警務大數(shù)據(jù)：紐約警察使用Twitter預測犯罪

提到警務大數(shù)據(jù)預測犯罪，人們立刻會聯(lián)想到電影《少數(shù)派報告》和CBS電視劇《數(shù)字追兇》，在今天的移動社交時代，社會化媒體的實時分析將成為警務大數(shù)據(jù)預測分析的熱點領域，但這將意味著實時分析海量大數(shù)據(jù)的技術挑戰(zhàn)，也就是從“大數(shù)據(jù)警務”到“快數(shù)據(jù)警務”的挑戰(zhàn)。

也許不久后，紐約城警察局就能使用帶地理位置標簽的推文來預測犯罪。這聽起來就像是科幻電影少數(shù)派報 告里的場景(更像美國隊長2里的場景有木有，Hail Hydra)，不過當我聯(lián)系這項技術背后的弗吉尼亞大學研究員Matthew Greber博士時，他解釋說這個系統(tǒng)并不是玄幻的，而是數(shù)學可行的。

Greber博士設計的這個系統(tǒng)，混合了各種新舊技術。當下，許多警察局會根據(jù)犯罪頻率特定地監(jiān)控一些犯罪熱點。這個方法被稱作核密度估計(KDE)，它 可以把歷史犯罪記錄和地理位置信息結(jié)合起來，用一個幾率函數(shù)計算出該地區(qū)未來會發(fā)生犯罪的幾率。不過，根據(jù)Gerber博士的研究論文“使用推特和核密度估計預測犯罪”，這個方法與推特的實時動態(tài)數(shù)據(jù)流相比，簡直弱爆了。

    Greber博士的方法與KDE相似，但用網(wǎng)絡數(shù)據(jù)和編程語言替代了檔案。這套系統(tǒng)能繪制出一個推特環(huán)境，就像當下警察用KDE方法繪制出物理環(huán)境一樣。 大的差別在于，Greber博士看的是人們實時談論的熱點，和他們的后續(xù)動作，得到他們的匹配度。

Greber說，這個算法可以尋找區(qū)域內(nèi)暗示即將發(fā)生犯罪 的特定語句，“我們會觀察人們談論的話，出去啊，喝酒啊，逛吧啊，看比賽啊之類的。這些事件通常會與犯罪相關，這也就是模型要挑出的東西�！�

    一旦收集到了數(shù)據(jù)，推文上的GPS標簽允許Greber和團隊們在虛擬地圖上標出潛在犯罪的熱點。當然，并不是每個發(fā)推說待會逛酒吧的人都會實施犯罪。 Greber還比較了兩種KDE預測方法的準確度。不過問題是，這個方法真的有用么？對于Greber來說，答案是肯定有點用的�！八軒椭恍┤耍矔� 打擊一些人”。

    根據(jù)研究結(jié)果，基于推特的KDE算法與傳統(tǒng)KDE方法相比，在預測跟蹤，刑事?lián)p害，和賭博問題的準確度上有所提升。但在縱火，綁架，勒索等問題上，準確度 卻相對較低。盡管尚不清楚為何使用推特反而更難預測這些犯罪，不過研究表示，這個問題可能與在推特上使用的語言有關，速記，非正式語言，會讓算法難以分 析。

    這種高科技預防犯罪手段引發(fā)了很多關于濫用用戶隱私的爭論。讓警察使用這些數(shù)據(jù)來追蹤罪犯，讓事情變得極為敏感。關于這一點，盡管Greber知道一些社 會批評家反對國家使用私人數(shù)據(jù)，但他卻是漠不關心。“人們勾選了用戶協(xié)議允許推文上帶有GPS標簽。這個一個可選的東西，如果你不勾選，你的數(shù)據(jù)就不會被 收集。推特是一個公開的服務，我想大家很清楚這一點�！�

    Greber堅持說，使用這個系統(tǒng)對個人并沒有威脅，因為它只會記錄個人姓名，并不會對個人建模，也不會去識別罪犯。不過，問題并不在于警察會不會針對個人，而是團體和社區(qū)。這項技術的用處主要在于讓警察能高效地定位。

    不過，Greber反駁說，“你可以說它會讓警察針對社區(qū)，但事實上，警察已經(jīng)這么做了。警察們很清楚哪些社區(qū)比較壞，而且會針對性地分配更多警力�！�

    Greber說，紐約警察局會先在皇后區(qū)和布朗克斯區(qū)試點使用(滿滿的惡意啊)。不過，大范圍采用還言之尚早，因為還沒有測試它是否真的能降低犯罪率。