Hur Data Hjälper Lagstiftning Ändra brottsliga "Playgrounds" till säkra utrymmen

$config[ads_kvadrat] not found

Big data, дополненная реальность и компьютерное зрение / Интервью с Data Scientist

Big data, дополненная реальность и компьютерное зрение / Интервью с Data Scientist
Anonim

Även om det är frestande att minska brottslingar till ingenting annat än motivationer eller misstag, är det viktigt att komma ihåg att felaktiga personer finns i fysiska utrymmen som påverkar deras beteende. Lawbreakers är nästan lika förutsägbara som resten av oss. De försöker inte råna banker som ligger bredvid polisstationerna. De bryter inte in i daghem. De flyger inte ner motorvägar till fots. Om allt låter uppenbart, överväga det här: Moderna brottsbekämpning är i stort sett inrättad för att svara på något. Det är därför som kriminologer börjar utnyttja avancerad kartläggningsteknik för att förstå vilka brottslingar som gör i specifika miljöer och hur dessa miljöer kan ändras för att hålla freden.

Leslie Kennedy och Joel Caplan, akademiker inom Rutgers School of Criminal Justice, kombinerar styrkorna i dessa discipliner med sitt arbete kring grafiska informationssystem utformade för kartläggning och rumslig analys. Med hjälp av kriminell rättvisa professor Eric Piza uppfann de riskmodellmodellering, en metod för att bestämma brottslighetens spatialdynamik och utreda hur man ändrar miljöer för att förhindra felaktigheter istället för att reagera på det. Medan andra brottkartor pekar ut de heta fläckarna, hindrar Kennedy och Caplans modell dem. De är blisterförhindrande band-aids of violence.

Diagnostikverktyget Risk Terrain Modeling är gratis att ladda ner och använda, vilket är precis vad brottsanalytiker runt om i världen gör. Och det fungerar: När polisen i Glendale, Arizona började använda modellen, upplevde staden en minskning med 42 procent i rån under tre månader. Det är vild framgång utan skott skjutna - klart ett steg framåt för amerikanska brottsbekämpningen.

Omvänd talade med Kennedy och Caplan om sitt arbete, riskbedömning och hur data kan göra stadsplanering till en form av mjuk kraft.

Hur kom du båda till att fokusera på GIS-kartläggning och rumslig analys som ett delområde av straffrätt?

Joel Caplan: Jag började använda GIS eftersom jag tycker om att förstå de rumsliga aspekterna av den kvalitativa, teoretiska och kvantitativa sidan av kriminologi. Titta på det rymliga perspektivet är meningsfullt eftersom alla arbetar någonstans i det rummet.

I årtionden har forskare i kriminologi begränsats till data som ofta samlas på aggregerad nivå - folkräkningsdata, rasdemografiska data, hushållsinkomstdata - som samlas in för vissa ändamål och tillämpas på frågor om forskning och utvärdering inom straffrätten. Det har varit de data som finns.

Leslie Kennedy: Jag har jobbat här länge. Mitt ursprungliga intresse var i stadsstudier och mycket forskning hade gjorts i åratal i kriminologi med fokus på brottsgeografi. Men det pratade inte riktigt mycket om vad som hände på mikronivån och hur miljöens egenskaper kunde påverka det enskilda beteendet.

Vad GIS tillåter oss att göra är faktiskt att placera platser på kartan och sätta egenskaper eller metadata till de platserna. Då kan vi börja försöka räkna ut förhållandet mellan, till exempel, placeringen av barer, eller placeringen av skolor och vilken typ av resultatåtgärder som brottslighet eller brott eller våld. Vi kan utforska testa teoretiska begrepp och gå utöver att bara märka koncentrationen av brott på vissa platser. Vi lägger till all denna extra information som sitter på den platsen, försök att utnyttja det och förstå rumsliga influenser på dessa resultat.

Det låter otroligt komplicerat. Hur tycker du om potentiella korrelationer och relationer?

LK: Det är viktigt att visualisera dessa relationer på en karta eftersom du behöver få de personer som påverkar resultaten - organ eller polis eller vad som helst - att förstå att om de går till dessa platser och hanterar de problem som påverkar brottslighet där, materia. Och då kan du skapa en annan karta och visa effekterna av deras ingrepp på dessa riskfaktorer och se om det var en förändring i brottsbeteendet.

Kan du gå igenom vad en vanlig förfrågan kan se ut?

LK: Det kan hända att du har en teoretisk idé - som att barer leder till våldsbrott vid platsen för barer. Vad har platsen för barer att göra med utfallet av brott? Det finns alla dessa sannolika faktorer. Vi kan analysera dem eftersom de nödvändiga dataseten är tillgängliga.

Är det rättvist att säga att det här är ett både förebyggande verktyg för att låta polis och säkerhet veta vart man ska gå, och också för att det ska hända i framtiden?

LK: Tanken är att just nu kan de bestämma huruvida de har haft framgång, se om brottsligheten har fortgått eller de har fått ett visst antal arresteringar. Så, om de arresterar många människor, går brottsfrekvensen upp, eller hur?

Höger.

LK: I slutändan ska det gå ner - arresteringarna ska leda till en minskning, men de kommer fortsätta att gå tillbaka till samma platser om och om igen. Så de kommer att säga: "Ja, men det är där brottet inträffar." Och vi säger, "Ja, det var där brottet inträffade, för att du inte har blivit av med den underliggande anledningen till att det händer där." Om du går där måste du försöka ta itu med brottet baserat på de saker som händer på den platsen. Snarare än att gå till en park för att arrestera rånare, går du till tunnelbanestationerna där rånarna faktiskt äger rum. Prediction handlar inte nödvändigtvis om var nästa brott kommer att äga rum. Vi förutsäger var den största risken för brottet är och de sannolika bakomliggande orsakerna.

Tanken är att du kan gå tillbaka efteråt och utvärdera huruvida du gjorde det - som att lägga upp CCTV eller sätta fler polis vid tunnelbanans ingångar - arbetade istället för att bara jaga hot spot om och om igen.

JC: Det exempel vi ger är lekplatsen exemplet. Om jag säger att en massa barn spelar på samma ställe om och om igen, berättar det dig om var de här barnen spelar.Men om du tar ditt fokus från barnen och tittar på miljön kan du observera att det finns funktioner i landskapet som definierar platsen som en lekplats: gungor, glidbanor, sågsågar. Vi förväntar oss att barnen kommer att lockas till denna plats, i motsats till andra platser som inte har sådana underhållande egenskaper. På grund av den diagnostiska processen att förstå vad som lockade dessa barn om och om igen kan vi förutse vilka typer av beteenden vi skulle förvänta oss på platser med liknande förhållanden. Så om vi inte vill att barnen ska leka längre, kan vi ta bilden och göra det tråkigt.

Det är ett godartat exempel på vad vi gör när vi försöker förstå varför vissa platser är så lämpliga för brott att fortsätta. Diagnostisera de underliggande förhållandena som lockar brottslighet om och om igen, gör exakta prognoser - det är i sig en diagnostisk procedur som informerar oss inte bara vart vi ska gå, utan vad vi ska fokusera på när brottsbekämpning kommer dit. Om du inte vill att människor ska gå till en plats som lockar dem, gör något om miljön som gör det mindre attraktivt.

Arbetet du gör verkar vara beroende av tekniks framsteg. Finner du att detta område snabbt förändras på grund av det? Vad ser du som framtiden för den här typen av arbete?

LK: Det är en intressant fråga. Jag tror att det är en viss medvetenhet hos polisbyråer att de behöver bevisbaserad praxis och de måste avancera genom dessa typer av tekniker. Den federala regeringen har flyttat riktigt aggressivt till att tillhandahålla medel för att hjälpa dessa myndigheter att bygga upp sina datainsamlingssystem och förbättra sina analytiska färdigheter. Svaret är: Jag tycker att det här är mycket viktigt inom det professionella området. På det akademiska området har det förmodligen inte tagit sig ganska snabbt eftersom det finns en ganska brant inlärningskurva bland akademiska utövare - att lära sig hur man använder GIS och integrerar det i sin analys. Och fältet är verkligen inte det som kräver att de gör det ännu - det accepterar verkligen det, men det kan också acceptera andra typer av forskning. Vilket är förmodligen inte en dålig sak, det medför olika perspektiv.

Men ja, det tar inte av sig så fort inom det akademiska området som det är inom det professionella området. Denna riktning är så central för vad den övergripande teoretiska inriktningen på fältet har varit i 100 år. Det låter i grunden människor skapa verktyg för att testa gamla, långvariga frågor om brott och plats. Men många polisbyråer i landet samlar fortfarande inte data med hjälp av mikrohanteringssystem och är inte helt automatiserade. Det finns en lång väg för dem att gå till - men det verkar vara ett ganska starkt engagemang för att få dem till snabbhet. Det beror på att det enda sättet att du ska kunna hålla reda på vad som händer är att ha uppgifterna. Det här är inte bara för att spåra brottslighet, utan att spåra polisens verksamhet i dessa samhällen.

JC: Jag skulle vilja tillägga det - jag är inte helt övertygad om att tekniken kommer att omforma poliseringen. Jag tror faktiskt att framtiden eller nästa våg av innovation inom polisområdet kommer att komma från polisens och policykulturens mentalitet. Jag tror att tekniken har tvingat dem att ompröva hur de använder sig av bevis, hur man utnyttjar resultaten av evidensbaserad forskning och teknik på ett sätt som är effektivt och öppet för de populationer som de tjänar.

Mycket av vad Les och jag har gjort nu har varit att jobba med polisbyråer för att utveckla svar på de problem som de bedömer genom rymdanalys. Om allt du gör är en fin karta, så gör du inte någonting till stor nytta för människor på marken. Vi behöver hjälpa dem att räkna ut vad vi ska göra med den informationen. Det är verkligen där jag tror att nästa våg av innovation kommer att komma in - mentaliteten.

Denna intervju har blivit redigerad och kondenserad för tydlighet.

$config[ads_kvadrat] not found