En ny algoritm utvecklad av University of Surrey och Georgia Tech kan ge polisavdelningar övertaget i sin kamp mot brottslighet, tack vare dess förmåga att snabbt bearbeta realtidsdata och förutsäga var illegal aktivitet kan inträffa igen.

Polisavdelningar över hela världen står inför ökande press på sina resurser, en verklighet som underblåser tillväxten av programvara för förutsägande polisverksamhet som hjälper myndigheter att fatta beslut om var de ska fokusera sina ansträngningar. En populär metod är att anpassa en Epidemic Type Aftershock Sequence (ETAS) modell till urbana brottsdata – ett rutnätskarta-baserat tillvägagångssätt som har kunnat förutsäga två gånger så mycket brott som en enda dedikerad analytiker.

I en artikel publicerad av Computational Statistics and Data Analysis, forskare från Surrey och Georgia, Atlanta, i detalj ett nytt tillvägagångssätt liknande det som används i väderprognoser och Apollo rymduppdrag, som kompletterar ETAS. Forskare kunde använda detta tillvägagångssätt för att utveckla en ny algoritm - Ensemble Poisson Kalman Filter (EnPKF) - som kan kombinera, i realtid, data om urban brottslighet och ETAS-modellen. EnPKF kan ge realtidsprognoser för brottsfrekvensen och ge en indikation på hur sannolikt brottslighet kan upprepas i ett visst område. Algoritmen kan också ge polisen förslag på var kortsiktiga hotspots för brott kan uppstå, och vilka ytterligare resurser som behövs för att hantera en sådan ökning.

Matematiker testade sin algoritm mot data om mer än 1000 våldsamma gängbrott i Los Angeles, från 1999 till 2002 – en datauppsättning som innehåller 33 kända gäng.

Forskare tror att algoritmen har en lång rad möjliga användningsområden eftersom EnPKF kan göra prognoser med andra modeller än ETAS. Man tror att EnPKF kan användas för att övervaka tågförseningar, jordbävningsefterskalv och till och med försäkringskrav i Afrika söder om Sahara.

Dr. David Lloyd från University of Surreys institution för matematik sa:"Vi är försiktigt glada över EnsemblePoisson Kalman-filtret, ett tillvägagångssätt som har gett oss en inblick i när brott kan förutsägas, och har visat oss vikten av att använda realtidsdata för att göra det övergripande systemet starkare. Vi är redan på god väg att stärka algoritmen och har händelsetestat den mot data från Chicago.

"Det är viktigt att komma ihåg att EnPKF, och algoritmer liknande detta, är verktyg som används för att hjälpa våra brottsbekämpande myndigheter som arbetar hårt för att hålla våra samhällen säkra. Deras användning kommer i slutändan att bestämmas av behoven hos enskilda avdelningar."