跳转到主要内容

预测性犯罪打击

100

Tab navigation

从 20世纪 30年代起,IBM 始终致力于为全球各地的执法官员提供各种工具,用于更快、更安全、更有效地打击犯罪。该技术在打击犯罪领域的应用已经成功地用于有效地分配资源—使执法官员能够在更短时间内查询到信息,或者填写文件,并将更多时间用于巡逻街道,保证社区的安全。

1963年,纽约市警察局长Robert Gallati利用IBM® 1401记录并追踪纽约警察局 (NYPD) 文件中的 5,000,000套罪犯指纹。这个新系统允许同步搜索至少 100套指纹,将指纹搜索时间从几天缩短到几分钟。1964年,整个美国的城市,例如费城、芝加哥和盐湖城,都使用 IBM 打孔卡记录紧急呼叫,并调度适当的市政服务。1967年,IBM设计的警务信息网络 (PIN) 允许巡警通过无线装置发送牌照号码,即时查看与该牌照相关的许可信息或者被盗车辆通知信息—更好地了解车内是谁,然后将其拦截。

从技术角度讲,在治安机构中,分配资源的最佳方式是从被动应对改变为主动出击—在需要的时间将警察派到需要的地方,并利用正确的信息使他们快速而果断地采取行动。然而,仅仅在过去20年间,必要的技术进步帮助实现了这种预测能力。

20世纪 80年代,执法部门对犯罪的思考方式发生了简单却重大的进步。纽约市交通警察队长 Jack Maple 已经疲于应对犯罪—他希望在犯罪发生之前予以制止。在 55英尺的墙面上,Maple 标记出了纽约市的每个火车站和每列火车。他回忆到:“当时,我使用颜色笔标记所发生的每起暴力犯罪、抢劫和重大盗窃案。我将这些罪案标记为已结案和未结案。”到 1990年,Maple通过不同颜色的别针标记出了纽约的整个犯罪形势。他将这个地图称作“未来之图”,在 1990年到 1992年间,这些地图帮助将地铁系统中的重大罪案减少了 27%,抢劫案减少了三分之一。

将别针插到地图上可能听起来是一种很原始或简单的办法,但这是警察和城市官员第一次能够对城市中近期的犯罪活动一目了然。通过这些地图,警察知道哪个街区容易发生哪种犯罪,并能够更有效地巡逻和帮助这些区域。这是将警务数据整合到一种犯罪分析和预防工具中的重要的第一步。

1994年,根据“未来之图”而创建了CompStat(比较统计)方法,对于这种基于数据的警务方法,管区的指挥官负责其所在地区的警务。由于CompStat 基于硬性数据,IBM自然成为合作方—随后提供了IBM犯罪信息仓库 (CIW) 解决方案,将其分析知识用到了打击犯罪的新领域。

随着 CompStat 的自然演进,CIW 从本质上将前几年在地图上插的别针实现了数字化,并且引入了先进的网络工具,例如地理成像软件和实况视频传送,提供了执法区域的详细场景。警察局不是采用被动响应的方法,而是可以利用这些即时信息重新部署和重新配置资源,以应对犯罪趋势的变化。用户可以访问数据仓库中存储的任何信息,用于根据任意数量的不同因素而报告、分析和了解犯罪统计。

但是,为了全面地从被动转向预测方法,执法人员需要全面了解他们的执法区域—需要围绕这些数字化别针和别针之间的更多信息。IBM 将 CIW 与预测分析和实时犯罪中心方法结合在一起,在别针之间提供了信息链接,也叫做结缔组织。从芝加哥到伦敦,再到韩国仁川,市政府都采用了实时信息(数据与视频)收集技术和预测分析能力,将犯罪信息仓库技术的应用提升到新的高度。这些解决方案利用统计数据探查和机器学习技术了解历史信息,帮助各机构发现隐含的模式、联系、关联和趋势—甚至作为看似无关紧要的变体的复杂数据集,例如天气状况。这包括大量的文本或非结构化数据,例如电子邮件、视频和聊天室交流。借助结构化和非结构化信息库、深入分析、先进的仪表板和数据可视化,这些机构能够更好地预测热点地区和犯罪趋势,并且更有效地部署资源。

如今,全球各地的城市和政府都采用实时数据收集和预测分析技术,帮助与整合的执法机构一同创造智慧的城市。随着我们更接近智慧的地球的目标,这些能够在可行的时间内提供准确信息的技术将在更大范围内得到运用。节约时间可以挽救生命—并使我们的社区更加安全。

IBM 专家

Mark Cleverley

Mark Cleverley
全球政府战略总监

Mark 与政府合作,研究新技术及其对公共安全社区和更广泛的公共领域的影响。他负责 IBM 在欧洲、中东和非洲的公共安全、司法与相关领域的客户。他编辑了 IBM 的《Police Journal》,该杂志多年来面向全世界的执法机构发行。

Content navigation