|
如果电影《少数派报告》中的犯罪预测模式成真，辛苦办案的poli.ce们一定省心不少。在过去的一段时间内，纽约的CompStat模式已经可以通过统计数据来达到被动预测的目的，而全新的犯罪预测模型也在逐步成型。可是当“梦想成真”时，真会那么美妙吗？ 如果能预防犯罪的话，那poli.ce是不是就省事多了？就像2002年汤姆?克鲁斯电影的《少数派报告》中所讲的那样，只要警方能在犯罪发生前赶到现场，那么不但可以避免不必要的损失，还可以大大降低警方的办案成本。 CompStat，情报引导警务 提到犯罪的预测，就不得不提到纽约市poli.ce局的CompStat模式。CompStat，全称为“计算机统计信息比照”（COMPuter COMparison STATistics），是美国纽约市poli.ce局自上世纪90年代起开始使用的一种“情报引导警务”的模式。 简单来说，CompStat着重于对区域内犯罪数据的统计与再整理，收集前几周或前几个月的犯罪数字。并由此优化警力的部署，以达到降低犯罪率的目的。相对旧的poli.ce管理模式，CompStat有以下几点优势： 情报准确及时：在CompStat创立之前，纽约市警局通常需要3-6个月才能对辖区的犯罪数据进行统计与简单的归类。这样的数据不但不具有时效性，同时参考价值也很低。 特定的目标，有效的战术：CompStat的数据统计是一种“热点”式的统计。根据不同犯罪特性的不同，来有针对性的部署警力。比如在地铁站、广场周边，由于抢劫盗窃类犯罪多发，所以当地就需要部署更多的巡警。而在学校周边，则需要注意向未成年人贩毒、青少年暴力事件等案件。 快速的部署：由于情报网络的建立，辖区内的警力也就得到了最优化的分配。犯罪率较高的地区，警力的部署也就会相应提高。这样，当面临问题时，也就不会遇到这边警力不足，那边人员过剩的尴尬问题了。 尽管CompStat一直遭到各式各样的批评，但是数据不说谎：1995年CompStat在纽约投入使用后，谋杀案件由1995年的1181起降低到了2003年的596起。而截止到2004年，全美已经有58.2%的警局采用了CompStat模式，而一些警局的犯罪率也连续出现了双位数的下降。 过去还不够，那未来呢？ CompStat虽然有效，但它终究还是一种被动的应对方式。为了达到真正的“高枕无忧”，对于犯罪预测的研究也一直没有停止。 2009年11月，国家司法研究所召开了一次关于“预测性治安”的研讨会，试图找出运用统计数据来预测犯罪中的微趋势的最佳方法。位于好莱坞的洛杉矶警局从司法部获得了300万美元的基金用于一项预测方法学的研究试验。 预测性治安的理论基础很简单：很多犯罪都不是随机性的。举例来说，入室盗窃就是比较容易预测的一种犯罪。当一家住户被抢劫了之后，在接下来的几天里，同一家住户和周围几家住户会更有可能被抢劫。 而相对于连环杀手来说，他们的行为也比较容易进行归类预测：他们的作案地点通常不会离家太远、也不会太近。而根据作案时乘坐的交通工具的不同，这个“中距离”也会产生变化。 UCLA的一个研究组最近在《美国统计学会会刊》（Journal of the American Statistical Association）的一篇文章中将重复性犯罪与地震进行了比较。最初的犯罪就像初震，接下来的犯罪就好比余震。我们虽然不知道接下来的犯罪发生的准确时间和地点，甚至于是否会发生，但是我们可以通过概率来创建一个预测的模型。这样一来，警局就可以往这些模型里输入实时的犯罪数据并且组织巡警在那些可能发生犯罪的地区。 可是，这和上面提到的CompStat有什么不同？简单地说，CompStat是通过统计计算过去的数据，来被动的进行布防与调配。而“犯罪预测”，正如电影《少数派报告》中所讲的，是以实时的数据为基础，在加上对不同犯罪类型的了解和判断，主动出击，制止未发生的犯罪。 其实以目前的技术来看，任何“预测”给人的印象都是不靠谱。不过如果有一天，我们的真的可以预测犯罪了。那么作为警方，是在犯罪发生时抓现行呢，还是不等对方动手，先下手为强？相信那时，问题就不再是单纯的技术讨论了…… |
|
|
