先进预测工具实时锁定高风险犯罪热点:EnPKF算法助力智慧警务
- 新算法Ensemble Poisson Kalman Filter (EnPKF)可预测未来1小时最可能犯罪区域。
- 同时给出应对此类犯罪所需资源建议。
警方和刑侦部门面临巨大压力和资源制约——这推动智慧警务工具增长,助警官更好决策投入重点。
流行病型余震序列(ETAS)模型是应用犯罪数据预测未来犯罪现场的流行模型。该网格地图技术成功预测犯罪量是单个人工调查员2倍。
ETAS模型基于理念:犯罪随机发生,但犯罪发生率依赖历史,即某区域犯罪会在特定时长内提高同区或邻近区未来犯罪生成率。
但它不考虑底层犯罪过程概率本质。也无法追踪实时不确定性(因有限噪声数据或模型选择错误产生)。
集合泊松卡尔曼滤波器
国际研究团队用ETAS模型开发新算法,快速处理实时城市犯罪数据、预测非法活动可能再发区域。方法名EnPKF,与阿波罗任务和天气预报用法相似。
虽"可预测性"多种描述,本研究聚焦特定事件类型和预测系统。考虑触发"信号"报警即将来临关注事件的模型。例:建议未来1小时最可能犯罪区域。
当前时间序列应用中,模型简化为预测未来几(固定)小时内是否发生下次非法活动。总体算法可为刑侦部门提供轻微犯罪热点可能出现位置、应对所需资源建议。
参考:ScienceDirect | doi: 10.1016/j.csda.2018.06.014 | 萨里大学
测试与其他应用
新模型对1999-2002年洛杉矶1000+帮派犯罪数据集测试。与大样本粒子滤波器对比,证明实践有效性。
EnPKF对粒子滤波器关键优势:小样本量下准确度提升、蒙特卡洛波动减少。但系统远非完美:某些参数估计倾向产生欠/过扩散集合。
阅读:新自动驾驶算法可激进变道
团队正开发EnPKF高维扩展并用入室盗窃数据分析有效性。研究者相信系统多用途:EnPKF可追踪地震余震、列车延误、保险理赔。
工业技术