算法帮助纽约警察局识别现场犯罪模式_技术

当一名持注射器的钻井小偷在扬基体育场附近的一个家庭仓库附近试图盗窃时，警方很快发现这类偷窃行业并不是首次发生。几个星期前，一名男子还在曼哈顿以南7英里（11公里）的另一个Home Depot偷了一个钻头。

但是，这种发现方法并非由一名官员查看文件获得的，而是通过纽约警察局开发的模式识别计算机软件完成的。

这个名为Patternizr的软件允许驻扎在77个区域中的犯罪分析师，将抢劫、盗窃和盗窃行为与纽约警察局数据库中记录的成千上万的犯罪进行比较，只需点击一下按钮即可显示他们对犯罪模式的追捕。

在2019年2月11日的照片中，离开纽约警察局犯罪控制策略办公室的Rebecca Shutt在纽约发表讲话。Shutt利用名为Patternizr的软件，允许犯罪分析师将抢劫，盗窃和盗窃事件与纽约警察局数据库中记录的数百万起犯罪进行比较，帮助他们寻找犯罪模式。它比旧方法快得多，后者涉及分析师筛选报告并为类似事件绞尽脑汁。

它比旧方法快得多，后者涉及分析师筛选报告，绞尽脑汁寻找各种犯罪的关键细节，并决定它们是否适合某种模式。而且通过这类软件来识别犯罪模式也更全面，分析师能够发现整个城市的模式，而不仅仅是在他们的区域。

“由于Patternizr在算法中获取了这些关键细节，它带回了我不会知道的其他区域的投诉，”负责Home Depot案件的布朗克斯犯罪分析师Rebecca Shutt说。“这非常有用。这可能是一种没有制作的模式。”

该软件还发现了同一名嫌疑人用注射器犯下的另外两起盗窃案，他们最终被捕，并对盗窃罪和殴打罪表示认罪。

NYPD的数据分析助理专员Evan Levine和该部门前分析主管Alex Chohlas－Wood花了两年时间开发软件，然后在2016年12月推出。

该部门仅在本月公布了该技术的使用情况，Levine和Chohlas－Wood在inforMS Journal on Applied AnalyTIcs中详细介绍了他们在其他部门如何创建类似软件的文章中的工作。他们第一次与新闻媒体谈到这一点，他们是该国第一个使用这种模式识别工具的警察部门。

“当然，Patternizr的目标是改善公共安全，”莱文说，他是一名学术培训的天体物理学家。“我们越容易识别这些罪行的模式，我们就越能识别和逮捕犯罪者。”

Levine和Chohlas－Wood的灵感来自于纽约大学团队的工作，该团队研究了类似的模式识别方法，但从未制作出可行的版本。

两人对该部门手工识别的10年模式进行了培训。在测试中，它准确地在三分之一的时间内重新创建旧的犯罪模式，并在80％的时间内返回部分模式。NYPD说成本很低，因为两位开发人员已经在工作人员身上。

与人类犯罪分析师一样，该软件比较了诸如入境方式，所购物品类型和犯罪之间的距离等因素。Levin和Chohlas－Wood找到了那些在使用传统方法识别模式方面有数十年经验的穿制服的军官。

“该工具的真正优势在于我们可以最大限度地减少分析师或侦探必须做的腿部工作量和忙碌工作量，并真正让他们利用他们的专业知识和经验来完成更小的结果列表，”现任斯坦福大学斯坦福计算政策实验室副主任Chohlas说道。

在过去，分析师只在他们的区域内处理犯罪，使他们很难甚至不可能在城市的其他地方发现模式。

“说实话，效率低下，”莱文说。“做这些事情不是一种现代方式。”