Een nieuw algoritme ontwikkeld door de Universiteit van Surrey en Georgia Tech zou politiediensten de overhand kunnen geven in hun strijd tegen misdaad. dankzij het vermogen om snel realtime gegevens te verwerken en te voorspellen waar illegale activiteiten opnieuw zouden kunnen plaatsvinden.

Politiediensten over de hele wereld worden geconfronteerd met toenemende druk op hun middelen, een realiteit die de groei van voorspellende politiesoftware voedt die autoriteiten helpt beslissingen te nemen over waar ze hun inspanningen op moeten richten. Een populaire methode is om een ​​Epidemic Type Aftershock Sequence (ETAS)-model aan te passen aan stedelijke misdaadgegevens - een op rasterkaarten gebaseerde benadering die twee keer zoveel misdaad heeft kunnen voorspellen als een enkele toegewijde analist.

In een paper gepubliceerd door Computational Statistics and Data Analysis, onderzoekers uit Surrey en Georgia, Atlanta, een nieuwe benadering beschrijven die vergelijkbaar is met die gebruikt in weersvoorspellingen en de Apollo-ruimtemissies, die ETAS aanvult. Onderzoekers konden deze benadering gebruiken om een ​​nieuw algoritme te ontwikkelen - het Ensemble Poisson Kalman Filter (EnPKF) - dat in staat is om te combineren, live, stedelijke misdaadgegevens en het ETAS-model. EnPKF is in staat om realtime voorspellingen te doen voor de misdaadcijfers en een indicatie te geven van hoe waarschijnlijk het is dat misdaad zich in een bepaald gebied zal herhalen. Het algoritme kan politiediensten ook suggesties geven over waar op korte termijn hotspots voor criminaliteit kunnen ontstaan, en welke extra middelen nodig zijn om een ​​dergelijke stijging aan te pakken.

Wiskundigen hebben hun algoritme getest aan de hand van gegevens over meer dan 1000 gewelddadige bendemisdrijven in Los Angeles, van 1999 tot 2002 - een dataset met 33 bekende bendes.

Onderzoekers geloven dat het algoritme een breed scala aan mogelijke toepassingen heeft, aangezien de EnPKF voorspellingen kan doen met andere modellen dan ETAS. Men denkt dat EnPKF kan worden gebruikt om treinvertragingen te monitoren, naschokken van aardbevingen en zelfs verzekeringsclaims in Afrika bezuiden de Sahara.

Dr. David Lloyd van de afdeling Wiskunde van de Universiteit van Surrey zei:"We zijn voorzichtig enthousiast over het EnsemblePoisson Kalman-filter, een aanpak die ons inzicht heeft gegeven in wanneer misdaad kan worden voorspeld, en heeft ons het belang laten zien van het gebruik van realtime gegevens om het algehele systeem sterker te maken. We zijn al goed op weg om het algoritme te versterken en hebben het event getest met data uit Chicago.

"Het is belangrijk om te onthouden dat EnPKF, en soortgelijke algoritmen, zijn hulpmiddelen die worden gebruikt om onze wetshandhavers te helpen die hard werken om onze gemeenschappen veilig te houden. Het gebruik ervan zal uiteindelijk worden bepaald door de behoeften van de afzonderlijke afdelingen."