[论文解读] Inspection and crime prevention: an evolutionary perspective

Vassili N. Kolokoltsov, Hemant Passi+1 more|arXiv (Cornell University)|Jun 18, 2013

Crime Patterns and Interventions参考文献 42被引用 14

一句话总结

本文提出一个演化检查博弈模型，其中个体根据相对成功程度而非理性收益最大化来更新策略。研究发现，在连续策略空间下，只要平均犯罪水平与执法成本和检测参数决定的阈值匹配，任何犯罪分布都可能成为均衡结果，且执法水平由成本函数和检测灵敏度唯一确定。

ABSTRACT

In this paper, we analyse inspection games with an evolutionary perspective. In our evolutionary inspection game with a large population, each individual is not a rational payoff maximiser, but periodically updates his strategy if he perceives that other individuals' strategies are more successful than his own, namely strategies are subject to the evolutionary pressure. We develop this game into a few directions. Firstly, social norms are incorporated into the game and we analyse how social norms may influence individuals' propensity to engage in criminal behaviour. Secondly, a forward-looking inspector is considered, namely, the inspector chooses the level of law enforcement whilst taking into account the effect that this choice will have on future crime rates. Finally, the game is extended to the one with continuous strategy spaces.

研究动机与目标

• 通过演化视角建模犯罪预防，其中个体根据相对成功程度而非理性优化来调整策略。
• 将社会规范纳入检查博弈框架，并分析其对犯罪行为的影响。
• 研究前瞻性执法机制，即检查员在设定执法强度时会预判未来的犯罪率。
• 将检查博弈扩展至犯罪水平与执法强度均为连续策略空间的情形。
• 刻画混合策略纳什均衡，其中仅平均犯罪水平影响均衡结果。

提出的方法

• 构建一个包含 N 名个体的群体级检查博弈，个体选择连续的犯罪水平 l ∈ [0, lm]，检查员选择执法强度 q ∈ [0, 1]。
• 使用期望收益函数：个体的 E[UI(l,q)] = r + (1−λq)l − λqσl，检查员的 E[UA(q,Φ)] = −F(q) + λqN∫σlΦ(l)dl − (1−λq)N∫lΦ(l)dl。
• 应用一阶条件推导出检查员的最优执法强度 q* = 1/(λ(σ+1))，其与犯罪分布无关。
• 推导出均衡平均犯罪水平 L* = F′(q*) / (Nλ(σ+1))，作为检查员策略最优的条件。
• 证明：只要概率密度函数 Φ(l) 在 [0, lm] 上的均值为 L*，则其为对 q* 的最优反应，反之亦然，从而确立了一类均衡。
• 引入演化动态机制，个体根据感知的成功程度更新策略，最终在均衡平均犯罪水平附近实现长期稳定。

实验结果

研究问题

• RQ1 在演化检查博弈框架下，社会规范如何影响个体的犯罪倾向？
• RQ2 前瞻性执法（即检查员预判未来犯罪率）对均衡结果有何影响？
• RQ3 在连续策略空间的检查博弈中，混合策略纳什均衡存在的条件是什么？
• RQ4 在相同执法水平下，是否可能存在多种犯罪分布共存于均衡？若存在，其稳定性由什么决定？
• RQ5 平均犯罪水平在决定均衡执法水平中扮演何种角色？这与检查员的成本函数有何关联？

主要发现

• 均衡执法概率 q* = 1/(λ(σ+1)) 与个体犯罪水平 l 及成本函数 F(q) 无关，仅取决于检测灵敏度 λ 和惩罚 σ。
• 只要其均值为 L* = F′(q*) / (Nλ(σ+1))，任意 [0, lm] 上的犯罪分布 Φ(l) 均可成为均衡结果。
• 平均犯罪水平 L* 由检查员成本函数的导数 F′(q*) 以及参数 λ 和 σ 共同决定。
• 检查员的最优执法强度 q* 确保个体在所有纯策略 l ∈ [0, lm] 上无差异，从而支持犯罪水平的随机化。
• 具有相同执法水平的人群可能表现出截然不同的犯罪模式——从少数人集中犯罪到广泛中等程度犯罪——具体取决于分布 Φ(l)。
• 该均衡对分布变化具有鲁棒性：仅平均犯罪水平 L* 影响均衡稳定性，而分布形状无关。