Как сделать город безопасным: Big Data и Machine Learning против преступности

Big Data, Большие данные, предиктивная аналитика, цифровизация, цифровая трансформация, машинное обучение, Machine Learning, дрон, беспилотник, интернет вещей, Internet of Things

Сегодня мы расскажем про интерактивные карты преступности в России и за рубежом, а также рассмотрим, как технологии больших данных (Big Data) и машинного обучения (Machine Learning) помогают обнаружить и предупредить городские преступления. Читайте в этой статье, что такое Crime Mapping, где уже запущены биометрические системы идентификации подозреваемых и как дроны используются для криминальных расследований.

Что такое Crime Mapping и при чем тут Big Data

Современные карты криминогенности (Crime Mapping), которые аккумулируют статистику по преступлениям, уже давно существуют во многих странах, в т.ч. с разбивкой по отдельным городам. Однако, в большинстве случаев эти данные отражают ретроспективную картину без привязки к уникальным особенностям конкретного муниципалитета. Для профилактики преступлений эта информация должна быть интегрирована с геоинформационными сервисами (ГИС) каждого региона [1]. Например, маркировка потенциально-опасных объектов (заброшенные здания, гаражные комплексы, пустыри, лесопарковые зоны), а также мест скопления людей (образовательные учреждения, торгово-развлекательные центры и пр.) позволит выявить возможные локации преступлений. Эта идея легла в основу национальной карты опасных мест, где ребенок может попасть в беду во время летних каникул. Это предложение впервые прозвучало на всероссийском совещании детских омбудсменов в Ярославле в 2017 году [2]. Однако, на 2020 год такая карта до сих пор не создана, хотя в отдельных регионах (Кемерово, Саратов, Калуга и некоторые другие города РФ) эта инициатива поддержана общественниками, представителями МЧС и полиции в рамках локальных программ по профилактике несчастных случаев.

Кроме оперативно-розыскных мероприятий, интеграция Crime Mapping с геоинформационным маркированием может использоваться для планирования городских территорий. В частности, при проектировании систем уличного освещения, дорог и пешеходных зон, расположения жилых кластеров, зон отдыха, общественно-значимых объектов и т.д. Например, еще в 2014 году геоинформационная аналитика криминогенной карты Москвы позволила выявить и ликвидировать 42 наркопритона, выявить 24 места сборищ в отселенных домах, а также определить необходимость дополнительного наружного освещения по 48 адресам [3].

Таким образом, дополненные Crime Mapping – это яркий пример аналитики больших данных, когда информация по статистике правонарушений дополнена множеством неочевидных на первый взгляд характеристик местности, метками времени и параметрами самих преступлений. Детальная маркировка позволяет запускать на этих датасетах алгоритмы машинного обучения для кластеризации произошедших и прогнозирования будущих событий, чтобы заблаговременно принять предупреждающие меры.

Криминальная москва, полицейская аналитика, аналитика преступлений, аналитика больших данных МВД,
Пример карты криминогенности Москвы за 2017 и 2018 годы

Интерактивные карты преступности: ГИС, Machine Learning и Internet of Things

Интерактивность криминогенной карты предполагает не только непрерывное обновление, но и аналитику в режиме онлайн. Для этого ее интегрируют с системами городского видеонаблюдения. К примеру, в 2018 году в Лондоне было установлено 642 000 камер, в т.ч. 15 000 в метро. Таким образом, среднестатистический житель мегаполиса попадал в объективы 300 раз в сутки. Записи хранились на серверах в течение 2 недель, что помогло раскрыть около 95% случаев убийств, совершенных в городе. Пекинская система видеонаблюдения помогла сократить количество автомобильных угонов на 76%, а общее число преступлений – на 38% [4]. В Москве записи городской системы видеонаблюдения используются при расследовании около 70% правонарушений [5].

Подобные Big Data системы с модулями аналитики, в т.ч. алгоритмами распознавания лиц на базе Machine Learning, позволяют не только раскрыть уже совершенные преступления, но предупреждать правонарушения. Например, в московском развлекательном комплексе «ВТБ Арена — Центральный стадион» с марта 2020 года круглосуточно работает биометрическая система идентификации личности. Она выявляет лица, в отношении которых есть судебный запрет на посещение мест проведения официальных спортивных мероприятий, и успешно функционирует в режимах однофакторной и двухфакторной идентификации болельщиков. Аналогичная система внедрена на стадионе «Газпром Арена» в Санкт-Петербурге [6]. Подробнее про методы биометрической идентификации мы рассказывали здесь.

В качестве поставщиков данных для Crime Mapping выступают не только камеры городского видеонаблюдения, но и мобильные следящие устройства интернета вещей (Internet of Things) – дроны. Например, полиция США с помощью беспилотников восстанавливает обстоятельства преступлений, собирая доказательства с высоты птичьего полета.  Более 900 американских организаций (полиция, пожарные службы, отделы по чрезвычайным ситуациям и общественной безопасности и подразделения дорожного патрулирования) используют беспилотники. В частности, в Мортоне (штат Иллинойс), следователи задействовали дроны для воссоздания трехмерных сцен ДТП с многочисленными жертвами [7].

Объединяя результаты видеонаблюдения с геоинформационными маркерами территорий, можно строить предиктивные модели будущих правонарушений и предупреждать их. На основе множества данных Big Data системы с алгоритмами Machine Learning определяют вероятность преступления с четкой локализацией места и времени. Например, в Южной Африке таким образом были предупреждены взломы банкоматов с помощью взрывчатки, а в американском штате Теннеси с момента применения прогнозной аналитики количество серьезных преступлений снизилось на 30%, а число насильственных преступлений – на 15% [8].

искусственный интеллект, преступность
Лучше предупредить преступление, чем бороться с его последствиями

Также аналитика больших данных и машинное обучение помогают в расследовании преступлений, связанных с незаконным оборотом наркотиков, о чем мы расскажем в следующей статье. Больше кейсов по цифровизации государственного управления и примеров из бизнеса вы узнаете на наших образовательных курсах в лицензированном учебном центре обучения и повышения квалификации руководителей и ИТ-специалистов (менеджеров, архитекторов, инженеров, администраторов, Data Scientist’ов и аналитиков Big Data) в Москве:

Источники

  1. https://openpolice.ru/pages/kriminalnaya-statistika/karty-prestupnosti-crime-mapping/
  2. https://rg.ru/2019/07/11/reg-cfo/v-rossii-poiavitsia-interaktivnaia-karta-opasnyh-mest-dlia-detej.html
  3. https://tass.ru/moskva/1850479
  4. http://www.techportal.ru/251858
  5. https://www.mos.ru/news/item/36640073/
  6. https://ict.moscow/projects/ai/?integrationApplications=Безопасность%2CГосударственный+сектор
  7. https://iot.ru/bezopasnost/tekhnologii-na-politseyskoy-sluzhbe
  8. http://www.bigdatanalysis.com/crime-prediction/
Поиск по сайту