Outil prédictif avancé identifie zones à haut risque criminalité temps réel

• Nouvel algorithme Ensemble Poisson Kalman Filter (EnPKF) suggère zone où crime probable prochaine heure.
• Indique aussi ressources nécessaires adresser tels crimes.

Police et services criminels sous forte pression/contraintes ressources — fait alimentant croissance outils smart policing pour aider officiers meilleures décisions où concentrer efforts.

Epidemic Type Aftershock Sequence (ETAS) : modèle populaire appliqué données crime prévoir futures scènes crime. Technique grid-map-based a prédit 2x plus crimes qu'enquêteur humain seul.

Modèle ETAS : philosophie crimes arrivent stochastiquement, mais taux occurrence crime history-dependent = crimes région augmentent taux génération futur crimes même/voisines zones durée spécifique.

Mais : ne prend pas en compte nature probabiliste processus crime sous-jacent. Ne peut tracer incertitude temps réel : données limitées/bruitées ou erreurs sélection modèle.

Ensemble Poisson Kalman Filter

Utilisant modèle ETAS, équipe internationale chercheurs : nouvel algorithme traite rapidement données crime urbaines temps réel et prévoit où activité illégale pourrait réapparaître. Méthodologie EnPKF similaire celle missions Apollo et prévisions météo.

Bien que « prédictibilité » descriptible plusieurs façons, étude : focus type particulier événement et système prévision. Modèle déclenchant « signal » alarme événement à venir. Exemple : suggérer zone crime probable prochaine heure.

Applications time-series actuelles : modèle simplifié prévoir si prochaine activité illégale surviendra prochaines heures (fixes). Globalement : algorithme donne suggestions services criminels où hotspots crimes mineurs pourraient survenir, ressources nécessaires traiter activités illégales.

Référence : ScienceDirect | doi: 10.1016/j.csda.2018.06.014 | University of Surrey

Tests et autres applications

Nouveau modèle testé contre dataset >1 000 crimes gangs 1999-2002 Los Angeles. Comparé résultats large sample-size particle filter, démontrant efficacité pratique.

Force clé EnPKF vs particle filter : précision améliorée et moins fluctuations Monte-Carlo contexte sample size petit. Mais système loin parfait : tend générer ensembles under/over-spreading pour certains paramètres estimations.

Lire : Nouvel algorithme véhicule auto-conduite change voie agressivement

Équipe travaille actuellement extension high-dimensional EnPKF et analyse efficacité données cambriolages. Chercheurs croient système variété applications : EnPKF usable tracker répliques séismes, retards trains, sinistres assurance.