2022
07/06
相关创新主体

    创新背景 

    人工智能和机器学习的进步受到各国政府关注,一些国家希望利用这些工具能够预测性调动警力,以遏制犯罪。然而,早期的犯罪预测工作没有考虑到警察执法中的系统性偏见及其与犯罪和社会的复杂关系,因此这项工作一直存在争议。

    离散事件系统是指系统的状态在一些离散时间点上由于某种事件的驱动而发生变化。是由异步、突发的事件驱动状态演化的动态系统。

    创新过程

    一篇2022年6月30日发表在《自然-人类行为》期刊中的论文中提到,芝加哥大学的数据和社会科学家开发的新算法,可以通过从暴力和财产犯罪的公共数据中学习时间和地理位置的模式来预测犯罪。该算法成功提前一周预测未来犯罪,准确率约为90%。

    这项新模型使用芝加哥市的历史数据进行了测试和验证,这些数据涉及两大类报告事件:暴力犯罪(凶杀,殴打与人身攻击)和财产犯罪(入室盗窃,抢劫和机动车辆盗窃)。

    该模型通过观察离散事件的时间和空间坐标和检测模式来预测未来事件,从而预防犯罪。它将城市划分为每个大约300米宽的片区,并预测这些区域内的犯罪率,而不是依赖传统的社区或行政边界,因为这些边界也会有偏差。该模型在亚特兰大、奥斯汀、底特律、洛杉矶、费城、波特兰和旧金山这七个美国城市的数据中表现同样出色。

    芝加哥大学医学助理教授、该研究的资深作者Ishanu Chattopadhyay谨慎地指出,该工具的准确性并不意味着它应该被用来指导执法,警察部门不应该用它来主动进入社区以防止犯罪。相反,它应该被添加到城市政策和治安策略中,以应对犯罪问题。

    Ishanu Chattopadhyay表示:“我们模拟一个数字化的城市环境。如果你向它提供过去发生的数据,它会预测出未来会发生什么。这并不神奇,也存在一些局限性,但我们对其进行了验证,并且效果非常好。你可以把它当作一个模拟工具,看看如果城市某个地区的犯罪率上升,或者另一个地区的执法力度提高,会发生什么。如果你应用所有这些不同的变量,你可以看到系统是如何应对的。“

    创新关键点

    芝加哥大学的数据和社会科学家开发的新算法可以通过从暴力和财产犯罪的公共数据中学习时间和地理位置的模式来预测犯罪。这种新算法不仅能够提前一周预测未来犯罪,且准确率高达90%。

    —————————————————————————————————————————————————————————————————————————————
    New algorithms developed using big data could predict crime a week in advance

    The algorithm successfully predicted future crimes a week in advance with an accuracy of about 90 percent.

    The new model was tested and validated using historical data from the city of Chicago on two broad categories of reported incidents: violent crime (homicide, battery and assault) and property crime (burglary, robbery and motor vehicle theft).

    The model predicts future events by observing the time and space coordinates of discrete events and detection patterns to prevent crimes. Instead of relying on traditional community or administrative boundaries, which can also be skewed, it divides the city into sections about 300 metres wide each, and predicts crime rates within those areas. The model performed equally well for seven US cities: Atlanta, Austin, Detroit, Los Angeles, Philadelphia, Portland and San Francisco.

    Ishanu Chattopadhyay, assistant professor of medicine at the University of Chicago and senior author of the study, was careful to note that the tool's accuracy does not mean it should be used to guide law enforcement, and police departments should not use it to proactively enter communities to prevent crime. Instead, it should be added to city policies and policing strategies to deal with crime.

    "We simulate a digital urban environment," says Ishanu Chattopadhyay. If you give it data about what happened in the past, it predicts what will happen in the future. It's not magic, it has some limitations, but we tested it, and it worked really well. You can use it as a simulation tool to see what would happen if crime went up in one part of the city, or law enforcement went up in another. If you apply all these different variables, you can see how the system copes. "

    智能推荐

    • 化学工程创新 | 通过确定催化位点的最佳结构加快催化剂设计

      2022-08-18

      通过统计催化纳米颗粒不同位置位点的相邻数来确定铂基催化剂的催化位点,进而开发快速设计催化剂的方法。

      涉及学科
      涉及领域
      关键词 
    • 利用光学干涉测量技术使花香释放过程可视化

      2022-08-05

      利用光学干涉测量显示百合花释放挥发性有机化合物的频率,可视化气味排放可以帮助了解植物和传粉媒介的相互作用。

      涉及学科
      涉及领域
      关键词 
    • PERK阻断巨噬细胞路径有望阻止肿瘤生长

      2022-06-28

      通过PERK蛋白改组阻断巨噬细胞路径,帮助阻断实体瘤生长路径。

      涉及学科
      涉及领域
      关键词 
    • 机器人 | 创新利用旋转马达提高机器人跳跃高度

      2022-06-29

      摆脱仿生依赖,专注工程跳跃技术探索提高机器人跳跃高度。

      涉及学科
      涉及领域
      关键词