[论文解读] Efficient allocation of law enforcement resources using predictive police patrolling

Mateo Dulce, Simón Ramírez-Amaya+1 more|arXiv (Cornell University)|Nov 30, 2018

Optimization and Search Problems参考文献 1被引用 5

一句话总结

本文提出一种自激发点过程模型，用于预测哥伦比亚波哥大市的犯罪行为，结合时空犯罪数据与迭代核密度估计，以区分背景犯罪与触发犯罪。该模型在固定带宽核密度估计（KDE）和标准热点模型之上表现更优，仅标识城市10%的区域作为热点，即实现59%的命中率，显著提升了警力资源分配效率。

ABSTRACT

Efficient allocation of scarce law enforcement resources is a hard problem to tackle. In a previous study (forthcoming Barreras et.al (2019)) it has been shown that a simplified version of the self-exciting point process explained in Mohler et.al (2011), performs better predicting crime in the city of Bogotá - Colombia, than other standard hotspot models such as plain KDE or ellipses models. This paper fully implements the Mohler et.al (2011) model in the city of Bogotá and explains its technological deployment for the city as a tool for the efficient allocation of police resources.

研究动机与目标

• 为解决在高犯罪城市环境中高效分配有限执法资源的挑战。
• 开发一种能够捕捉空间与时间犯罪模式的预测模型，包括犯罪引发未来事件的自激发效应。
• 部署一个实时、可现场应用的系统，将预测分析与波哥大警务行动整合。
• 通过标准热点检测方法（如KDE和椭圆）验证模型的预测准确性。
• 通过交互式网络与移动可视化工具，实现数据驱动的动态巡逻调度。

提出的方法

• 模型采用自激发点过程，其条件强度为 λ(x,y,t) = μ(x,y)ν(t) + Σ g(x−xk,y−yk,t−tk)，其中 μ 和 ν 分别捕捉空间与时间上的背景犯罪模式，g 则用于建模犯罪触发效应。
• 应用随机去聚类技术，基于时空邻近性将犯罪分类为背景事件或余震事件。
• 采用可变带宽的迭代核密度估计方法，以估计 μ、ν 和 g 函数，并在每次迭代中更新触发事件的概率。
• 算法初始阶段采用时间上的指数衰减和双变量正态分布的空间触发模型，随后通过在概率矩阵 P 上施加阈值化的 L2 范数实现收敛。
• 模型验证基于波哥大市10%的子区域（圣菲区），训练期为10周（2017年6月22日至8月31日），测试期为4周（2017年9月1日至28日）。
• 系统通过与本地警察数据系统集成的混合网络与移动应用进行部署，提供实时热力图与热点可视化，支持巡逻规划。

实验结果

研究问题

• RQ1 自激发点过程模型是否能在波哥大市的犯罪预测中优于标准热点检测模型（如KDE和椭圆）？
• RQ2 可变带宽核密度估计相较于固定带宽方法，在犯罪建模中是否显著提升预测准确性？
• RQ3 预测警务系统在多大程度上可减少为捕获高比例未来犯罪所需覆盖的区域？
• RQ4 在真实部署中，模型性能在不同时间窗口与空间尺度下如何变化？
• RQ5 现场执法人员能否有效采用并整合数据驱动的预测工具至操作决策中？

主要发现

• 自激发点过程模型在四週内预测犯罪的命中率达到59%，优于固定带宽KDE（48%）和标准KDE（46%）模型。
• 仅将城市10%的区域指定为热点，该模型即预测了59%的全部犯罪，展现出卓越的空间效率。
• 在非参数Wilcoxon符号秩检验中，可变带宽模型显著优于固定带宽模型（p值 = 0.030）和标准KDE（p值 = 0.016）。
• 模型的预测准确性随时间推移而提升，命中率从第1周的57%上升至第3周的62%，表明其具备学习与适应能力。
• 自2017年11月起在10个高犯罪率社区部署后，警察人员表现出强烈采纳意愿，已将该工具整合至日常巡逻规划中。
• 混合网络与移动应用支持实时可视化犯罪强度热力图与关键热点，有效支持战略规划与现场作业。