Un nuovo algoritmo sviluppato dall'Università del Surrey e dalla Georgia Tech potrebbe dare ai dipartimenti di polizia il sopravvento nella lotta alla criminalità, grazie alla sua capacità di elaborare rapidamente i dati in tempo reale e prevedere dove potrebbero verificarsi attività illegali.

I dipartimenti di polizia di tutto il mondo stanno affrontando crescenti pressioni sulle loro risorse, una realtà che sta alimentando la crescita di software di polizia predittiva che aiuta le autorità a prendere decisioni su dove concentrare i propri sforzi. Un metodo popolare è quello di adattare un modello Epidemic Type Aftershock Sequence (ETAS) ai dati sulla criminalità urbana, un approccio basato su grid map che è stato in grado di prevedere il doppio della criminalità rispetto a un singolo analista dedicato.

In un articolo pubblicato da Computational Statistics and Data Analysis, ricercatori del Surrey e della Georgia, Atlanta, dettagliare un nuovo approccio simile a quello utilizzato nelle previsioni del tempo e nelle missioni spaziali Apollo, che integra l'ETAS. I ricercatori sono stati in grado di utilizzare questo approccio per sviluppare un nuovo algoritmo, l'Ensemble Poisson Kalman Filter (EnPKF), in grado di combinare, in tempo reale, dati sulla criminalità urbana e il modello ETAS. L'EnPKF è in grado di fornire previsioni in tempo reale per il tasso di criminalità e dare un'indicazione sulla probabilità che il crimine possa ripetersi in una determinata area. L'algoritmo può anche fornire ai dipartimenti di polizia suggerimenti su dove potrebbero sorgere focolai di criminalità a breve termine, e quali risorse aggiuntive sono necessarie per affrontare un tale aumento.

I matematici hanno testato il loro algoritmo contro i dati su più di 1000 crimini violenti di bande a Los Angeles, dal 1999 al 2002 - un set di dati che presenta 33 bande conosciute.

I ricercatori ritengono che l'algoritmo abbia una vasta gamma di possibili usi poiché l'EnPKF può fare previsioni utilizzando modelli diversi dall'ETAS. Si pensa che EnPKF possa essere utilizzato per monitorare i ritardi dei treni, scosse di assestamento sismico e persino reclami assicurativi nell'Africa sub-sahariana.

Il Dr. David Lloyd del Dipartimento di Matematica dell'Università del Surrey ha dichiarato:"Siamo cautamente entusiasti del filtro EnsemblePoisson Kalman, un approccio che ci ha dato un'idea di quando il crimine può essere previsto, e ci ha mostrato l'importanza di utilizzare dati in tempo reale per rafforzare il sistema complessivo. Siamo già sulla buona strada per rafforzare l'algoritmo e l'abbiamo testato contro i dati di Chicago.

"È importante ricordare che EnPKF, e algoritmi simili a questo, sono strumenti utilizzati per aiutare le nostre forze dell'ordine che lavorano duramente per proteggere le nostre comunità. Il loro utilizzo sarà in ultima analisi determinato dalle esigenze dei singoli dipartimenti".