯不循常規。在到紐約市警察局之前，他還擔任過紐約警察部門的領導者。在此期間，他首先對逃票行為予以打擊，把紐約市地鐵系統從一個犯罪案件頻發的暴力之地變成了一個遵紀守法、安寧整潔、秩序井然的場所。

 換句話說，在重大犯罪率創歷史最高紀錄的時候，布拉頓首先關注的是讓人們掏錢買車票。他的理由十分簡單。2009年，他在回憶錄中說，逃票是導致更嚴重犯罪行為的根源。布拉頓指出：“合法乘客會認為他們身處一個不講法律、沒有秩序的場所。

 他們看到人們不買票就能乘車，便開始懷疑遵紀守法是否明智。久而久之，整個社會就會陷入一片混亂?！蓖ㄟ^制止并懲處違法行為，甚至連最輕微的犯罪行為也不放過，就會讓那些制造麻煩的人明白，最好還是掏錢買票，并且把武器（搜查時通常會被發現）留在家中。因此，犯罪率開始急劇下降。

 來到洛杉磯之后，布拉頓希望繼續實施某些先發制人的手段。馬林諾夫斯基在布萊頓的手下工作了5年，親眼見證了布拉頓單憑意志力就使一個暮氣沉沉的部門發生了種種良性的變化。他說：“如果我們所處的機構官僚主義盛行，我們就會對遇到的各種阻力習以為常，而我們的創造力卻會受到限制。布拉頓告訴我不要受到官僚主義的影響，他還教導我要有遠大的志向，要有所作為?！?

 在工作中，布拉頓最迫切期待的是不斷出現一些可以帶來革命性變化的“奇思妙想”。他認為，預測性分析可以幫助他實現這個愿望。布拉頓發現，犯罪率與數據分析的速度之間存在某種聯系。1990年，警察局一年只能完成一次犯罪數據的收集與研究工作，而同一年，美國大多數城市的犯罪率正在急劇攀升。

 到1995年年底，警察局可以做到每月研究一次犯罪數據，而同期的犯罪率卻有所下降?，F在，他們可以隨時查看犯罪率情況，因此布拉頓希望通過預測可能發生犯罪行為的地點，大幅度降低犯罪率。既然Quantcast和谷歌等公司可以從用戶數據挖掘中獲得靈感，同樣，如果不是簡單地分析以往的犯罪規律，而是采用預測式警務的做法，分析人員就可以利用之前犯罪行為表現出來的規律，全神貫注地分析下一個可能發生犯罪行為的地點。用亞馬遜的話說：“既然你敢偷手提包，難道你就不敢搶酒莊嗎？”

 用算法預測并制止犯罪行為

 眾所周知，在某個具體區域內，犯罪地點并不是隨機分布的，而是集中于某些小范圍的“熱點地區”。比如，西雅圖歷時14年收集的犯罪數據表明，有一半的犯罪行為都集中在占該市4.5%的街道上。

 明尼蘇達州明尼阿波利斯市的情況也差不多，半數電話都來自占該市3.3%的街道。28年間，波士頓市多達66%的街道案都高度集中于占該市8%的街道。了解這些熱點地區以及這些地區可能發生哪些類型的犯罪行為，對城市的警力部署具有非常重要的參考價值。

 例如，假設在我們當地的白鹿酒吧門口，每周六晚上都有人因實施人身侵害行為而被捕。如果我們可以證明這個假設是正確的，那么不難預測以后的周六晚上在同一地點還會發生類似的行為。因此，派一名警官到那里執勤，就可以預防此類惡性事件再次發生。

 在發現了上述特征之后，布拉頓局長請肖恩·馬林諾夫斯基協助他做這件事。在接受布拉頓的建議之后，馬林諾夫斯基每個周五下午都會開車去加州大學洛杉磯分校，與該校數學系與計算機科學系的人碰頭。

 洛杉磯警察局同意提供犯罪統計數據集（該數據集非常龐大，收集了80年來約1300萬起犯罪案件的相關數據），用于進行犯罪行為的大型研究。馬林諾夫斯基非常享受與加州大學洛杉磯分校的研究人員一起合作的這段經歷。10年前，他在查處酒駕任務中與警察的第一次合作使他對警務工作產生了興趣，而在這次與計算機科學家的合作中，他們梳理數據、尋找規律，并試圖建立某些公式的研究工作，再一次吸引了他。

 馬林諾夫斯基回憶說：“我非常喜歡那段經歷?！碑敃r，一位數學家兼計算機科學家的研究讓他產生了濃厚的興趣。這位二十四五歲的年輕人名叫喬治·莫勒，當時正在研究一個用于預測地震危害的算法。在剛聽到莫勒的研究領域時，馬林諾夫斯基以為這與他們當時的研究關系不大，但后來他發現自己錯了。

 地震會導致余震，而犯罪行為也有同樣的特點。在發生入室或汽車失竊案之后，短時間內同一地點發生類似犯罪行為的可能性會增至之前的4~12倍。這種傳染作用叫作“鄰近重復”（nearrepeat）效應。莫勒解釋說：“搶劫犯常常會在一周后再次潛入同一住戶或鄰近住戶的家中作案?！?

 加州大學洛杉磯分校的研究小組借鑒了莫勒地震研究的某些成功做法，在人類學家杰夫·布蘭汀漢姆與犯罪學家喬治·蒂塔的幫助下，建立了一個犯罪預測算法。他們把洛杉磯市分成單位面積約為0.15平方公里的一個個“方塊區”，然后按照犯罪行為發生的可能性為這些方塊區排序。

 2011年11月，他們利用該算法開展了一次為期三個月的隨機研究。在當天的“巡邏待命通知”中，馬林諾夫斯基一開始就明確宣布：“今天是一個歷史性的日子?！彼诘母惶叵枀^有拉圖那峽谷、湖景露臺、帕克伊馬、影子山、太陽谷、桑蘭以及圖洪加7個主要的巡邏區，被分成共計5200個方塊區。

 在當天早晨點名時，富特希爾區的每個巡邏警察都收到一份任務地圖，每張地圖上都清楚地標示出一個或多個方塊區，表明這些地區是犯罪發生“可能性高”的區域。圖上還附有犯罪類型的統計學預測。馬林諾夫斯基告訴他們：“只要你們有時間，就深入這些方塊區巡邏，找出那些可能會采取犯罪行為的人或預示著可能會發生犯罪案件的狀況，并采取強制或預防措施，避免犯罪案件發生?！?

 這次實驗一直持續到第二年的2月。次月，他們對實驗結果進行了評估，并就是否推廣這項技術形成了結論。分析顯示，這項實驗取得了非常顯著的成果。實驗期間，富特希爾區的犯罪率下降了36個百分點。在利用算法為巡邏隊下達指令的那些天里，算法預測犯罪行為的準確程度是分析人員的兩倍。

 喬治·莫勒說：“造成這個結果的原因之一是，人腦無法準確地為全市20個熱點地區排序。也許人腦可以找出排在前兩位的熱點地區，但是排完前6位或前7位之后，剩下的只能胡亂猜測了?！?

 這項技術在推廣之初并非一帆風順，其中大部分阻力來自馬林諾夫斯基手下的那些警察。他承認：“的確，有的警察認為自己不需要計算機來告訴他們哪里有可能會發生犯罪行為。

 很多家伙都抵制這種做法，即使告訴他們計算機的預測結果，他們也會說：“我早就知道范納伊斯與格倫奧克斯的交界處是一個麻煩之地?！谑俏覇査麄儯骸@個地方一直讓我們頭疼，對嗎？那你們在這里工作多久了？’他們說：‘我們在這個地方已經工作10年了?！医又f：‘既然10年前你們就知道這個事實，為什么這個問題至今沒有解決呢？別廢話了，趕緊去那里把這個問題解決掉?！?/p>

責任編輯：鐘娟娟

上一頁1