芝加哥大学的科学家开发了一种新算法，可以提前一周预测未来的犯罪，准确率约为 90%，范围约为 1000 英尺。
算法从有关暴力和财产犯罪的公共数据中识别出学习模式来做到这一点。
作者写道：“我们报告了一种在个别事件层面预测城市犯罪的方法，其预测准确性远远高于过去。”
今天发表在《自然·人类行为》杂志上的一篇新论文详细描述了他们的发现。
预测未来的犯罪
该工具使用来自芝加哥市的历史数据围绕两大类报告事件进行了测试和验证：暴力犯罪(凶*、袭击和殴打)和财产犯罪(入室盗窃、盗窃和机动车盗窃)。
使用这些数据是因为——这些事件的报警率更充分。
与毒品犯罪、交通拦截和其他轻罪不同，此类犯罪也不太容易出现执法偏见。
新模型通过查看离散事件的时间和空间坐标来隔离犯罪，并检测模式以预测未来事件。
它将城市划分为大约 1000 英尺宽的“空间瓦片”，并预测这些区域内的犯罪情况。
以前的模型更多地依赖于传统的邻里或政治边界，这会受到偏见的影响。
该模型与美国其他七个城市的数据表现同样出色：亚特兰大、奥斯汀、底特律、洛杉矶、费城、波特兰和旧金山。
主要作者 Ishanu Chattopadhyay 谨慎地指出，该工具的准确性并不意味着它应该用于指导执法政策； Chattopadhyay 说，例如，警察部门不应该使用它来主动聚集社区以防止犯罪。
相反，它应该被添加到城市政策和治安策略的工具箱中，以应对犯罪。
“我们创建了城市环境的数字双胞胎。如果你向它提供过去发生的事情的数据，它会告诉你未来会发生什么。”他说。
“这并不神奇；存在一些限制，但我们对其进行了验证，并且效果非常好。”Chattopadhyay 补充道。
“现在，您可以将其用作模拟工具，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加大，会发生什么。如果你应用所有这些不同的变量，你可以看到系统如何响应演变。”
研究小组还通过分析事件发生后的逮捕人数，并比较不同社区的逮捕率，研究了警方对犯罪的反应
他们发现，当较富裕地区的犯罪水平增加时，就会导致更多的逮捕。但这并没有发生在贫困社区，这表明警察的反应和执法不平衡。
“我们承认强大的预测工具以保护平民的名义将权力置于过度热心的国家手中的危险。”作者总结道，“但在这里，我们展示了它们具有前所未有的能力来监测执法偏见并以难以想象的方式追究国家的责任。”
原题目：城市犯罪的事件级预测揭示了美国城市执法偏见的特征
作者：Victor Rotaru、Yi Huang、Timmy Li、James Evans 和 Ishanu Chattopadhyay
发表于：自然·人类行为
出版日期：2022年6月30日
