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

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

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/