基于大数据的预测警务，是当下发达国家警方高度重视的前沿领域，本文分析了用算法来预测犯罪的可行性和局限性，有一定的参考价值。文末还附上了一篇48页的研究报告《犯罪非常具有揭露性：信息技术和警察生产力》，关注本号即可获取下载链接。

在日常生活中，罪犯与守法公民并没有什么不同。警察部门正在一个日益流行的工具的帮助下赶上这一点：算法。埃塞克斯大学（University of Essex Giovanni Mastrobuoni）经济学教授写道。他们都倾向于遵循工作和生活其他方面的习惯。我通常在早上工作得最好，讨厌晚饭后工作。我们的习惯通常反映了偏好、学习或两者的结合——或者，正如查尔斯·杜希格（Charles Duhigg）在他的《习惯的力量》（The Power of Habit）一书中指出的那样，仅仅重复一个行为就可能产生一个例行公事。

最近的研究表明，在坚持常规方面，罪犯与守法公民并没有什么不同，这可能是由于他们的经历，他们的专业化倾向，以及他们相信他们已经制定了理想的策略。警察部门正在迎头赶上，在一个日益普遍的工具的帮助下：算法。

由于算法使用数据中的模式来预测未来的行为，因此它们可以预测某人可能喜欢Netflix上的电影或她可能在亚马逊上购买的书籍。但它们也可以帮助执法机构打击犯罪。一些算法计算监狱囚犯未来的累犯。其他人则支持预测性警务工具，这些工具生成犯罪预测，目的是优化巡逻。

对预测分析的投资导致资源的重新分配（包括通过不同的警务策略和替代量刑），从而改变个人被捕或拘留的可能性。因此，重要的是要了解这些算法工具是否减少了犯罪，以及它们是否在不产生对某些群体的偏见的情况下这样做。

最精细和最知名的预测性警务软件基本上是从热点地图演变而来的。这些方案的运作原则是，最近遭受高犯罪率的地区更有可能在短期内犯罪率高。因此，执法机构应把重点放在这些领域，以便威慑尽可能多的罪犯。

虽然研究人员已经证明这些统计算法比简单的平均值具有更大的预测能力，但证明它们实际上减少了犯罪要困难得多。当犯罪率很高时，警察部门倾向于采用预测性警务，随后的减少可能反映了与该决定无关的自然下降。以地区为重点的警务工作也可能只是将犯罪转移到其他地方。因此，适当的评估需要一个更好的反事实情景：如果不使用预测性警务，犯罪会发生什么？

至于偏见，预测性警务可能会扭曲执法结果，这并非不可想象。较贫困地区的犯罪率可能更高，一旦引入预测性警务，将进行更密集的巡逻。如果警察资源保持固定，贫困地区的犯罪分子将比更富裕社区的犯罪分子更有可能遇到警察巡逻队。但是，尽管对于连环犯罪者来说，这是一个公平的结果，他们导致了导致额外巡逻的犯罪率飙升，但今天的首次犯罪者以前并没有增加犯罪数字。由于大多数预测性警务算法将犯罪事件捆绑在一起，而没有将惯犯与初犯分开，因此在贫困地区，它们可能对后者有偏见。

为了帮助解决有效性和偏见的问题，我评估了意大利米兰使用的预测警务软件。这让我能够建立一个适当的反事实：由于历史原因，米兰有两个警察部门，它们有着相同的目标，但其中只有一个使用预测性警务。

KeyCrime是Mario Venturi开发的预测软件，在米兰使用，与常见的预测警务工具不同，因为它专注于逮捕犯罪者而不是阻止他们（从而剥夺了犯罪分子去其他地方的机会），并将初犯者与经常犯区分开来。该软件使用从受害者报告和闭路电视摄像机收集的信息将犯罪分子与商业抢劫联系起来，然后预测特定个人或团体下一步将何时何地发动袭击。KeyCrime 会生成单个预测，从而缩小偏差的范围。

结果表明，分析经常性犯罪分子的习惯会使逮捕他们的可能性增加一倍以上。随着时间的推移，窃贼倾向于以类似的方式行事，针对特定的社区和业务类型，并坚持一天中的某个时间。因此，例如，以前在早上九点抢劫珠宝店的人很可能在同一社区，大约在同一时间再次犯罪，并反对另一家珠宝商。由于符合预测的匹配只有这么多，因此该软件突出显示了潜在的未来目标，警察局组织巡逻以抓住小偷。

基于个别犯罪集团行为的微观预测已被证明在打击抢劫方面有效，现在正扩展到其他类型的连环犯罪者，如性犯罪者和恐怖分子。预测性警务是否会同样成功地将这些罪犯绳之以法还有待观察，因为减少与受害者的互动和闭路电视录像的可用性可能会使犯罪者更难在事件之间建立联系。

更广泛地使用预测性警务可能会导致犯罪分子改变他们的习惯，变得不那么可预测。但是，更强大的算法和数据收集过程的开发为警察部门提供了一些乐观的理由。

“犯罪非常具有揭露性，”阿加莎·克里斯蒂写道。“试着改变你的方法，你的品味，你的习惯，你的心态，你的灵魂通过你的行为来揭示。就目前而言，利用犯罪分子的习惯来建立预测个人犯罪的能力似乎是一项很好的投资。

为大家提供一篇Giovanni Mastrobuoni，Collegio Carlo Alberto撰写的研究报告——《犯罪非常具有揭露性：信息技术和警察生产力》，该报告认为：越来越多的警察部门使用信息技术（IT）来优化巡逻策略，但人们对其预防犯罪的有效性知之甚少。基于对“预测性警务”的准随机访问，这项研究表明，通过犯罪清除率来衡量，IT提高了警察的生产力。由于有关个人事件和罪犯级标识符的详细信息，它还表明犯罪分子的策略是可预测的。此外，预测性警务的引入恰逢犯罪率的巨大负面趋势不连续性。这种IT创新的收益成本比似乎很大。

点击扫描关注全警智慧公众号，回复全警智慧，即可获得该报告的下载链接。