Abstrait

Prédiction de la criminalité à l'aide du big data administratif et de l'apprentissage automatique

Gyeongseok-oh

Il est indiscutable que les techniques d'apprentissage automatique et l'analyse de données volumineuses sont devenues les sujets les plus abordés dans la plupart des disciplines scientifiques et industrielles au cours de la dernière décennie. Parallèlement, de nombreux gouvernements du monde collectent suffisamment de données administratives qui seront analysées par des techniques d'apprentissage automatique pour rechercher les causes des phénomènes sociaux et améliorer l'efficacité de l'administration publique. Bien que les techniques d'analyse de l'information et donc la capacité de stockage des données soient remarquablement améliorées, un nombre démesuré d'étudiants dans le domaine scientifique ont une perspective conservatrice sur l'application de l'apprentissage automatique et de l'analyse de données volumineuses à l'explication des phénomènes sociaux. L'objectif de cette étude est de combler le vide en fournissant des preuves empiriques. Cette étude visera à examiner la validité de l'utilisation de données volumineuses administratives pour prédire les incidents criminels. Les dossiers des services d'assistance téléphonique du maire 311 à Houston, au Texas, et la réforme des rapports officiels sur la criminalité du département local de Houston ont été examinés pour évaluer si les signes de dégradation physique et la présence de nuisances sociales prédisent les incidents criminels au niveau du quartier. Les résultats de cette étude corroboreront la théorie des fenêtres brisées et présenteront de nouvelles perspectives pour explorer les causes de la criminalité. Plusieurs implications politiques pour les administrateurs d'État et de police vont être développées et discutées. Le Federal Bureau of Investigation (FBI) définit un crime violent comme une infraction impliquant la force ou la menace. Le programme Uniform Crime Reporting (UCR) du FBI classe ces infractions en quatre catégories : meurtre, viol avec violence, vol et agression. Le programme UCR du FBI définit chacune des infractions comme suit : (i) Meurtre - Le meurtre volontaire (sans négligence) d'une personne par une autre. L'UCR n'inclut pas les décès causés accidentellement, le suicide, la négligence, les homicides justifiables et les tentatives de meurtre ou les agressions pour meurtre (qui sont considérées comme des agressions aggravées), dans cette classification des infractions. (ii) Viol avec violence - Le viol peut être une agression sexuelle sur une femme contre sa volonté. Bien que les tentatives ou les agressions pour commettre un viol par menace ou force soient considérées comme des crimes dans cette catégorie, les abus charnels (sans force) et les autres infractions sexuelles sont exclus. (iii) Vol - Le fait de prendre ou de tenter d'exiger quelque chose d'utile sous la garde, la garde ou le contrôle d'une ou de plusieurs personnes par la force ou la menace de la force ou de la violence et/ou en faisant peur à la victime. (iv) Agression - il s'agit d'une attaque illégale menée par une personne contre une autre pour infliger des blessures corporelles graves ou aggravées. Le programme UCR précise qu'une agression implique généralement l'utilisation d'une arme ou d'un autre moyen pour causer la mort ou des lésions corporelles graves. Les tentatives d'agression aggravée impliquant l'utilisation d'armes à feu, de couteaux et d'autres armes sont considérées comme appartenant à la présente catégorie car si l'agression avait été menée à bien, elle aurait pu entraîner des blessures corporelles graves.Un délit impliquant à la fois une agression et un vol à main armée, le délit est considéré comme appartenant à la catégorie des vols à main armée. Malheureusement, ce type de délit semble être devenu monnaie courante dans la société. Les responsables de l'application de la loi se sont tournés vers le traitement des données et l'apprentissage automatique pour aider à la lutte contre la criminalité et à la répression. Au cours de cette recherche, nous avons mis en œuvre les algorithmes de régression rectiligne, de régression additive et de souche de décision en utilisant un ensemble fini équivalent de caractéristiques, sur les communautés et l'ensemble de données non normalisées sur la criminalité pour mener une étude comparative entre les modèles de criminalité violente de cet ensemble de données particulier et les données statistiques réelles sur la criminalité pour l'État du Mississippi qui ont été fournies par neighborhoodscout.com. Les statistiques sur la criminalité utilisées sur ce site sont des données fournies par le FBI et collectées pour l'année 2013. Un certain nombre de données statistiques fournies par neighborhoodscout.com comme la population du Mississippi, la répartition de la population par âge, le nombre de crimes violents commis et donc le taux de ces crimes pour 100 000 personnes au sein de la population sont également des caractéristiques qui sont intégrées dans les données de test pour effectuer des analyses.